[发明专利]一种电动车充电桩的电力负荷预测方法及系统

说明书

本发明公开了一种电动车充电桩的电力负荷预测方法及系统，所述方法包括构建数据集，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，获取真实电力负荷数据、噪声数据和条件数据，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，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；通过设置条件生成式对抗网络模型，能够捕捉复杂非线性序列数据间隐含深层关系，同时，通过获取真实电力负荷数据、噪声数据和条件数据，能够进一步提高电动车充电桩的电力负荷预测准确率，从而提升了电网的经济效益。

技术领域

本发明涉及电力负荷预测技术领域，尤其涉及一种电动车充电桩的电力负荷预测方法及系统。

背景技术

随着我国电动车的快速发展，充电桩的使用也越来越多，充电桩的电力负荷所受的影响因素也大大增加，并日趋呈现社会化、复杂化，现有的电动车充电桩电力负荷预测主要是基于历史数据，并采用统计学习模型进行预测的方法，用模型学习历史数据的潜在规律，实现预测，在统计学习模型预测方法中，又包含传统预测方法和现代预测方法，其中传统方法有回归分析法、相似日法等，现代预测方法有神经网络预测法，小波分析预测法以及支持向量机预测法等，但是，这些方法主要针对负荷数据的线性关系构建模型，忽略了气候、日期类型等因素对短期负荷预测的影响，从而使电力负荷预测的准确率较低。

发明内容

有鉴于此，本发明提出一种电动车充电桩的电力负荷预测方法及系统，可以解决现有电动车充电桩的电力负荷预测所存在的准确率低的缺陷。

本发明的技术方案是这样实现的：

一种电动车充电桩的电力负荷预测方法，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。

作为所述电动车充电桩的电力负荷预测方法的进一步可选方案，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。

作为所述电动车充电桩的电力负荷预测方法的进一步可选方案，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。

作为所述电动车充电桩的电力负荷预测方法的进一步可选方案，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。