技術(shù)特征：

1.一種基于模糊C均值聚類和分步網(wǎng)格搜索支持向量回歸的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法，其特征在于，包括以下步驟：

1)選取某個(gè)時(shí)間段內(nèi)充換電站的日充電負(fù)荷作為樣本數(shù)據(jù)，對(duì)一天的24個(gè)小時(shí)按照每4個(gè)小時(shí)為一份，等分成6份，記為6個(gè)關(guān)鍵的時(shí)間點(diǎn)，每個(gè)時(shí)點(diǎn)的負(fù)荷數(shù)據(jù)為該4個(gè)小時(shí)內(nèi)的最高負(fù)荷，則某一日的負(fù)荷狀態(tài)可由當(dāng)日的6個(gè)時(shí)間點(diǎn)的負(fù)荷來標(biāo)記，記為：f_t＝{f_1t,f_2t,f_3t,f_4t,f_5t,f_6t}，其中：t表示日期數(shù)；

2)分析影響電動(dòng)汽車充電負(fù)荷的特征變量，主要有最高氣溫、天氣狀態(tài)以及是日期類型，運(yùn)用模糊C均值聚類分析法對(duì)樣本和預(yù)測(cè)日數(shù)據(jù)進(jìn)行聚類，選取與預(yù)測(cè)日相似度最高的負(fù)荷數(shù)據(jù)作為ε-SVR的訓(xùn)練集；

3)在訓(xùn)練集中，按照時(shí)間進(jìn)行排序，選取初始3日的負(fù)荷數(shù)據(jù)作為輸入量，第4日的負(fù)荷數(shù)據(jù)作為輸出量，運(yùn)用分步網(wǎng)格搜索法訓(xùn)練ε-SVR的松弛變量參數(shù)C和RBF核函數(shù)中的寬度參數(shù)σ；

4)以距離目標(biāo)預(yù)測(cè)日最近的3日的負(fù)荷數(shù)據(jù)作為輸入變量代入訓(xùn)練完成的ε-SVR，計(jì)算得出預(yù)測(cè)日的充電負(fù)荷，這里由于每日的完整負(fù)荷都是由當(dāng)日的6個(gè)負(fù)荷值來描述的，因此以上過程要重復(fù)進(jìn)行6遍，以最終形成預(yù)測(cè)日完整的負(fù)荷分布情況。

2.如權(quán)利要求1所述的一種基于模糊C均值聚類和分步網(wǎng)格搜索支持向量回歸的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法，其特征在于，步驟2)中的天氣狀態(tài)包括晴、小雨、中雨和大雨；日期類型包括工作日和節(jié)假日。

3.如權(quán)利要求1所述的一種基于模糊C均值聚類和分步網(wǎng)格搜索支持向量回歸的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法，其特征在于，步驟3)具體步驟如下：對(duì)選取出的樣本按照時(shí)間先后進(jìn)行排序，以前3日的負(fù)荷數(shù)據(jù)為輸入量，第4日的負(fù)荷數(shù)據(jù)為輸出量，運(yùn)用分步K-CV網(wǎng)格搜索法優(yōu)化ε-SVR的冗余參數(shù)C和RBF參數(shù)σ，其中：第一步優(yōu)化選擇K＝5，選取相對(duì)較大的步長(zhǎng)Cstep＝1和σstep＝1；第二步優(yōu)化選擇K＝3，選取相對(duì)較小的步長(zhǎng)Cstep＝0.5和σstep＝0.5，在優(yōu)化和訓(xùn)練過程中，ε取0.01。