买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京邮电大学申请的专利一种电动汽车充电桩负荷预测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114707690B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210110410.6，技术领域涉及：G06Q10/04；该发明授权一种电动汽车充电桩负荷预测方法及装置是由窦春霞;王慧敏;岳东;张占强;张智俊设计研发完成，并于2022-01-29向国家知识产权局提交的专利申请。

本一种电动汽车充电桩负荷预测方法及装置在说明书摘要公布了：本发明涉及一种计及需求响应的电动汽车充电负荷预测方法及装置，方法包括以下步骤：依据需求侧的激励因素和电动汽车的充电行为，将电动汽车充电桩所在区域划分为住宅区、工作区及公共区；分析预测日特征，提取相应区域的负荷数据、需求响应信号数据及气象、交通数据，对各指标标准化处理，利用灰色关联度选取相似日；在住宅区、工作区的电动汽车主要受价格激励影响，利用支持向量机进行预测；在公共区的电动汽车根据需求响应计划的可预知性，对充电桩负荷在不同层面进行小波分解，得到季节性基础负荷部分和需求响应为主体负荷部分，对分解后的两部分负荷分别利用时间序列模型和灰色马尔可夫模型预测，两部分预测结果叠加得到公共区总负荷。

本发明授权一种电动汽车充电桩负荷预测方法及装置在权利要求书中公布了：1.一种电动汽车充电桩负荷预测方法，其特征在于，包括以下步骤：获取电动汽车充电桩所在区域；依据需求侧的激励因素和电动汽车的充电行为，将电动汽车充电桩所在区域划分为不同分区；分别对不同分区的电动汽车充电桩的负荷进行预测，获得各区域的负荷；叠加各区域负荷，得到总负荷；依据需求侧的激励因素和电动汽车的充电行为，将电动汽车充电桩所在区域划分为不同分区的方法包括：依据需求侧的激励因素和电动汽车的充电行为的特点，将电动汽车充电桩所在区域划分为住宅区、工作区及公共区；住宅区、工作区的电动汽车的充电行为的特点是用电规律，周期性强；住宅区、工作区的需求侧的激励因素包括价格激励；公共区的电动汽车的充电行为的特点是充电行为无序，规律性差；公共区的需求侧的激励因素包括参与度；分别对不同分区的电动汽车充电桩的负荷进行预测包括：对住宅区、工作区的电动汽车充电桩的负荷进行预测；对公共区的电动汽车充电桩的负荷进行预测；对住宅区、工作区的电动汽车充电桩的负荷进行预测，具体包括：分析预测日特征，并提取住宅区、工作区的电动汽车充电桩的负荷对应的影响因素；获取历史日的资料，根据预测日和历史日的影响因素选取历史相似日；将历史相似日的24h的历史电价数据、历史负荷数据、当日气象因素作为输入，利用SVR模型对住宅区、工作区的电动汽车充电桩的负荷进行分析预测，输出住宅区、工作区的电动汽车充电桩的预测日24h的负荷数据；所述历史日的资料包括历史日的24h的历史电价数据、历史负荷数据、当日气象因素、当日类型、当日小时电价数据；所述当日气象因素包括当日温度、当日风速云量、当日降水量；根据预测日和历史日的影响因素选取历史相似日的方法包括：构建预测日影响因素数据集和历史日影响因素数据集；根据预测日影响因素数据集和历史日影响因素数据集，计算预测日与历史日的关联度；根据历史日和预测日之间的关联度进行关联度排序，选择前N天作为历史相似日，N为选取的相似日数量；所述影响因素包括：当日类型、当日小时电价数据、当日温度、当日风速云量；所述预测日影响因素数据集为X0＝{x01，x02，...，x0n}1式中，x01为星期几，编码1到7；x01为是否为周末、假期，是则编码为1，否则编码为0；x03为天气，分为晴天、阴天、雨雪天，编码分别为1，2，3；x04为当日的最高温度值；x05为当日的最低温度值；x06，x07，...，x029为一天24个时间段，各时间段的电价，n为影响因素个数；所述历史日影响因素数据集为Xi＝{xi1，xi2，...，xin}2式中，xi1为星期几，编码1到7；xi2为是否为周末、假期，是则编码为1，否则编码为0；xi3为天气，分为晴天、阴天、雨雪天，编码分别为1，2，3；xi4为当日的最高温度值；xi5为当日的最低温度值；xi6，xi7，...，xi29为一天24个时间段，各时间段的电价，n为影响因素个数；根据预测日影响因素数据集和历史日影响因素数据集，计算预测日与历史日的关联度，包括：将各影响因素代入关联系数计算公式，得到各影响因素的历史日与预测日之间的关联系数；关联系数计算公式为： 式中：|x0k-xik|为第k点x0与xi的影响因素绝对值差，即Hamming距离，表示不同影响因素之间的替换之后对关联度的影响，Hamming距离越大表示关联度越强；P为分辨系数，0＜P＜1；求解各影响因素的历史日与预测日之间的关联系数的累计平均值，即历史日和预测日之间的关联度，公式如下 式中：ri为第i个因素对样本的影响，若ri≥0.7则称之为强相关因素，有正面效果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210000 江苏省南京市栖霞区文苑路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。