文献类型：期刊文章

作　　者：张秀钊[1] 王志敏[1] 钱纹[1] 胡凯[1] 周雪松[2] 李小双[3]

ZHANG Xiuzhao;WANG Zhiming;QIAN Wen;HU Kai;ZHOU Xuesong;LI Xiaoshuang(Yunnan Electric Power Co.,Ltd.,Kunming 650011,China;School of Electrical Electronics Engineering,Tianjin University of Technology,Tianjin 300384 China;Tianjin ChuNeng Power Technology Co.,Ltd.,Tianjin300450,China)

机构地区：[1]云南电网有限责任公司电网规划研究中心,云南昆明650011 [2]天津理工大学电气电子工程学院,天津300384 [3]天津楚能电力技术有限公司,天津300450

出　　处：《智慧电力》

基　　金：国家自然科学基金资助项目(51877152);云南电网有限责任公司科技项目(059100KK52170007)~~

年　　份：2019

卷　　号：47

期　　号：8

起止页码：50-54

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、ZGKJHX、核心刊

摘　　要：电动汽车充电负荷的时空随机性,加大了电网的控制难度且影响了电能质量。因此,准确的预测充电负荷是解决此类问题有效方法之一。基于此,首先建立充电桩时空动态负荷矩阵,然后在时空神经网络的基础上提出一种时空动态负荷预测模型多步深度时空神经网络,该模型能够根据过去充电负荷规律多步预测未来负荷。经过实际数据的仿真验证,并与STN模型进行对比,结果证明了所提预测模型的有效性。

关 键 词：时空动态预测  时空神经网络  深度学习  电动汽车负荷  

分 类 号：TM731]