[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

本發明涉及電動汽車保有量預測技術領域，具體公開了一種電動汽車保有量預測方法，其中，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。本發明提供的電動汽車保有量預測方法提高了對于電動汽車保有量預測的精度。

技術領域

本發明涉及電動汽車保有量預測技術領域，尤其涉及一種電動汽車保有量預測方法。

背景技術

隨著化石能源的日漸枯竭，以電動汽車為代表的新能源汽車成為未來汽車行業發展的趨勢。2013年到2019年期間全球新能源汽車銷量由17萬輛增長到200萬輛，增長幅度遠超過傳統汽車。與此同時，電動汽車作為一種電力負荷，隨著其規模的擴大勢必會對電網的運行產生影響，尤其是穩定性相對較弱的中小型電網。因此為有效分析電動汽車規模化接入對于配電網的影響，需要考慮電動汽車保有量。

在電動汽車保有量預測方面，集中在基于BASS模型的電動汽車保有量預測。現有技術中通常是，采用傳統BASS模型進行參數估計，進而對于電動汽車保有量進行預測，但沒有考慮模型參數受到其他相關因素的影響；或者在BASS模型的基礎之上，考慮參數受到油價因素的影響，但考慮的因素過于單一；或者利用Box-Cox Dogit模型，考慮多種影響因素對參數估計的影響，提出改進了的BASS模型，但沒有考慮最大潛力參數也在隨著時間產生變化。

因此，如何能夠提供一種電動汽車保有量預測方法以提高預測準確性成為本領域技術人員亟待解決的技術問題。

發明內容

本發明提供了一種電動汽車保有量預測方法，解決相關技術中存在的電動汽車保有量無法預測的問題。

作為本發明的第一個方面，提供一種電動汽車保有量預測方法，其中，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。

進一步地，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。

進一步地，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)；