CN114648171B 一种电动汽车充电桩负荷预测方法、系统及存储介质 （国网湖南省电力有限公司）

电动汽车充电桩负荷预测方法、系统及存储介信息对第一神经网络模型进行调整得到第二神发明通过神经网络模型迁移的方式解决了充电桩所获取的数据较少很难对负荷进行预测的问2将预先构建的第一神经网络模型输入待分析充电桩其中，所述第一神经网络模型是通过第一数量的充电信息构采集待分析充电桩中的实时充电信息，并将所述实时充电信息采集原始充电桩中第一数量的充电信息，并对所述第一数量的充电信息进将所述原始训练信息输入预先构建的原始神经网络模型中对所述原始神经网络模型分别获取所述第一神经网络模型输出的实际值和预测值和训练所述第一数量的充电所述目标充电信息包括目标充电负荷数据和所述根据待分析充电桩的目标充电信息对所述第一神经网络模型进行调整得到第二移除所述第一神经网络模型中的输出层，并冻结所述第一神经网络模型中的训练参3获取所述第一数量的充电信息中的原始充电负荷数据、原始出计算所述原始充电负荷数据和所述额定充电功率的比3.根据权利要求1所述的电动汽车充电桩负荷预测方法，其特征在于，所述方法还包解冻所述中继神经网络模型中的训练参数，并调整所述中继神经网4.一种电动汽车充电桩负荷预测系统，包括存储器、处理行时实现如权利要求1-3中任一所述的方4充电信息对所述第一神经网络模型进行调整得[0011]将所述原始训练信息输入预先构建的原始神经网络模型中对所述原始神经网络5[0019]分别获取所述第一神经网络模型输出的实际值和预测值和训练所述第一数量的[0021]将所述均方根误差指标输入目标神经网络模型中对所述目标神经网络模型进行[0024]所述根据待分析充电桩的目标充电信息对所述第一神经网络模型进行调整得到6该程序被处理器执行时实现如第一方面中任词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间充电信息对所述第一神经网络模型进行调整得7型中，便可利用第二神经网络模型对待分析充电桩工作过程中的负荷状态信息进行预测，[0046]将所述原始训练信息输入预先构建的原始神经网络模型中对所述原始神经网络[0053]式中，Ds和Dt分别表示源域数据和目标域数据，Xs和Ts表示源域样本和对应的标8t数据与原始出行数据一起对原始神经网络模型进行训练得到第一神经[0061]通过归一化处理后得到的神经网络模型要经过反归一化处理才能够得到正常的[0064]式中，Pperd为负荷状态信息的预测值，Pnorpred为神经网络模型[0066]分别获取所述第一神经网络模型输出的实际值和预测值和训练所述第一数量的[0068]将所述均方根误差指标输入目标神经网络模型中对所述目标神经网络模型进行[0075]所述根据待分析充电桩的目标充电信息对所述第一神经网络模型进行调整得到9[0078]在上述实施例中，多层长短期记忆网络(LSTM,LongShort-TermMemory)是一种神经网络模型的学习率参数对第一神经网络模型进行训练，直至数据达到最小误差时停充居民电动车充电缺口的带有智能终端的新充电桩，三个充电桩都为37.5kw的直流充电2020年5月到2021年7月的十二万余条负荷数据及相应的十二万余条的出行信息(日期性0.01[0086]两模型对未来五分钟的负荷值预测的均方根误差值为2kw左右，对未来十分钟的[0089]从表2中，可以看出B桩的