基于SAE-ELM的电动汽车充电站负荷预测模型

• 作者: 吴秋新 安晓楠 张帅 文亚凤 苏畅 陈志敏 龚钢军
• 来源期刊: 现代电力
• 学科: 工学
• 关键词: 电动汽车充电站 负荷预测 深度学习 SAE-ELM
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 电动汽车
• 页码范围: 9-15
• 页数: 7页
• 分类号: TM715
• 字数: 4356字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2322.2019.06.002

摘要

电动汽车(electric vehicle,EV)用户充电行为在时间和空间上的随机性增加了EV充电站负荷预测的难度,为此以提高负荷预测的准确度为目的,通过改进深度学习中的栈式自编码器提出栈式自编码器-极限学习机(SAE-ELM)的混合模型,并深入研究EV与电网的交互模式;综合考虑影响充电站负荷量的关键因素,如历史负荷、环境、日类型等,对某地充电站进行短期负荷预测并验证;最后与SAE-BP、ELM算法做对比实验,实验结果表明SAE-ELM对充电站的短期负荷预测更加有效准确,更有利于电网稳定运行.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴秋新		29	53	4.0	6.0
2	张帅		8	12	2.0	3.0