基于长短期记忆网络的用户离家时间预测方法技术

本发明专利技术涉及一种基于长短期记忆的用户离家时间预测方法，包括以下步骤：步骤1：用户的历史出行数据的记录；步骤2：分别对用户历史回家时间和历史离家时间、这二类数据进行归一化处理，历史初始SOC以及历史目标SOC因为取值处于0到1的区间，无需进行归一化处理；步骤3：对历史数据进行分组，按照表1对应选取输入量和输出量，即组输入量应有9个输入元素；步骤4：对步骤3中产生的数据组进行分组；步骤5：对LSTM网络进行参数设置并对预测网络进行训练；步骤6：用户离家时间的预测值的获取。步骤7：特殊情况应对。该用户离家时间预测模型相较于传统的用户自主设置的方式，能有效减小误差，避免功率浪费以及恶性竞争问题。

【技术实现步骤摘要】
基于长短期记忆网络的用户离家时间预测方法
本专利技术属于电力系统主动配电网
，特别涉及一种基于长短期记忆网络的用户离家时间预测方法。
技术介绍
现有的电动汽车充电方式包括换电池、无线充电和充电桩充电三种。换电池充电模式的优点是“充电”速度快，甚至快于传统燃油汽车的加油速度。不过这一模式也存在明显的缺点，基本建设的初始成本过高、蓄电池缺乏统一标准以及换电过程可能产生安全隐患等一系列问题使得这一模式难以得到推广。无线充电是指不以电缆为介质进行能量传递，而是通过电磁感应等途径，优点是充电过程方便，缺点则是受制于技术的成熟度和相关材料的研制，这一技术尚未成熟，因此也就难以得到推广。充电桩充电又可以分为快速充电和常规充电。目前市面的电动汽车普遍都支持这两种充电方式，通常情况下用户会使用所购车品牌专属的壁挂式充电桩，当用户在小区以外时，较为常见的有各个电动汽车品牌的充电站以及国家电网运营的充电站。快速充电是指以较大的功率对电动汽车进行充电，通常是常规充电功率的数十倍以上。这一充电模式的优点是充电速度快，缺点则是费用相对较高以及本文档来自技高网...

【技术保护点】
1.一种基于长短期记忆网络的用户离家时间预测方法，其特征是包括下列步骤：/n步骤1：用户的历史出行数据的记录；/n步骤2：分别对用户历史回家时间和历史离家时间、这二类数据进行归一化处理，历史初始SOC以及历史目标SOC因为取值处于0到1的区间，无需进行归一化处理；/n步骤3：对历史数据进行分组，按照常见电动汽车基本参数对应选取输入量和输出量；/n步骤4：对步骤3中产生的数据组进行分组；/n步骤5：对LSTM网络进行参数设置并对预测网络进行训练；/n步骤6：用户离家时间的预测值的获取；/n步骤7：特殊情况应对。/n

【技术特征摘要】
1.一种基于长短期记忆网络的用户离家时间预测方法，其特征是包括下列步骤：
步骤1：用户的历史出行数据的记录；
步骤2：分别对用户历史回家时间和历史离家时间、这二类数据进行归一化处理，历史初始SOC以及历史目标SOC因为取值处于0到1的区间，无需进行归一化处理；
步骤3：对历史数据进行分组，按照常见电动汽车基本参数对应选取输入量和输出量；
步骤4：对步骤3中产生的数据组进行分组；
步骤5：对LSTM网络进行参数设置并对预测网络进行训练；
步骤6：用户离家时间的预测值的获取；
步骤7：特殊情况应对。


2.根据权利要求1所述的基于长短期记忆网络的用户离家时间预测方法，其特征是：所述步骤1中，当电动汽车接入充电桩后，将用户的回家时间以及通过电动汽车的BMS系统获取的初始SOC以及目标SOC记录到该用户的历史出行数据中。


3.根据权利要求1所述的基于长短期记忆网络的用户离家时间预测方法，其特征是：所述步骤2中，可通过下式进行归一化处理：



式中，x表示原始的历史数据；min(x)表示该类历史数据中最小的值；max(x)表示该类历史数据中最大的值；x′表示归一化后的历史数据。


4.根据权利要求1所述的基于长短期记忆网络的用户离家时间预测方法，其特征是：每组输入量应有9个输入元素，包括预测日一周前离家时间上一个出行日内离家时间预测日一周前回家时间上一个出行日内回家时间预测日回家时间预测日一周前初始上一个出行日内初始预测日初始目标SOC-SOCtar。


5.根据权利要求1所述的基于长短期记忆网络的用户离家时间预测方法，其特征是：所述步骤4中，对步骤3中产生的数据组按照下式进行分组...

【专利技术属性】
技术研发人员：黄扬琪，刘韬，何伟，邹进，陈文，
申请(专利权)人：国网江西省电力有限公司电力科学研究院，国家电网有限公司，国网江西省电力有限公司新余供电分公司，
类型：发明
国别省市：江西;36