一种基于自更新三次指数平滑法的充电桩用电量预测方法技术

本发明专利技术涉及一种基于自更新三次指数平滑法的充电桩用电量预测方法，包括：获取充电桩历史时间序列用电量数据，并收集异常情况；通过相关性分析，得到异常情况对充电桩用电量的影响程度，得到相关性系数；利用相关性系数对三次指数平滑法中的平滑系数进行自动更新，通过更新前后的精度比较，确定出最优平滑系数；基于使用最优平滑系数的三次指数平滑法，对充电桩用电量进行中长期预测，得到对应的预测结果。与现有技术相比，本发明专利技术能够有效分析时间序列内在相关性和外部影响因素对充电桩用电情况的影响，依此生成对应的相关性系数，通过不断迭代提升预测效果，降低由于序列异常波动引起的预测误差，进而保证充电桩用电量预测的准确性和可靠性。准确性和可靠性。准确性和可靠性。

【技术实现步骤摘要】
一种基于自更新三次指数平滑法的充电桩用电量预测方法


[0001]本专利技术涉及用电量预测
，尤其是涉及一种基于自更新三次指数平滑法的充电桩用电量预测方法。

技术介绍

[0002]随着电动汽车的快速发展，充电桩作为一种配套基建设备，也得到了广泛的应用。充电桩的输入端与交流电网直接连接，输出端都装有充电插头用于为电动汽车充电，充电桩的用电行为受到用户行为、地理、环境、季节等因素的强烈影响，目前对于充电桩用电量的预测以及对电网影响的相关研究较少。
[0003]充电桩的用电情况属于时间序列，常见的时间序列模型大致分为三种：加权移动平均模型、指数平滑模型、ARIMA自回归差分模型。一般来说，任何时间序列都会有不规则成分存在，在商务和管理数据中通常不考虑周期性，只考虑趋势成分和季节成分。不含趋势和季节成分的时间序列，即平稳时间序列只含随机成分，只要通过平滑可消除随机波动。因此，这类预测方法也称平滑预测方法。
[0004]指数平滑法是时间序列预测法中的一种算法，该算法预测的数据是指同一数据变量按事件发生的先后排列起来的一组预测值。时间序列的特征有两个：其一是根据历史数据的趋势预测未来数据的发展；其二是数据存在着变动性，有趋势性、周期性、随机性、综合性四种类型。根据指数平滑法的迭代次数，常规的指数平滑法的次数为一到三次。一次和二次指数平滑适用于线性模型，当用电量出现非线性的趋势改变时，二次指数平滑会有误差，故引入三次指数平滑法。三次指数平滑法是在二次平滑的基础上再进行一次平滑计算。传统的三次指数平滑法，采用的是静态参数和静态系数来带入运算模型中。静态三次指数平滑模型的优点在于其在二次指数平滑的基础上保留了季节性的信息，使得其可以预测带有季节性的时间序列。三次指数平滑添加了一个新的参数来表示平滑后的趋势。由于传统的三次指数平滑未考虑外界存在的偏差，静态三次指数平滑法，在稳定的数据模型应用较为广泛。而且，在传统静态的三次指数平滑模型中，平滑系数是一个固定的常量，一旦确定系数就无法进行动态的修正，这就导致在复杂数据的中长期预测中，无法准确可靠地进行预测。

技术实现思路

[0005]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于自更新三次指数平滑法的充电桩用电量预测方法，通过对传统的三阶指数平滑进行改进，实现一种自更新三次指数平滑法，以能够综合考量充电桩用电量曲线可能受到的内部关联与外部影响，从而实现准确可靠预测充电桩用电量的目的。
[0006]本专利技术的目的可以通过以下技术方案来实现：一种基于自更新三次指数平滑法的充电桩用电量预测方法，包括以下步骤：
[0007]S1、获取充电桩历史时间序列用电量数据，并收集异常情况；
[0008]S2、基于历史时间序列用电量数据以及收集的异常情况，通过相关性分析，得到异常情况对充电桩用电量的影响程度，并以相关性系数呈现，即得到相关性系数；
[0009]S3、利用相关性系数对三次指数平滑法中的平滑系数进行自动更新，通过更新前后的精度比较，确定出最优平滑系数；
[0010]S4、基于使用最优平滑系数的三次指数平滑法，对充电桩用电量进行中长期预测，得到对应的预测结果。
[0011]进一步地，所述异常情况具体为数据剧烈波动时的政策信息数据、设备数据和季节变化干扰数据。
[0012]进一步地，所述步骤S2具体是采用皮尔森相关系数进行相关性分析。
[0013]进一步地，所述步骤S2的具体过程为：基于收集的异常情况，进行独热编码，结合历史时间序列用电量数据，与异常情况对应发生时间点的用电量数据进行相关性分析，得到相关性系数。
[0014]进一步地，所述相关性系数具体为：
[0015][0016]其中，x为异常情况发生时间点的用电量，y为异常情况的独热编码值，x
μ
、y
μ
分别为x、y的均值，δx、δy分别为x、y的标准差。
[0017]进一步地，所述步骤S3具体包括以下步骤：
[0018]S31、对历史时间序列用电量数据进行初步预测，当预测到第N周期的数据时，使用预测时间点的前三个标记时间点的数据作为更新训练起点[X
N
‑3,X
N
‑2,X
N
‑1]；
[0019]S32、设定训练迭代次数以及自更新的平滑系数α的初始值；
[0020]S33、创建系数值数组F[m,n]，存入α的初始值，其中，m为预测的充电桩，n为预测的时间点；
[0021]S34、将相关性系数存入F[m,n]，以作为自更新数据的条件，对后期预测的数据进行自更新处理；
[0022]S35、设定预测的时间长度T，确定使用自更新处理的充电桩用电量时间点；
[0023]S36、计算得到预测值，并判断是否需要进行自更新，若判断为是，则对α进行更新，之后执行步骤S37；
[0024]否则计算相关性系数，之后执行步骤S37；
[0025]S37、计算预测值与实际值之间的误差值，若误差值小于设定的误差阈值，则表明当前的α即为最优平滑系数，否则执行步骤S38；
[0026]S38、将遍历查找α的间距重置为0.01，重新计算预测值与实际值之间的误差值，并选取误差值在设定优化阈值以下对应的α，以作为最优平滑系数。
[0027]进一步地，所述平滑系数具体为权重系数，包括时间序列稳定对应的权重系数和时间序列异常对应的权重系数。
[0028]进一步地，所述步骤S36中计算预测值的公式为：
[0029][0030][0031]x
t+T
＝A
t
+B
t
T+C
t
T2[0032]A
t
＝3S
t(1)
‑
3S
t(2)
+S
t(3)
[0033][0034][0035]其中，X
N
‑3,X
N
‑2,X
N
‑1为预测数据的前三个时间点的数据，每计算出一次预测值就要对预测的这三个参数进行更新，常量A
t
、B
t
、C
t
为第t周期的指数平滑系数，由于系数和参数的自更新，因此每一次预测时都是不同的，分别为第t周期的一、二、三次指数平滑值，α
m,n
为在m、n下的权重系数，即相关性系数P，x
t
为当前第t周期的实际值，x
t+T
为未来第t+T周期的预测值。
[0036]进一步地，所述步骤S37中误差值包括均方误差和相对误差，所述步骤S38中误差值具体为相对误差。
[0037]进一步地，所述均方误差的计算公式为：
[0038][0039]S
t
＝x
t+T
[0040]所述相对误差的计算公式为：
[0041][0042]其中，s
t本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自更新三次指数平滑法的充电桩用电量预测方法，其特征在于，包括以下步骤：S1、获取充电桩历史时间序列用电量数据，并收集异常情况；S2、基于历史时间序列用电量数据以及收集的异常情况，通过相关性分析，得到异常情况对充电桩用电量的影响程度，并以相关性系数呈现，即得到相关性系数；S3、利用相关性系数对三次指数平滑法中的平滑系数进行自动更新，通过更新前后的精度比较，确定出最优平滑系数；S4、基于使用最优平滑系数的三次指数平滑法，对充电桩用电量进行中长期预测，得到对应的预测结果。2.根据权利要求1所述的一种基于自更新三次指数平滑法的充电桩用电量预测方法，其特征在于，所述异常情况具体为数据剧烈波动时的政策信息数据、设备数据和季节变化干扰数据。3.根据权利要求1所述的一种基于自更新三次指数平滑法的充电桩用电量预测方法，其特征在于，所述步骤S2具体是采用皮尔森相关系数进行相关性分析。4.根据权利要求3所述的一种基于自更新三次指数平滑法的充电桩用电量预测方法，其特征在于，所述步骤S2的具体过程为：基于收集的异常情况，进行独热编码，结合历史时间序列用电量数据，与异常情况对应发生时间点的用电量数据进行相关性分析，得到相关性系数。5.根据权利要求4所述的一种基于自更新三次指数平滑法的充电桩用电量预测方法，其特征在于，所述相关性系数具体为：其中，x为异常情况发生时间点的用电量，y为异常情况的独热编码值，x
μ
、y
μ
分别为x、y的均值，δx、δy分别为x、y的标准差。6.根据权利要求5所述的一种基于自更新三次指数平滑法的充电桩用电量预测方法，其特征在于，所述步骤S3具体包括以下步骤：S31、对历史时间序列用电量数据进行初步预测，当预测到第N周期的数据时，使用预测时间点的前三个标记时间点的数据作为更新训练起点[X
N
‑3，X
N
‑2，X
N
‑1]；S32、设定训练迭代次数以及自更新的平滑系数α的初始值；S33、创建系数值数组F[m，n]，存入α的初始值，其中，m为预测的充电桩，n为预测的时间点；S34、将相关性系数存入F[m，n]，以作为自更新数据的条件，对后期预测的数据进行自更新处理；S35、设定预测的时间长度T，确定使用自更新处理的充电桩用电量时间点；S36、计算得到预测值，并判断是否需要进行自更新，若判断为是，则对α进行更新，之后执行步骤S37；否则计算相关性系数，之后执行步骤S37；
S37、计算预测值与实际值...

【专利技术属性】
技术研发人员：钟彬，吴建坤，李峰，温蜜，李柏林，马越，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：