典型文献
基于QGA-Elman模型的新能源汽车充电站负荷预测
文献摘要：
现代社会新能源汽车的利用率越来越高,很多城市都开始推广新能源汽车,政府也开始重视新能源汽车的发展.对于整个配电网来说,对短期新能源汽车充电站的负荷的预测是很有必要的.文中提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)与量子遗传算法(QGA)-Elman组合的模型对相似日新能源汽车充电站进行负荷预测.利用新能源汽车充电站所给的相似日的历史数据作为输入参数训练所建立的模型来预测次日的发电量.该组合模型在减小预测误差方面有所改进,研究的问题有一定应用价值.
文献关键词：
新能源汽车;自适应噪声完备集合经验模态分解(CEEMDAN);量子遗传算法(QGA);Elman神经网络;组合预测模型
中图分类号：
作者姓名：
甘露;陈芳芳;孙祥晟;李润;王驰鑫;徐天奇
作者机构：
云南民族大学 电气信息工程学院,云南 昆明 650504
文献出处：
引用格式：
[1]甘露;陈芳芳;孙祥晟;李润;王驰鑫;徐天奇-.基于QGA-Elman模型的新能源汽车充电站负荷预测)[J].太赫兹科学与电子信息学报,2022(04):378-384
A类：
B类：
QGA,Elman,新能源汽车,汽车充电站,充电站负荷,负荷预测,配电网,自适应噪声完备集合经验模态分解,CEEMDAN,量子遗传算法,相似日,历史数据,输入参数,次日,发电量,该组,组合模型,预测误差,有所改进,组合预测模型
AB值：
0.220377
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。
