基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的電動汽車負荷短期預測
孫婉婉1，楊樂2
（1 徐州三新供電服務有限公司豐縣分公司，江蘇 豐縣 221700；2 國網(wǎng)豐縣供電公司，江蘇 豐縣 221700）
摘 要：開展電動汽車（EV）充電負荷預測在一定程度上可以有效緩解EV充電對配電網(wǎng)產(chǎn)生的影響。提出一種用遺傳算法（GA） 同時優(yōu)化神經(jīng)網(wǎng)絡權閾值( 連接權) 和結構即隱含層單元數(shù)的EV充電負荷的預測方法，并與BP神經(jīng)網(wǎng)絡預測方法進行對比。實驗結果表明所提出的預測方法有較高的預測精度。
關鍵詞：電動汽車；負荷預測；遺傳算法；BP神經(jīng)網(wǎng)絡
中圖分類號：TM714 文獻標識碼：A 文章編號：1007-3175(2019)09-0018-04
Short-Term Prediction of Electric Vehicle Load Based on Genetic Algorithm and Optimized Neural Network
SUN Wan-wan1, YANG Le2
（1 Xuzhou Sanxin Power Supply Service Company Fengxian Branch, Fengxian 221700, China;
2 State Grid Fengxian Power Supply Company, Fengxian 221700, China）
Abstract: The prediction of electric vehicle (EV) charging load, to some extent, can effectively alleviate the EV charging impact on the power distribution network. This paper proposed a kind of genetic algorithm (GA), at the same time optimized the neural network weight threshold value (connection weight) and structure, the prediction method of EV charging load for the number of hidden layer units, which was compared with the prediction method of BP neural network. The experimental results show that the proposed method has the higher prediction accuracy.
Key words: electric vehicle; load forecasting; genetic algorithm; BP neural network
參考文獻
[1] 劉利平，楊雄平，李昱來，等. 計及電動汽車接入的供電可靠性最優(yōu)分時電價模型[J]. 廣東電力，2017，30(5)：56-62.
[2] 陽經(jīng)偉. 電動汽車充電負荷預測方法與充電控制策略研究[D]. 長沙：湖南大學，2015.
[3] 厲志輝. 電動汽車充電站對電網(wǎng)的影響[D]. 濟南：山東大學，2013.
[4] BASS R, HARLEY R, LAMBERT F, et al. Residential harmonic load sand EV charging[C]//Power Engineering Society Winter Meeting, Columbus USA，2001：803-808.
[5] 朱海濤. 考慮時空分布的電動汽車充電負荷預測思考[J]. 科技與創(chuàng)新，2015(21)：235.
[6] 劉青，戚中譯. 基于蒙特卡洛法的電動汽車負荷預測建模[J]. 電力科學與工程，2014，30(10)：14-19.
[7] 楊少兵， 吳命利， 姜久春， 等. 電動汽車充電站負荷建模方法[J]. 電網(wǎng)技術，2013，37(5)：1190-1195.
[8] 楊客. 遺傳算法優(yōu)化的B P 神經(jīng)網(wǎng)絡在連云港港口吞吐量預測中的研究[D]. 深圳：深圳大學，2017.
[9] 韓笑. 電動汽車充電對電網(wǎng)的影響研究[D]. 北京：首都師范大學，2014.
[10] 喬超，唐慧佳，王春紅. 一種基于選擇的遺傳算法[J]. 計算機工程與應用，2007，43(1)：70-73.
