案例库 / 电气时代 / 2022 年第 5 期

基于Bi-LSTM的EV充电负荷预测

闫普虹, 葛根波, 姜萍, 汪迎, 杜振东

上海市城市科技学校智能工程系; 上海市松江区新桥职业学校

来源期刊电气时代

年份 / 期2022 年第 5 期

页码第 46-50 页

栏目分类技术及应用_供配用电

案例编号DQSD202205012

入库时间2026-10-19 15:38

全文 2.0 MB

摘要

针对电动汽车(Electric Vehicle,EV)充电负荷序列较强的随机性和间歇性而导致预测准确度不高的问题,利用双向长短期记忆网络(Bi-Long Short-Term Memory,Bi-LSTM)善于处理时间序列数据的特点,提出一种基于Bi-LSTM的EV充电负荷预测方法。验证了基于Bi-LSTM的EV预测模型比LSTM和ARMA预测模型具有更高的准确性,可为EV优化调度提供辅助决策。

全文预览

若上方预览无法显示，请新窗口打开或下载 PDF。