Suzhou Electric Appliance Research Institute
期刊号: CN32-1800/TM| ISSN1007-3175

Article retrieval

文章检索

首页 >> 文章检索 >> 最新索引

基于遗传算法优化神经网络的电动汽车负荷短期预测

来源:电工电气发布时间:2019-09-19 10:19 浏览次数:11
基于遗传算法优化神经网络的电动汽车负荷短期预测
 
孙婉婉1,杨乐2
(1 徐州三新供电服务有限公司丰县分公司,江苏 丰县 221700;2 国网丰县供电公司,江苏 丰县 221700)
 
    摘 要:开展电动汽车(EV)充电负荷预测在一定程度上可以有效缓解EV充电对配电网产生的影响。提出一种用遗传算法(GA) 同时优化神经网络权阈值( 连接权) 和结构即隐含层单元数的EV充电负荷的预测方法,并与BP神经网络预测方法进行对比。实验结果表明所提出的预测方法有较高的预测精度。
    关键词:电动汽车;负荷预测;遗传算法;BP神经网络
    中图分类号:TM714     文献标识码:A 文章编号: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
 
参考文献
[1] 刘利平,杨雄平,李昱来,等. 计及电动汽车接入的供电可靠性最优分时电价模型[J]. 广东电力,2017,30(5):56-62.
[2] 阳经伟. 电动汽车充电负荷预测方法与充电控制策略研究[D]. 长沙:湖南大学,2015.
[3] 厉志辉. 电动汽车充电站对电网的影响[D]. 济南:山东大学,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] 朱海涛. 考虑时空分布的电动汽车充电负荷预测思考[J]. 科技与创新,2015(21):235.
[6] 刘青,戚中译. 基于蒙特卡洛法的电动汽车负荷预测建模[J]. 电力科学与工程,2014,30(10):14-19.
[7] 杨少兵, 吴命利, 姜久春, 等. 电动汽车充电站负荷建模方法[J]. 电网技术,2013,37(5):1190-1195.
[8] 杨客. 遗传算法优化的B P 神经网络在连云港港口吞吐量预测中的研究[D]. 深圳:深圳大学,2017.
[9] 韩笑. 电动汽车充电对电网的影响研究[D]. 北京:首都师范大学,2014.
[10] 乔超,唐慧佳,王春红. 一种基于选择的遗传算法[J]. 计算机工程与应用,2007,43(1):70-73.