基于深度多步时空神经网络的电动汽车负荷时空动态负荷预测

• 作者: 张秀钊 王志敏 胡凯 钱纹
• 来源期刊: 云南电力技术
• 学科: 工学
• 关键词: 时空动态预测 时空神经网络 深度学习 电动汽车负荷
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 云电论坛获奖论文
• 页码范围: 91-96
• 页数: 6页
• 分类号: TM74
• 字数: 4204字
• 语种: 中文

摘要

电动汽车充电负荷具有很强的时空随机性,从而加大电网控制的难度以及影响电能质量,提前准确的预测充电负荷是解决此类问题有效方法之一.因此,首先按时间顺序建立充电桩时空动态负荷矩阵,并在时空神经网络的基础上提出一种时空动态负荷预测模型——多步深度时空神经网络.该模型能够根据过去充电负荷规律多步预测未来负荷,模型将ConvLSTM层和3D-ConvNet层然后连接到融合层作为一个单元,通过多个单元的堆叠增强网络学习能力,3D-ConvNet作为模型的网络的输出层.ConvLSTM层可以很好的学习长时规律,3D-ConvNet层可以学习到短时规律,3D-ConvNet作为输出层可以让网络具有多步输出的能力,以消除单步滚动预测带来的更大误差.并与STN模型进行对比,结果证明了所提预测模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱纹	云南电网有限责任公司电网规划建设研究中心	25	34	3.0	4.0
2	张秀钊	云南电网有限责任公司电网规划建设研究中心	22	42	4.0	5.0
3	王志敏	云南电网有限责任公司电网规划建设研究中心	23	56	4.0	6.0
4	胡凯	云南电网有限责任公司电网规划建设研究中心	8	6	2.0	2.0