-
题名基于LSTM-FC模型的充电站短期运行状态预测
- 1
-
-
作者
毕军
王嘉宁
王永兴
-
机构
北京交通大学交通运输学院
北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室
-
出处
《华南理工大学学报(自然科学版)》
北大核心
2025年第2期58-67,共10页
-
基金
国家自然科学基金项目(72171019,72301020)。
-
文摘
公共充电站可用充电桩数量预测对于制定智能充电推荐策略和减少用户的充电排队时间具有重要意义。现阶段充电站运行状态研究通常集中于充电负荷预测,对于站内充电桩占用情况的研究较少,同时缺乏实际数据支撑。为此,基于充电站实际运行数据,提出一种基于长短时记忆(LSTM)网络与全连接(FC)网络结合的充电站内可用充电桩预测模型,有效结合了历史充电状态序列和相关特征。首先,将兰州市某充电站的订单数据转化为可用充电桩数量,并进行数据预处理;其次,提出了基于LSTM-FC的充电站运行状态预测模型;最后,将输入步长、隐藏层神经元数量和输出步长3种参数进行单独测试。为验证LSTM-FC模型的预测效果,将该模型与原始LSTM网络、BP神经网络模型和支持向量回归(SVR)模型进行对比。结果表明:LSTM-FC模型的平均绝对百分比误差分别降低了0.247、1.161和2.204个百分点,具有较高的预测精度。
-
关键词
LSTM神经网络
全连接网络
电动汽车
充电站运行状态
-
Keywords
long short-term memory neural network
fully connected network
electric vehicles
charging station operating status
-
分类号
U491.8
[交通运输工程—交通运输规划与管理]
-
