考虑关键气象因素的时间卷积网络充电桩负荷预测.pdfVIP

考虑关键气象因素的时间卷积网络充电桩负荷预测

摘要：为解决电动汽车EV（electricvehicle）充电负荷易受气象因素影响产生“时移”的问题，提出一种考虑关键

气象因素的时间卷积网络充电桩负荷预测方法。首先分析不同气象因素即气温、降雨、风速、降雪、相对湿度、日

照总强度对EV充电负荷的影响，利用最大相关最小冗余准则提取关键气象因素。其次，为简化相似日选取步

骤并保证分类准确性，引入孪生网络选取不同天气类别下充电负荷相似日。最后以关键气象因素和相似日历史

负荷作为时间卷积网络的输入向量进行EV充电负荷预测。对比实验表明，考虑气象影响可有效提高负荷预测

精度。

关键词：电动汽车；负荷预测；时间卷积网络；孪生网络；气象因素

ChargingPileLoadPredictionUsingTemporalConvolutionalNetworkwith

ConsiderationofKeyMeteorologicalFactors

Abstract:Tosolvetheproblemthatthechargingloadofelectricvehicle（EV）iseasilyaffectedbymeteorologicalfac⁃

torsandthusproduces“timeshift”，achargingpileloadpredictionmethodusingtemporalconvolutionalnetwork

（TCN）isproposedwiththeconsiderationofkeymeteorologicalfactors.First，theinfluencesofdifferentmeteorological

factorsincludingtemperature，rainfall，windspeed，snowfall，relativehumidityandtotalsunshineintensityontheEV

chargingloadareanalyzed，andthemaximumcorrelationminimumredundancycriterionisusedtoextractthekeymete⁃

orologicalfactors.Second，tosimplifytheselectionstepsofsimilardaysandensuretheaccuracyofclassification，the

siamesenetworkisintroducedtoselectdayswithsimilarchargingloadsunderdifferentweathercategories.Finally，the

keymeteorologicalfactorsandhistoricalloadonsimilardaysareusedasinputvectorsofTCNtopredicttheEVcharg⁃

ingload.Comparativeexperimentsshowthattheconsiderationofmeteorologicalinfluencescaneffectivelyimprovethe

loadpredictionaccuracy.

Keywords:electricvehicle（EV）；loadprediction；temporalconvolutionalnetwork（TCN）；siamesenetwork；meteo⁃

rologicalfactor

在全球低碳化转型的背景下，电动汽车EVEV充电负荷受用户出行习惯、出行目的、气象

（electricvehicle）在节能减排、缓解传统能源供应紧因素、季节和日期类型等因素影响，其中气象因素

张和环境污染问题上具备传统汽车不可比拟的优通过影响EV车主调整出行计划，或者因出行计划

势，是交通领域实现“碳达峰、碳中和”目标的有效调整充电行为，进而影响EV充电负荷，因此气象因

[1]

途径，已成为汽车发展的主流方向，销量逐年上素对EV充电负荷影响最为显著。有学者在研究充

涨。随着EV渗透率的不断增加，其强随机性的充电负荷建模中考虑气象因素影响，如文献[3]在EV