一种汽车充电需求时空分布的分析与预测方法技术

本申请公开一种汽车充电需求时空分布的分析与预测方法，属于电力系统运行与规划技术领域；方法包括：对汽车出行与充电的实际数据集进行处理，结合层次聚类算法和K

【技术实现步骤摘要】
一种汽车充电需求时空分布的分析与预测方法


[0001]本申请属于电力系统运行与规划
，具体涉及一种汽车充电需求时空分布的分析与预测方法。

技术介绍

[0002]电动汽车的规模化接入会对城市电网的运行特征产生显著的影响，城市电网也面临着交通道路网与城市电网协同耦合运行的新局面。电动汽车受交通道路影响具有空间上的随机性和不确定性，同时又具有电池的本质属性，其潜在的充电需求可能导致区域配电系统过负荷以及线路局部阻塞，影响用户端电能质量。为了更好的提升城市配电网供电质量和运行水平，需要对电动汽车集群的充电需求时空特性进行分析和预测。
[0003]电动汽车充电需求分析可以分为两个方面：(1)基于用户行为形成出行概率和停车充电概率模型进行分析，此类研究依赖各类概率密度分布模型和算法，对用户实际行为的表征可能不准确；(2)基于电动汽车用户出行全轨迹数据进行分析，通过对大量真实数据进行聚类分析，提取用户停车充电偏好模式并分析其特征。在充电需求预测方面目前大都在建立在城市功能分区的基础上，考虑用户路线选择、充电行为、道路交通状况等因素再通过Mont本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车充电需求时空分布的分析与预测方法，其特征在于，包括以下步骤：对汽车出行与充电的实际数据集进行处理，结合层次聚类算法和K
‑
medoids聚类算法，来提取汽车集中充电需求的优先偏好度；通过道路网和电网的耦合关系，得到充电位置偏好度与道路交通流量密度的相关性系数；根据充电地点偏好优先级与道路流量的相关性系数，预测区域内汽车充电需求的时空分布。2.根据权利要求1所述的一种汽车充电需求时空分布的分析与预测方法，其特征在于，提取汽车集中充电需求的优先偏好度的步骤包括：S11，针对包含汽车用户信息的汽车充电数据，去除数据空记录，并提取充电地点有效经纬度坐标数据和充电功率数据；S12，将S11中得到的经纬度坐标数据和充电功率数据作为两个独立数据集，输入为层次聚类的n*1初始化矩阵，以球面距离为相异度测量方法计算得到各行向量间的距离矩阵；再根据层次聚类树中的最大类间距离确定最佳聚类中心数k，得到聚类中心范围内的样本集合；S13，将层次聚类结果作为K
‑
medoids聚类的输入，设置迭代次数阈值m，根据S12步骤得到的聚类个数初始值k和聚类中心样本集合选取初始聚类中心Q；将K
‑
medoids算法的每次运行结果作为凝聚层次聚类中的输入，返回步骤S12，得到最佳聚类数和初始聚类中心；S14，输出聚类结果，计算每个聚类的熵，定义为汽车集中充电需求的优先偏好指数。3.根据权利要求2所述的一种汽车充电需求时空分布的分析与预测方法，其特征在于，所述S12中，以球面距离为相异度测量方法计算得到各行向量间的距离矩阵的公式为：所述S12中，以球面距离为相异度测量方法计算得到各行向量间的距离矩阵的公式为：其中，J表示对象坐标P
i
与P
j
之间的距离，ω
ij
为对象权重，N为对象集合，ν(P
i
,P
j
)表示对象P
i
和P
j
在属性集合内的距离，分别为计算两点间相似度的纬度与经度的弧度单位；R为地球半径。4.根据权利要求2所述的一种汽车充电需求时空分布的分析与预测方法，其特征在于，所述S14中，计算每个聚类的熵的公式为：所述S14中，计算每个聚类的熵的公式为：其中，P
ij
为每个聚类i中的聚类点纯度，其中N
i
代表类中聚类点总个数，N
ij
表示第j个聚类簇中聚类样本个数；e
i
每个聚类簇的熵，其中i是聚类的个数(i＝1
…
k)。5.根据权利要求1所述的一种汽车充电需求时空分布的分析与预测方法，其特征在于，充电位置偏好度与道路交通流量密度的相关性系数的获取步骤为：
S21，在每个时间周期T内，通过道路交通平台得到各充电路段主要交通路口的每日车流量，采用TTI方法计算道路流量指数，建立时序的道路交通流模型，根据交通流量密度定义城市道路等级；S22，针对路段等级权重及汽车集中充电需求优先指数这两个随机变量，并定义其样本协方差，通过计算样本协方差从来判断变量相关性方向；S23，通过计算Spe...

【专利技术属性】
技术研发人员：高山，黄学良，刘晓楠，侯佳欣，姚婉蕾，于子韵，赵欣，刘宇，张志强，魏立勇，陈天恒，祖国强，赵越，范须露，刘伟东，王浩鸣，戚艳，路菲，宁琦，张明凯，杨国朝，张智达，
申请(专利权)人：国网天津市电力公司国家电网有限公司，
类型：发明
国别省市：