电动汽车充电负荷预测：机器学习方法的实验比较

随着电动汽车作为应对气候变化手段的普及，人们对其对电网管理的影响担忧日益增长。因此，对 EV 充电需求进行预测已成为一个紧迫且重要的研究问题。虽然已有大量研究针对交通领域的能源负荷预测，但鲜有研究在多样化城市环境中，对不同时间范围和空间聚合水平的多种预测方法进行系统比较。本工作考察了五种时间序列预测模型，从传统统计方法到机器学习和深度学习方法。评估了短期、中期和长期预测时段（分别为分钟、小时和天级），并在空间尺度从单个充电站到区域和城市级别进行。该分析在四个公开的真实世界数据集上进行，每个数据集的结果独立报告。据我们了解，这是首个在多种真实世界数据集上，系统评估 EV 充电需求在如此广泛的时间范围和空间聚合水平上使用多种预测方法的工作。