基于双范式融合张量CP分解的充电时长预测方法和装置制造方法及图纸

本发明专利技术公开基于双范式融合张量CP分解的充电时长预测方法和装置，具体包括以下步骤：S1：采集历史充电桩充电时长信息；S2：根据存储的历史充电桩充电时长数据构建充电桩充电时长张量；S3：根据充电桩充电时长张量构建贴近充电桩充电时长预测的目标损失函数，然后进行迭代优化；S4：计算充电桩充电时长的预测值。本发明专利技术提供了一种基于双范式融合CP张量分解的电动汽车充电桩充电时长预测方法方法和装置，通过监控现有充电桩的充电状态，每一个充电桩就是一个节点，把多个充电桩连接在一起构成一个网络，由于充电桩状态一直在变化，因此这是一个时变网络，可以构建一个张量。从而通过CP张量分解进行符合规律的、准确度高的充电桩充电时长预测，以解决针对包含时序信息的动态的充电桩充电时长预测问题。

【技术实现步骤摘要】

本专利技术涉及大数据，特别涉及基于双范式融合张量cp分解的充电时长预测方法和装置。

技术介绍

1、随着新能源技术的兴起和制造业的发展，越来越多的企业和组织开始涉及电动车市场，为电动汽车的发展提供了强大动力。由此，电动汽车保有量开始爆炸增长，产生了一系列基础设施数量不匹配的问题。因此，需要加快完善充电基础设施，特别是充电站的建设。根据我们采集的数据发现，电动汽车充电桩的利用率存在不平衡的现象，部分充电桩的负荷需求过剩或过载，导致效率低下。为更好地满足用户的充电需求，我们通过预测充电桩的充电时长来解决充电不平衡的现象，提高充电桩的利用效率。

2、当前，工业界和学术界进行了许多研究，旨在设计出有效的模型来预测未知充电桩的充电时长。现有模型的设计大多数是基于矩阵分解的方法，通过已知的历史充电桩充电时长预测未知的充电桩充电时长。然而，基于矩阵分解设计的模型，主要集中在处理二维静态数据上，而忽略了上下文信息(如时间和位置)。在实际应用中，上下文信息对充电桩充电时长的预测起着十分重要的作用。因为充电桩的充电时长是随着时间变化的，而基于矩阵分解的预测方法无法有本文档来自技高网...

【技术保护点】

1.基于双范式融合张量CP分解的充电时长预测方法，其特征在于，具体包括以下步骤：

2.如权利要求1所述的基于双范式融合张量CP分解的充电时长预测方法，其特征在于，所述S1中，历史充电桩充电时长信息以四元组的形式进行存储，四元组表示形式为V＝(d,h,u,t)，d表示请求充电桩订单数据的历时天数，h表示每日充电桩充电的小时时间段，u表示用户使用的充电桩ID，t表示充电桩u号在第d天中第h小时段的充电时长。

3.如权利要求1所述的基于双范式融合张量CP分解的充电时长预测方法，其特征在于，所述S2包括：

4.如权利要求1所述的基于双范式融合张量CP分解的充电...

【技术特征摘要】

1.基于双范式融合张量cp分解的充电时长预测方法，其特征在于，具体包括以下步骤：

2.如权利要求1所述的基于双范式融合张量cp分解的充电时长预测方法，其特征在于，所述s1中，历史充电桩充电时长信息以四元组的形式进行存储，四元组表示形式为v＝(d,h,u,t)，d表示请求充电桩订单数据的历时天数，h表示每日充电桩充电的小时时间段，u表示用户使用的充电桩id，t表示充电桩u号在第d天中第h小时段的充电时长。

3.如权利要求1所述的基于双范式融合张量cp分解的充电时长预测方法，其特征在于，所述s2包括：

4.如权利要求1所述的基于双范式融合张量cp分解的充电时长预测方法，其特征在于，所述s3包括：

5.如权利要求4所述的基于双范式融合张量cp分解的充电时长预测方法，其特征在于，所述s3-1中，过程参数包括充电桩充电时长张量t，隐...

【专利技术属性】
技术研发人员：夏艳，吴昊，杨兵，王兰，吉志敏，
申请(专利权)人：重庆航天职业技术学院，
类型：发明
国别省市：