公开(公告)号：CN118245739A

公开(公告)日：2024-06-25

申请号：CN202410354300.3

申请日：2024-03-26

Applicant: 三峡大学

Inventor： 叶永盛 ,  徐燕龙 ,  李阳 ,  褚家伟 ,  黎丽丽 ,  文斌 ,  程曦 ,  杨超

IPC: G06F18/15 ,  G06N3/006 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0985 ,  G06Q50/06

Abstract: 本发明提供了基于相似周和深度学习模型的电动汽车短期负荷预测方法、装置及存储介质，S1：获取电动汽车充电站的历史充电数据及特征信息；S2：基于皮尔逊相关系数和动态时间规整的加权式筛选出与预测周最相似的A个最优相似周序列，加入特征信息作为特征构建相似周数据集；S3：对相似周数据集的所有负荷序列进行CEEMDAN模态分解处理得到N个模态分量，并对天气信息及模态分量进行归一化处理；S4：将归一化后的天气信息及模态分量输入到CNN‑GRU深度学习模型中，对模型进行训练，得到最终的电动汽车短期负荷预测模型；S5：将预测日与其前六天组成预测周，输入到电动汽车短期负荷预测模型中，得到N个归一化的模态分量预测数据；S6：对模态分量预测数据进行反归一化并叠加得到预测日电动汽车负荷数据。