[發(fā)明專利]一種電動(dòng)汽車充電負(fù)荷的估算與建模方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210074386.5
• 申請(qǐng)日: 2022-01-21
• 公開（公告）號(hào): CN114548517A
• 公開（公告）日: 2022-05-27
• 發(fā)明（設(shè)計(jì)）人: 王軍;孫功臣;黃雋瑩;莫順凡;謝慶青;許興迪;郭建填;莫大豪;袁偉雄;余淑貴;王志榮
• 申請(qǐng)（專利權(quán)）人: 廣州蔚景科技有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06Q50/30;G06F30/27;G06K9/62;G06N3/04;G06N3/08;H02J3/00
• 代理公司: 寧波奧凱專利事務(wù)所(普通合伙) 33227
• 代理人: 姜瑞祥

本發(fā)明涉及一種電動(dòng)汽車充電負(fù)荷的估算與建模方法，是針對(duì)現(xiàn)有同類方法較少采用CNN和LSTM會(huì)快速獲取不同時(shí)間段不同場(chǎng)景的充電時(shí)空特征，導(dǎo)致模型評(píng)估的精度較低，及較少采用BP神經(jīng)網(wǎng)絡(luò)，擬合用戶的充電偏好，建立暢通的充電站處充電路段通道的技術(shù)問題而設(shè)計(jì)。其要點(diǎn)是該方法通過獲取電動(dòng)汽車的出行軌跡，挖掘電動(dòng)汽車用戶出行模式和充電模式，采用融合CNN和LSTM分別對(duì)不同場(chǎng)景和不同時(shí)間段的出行模式數(shù)據(jù)、充電模式數(shù)據(jù)進(jìn)行時(shí)空特征提取，基于上述時(shí)空特征采用BP神經(jīng)網(wǎng)絡(luò)綜合交通路網(wǎng)狀態(tài)實(shí)現(xiàn)分時(shí)段估算充電負(fù)荷；同時(shí)，該方法采用BP神經(jīng)網(wǎng)絡(luò)，結(jié)合交通狀態(tài)實(shí)現(xiàn)不同場(chǎng)景和不同時(shí)間段充電負(fù)荷預(yù)測(cè)，并擬合用戶的充電偏好。

技術(shù)領(lǐng)域

本發(fā)明涉及電動(dòng)汽車充電負(fù)荷系統(tǒng)，是一種電動(dòng)汽車充電負(fù)荷的估算與建模方法。

背景技術(shù)

目前，準(zhǔn)確的電動(dòng)汽車充電負(fù)荷估算模型能夠?yàn)榕潆娋W(wǎng)優(yōu)化運(yùn)行與控制提供可靠的實(shí)時(shí) 充電預(yù)估信息，為配電網(wǎng)規(guī)劃提供精細(xì)化的充電負(fù)荷時(shí)空特性輸入。現(xiàn)有電動(dòng)汽車充電負(fù)荷 技術(shù)，如中國(guó)專利文獻(xiàn)中披露的申請(qǐng)?zhí)?01710952465.0，申請(qǐng)公布日2018.02.13，發(fā)明名稱 “一種考慮時(shí)空分布的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法”；再如中國(guó)專利文獻(xiàn)中披露的申請(qǐng)?zhí)?202110978765.2，申請(qǐng)公布日2021.12.31，發(fā)明名稱“一種考慮數(shù)據(jù)相關(guān)性的電動(dòng)汽車充電 負(fù)荷預(yù)測(cè)方法”。但除上述方法之外，當(dāng)前大多數(shù)的電動(dòng)汽車充電負(fù)荷估算模型研究一般采用 單一模型，比如蒙特卡洛模型進(jìn)行用戶出行行為的預(yù)測(cè)，該模型較難很好地體現(xiàn)不同用戶充 電需求多樣性的特征，從而導(dǎo)致模擬誤差。因此需要對(duì)用戶的出行模式進(jìn)行深入研究，結(jié)合 出行模式來預(yù)測(cè)用戶的充電需求，而不是僅僅關(guān)注電動(dòng)汽車自身電量變化規(guī)律。同時(shí)，現(xiàn)有 同類模型較少針對(duì)現(xiàn)有電動(dòng)汽車滲透率較高場(chǎng)景下充電行為具有隨機(jī)性和分散性的特點(diǎn)，提 出融合CNN和LSTM電動(dòng)汽車充電負(fù)荷估算模型，實(shí)現(xiàn)分時(shí)段估算充電負(fù)荷。

發(fā)明內(nèi)容

為克服上述不足，本發(fā)明的目的是向本領(lǐng)域提供一種電動(dòng)汽車充電負(fù)荷的估算與建模方 法，使其主要解決現(xiàn)有同類方法較少采用CNN和LSTM會(huì)快速獲取不同時(shí)間段不同場(chǎng)景的充電 時(shí)空特征，導(dǎo)致模型評(píng)估的精度較低，及較少采用BP神經(jīng)網(wǎng)絡(luò)，擬合用戶的充電偏好，建立 暢通的充電站處充電路段通道的技術(shù)問題。其目的是通過如下技術(shù)方案實(shí)現(xiàn)的。

一種電動(dòng)汽車充電負(fù)荷的估算與建模方法，該方法通過獲取電動(dòng)汽車的出行軌跡，挖掘 電動(dòng)汽車用戶出行模式和充電模式，采用融合CNN和LSTM分別對(duì)不同場(chǎng)景和不同時(shí)間段的出 行模式數(shù)據(jù)、充電模式數(shù)據(jù)進(jìn)行時(shí)空特征提取，基于上述時(shí)空特征采用BP神經(jīng)網(wǎng)絡(luò)綜合交通 路網(wǎng)狀態(tài)實(shí)現(xiàn)分時(shí)段估算充電負(fù)荷；其特征在于所述CNN對(duì)數(shù)據(jù)進(jìn)行獲得某個(gè)時(shí)間段和某個(gè) 場(chǎng)景的空間特征，原始輸入是以T為時(shí)間長(zhǎng)度，n個(gè)樣本所有接入的電動(dòng)汽車在充電前一刻 的行駛里程數(shù)量、充電時(shí)長(zhǎng)、充電前一刻的剩余電量、充電開始時(shí)間、充電結(jié)束時(shí)間的數(shù)據(jù)； 經(jīng)過CNN的一系列處理，最后由n個(gè)神經(jīng)元得到1×n維的空間特征向量：

接著，將充電接入的時(shí)間先后排列出行模式數(shù)據(jù)和充電模式數(shù)據(jù)，出行模式數(shù)據(jù)和充電 模式數(shù)據(jù)包括充電前一刻的行駛里程數(shù)量、充電時(shí)長(zhǎng)、充電前一刻的剩余電量、充電開始時(shí) 間和充電結(jié)束時(shí)間，通過LSTM提取某個(gè)時(shí)間段和某個(gè)場(chǎng)景的時(shí)間特征；

經(jīng)過LSTM處理后，在LSTM的隱含層單元數(shù)量為n，最后隱含層輸出n×m維時(shí)間特征向 量：

在得到CNN和LSTM的原始表達(dá)之后，引入注意力特征對(duì)特征表達(dá)進(jìn)行融合，形成融合后 的時(shí)空特征表達(dá)f_map，特征融合的表示方法為：

基于公式7，得到：

f_map就是當(dāng)前表達(dá)的出行模式和充電模式的時(shí)空特征。