基于互信息和IndRNN的电动汽车充电负荷预测

摘要

【目的】精准预测电动汽车充电站的负荷预测对充电站有极其重要的意义。在互信息的背景下，提出一种基于互信息和IndRNN的电动汽车充电负荷预测。【方法】首先采集用户充电行为历史数据、电动汽车充电负荷历史数据、天气数据等，对该数据采用MRMR算法进行处理，然后选择合适的数据作为输入特征；将选取的特征变量输入IndRNN模型进行训练和预测；用IndRNN与传统的长短期记忆网络LSTM、门控循环单元GRU对比，发现在电动汽车充电负荷预测中，IndRNN能更好地处理和预测更长的时序信息，并且解决了传统RNN梯度消失和梯度爆炸的问题。【结果】用电动汽车实际充电负荷数据进行验证，实验结果表明本文方法在对电动汽车充电负荷预测时，MAPE和RMSE指标相比其他方法都有所降低，验证所提方法的优越性。

关键词

充电行为大数据 / 负荷预测 / 独立循环神经网络 / 互信息 / 最大相关最小冗余