一种电动汽车用户分类方法及系统与流程

本发明主要涉及电动汽车，具体涉及一种电动汽车用户分类方法及系统。

背景技术：

1、随着全球对可持续能源的需求增加，电动汽车(ev)的普及率正快速上升，这不仅促进了交通领域的绿色转型，也带来了对智能电网和充电基础设施的新挑战。电动汽车用户的充电行为对电网负荷管理有着直接的影响，尤其是在高峰时段，大量的电动汽车充电需求可能会导致电网过载，影响电力系统的稳定性和经济性。

2、电动汽车用户的行为特征是进行充电设施布局规划、充电调度优化以及电网负荷管理的重要依据。传统的电动汽车用户分类方法大多基于静态特征，无法准确反映用户的动态行为变化。电动汽车用户的出行规律、充电习惯等存在显著的个体差异，且这些行为特征随着时间、地点和其他外部因素的变化而变化。因此，研究基于动态数据的电动汽车用户行为特征分析与分类方法，对于提升充电设施利用率、优化能源管理以及提高用户满意度具有重要意义。现有的电动汽车用户分类方法大多采用传统的分类方法，这些方法在处理大规模、高维度和动态变化的数据时存在诸多不足。

技术实现思路

1、针对现有技术存在的技术问题，本发明提供一种提高分类准确性和效率的电动汽车用户分类方法及系统。

2、为解决上述技术问题，本发明提出的技术方案为：

3、一种电动汽车用户分类方法，包括步骤：

4、1)获取电动汽车用户的出行数据和充电数据；

5、2)根据电动汽车用户的出行数据和充电数据得到电动汽车的充电行为特征；所述充电行为特征包括电动汽车充电时间特征、充电电量特征以及充电偏好特征；

6、3)根据电动汽车的充电行为特征，利用梯度提升决策树算法来对电动汽车用户进行分类。

7、优选地，在步骤2)中，采用电池参数和充电时长来描述电动汽车的充电行为特性；

8、其中不同类型的电动汽车具有不同的电池容量，统计各种类型的电动汽车的电池容量数据后，得到不同类型的电动汽车的电池容量如下：

9、

10、其中是电动汽车的电池容量，p为电动汽车的类型，α和β为伽马函数的参数，μ和σ为正态函数的参数；

11、其中设置电动汽车用户的期望电量服从n(0.85，0.3)的正态分布，电动汽车的充电时长如下：

12、

13、式中：为开始充电时的荷电状态，η为充电效率，pc为充电功率。

14、优选地，在步骤2)中，对于某充电站内的第i辆电动汽车来说，充电时间特性包括到站时刻离站时刻入网时刻离网时刻排队时长充电时长充电结束后至离开充电站的停驻时长以及在充电站的总的停留时长其中，排队时长充电时长停驻时长以及总的停留时长由以下公式得到：

15、

16、将八个时间特征分为电动汽车充电时间状态量特征集合和电动汽车充电时间过程量特征集合，如以下公式所示：

17、

18、式中：n为研究区域内所有电动汽车的数量，τ为所有电动汽车充电时间状态量特征集合，t为所有电动汽车充电时间过程量特征集合。

19、优选地，在步骤2)中，第i辆电动汽车的用户电量特征包括接入电网时的电量离开电网时的电量实际充电电量δei、期望电量充电需求量以及电池容量

20、其中,期望电量服从以下公式所示的正态分布：

21、

22、实际充电电量δei为：

23、

24、充电需求量为：

25、

26、将六个用户电量特征分为电动汽车用户电量状态量特征集合和电动汽车用户电量过程量特征集合，如以下公式所示：

27、

28、式中：s为研究区域内所有电动汽车用户电量状态量特征集合，e为研究区域内所有电动汽车用户电量过程量特征集合。

29、优选地，在步骤2)中，采用车辆参数特征ωi、响应意愿σi和充电费用ci来描述用户的充电偏好特征。

30、优选地，车辆参数特征ωi如下式所示：

31、

32、式中：ωi为第i辆电动汽车的车辆参数特征，当其为0时，表示第i辆电动汽车没有和电动汽车聚合商签订相关的响应条约，不响应电网的优化调度；当ω为1时，表示第i辆电动汽车与电动汽车聚合商签订相关的响应条约，是否参与电网的优化调度取决于其他特征量。

33、优选地，得到响应意愿σi的过程为：

34、通过历史响应行为来判断本次的响应意愿σi，定义电动汽车i响应率为一段时间内响应调度次数和电网发起响应次数的比值：

35、

36、式中：σti为第i辆电动汽车的响应率，n为天数，为第i辆电动汽车在第j天的响应次数，为电网在第j天向第i辆电动汽车发起响应的次数；

37、对和做出如下的规定:nc＝[0,1,2,3]，即电网每天向电动汽车最少发起一次最多发起三次响应，而电动汽车响应的次数在0-3之间随机取值；

38、

39、式中：σt为研究区域内所有电动汽车的平均响应率；

40、因此，本次电动汽车的响应意愿σi如下式所示：

41、

42、当第i辆电动汽车的响应率大于所有电动汽车的平均响应率时，该电动汽车愿意参与本次响应，否则不愿意参与本次响应。

43、优选地，得到充电费用ci的具体过程为：

44、根据研究范围内所有充电站地理位置与充电电价信息，基于第i辆电动汽车进入充电站的数据集的gps定位进行站点匹配，得到每条充电数据中的电价信息ca(t)，得到第i辆电动汽车的充电费用ci如下：

45、

46、其中pi(t)为第i辆电动汽车在t时刻的充电功率；ca(t)为充电站的实时电价。

47、优选地，在步骤3)中，梯度提升决策树算法的步骤为：

48、s31、构建初始模型

49、对于训练样本集{xi，yi)}n，i＝1，2，..，n，其中xi为第i个样本的行为特征，yi为第i个样本的类别标签，损失函数为l[y,f(x)]，γ为此迭代中决策类别，然后初始化弱学习器：

50、

51、lt表示t时刻的负荷，f0(x)表示i时刻分类的充电车辆数，pc表示每辆车充电桩的充电参数；

52、s32、循环迭代过程

53、迭代次数m为弱学习器的个数；记迭代m的模型为fm(x)，当m＝1，2，...m，m为迭代次数，执行以下操作；对于i＝1，2，...，n，计算损失函数l的负梯度为：

54、

55、γm是训练决策树的拟合残差的加权系数，具体地：

56、

57、由hm(x)迭代后得到的模型如下：

58、fm(x)＝fm-1(x)+γmhm(x)

59、经过m次迭代，得到最终的强分类模型fm(x)。

60、本发明还公开了一种电动汽车用户分类系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。

61、与现有技术相比，本发明的优点在于：

62、本发明基于用户的实际出行和充电数据，这些数据反映了用户的真实行为，使得分类更加贴近用户实际使用情况；充电行为特征包括充电时间、电量特征和偏好特征，这些特征能够全面刻画用户的行为模式，为分类提供了丰富的信息；本发明将梯度提升决策树算法应用于电动汽车用户分类，结合车联网平台采集的实时数据，能够显著提高分类的准确性和效率。本发明精细考虑了电动汽车用户的动态变化特性，通过提取不同的电动汽车用户特征，能够适应不同的电动汽车，对于有效提升电动汽车用户的调度潜力、提高系统运行的经济性有重要的意义。

技术特征：

1.一种电动汽车用户分类方法，其特征在于，包括步骤：

2.根据权利要求1所述的电动汽车用户分类方法，其特征在于，在步骤2)中，采用电池参数和充电时长来描述电动汽车的充电行为特性；

3.根据权利要求1所述的电动汽车用户分类方法，其特征在于，在步骤2)中，对于某充电站内的第i辆电动汽车来说，充电时间特性包括到站时刻离站时刻入网时刻离网时刻排队时长充电时长充电结束后至离开充电站的停驻时长以及在充电站的总的停留时长其中，排队时长充电时长停驻时长以及总的停留时长由以下公式得到：

4.根据权利要求1或2或3所述的电动汽车用户分类方法，其特征在于，在步骤2)中，第i辆电动汽车的用户电量特征包括接入电网时的电量离开电网时的电量实际充电电量δei、期望电量充电需求量以及电池容量

5.根据权利要求1或2或3所述的电动汽车用户分类方法，其特征在于，在步骤2)中，采用车辆参数特征ωi、响应意愿σi和充电费用ci来描述用户的充电偏好特征。

6.根据权利要求5所述的电动汽车用户分类方法，其特征在于，车辆参数特征ωi如下式所示：

7.根据权利要求5所述的电动汽车用户分类方法，其特征在于，得到响应意愿σi的过程为：

8.根据权利要求5所述的电动汽车用户分类方法，其特征在于，得到充电费用ci的具体过程为：

9.根据权利要求1或2或3所述的电动汽车用户分类方法，其特征在于，在步骤3)中，梯度提升决策树算法的步骤为：

10.一种电动汽车用户分类系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序在被处理器运行时执行如权利要求1-9中任意一项所述方法的步骤。

技术总结
本发明公开了一种电动汽车用户分类方法及系统，分类方法包括步骤：1)获取电动汽车用户的出行数据和充电数据；2)根据电动汽车用户的出行数据和充电数据得到电动汽车的充电行为特征；所述充电行为特征包括电动汽车充电时间特征、充电电量特征以及充电偏好特征；3)根据电动汽车的充电行为特征，利用梯度提升决策树算法来对电动汽车用户进行分类。本发明能够显著提高分类的准确性和效率。

技术研发人员：宁志毫,毛柳明,朱吉然,王小源,肖辉,曾林俊,任磊
受保护的技术使用者：国网湖南省电力有限公司
技术研发日：
技术公布日：2024/12/5