电动汽车充电负荷场景化分析与超短期预测方法.pdfVIP

第23卷第2期电力信息与通信技术Vol.23No.2

2025年2月ElectricPowerInformationandCommunicationTechnologyFeb.2025

中图分类号：TM715文献标志码：A文章编号：2095-641X(2025)02-028-10DOI：10.16543/j.2095-641x.electric.power.ict.2025.02.04

著录格式：赵伟博，范旭东，孙胜博，等．电动汽车充电负荷场景化分析与超短期预测方法[J]．电力信息与通信技术，2025，23(2)：28-37．

电动汽车充电负荷场景化分析与超短期预测方法

12341134

赵伟博，范旭东，孙胜博，李闯，周颖，李德智，马笑天，郝颖

（1．需求侧多能互补优化与供需互动技术北京重点实验室(中国电力科学研究院有限公司)，

北京市海淀区100192；2．国家电网有限公司，北京市西城区100031；

3．国网河北省电力有限公司营销服务中心，河北省石家庄市050035；

4．北京信息科技大学自动化学院，北京市海淀区100192）

AScenario-basedAnalysisandUltra-short-termForecastingMethodfor

ElectricVehicleChargingLoad

12341134

ZHAOWeibo,FANXudong,SUNShengbo,LIChuang,ZHOUYing,LIDezhi,MAXiaotian,HAOYing

(1.BeijingKeyLaboratoryofDemandSideMulti-energyCarriersOptimizationandInteractionTechnique

(ChinaElectricPowerResearchInstituteCo.,Ltd.),HaidianDistrict,Beijing100192,China;

2.StateGridCorporationofChina,XichengDistrict,Beijing100031,China;

3.MarketingServiceCenter,StateGridHebeiElectricPowerCo.,Ltd.,Shijiazhuang050035,HebeiProvince,China;

4.SchoolofAutomation,BeijingInformationScienceandTechnologyUniversity,HaidianDistrict,Beijing100192,China)

摘要：为更好地挖掘电动汽车充电负荷的时空特征，提高充电负荷预测精度，文章结合聚类算法和深度学习算法，

提出一种多场景下电动汽车负荷超短期预测方法。首先，根据居民出行习惯，通过聚类算法分析电动汽车充电数

据的内在分布特性，并结合电动汽车用户行为构建不同充电场景。随后，对影响负荷的多维因素进行相关性分析，

得