基于混合分類的插電式新能源汽車行為需求預測

唐菲，鄭振

（1.武漢船舶職業技術學院，湖北 武漢 430050；2.武漢軟件工程職業學院，湖北 武漢 430205）

0 引 言

插電式新能源汽車（Plug-in New Energy Vehicles,PNEV）是介于純電動車和燃油汽車之間的一種新能源汽車，是減輕碳排放、提高可持續發展的有效途徑。從電力系統的角度來看，PNEV 車主的電力需求與傳統電力消費的峰值負載高度一致，其動態性為預期負載曲線帶來很大的不確定性。關于PNEV 行為建模的研究可分為基于情景的方法和數據驅動的方法。基于場景的方法大多采用了蒙特卡洛法，這些方法依賴于根據參數（即PNEV 出發時間、到達時間和行駛距離）的概率分布定義的搜索空間生成大量隨機樣本。例如，可使用正態分布函數和高斯分布函數為每個參數生成樣本，或使用聯合概率分布函數來生成出發時間和到達時間。這些方法具有較高的計算成本、效率低下，且需要大量的數據樣本來覆蓋搜索空間。在數據驅動方法中，部分現有研究使用自回歸綜合移動平均模型等時間序列預測工具對PNEV 的需求進行預測，但是PNEV 行為和需求的不確定性會影響這些工具的準確性。還有研究利用基于神經網絡的數據驅動方法來克服上述PNEV 出行行為預測中的不足。但是目前的研究采用了淺層神經網絡，其結構無法提取大型數據集的主要特征。除此以外，基于神經網絡的方法缺乏考慮在PNEV 的隱藏行程模式對電力需求計算的影響。本文提出了基于深度學習的解決方案，以彌補現有研究的不足。……