充电价值画像生成方法、装置、电子设备及可读存储介质制造方法及图纸

本申请公开了一种充电价值画像生成方法、装置、电子设备及可读存储介质，涉及大数据挖掘技术领域，对原始充电数据进行属性构造并根据充电行为波动性数据进行分类，最后根据聚类画像规则构建充电价值画像，将用户划分为拥有不同发展价值的几个典型群体，能对用户行为特征进行精准挖掘，扩大画像维度，提升画像准确度。所述方法包括：响应于充电价值画像生成请求，获取待画像用户的用户数据，利用预设数据分析模型对用户数据进行处理，得到目标行为数据；获取阈值分类器、预设波动阈值，在目标行为数据中读取充电行为波动性数据；若充电行为波动性数据大于等于预设波动阈值，则利用目标聚类分类标准对目标行为数据进行画像操作，得到充电价值画像。充电价值画像。充电价值画像。

【技术实现步骤摘要】
充电价值画像生成方法、装置、电子设备及可读存储介质


[0001]本申请涉及大数据挖掘
，特别是涉及一种充电价值画像生成方法、装置、电子设备及可读存储介质。

技术介绍

[0002]随着大数据挖掘技术的飞速发展，新能源汽车的规模也在不断扩大，使得电动汽车(EV：Electric Vehicle)的数量以及充电行为也越来越多。由于海量的电动汽车接入电力系统会给电力系统带来更多的不确定性，因此，利用新能源汽车大数据挖掘技术研究用户充电行为数据并挖掘其背后的规律，能够对配电网进行管理和优化。通过对用户行为进行研究得到的用户画像，是一种从数据中抽象出来的、用来描述用户属性、偏好、行为习惯的标签化用户模型，企业通过用户画像能够更深入的了解每个用户的需求，从而制定个性化服务，比如汽车用户充电价值画像。
[0003]相关技术中，新能源汽车领域的充电价值画像一般是基于大数据或者问卷调查生成的，其中，基于大数据的充电价值画像生成方法主要是根据基于划分的硬聚类对用户进行分类，通常是选用多类属性合成多维数据进行聚类，得出用户簇和簇内数量并生成充电价值画像。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种充电价值画像生成方法，其特征在于，包括：响应于充电价值画像生成请求，获取待画像用户的用户数据，利用预设数据分析模型对所述用户数据进行处理，得到目标行为数据；获取阈值分类器、所述阈值分类器对应的预设波动阈值，在所述目标行为数据中读取充电行为波动性数据，所述充电行为波动性数据指示了所述待画像用户充电行为的波动性；若所述充电行为波动性数据大于等于所述预设波动阈值，则获取目标聚类分类标准，利用所述目标聚类分类标准对所述目标行为数据进行画像操作，得到所述待画像用户的充电价值画像。2.根据权利要求1所述的方法，其特征在于，所述响应于充电价值画像生成请求，获取待画像用户的用户数据，包括：获取所述充电价值画像生成请求携带的用户标识，将所述用户标识指示的用户作为所述待画像用户，以及在数据库中查询所述用户标识指示的原始用户数据；在所述原始用户数据中确定异常数据、重复数据、空值数据，以及将所述异常数据、所述重复数据、所述空值数据在所述原始用户数据中删除，所述异常数据包括硬件异常数据、软件异常数据、操作异常数据；获取预设数据格式，采用所述预设数据格式对删除后的所述原始用户数据进行调整，得到第一预处理数据；获取预设时间格式，采用所述预设时间格式对所述第一预处理数据进行调整，得到第二预处理数据；在所述第二预处理数据中识别所述待画像用户的用户名称，以及在所述用户名称为零或者为空时，将所述用户信息作为异常用户信息；在所述第二预处理数据中获取车辆信息，利用所述车辆信息对所述异常用户信息进行替换，以及将替换后的所述第二预处理数据作为所述用户数据。3.根据权利要求1所述的方法，其特征在于，所述利用预设数据分析模型对所述用户数据进行处理，得到目标行为数据，包括：获取所述预设数据分析模型包括的多个属性计算公式，所述多个属性计算公式包括充电近度计算公式、充电总频次计算公式、充电总量计算公式、用户生命周期计算公式、充电行为波动性计算公式；在所述用户数据中获取所述待画像用户的数据统计截止时间T
now
、所述待画像用户的最后一次充电时间T
rec
，以及利用所述充电近度计算公式对所述待画像用户的数据统计截止时间T
now
、所述待画像用户的最后一次充电时间T
rec
进行计算，得到所述待画像用户的充电近度数据R，其中，R＝T
now
‑
T
rec
其中，R表示所述充电近度数据；在所述用户数据中获取所述待画像用户第i天的充电次数q
i
，以及利用所述充电总频次计算公式对所述待画像用户第i天的充电次数q
i
进行计算，得到所述待画像用户的充电总频次数据F，其中，
其中，F表示所述待画像用户在数据统计时间间隔内的充电总频次数据，n为正整数，i为正整数；在所述用户数据中获取所述待画像用户第i次的充电电量e
i
，以及利用所述充电总量计算公式对所述待画像用户第i次的充电电量e
i
进行计算，得到所述待画像用户的充电总量数据E，其中，其中，E表示所述待画像用户在所述数据统计时间间隔内的充电总量数据，n为正整数，i为正整数；在所述用户数据中获取所述待画像用户的最后一次充电时间T
now
、所述待画像用户的第一次充电时间T
first
，以及利用所述用户生命周期计算公式对所述待画像用户的最后一次充电时间T
now
、所述待画像用户的第一次充电时间T
first
进行计算，得到所述待画像用户的用户生命周期数据L，其中，L＝T
now
‑
T
first
其中，L表示所述待画像用户的用户生命周期数据；在所述用户数据中获取所述待画像用户第n次充电与第n+1次充电之间的时间间隔t
gap
，以及利用所述充电行为波动性计算公式对多个时间间隔t
gap
进行计算，得到所述待画像用户的充电行为波动性数据V，其中，其中，V表示所述待画像用户的充电行为波动性数据，T
gap
表示所述待画像用户在所述数据统计时间间隔内的n个时间间隔的样本集，Mean(T
gap
)表示所述样本集T
gap
的样本均值，n为正整数，i为正整数；对所述待画像用户对应的所述充电近度数据、所述充电总频次数据、所述充电总量数据、所述用户生命周期数据、所述充电行为波动性数据进行整理，得到所述目标行为数据。4.根据权利要求1所述的方法，其特征在于，所述获取阈值分类器、所述阈值分类器对应的预设波动阈值，在所述目标行为数据中读取充电行为波动性数据之后，所述方法还包括：若所述充电行为波动性数据小于所述预设波动阈值，则在所述目标行为数据中读取充电近度数据、充电总频次数据、充电总量数据、用户生命周期数据；获取所述阈值分类器对应的预设分类标准，所述预设分类标准包括多个预设分类结果；在所述阈值分类器中读取每个所述预设分类结果对应的预设近度范围和预设总频次范围，并在所述多个预设分类结果中确定所述待画像用户对应的目标分类结果，其中，所述
充电近度数据处于所述目标分类结果对应的预设近度范围内且所述充电总频次数据处于所述目标分类结果对应的预设总频次范围内；获取所述目标分类结果对应的画像标签，将所述画像标签作为待画像用户对应的目标画像标签；对所述目标画像标签、所述目标分类结果、所述充电近度数据、所述充电总频次数据、所述充电总量数据、所述用户生命周期数据、所述充电行为波动性数据进行整理，生成所述待画像用户的充电价值画像。5.根据权利要求1所述的方法，其特征在于，所述利用所述目标聚类分类标准对所述目标行为数据进行画像操作，得到充电价值画像，包括：获取所述目标聚类分类标准包括的多个画像类别，在所述目标聚类分类标准中读取每个所述画像类别对应的充电近度标准值、充电总频次标准值、充电总量标准值、用户生命周期标准值、充电行为波动性标准值；获取预设维度数据点转换规则，利用所述预设维度数据点转换规则对所述每个画像类别对应的所述充电近度标准值、所述充电总频次标准值、所述充电总量标准值、所述用户生命周期标准值、所述充电行为波动性标准值进行处理，得到所述每个画像类别对应的标准中心点；在所述目标行为数据中读取充电近度数据、充电总频次数据、充电总量数据、用户生命周期数据；利用所述预设维度数据点转换规则对所述充电近度数据、所述充电总频次数据、所述充电总量数据、所述用户生命周期数据、所述充电行为波动性数据进行处理，得到所述待画像用户对应的待画像数据中...

【专利技术属性】
技术研发人员：朱彬，胡晓锐，龙羿，胡文，何珉，邓雯玲，李顺，吴宇，李智，徐婷婷，龙方家，汪会财，池磊，袁秀娟，
申请(专利权)人：国家电网有限公司国网重庆市电力公司，
类型：发明
国别省市：