充电站负荷预测方法、装置、电子设备及存储介质与流程

本申请涉及充电负荷预测，尤其涉及一种充电站负荷预测方法、装置、电子设备及存储介质。

背景技术：

1、电动汽车产业化的进程在稳步加快，充电基础设施建设将成为未来重点发展，未来电动汽车充电行业成长空间巨大，这势必会逐渐增大电网的运行压力。

2、相关技术中，对电动汽车充电站负荷预测方法往往精度较低，无法准确预测未来的充电负荷情况，这给充电基础设施的规划和建设带来了一定的困难。因此，提高电动汽车充电站负荷预测精度，对于制定合理的充电站/桩建设规划，保证电力系统运行的安全性和稳定性，提高充电站的经济效益和社会效益具有重要的意义。

技术实现思路

1、有鉴于此，本申请的目的在于提出一种解决上述问题或者至少部分解决上述问题的充电站负荷预测方法、装置、电子设备及存储介质。

2、基于上述目的，本申请的第一方面，提供了一种充电站负荷预测方法，包括：

3、获取充电站的历史充电负荷数据以及历史气象因素数据；

4、将所述历史充电负荷数据输入第一预测模型，确定充电站负荷的变化趋势和周期性，输出第一预测结果；

5、将所述历史充电负荷数据以及历史气象因素数据输入第二预测模型，确定所述历史充电负荷数据以及历史气象因素数据的长期依赖关系，输出第二预测结果；

6、确定所述第一预测结果和所述第二预测结果的权重，根据所述第一预测结果、所述第二预测结果、所述第一预测结果的权重和所述第二预测结果的权重，确定最终预测结果。

7、可选的，所述历史充电负荷数据包括充电日期以及与所述充电日期对应的充电量；

8、将所述历史充电负荷数据输入第一预测模型，确定所述充电站负荷的变化趋势和周期性，输出第一预测结果，包括：

9、捕捉所述历史充电负荷数据中所述充电量随所述充电日期的周期性变化；

10、捕捉所述历史充电负荷数据中所述充电量随所述充电日期的节假日变化；

11、根据所述周期性变化和所述节假日变化，确定所述充电量随所述充电日期的线性函数，确定所述充电量随所述充电日期的变化趋势。

12、可选的，所述第二预测模型至少包括长短期记忆网络层和全连接层；

13、将所述历史充电负荷数据以及历史气象因素数据输入第二预测模型，确定所述历史充电负荷数据以及历史气象因素数据的长期依赖关系，输出第二预测结果，包括：

14、基于所述全连接层对所述历史充电负荷数据以及所述历史气象数据建立连接关系；

15、基于所述长短期记忆网络层对所述连接关系进行处理，得到所述历史充电数据和所述历史气象数据的长期依赖关系。

16、可选的，确定所述第一预测结果和所述第二预测结果的权重，包括：

17、随机生成所述第一预测结果的权重的初始群体；

18、利用所述最终预测结果的误差作为所述初始群体中的个体的适应度函数；

19、根据所述适应度函数，利用遗传算法对所述第一预测结果的权重的初始群体中的个体进行迭代计算，直至达到预设迭代次数，则确定当前种群中适应度函数最小的个体为所述第一预测结果的权重；

20、通过第一预测结果的权重，得到第二预测结果的权重。

21、可选的，所述适应度函数表示为：

22、

23、其中h表示充电站的充电天数，yt表示真实充电站负荷结果，表示最终预测结果。

24、可选的，还包括：

25、根据真实充电负荷结果和所述最终预测结果计算均方根误差；

26、根据真实充电负荷结果和所述最终预测结果计算平均绝对百分误差；

27、根据所述均方根误差和所述平均绝对百分误差，确定所述最终预测结果的准确性。

28、可选的，所述均方根误差表示为：

29、

30、所述平均绝对百分误差表示为：

31、

32、其中，rmse表示均方根误差，mape表示平均绝对百分误差，t表示预测开始时刻，h表示充电站的充电天数，t表示预测初始天数，表示最终预测结果，yt表示真实充电站负荷结果。

33、本申请的第二方面，提供了一种充电站负荷预测装置，包括：

34、获取模块，用于获取充电站的历史充电负荷数据以及历史气象因素数据；

35、第一预测模块，用于将所述历史充电负荷数据输入第一预测模型，确定所述充电站负荷的变化趋势和周期性，输出第一预测结果；

36、第二预测模块，用于将所述历史充电负荷数据以及历史气象因素数据输入第二预测模型，确定所述历史充电负荷数据以及历史气象因素数据的长期以来关系，输出第二预测结果；

37、最终预测模块，用于确定所述第一预测结果和所述第二预测结果的权重，根据所述第一预测结果、所述第二预测结果、所述第一预测结果的权重和所述第二预测结果的权重，确定最终预测结果。

38、本申请的第三方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的方法。

39、本申请的第四方面，提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如第一方面所述的方法。

40、从上面所述可以看出，本申请提供的充电站负荷预测方法、装置、电子设备及存储介质，利用第一预测模型确定充电站负荷的变化趋势和周期性，从而确定历史充电负荷数据的线性关系，得到第一预测结果，利用第二预测模型确定历史充电负荷数据以及历史气象因素数据的非线性关系，得到第二预测结果，最后优化第一预测结果和第二预测结果的权重，得到最终预测结果，最终预测结果综合考虑各种负荷因素的影响，预测精度更高。

技术特征：

1.一种充电站负荷预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述历史充电负荷数据包括充电日期以及与所述充电日期对应的充电量；

3.根据权利要求1所述的方法，其特征在于，所述第二预测模型至少包括长短期记忆网络层和全连接层；

4.根据权利要求1所述的方法，其特征在于，确定所述第一预测结果和所述第二预测结果的权重，包括：

5.根据权利要求4所述的方法，其特征在于，所述适应度函数表示为：

6.根据权利要求1所述的方法，其特征在于，还包括：

7.根据权利要求6所述的方法，其特征在于，所述均方根误差表示为：

8.一种充电站负荷预测装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。

10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，其特征在于，所述计算机指令用于使计算机执行如权利要求1至7任意一项所述的方法。

技术总结
本申请提供一种充电站负荷预测方法、装置、电子设备及存储介质，方法包括：获取充电站的历史充电负荷数据以及历史气象因素数据；将历史充电负荷数据输入第一预测模型，确定充电站负荷的变化趋势和周期性，输出第一预测结果；将历史充电负荷数据以及历史气象因素数据输入第二预测模型，确定历史充电负荷数据以及历史气象因素数据的长期依赖关系，输出第二预测结果；确定第一预测结果和第二预测结果的权重，根据第一预测结果、第二预测结果、第一预测结果的权重和第二预测结果的权重，确定最终预测结果。最终预测结果综合考虑各种负荷因素的影响，预测精度更高。

技术研发人员：姜燕,卫一宁,宋雪莹,盛志强,许中平,黄超,刘峥,李露,王悦,宋嘉伟,孟子冰,田佩佩,宋丹丹,周嘉楠,李铂初,陈富强,王贯瑶,张旭泽,樊兴
受保护的技术使用者：北京中电飞华通信有限公司
技术研发日：
技术公布日：2024/6/18