[發明專利]電動車輛的充電負荷預測方法、裝置及存儲介質

在審

• 申請號: 202011521561.8
• 申請日: 2020-12-21
• 公開（公告）號: CN112508301A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 劉飛
• 申請（專利權）人: 北京梧桐車聯科技有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06Q10/06;G06N3/04
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 謝冬寒

本申請提供了一種電動車輛的充電負荷預測方法、裝置及存儲介質，屬于計算機技術領域。該方法可以將獲取到的充電負荷預測信息輸入至多個目標預測模型中，并基于每個目標預測模型的輸出結果確定電動車輛的充電負荷。由于該目標預測模型是基于多條訓練樣本，從多個備選預測模型中選取的預測準確率較高的預測模型，因此有效提高了充電負荷的預測精度，預測可靠性較好。

技術領域

本申請涉及計算機技術領域，特別涉及一種電動車輛的充電負荷預測方法、裝置及存儲介質。

背景技術

電動車輛(electric vehicle，EV)是指以車載電源為動力，用電機驅動車輪行駛的一種車輛，EV一般需要接入配電網完成充電。如此，精確預測EV的充電負荷成為確保配電網可靠、安全且經濟化運行的基礎。

相關技術中，一般根據“模糊聚類算法”、“遺傳算法”或“神經網絡算法”來預測EV的充電負荷。

但是，相關技術的預測方法的預測精度均較低，可靠性較差。

發明內容

本申請實施例提供了一種電動車輛的充電負荷預測方法、裝置及存儲介質，可以解決相關技術中預測方法的預測精度均較低，可靠性較差的問題。所述技術方案如下：

一方面，提供了一種電動車輛的充電負荷預測方法，所述方法包括：

獲取充電負荷預測信息，所述充電負荷預測信息包括：時間和天氣信息；

將所述充電負荷預測信息輸入至多個目標預測模型；

根據每個所述目標預測模型的輸出結果，確定所述電動車輛的充電負荷；

其中，所述多個目標預測模型為基于多條訓練樣本從多個備選預測模型中選取的，且每個所述目標預測模型的預測準確率，均大于其他備選預測模型的預測準確率。

可選的，在所述獲取預測信息之前，所述方法還包括：

獲取多個備選預測模型和多條訓練樣本，每條所述訓練樣本包括：一個充電樁在目標時段內的用電量，所述用電量所屬分組的聚類中心的用電量，所述充電樁在所述目標時段內的用電變化量，所述充電樁在所述目標時段內的用電變化率，以及所述目標時段內的天氣信息；

基于所述多條訓練樣本確定每個所述備選預測模型的預測準確率；

基于每個所述備選預測模型的預測準確率，從所述多個備選預測模型中選取所述多個目標預測模型。

可選的，所述基于所述多條訓練樣本確定每個所述備選預測模型的預測準確率，包括：

從所述多條訓練樣本中選取多條第一訓練樣本和多條第二訓練樣本，所述多條第一訓練樣本的數量與所述多條第二訓練樣本的數量之和，等于所述多條訓練樣本的數量；

對于每個所述備選預測模型，將所述多條第一訓練樣本分別輸入至所述備選預測模型，得到所述備選預測模型的多個第一輸出結果；

對于每個所述備選預測模型，將所述多條第二訓練樣本分別輸入至所述備選預測模型，得到所述備選預測模型的多個第二輸出結果；

對于每個所述備選預測模型，根據所述多個第一輸出結果，以及所述多條第一訓練樣本中的用電量，確定所述備選預測模型的第一預測準確率；

對于每個所述備選預測模型，根據所述多個第二輸出結果，以及所述多條第二訓練樣本中的用電量，確定所述備選預測模型的第二預測準確率。

可選的，所述基于每個所述備選預測模型的預測準確率，從所述多個備選預測模型中選取所述多個目標預測模型，包括：

按照所述第二預測準確率由低到高的順序，對所述多個備選預測模型進行排序，得到第一集合；