研究与开发
基于PSO-SNN的电动汽车充电站短期负荷预测模型研究
王哲1 , 代兵琪1 , 李相栋2
1. 青岛大学,山东 青岛 266071;
Research of Short-Term Load Forecasting Model for Electrical Vehicle Charging Stations based on PSO-SNN
Wang Zhe1 , Dai Bingqi1 , Li Xiangdong2
1. Qingdao University, Qingdao, Shandong 266071;
摘要 本文以某电动汽车充电站的实测充电功率数据和天气预报数据为理论依据,分析了电动汽车充电站的负荷特性。构建了基于粒子群优化脉冲神经网络的电动汽车充电站短期负荷预测模型,脉冲神经网络采用脉冲发放时间进行信息的编码及处理,具有计算能力强、信息容量大和实时性好的特点。通过仿真算例对比可知,本文提出的预测模型比传统BP-NN预测模型的预测误差在四个季节的测试日分别降低了8.59%、9.28%、12.06%和8.72%,证实所提出的模型具有较高的预测精度。
关键词 ：
电动汽车充电站 ,
短期负荷预测 ,
脉冲神经网络 ,
粒子群算法
Abstract ：The load characteristic of the electric vehicle charging station is analyzed based on the weather forecast data and measured power data. A short-term load forecasting model for electrical vehicle charging stations based on particle swarm optimized spike neural network is built in this paper. Spike neural network encode information in the timing of single spike, making it with strong calculating ability, large information capacity and good real time capability. Verifies with simulation example, the errors of prediction model proposed in this paper are less than the traditional BP-NN model for 8.59%、9.28%、12.06% and 8.72% respectively in four seasons, so the model has a better prediction accuracy.
Key words ：
electric vehicle charging stations
short-term load forecasting
spike neural network
particle swarm optimized
出版日期: 2016-01-13
作者简介 : 王哲（1989-）,男,山东省菏泽市人,硕士研究生,主要研究方向为电力系统短期负荷预测。
引用本文:
王哲, 代兵琪, 李相栋. 基于PSO-SNN的电动汽车充电站短期负荷预测模型研究[J]. 电气技术, 2016, 17(1): 46-50.
Wang Zhe, Dai Bingqi, Li Xiangdong. Research of Short-Term Load Forecasting Model for Electrical Vehicle Charging Stations based on PSO-SNN. Electrical Engineering, 2016, 17(1): 46-50.
链接本文:
http://dqjs.cesmedia.cn/CN/Y2016/V17/I1/46
[1] 陈良亮, 张浩, 倪峰, 等. 电动汽车能源供给设施建设现状与发展探讨[J]. 电力系统自动化, 2011, 35(14): 11-17.
[1]
董宸, 夏彦辉, 孙丹. 基于全寿命周期理论的微电网优化配置
[2]
田峰, 林荣文, 武迪. 基于改进粒子群算法的伺服系统多参数整定研究
[3]
陈婷. 基于模拟退火粒子群算法的含分布式电源配电网故障定位
[4]
姜雲腾, 李萍. 基于改进粒子群神经网络短期负荷预测
[5]
何頔, 罗进, 唐世虎, 程实, 李彩云. 基于非支配排序的改进粒子群算法的含分布式电源的配电网规划
[6]
林天祥, 张宁, 胡军. 基于优化权重的卡尔曼滤波与无偏灰色组合模型的短期负荷预测
[7]
周艺环, 刘正, 吴子豪. 水火电力系统短期节能发电优化调度的研究
[8]
解玖霞. 基于粒子群算法的主动配电网经济优化调度
[9]
陈希强, 刘志欣, 李兴波. 基于组合预测模型的电动汽车充电站短期负荷预测研究
[10]
吴金浩, 杨秀媛, 孙骏. 基于主成分分析法的风电功率短期组合预测
[11]
时慧喆, 刘志鹏, 钟文强. 基于混合优化算法的配电网动态重构研究
[12]
翁桂萍, 潘夏, 邵振国. 计及峰谷电价和启发式运行策略的风光储联合发电用户容量优化
[13]
王树洪, 邵振国. 基于方向性遗传-粒子群混合算法的有源配电网无功优化
[14]
彭光斌, 李阳, 黄培东. 考虑静态电压稳定性的分布式电源优化布置研究
[15]
代兵琪, 王哲, 李春生. 基于改进粒子群算法的风储联合系统多目标协同调度
2016, Vol. 17 
