Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于时空特性的电动汽车充电负荷预测方法及系统 

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!

申请/专利权人:深圳汇能新能源科技有限公司

摘要:本发明公开了一种基于时空特性的电动汽车充电负荷预测方法及系统,涉及电动汽车技术领域,该系统通过数据采集模块的综合数据收集与预处理,系统能够实时获取并存储充电数据、车辆数据、人口数据、交通数据和天气数据,形成全面的电动汽车充电数据集。时空特性分析模块结合时序分析算法和空间分析算法,分别计算出充电需求预测值P(t)和充电位置需求预测值P(x,y),而时空联合预测模块进一步整合这两类预测值,生成综合充电需求预测值P(x,y,t)。这种多层次、多维度的预测方法,大大提高了充电站选址的准确性和科学性,使得充电站布局能够更好地匹配实际充电需求,优化资源配置。

主权项:1.一种基于时空特性的电动汽车充电负荷预测系统,其特征在于:包括数据采集模块、时空特性分析模块、时空联合预测模块、选址评估模块和选址优化模块;所述数据采集模块用于设置集成API应用程序接口集,实时采集电动汽车充电数据集,并构建数据库进行存储,再对所存储的数据进行预处理;所述时空特性分析模块用于构建充电负荷预测模型,进行设置时序分析算法模型和空间分析算法模型,并依据采集到的电动汽车充电数据集进行计算获取充电需求预测值P(t)和充电位置需求预测值P(x,y);所述时空特性分析模块包括时序分析单元和空间分析单元;所述时序分析单元用于构建时序分析算法模型,再从时序数据库中提取充电特征向量X,再使用历史充电数据训练时序分析算法模型,分析需求回归系数,依据充电特征向量X与需求回归系数,进行构建时序分析算法公式,进行计算获取充电需求预测值P(t),对未来的充电需求进行预测;所述充电需求预测值P(t)通过以下时序分析算法公式获取: ;式中,表示第一常数项,表示基线充电需求,即在没有其他影响因素时的充电需求,用于衡量历史充电特征向量对预测值的影响程度,T表示滞后期数的总数量,o表示滞后期数,Xi表示第i种充电特征向量X需求,表示时刻t-o的第i种充电特向量X需求,表示误差项;所述空间分析单元用于构建空间分析算法模型,再从时序数据库中提取空间影响向量J,对空间算法模型进行训练,获取空间回归系数,并结合空间影响向量J与空间回归系数,进行构建空间分析算法公式,计算获取充电位置需求预测值P(x,y);所述充电位置需求预测值P(x,y)通过以下空间分析算法公式计算获取: ;式中,表示第二常数项,(x,y)表示经度与纬度,表示空间回归系数,衡量每个空间影响向量J对充电需求的影响程度,表示位置的相关空间影响向量J,Jj表示第j个空间影响向量,表示第一误差项,表示预测中未能解释的部分,m表示空间影响因素的总数,这些因素影响位置(x,y)的充电需求,每个影响因素都有一个对应的空间回归系数;所述时空联合预测模块用于将所获取的充电需求预测值P(t)和充电位置需求预测值P(x,y),进行相关联计算分析综合充电需求预测值P(x,y,t);所述时空联合预测模块用于构建时空联合预测算法模型,依据所获取的充电需求预测值P(t)和充电位置需求预测值P(x,y),进行结合计算获取综合充电需求预测值P(x,y,t);所述综合充电需求预测值P(x,y,t)通过以下算法公式计算获取: ;式中,表示第三常数项,表示基线充电需求,P(x,y,t)表示时刻t和位置(x,y)的综合充电需求预测值,表示第二误差项;所述选址评估模块通过综合分析充电负荷需求,进行预设选址评估阈值F1与所获取的综合充电需求预测值P(x,y,t)进行初步对比评估,判断选址方案的合理性;所述选址优化模块用于在选址不合理情况下,进行构建充电站选址优化模型,设置目标函数U,并使用优化算法获取变异个体,并代入目标函数U中进行计算获取个体适应度值U(),同时设置运营阈值F2与求解后的目标函数U进行对比评估,确定充电站选址方案;所述选址优化模块包括目标函数分析单元、优化计算单元和评估迭代单元;所述目标函数分析单元用于在判断出当前选址不合理时,则进一步依据所获取综合充电需求预测值P(x,y,t)和运营成本数据Ck,构建目标函数U将选址点k的效用进行加总;所述目标函数U通过以下算法公式计算获取: ;式中,wk表示权重值,表示充电站选址点k的重要性,表示选址点k所在位置和时刻t的充电需求预测值,K表示候选充电站位置的总数量;所述优化计算单元用于根据目标函数U进行繁殖,生成两个个体和,交换部分选址点k信息,进行设置交叉点c生成新个体和,对新生成的个体和部分选址点k进行随机改变,获取变异个体,并重新代入目标函数U中进行计算分析每个个体适应度值U();所述个体适应度值U()通过以下算法公式获取: ;式中,表示第a个候选方案中,第k个充电站位置在时刻t的充电需求预测值,表示第a个个体经过变异操作后的结果。

全文数据:

权利要求:

百度查询: 深圳汇能新能源科技有限公司 一种基于时空特性的电动汽车充电负荷预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。