[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

说明书

技术领域

本发明属于电动汽车充电站负荷预测领域。

背景技术

传统燃油汽车不但大量消耗不可再生能源，也是当前全球温室气体排放和局部环境污染的主要来源之一。由于电动汽车以电力代替燃油，在解决能源和环境危机方面起到巨大作用，电动汽车正由研发阶段逐步走向大规模应用阶段。但是，大规模的电动汽车充电负荷具有大功率、波动性及不确定性等特点，这给电网的安全运行、优化调度和潮流控制都带来了很大挑战。因此对电动汽车充电站的负荷进行预测具有重要意义。

电动汽车大规模普及后，其充电负荷将会很大，电力调度部门可根据电动汽车充电站负荷的预测结果，调整调度计划、调整系统备用容量、优化发电机组出力等，可以降低运行成本，增强系统的安全性、可靠性和可控性。

目前，电动汽车充电站负荷预测依据电动汽车行驶特性及电池充放电特性。首先根据电动汽车的行驶特点预测其到充电站充电的时间和电池剩余电量，利用这些数据和电池的充电特性曲线确定每台电动汽车各时刻的充电功率，进而得到充电站的总充电功率。此法多用于电动汽车充电站投运初期，历史负荷信息较少，掌握的数据只有电动汽车运营的时间、里程及电池的充放电特性的情况。目前的充电站负荷预测方法基本都是基于该法的。然而，车辆行驶具有很大的随机性和不可控性，致使车辆到充电站充电的时间和电池剩余电量都有很大的随机性，因此，该法预测结果精度较低。

发明内容

本发明的目的在于提供一种基于支持向量机的电动汽车充电站负荷预测方法，旨在解决传统只利用电动汽车行驶特性和电池充电特性预测负荷的充电站负荷预测方法的精度不足问题，提高电动汽车充电站负荷预测方法的自适应性和工程实用性。

为达到上述目的，本发明采用了以下技术方案：

一种基于支持向量机的电动汽车充电站负荷预测方法，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。

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。

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。根据预测的步长确定一天内预测的次数，每次都用相应时刻对应的数据信息进行训练，得到该时刻的支持向量机预测模型，并用该模型预测该时刻的充电站负荷值（例如预测步长为10分钟时，每天可得到144个支持向量机预测模型，可预测144个时刻的充电站负荷预测值）。

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。