[发明专利]一种电动汽车充电需求预测方法及装置

说明书

本申请实施例提供一种电动汽车充电需求预测方法及装置，应用于电动汽车充电需求预测服务器。其中，所述方法包括：构建测试数据集；通过所述测试数据集对负荷预测模型进行训练；将所述测试数据集输入训练后的负荷预测模型，获得预测结果。本申请实施例采用的基于改进的概率稀疏自注意力和对比学习的深度神经网络电动汽车充电需求预测方法，能够克服长期需求预测误差大，且需要额外信息修正的问题，能够满足移动端使用、边缘设备运行、以及边远地区局域网、网络安全受限等场景的部署需求，尤其是可部署在充电站点储能系统甚至充电桩内独立运行，提供更精确的预测结果和更灵活的部署方式，让现有充电站点具备智能化升级空间。

技术领域

本申请涉及电动汽车技术领域，尤其涉及一种电动汽车充电需求预测方法及装置。

背景技术

近年来，电动汽车产业发展迅速，大规模的电动汽车充电需求衍生了较高的用电负荷。精准的充电需求预测，是实现充电站点精细化运营管理、整体优化调度以及运营策略升级的重要基础。

与传统的电力负荷特征不同，充电站点的电动汽车的充电行为不仅是时间上的连续过程；由于电动汽车具有移动性，其充电行为与用户的出行行为密切相关，电动汽车在不同充电站点之间的转移会导致不同站点的充电需求具有空间相关性。所以，电动汽车的充电需求在时空分布上具有极强的随机性。此外，电动汽车充电需求还会受到充电站点运营策略、节假日安排，天气情况，国家政策补贴等多方面影响。因此，预测电动汽车充电需求在时间维度、空间维度和其他额外维度的波动是一个复杂动力系统问题。

另一方面，由于缺乏精准充电需求预测能力，现有的充电能力管理系统虽然具备一定的自动监控处理手段，但综合调度能力有限，仅靠人工结合实际充电使用而调整，效率低且车辆充电过程中矛盾突出。用户经常面临高峰时段车找桩困难，车辆需排队充电且等候时间长，低峰时段又会出现充电设施闲置、利用率不高的现象；有时，还会出现即使充电设施满充电输出工作，由于存在充电过程功率需求曲线的因素，受充电枪与停车位的限制，高峰时段也会出现充电设施能力富裕，而被迫车等位的现象，即电动汽车处于均充阶段仍然在继续充电。

发明内容

本申请实施例提供了一种电动汽车充电需求预测方法及方法装置，采用基于改进的概率稀疏自注意力和对比学习的深度神经网络充电需求预测模型，能够满足在边缘计算平台、低算力基层设备、离网私有化等场景的部署需求，具有较高的预测精度和一定的对数据噪声的容忍裕度。

本申请实施例采用下述技术方案：

第一方面，本申请实施例提供一种电动汽车充电需求预测方法，应用于电动汽车充电需求预测服务器，所述方法包括：

构建测试数据集；

通过所述测试数据集对负荷预测模型进行训练；

将所述测试数据集输入训练后的负荷预测模型，获得预测结果。

可选地，所述测试数据集中的数据按照所期望的预测时间周期切分，包括以下维度：历史车流量数据、历史充电需求数据、地区分时电价数据、是否节假日数据、温度数据、储能运行状态数据、充电站点所处经纬度、季节、天气、是否存在运营补贴。

可选地，所述负荷预测模型包括嵌入层、编码层和解码层；其中，

所述嵌入层包括卷积模块、位置编码器和时间编码器，用于对输入的测试数据集进行线性变换和时序信息拼接，生成时序位置编码数据；

所述编码层包括两条支路，其中，第一支路包括第一概率稀疏自注意力网络模块，用于长周期的注意力构建和分配；第二支路包括门控线性激活单元、卷积模块和全连接模块，用于输入数据指定时间周期内局部关联信息的提取；所述编码层用于对嵌入层输出的数据进行并行处理，获得Query、Key、Value查询序列矩阵以及自注意力输出Z1”、Z2”；并将所述处理结果拼接后送入全连接层并输出；