关键词：充电站;超短期负荷预测;卷积神经网络;门控循环单元;注意力机制;时序特性
摘 要：随着电动汽车的迅速发展，以及充电站规模的持续扩大，对电网造成了较大影响，对其进行超短期负荷的精确预报是保证其安全、高效、稳定运行的关键。针对电动汽车充电站的非线性时序性的负荷数据，为了提高负荷预测精度和预测的可靠性，提出了一种改进的门控循环单元（gate recurrent unit,GRU）的超短期负荷预测方法。该方法首先运用卷积神经网络和门控循环单元相结合提取有时序特性的重要特征；然后使用注意力机制自动为隐藏层分配不同的权重，以区分不同时序列的重要度；最终的负荷预测结果是通过全连接层进行输出的。以某地的真实充电站负荷数据验证分析，并与其他实验场景进行对比，证明该方法有效可靠，可为充电站规划和电网的长期稳定运行提供重要依据。
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