关键词：电动汽车;区间预测;弯曲高斯过程;面积灰关联决策;强相关历史日
摘 要：电动汽车充电负荷具有强随机性，且受电池容量与用户用车行为影响。为有效预测充电负荷时序分布，本文提出一种计及评价指标冲突的充电负荷区间预测方法。首先，该方法分析日间充电负荷间时序相关性，并用强相关历史日充电负荷数据构建充电负荷预测所需的特征集。接着，采用弯曲高斯过程(warped gaussian process, WGP)方法，并结合多种协方差函数来构建多个充电负荷区间预测模型。为解决多指标评价存在冲突和仅选择最优的一个预测模型会出现极端误差问题，本文应用面积灰关联决策方法，对各模型开展计及评价指标冲突的综合评价，并依据获取的面积灰关联贴近度，构建电动汽车充电负荷组合区间预测模型。实验结果表明，本文提出的方法能够获得更精确、覆盖率更高的充电负荷预测区间。
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