关键词：新能源汽车;CEEMDAN;BAS;BP神经网络;组合预测模型
摘 要：现代社会新能源汽车的利用率越来越高,很多城市都开始推广新能源汽车,政府也开始重视新能源汽车的发展。大规模使用新能源汽车可以有效地降低普通汽车尾气对大气的污染,减少了雾霾的产生,从而达到保护环境的目的。但是,大规模使用新能源汽车会增加充电站的负荷,进而造成配电网局部过负荷,加重了电力部门调度的工作量。因此,对于整个配电网来说,对短期新能源汽车充电站的负荷的预测是很有必要的。提出一种基于CEEMDAN分解与BAS-BP组合的模型对相似日新能源汽车充电站进行负荷预测,此方法根据分解出来的各个IMF数据中不同的特点分别对数据进行相应预测最后叠加起来。利用新能源汽车充电站所给的相似日历史数据作为输入参数进行训练所建立的模型来预测次日的负荷量。该组合模型在减小预测误差方面有所改进,研究的问题有一定应用价值。
内 容：原文可通过湖北省科技信息共享服务平台（http://hbstl.hbstd.gov.cn/webs/homepage.jsp)获取