公开(公告)号：CN118964985A

公开(公告)日：2024-11-15

申请号：CN202411015411.8

申请日：2024-07-26

Applicant: 南京邮电大学

Inventor： 高辉 ,  孟子悦 ,  李炜卓 ,  归耀城 ,  林彦旭 ,  周秋阳

IPC: G06F18/214 ,  G06F18/213 ,  H02J3/00 ,  G06Q10/04 ,  G06Q50/06 ,  G06N3/0464 ,  G06N3/006

Abstract: 本发明公开了一种基于VMD分解与改进XGBoost的充电站短期负荷预测方法，首先，选取影响因素构建输入特征集，降低不相关特征的影响；然后，利用VMD算法将原本随机、非线性的负荷数据分解为有限个固有模态函数和残余分量，并和负荷影响因素一起作为XGBoost算法的输入；最后，采用PSO算法优化预测模型参数，对特征互异的各个分量数据分别预测并叠加重构输出预测值。本发明考虑多种负荷影响因素，对预处理后的时序数据集进行变分模态分解，并基于改进的极端梯度提升算法模型对时序数据集进行预测，可以提高负荷波动性强的充电桩的负荷预测精度，从而为电动汽车充电站的安全稳定运行提供有效预测服务。

公开(公告)号：CN119362411A

公开(公告)日：2025-01-24

申请号：CN202411386231.0

申请日：2024-09-30

Applicant: 南京邮电大学 ,  国网山东省电力公司滨州供电公司 ,  山东鲁软数字科技有限公司

Inventor： 高辉 ,  孙尚宇 ,  李炜卓 ,  林彦旭 ,  穆明亮 ,  赵金洋 ,  何成

IPC: H02J3/00 ,  G06Q10/0637 ,  G06Q50/06 ,  G06N3/044 ,  G06N3/0442 ,  G06N3/08 ,  G06N3/006

Abstract: 本发明公开了一种基于变分模态分解与循环神经网络的短期负荷预测方法，具体如下，首先，通过对充电站运营订单数据进行处理，获取各个充电站负荷数据；然后，通过分析充电站负荷数据，构建充电站历史负荷数据的时序数据集；接着，基于变分模态分解算法对充电站负荷流数据进行分解；再次，基于循环神经网络对充电站负荷流数据进行训练与拟合；其次，采用斑马优化算法来调整获得变分模态分解模型与循环神经网络的最优参数；最后，根据训练好的循环神经网络对各模态分量进行负荷预测，获得充电站的负荷预测结果。本发明对负荷数据进行噪声分离和平滑分解处理，提高充电站的负荷预测精度，为充电站的运营和维护提供有效服务。