基于PSO-SNN的电动汽车充电站短期负荷预测模型研究 |
| |
引用本文: | 王哲,代兵琪,李相栋.基于PSO-SNN的电动汽车充电站短期负荷预测模型研究[J].电气技术,2016(1):46-50. |
| |
作者姓名: | 王哲 代兵琪 李相栋 |
| |
作者单位: | 1. 青岛大学,山东青岛,266071;2. 国网山东省电力公司检修公司,济南,250000 |
| |
摘 要: | 本文以某电动汽车充电站的实测充电功率数据和天气预报数据为理论依据,分析了电动汽车充电站的负荷特性。构建了基于粒子群优化脉冲神经网络的电动汽车充电站短期负荷预测模型,脉冲神经网络采用脉冲发放时间进行信息的编码及处理,具有计算能力强、信息容量大和实时性好的特点。通过仿真算例对比可知,本文提出的预测模型比传统BP-NN预测模型的预测误差在四个季节的测试日分别降低了8.59%、9.28%、12.06%和8.72%,证实所提出的模型具有较高的预测精度。
|
关 键 词: | 电动汽车充电站 短期负荷预测 脉冲神经网络 粒子群算法 |
Research of Short-Term Load Forecasting Model for Electrical Vehicle Charging Stations based on PSO-SNN |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|