[發明專利]一種電動汽車充電行為特征分析方法和系統

有效

• 申請號: 202011546777.X
• 申請日: 2020-12-23
• 公開（公告）號: CN112667611B
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 薛溟楓;毛曉波;陳心揚;趙振興;潘湧濤;裴瑋;吳寒松;費彬;楊艷紅
• 申請（專利權）人: 國網江蘇省電力有限公司無錫供電分公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06Q30/02;G06Q50/06
• 代理公司: 北京智繪未來專利代理事務所(普通合伙) 11689
• 代理人: 肖繼軍

1.一種電動汽車充電行為特征分析方法，其特征在于：

所述方法包括以下步驟：

步驟1：獲取充電樁的歷史充電數據，篩選電動汽車充電行為特征數據，包括：用戶識別號、充電站號、充電樁號、充電電量、電費服務費、充電開始時間、充電結束時間、充電終止原因、充電日期、星期、是否雙休日、是否節假日、天氣類型和平均氣溫；

步驟2：對步驟1篩選得到的特征數據進行數據轉換，得到基礎特征數據的導出特征數據；

步驟3：采用聚類算法對數據轉換后的特征數據進行數據清洗，進一步濾除異常數據；

步驟4：基于數據清洗后的特征數據，計算充電行為概率密度函數，通過概率密度函數體現電動汽車充電行為；

步驟4中，根據不同特征對電動汽車用戶充電行為進行分類，并計算每一類別用戶充電行為特征的概率密度函數，具體的，通過高斯核函數法，計算電動汽車用戶充電行為的概率密度函數，方法如下：

步驟4.1：對某特征的一維數據求取概率密度函數峰的個數N_p；

步驟4.2：根據如下公式計算最優帶寬：

h_opt＝(1.059σn^-0.2)/N_p

其中：σ為樣本數據的標準差，n為樣本數據個數；

步驟4.3：計算概率密度函數：

其中：K(·)為核函數，選取高斯函數作為核函數，即：

x表示隨機樣本，X_i為表示第i個已知樣本數據；

步驟4.1中，N_p的具體求取方法為：

選取組距對原始數據分組并統計頻數；

通過畫頻數分布直方圖，統計峰值的個數即為N_p；

或者對頻數數據進行低通濾波，并將濾波后的數據提取峰值，峰值的個數即為N_p。

2.根據權利要求1所述的一種電動汽車充電行為特征分析方法，其特征在于：

所述充電終止原因分為：電動汽車充滿、用戶終止、違規拔槍、預充金額用完、數據校驗錯誤、通信故障、充電設備故障和異常掉電。

3.根據權利要求1-2任一項所述的一種電動汽車充電行為特征分析方法，其特征在于：

步驟2包括以下步驟：

步驟2.1：統一數據格式，將不同類型的特征數據進行數據格式統一化；

步驟2.2：解析分類數據，將特征數據的分類條目轉換成數值型數據；

步驟2.3：計算基礎特征數據的導出特征數據。

4.根據權利要求1所述的一種電動汽車充電行為特征分析方法，其特征在于：

步驟3包括以下步驟：

步驟3.1：過濾空值數據、錯誤數據以及重復數據；

步驟3.2：濾除充電終止原因為預充金額用完、數據校驗錯誤、通信故障、充電設備故障或異常掉電的數據；

步驟3.3：基于密度的聚類算法，進行進一步的異常數據檢測及濾除；

步驟3.4：根據實際需求濾除不需要分析的數據。

5.根據權利要求4所述的一種電動汽車充電行為特征分析方法，其特征在于：

步驟3.3包括：

步驟3.3.1：將特征數據分為多個子集；

步驟3.3.2：基于密度的聚類算法對每個子集進行異常值檢測，將不強屬于任何聚類簇的值視為異常點，濾除異常數據。

6.根據權利要求5所述的一種電動汽車充電行為特征分析方法，其特征在于：

步驟3.3.1中，子集的生成依照兩種原則：

原則1：通過相關分析法選取特征數據集合中相關程度大于閾值的特征，分別作為一個子集；

原則2：依照確定的關系及意義生成子集。

7.根據權利要求1-6任一項所述的一種電動汽車充電行為特征分析方法的電動汽車充電行為特征分析系統，其特征在于：

所述系統包括：

特征數據獲取模塊，用于獲取充電樁的歷史充電數據，篩選電動汽車充電行為特征數據；

數據轉換模塊，用于對篩選得到的特征數據進行數據轉換；

數據清洗模塊，用于對數據轉換后的特征數據進行數據清洗；

計算模塊，用于基于數據清洗后的特征數據，計算充電行為概率密度函數。