[发明专利]一种电动车充电桩的电力负荷预测方法及系统

权利要求书

1.一种电动车充电桩的电力负荷预测方法，其特征在于，所述方法基于条件生成式对抗网络模型，具体包括以下步骤：

步骤S1，构建数据集，所述数据集用于确定所述条件生成式对抗网络模型的输入；

步骤S2，训练所述条件生成式对抗网络模型，所述条件生成式对抗网络模型包括生成网络模型和判别网络模型，所述生成网络模型用于生成预测电力负荷数据，所述判别网络模型用于判别所生成的预测电力负荷数据是否为真实数据；

步骤S3，获取噪声数据，并从构建的数据集中获取真实电力负荷数据和条件数据；

步骤S4，将噪声数据和条件数据输入至生成网络模型中，生成网络模型输出预测电力负荷数据；

步骤S5，将真实电力负荷数据和预测电力负荷数据分别与条件数据输入判别网络模型中，判别网络模型输出判别结果，从而实现电动车充电桩的电力负荷预测。

2.根据权利要求1所述的一种电动车充电桩的电力负荷预测方法，其特征在于，所述方法还包括以下步骤：

步骤S6，将所述判别结果反馈至生成网络模型和判别网络模型中。

3.根据权利要求2所述的一种电动车充电桩的电力负荷预测方法，其特征在于，所述步骤S4具体包括以下步骤：

步骤S41，将噪声数据和条件数据拼接为一个矩阵，得到第一矩阵；

步骤S42，将所述第一矩阵输入至生成网络模型中，生成网络模型输出预测电力负荷数据。

4.根据权利要求3所述的一种电动车充电桩的电力负荷预测方法，其特征在于，所述步骤S5具体包括以下步骤：

步骤S51，将真实电力负荷数据和条件数据拼接为一个矩阵，得到第二矩阵；

步骤S52，将预测电力负荷数据和条件数据拼接为一个矩阵，得到第三矩阵；

步骤S53，将所述第二矩阵和第三矩阵输入至判别网络模型中，判别网络模型输出判别结果。

5.根据权利要求4所述的一种电动车充电桩的电力负荷预测方法，其特征在于，所述判别网络模型的结构包括输入层、隐含层和输出层，所述隐含层设置有LeakyReLU激活函数和sigmoid激活函数函数。

6.根据权利要求5所述的一种电动车充电桩的电力负荷预测方法，其特征在于，所述条件数据为历史电力负荷数据。

7.一种电动车充电桩的电力负荷预测系统，其特征在于，所述系统包括：

构建模块，用于构建数据集，所述数据集用于确定所述条件生成式对抗网络模型的输入；

训练模块，用于训练条件生成式对抗网络模型，所述条件生成式对抗网络模型包括生成网络模型和判别网络模型，所述生成网络模型用于生成预测电力负荷数据，所述判别网络模型用于判别所生成的预测电力负荷数据是否为真实数据；

获取模块，用于获取噪声数据，并从构建的数据集中获取真实电力负荷数据和条件数据；

生成模块，用于将噪声数据和条件数据输入至生成网络模型中，生成网络模型输出预测电力负荷数据；

预测模块，用于将真实电力负荷数据和预测电力负荷数据分别与条件数据输入判别网络模型中，判别网络模型输出判别结果，从而实现电动车充电桩的电力负荷预测。

8.根据权利要求7所述的一种电动车充电桩的电力负荷预测系统，其特征在于，所述系统还包括：

反馈模块，用于将所述判别结果反馈至生成网络模型和判别网络模型中。

9.根据权利要求8所述的一种电动车充电桩的电力负荷预测系统，其特征在于，所述生成模块包括：

第一拼接模块，用于将噪声数据和条件数据拼接为一个矩阵，得到第一矩阵；

第一处理模块，用于将所述第一矩阵输入至生成网络模型中，生成网络模型输出预测电力负荷数据。