基于用户偏好的快速充电站空间灵活性分析方法及装置与流程

本发明属于电动汽车负荷灵活性评估领域和电动汽车负荷调控领域，具体涉及一种基于用户偏好的快速充电站空间灵活性分析方法及装置。

背景技术：

1、在城市人口密集地区，快速充电站(fcs)作为关键基础设施应运而生，解决了日益增长的充电需求并缓解了用户里程焦虑。随着快速充电基础设施的迅速扩展，电动汽车(ev)的空间灵活性成为了研究的重点。空间灵活性是指通过影响用户对充电站的选择，实现电动汽车充电负荷在不同充电站之间的重新分配。这种灵活性为电力系统提供了重要的机遇，使电动汽车用户能够参与缓解阻塞和消纳可再生能源等电网辅助服务。

2、随着私人对充电基础设施的投资增加，作为价格激励的决策者充电站运营商(cso)在利用电动汽车空间灵活性方面成为了关键主体。最初，价格激励主要由电力系统运营商设定。例如，已有研究通过交通分配问题获得了充电负荷的空间需求弹性，进而重新分配充电负荷以降低城市电力交通耦合网络中的安全风险。如今，充电价格不仅包括电力系统设定的电力成本，还包括充电站运营商设定的服务价格。这些运营商在影响用户充电站选择以利用充电负荷的空间灵活性方面发挥着重要作用。

3、为了充分利用电动汽车的空间灵活性，识别差异化用户偏好至关重要，因为这些偏好直接影响充电站负荷的空间分布。然而，许多现有研究简化了用户偏好，假设用户完全理性或者具有统一偏好。例如，某些研究通过总充电时间引导用户前往充电时间最短的站点。然而，现实中的用户偏好存在不确定性，且受到多种相互冲突的属性影响。虽然有些研究考虑了差异化的偏好和有限理性，但往往依赖理论假设而非现实数据。例如，已有研究通过混合高斯分布参数建模用户决策行为，另有研究探讨了用户偏好对路线和充电决策的影响。尽管这些研究有所进展，但通过真实世界数据识别用户偏好仍然处于初步阶段。

4、近年来，数据驱动模型越来越多地用于识别用户偏好，通常使用车辆轨迹数据。对于商业电动汽车车队，轨迹数据更易获取，且可以推断出充电行为。例如，已有研究基于轨迹数据探讨了影响大型电动出租车车队选择充电站的属性，另有研究利用多源真实世界数据分析用户偏好，还有基于累积前景理论建模电动出租车的随机充电行为的研究。尽管这些研究有所进展，但基于充电站运营商的真实数据，识别不同用户偏好仍是一个挑战。

5、从充电站运营商角度，快速充电站的负荷灵活性意味着利用价格激励改变用户的充电站选择，实现充电负荷的空间转移，挖掘电动汽车空间灵活性，为电网实现阻塞消除、可再生能源消纳等目标提供支持。因此，充电站运营商使用价格激励手段利用电动汽车空间灵活性关键问题之一：利用已有数据(快速充电站数据、快速充电用户数据、快速充电订单数据)和数据驱动模型分析快速充电站选择行为，获取差异化用户偏好。

技术实现思路

1、本发明的目的是为克服已有技术的不足之处，提出一种基于用户偏好的快速充电站空间灵活性分析方法及装置。本发明基于快速充电站选择行为分析，建立了城市级快速充电站价格激励-负荷灵活性关系，为充电站运营商使用价格激励手段利用电动汽车空间灵活性提供基础，有较高的应用价值。

2、本发明第一方面实施例提出一种基于用户偏好的快速充电站空间灵活性分析方法，包括：

3、采集与快速充电站选择相关的多源数据，包括：快速充电站数据、快速充电用户数据及快速充电订单数据；

4、基于所述多源数据，得到每条快速充电订单对应的备选充电站集以及该备选充电站集内每个快速充电站的影响用户选择的属性；

5、基于所述属性，建立用户差异化偏好识别的优化模型并求解，得到用户的属性偏好权重；

6、基于所述属性偏好权重，进行快速充电站空间灵活性分析。

7、在本发明的一个具体实施例中，所述得到每条快速充电订单对应的备选充电站集以及该备选充电站集内每个快速充电站的影响用户选择的属性，包括：

8、1)基于所述多源数据，对每条快速充电订单进行标记，得到每条快速充电订单对应的备选充电站集；

9、其中，若用户n的第s条快速充电订单即场景s下显示该用户选择快速充电站i，则将快速充电站i周围预设距离δ范围内的快速充电站j作为用户在该场景下的备选充电站组成备选充电站集其中，该备选充电站集包含快速充电站i；

10、记asj表示场景s下标记快速充电站j是否为备选充电站，其中，若快速充电站j属于则asj为1，否则为0；记ysj表示场景s下标记快速充电站j是否为历史选择的充电站，其中，若j＝i，则ysj为1，否则为0；

11、2)基于步骤1)的结果，统计每条快速充电订单对应备选充电站集内每个快速充电站的影响用户选择的属性；

12、记xnsj为用户n场景s下快速充电站j的属性，xnsjk为用户n场景s下快速充电站j的第k个属性，k的取值范围是1至10，其中xnsj1至xnsj10分别对应用户n场景s下快速充电站j的平均充电费用户n场景s下开始充电时快速充电站j的可用快充桩数量快速充电站j的停车收费类型fj、快速充电站j的快充桩功率快速充电站j的配套设施数量qj、快速充电站j周边设定范围内办公相关兴趣点poi数量快速充电站j周边设定范围内娱乐和购物的poi数量快速充电站j周边设定范围内医疗教育poi数量快速充电站j周边设定范围内居住相关poi数量快速充电站j周边设定范围内交通相关poi数量

13、在本发明的一个具体实施例中，所述用户差异化偏好识别的优化模型表达式如下：

14、

15、其中，式(1)为用户差异化偏好识别的优化模型最大化的目标函数，式(2)-式(4)为用户差异化偏好识别的优化模型的约束条件；ln为用户n的最大似然函数，即目标函数；λ≥0是控制权重惩罚的超参数；pnsj为用户n场景s下选择快速充电站j的概率；βn为用户n的属性偏好权重；vnsj为用户n场景s下快速充电站j的效用；vnsjk是用户n场景s下快速充电站j第k个属性的效用，βnk为用户n的第k个属性的偏好权重。

16、在本发明的一个具体实施例中，在所述建立用户差异化偏好识别的优化模型之前，还包括：

17、对所述属性进行平方根转换或分段线性转换，使得转换后的属性接近正态分布；其中，

18、所述平方根转换，表达式如下：

19、

20、之后使用式(5)平方根转换后的vnsjk替换式(3)，得到更新后的用户差异化偏好识别的优化模型；

21、所述分段线性转换包括：

22、将所有用户全部场景中全部快速充电站的第k个属性集合{xnsjk|n,s,j}使用k-means聚类分段，分段数由肘部法确定，进而获得第k个属性第l个分段起点是bkl，第k个属性第l+1个分段起点是bk(l+1)；用户n场景s下快速充电站j第k个属性的第l个分段是xnsjkl，βnkl为用户n第k个属性第l个分段的偏好权重；

23、

24、使用式(6)分段线性转换后的vnsjk替换式(3)，得到更新后的用户差异化偏好识别的优化模型。

25、本发明第二方面实施例提出一种基于用户偏好的快速充电站空间灵活性分析装置，包括：

26、数据采集模块，用于采集与快速充电站选择相关的多源数据，包括：快速充电站数据、快速充电用户数据及快速充电订单数据；

27、属性统计模块，用于基于所述多源数据，得到每条快速充电订单对应的备选充电站集以及该备选充电站集内每个快速充电站的影响用户选择的属性；

28、偏好识别模块，用于基于所述属性，建立用户差异化偏好识别的优化模型并求解，得到用户的属性偏好权重；

29、空间灵活性分析模块，用于基于所述属性偏好权重，进行快速充电站空间灵活性分析。

30、在本发明的一个具体实施例中，所述得到每条快速充电订单对应的备选充电站集以及该备选充电站集内每个快速充电站的影响用户选择的属性，包括：

31、1)基于所述多源数据，对每条快速充电订单进行标记，得到每条快速充电订单对应的备选充电站集；

32、其中，若用户n的第s条快速充电订单即场景s下显示该用户选择快速充电站i，则将快速充电站i周围预设距离δ范围内的快速充电站j作为用户在该场景下的备选充电站组成备选充电站集其中，该备选充电站集包含快速充电站i；

33、记asj表示场景s下标记快速充电站j是否为备选充电站，其中，若快速充电站j属于则asj为1，否则为0；记ysj表示场景s下标记快速充电站j是否为历史选择的充电站，其中，若j＝i，则ysj为1，否则为0；

34、2)基于步骤1)的结果，统计每条快速充电订单对应备选充电站集内每个快速充电站的影响用户选择的属性；

35、记xnsj为用户n场景s下快速充电站j的属性，xnsjk为用户n场景s下快速充电站j的第k个属性，k的取值范围是1至10，其中xnsj1至xnsj10分别对应用户n场景s下快速充电站j的平均充电费用户n场景s下开始充电时快速充电站j的可用快充桩数量快速充电站j的停车收费类型fj、快速充电站j的快充桩功率快速充电站j的配套设施数量qj、快速充电站j周边设定范围内办公相关兴趣点poi数量快速充电站j周边设定范围内娱乐和购物的poi数量快速充电站j周边设定范围内医疗教育poi数量快速充电站j周边设定范围内居住相关poi数量快速充电站j周边设定范围内交通相关poi数量

36、在本发明的一个具体实施例中，所述用户差异化偏好识别的优化模型表达式如下：

37、

38、其中，式(1)为用户差异化偏好识别的优化模型最大化的目标函数，式(2)-式(4)为用户差异化偏好识别的优化模型的约束条件；ln为用户n的最大似然函数，即目标函数；λ≥0是控制权重惩罚的超参数；pnsj为用户n场景s下选择快速充电站j的概率；βn为用户n的属性偏好权重；vnsj为用户n场景s下快速充电站j的效用；vnsjk是用户n场景s下快速充电站j第k个属性的效用，βnk为用户n的第k个属性的偏好权重。

39、在本发明的一个具体实施例中，在所述建立用户差异化偏好识别的优化模型之前，还包括：

40、对所述属性进行平方根转换或分段线性转换，使得转换后的属性接近正态分布；其中，

41、所述平方根转换，表达式如下：

42、

43、之后使用式(5)平方根转换后的vnsjk替换式(3)，得到更新后的用户差异化偏好识别的优化模型；

44、所述分段线性转换包括：

45、将所有用户全部场景中全部快速充电站的第k个属性集合{xnsjk|n,s,j}使用k-means聚类分段，分段数由肘部法确定，进而获得第k个属性第l个分段起点是bkl，第k个属性第l+1个分段起点是bk(l+1)；用户n场景s下快速充电站j第k个属性的第l个分段是xnsjkl，βnkl为用户n第k个属性第l个分段的偏好权重；

46、

47、使用式(6)分段线性转换后的vnsjk替换式(3)，得到更新后的用户差异化偏好识别的优化模型。

48、本发明第三方面实施例提出一种电子设备，包括：

49、至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；

50、其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述一种基于用户偏好的快速充电站空间灵活性分析方法。

51、本发明第四方面实施例提出一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述一种基于用户偏好的快速充电站空间灵活性分析方法。

52、本发明的特点及有益效果在于：

53、本发明首先利用已有数据(快速充电站数据、快速充电用户数据、快速充电订单数据)和数据驱动的离散选择模型分析快速充电站选择行为，重点关注了差异化用户偏好分析，包括用户对多种影响属性(价格、可用桩数量、停车收费类型、充电功率、配套设施、周边poi)的差异化偏好，以及运营车和私家车用户之间选择偏好的差异，进而利用该差异化偏好对快速充电站进行空间灵活性分析。本发明在利用所获得偏好预测充电站选择行为时准确率达到80％以上。利用本发明可实现在城市级电网阻塞消除场景下通过价格激励发掘快速充电站负荷灵活性，促进电力资源的优化配置与管理。