一种数据驱动的充电桩数量的预测方法、装置制造方法及图纸

技术编号:40823065 阅读:13 留言:0更新日期:2024-04-01 14:43
本发明专利技术公开了一种数据驱动的充电桩数量的预测方法、装置,该方法包括:获取目标区域的历史充电桩数量数据,并对历史充电桩数量数据进行预处理,得到对应的预处理数据集;将预处理数据集划分为训练样本集、验证样本集和测试样本集;将训练样本集和验证样本集输入至预设LSTM预测模型,以训练预设LSTM预测模型;将测试样本集输入至训练好的预设LSTM预测模型,以使预设LSTM预测模型根据目标区域的实际车位数量得到不大于实际车位数量的预测结果。

【技术实现步骤摘要】

本专利技术涉及计算机,尤其涉及一种数据驱动的充电桩数量的预测方法、装置


技术介绍

1、近年来,由于环保的要求,汽车的技术发展正朝车辆节能化、排放洁净化等方向积极推进,整体来看,我国电动汽车的前景广阔,发展潜力巨大。截止2021年6月底,我国电动汽车保有量493万辆。当前,与电动汽车相配套的充电桩和充换电服务便利性虽然得到了一定程度的发展,但仍存在充电负荷及充电桩数量预测不够准确的问题。未来一段时间,电动汽车充电桩的需求量将会持续增长,如果能对电动汽车充电负荷及充电桩数量进行比较准确的预测,进一步完善充电设施,很大程度上能够促进电动汽车的普及率。

2、在相关技术中,现有充电桩数量预测方法主要有两类:第一类是基于原有充电设施数量的数据进行预测的方法。第二种是基于充电车辆的保有量和充电设施配比度的预测方法。

3、在第一类中,传统的时间序列预测技术在处理高维大数据以及表示复杂函数的能力方面受到限制,深度学习模型在复杂度和序列特征表示方面具有很大的优势。目前常见的预测方法主要包含线性回归模型、自回归滑动平均模型、循环神经网络、支持向量机模型本文档来自技高网...

【技术保护点】

1.一种数据驱动的充电桩数量的预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的一种数据驱动的充电桩数量的预测方法,其特征在于,所述对所述历史充电桩数据进行预处理,包括:

3.根据权利要求2所述的一种数据驱动的充电桩数量的预测方法,其特征在于,所述历史充电桩数量数据包括每月充电桩数量数据;在当前月份充电桩数量数据对应的数量小于上一个月份充电桩数量数据对应的数量的情况下,当前月份充电桩数量数据被视为异常数据。

4.根据权利要求1所述的一种数据驱动的充电桩数量的预测方法,其特征在于,所述将所述训练样本集和所述验证样本集输入至预设LSTM预测模型...

【技术特征摘要】

1.一种数据驱动的充电桩数量的预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的一种数据驱动的充电桩数量的预测方法,其特征在于,所述对所述历史充电桩数据进行预处理,包括:

3.根据权利要求2所述的一种数据驱动的充电桩数量的预测方法,其特征在于,所述历史充电桩数量数据包括每月充电桩数量数据;在当前月份充电桩数量数据对应的数量小于上一个月份充电桩数量数据对应的数量的情况下,当前月份充电桩数量数据被视为异常数据。

4.根据权利要求1所述的一种数据驱动的充电桩数量的预测方法,其特征在于,所述将所述训练样本集和所述验证样本集输入至预设...

【专利技术属性】
技术研发人员:殷杰马立骏吴春华毕凤娟黄震葛岳军赵紫玉杨芬严媛萍陈宇江佳莹
申请(专利权)人:浙江华云信息科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1