公共充电桩群计量误差预测方法、系统、介质和程序产品技术方案

本发明专利技术涉及公共充电桩群计量误差预测方法、系统、介质和程序产品，属于电动汽车充电设施监测技术领域，本发明专利技术通过对传统的卡尔曼滤波算法模型充电预测协方差矩阵进行改进，对预测协方差矩阵增加了历史信息P<subgt;k‑1|k‑1</subgt;，为了平衡历史信息和新的预测信息，引入渐消因子通过渐消因子大小的变化从而对新旧信息进行权衡，较大的渐消因子表示更依赖新的预测信息，较小的渐消因子表示更依赖历史信息；有效提高了预测精度和模型适应性，使预测模型根据需要提高模型对新信息的响应速度，提高预测的准确性，解决了现有技术中预测结果不准确的问题。

【技术实现步骤摘要】

本专利技术属于电动汽车充电设施监测，具体涉及公共充电桩群计量误差预测方法、系统、介质和程序产品。

技术介绍

1、电动汽车公共充电桩的充电电量实际值与充电电量显示值的差值作为充电桩计量误差，一般通过充电桩计量误差对充电桩计量的准确性进行评估。

2、在评估对象为公共充电桩群时，由于充电桩群中充电桩的数量较大，对每一个充电桩都进行计量误差计算，需要对大量数据进行采集和计算，导致所需的工作时间较长，因此常用的方法是利用抽样出的充电桩计量的准确性来表征整体充电桩群计量的准确性，为了判断抽样出的充电桩计量的准确性，通常使用传统的卡尔曼滤波算法对抽样出的充电桩计量误差进行预测。而传统的卡尔曼滤波算法在预测充电桩计量误差时，受限于固定模型参数，预测结果往往会受到噪声和不确定性的影响，导致预测精度不足。

技术实现思路

1、本专利技术的目的在于提供公共充电桩群计量误差预测方法、系统、介质和程序产品，用以解决现有技术中预测结果不准确的问题。

2、为解决上述技术问题，本专利技术提供了一种公共充电桩群计量误差预本文档来自技高网...

【技术保护点】

1.一种公共充电桩群计量误差预测方法，其特征在于，该方法包括：

2.根据权利要求1所述的公共充电桩群计量误差预测方法，其特征在于，渐消因子是随迭代次数改变的，且随迭代次数改变的渐消因子的计算公式为：

3.根据权利要求2所述的公共充电桩群计量误差预测方法，其特征在于，所述初始渐消因子是根据抽样出的充电桩运行状态和充电桩的计量误差数据确定的，充电桩异常运行时的渐消因子大于充电桩正常运行且充电桩的计量误差数据大于计量误差阈值时的渐消因子，充电桩正常运行且充电桩的计量误差数据大于计量误差阈值时的渐消因子大于充电桩正常运行且充电桩的计量误差数据小于等于计量误差阈值时的渐消因...

【技术特征摘要】

1.一种公共充电桩群计量误差预测方法，其特征在于，该方法包括：

2.根据权利要求1所述的公共充电桩群计量误差预测方法，其特征在于，渐消因子是随迭代次数改变的，且随迭代次数改变的渐消因子的计算公式为：

3.根据权利要求2所述的公共充电桩群计量误差预测方法，其特征在于，所述初始渐消因子是根据抽样出的充电桩运行状态和充电桩的计量误差数据确定的，充电桩异常运行时的渐消因子大于充电桩正常运行且充电桩的计量误差数据大于计量误差阈值时的渐消因子，充电桩正常运行且充电桩的计量误差数据大于计量误差阈值时的渐消因子大于充电桩正常运行且充电桩的计量误差数据小于等于计量误差阈值时的渐消因子。

4.根据权利要求3所述的公共充电桩群计量误差预测方法，其特征在于，充电桩异常运行时，渐消因子为充电桩异常渐消因子设定值；充电桩正常运行且充电桩的计量误差数据大于计量误差阈值时，渐消因子为γk|p|，充电桩正常运行且计量误差数据小于等于计量误差阈值时，渐消因子为k|p|，其中，γ为倍数设定值且取值大于1，k为设定系数，p为充电桩的计量误差数据。

<...

【专利技术属性】
技术研发人员：曹宏宇，梁言贺，刘惠颖，田文，宫游，李琦，李兴刚，王晓宇，文茹馨，曲井致，
申请(专利权)人：国网黑龙江省电力有限公司营销服务中心，
类型：发明
国别省市：