专利交易市场

本发明公开了一种基于用户出行时空分布特性的电动汽车充电负荷预测方法。首先利用Bass回归分析模型，预测了规划区电动汽车保有量。构建了融合道路类型、实时道路拥堵程度和区域连接关系的等效道路模型，并考虑不同类型日、不同出行时间、驻留时间和实时路况对用户出行的影响，采用Dijkstra路径寻优算法得到了用户出行最优路径和日出行链。此外，采用蒙特卡洛法得到多次充电负荷预测的结果，并利用非参数核密度估计和高斯拟合得到对应的充电负荷概率密度函数，概率最高的充电负荷即为对应的电动汽车充电负荷预测值。本发明能够有效的描述规划区内日充电负荷的具体分布范围，并取最大概率密度的充电负荷作为预测结果更接近实际。

本发明公开了一种基于NAHL的电动汽车充电负荷预测方法、装置及介质，所述方法包括：使用改进的RSEA算法优化VMD参数，对电动汽车的充电负荷数据分解预处理，对得到的各个分量，构建独立的具有增强隐含层的神经网络模型；对各个模型，选取RMSE和SMAPE为优化指标，采用改进的RSEA算法对其进行多目标优化与训练，选取帕累托前沿中离中心点最近的最优解为折中解，最终输出NAHL神经网络模型的最佳参数和预测结果，将各个NAHL模型的预测值进行聚合，输出最终预测结果。本发明采用一种全新的人工神经网络模型，使用多目标优化方法优化神经网络参数，可以同时注重预测模型的精度和关注预测值与实际值之间的整体差异，得到更加准确的预测结果。