[發(fā)明專利]一種電動汽車充電行為特征分析方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011546777.X
• 申請日: 2020-12-23
• 公開（公告）號: CN112667611B
• 公開（公告）日: 2023-01-31
• 發(fā)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(quán)）人: 國網(wǎng)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

本申請公開了一種電動汽車充電行為特征分析方法和系統(tǒng)，所述方法包括以下步驟：步驟1：獲取充電樁的歷史充電數(shù)據(jù)，篩選電動汽車充電行為特征數(shù)據(jù)；步驟2：對步驟1篩選得到的特征數(shù)據(jù)進行數(shù)據(jù)轉(zhuǎn)換；步驟3：對數(shù)據(jù)轉(zhuǎn)換后的特征數(shù)據(jù)進行數(shù)據(jù)清洗；步驟4：基于數(shù)據(jù)清洗后的特征數(shù)據(jù)，計算充電行為概率密度函數(shù)。利用電動汽車充電交易數(shù)據(jù)歷史記錄，通過改進的核密度估計方法，得到電動汽車充電行為特征的概率密度，通過概率密度函數(shù)體現(xiàn)電動汽車充電行為。

技術(shù)領(lǐng)域

本發(fā)明屬于電動汽車充電行為特征分析技術(shù)領(lǐng)域，涉及一種電動汽車充電行為特征分析方法。

背景技術(shù)

電動汽車作為一種低碳、清潔的交通工具，越來越多的用戶選擇電動汽車作為出行工具，電動汽車充電需求也隨之大幅增加。電動汽車充電站覆蓋面積不斷擴張，充電站用戶也越來越多。正確識別充電站用戶或電動汽車用戶的行為特征，對于運營企業(yè)提高運營效率、提升運維服務質(zhì)量、引導用戶充電行為，都具有重要意義。

電動汽車充電負荷預測、電動汽車有序充電引導策略的制訂、充電服務費的調(diào)整以及充電站選址定容等，都必須以準確把握電動汽車充電行為及充電需求為前提。隨著充電計量、出行調(diào)查統(tǒng)計等數(shù)據(jù)的廣泛積累，不依靠模型參數(shù)假設的數(shù)據(jù)驅(qū)動方法能更真實地反映電動汽車的充電行為特征。充電用戶行為特征的研究主要依賴于充電交易數(shù)據(jù)，這些數(shù)據(jù)一般只涉及用戶的充電卡號、充電電量、交易金額、交易方式、交易時間、交易樁號，欠缺對用戶準確的描述。如何從現(xiàn)有數(shù)據(jù)抓取用戶特征依賴于正確研究方法的選擇。

電動汽車的出行和充電活動均具有較強的隨機性，以往對電動汽車充電行為的研究方法包括：

1、參數(shù)估計法，即依賴于經(jīng)驗假設的傳統(tǒng)建模方式，該方式通常將電動汽車充電行為特征看作某種確定的數(shù)學分布，例如將起始充電時刻看作正態(tài)分布，將電動汽車的日行駛里程假定為對數(shù)正態(tài)分布，以對電動汽車充電負荷進行預測。由于參數(shù)估計法只在某特征的概率密度符合特定的數(shù)學分布時適用，在所分析的行為特征不符合某種特定的數(shù)學分布時，或者為多個數(shù)學分布的疊加時則參數(shù)估計法不能得到準確的概率密度函數(shù)。

2、采用頻數(shù)分布直方圖方式的非參數(shù)估計法對電動汽車充電行為特征進行分析。頻數(shù)分布直方圖的方法簡單，容易計算，但繪制頻數(shù)分布直方圖時，需要確定組距，如果組距不同，那么最后的頻數(shù)分布直方圖會產(chǎn)生很大的差別，而且不能連續(xù)的表達出每個點出的概率。

3、采用核密度估計的非參數(shù)估計方法，其帶寬的計算方法較為簡潔，但傳統(tǒng)的帶寬的經(jīng)驗公式在對多個標準分布的疊加形式的實際數(shù)據(jù)計算帶寬時，特別是在實際數(shù)據(jù)量不是很大的情況下，得出的概率密度函數(shù)往往誤差較大。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)中的不足，本申請?zhí)峁┮环N電動汽車充電行為特征分析方法和系統(tǒng)，利用電動汽車充電交易數(shù)據(jù)歷史記錄，通過改進的核密度估計方法，得到電動汽車充電行為特征的概率密度。

為了實現(xiàn)上述目標，本發(fā)明采用如下技術(shù)方案：

一種電動汽車充電行為特征分析方法，所述方法包括以下步驟：

步驟1：獲取充電樁的歷史充電數(shù)據(jù)，篩選電動汽車充電行為特征數(shù)據(jù)；

步驟2：對步驟1篩選得到的特征數(shù)據(jù)進行數(shù)據(jù)轉(zhuǎn)換；

步驟3：對數(shù)據(jù)轉(zhuǎn)換后的特征數(shù)據(jù)進行數(shù)據(jù)清洗；

步驟4：基于數(shù)據(jù)清洗后的特征數(shù)據(jù)，計算充電行為概率密度函數(shù)。

本發(fā)明進一步包括以下優(yōu)選方案：

優(yōu)選地，步驟1中，對充電樁的歷史充電數(shù)據(jù)進行電動汽車充電行為特征數(shù)據(jù)篩選，所述電動汽車充電行為特征包括：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(jié)束時間、充電終止原因、充電日期、星期、是否雙休日、是否節(jié)假日、天氣類型和平均氣溫。