基于LaST-BO组合模型的电动汽车充电负荷预测OA
EV(电动汽车)充电负荷预测的准确性对电力系统的稳定运行和资源的合理配置起着重要作用。然而,充电功率序列呈现出显著的日内与日间周期性波动、随机性波动以及非线性特征,传统预测方法难以有效协调周期性与随机性之间的复杂关系,导致预测精度受限。针对上述问题,提出一种LaST-BO(潜在周期-缓变性表示学习框架和贝叶斯优化)模型。该模型借助LaST模型的变分推理机制,解耦充电功率序列的周期性与缓变性成分;同时运用贝叶斯优化对模型超参数进行智能寻优,增强模型适应性。基于实际充电站数据进行了仿真实验,并与多种传统模型及深度学习模型进行对比分析,结果表明LaST-BO模型有着较高的预测精度,并且能够在线应用。
章城皓;吴赋章;杨军;别芳玫;张国航;黄喆;林方舟
武汉大学电气与自动化学院,武汉430072武汉大学电气与自动化学院,武汉430072武汉大学电气与自动化学院,武汉430072国网湖北省电力有限公司经济技术研究院,武汉430077国网湖北省电力有限公司经济技术研究院,武汉430077国网湖北省电力有限公司经济技术研究院,武汉430077国网湖北省电力有限公司经济技术研究院,武汉430077
交通工程
电动汽车功率预测解耦表示学习贝叶斯优化变分推理趋势分解
《浙江电力》 2026 (5)
P.50-58,9
国家电网有限公司科技项目(521500250018-054-ZN)。
评论