来源：期刊VIP网 时间：
作者：刘兵;张明;
单位：鹤壁职业技术学院机电工程学院;河南理工大学机电工程学院;
摘要：为了提高电动汽车充电桩设备的充电负荷短期预测能力，设计了一种改进麻雀搜索算法（ISSA）来实现卷积神经网络-门控循环神经网络（CNN-GRU）混合神经网络模型。综合发挥CNN特征提取、数据降维和GRU神经网络的各自优势，建立了一种CNN-GRU模型，再以ISSA实现模型参数的优化，最后利用优化模型预测充电负荷。研究结果表明：与其它模型相比，ISSA-CNN-GRU模型的MAE与RMSE均值达到了最小，获得了最高预测精度，预测结果误差较为集中。CNN模型在处理充电负荷大幅转折时，形成了较大的预测误差。ISSA算法对参数进行优化后能够实现CNN-GRU模型预测精度的显著提升。采用ISSA-CNN-GRU模型预测达到了最优精度，对于短时间的电动汽车充电负荷预测具备较大优势。逐渐增多网络层数后，CNN模型达到了更高预测精度，GRU模型则在二层网络层时达到了最高精度。
关键词：深度学习;;卷积神经网络;;门控循环单元;;麻雀搜索算法;;电动汽车;;充电负荷
基金资助：河南省高等学校重点科研项目（17B481001）
