[发明专利]数据驱动和模型混合的充电站数据的预测方法和装置

说明书

本发明实施例提供了一种数据驱动和模型混合的充电站数据的预测方法和装置，所述方法包括：步骤1，获取充电站的预测指令；获取所述充电站对应的预测模型的输入变量；获取所述输入变量对应的历史数据；步骤2，将所述历史数据输入所述预测模型，预测得到所述充电站在未来时间段的被使用充电桩的总桩数的预测值；步骤3，对所述预测值进行取整处理，生成预测整数值；步骤4，输出所述预测整数值，作为电动汽车选择所述充电站的参考因素。本发明能够提高预测的精度。

技术领域

本发明涉及电动汽车充电站的规划领域，尤其涉及一种数据驱动和模型混合的充电站数据的预测方法。

背景技术

近年来电动汽车由于其节能、环保的优势得到大力发展，但同时也存在着续航里程短、充电站利用不均衡等问题。充电站的运营状态估计就成为用户充电引导的必要前提。

同时，在人工智能、大数据技术的大力发展下，路网交通状况的监测和预测已取得了较好的成果，用户对智慧出行的需求也越来越高，与传统燃油汽车不同，电动汽车充电需要较长的时间。

在未来智慧城市背景下，将面临大规模电动汽车的使用，由于充电站资源有限，若不能及时将充电站的忙闲状态告诉电动汽车车主，可能使电动汽车到达充电站后不能立即充电，为减少用户充电站等待时间就必须考虑充电站的短期运营状态。因此，有必要对用户出行和充电站规划的充电站运营数据预测技术进行改进和发展。

发明内容

本发明的实施例提供了一种数据驱动和模型混合的充电站数据的预测方法，能够帮助用户选择充电站时进行预测。

一种数据驱动和模型混合的充电站数据的预测方法，包括：

步骤1，获取充电站的预测指令；获取所述充电站对应的预测模型的输入变量；获取所述输入变量对应的历史数据；

步骤2，将所述历史数据输入所述预测模型，预测得到所述充电站在未来时间段的被使用充电桩的总桩数的预测值；

步骤3，对所述预测值进行取整处理，生成预测整数值；

步骤4，输出所述预测整数值，作为电动汽车选择所述充电站的参考因素。

一种数据驱动和模型混合的充电站数据的预测装置，包括：

预测单元，获取充电站的预测指令；获取所述充电站对应的预测模型的输入变量；获取所述输入变量对应的历史数据；

预测单元，将所述历史数据输入所述预测模型，预测得到所述充电站在未来时间段的被使用充电桩的总桩数的预测值；

取整单元，对所述预测值进行取整处理，生成预测整数值；

输出单元，输出所述预测整数值，作为电动汽车选择所述充电站的参考因素。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例中，本发明的一种充电站运营数据的预测方法，预测后的运营数据可应用于城市充电站网络规划和用户出行引导，具有十分现实的意义。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所述的一种数据驱动和模型混合的充电站数据的预测方法的示意图；

图2为本发明充电站运营数据预测框架示意图；

图3为本发明所述的步骤3中充电站预测模型的示意图；