典型文献
基于DCC-2D的电动汽车充电站时空动态负荷预测
文献摘要：
电动汽车充电负荷具有空间与时间的双重动态变化特征,只考虑时间维度的电动汽车负荷预测方法难以达到理想的预测效果.基于此,本文提出了一种基于二维空洞因果卷积神经网络DCC-2D(dilated causal convolution-2D neural network)的电动汽车充电站时空动态负荷预测方法.首先,构建能够学习空间维度信息的二维空洞卷积层;其次,将该二维空洞卷积层进行堆叠,构成整个二维卷积神经网络,使模型可以学习时间维度信息;最后,基于某城市充电站实际负荷数据集进行实验仿真.结果表明:与时空神经网络STN(spatio-temporal network)预测模型相比,所提模型在预测精度上提升了15％～20％,这验证了所提方法的有效性和优越性.
文献关键词：
电动汽车充电桩;时空动态;负荷预测;二维空洞因果卷积
中图分类号：
作者姓名：
彭丽;杨京渝;蒋天香;李佳亮;曹健;林之怡
作者机构：
湖南城市学院 智慧城市能源感知与边缘计算湖南省重点实验室,湖南 益阳 413000
文献出处：
引用格式：
[1]彭丽;杨京渝;蒋天香;李佳亮;曹健;林之怡-.基于DCC-2D的电动汽车充电站时空动态负荷预测)[J].湖南城市学院学报（自然科学版）,2022(06):75-78
A类：
二维空洞因果卷积
B类：
DCC,2D,电动汽车充电站,时空动态,动态负荷,电动汽车充电负荷,有空,空间与时间,动态变化特征,时间维度,电动汽车负荷,负荷预测方法,难以达到,dilated,causal,convolution,neural,network,够学,学习空间,空间维度,空洞卷积,卷积层,层进,堆叠,二维卷积神经网络,学习时间,某城,负荷数据,实验仿真,STN,spatio,temporal,电动汽车充电桩
AB值：
0.31709
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
