[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

说明书

本发明提供一种基于用户行为的电动汽车充电负荷预测方法，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、对数据进行预处理；C、对电动汽车的出行数据进行挖掘，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。本发明基于电动汽车用户的真实行为数据更充分地分析挖掘了用户的实际需求，通过此进行的充电负荷预测会更接近于用户的真实需求。

技术领域

本发明涉及大数据技术领域，具体是一种基于用户行为的电动汽车充电负荷预测方法。

背景技术

根据国际能源署统计，交通系统的能源消耗和相关碳排放分别约占全球的29％和23％，是目前能源危机和环境污染问题的重要根源之一。为实现交通系统的节能减排，我国投入了大量的资金，大力推进电动汽车产业发展。在此背景下，有必要研究基于数据驱动的电动汽车充电负荷预测技术，从而指导相关的电动汽车服务，为改善用户电动汽车的使用体验，提供理论和技术支撑。

目前的相关研究多基于充电数据来对电动汽车充电负荷进行预测，例如：申请(专利)号：201710351396.8，名称：电动汽车充电需求预测方法及系统，该专利提出了一种电动汽车充电需求预测方法，主要基于电池电量、在当前位置的预计停车时间以及历史数据来确定其在当前时间进行充电的概率，并计算各电动汽车的充电需求概率，并未考虑用户的具体出行行为。申请(专利)号： CN201911075075.5，名称：充电站负荷预测方法、装置、计算机设备和存储介质，公开了一种充电站负荷预测方法，但其主要是站在充电站角度，基于充电站的历史数据，如车辆到站数量、类型比例、到站时间等进行预测，没有充分将用户行为考虑进来，因此在一定程度上无法更好地挖掘电动汽车用户的真实需求。申请(专利)号：202011142389.5，名称：基于神经网络的电动汽车充电需求预测方法、系统及装置，该专利主要以历史时间段的充电桩信息和充电需求作为模型训练数据，以天气预报信息和节假日信息作为模型辅助训练数据，但并没有对电动汽车用户的具体出行行为进行分析挖掘，因此得到的预测需求无法充分体现用户的真实需求。

还有部分研究引入了电动汽车的运行数据进行预测。例如，申请 (专利)号：201811108495.4，名称：一种电动汽车充电需求预测方法及装置，该专利公开了一种电动汽车充电需求预测方法及装置，其主要基于历史交通环境信息及其对应的历史电动汽车驾驶速度建立神经网络模型，来对电动汽车驾驶速度进行预测，基于此确定电动汽车的能量消耗，最后再基于能量消耗以及电池数据确定电动汽车充电需求。但依旧无法站在用户的角度来进行需求预测。

此外，也有研究引入电动汽车的出行数据来进行需求预测，但通常考虑的数据不够全面，无法充分挖掘用户的需求。例如，申请(专利)号：202110427920.1，名称：基于智能体仿真的城市电动汽车充电需求预测方法及系统，该专利主要基于概率密度函数确定的出行者行为参数以及电动汽车的轨迹数据进行需求预测，并没有考虑地理因素等其他因素，因此在全面性上存在一定不足。

综上，现有的研究很少站在电动汽车用户的视角，基于丰富的用户行为数据来对充电负荷进行预测。

发明内容

针对现有技术存在的上述不足，本发明提供一种基于用户行为的充电汽车充电负荷预测方法，主要在于基于电动汽车用户的真实行为数据更充分地分析挖掘了用户的实际需求，通过此进行的充电负荷预测会更接近于用户的真实需求，同时本发明考虑到的数据维度包括轨迹数据、地理数据如路网数据及POI(Point of Interest，兴趣点)数据、电池数据等，相对于现有技术更为全面。

本发明采用的技术方案为：

一种基于用户行为的电动汽车充电负荷预测方法，包括以下步骤：