考虑环境因素的电动汽车充电站实时负荷预测模型

来源：同济大学学报·自然科学版杂志2024年第6期北京时间：

作者：李波，王宁，吕叶林，陈宇

单位：同济大学 汽车学院，上海 201804

摘要：为了减少电动汽车大规模集成到电网造成的不利影响，提出了一种能够实现充电站充电负荷精准预测的方法。该方法利用LightGBM（light gradient boosting machine）与XGBoost（eXtreme gradient boosting）模型构建线下?线上组合模型。考虑充电负荷、时间、温度、天气等历史数据，利用LightGBM模型初步建立充电负荷线下预测模型；基于XGBoost模型，以线下预测模型输出负荷和实际负荷的误差为优化目标，实时变化的交通流量为协变量，建立线上预测模型，并对初步预测结果进行误差修正。某市实际充电站预测结果表明，相比于随机森林（RF）、LightGBM模型、XGBoost模型、多层感知机（MLP）以及LightGBM?RF组合模型，该组合模型具有更高的预测精度，同时可以准确预测不同充电站的实时充电负荷。

关键词：电动汽车,充电负荷预测,LightGBM（light gradient boosting machine）,XGBoost（eXtreme gradient boosting）,在线学习

基金资助：国家电网总部科技项目（5108-202119040A-0-0-00）