基于人工智能算法的电动汽车充电站负荷预测研究

• 作者: 李建峰 何梓汶 陈晓宗 田增愿
• 来源期刊: 汽车测试报告
• 关键词: 电动汽车充电站 负荷预测 BP 神经网络 RBF 神经网络 灰度模型
• 年，卷（期）: 2022,（7）
• 所属期刊栏目: 智能技术
• 页码范围: 79-81
• 页数: 3页
• 语种: 中文

摘要

随着充电站的大规模建设，电动汽车的广泛使用将导致当地电力负荷的快速增长。充电站负荷预测，特别是短期负荷预测，作为未来电网负荷的重要组成部分，将在电力系统的生产安排、经济调度和安全运行等方面发挥着非常重要的作用。传统的电力负荷预测模型主要基于天气因素（如温度、湿度等），与传统的电力负荷相比，电动汽车充电站的负荷更加复杂和多变。从目前的电动汽车充电站负荷来看，充电站负荷曲线的趋势与用户行为等关系更密切，与天气关系无关。文章结合电动汽车充电站负荷的具体特点，提出通过建立适合充电站负荷预测的模型来准确预测充电站负荷数据，研究BP神经网络、RBF神经网络和灰度GM（1,1）模型。