本發(fā)明涉及充電負(fù)荷預(yù)測(cè)，更具體地說(shuō)，本發(fā)明涉及一種考慮負(fù)荷數(shù)據(jù)相關(guān)系數(shù)的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法。

背景技術(shù)：

1、隨著環(huán)境問(wèn)題的日益突出和能源結(jié)構(gòu)的轉(zhuǎn)型，電動(dòng)汽車作為清潔能源汽車的代表，近年來(lái)得到了快速發(fā)展，電動(dòng)汽車以其環(huán)保、節(jié)能的特點(diǎn)，逐漸成為汽車市場(chǎng)的重要組成部分，然而，隨著電動(dòng)汽車數(shù)量的快速增長(zhǎng)，其充電負(fù)荷對(duì)電網(wǎng)的影響也日益顯著；

2、電動(dòng)汽車充電負(fù)荷預(yù)測(cè)是指對(duì)電動(dòng)汽車的充電負(fù)荷需求進(jìn)行預(yù)測(cè)，這一預(yù)測(cè)對(duì)于電網(wǎng)的優(yōu)化運(yùn)行和規(guī)劃具有重要意義，具體來(lái)說(shuō)，電動(dòng)汽車充電負(fù)荷預(yù)測(cè)能夠減小由于電動(dòng)汽車充電帶來(lái)的新增負(fù)荷對(duì)電網(wǎng)的沖擊，為電網(wǎng)的調(diào)度和規(guī)劃提供重要參考，同時(shí)，準(zhǔn)確的負(fù)荷預(yù)測(cè)還有助于提高電力市場(chǎng)的交易效率，促進(jìn)電力資源的優(yōu)化配置。

3、專利公告號(hào)為cn113869551a的中國(guó)專利公開了一種考慮數(shù)據(jù)相關(guān)性的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法，通過(guò)電動(dòng)汽車充電負(fù)荷歷史數(shù)據(jù)與實(shí)時(shí)數(shù)據(jù)進(jìn)行數(shù)據(jù)相關(guān)性分析，并選取相關(guān)系數(shù)最大的數(shù)據(jù)作為用來(lái)進(jìn)行預(yù)測(cè)的負(fù)荷數(shù)據(jù)，可以有效減少數(shù)據(jù)處理的工作量，簡(jiǎn)化預(yù)測(cè)方法同時(shí)提高預(yù)測(cè)精度，對(duì)電動(dòng)汽車的充電需求進(jìn)行合理預(yù)測(cè)對(duì)于電網(wǎng)平穩(wěn)運(yùn)行、電動(dòng)汽車充電負(fù)荷調(diào)度、有序充電策略研究等方面都具有重要意義。

4、但是上述技術(shù)方案中的預(yù)測(cè)范圍受限，僅僅只是對(duì)歷史數(shù)據(jù)與實(shí)時(shí)數(shù)據(jù)進(jìn)行分析，而電動(dòng)汽車充電負(fù)荷還會(huì)受到其他的因素影響：

5、1、電動(dòng)汽車的數(shù)量直接決定了充電負(fù)荷的大小，隨著電動(dòng)汽車保有量的增加，充電負(fù)荷也將相應(yīng)增長(zhǎng)；

6、2、電動(dòng)汽車的充電方式分為常規(guī)充電和快速充電兩種，不同充電方式下的充電負(fù)荷特性不同，對(duì)電網(wǎng)的影響也不同；

7、3、電動(dòng)汽車電池的起始荷電狀態(tài)會(huì)影響其充電需求，較低的soc意味著更大的充電需求；

8、4、電池的充放電特性決定了充電過(guò)程中的負(fù)荷變化，不同的電池類型具有不同的充放電特性；

9、5、充電功率和充電時(shí)間直接影響充電負(fù)荷的大小和分布，快速充電方式下，充電功率大、時(shí)間短，對(duì)電網(wǎng)的瞬時(shí)沖擊較大；

10、6、電池容量越大，充電負(fù)荷也相應(yīng)越大；

11、7、天氣情況、溫度、日期類型以及公交調(diào)度等因素通過(guò)影響用戶的行為特性而影響電動(dòng)汽車充電負(fù)荷。

12、針對(duì)上述情況，本發(fā)明提出一種考慮負(fù)荷數(shù)據(jù)相關(guān)系數(shù)的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法，該方法結(jié)合了多種預(yù)測(cè)技術(shù)，如時(shí)間序列分析、回歸分析、機(jī)器學(xué)習(xí)等，以更準(zhǔn)確地預(yù)測(cè)電動(dòng)汽車的充電負(fù)荷需求，同時(shí)，該方法還可能考慮了電動(dòng)汽車充電負(fù)荷的時(shí)空分布特性，以及不同充電設(shè)施和充電方式下的負(fù)荷差異，從而提高了預(yù)測(cè)的準(zhǔn)確性和實(shí)用性。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提供一種考慮負(fù)荷數(shù)據(jù)相關(guān)系數(shù)的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法，以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種考慮負(fù)荷數(shù)據(jù)相關(guān)系數(shù)的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法，該預(yù)測(cè)方法包括以下步驟：

3、s1、數(shù)據(jù)收集并處理，從多個(gè)數(shù)據(jù)源收集電動(dòng)汽車充電相關(guān)的數(shù)據(jù)，包括但不限于充電時(shí)間、充電電量、用戶信息、天氣狀況及節(jié)假日信息；

4、對(duì)數(shù)據(jù)進(jìn)行清洗，去除錯(cuò)誤和異常值，處理缺失數(shù)據(jù)，并進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化或歸一化處理；

5、s2、負(fù)荷數(shù)據(jù)相關(guān)性分析，計(jì)算充電負(fù)荷與各種影響因素之間的相關(guān)系數(shù)，包括但不限于用戶行為特征、天氣條件和節(jié)假日等，使用統(tǒng)計(jì)方法分析這些相關(guān)系數(shù)，識(shí)別出對(duì)充電負(fù)荷有顯著影響的關(guān)鍵因素；

6、s3、動(dòng)態(tài)相關(guān)系數(shù)模型構(gòu)建，基于時(shí)間序列分析技術(shù)，分析相關(guān)系數(shù)隨時(shí)間的變化趨勢(shì)，構(gòu)建能夠捕捉相關(guān)系數(shù)動(dòng)態(tài)特性的模型，以便預(yù)測(cè)未來(lái)相關(guān)系數(shù)值；

7、s4、預(yù)測(cè)模型選擇與優(yōu)化，根據(jù)數(shù)據(jù)特性和相關(guān)性分析結(jié)果，選擇合適的機(jī)器學(xué)習(xí)算法作為預(yù)測(cè)模型的基礎(chǔ)，進(jìn)行特征工程處理，訓(xùn)練模型并優(yōu)化其參數(shù)，以提高預(yù)測(cè)準(zhǔn)確性；

8、s5、實(shí)時(shí)預(yù)測(cè)與動(dòng)態(tài)調(diào)整，建立實(shí)時(shí)數(shù)據(jù)處理系統(tǒng)，接收新的充電負(fù)荷數(shù)據(jù)，利用動(dòng)態(tài)相關(guān)系數(shù)模型和預(yù)測(cè)模型進(jìn)行實(shí)時(shí)預(yù)測(cè)，并根據(jù)實(shí)際數(shù)據(jù)與預(yù)測(cè)值的對(duì)比結(jié)果，動(dòng)態(tài)調(diào)整預(yù)測(cè)模型的參數(shù)或結(jié)構(gòu)；

9、s6、可視化與決策支持，將預(yù)測(cè)結(jié)果以圖表、地圖等形式進(jìn)行可視化展示，為電力企業(yè)和政策制定者提供充電站布局優(yōu)化、電網(wǎng)調(diào)度策略調(diào)整及充電價(jià)格動(dòng)態(tài)調(diào)整等決策支持。

10、優(yōu)選地，在s1步驟中，多個(gè)數(shù)據(jù)源包括充電站系統(tǒng)、用戶管理系統(tǒng)和氣象站，所述數(shù)據(jù)預(yù)處理步驟還包括對(duì)數(shù)據(jù)的分時(shí)段處理，以捕捉不同時(shí)間段內(nèi)充電負(fù)荷的特有規(guī)律。

11、優(yōu)選地，在s3步驟和s4步驟中，所述動(dòng)態(tài)相關(guān)系數(shù)模型采用arima模型、季節(jié)性分解模型或結(jié)合機(jī)器學(xué)習(xí)算法構(gòu)建的混合模型，所述預(yù)測(cè)模型采用長(zhǎng)短期記憶網(wǎng)絡(luò)、梯度提升決策樹或隨機(jī)森林算法，并通過(guò)交叉驗(yàn)證和參數(shù)調(diào)優(yōu)來(lái)優(yōu)化模型性能。

12、優(yōu)選地，還包括將預(yù)測(cè)結(jié)果與實(shí)際充電負(fù)荷數(shù)據(jù)進(jìn)行對(duì)比，計(jì)算預(yù)測(cè)誤差，并根據(jù)誤差情況自動(dòng)調(diào)整預(yù)測(cè)模型的步驟。

13、優(yōu)選地，在s2步驟中，具體地：

14、s2.1、將s1中收集到的充電負(fù)荷y和影響因素x作為變量，其中，充電負(fù)荷y為電動(dòng)汽車的充電量或充電時(shí)間，直接反映充電需求的指標(biāo)，影響因素x包括用戶充電時(shí)間偏好和充電頻率、天氣溫度、濕度和降雨量、節(jié)假日及特殊事件；

15、s2.2、使用統(tǒng)計(jì)方法計(jì)算充電負(fù)荷y與各個(gè)影響因素x之間的相關(guān)系數(shù)，采用皮爾遜相關(guān)系數(shù)計(jì)算，計(jì)算方式如下：

16、s2.21、利用excel軟件計(jì)算均值，計(jì)算各個(gè)影響因素x和充電負(fù)荷y的均值和即所有x值和y值的算術(shù)平均數(shù)；

17、s2.22、利用excel軟件計(jì)算差值，對(duì)每個(gè)數(shù)據(jù)點(diǎn)，計(jì)算其與各自均值的差值和其中，表示第i個(gè)影響因素觀測(cè)值與x均值的差，表示第i個(gè)充電負(fù)荷觀測(cè)值與y均值的差；

18、s2.23、計(jì)算協(xié)方差，協(xié)方差cov(x,y)是度量x和y聯(lián)合變化程度的量，計(jì)算公式為：其中，n是數(shù)據(jù)點(diǎn)的數(shù)量；

19、s2.24、計(jì)算標(biāo)準(zhǔn)差，分別計(jì)算x和y的標(biāo)準(zhǔn)差sx和sy，sx是影響因素x的標(biāo)準(zhǔn)差，衡量x數(shù)據(jù)分布的離散程度，計(jì)算公式為：

20、sy是充電負(fù)荷y的標(biāo)準(zhǔn)差，衡量y數(shù)據(jù)分布的離散程度，計(jì)算公式為：

21、s2.25、計(jì)算相關(guān)系數(shù)，使用協(xié)方差和標(biāo)準(zhǔn)差計(jì)算皮爾遜相關(guān)系數(shù)r，公式為：r的值范圍在-1到1之間，表示兩個(gè)變量之間的線性關(guān)系強(qiáng)度和方向；

22、s2.3、相關(guān)系數(shù)分析，r的取值范圍在-1到1之間，當(dāng)r接近于1時(shí)，表示x和y之間存在強(qiáng)正相關(guān)關(guān)系，即一個(gè)變量的增加往往伴隨著另一個(gè)變量的增加，當(dāng)r接近于-1時(shí)，表示x和y之間存在強(qiáng)負(fù)相關(guān)關(guān)系，即一個(gè)變量的增加往往伴隨著另一個(gè)變量的減少，當(dāng)r接近于0時(shí)，表示x和y之間幾乎不存在線性相關(guān)關(guān)系。

23、優(yōu)選地，s3的具體步驟為：

24、s3.1、對(duì)影響因素x與充電負(fù)荷y之間的相關(guān)系數(shù)進(jìn)行時(shí)間序列分析，識(shí)別出相關(guān)系數(shù)的長(zhǎng)期趨勢(shì)、季節(jié)性變化和隨機(jī)波動(dòng)；

25、s3.2、基于時(shí)間序列分析的結(jié)果，選擇合適的模型來(lái)捕捉相關(guān)系數(shù)的動(dòng)態(tài)特性，包括arima模型、季節(jié)性分解模型或結(jié)合機(jī)器學(xué)習(xí)算法構(gòu)建的混合模型；

26、s3.3、使用歷史數(shù)據(jù)訓(xùn)練選定的模型，并通過(guò)交叉驗(yàn)證方法評(píng)估模型的性能，根據(jù)驗(yàn)證結(jié)果，對(duì)模型的參數(shù)進(jìn)行調(diào)整和優(yōu)化，以提高對(duì)未來(lái)相關(guān)系數(shù)值的預(yù)測(cè)準(zhǔn)確性。

27、優(yōu)選地，s4的具體步驟為：

28、s4.1、根據(jù)相關(guān)性分析結(jié)果和領(lǐng)域知識(shí)，從原始數(shù)據(jù)中提取出對(duì)充電負(fù)荷預(yù)測(cè)有用的特征，這些特征包括用戶行為特征、天氣條件、節(jié)假日信息以及由s3步驟得到的動(dòng)態(tài)相關(guān)系數(shù)；

29、s4.2、根據(jù)數(shù)據(jù)特性和問(wèn)題需求，選擇合適的機(jī)器學(xué)習(xí)算法作為預(yù)測(cè)模型的基礎(chǔ)，包括長(zhǎng)短期記憶網(wǎng)絡(luò)、梯度提升決策樹和隨機(jī)森林；

30、s4.3、使用處理后的特征和訓(xùn)練數(shù)據(jù)集對(duì)選定的模型進(jìn)行訓(xùn)練，并使用測(cè)試數(shù)據(jù)集對(duì)訓(xùn)練好的模型進(jìn)行評(píng)估，計(jì)算預(yù)測(cè)誤差和性能指標(biāo)，以驗(yàn)證模型的預(yù)測(cè)能力。

31、優(yōu)選地，s5的具體步驟為：

32、s5.1、建立實(shí)時(shí)數(shù)據(jù)處理系統(tǒng)，實(shí)時(shí)接收新的充電負(fù)荷數(shù)據(jù)和相關(guān)影響因素?cái)?shù)據(jù)，并進(jìn)行必要的預(yù)處理；

33、s5.2、利用動(dòng)態(tài)相關(guān)系數(shù)模型和預(yù)測(cè)模型對(duì)新的數(shù)據(jù)進(jìn)行實(shí)時(shí)預(yù)測(cè)，得到未來(lái)一段時(shí)間的充電負(fù)荷預(yù)測(cè)值；

34、s5.3、將預(yù)測(cè)結(jié)果與實(shí)際充電負(fù)荷數(shù)據(jù)進(jìn)行對(duì)比，計(jì)算預(yù)測(cè)誤差，評(píng)估模型的預(yù)測(cè)精度；

35、s5.4根據(jù)評(píng)估結(jié)果，如果預(yù)測(cè)誤差較大或模型性能下降，則自動(dòng)調(diào)整預(yù)測(cè)模型的參數(shù)或結(jié)構(gòu)，以適應(yīng)數(shù)據(jù)的變化和環(huán)境的變遷。

36、本發(fā)明的技術(shù)效果和優(yōu)點(diǎn)：

37、1、本發(fā)明通過(guò)集成多源數(shù)據(jù)和采用動(dòng)態(tài)相關(guān)系數(shù)模型結(jié)合先進(jìn)的機(jī)器學(xué)習(xí)算法，能夠更準(zhǔn)確地分析和預(yù)測(cè)電動(dòng)汽車充電負(fù)荷，這種方法能夠捕捉到不同時(shí)間段內(nèi)充電負(fù)荷的變化規(guī)律，并識(shí)別出影響充電需求的關(guān)鍵因素，如用戶行為特征、天氣條件等，從而提高預(yù)測(cè)的準(zhǔn)確性和可靠性；

38、2、本發(fā)明建立了實(shí)時(shí)數(shù)據(jù)處理系統(tǒng)和動(dòng)態(tài)調(diào)整機(jī)制，使得預(yù)測(cè)模型能夠?qū)崟r(shí)接收新的數(shù)據(jù)并根據(jù)實(shí)際數(shù)據(jù)與預(yù)測(cè)值的對(duì)比結(jié)果進(jìn)行自我調(diào)整，這種能力確保了預(yù)測(cè)模型能夠持續(xù)適應(yīng)數(shù)據(jù)的變化和環(huán)境的新情況，從而為電網(wǎng)運(yùn)營(yíng)和充電基礎(chǔ)設(shè)施規(guī)劃提供及時(shí)、準(zhǔn)確的決策支持。