[發明專利]一種基于電表數據的電動汽車充電負荷預測方法

有效

• 申請號: 202210144543.5
• 申請日: 2022-02-17
• 公開（公告）號: CN114498634B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 向月;周潤
• 申請（專利權）人: 四川大學
• 主分類號: H02J3/00
• 分類號: H02J3/00;G06F18/213;G06N3/0464;G06N3/0442;G06N3/045
• 代理公司: 成都眾恒智合專利代理事務所(普通合伙) 51239
• 代理人: 王育信

1.一種基于電表數據的電動汽車充電負荷預測方法，其特征在于，包括以下步驟：

（S1）根據采集到的居民用戶電表數據，采用非侵入式負荷辨識獲取用戶電動汽車充電負荷；

（S2）輸入特征選擇：根據電動汽車充電負荷的辨識結果，結合智能電表總功率數據，作為待構建的預測網絡的輸入數據；

（S3）構建預測網絡：以CNN-LSTM挖掘輸入數據關聯關系，引入注意力機制獲取重要的特征向量，將特征向量加入Dropout層防止過擬合；

（S4）通過預測網絡輸出電動汽車充電負荷預測結果和智能電表總功率預測結果；

（S5）根據智能電表總功率的實際量測情況，滾動更新預測網絡，減小偏差。

2.根據權利要求1所述的一種基于電表數據的電動汽車充電負荷預測方法，其特征在于，在步驟（S3）中，采用LSTM長短期記憶模型用于捕捉輸入數據之間的長短期時序依賴關系，在輸入大量的訓練樣本時能夠保證模型的學習效率。

3.根據權利要求2所述的一種基于電表數據的電動汽車充電負荷預測方法，其特征在于，在步驟（S3）中，引入CNN卷積神經網絡用于充分提取數據之間的特征形成特征向量X_t(t=1,2,…T)。

4.根據權利要求3所述的一種基于電表數據的電動汽車充電負荷預測方法，其特征在于，在步驟（S3）中，注意力機制的具體過程如下：

CNN卷積神經網絡提取的特征向量X_t(t=1,2,…T)輸入LSTM長短期記憶模型中，得到輸出向量h_t(t=1,2,…T)；從而得到未歸一化的權重矩陣：

（1）；

其中，、和分別為隨機初始化的注意力機制權值矩陣、偏置量和時間序列矩陣；

由式（1）得到注意力機制對?LSTM輸出的注意力概率分布值：

（2）；

再由式（1）、（2）得到注意力機制輸出的特征向量：

（3）。

5.根據權利要求4所述的一種基于電表數據的電動汽車充電負荷預測方法，其特征在于，在步驟（S5）中，更新預測網絡的修正依據為實際量測的智能電表集總功率與集總功率預測值之間的偏差。