新能源与高效节能

本发明公开了一种电动汽车充电负荷预测方法，首先对电动汽车充电负荷数据处理及分析，即整理电动汽车充电负荷数据，并进行预处理与清洗，从而得到日负荷曲线；针对传统时间序列预测方法在训练数据集构造方面的不足，提出交叉训练集构造方法构造交叉训练集，交叉训练集分为水平训练集和垂直训练集；利用交叉训练集对GRU?Autoformer模型进行训练得到两个预测模型，然后利用训练好的预测模型对待测样本进行预测；随后，对预测结果进行自适应加权求和，得到预测值；同时，利用改进的材料生成算法优化Autoformer的超参数提高模型性能；最后，结合实时测量值使用自适应卡尔曼滤波对预测结果进行校正，提高对充电负荷估计的准确性，得到最终的预测负荷。

成果亮点

发明目的：为了解决背景技术中所提出的问题，本发明提供一种电动汽车充电负荷预测方法，对电动汽车充电负荷进行较为精确的短期预测。 技术方案：本发明提出一种电动汽车充电负荷预测方法，包括以下步骤： (1)预先获取电动汽车历史充电负荷数据，并对负荷数据进行预处理与清洗，得到日负荷曲线； (2)将预处理后的历史充电负荷数据划分为训练集和测试集，并在训练集中获取水平训练集和垂直训练集； (3)建立基于门控循环单元GRU和Autoformer的混合预测模型，利用改进的材料生成优化算法优化GRU-Autoformer预测模型参数，所述的改进的材料生成优化算法包括利用拉丁超立方初始化代替原来的随机初始化；

电动汽车充电负荷预测可以应用于很多领域，以下是一些例子：

电动汽车充电站建设规划：充电负荷预测可以帮助运营商了解电动汽车充电站建设的需求，确定充电站的规模和位置。

电力系统调度与规划：充电负荷预测可以帮助电力系统调度人员了解电动汽车充电负荷的变化趋势，调整电力系统的调度计划，以满足充电负荷的需求。

电动汽车充电桩布点：充电负荷预测可以帮助运营商了解电动汽车的充电需求，确定充电桩的布点位置和数量。

能源管理：充电负荷预测可以帮助电力公司和电动汽车运营商了解电动汽车的充电需求和充电时间，以优化能源管理，实现节能减排。

总的来说，电动汽车充电负荷预测可以帮助管理者更好地规划和管理电动汽车充电基础设施，满足电动汽车充电需求，提高充电效率和用户体验。

有益效果：与现有技术相比，本发明的有益效果：

1、本发明针对传统时间序列预测方法在训练数据集构造方面的不足，提出交叉训练集构造方法构造交叉训练集，交叉训练集分为水平训练集和垂直训练集；交叉训练集既能够反应负荷数据跨时段的波动规律，又能够捕获其短期内的波动趋势；

2、本发明采用GRU网络提取负荷数据特征，适用于数据特征复杂度高，上下联系紧密的时序负荷数据，有效提高了模型的稳定性和收敛速度，增强了模型整体的泛化能力和鲁棒性，有助于提高预测精度，维持电网稳定；

3、通过对GRU-Autoformer预测电动汽车充电总功率的方法进行分析，提出了结合实时测量值使用自适应卡尔曼滤波对GRU-Autoformer预测结果进行修正的方法，在传统的卡尔曼滤波中加入自适应遗忘因子对外界噪声的抗干扰能力，对电动汽车充电负荷进行较为精确的短期预测。