【技术实现步骤摘要】
本专利技术涉及一种数据处理，特别是涉及一种基于充电订单数据的充电场负荷预测方法及装置。
技术介绍
1、在充电场站运行的过程中，电车充电过程会产生海量的充电订单数据，企业方可以基于这些充电订单数据进行负荷预测，以确定场站流量。
2、目前，现有在基于充电订单数据进行负荷预测时，需要利用海量已产生的充电订单数据，然而，前期产生的充电订单数据中，包含了因运行故障、通信异常等原因使得充电订单异常的数据，使用这些数据进行负荷预测将大大影响负荷预测的有效性以及准确性。
技术实现思路
1、有鉴于此，本专利技术提供一种基于充电订单数据的充电场负荷预测方法及装置，主要目的在于解决现有基于充电订单数据的充电场负荷预测效率低的问题。
2、依据本专利技术一个方面，提供了一种基于充电订单数据的充电场负荷预测方法，包括：
3、获取待进行负荷预测的充电场的多个充电订单数据，并基于所述充电场的预测充电时长对所述充电订单数据进行数据拟合；
4、基于拟合后的拟合残差序列确定所述充电订单数据的残差相似度特征值，所述残差相似度特征值用于表征充电订单数据残差相似度得分总值；
5、当所述残差相似度特征值小于预设残差阈值，则确定存在残差异常值的异常订单数据，并对所述异常订单数据进行删除，以基于删除后的所述充电订单数据进行负荷预测。
6、进一步地，所述基于拟合后的拟合残差序列确定所述充电订单数据的残差相似度特征值包括：
7、获取对所述充电订单数据进
8、基于拟合后的拟合残差序列计算统计性指标，并通过所述统计性指标确定所述充电订单数据的残差相似度特征值，所述统计性指标包括拟合残差均值、拟合标准差、拟合偏度、直方图分布、四分位数。
9、进一步地，所述通过所述统计性指标确定所述充电订单数据的残差相似度特征值包括：
10、基于本轮的第一拟合残差均值与上一轮的第二拟合残差均值之间的差值进行对数取值，得到拟合残差均值得分；
11、基于本轮的第一拟合标准差与上一轮的第二拟合标准差之间的差值进行对数取值，得到拟合标准差得分；
12、基于本轮的第一拟合偏度与上一轮的第二拟合偏度之间的差值进行对数取值，得到拟合偏度得分；
13、分别确定本轮的第一直方图分布的第一概率差值计算得到的第一绝对值之和，以及上一轮的第二直方图分布的第二概率差值计算得到的第二绝对值之和，并基于所述第一绝对值之和与所述第二绝对值之和的差值进行对数取值，得到直方图分布得分；
14、基于本轮的第一四分位数与上一轮的第二四分位数之间的差值进行对数取值，得到四分位数得分；
15、基于所述拟合残差均值得分、所述拟合标准差得分、所述拟合偏度得分、所述直方图分布得分、所述四分位数得分进行权重求和计算，并基于求和计算得到的数值进行倒数运算，得到所述残差相似度特征值。
16、进一步地，所述基于拟合后的拟合残差序列计算统计性指标包括：
17、基于所述拟合残差序列的极差对拟合残差划分为多个分桶数据，并基于所述分桶数据的频率绘制所述直方图分布。
18、进一步地，所述方法还包括：
19、若所述计数轮次匹配预设轮次阈值，则确定所述的拟合残差序列的数据离群点；
20、在删除所述数据离群点对应的所述充电订单数据之后，重新执行步骤基于预测充电时长对所述充电订单数据进行数据拟合。
21、进一步地，所述基于预测充电时长对所述充电订单数据进行数据拟合包括：
22、确定待进行负荷预测的预测数据集，并统计所述预测数据集中充电订单数据对应的预测充电时长，所述预测数据集为用于进行负荷预测的数据集；
23、在进行数据清洗后的所述充电订单数据具有非线性关系时，基于所述预测充电时长对所述充电订单数据进行数据拟合，并确定所述拟合残差序列。
24、进一步地，所述方法还包括：
25、当所述残差相似度特征值大于或等于所述预设残差阈值，则执行下一轮的所述充电订单数据的数据拟合步骤；或，
26、当所述充电订单数据进行数据拟合的计数轮次匹配预设轮次阈值，则确定完成对所述基于充电订单数据的充电场负荷预测，并生成处理结果。
27、依据本专利技术另一个方面，提供了一种基于充电订单数据的充电场负荷预测装置，包括：
28、获取模块，用于获取待进行负荷预测的充电场的多个充电订单数据，并基于所述充电场的预测充电时长对所述充电订单数据进行数据拟合；
29、确定模块，用于基于拟合后的拟合残差序列确定所述充电订单数据的残差相似度特征值，所述残差相似度特征值用于表征充电订单数据残差相似度得分总值；
30、删除模块，用于当所述残差相似度特征值小于预设残差阈值，则确定存在残差异常值的异常订单数据，并对所述异常订单数据进行删除，以基于删除后的所述充电订单数据进行负荷预测。
31、进一步地，所述确定模块，具体用于获取对所述充电订单数据进行不同计数轮次的数据拟合得到的充电订单拟合值，并基于所述充电订单拟合值与所述充电订单数据之间的差值确定拟合残差序列；基于拟合后的拟合残差序列计算统计性指标，并通过所述统计性指标确定所述充电订单数据的残差相似度特征值，所述统计性指标包括拟合残差均值、拟合标准差、拟合偏度、直方图分布、四分位数。
32、进一步地，所述确定模块，具体还用于基于本轮的第一拟合残差均值与上一轮的第二拟合残差均值之间的差值进行对数取值，得到拟合残差均值得分；基于本轮的第一拟合标准差与上一轮的第二拟合标准差之间的差值进行对数取值，得到拟合标准差得分；基于本轮的第一拟合偏度与上一轮的第二拟合偏度之间的差值进行对数取值，得到拟合偏度得分；分别确定本轮的第一直方图分布的第一概率差值计算得到的第一绝对值之和，以及上一轮的第二直方图分布的第二概率差值计算得到的第二绝对值之和，并基于所述第一绝对值之和与所述第二绝对值之和的差值进行对数取值，得到直方图分布得分；基于本轮的第一四分位数与上一轮的第二四分位数之间的差值进行对数取值，得到四分位数得分；基于所述拟合残差均值得分、所述拟合标准差得分、所述拟合偏度得分、所述直方图分布得分、所述四分位数得分进行权重求和计算，并基于求和计算得到的数值进行倒数运算，得到所述残差相似度特征值。
33、进一步地，所述确定模块，具体还用于基于所述拟合残差序列的极差对拟合残差划分为多个分桶数据，并基于所述分桶数据的频率绘制所述直方图分布。
34、进一步地，所述确定模块，还用于若所述计数轮次匹配预设轮次阈值，则确定所述的拟合残差序列的数据离群点；在删除所述数据离群点对应的所述充电订单数据之后，重新执行步骤基于预测充电时长对所述充电订单数据进行数据拟合。
35、进一步地，所述获取模块，本文档来自技高网...
【技术保护点】
1.一种基于充电订单数据的充电场负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于拟合后的拟合残差序列确定所述充电订单数据的残差相似度特征值包括：
3.根据权利要求2所述的方法，其特征在于，所述通过所述统计性指标确定所述充电订单数据的残差相似度特征值包括：
4.根据权利要求2所述的方法，其特征在于，所述基于拟合后的拟合残差序列计算统计性指标包括：
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述基于预测充电时长对所述充电订单数据进行数据拟合包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种基于充电订单数据的充电场负荷预测装置，其特征在于，包括：
9.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的基于充电订单数据的充电场负荷预测方法对应的操作。
10.一种终端，包括：处理器、存储器、通信接口和通信总
...【技术特征摘要】
1.一种基于充电订单数据的充电场负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于拟合后的拟合残差序列确定所述充电订单数据的残差相似度特征值包括：
3.根据权利要求2所述的方法，其特征在于，所述通过所述统计性指标确定所述充电订单数据的残差相似度特征值包括：
4.根据权利要求2所述的方法，其特征在于，所述基于拟合后的拟合残差序列计算统计性指标包括：
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的方法，...
【专利技术属性】
技术研发人员：戴震，王阳，兰剑，
申请(专利权)人：快电动力北京新能源科技有限公司，
类型：发明
国别省市：
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。