[發明專利]一種電動汽車保有量預測方法

在審

• 申請號: 202011601343.5
• 申請日: 2020-12-29
• 公開（公告）號: CN112613679A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 陳勇;江穎達;徐剛;李楠;宗倩;朱希敏;舒展;馬宏忠;崔佳嘉
• 申請（專利權）人: 國網江蘇省電力有限公司宜興市供電分公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 無錫市大為專利商標事務所(普通合伙) 32104
• 代理人: 殷紅梅;陳麗麗

1.一種電動汽車保有量預測方法，其特征在于，包括：

根據采集到的預設時間段內的傳統汽車保有量數據，通過多種訓練模型分別進行訓練，并根據訓練好的參數預測未來預設時間段內的傳統汽車保有量；

根據傳統汽車保有量預測時的多種訓練模型進行組合，建立組合預測模型；

根據所述組合預測模型進行BASS模型參數擬合；

對擬合后的BASS模型進行參數優化，建立電動汽車與傳統汽車之間的聯系；

根據參數優化后的BASS模型以及電動汽車與傳統汽車之間的聯系，建立改進BASS模型；

根據所述改進BASS模型實現對電動汽車保有量預測。

2.根據權利要求1所述的電動汽車保有量預測方法，其特征在于，所述根據采集到的預設時間段內的傳統汽車保有量數據，通過多種訓練模型分別進行訓練，并根據訓練好的參數預測未來預設時間段內的傳統汽車保有量，包括：

根據采集到的過去十年內的傳統汽車保有量數據，對灰色預測模型、線性回歸模型和BP神經網絡模型均進行參數訓練，得到訓練好的參數；

根據訓練好的參數預測未來十年的傳統汽車保有量。

3.根據權利要求2所述的電動汽車保有量預測方法，其特征在于，對灰色預測模型進行參數訓練包括：

對于原始數據列：y⁽⁰⁾＝{y⁽⁰⁾(1)，y⁽⁰⁾(2)...y⁽⁰⁾(N)}；

對數據進行累加：x⁽¹⁾(N)＝x⁽⁰⁾(1)+x⁽⁰⁾(2)+x⁽⁰⁾(3)+…+x⁽⁰⁾(N)；

構成疊加數據列：y⁽¹⁾＝{y⁽¹⁾(1)，y⁽¹⁾(2)...y⁽¹⁾(N)}；

定義為原始數列的光滑比，數據光滑比ρ(k)∈(0，0.5)滿足灰色預測的數據要求；

建立白化方程：

其中，y⁽¹⁾(t)表表示疊加數據列中第t個數據，和是對原始數據利用OLS的擬合值；

求解所述白化方程，計算預測值：

4.根據權利要求2所述的電動汽車保有量預測方法，其特征在于，對線性回歸模型進行參數訓練包括：

根據線性回歸模型預測參數擬合公式進行參數訓練，其中所述線性回歸模型預測參數擬合公式為：

5.根據權利要求2所述的電動汽車保有量預測方法，其特征在于，對BP神經網絡模型進行參數訓練，包括：

確定網絡結構；

對激勵函數進行調整，其中激勵函數為：

其中，表示神經元j的非線性激活函數，v_j(n)表示神經元j的誘導局部域。

6.根據權利要求2所述的電動汽車保有量預測方法，其特征在于，所述根據傳統汽車保有量預測時的多種訓練模型進行組合，建立組合預測模型，包括：

建立組合預測模型，根據非線性規劃方法，求解所述組合預測模型的權重，其中t時期的真實值分別為：

y₁(t)，y₂(t)，…，y_n(t)，

其中t時期的估計值分別為：

設置目標函數Q，其中，

其中，i＝1時，表示灰色預測，i＝2時，表示BP神經網絡，i＝3時，表示線性回歸；

ω_i(t)表示第i種預測方法在t時期的權重，滿足Q表示誤差平方和的最小值；

根據權重的組合使得得到的預測數據總誤差最小。