Page 73 - 电力与能源2023年第四期

第 44 卷 第 4 期 电力与能源
2023 年 8 月 379

DOI：10.11973/dlyny202304015
能源技术

基于 PSO-LSSVM 的新能源汽车充电负荷

预测方法研究

潘 越，普美娜，范嘉豪

（国网上海市电力公司市北供电公司，上海 200072）

摘 要：“双碳”背景下，新能源汽车充电负荷的持续增长对电网安全稳定运行的影响愈发显著。针对现有的
以用户侧为出发点的预测方法存在较多的不确定性、实用性不足的情况，从电网侧的角度，提出了将粒子群优
化（PSO）算法与最小二乘支持向量机（LSSVM）应用于充电负荷预测。通过分析影响充电负荷因素的相关程
度系数，选择合适的特征量作为输入量，并运用 PSO 算法优化 LSSVM 模型参数，建立了基于 PSO-LSSVM
的充电负荷预测模型。以国网上海市电力公司市北供电公司东升路充电站作为案例，验证了所提出的方法具
有较好的数据拟合效果，预测的数据准确度较高。这为新能源汽车充电负荷的预测提供了一种新思路。
关键词：粒子群优化算法；最小二乘支持向量机；充电负荷预测
作者简介：潘 越（1995—），女，硕士，助理工程师，主要从事电能计量与装表接电方面的工作。
中图分类号：TM715 文献标志码：A 文章编号：2095-1256（2023）04-0379-06
Research on Charging Load Forecasting Method of New Energy Vehicles

Based on PSO-LSSVM

PAN Yue，PU Meina，FAN Jiahao

（State Grid Shibei Power Supply Company，SMEPC，Shanghai 200072，China）

Abstract：Under the background of “dual carbon”，the continuous and stable growth trend of new energy vehicle
charging load has an increasingly significant impact on power grid operation. In view of the many uncertain factors
and insufficient practicability of the existing forecasting methods based on the user side，particle swarm optimiza⁃

tion （PSO）and least square support vector machine （LSSVM）are proposed to forecast the charging load from

the perspective of the grid side. By analyzing the correlation coefficient of the factors affecting the charging load，
the appropriate characteristic variables are selected as the input value. PSO algorithm is used to optimize the

model parameters of LSSVM，and the charging load prediction model of PSO-LSSVM algorithm is established.

In this paper，the charging Dongsheng Road station state grid shibei power supply company, SMEPC, is taken as
an example to verify that the proposed method has good data fitting effect and high accuracy of the predicted data.
This research provides a new way to predict the charging load of new energy vehicles.

Key words：particle swarm optimization（PSO），least squares support vector machine（LSSVM），charging load

prediction
在党的二十大“推进能源革命”目标引领下， 着新能源汽车保有量的激增，充电负荷亦呈持续
国家大力推动电力系统向适应大规模、高比例新 增长趋势，对电网稳定运行产生影响，可能会出现
能源方向演进。新能源汽车（EV）作为城市低碳 超出配电容量等风险，以及峰值偏移增加电力调
化的交通工具，是实现“碳达峰”与“碳中和”的重 度难度等问题 ［2-3］ 。因此，研究新能源汽车充电站
［1］
要抓手之一 。根据中汽协会（CAAM）最新统计 充电负荷的预测方法，对于保证电网的安全稳定
数据，2022 年新能源汽车持续爆发式增长，全年 和经济高效运行具有重要意义。
销量超 680 万辆，市场占有率提升至 25.6%。随 国内外学者对新能源汽车的充电负荷预测开