[发明专利]一种基于支持向量机的电动汽车充电站负荷预测方法

权利要求书

1.一种基于支持向量机的电动汽车充电站负荷预测方法，其特征在于：该预测方法包括以下步骤：

1）采集预测日以前充电站负荷以及影响充电站负荷的因素的历史数据，所述因素包括周属性、节日属性、温度、气象情况、充电站服务车辆数以及正常工作充电机数；

2）确定预测日各个影响充电站负荷的因素的取值，其中，温度以及气象情况根据气象预报确定，充电站服务车辆数以及正常工作充电机数根据充电站提供的数据确定；

3）对历史数据以及步骤2）确定的取值作归一化处理；

4）经过步骤3）后，利用与预测日第k时刻对应的历史数据和步骤2）确定的取值构建训练样本集和预测样本集；

5）利用训练样本集训练得到与第k时刻对应的支持向量机回归函数的拉格朗日乘子，根据所述拉格朗日乘子建立与第k时刻对应的支持向量机预测模型；

6）将预测样本集代入支持向量机预测模型得到与第k时刻对应的充电站负荷预测值；

7）重复步骤4）至步骤6），得到预测日各时刻对应的充电站负荷预测值。

2.根据权利要求1所述一种基于支持向量机的电动汽车充电站负荷预测方法，其特征在于：所述周属性记为W，W∈{1,2,3,4,5,6,7}，W=1对应星期一，W=2对应星期二，W=3对应星期三，W=4对应星期四，W=5对应星期五，W=6对应星期六，W=7对应星期日；节日属性记为F，F∈{0,1}，若为节日取F=1，否则取F=0；气象情况记为A，A∈{1,2,3}，A=1对应晴，A=2对应阴，A=3对应雨雪。

3.根据权利要求1所述一种基于支持向量机的电动汽车充电站负荷预测方法，其特征在于：所述历史数据为预测日以前100-200天内电动汽车充电站数据库记录的关于充电站负荷以及影响充电站负荷的因素的数据信息。

4.根据权利要求1所述一种基于支持向量机的电动汽车充电站负荷预测方法，其特征在于：对历史数据作归一化处理前，对采集的历史数据进行扫描，若历史数据中某日某时刻的充电站负荷为负值时，则用修正值替换负值，修正值为所述某日的前、后两日对应时刻充电站负荷的平均值。

5.根据权利要求1所述一种基于支持向量机的电动汽车充电站负荷预测方法，其特征在于：所述训练样本集的构建方法为：取第i日的前10日第k时刻的充电站负荷值L={L_i-1,k,L_i-2,k,L_i-3,k,L_i-4,k,L_i-5,k,L_i-6,k,L_i-7,k,L_i-8,k,L_i-9,k,L_i-10,k}、第i日的周属性W_i、第i日的节日属性F_i、第i日的温度T_i、第i日的气象情况A_i、第i日充电站服务车辆数B_i以及第i日正常工作充电机数C_i作为第i日第k时刻的训练样本的输入向量：

x_i,k={L_i-1,k,L_i-2,k,L_i-3,k,L_i-4,k,L_i-5,k,L_i-6,k,L_i-7,k,L_i-8,k,L_i-9,k,L_i-10,k,W_i,F_i,T_i,A_i,B_i,C_i}

取第i日第k时刻的充电站负荷L_i,k作为训练样本的目标输出值：

y_i,k=L_i,k

则任意时刻的训练样本集i=11,12,...,N，N为历史数据的采集天数。