基于谱聚类和LSTM神经网络的电动公交车充电负荷预测方法

王哲, 万宝，凌天晗，董晓红，穆云飞，邓友均，唐舒懿

(1.国网天津市电力公司，天津市 300010；2. 国网天津市电力公司滨海供电分公司，天津市 300450；3.智能电网教育部重点实验室(天津大学)，天津市 300072)

0 引 言

近年来，随着电动汽车(electric vehicle, EV)的

发展，作为智能电网和智能交通网络集成[1]关键环节的EV及其充电设施的应用和研究正在如火如荼地进行中。其中公交车作为社会公共资源，在该领域的交通电力化方面有较好的推广和应用。目前电动公交车的渗透率较大，且充电频率和充电量较高，故而其充电负荷对电网运行与调度产生着不可忽略的影响。因此，电动公交车充电负荷预测研究具有重要的理论和现实意义[2]。而公交车白天发车班次较为固定，停留时间较短，因此公交车间歇性和随机性的充电行为在时间上增加了充电负荷预测的难度。

传统的电力负荷预测方法有回归分析法、相似日法等[3]。随着分布式电源和电动汽车等新型负荷类型的大规模接入，对传统的负荷预测方法带来了极大挑战。相比于传统的电力负荷，考虑不同的充电方式、出行规律、充电效率、充电频率等特点，EV充电负荷时间上的分布与电力负荷的规律不同。此外，EV充电负荷受出行路况、天气、运营状态等多因素的影响，在时间上具有较大的随机性。

近年来，人工智能方法广泛应用于EV充电负荷预测领域，包括浅层网络和深度学习算法。但基于浅层网络的传统方法，如人工神经网络算法和支持向量机(support vector machine, SVM)通常会陷入学习速度慢，收敛速度慢等问题[4]。……