基于支持向量机的纯电动公交车充／换电站日负荷预测.pdfVIP

第 34卷 第 11期 电 力 自 动 化 设 备 Vo1．34No．11 2014年 11月 ElectricPowerAutomation Equipmem Nov．2014 0 基于支持向量机的纯电动公交车充 ／换电站 日负荷预测 刘文霞，徐晓波，周 樨 (华北 电力大学 电气与 电子工程学院，北京 102206) 摘要 ：讨论 了基于相似 日选取的支持 向量机 电动汽车 日负荷预测方法 通过对北京现有纯电动公交车充／ 换 电站充电负荷的大量调研 ．分析 了公交车充电站充电负荷的数据特征 ．采用关联分析方法提取 了影响 电 动公交站充电负荷的因素．基于相关因素应用灰色关联理论构建相似 日的小样本集合，而后建立多输入单 输 出的支持 向量机预测模型 针对支持向量机预测模型，提 出了两阶段确定模型参数的方法，首先直接确 定不敏感损失参数 ．再通过遗传算法寻找最优核参数 P和正则化参数 C．以提高参数 选取范 围设置较 大时的预测精度 。实例测试结果表 明，日负荷预测的均方根误差为 l0．85％，能基本满足有序控制的要求 ； 与其他预测方法相 比．改进方法具有较高的预测精度和稳定性 。 关键词：电动汽车；负荷预测；支持 向量机 ；参数选择；充电；关联理论：相似 日 中图分类号 ：TM7l5：U469．72 文献标识码 ：A DOI：10．3969／i．issn．1006—6047．2014．11．007 0 引言 预测研究的文献不多 ]。文献 5『]提出了模糊聚类和 BP神经网络相结合的方法预测换 电站的短期负荷。 随着环境 、能源 问题的 日益突出，电动汽车 EV 文献 6『]采用蒙特卡洛 的方法预测 电动汽车充 电负 (ElectricVehicle)受到 了各 国政府的重视 ．电动汽 荷 的时空分布特性 本文为预测充电站的 日充电负 车 的大规模使用可以大量减少温室气体的排放 ．促 荷 曲线 ，借鉴了电力系统 日负荷预测 的方法。 目前 ， 进能源结构的调整[I-2] 文献 3『-41讨论 了大量电动汽 电力系统 日负荷预测方法主要分为2种 ：基于历史负 车负荷 的接人对 电网产生 的影响．如大量 电动汽车 荷数据 的传统经典方法和基于历史负荷数据及其影 在负荷高峰期间充 电．将加剧电网负荷 的峰谷差从 响因素 的机器学习方法 为了在预测模型中能更好 而增加调峰的难度 ．在配 电网中会造成局部过负荷 地结合各种因素影响．提高预测精度 ．基于人工智能 从而加重配电网的负担等 ．将对电网的安全 、调度和 技术的神经网络预测模型和模糊预测模型得到了广 经济运行产生不利影响 所 以需要较精确的电动汽 泛 的应用[7-9] 神经网络等机器学习方法是基于最小 车负荷预测作为依据 ．进行 电动汽车的有序充 电控 化经验风险的机器学习方法 ．但是在实际应用中，样 制 ．参与电力系统的调峰甚至调频 。 本的数量总是有限的．此时经验风险最小并不意味 根据使用能源和动力驱动系统 的不 同．电动汽 着期望风险最小 ．如神经网络的 “过学习”问题 ．在某 车可以分为纯电动汽车 PEV(PureElectricVehicles)、 些情况下 ．训练误差过小会导致推广能力的下降，即 插 电式混合动力汽车 PHEV(Plug—inHybridElec． 泛化能力变差 由Vale，nik等人提出的基于结构风