一种考虑电动汽车充电负荷影响的CNN-LSTM联合负荷预测方法

摘要

本发明涉及一种考虑电动汽车充电负荷影响的CNN‑LSTM联合负荷预测方法，属于电力负荷预测技术领域。技术方案是：利用卷积神经网络对引起负荷变化的影响因素进行特征提取，结合提取后的特征，使用长短期记忆网络进行负荷预测；并使用蒙特卡洛模拟方法对电动汽车用户充电需求进行模拟，进而得到系统总负荷的预测值。本发明的有益效果：预测结果相对误差小于其他传统预测算法，且预测准确度高于未考虑电动汽车充电负荷时的预测结果，降低了大量电动汽车负荷接入时传统预测方法的预测误差，提高了预测精度；对准确预测电力负荷、掌握系统峰谷、合理进行削峰填谷、保障系统安全稳定运行具有指导意义。