[發明專利]電動汽車充電負荷聚類預測方法及裝置

在審

• 申請號: 202011041068.6
• 申請日: 2020-09-28
• 公開（公告）號: CN112132351A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 劉敦楠;劉明光;彭曉峰;王文;張悅;楊燁;鄒孟嬌;加鶴萍;柏德勝;蘇舒
• 申請（專利權）人: 華北電力大學;國網電動汽車服務有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06K9/62
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 張文華

1.電動汽車充電負荷聚類預測方法，其特征在于，包括如下步驟：

采集歷史日電動汽車充電負荷數據及歷史日相關的天氣信息數據；

對采集到的數據進行預處理，再進行歸一化處理，得到新的數據集；

對歸一化的數據進行模糊C均值聚類，以負荷實測點為模糊聚類指標，構造出待預測日相似日負荷集；

針對相似日負荷集，構造最小二乘法支持向量機預測模型，并對其進行訓練；

將待預測日前三天同時刻負荷值及前三天相關的天氣信息數據輸入到訓練好的最小二乘法支持向量機預測模型中，輸出預測負荷。

2.根據權利要求1所述的電動汽車充電負荷聚類預測方法，其特征在于：對歸一化的數據進行模糊C均值聚類，以負荷實測點為模糊聚類指標，構造出待預測日相似日負荷集的方法如下：

(1)、構建模糊C均值聚類模型，以日負荷曲線的實測數據點作為模糊聚類的特征量：

X＝{x₁,x₂,...,x_n}∈R^s

式中，X為給定負荷的樣本集合，S表示樣本的維度，n為樣本個數，即參與聚類的負荷曲線條數；

式中，U為模糊劃分矩陣，V為聚類中心矩陣，u_ij為樣本x_i關于j類的隸屬度，d_ij為樣本x_j到聚類中心v_i的歐式距離，m為模糊度加權指數，控制聚類的模糊程度，c為聚類的簇數；

(2)、采用輪換尋優策略求解模糊C均值聚類模型，得到待預測日的相似日負荷集合。

3.根據權利要求2所述的電動汽車充電負荷聚類預測方法，其特征在于：采用輪換尋優策略求解模糊C均值聚類模型的方法為：

初始化：確定樣本集合X的c、m和迭代誤差閾值ε取值，初始隸屬度矩陣U⁽⁰⁾＝u_ij⁽⁰⁾；

確定聚類中心v_i：

計算隸屬度u_ij及目標函數數值minJ^(l)：

迭代誤差判斷：若滿足

則迭代結束，否則返回計算新的聚類中心，繼續迭代，根據隸屬度最大原則確定樣本類別。

4.根據權利要求3所述的電動汽車充電負荷聚類預測方法，其特征在于：根據得到待預測日的相似日負荷集合，構造最小二乘法支持向量機預測模型，并對其進行訓練：

回歸估計函數為：

f(x)＝ω^T·φ(x)+b

其中，ω為權值向量；為映射函數；b為偏移項，ω^T表示ω的轉置；此時目標函數和約束條件為：

s.t.y_i＝ω^T·φ(x_i)+b+e_i,i＝1,2,...,l

式中，e_i為誤差；e∈R^l×l為誤差向量；C為懲罰系數，引入拉格朗日乘數λ，λ∈R^l×l，轉化為無約束的優化問題：

由卡羅需-庫恩-塔克(KKT)條件得到：

消去ω和e，上述方程的解為：

式中，E為[1,1,...,1]^T；I為單位矩陣；λ_i＝[λ₁,λ₂,...,λ_l]^T；Y＝[Y₁,Y₂,...,Y_l]^T；K為徑向基核函數，K表達式為：

式中，x為輸入變量，x_i為第i個徑向基函數的中心，σ為標準化參數，||x-x_i||為x-x_i的范數；

最后得到最小二乘法支持向量機預測模型的最優線性回歸估計函數為：