[发明专利]一种基于用户行为的电动汽车充电负荷预测方法

权利要求书

1.一种基于用户行为的电动汽车充电负荷预测方法，其特征在于包括以下步骤：

A、获取数据，包括电动汽车用户的车辆数据、时间数据、位置数据、轨迹数据、POI数据、SOC数据；

B、对步骤A获取的数据进行预处理；

C、对步骤B预处理后的数据进行挖掘，包括地图匹配、生成再生数据、通过网格划分进行空间建模、POI识别、功能区时空流动特征挖掘；

D、基于步骤C的数据挖掘结果，进行电动汽车用户的出行过程模拟及充电决策模拟，基于出行过程模拟和充电决策模拟对用户的充电需求进行计算，得到各个区域的理论充电需求量。

2.如权利要求1所述的基于用户行为的电动汽车充电负荷预测方法，其特征在于：步骤A中所述所述车辆数据包括车辆ID；所述时间数据包括路途开始时间、沿途各个目的地的到达/离开时间、停留时间；所述位置数据包括起点/终点位置、停留地位置；所述轨迹数据包括轨迹GPS纬度、轨迹GPS经度、速度数据、方向数据。

3.如权利要求1所述的基于用户行为的电动汽车充电负荷预测方法，其特征在于：步骤B中对步骤A获取的数据进行预处理，具体为：

首先，按单日数据分为若干集合；

然后，对坏点数据进行删除，所述坏点数据包括：不在研究区域范围内的数据；同一车辆同一时间段短距离内的多条重复数据；速度异常的数据；异常偏移的数据；

最后，基于具体需求，对POI数据进行分类的确定，具体分类为：居民区、商业区、工业区、公共服务区。

4.如权利要求1所述的基于用户行为的电动汽车充电负荷预测方法，其特征在于：步骤C中对步骤B预处理后的数据进行挖掘，具体为：

首先，进行地图匹配，即将GPS轨迹与路网模型进行匹配；

其次，生成再生特征数据：OD出行集、路网同行速度集、实际行驶路径集；

然后，进行空间建模，选择合适尺度对研究区域进行网格划分,划分方法为：①在不同尺度下对研究的空间范围进行划分，并进行网格编号：A_u(j)＝{A_u(1),A_u(2),...A_u(m)}，其中，u为划分的尺度，u∈[50,500]，间隔为50m；A_u(j)为尺度u下第j个网格的编号；m为一共划分了m个网格；②计算不同空间尺度下网格内的有效数据量：其中，E_u(i)为第i个网格中有效OD点的数量，通过①②两步，得到最佳的u值，并基于此进行网格划分；

再者，进行POI识别：结合实际情况，进行POI分类，在此基础上，基于POI数据进行功能区的识别，即计算网格内各类POI密度占比确定该网格的功能性质，确定网格的功能类型：①计算各个网格中OD点集合中各类POI的个数：其中，N_i^k为第i个网格中k类型的POI数量；n_o(i,m,k)为第i个网格中第m个k类型的起点；n_d(i,n,k)为第i个网格中第n个k类型的终点；②计算各个网格中的POI类型情况：N_i＝∑n(i,k)，其中N_i为第i个网格中POI总数，n(i,k)为第i个网格中k类型的POI数量；③根据需要对网格进行聚合；

最后，对功能区时空流动特征进行挖掘，结合OD集合POI识别，挖掘功能区的时空流动特征。