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
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。
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