本发明涉及充电桩,尤其是一种基于车主行为的充电功率预测方法、装置、设备及介质。
背景技术:
1、发展电动汽车是应对能源危机、缓解环境压力并实现可持续发展的重要手段。电动汽车规模化应用,虽能降低能源消耗和环境污染压力,但电动车主出行不规律等因素,会造成充电功率在时空分布上的不确定性,随着电动汽车普及与推广,其规模化接入会加剧电网负荷波动,造成电能损失,加重电网优化运行负担,同时会导致变压器过载问题而影响电能质量。
2、当用户的用电量大于发电量时,若不采取措施,会导致电网崩溃,因而,迫切需要对规模化电动汽车进行充电功率预测。影响充电功率的因素众多,特别是电动车主行为(主要包括出行距离、充电决策习惯、交通路况及停驻时长等)的不确定性,使得充电功率在时空上呈现随机的特征,增加功率预测难度。
3、现有技术主要通过天气温度、电网电压和电池剩余电量等客观因素对充电功率进行预测,未考虑车主的主观因素对充电功率的影响,存在预测结果不准确的问题。
技术实现思路
1、为解决上述现有技术问题,本发明提供一种基于车主行为的规模化充电功率预测方法,包括:
2、获取待预测充电区域内所有充电车辆的充电固有参数,其中,所述充电固有参数包括:车辆类型、车辆数量、电池容量和期望荷电状态;
3、随机抽取所述待预测充电区域内与每一所述车辆类型对应的n辆所述充电车辆的充电变量参数,所述充电变量参数包括续航里程、开始充电时间、日行驶里程数和初始荷电状态,n为非零自然数;
4、分析与每一所述车辆类型对应的所述充电变量参数,得到统计特征;
5、根据所述统计特征,通过车主行为知识库在功率预测模型库中获取目标功率预测模型,其中,所述功率预测模型库包括多个功率预测模型,所述车主行为知识库包括所述车辆类型、所述统计特征以及所述功率预测模型库中若干功率预测模型的映射关系;
6、根据所述充电固有参数和所述目标功率预测模型,得到所述待预测充电区域的充电功率预测值。
7、作为本申请的一可选实施例,所述功率预测模型库包括arima模型、svr模型、xgboots模型、ridge模型。
8、作为本申请的一可选实施例,所述分析与每一所述车辆类型对应的所述充电变量参数,得到参数特征的步骤,包括:
9、根据所述充电变量参数,获取每一所述车辆类型的充电车辆在时间轴上的充电负荷概率分布;
10、根据所述充电负荷概率分布,获取概率密度函数;
11、根据所述概率密度函数,得到统计特征。
12、作为本申请的一可选实施例,所述统计特征包括方差、平均值和中位值。
13、作为本申请的一可选实施例,所述根据所述统计特征,通过车主行为知识库在功率预测模型库中获取若干备选功率预测模型的步骤,包括:
14、根据所述统计特征,获取多个特征组合;
15、根据每一所述特征组合,在所述功率预测模型库中选择若干功率预测模型作为备选预测模型。
16、作为本申请的一可选实施例,所述车主行为知识库通过如下步骤构建:
17、获取充电区域内所有充电车辆的所述充电固有参数;
18、随机抽取所述充电区域内与每一所述车辆类型对应的m辆所述充电车辆的所述充电变量参数,m为非零自然数;
19、分析所述充电区域内与每一所述车辆类型对应的所述充电变量参数,得到统计特征;
20、根据所述统计特征,在所述功率预测模型库中获取多个功率预测模型作为备选预测模型;
21、根据所述充电区域的所述充电变量参数和所述充电固有参数对每一所述备选功率预测模型进行训练,将预测准确率最高的备选功率预测模型作为目标功率预测模型;
22、建立每一所述车辆类型、对应的所述统计特征和所述目标功率预测模型的映射关系;
23、根据所述充电区域的充电固有参数和所述充电变量参数以及所述映射关系,构建车主行为知识库。
24、作为本申请的一可选实施例,所述初始荷电状态通过所述期望荷电状态、所述续航里程和所述日行驶里程数获得。
25、另一方面,为解决上述技术问题,本申请还提供了一种基于车主行为的规模化充电功率预测装置,包括:
26、获取模块,用于获取待预测充电区域内所有充电车辆的充电固有参数,其中,所述充电固有参数包括:车辆类型、车辆数量、电池容量和期望荷电状态;
27、抽取模块,用于随机抽取所述待预测充电区域内与每一所述车辆类型对应的n辆所述充电车辆的充电变量参数,所述充电变量参数包括续航里程、开始充电时间、日行驶里程数和初始荷电状态,n为非零自然数;
28、分析模块,用于分析与每一所述车辆类型对应的所述充电变量参数,得到统计特征;
29、模型获取模块,用于根据所述统计特征,通过车主行为知识库在功率预测模型库中获取目标功率预测模型,其中,所述功率预测模型库包括多个功率预测模型,所述车主行为知识库包括所述车辆类型、所述统计特征以及所述功率预测模型库中若干功率预测模型的映射关系;
30、预测模块,用于根据所述充电固有参数和所述目标功率预测模型,得到所述待预测充电区域的充电功率预测值。
31、另一方面,为解决上述技术问题,本申请还提供了一种计算机设备,该计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现所述的方法。
32、另一方面,为解决上述技术问题,本申请还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现上述方法。
33、综上所述,本申请的有益效果如下所述:
34、本申请的基于车主行为的充电功率预测方法,由于影响充电功率的因素众多,特别是电动车主行为(主要包括出行距离、充电决策习惯、交通路况及停驻时长等)的不确定性,使得充电功率在时空上呈现随机的特征,首先通过对充电变量参数进行分析,得到其统计特征,通过统计特征,能够在功率预测模型库中选择与此统计特征匹配的预测模型进行预测,并且由于考虑了车主行为的不确定性,提升了功率预测的准确性,避免了未考虑车主的主观因素对充电功率的影响,存在预测结果不准确的问题。
1.一种基于车主行为的规模化充电功率预测方法,其特征在于,包括:
2.根据权利要求1所述的基于车主行为的规模化充电功率预测方法,其特征在于,所述功率预测模型库包括arima模型、svr模型、xgboots模型、ridge模型。
3.根据权利要求1所述的基于车主行为的规模化充电功率预测方法,其特征在于,所述分析与每一所述车辆类型对应的所述充电变量参数,得到参数特征的步骤,包括:
4.根据权利要求3所述的基于车主行为的规模化充电功率预测方法,其特征在于,所述统计特征包括方差、平均值和中位值。
5.根据权利要求4所述的基于车主行为的规模化充电功率预测方法,其特征在于,所述根据所述统计特征,通过车主行为知识库在功率预测模型库中获取若干备选功率预测模型的步骤,包括:
6.根据权利要求1所述的基于车主行为的规模化充电功率预测方法,其特征在于,所述车主行为知识库通过如下步骤构建:
7.根据权利要求1所述的基于车主行为的规模化充电功率预测方法,其特征在于,所述初始荷电状态通过所述期望荷电状态、所述续航里程和所述日行驶里程数获得。
8.一种基于车主行为的规模化充电功率预测装置,其特征在于,包括:
9.一种计算机设备,其特征在于,该计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现如权利要求1-7中任一项所述的方法。