基于深度多步时空神经网络的电动汽车负荷时空动态负荷预测

电动汽车充电负荷具有很强的时空随机性,从而加大电网控制的难度以及影响电能质量,提前准确的预测充电负荷是解决此类问题有效方法之一。因此,首先按时间顺序建立充电桩时空动态负荷矩阵,并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,模型将ConvLSTM层和3D-ConvNet层然后连接到融合层作为一个单元,通过多个单元的堆叠增强网络学习能力,3D-ConvNet作为模型的网络的输出层。ConvLSTM层可以很好的学习长时规律,3D-ConvNet层可以学习到短时规律,3D-ConvNet作为输出层可以让网络具有多步输出的能力,以消除单步滚动预测带来的更大误差。并与STN模型进行对比,结果证明了所提预测模型的有效性。