(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111519006.6 (22)申请日 2021.12.13 (71)申请人 国网陕西省电力公司电力科 学研究 院 地址 710199 陕西省西安市长安区航天中 路669号 申请人 西安理工大 学 (72)发明人 李龙　张靠社　锁军　张刚　 贺瀚青　梁振锋　张钰声　解佗　 张雨　卿松　 (74)专利代理 机构 西安弘理专利事务所 61214 代理人 王丹 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01)H02J 3/00(2006.01) (54)发明名称 电动汽车充电负荷预测方法 (57)摘要 本发明公开了电动汽 车充电负荷预测方法， 包括： 建立影响电动汽车充电站负荷的特征集 合， 根据最大信息系数选 择得到构建图G(V,E)的 节点； 计算各节点间的互信息， 选择互信息较大 的k个节点建立邻接关系， 构建邻接矩阵； 将邻接 矩阵、 图G(V,E)的节点输入GCN网络模型中进行 预测， 得到预测结果。 通过分析影响电动汽车充 电负荷的特征变量， 获取特征变量的邻接矩阵， 采用GCN网络模型进行负荷预测， 能提高电动汽 车充电负荷的预测精度， 有利于电力系统的运行 调度， 同时还 可以为充电设施选址以及城市规划 提供重要依据， 削减电网成本， 提高充电用户满 意度及提高充电站的经济效益。 权利要求书1页 说明书5页 附图2页 CN 114418174 A 2022.04.29 CN 114418174 A 1.电动汽车充电负荷预测方法， 其特 征在于， 包括以下步骤： 步骤1、 建立影响电动汽车充电站负荷的特征集合， 根据最大信 息系数选择得到构建图 G(V,E)的节点； 步骤2、 计算各节点间的互信息， 选择互信 息较大的k个节点建立邻接关系， 构建邻接矩 阵； 步骤3、 将所述邻接矩阵、 图G(V,E)的节点输入GCN网络模型中进行预测， 得到预测结 果。 2.根据权利要求1所述的电动汽车充电负荷预测方法， 其特征在于， 还包括步骤4， 采用 平均绝对误差、 均方根 误差、 决定系数作为评价指标对所述预测结果进行分析。 3.根据权利要求1所述的电动汽车充电负荷预测方法， 其特征在于， 所述特征集合包括 温度、 湿度、 气压、 电价、 天气、 风力、 日期。 4.根据权利要求3所述的电动汽车充电负荷预测方法， 其特征在于， 根据最大信 息系数 选择得到构建图G(V,E)的节 点具体过程为： 对 所述温度、 湿度、 气压、 电价、 目标充电站充电 负荷进行归一化， 对所述 天气、 风力、 日期进 行量化， 得到特征变量， 再通过最大信息系数选 出与目标充电站充电负荷具有较强相关性的特 征变量作为构建图G(V,E)的节点。 5.根据权利要求1所述的 电动汽车充电负荷预测方法， 其特征在于， 所述邻接矩阵A表 示为： 上式中， 为节点N与节点1之间的互信息值， 为节点N与节点N之间的互信息值。权　利　要　求　书 1/1 页 2 CN 114418174 A 2电动汽车充电负荷预测方 法 技术领域 [0001]本发明属于电力负荷预测方法技 术领域， 涉及一种电动汽车充电负荷预测方法。 背景技术 [0002]随着经济社会的不断发展和城市规模的不断扩大， 人类对以石油为代表的资源需 求与日俱增， 能源危机和环境问题日益凸显。 交通领域构成了石油 消费的主要份额， 目前占 石油消费量的一半以上。 和其他领域相比， 交通领域的温室气 体排放量增速明显。 近年来随 着汽车保有量近乎指数级的增长， 节能减排压力巨大。 截至2020年底， 中 国水电、 风电、 光伏 发电、 生物质发电已经分别连续16年、 11年、 6年和3年稳居全球首位。  2010年以来， 中国新 能源汽车快速增长， 销量占全球新能源汽车的超50％， 目前中国也是全球新能源汽车保有 量最多的国家， 电动汽车产业化能有效解决环境污染和能源消 耗的问题。 大规模电动汽车 的随机性充电需求对于电力系统安全和稳定是一个巨大的挑战。 预测电动汽车充电需求可 以为电力系统的运行调 度提供重要参考， 同时还为充电设施选址以及 城市规划提供重要依 据。 目前， 电动汽车充电需求预测的主要研究方法分为两大类： 基于模型驱动和基于数据驱 动的预测方法， 研究人员 在前者方法上已取得丰硕的成果， 而后者方法的研究还处于探索 阶段。 模型驱动方法利用数理统计建立概率模型， 在此基础上采用蒙特卡洛模拟法进行预 测。 此类方法因为 缺乏真实数据支撑， 难以反映现实情况。 [0003]随着大数据时代的到来， 基于数据驱动的预测方法得到了更多的重视。 有学者研 究了决策树、 人工神经网络和支持向量回归等机器学习方法在电动汽车充电需求预测中的 应用， 证明了数据驱动预测方法较模型驱动方法预测精度更高。 但对于单一充电站， 因其体 量小， 负荷波动性大， 受周围充电站影响较大， 单 纯采用时序预测导 致预测精度较低。 发明内容 [0004]本发明的目的是提供一种电动汽车充电负荷预测方法， 解决了现有技术中存在的 预测精度较低的问题。 [0005]本发明所采用的技 术方案是， 电动汽车充电负荷预测方法， 包括以下步骤： [0006]步骤1、 建立影响电动汽车充电站负荷的特征集合， 根据最大信息系数选择得到构 建图G(V,E)的节点； [0007]步骤2、 计算各节点间的互信息， 选择互信息较大的k个节点建立邻接关系， 构建邻 接矩阵； [0008]步骤3、 将邻接矩阵、 图G(V,E)的节点输入GCN网络模型中进行预测， 得到预测结 果。 [0009]还包括步骤4， 采用平均绝对误差、 均方根误差、 决定系数作为评价指标对预测结 果进行分析。 [0010]本发明的特点还在于： [0011]特征集合包括温度、 湿度、 气压、 电价、 天气、 风力、 日期。说　明　书 1/5 页 3 CN 114418174 A 3