Bi-LSTM应用于EV充电负荷预测的基本原理
更新日期:2020-11-26     来源:电气工程应用   作者:闫普虹  浏览次数:185
核心提示:3.2 Bi-LSTM应用于EV充电负荷预测的基本原理Bi-LSTM(Bi-directional Long Short Term Memory)属于由RNN发展而来的学习网络,是由前向LSTM与后向LSTM

3.2 Bi-LSTM应用于EV充电负荷预测的基本原理

Bi-LSTM(Bi-directional Long Short Term Memory)属于由RNN发展而来的学习网络,是由前向LSTM与后向LSTM组合而成。Bi-LSTM可以理解为是对LSTM的改进,而LSTM是对RNN的改进。使用LSTM模型可以更好的捕捉到较长距离的依赖关系,虽然LSTM的训练过程可以记忆和遗忘信息[10];但是标准的LSTM按时间顺序处理序列,仅考虑历史信息并忽略未来信息,在预测未来负荷时,为了获得更准确的预测结果并充分利用历史和未来信息,LSTM显然不能满足这一需求,针对EV负荷存在的周期性和随机性特点,构建基于Bi-LSTM的EV充电负荷预测模型之前,应先对EV负荷数据进行预处理 [11]

3.3 EV充电负荷数据预处理

本文的仿真实验的数据来源于广东省某市某年的部分EV充电负荷数据,Bi-LSTM的输入维度特征数据X分为历史数据L,时刻特征S,日期类型R,天气因素W共4个特征,即X={L,S,R,W},因EV负荷数据的相关性较强,预测方法是根据N个样本数据,生成第N+1、N+2……个数据,每个数据含有24个负荷点,即根据N个样本数据N*24个负荷点得到第N+1天、N+2天的负荷值,然后再以此类推,不断滚动预测。

2024-11-13• 基于多尺度自注意力机制的短期负荷预测
审稿意见一、稿件基本信息评价题目与主题:题目基于多尺度自注意力机制的短期负荷预测明确指出了研究的核心内容,即利用多尺度自注意力机制进行短期电...
2021-09-02• RNN存在梯度消失和爆炸的问题
1 TCN算法原理循环神经网络也有不足之处,当输入的序列长度过大时,将会产生严重的梯度消失或爆炸问题。在2018年,Bai等[10]使用时域卷积神经网络结构...
2020-08-17• 基于电力负荷预测的高压配电网变电站规划研究
《基于电力负荷预测的高压配电网变电站规划研究》为作者:罗恩博最新的研究成果,本论文的主要观点为高压配电网规划常因电力负荷预测结果与实际负荷值...
2019-09-24• 计及分布式光伏电源出力影响的母线净负荷预测
计及分布式光伏电源出力影响的母线净负荷预测摘要:母线负荷波动性强、易受用户用电行为的影响,接入分布式光伏电源(Distribution Generator,DG)后...
2019-05-10• 改进灰色理论预测模型在分布式配电网中长期负荷
改进灰色理论预测模型在分布式配电网中长期负荷预测中的应用摘要:储能技术的进步,促进了分布式电源在配电网中的应用,增大了负荷预测的难度。论文首...