第42卷第2期2023年2月ZhejiangElectricPowerVol.42，No.02Feb.25.2023基于CNN-GAN与半监督回归的电动汽车充电负荷预测闫威，李南，沈月秀，施力欣，胡滨，周舟（国网浙江省电力有限公司嘉兴供电公司，浙江嘉兴314000）摘要：随着电动汽车用户在交通用户中所占比例不断增大，其充电行为对于电力系统运行产生重要的影响，因此对电动汽车充电负荷进行准确预测具有重要意义。对此，提出了一种基于CNN-GAN（卷积神经网络-生成对抗网络）与半监督回归的充电负荷预测方法。采用GMM（高斯混合模型）对用户样本进行聚类分析，并提取典型用户行为特征。考虑历史数据及降雨量、温度等天气信息的影响，搭建各组基于CNN-GAN的电动汽车负荷预测模型，并通过半监督回归得到预测结果。以华东某区域内实际电动汽车数据为例，对比多种方法的预测结果及评价指标。结果显示，CNN-GAN预测模型预测精度优于其他方法，验证了所提方法的可行性。关键词：CNN-GAN；半监督回归；电动汽车；充电负荷预测DOI:10.19585/j.zjdl.202302011开放科学（资源服务）标识码（OSID）：ElectricvehiclechargingloadforecastingbasedonCNN-GANandsemi-supervisedregressionYANWei，LINan，SHENYuexiu，SHILixin，HUBin，ZHOUZhou（StateGridJiaxingElectricPowerSupplyCompany，Jiaxing，Zhejiang314000，China）Abstract:Withtheincreasingproportionofelectricvehicleusersintransportationusers，theirchargingbehaviordramaticallyinfluencesthepowersystemoperation.Therefore，itiscrucialtopredictthechargingloadofelectricve⁃hiclesaccurately.Inthisregard，achargingloadpredictionmethodisproposedbasedonCNN-GAN（convolutionalneuralnetwork-generativeadversarialnetwork）andsemi-supervisedregression.AGMM（Gaussianmixturemodel）isusedforclusteranalysisoftheusersamplesandextractionofthetypicaluserbehaviorfeatures.Giventheinflu⁃enceofhistoricaldataandweatherinformationsuchasrainfallandtemperature，theEVloadpredictionmodelgroupsbasedonCNN-GANarebuilt，andthepredictionresultsareobtainedbysemi-supervisedregression.TheEVdatafromaregionofEastChinaareusedtocomparethepredictionresultsandevaluationindexesofseveralmeth⁃ods.TheresultsshowthatthepredictionmodelbasedonCNN-GANissuperiortoothermethodsinpredictionaccu⁃racy，andthefeas...
