[發明專利]一種改進的快換式公交充電站短期負荷預測方法

在審

• 申請號: 201810940407.0
• 申請日: 2018-08-17
• 公開（公告）號: CN109242156A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 牛東曉;王海潮;李偲;陳寒鈺
• 申請（專利權）人: 華北電力大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 張文寶

本發明公開了一種改進的快換式公交充電站短期負荷預測方法，所述預測方法包括以下步驟：步驟1：輸入指標并對各輸入指標進行數據預處理；步驟2：構建最小二乘支持向量機模型；步驟3：利用思維進化算法對最小二乘支持向量機模型的參數進行優化和預測。本發明通過思維進化算法對最小二乘支持向量機模型參數進行優化，取得的預測結果相比于基本最小二乘支持向量機模型和支持向量機模型。

技術領域

本發明涉及公交充電站負荷預測技術領域，特別是涉及改進的快換式公交充電站短期負荷預測方法。

背景技術

面對近年來日益加劇的能源危機與環境問題，低碳城市已成為世界各地的共同追求。隨著低碳城市的不斷建設，電動公交車作為低碳城市的重要特征獲得了十分迅速的發展。但是充電站作為電動公交車重要的配套設施，其負荷表現出較大的波動性、隨機性和間歇性，為電網的優化調度和安全運行帶來了新的挑戰。這說明對其進行負荷特征分析與短期負荷預測方法的研究具有重要意義，一方面，對于電力系統發電機組最優組合、經濟調度、最優潮流及電力市場交易等有著重要的意義；另一方面，給充電站自身的建設規劃、能量管理、有序充電及經濟性運行等提供了決策依據。與此同時，還可以有力的保障和推進低碳城市的建設發展。因此，有必要以當前實際商業化運營中的快換式公交充電站為契機，研究快換式公交充電站短期負荷預測方法。

目前，國內外學者對快換式公交充電站短期負荷預測開展了多項研究，大致分為兩個方面，分別是統計預測模型和智能預測模型。統計預測模型是以概率和統計理論為基礎進行的預測，其中最為常用的是蒙特卡洛方法，蒙特卡洛(Monte Car l o)方法是一種以概率和統計理論為基礎的隨機模擬方法，它依據居民出行調查的交通行為數據庫，對用戶的行駛行為采用確定的概率分布函數進行擬合，建立具有隨機概率特征的數學模型來預測汽車在未來時段的充電時間、地點以及負荷需求，但是此類方法受函數參數的影響,分布參數的選取較隨機，容易出現擬合估計不準確的問題，預測精度低。

最小二乘支持向量機(LSSVM)方法利用最小二乘線性系統作為損失函數，避免了二次規劃的過程，同時利用核函數將預測問題轉化為方程組的求解，將不等式約束轉化為等式約束，增加了預測的準確度和速度，但是最小二乘支持向量機模型仍然存在懲罰系數和核參數盲目選擇的問題。

因此在人工智能技術快速發展的時代背景下，希望有一種改進的快換式公交充電站短期負荷預測方法運用智能預測模型來進行快換式公交充電站負荷預測以解決現有技術中的問題。

發明內容

思維進化算法(mind evolutionary computation，MEC)具有較高的求解效率和極強的全局優化能力。思維進化算法在遺傳算法的基礎上增加了“趨同”和“異化”兩個操作算法，趨同和異化分別負責局部和全局尋優，極大的提升了算法的整體搜索效率和全局優化能力。

本發明公開了一種改進的快換式公交充電站短期負荷預測方法，所述預測方法包括以下步驟：

步驟1：輸入指標并對各輸入指標進行數據預處理；

步驟2：構建最小二乘支持向量機模型；

步驟3：利用思維進化算法對最小二乘支持向量機模型的參數進行優化和預測。

優選地,所述步驟1中的指標包括：日類型、當日最高氣溫、當日最低氣溫、天氣類型、日累計充電車輛數和預測日前3天同一時刻的負荷值，其中日類型包括工作日和節假日。

優選地,對所述步驟1中當日最高氣溫、當日最低氣溫、日累計充電車輛數和預測日前3天同一時刻的負荷值進行公式(1)的歸一化處理：

其中，x_i是實際值，x_min和x_max分別是樣本數據的最小值和最大值，y_i為歸一化處理后的負荷值。