王　哲　代兵琪　李相栋（. 青岛大学，山东 青岛　6607；. 国网山东省电力公司检修公司，济南　50000）



基于PSO-SNN的电动汽车充电站短期负荷预测模型研究

王哲1代兵琪1李相栋2
（1. 青岛大学，山东 青岛266071；2. 国网山东省电力公司检修公司，济南250000）

摘要本文以某电动汽车充电站的实测充电功率数据和天气预报数据为理论依据，分析了电动汽车充电站的负荷特性。构建了基于粒子群优化脉冲神经网络的电动汽车充电站短期负荷预测模型，脉冲神经网络采用脉冲发放时间进行信息的编码及处理，具有计算能力强、信息容量大和实时性好的特点。通过仿真算例对比可知，本文提出的预测模型比传统BP-NN预测模型的预测误差在四个季节的测试日分别降低了8.59%、9.28%、12.06%和8.72%，证实所提出的模型具有较高的预测精度。

关键词：电动汽车充电站；短期负荷预测；脉冲神经网络；粒子群算法

Research of Short-Term Load Forecasting Model for Electrical Vehicle Charging Stations based on PSO-SNN

Wang Zhe1Dai Bingqi1Li Xiangdong2
（1. Qingdao University， Qingdao， Shandong266071；
2. Maintenance Company of Shandong Power Company， Ji’nan250000）

Abstract The load characteristic of the electric vehicle charging station is analyzed based on the weather forecast data and measured power data. A short-term load forecasting model for electrical vehicle charging stations based on particle swarm optimized spike neural network is built in this paper. Spike neural network encode information in the timing of single spike， making it with strong calculating ability， large information capacity and good real time capability. Verifies with simulation example， the errors of prediction model proposed in this paper are less than the traditional BP-NN model for 8.59%、9.28%、12.06% and 8.72% respectively in four seasons， so the model has a better prediction accuracy.

Keywords：electric vehicle charging stations; short-term load forecasting; spike neural network; particle swarm optimized

随着全球变暖趋势的加剧，化石资源的日益枯竭，电动汽车因其具有节能和减排作用，逐渐为新能源汽车发展的主要方向[1-2]。大规模使用电动汽车既能保护环境[3]，又能削峰填谷、提高电网的稳定性和经济效益。充电站负荷具有较大的随机性和间歇性，对其进行短期负荷预测研究具有理论价值和实践意义。一方面，对于电力系统经济调度意义重大[4-6]；另一方面，充电站自身的建设规划也需要预测充电功率数据的支持。本文首先分析了充电站的日负荷特性，然后建立基于粒子群优化脉冲神经网络（PSO-SNN）预测模型对充电站日负荷曲线进行预测，并与BP-NN预测模型进行比较。……