基于数据驱动的电动汽车充电负荷预测

本发明涉及电动汽车工程领域和建立评价指标体系领域，具体为一种基于数据驱动的电动汽车充电负荷预测。

背景技术：

1、伴随能源清洁化转型与电池技术的逐步成熟，电动汽车的大规模普及已是国家政策和市场效应双重驱动的必然趋势，但其大规模无序充电行为会导致线路过载、谐波失真、电压失衡等众多电能质量的隐患；同时伴随5g通信技术与智能云终端的快速发展，以电动汽车为载体的多维度、高质量大数据集应运而生，因此利用数据驱动的方式科学准确的实现ev充电负荷的预测对我国电力系统安全、经济、稳定运行具有重要的影响和意义。

2、在居民区时序充电负荷预测场景中，忽略关联数据的空间信息，针对待预测日的相似日数据选取困难的问题，提出了一种基于clarans算法的相似日聚类模型；在聚类结果基础上，构建了一种历史信息与未来信息协同学习的双向gru进化网络模型；算例分析表明，融合clarans算法与双向gru进化网络的居民区时序充电负荷预测模型从预测精度、拟合程度、可解释性、训练时间四方面均比其他五种常规网络模型具有极强的适用性和优越性。

3、在多功能区时空充电负荷预测场景中，利用关联数据的时空信息，针对待预测区域交通节点之间路径规划问题，提出了一种以行驶总费用替换行驶总距离的改进floyd算法模型，完成任意交通节点之间最优行驶路径的规划；在最优路径规划的基础上，构建了融合开关决策、方式决策、负荷决策的用户充电行为决策策略模型，模拟用户在每一个最优路径子节点的充电行为决策，最终遍历所有ev的行驶路径完成ev时空充电负荷预测。算例分析表明，融合改进floyd算法与用户决策策略的多功能区域时空充电负荷预测模型在不同场景下的ev充电负荷时空分布趋势均与客观出行规律相互印证，展现了所提模型的可行性和合理性。

技术实现思路

1、(一)发明的目的

2、本发明主要用于针对ev充电负荷关联数据挖掘困难且数据规范难以定义的问题，首先从车辆固有属性、自然社会属性和车主行为偏好属性三个维度完成ev充电负荷关联数据挖掘；其次从字段名称、字段类型、字段约束三个维度实现关联数据的规范设定；最后从数据质量处理和数据规范处理两个维度阐述关联数据预处理基础理论，为后续ev充电负荷预测模型奠定理论和数据基础。

3、(二)技术方案

4、为了实现上述目的，本发明的方法所采用的技术方案是：首先，利用改进floyd算法模型实现该交通区域任意节点间的最优行驶路径规划；其次基于最优行驶路径规划，建立用户在任意路径节点充电行为的决策策略模型；最后遍历所有ev个体的行驶路径，实现该多功能区域完整日的ev时空充电负荷预测。

5、为实现多功能区ev时空充电负荷预测，利用关联数据的时空属性信息，提出了一种融合改进floyd算法与用户决策策略的多功能区域时空充电负荷预测模型。针对交通区域内任意两个节点之间最优行驶路径的规划方案，构建了以行驶总费用替换行驶总距离的改进floyd算法模型；其次针对ev个体在每一个最优路径子节点的充电行为决策，构建了融合开关决策、方式决策、负荷决策的用户充电行为决策策略模型，模拟用户在子节点充电需求、充电方式、充电负荷量的决策；最后算例仿真分析以某工作日29节点的交通路网为研究背景，分别研究了该多功能区域工作日ev充电负荷时空分布、各子区域不同类型交通节点ev充电负荷分布、各子区域ev慢充和快充充电负荷分布，通过其时空分布趋势与客观规律的对照验证了所提模型的可行性和合理性。

6、了一种融合clarans算法与双向gru进化网络的居民区时序充电负荷预测模型。针对居民区待预测日相似日查询的解决方案，构建了基于clarans算法的相似日聚类模型；

7、(三)有益效果

8、本发明的有益效果为：在交通路网模型中，以行驶总费用替换行驶总距离完成传统floyd算法的改进，进而以行驶总费用最低为目标确定任意交通节点之间的最优行驶路径；其次从开关决策、方式决策和负荷决策三方面建立用户充电行为的时空决策策略模型，模拟ev用户在最优路径中的每一个节点充电需求、充电方式和充电负荷量的决策；

技术特征：

1.一种基于数据驱动的电动汽车充电负荷预测模型体系建立方法，其特征在于：通过电动汽车电池充放电设计标准与海量历史数据结合，实现基于数据驱动的电动汽车充电负荷预测模型体系的建立，可以有效对电池充电负荷进行预测。同时通过主观分析法完成初始评价指标集的去相关性分析，可以实现降低冗余指标的存储与计算，提升模型精准度；利用熵权法求解去相关性分析后的属性集ξm'n的属性权重，可以科学的利用信息熵对各指标的权重进行计算，最终通过检验系数γ完成电动汽车充电负荷预测模型体系的校验，形成客观准确的预测模型体系。

2.根据权利要求1所述的一种基于数据驱动的电动汽车充电负荷预测模型体系建立方法，其特征在于，利用神经网络实现对电动汽车充电负荷海量数据的预处理，主要步骤包括：

3.根据权利要求2所述的一种基于数据驱动的电动汽车充电负荷预测模型体系建立方法，其特征在于，求解排名前k为的属性集ξm'n的相应权重，主要步骤包括：

4.根据权利要求2与3所述的一种基于数据驱动的电动汽车充电负荷预测模型体系建立方法，其特征在于，依据电动汽车电池负荷的属性集ξm'n与权重向量集μ进行模拟预测的试用，利用检验系数γ判断其是否满足实际需求，检验系数γ＝0则表示模型需要再次依据进行相应的补充与修改，直至循环迭代至检验系数γ＝1则表示评价体系满足实际需求，即评价体系确定；数据驱动的电动汽车充电负荷预测模型体系建立成功。

技术总结
本发明涉及电动汽车电池领域和神经网络领域，具体公开了一种基于数据驱动的电动汽车充电负荷预测模型建立方法；通过电动汽车电池充放电设计标准与海量历史数据结合，实现基于数据驱动的电动汽车充电负荷预测模型体系的建立，可以有效对电池充电负荷进行预测。同时通过主观分析法完成初始评价指标集的去相关性分析，可以实现降低冗余指标的存储与计算，提升模型精准度；利用熵权法求解去相关性分析后的属性集的属性权重ξ<subgt;m'n</subgt;，可以科学的利用信息熵对各指标的权重进行计算，最终通过检验系数Γ完成电动汽车充电负荷预测模型体系的校验，形成客观准确的预测模型体系。

技术研发人员：杨金铎,许刚
受保护的技术使用者：华北电力大学
技术研发日：
技术公布日：2024/1/16