10.3969/j.issn.1009-0134.2020.10.026
基于SBF-Elman的EV短期负荷预测研究
;针对EV (electric vehicle,电动汽车)短期负荷数据中异常数据造成预测偏差,提出顺序分支筛选法结合Elman的EV短期负荷预测方法,简称SBF-Elman (Sequential branch filtering-Elman).首先分析EV短期负荷预测研究现状和影响EV充电负荷因素,介绍了SBF-Elman应用于负荷预测原理,构建了EV等效负荷模型,求得等效负荷序列.选取广东省某市201 8年5月份的EV的负荷数据和构建的等效负荷序列,进行Elman训练和预测.实验结果表明,该方法规避了原始负荷中的因突发事件所产生的异常数据造成的预测偏差,预测精度提高了3％,预测时间提高2.13s,为EV优化调度的工作奠定了基础.
电动汽车、SBF-Elman、EV短期负荷预测、等效负荷序列
42
TN-9
2020-11-12（万方平台首次上网日期，不代表论文的发表时间）
共5页
120-124
