关键词：负荷预测;深度学习;图神经网络;长短期记忆;电动汽车;充电负荷
摘 要：在新能源时代背景下，针对电动汽车充电负荷对电网的影响这一热点问题提出了一种基于长短期记忆法-图神经网络（Long Short Term Memory network and Graph Neural Network，LSTM-GNN）组合模型的电动汽车短期充电负荷预测方法，以解决现有模型的不足。首先，运用科普拉理论对三种典型日负荷进行相关性分析，构建包含主要因素与充电站历史负荷的特征输入矩阵，并建立滑动窗口数据集。随后，利用LSTM与GNN对特征输入矩阵进行特征提取和图数据构建，图神经网络层完成特征聚合并输出预测负荷值及误差评价指标。算例结果表明，该模型在不同区域充电站能有效提取充电负荷关键特征，相较传统模型具更好的预测效果和泛化能力。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取