[发明专利]一种电动汽车供需差预测方法和充电桩布局规划方法在审
| 申请号： | 201711012697.4 | 申请日： | 2017-10-25 |
| 公开（公告）号： | CN109711913A | 公开（公告）日： | 2019-05-03 |
| 发明（设计）人： | 王晓蓉;张骁;陈薇;林武桃;徐龙龙;王腾蛟;张国宾;邓春宇 | 申请（专利权）人： | 中国电力科学研究院有限公司;北京大学;国家电网公司;国网江苏省电力公司电力科学研究院 |
| 主分类号： | G06Q30/06 | 分类号： | G06Q30/06;G06Q30/02;G07F15/00;G06Q10/04;G06Q50/06 |
| 代理公司： | 北京君尚知识产权代理事务所(普通合伙) 11200 | 代理人： | 邱晓锋 |
| 地址： | 100192 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种电动汽车供需差预测方法和充电桩布局规划方法。该电动汽车供需差预测方法包括：从原始数据中抽取相关数据并构造特征；使用信息增益率对特征进行排序，生成特征排序表；对特征排序表进行倒序筛选，生成不同数据缺失程度的特征子集；针对不同数据缺失程度的特征子集，利用改进的回归树算法生成相应的子回归树模型；按照线性回归模型进行整合，学习出各个子回归树模型的参数；使用线性回归的投票策略进行集成，得到集成学习回归树模型，进行车辆供需差的预测。然后依据车辆供需差来计算出充电桩布局模型。本发明采用时间复杂度较低、准确率较高的集成学习回归树，能够解决存在数据缺失情况下充电桩布局规划的问题。 | ||
| 搜索关键词： | 充电桩 布局规划 电动汽车 数据缺失 树模型 回归 预测 集成学习 特征子集 排序表 线性回归模型 时间复杂度 布局模型 构造特征 使用信息 线性回归 原始数据 树算法 准确率 倒序 整合 排序 抽取 筛选 投票 改进 学习 | ||
【主权项】：
1.一种电动汽车供需差预测方法，其特征在于，包括以下步骤：1)从原始数据中抽取与预测电动汽车供需差相关的数据，并根据抽取的数据构造特征；2)使用信息增益率对构造的特征进行排序，生成特征排序表；3)使用贪心向前搜索算法对特征排序表进行倒序筛选，生成不同数据缺失程度的特征子集；4)针对不同数据缺失程度的特征子集，利用改进的回归树算法生成相应的子回归树模型；5)将生成的多个不同的子回归树模型按照线性回归模型进行整合，学习出各个子回归树模型的参数；6)依据学习出的各个子回归树模型的参数，使用线性回归的投票策略进行集成，得到集成学习回归树模型，通过该集成学习回归树模型进行车辆供需差的预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国电力科学研究院有限公司;北京大学;国家电网公司;国网江苏省电力公司电力科学研究院，未经中国电力科学研究院有限公司;北京大学;国家电网公司;国网江苏省电力公司电力科学研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711012697.4/，转载请声明来源钻瓜专利网。
