[发明专利]一种电动汽车充电站用户画像方法

说明书

本发明提供一种电动汽车充电站用户画像方法，其对充电站用户的充电行为进行分析，充电站运营商可根据站点的用户充电行为制定更加合理的运营策略来提高站点的运营效益。本发明能对在正常时长内充电量高的用户进行优惠，增加客户粘性，对充电完成后依然占据车位的用户额外收费来改正其充电习惯等；同时也能制定分时充电价格更好地引导用户有序充电，减小高峰时段对电网的冲击。

技术领域

本发明涉及电动汽车充电站用户画像领域，具体是一种电动汽车充电站用户画像方法。

背景技术

随着中国电动汽车保有量的增加,充电设施也在迅速发展中，在国家政策和市场环境的驱动下，越来越多的充电站被规划建成，但部分充电站因其布局、运营模式等不合理导致站点投入大但是运营效果不佳，盈利困难。为了对充电站运营数据进行挖掘分析从而对充电站用户的充电行为进行分析，充电站运营商需要根据站点的用户充电行为制定更加合理的运营策略来提高站点的运营效益，因此亟需建立一种基于充电站运营数据进行用户画像的方法。

发明内容

本发明的目的是提供一种电动汽车充电站用户画像方法，其采用高斯核函数优化K-means聚类算法对充电站用户的充电行为进行分析，充电站运营商可根据站点的用户充电行为制定更加合理的运营策略来提高站点的运营效益，该算法能对在正常时长内充电量高的用户进行优惠，增加客户粘性，对充电完成后依然占据车位的用户额外收费来改正其充电习惯等；同时也能制定分时充电价格更好地引导用户有序充电，减小高峰时段对电网的冲击。

本发明所采用的技术方案是：

一种电动汽车充电站用户画像方法，包括以下步骤：

步骤a，数据预处理，将充电站用户以充电开始时间、充电时长、充电量三个维度来进行分类；

步骤b，采用高斯核函数对原始数据集进行核空间映射，设置k值上限值K，初始化k＝2；

步骤c，初始聚类中心作为质心；

步骤d，将各充电站用数据点分配至距离最近的质心；

步骤e，采用高斯核-K-means算法更新质心；

步骤f，判断质心是否变动；

步骤g，若质心变动，则回到步骤d；若未变动，则计算样本点点与所属质心的距离的平方和，即误差平方和(Sun of Squared Error，SSE)；

步骤h，判断k值是否达到上限值K；

步骤i，若未达到，k＝k+1,并回到步骤c；若达到，利用肘部法确定最优k值；

步骤j，输出最优k值聚类结果。

进一步，步骤b中高斯核函数为：

K(x,y)＝tanh(γ(x^Ty)+θ)。

进一步，步骤e中采用高斯核-K-means算法更新质心具体为：

式中，n_i为第i类数据点的个数；

迭代的目标函数为：

式中，为高维空间中第j个数据点到i个质心的欧氏距离。

进一步，步骤g中误差平方和SSE的计算公式为：

式中，S_i表示第i类数据点的集合，C_i表示第i类数据点的质心，x表示数据集中的点，d表示计算欧氏距离。