一种智能有序充电系统及其短期基础负荷预测实现方法与流程

技术特征：

1.一种智能有序充电系统，其特征在于：包括安装在居民小区配电变压器低压侧的电流互感器和电压互感器，二者的输出端与配电变压器监测终端的输入端相连，电动汽车有序充电控制器以RS485或RS232的方式与配电变压器监测终端进行通信，电动汽车有序充电控制器与各个充电桩之间以电力线载波的方式进行通信；所述配电变压器监测终端获取居民小区配电变压器低压侧的电压和电流，实时计算出包含电动汽车在内的全部用电负荷，每隔一定时间保存全部用电负荷；所述电动汽车有序充电控制器制定每个充电桩的有序充电计划，下达每个充电桩的有序充电计划，监测每个充电桩的充电状态，每隔一定时间存储所有充电桩的有序充电负荷；电动汽车有序充电控制器以RS485或RS232方式将其获取的所有充电桩的有序充电负荷传送至配电变压器监测终端，在配电变压器监测终端内求取对应同一时刻点的全部用电负荷与有序充电负荷的差分，并将该差分视为居民小区配电变压器的基础负荷加以存储。

2.根据权利要求1所述的智能有序充电系统，其特征在于：所述全部用电负荷为为第k日、第i时间点的全部用电负荷；所述有序充电负荷为为第k日、第i时间点的所有充电桩的有序充电负荷；所述基础负荷为即为第k日、第i时间点的居民小区配电变压器基本负荷，其计算公式为：

3.根据权利要求1所述的智能有序充电系统，其特征在于：所述一定时间为15分钟。

4.根据权利要求1至3中任一项所述的智能有序充电系统的短期基础负荷预测实现方法，该方法包括下列顺序的步骤：

(1)将居民小区配电变压器基础负荷按时间选后顺序排列，形成原始负荷序列，然后对该序列进行经验模态分解，得到不同频带的固有模态函数和余项；

(2)对分解后的分量及日期类型进行归一化处理，节假日类型为1，工作日类型为0；

(3)由EMD分解的余项采用线性神经网络对其进行预测；余下IMF分量采用支持向量机对其进行预测；在构建预测模型时将气温包括当天的最高温度和平均温度作为模型的一组输入；

(4)采用粒子群算法对负荷预测的参数进行优化；

(5)利用优化后的模型对居民小区配电变压器进行短期基本负荷预测。