摘要
一种基于LSTM模型的电动汽车聚合负荷容量预测方法,该方法包括:获取充电站第一时间段内的充电负荷数据,并对第一时间段进行时间划分,按照划分的子时间段对充电负荷数据进行采样,得到具有周期性的负荷数据样本。构建数据集,并对负荷数据样本进行预处理。通过时间序列分解法将负荷数据样本划分为线性部分和非线性趋势部分,并基于线性部分对ARIMA模型进行建模。按照预设比例将数据集中的非线性部分随机划分为训练集和验证集,并基于训练集和验证集对LSTM模型进行训练和测试。将ARIMA预测模型和LSTM预测模型对电动汽车的充电负荷数据的输出结果进行加权组合,得到电动汽车聚合负荷容量预测结果。
技术关键词
负荷
容量预测方法
LSTM模型
数据
ARIMA模型
样本
非线性
充电站
时间段
表达式
递归神经网络
序列
数值
容量预测模块
周期性
标记
预测装置
采样模块
处理器
系统为您推荐了相关专利信息
增量备份方法
增量数据文件
数据格式
虚拟机磁盘
备份装置
风险
数据权限管理
阶段
监测方法
贝叶斯神经网络
打磨控制方法
刚性接触网
模糊综合评判方法
接触线
打磨策略