【技术实现步骤摘要】
本专利技术涉及新能源汽车充电站，尤其涉及一种基于数据驱动的充电站多特征画像建模方法及系统。
技术介绍
1、随着电动汽车产业的迅猛发展，充电站作为支撑电动汽车运行的重要基础设施，其建设和运营情况直接关系到电动汽车的普及程度和用户的充电体验。然而，传统的充电站管理方法往往局限于单一的运营指标，难以全面反映充电站的运营状态、设备性能、用户需求等多维度特征，也无法有效支撑充电站参与电网的互动调控。随着大数据和人工智能技术的发展，数据驱动的方法在各个领域得到了广泛应用。在充电站运营领域，通过收集和分析充电站的运行数据、用户充电行为数据、设备状态数据等多源信息，可以实现对充电站运营情况的全面感知和精准画像。这种基于数据驱动的充电站画像建模方法，能够深入挖掘充电站的潜在特征，为充电站的管理和优化提供科学依据。然而，目前尚未有成熟的基于数据驱动的充电站多特征画像建模方法。现有的充电画像构建方法往往聚焦于电动汽车用户行为特征分析，缺乏对充电站精准画像的深入挖掘和综合分析。同时，现有的充电站运营情况分析方法也往往缺乏对电网互动调控的考虑，难以为充电站参与电网互动调控提供有效支撑。
2、因此，本专利技术旨在提出一种基于数据驱动的充电站多特征画像建模方法，通过构建充电站的多特征画像标签体系，运用聚类算法将充电站分成具有特定共性特征的群体。本专利技术不仅能够深入挖掘充电站的多维度特征，还能够基于画像分析结果，支撑后续充电站参与电网互动调控决策制定。一方面能够提升充电站的管理水平和运营效率，另一方面能够促进充电站与电网的互动协调发展，推动新能源
技术实现思路
1、鉴于上述现有存在的问题，提出了提供一种基于数据驱动的充电站多特征画像建模方法，收集充电站的周边兴趣点、订单数量、充电量、充电频次、充电负荷等多维度数据，构建出一个全面反映充电站运营情况的画像标签体系，通过提取标签数据特征并进行聚类实现充电站群体分类。该画像不仅包括充电站的基本属性，如位置、规模等，还包括充电站的运营状态、用户充电行为模式以及用户充电对电网的影响等动态特征。通过构建多特征画像，充电运营商可以全面精准分析充电站的运营情况，制定更加合理的运用策略来提高站点运营效益；同时也能根据充电站画像群体特征更好地引导充电站参与电网互动调控，实现电网削峰填谷。
2、为解决上述技术问题，提出了一种基于数据驱动的充电站多特征画像建模方法，包括，
3、进行充电站数据采集并进行预处理，基于画像理论构建充电站多特征画像标签体系；通过穷举搜索法处理标签体系并进行特征选择，筛选充电站画像标签确定画像标签最优子集；对充电站分类后采用k-means算法构建用户充电行为特征画像对充电场站开展聚类分析。
4、作为本专利技术所述的一种基于数据驱动的充电站多特征画像建模方法的一种优选方案，其中：所述充电站数据采集包括，采集多维度数据包括充电站属性数据、充电站运营数据以及充电站外部数据。
5、所述站点所处位置，站点应用场景包括公共充电站、公交充电站、商业综合体充电站以及大型园区充电站，站点营业时间，站点运营商信息。
6、所述充电站运营数据包括站点充电桩数量、日充电量、日桩均充电量、单均充电量、单枪充电时长、单均充电时长、充电订单量、单桩充电频次、日订单时段、大周期订单。
7、所述充电站外部数据包括地图api获取的poi数据包括数据获取半径、poi名称、poi类别以及poi坐标，充电站所属区域电网负荷数据。
8、所述预处理包括收集充电站属性数据、运营数据以及外部数据检查数据质量，剔除重复项数据，对收集到的数据进行清洗，对于缺失的数据进行插值填补，对于异常值进行拟合修正，保留数据处理中的所有数据源，对清洗处理后的数据采用z-score法对数据进行归一化处理，当数据不平衡时，进行样本权重计算，平衡偏差：
9、
10、其中，wi是第i个充电站的样本权重，α、β以及γ是调整系数平衡不同特征对权重的影响，ri是第i个充电站的使用频率，是所有充电站使用频率的平均值，sati是第i个充电站的用户满意度评分，min(sat)和max(sat)分别是所有充电站满意度评分的最小值和最大值，z是总充电站类型数量，zk是第k类充电站的样本数。
11、作为本专利技术所述的一种基于数据驱动的充电站多特征画像建模方法的一种优选方案，其中：所述构建充电站多特征画像标签体系包括基于预处理后的充电站的数据，设计充电站数据驱动型画像指标体系，构建包含事实标签、模型标签及特征标签的充电站多层级多特征画像标签体系。
12、所述事实标签包括根据自身属性、充电需求以及调控潜力对处理后的原始数据进行事实标签划分，并以事实标签为基础构建模型标签包括计算画像特征指标包括充电站poi个数、充电站利用率、单桩平均充电量、峰时耗电率以及峰值时差率。
13、所述充电站poi个数包括收集充电站点半径范围为(100m,500m)的poi，统计充电站附近poi数量n。
14、所述充电站利用率包括1个充电站有n个正常使用的充电桩，用tj表示第j个充电桩一日内充电时长，则第j个充电桩的利用率rj表示为rj＝tj/24，充电站平均利用率rs可表示为：
15、
16、所述单桩平均充电量为：
17、
18、其中，etot,i为第i个充电站总交易电量，ni为第i个充电站具有的桩数量。eave,i为第i个充电站桩均充电量。
19、所述峰时耗电率表达为：
20、
21、其中，epeak,a表示充电站i的峰时耗电率，tpeak表示高峰时段的时间集合，p(t)表示在时间t的充电电流，φ(t)表示在时间t的电价，i(t)表示在时间t的充电电流，e表示充电效率。
22、
23、其中，t表示充电过程中的时间点。
24、所述峰值时差率表达为：
25、
26、其中，tp,i表示充电站a的峰值时差率，x表示监测时间段内电网负荷高峰时段的个数，y表示监测时间段内充电站充电负荷高峰时段的个数，p(t)表示充电站在时间t的负荷功率数据，t1和t2为监测时间段的起止时间，jpeak高峰时段的时间点数，j表示高峰时段的个数。
27、作为本专利技术所述的一种基于数据驱动的充电站多特征画像建模方法的一种优选方案，其中：所述特征标签的充电站多层级多特征画像标签体系包括通过模型标签的画像特征指标确定每个充电站的特征标签包括充电站位置重要度、充电站充电需求度以及充电负荷可转移度，并通过重要度、需求度以及可转移度构建充电站多特征画像标签体系表示充电站多方位的运营特征。
28、通过充电站poi个数确定充电站位置重要度importance：
29、
30、poi个数n越多，充电站的位置越重要，需要优先保障当前充电站的充电需求，其中，z是总充电站不同类型的数量，rk是第k种服务类型的本文档来自技高网...
【技术保护点】
1.一种基于数据驱动的充电站多特征画像建模方法，其特征在于：包括，
2.如权利要求1所述的一种基于数据驱动的充电站多特征画像建模方法，其特征在于：所述充电站数据采集包括，采集多维度数据包括充电站属性数据、充电站运营数据以及充电站外部数据；
3.如权利要求2所述的一种基于数据驱动的充电站多特征画像建模方法，其特征在于：所述构建充电站多特征画像标签体系包括基于预处理后的充电站的数据，设计充电站数据驱动型画像指标体系，构建包含事实标签、模型标签及特征标签的充电站多层级多特征画像标签体系；
4.如权利要求3所述的一种基于数据驱动的充电站多特征画像建模方法，其特征在于：所述特征标签的充电站多层级多特征画像标签体系包括通过模型标签的画像特征指标确定每个充电站的特征标签包括充电站位置重要度、充电站充电需求度以及充电负荷可转移度，并通过重要度、需求度以及可转移度构建充电站多特征画像标签体系表示充电站多方位的运营特征；
5.如权利要求4所述的一种基于数据驱动的充电站多特征画像建模方法，其特征在于：所述画像标签最优子集包括将得到的充电站特征标签通过MA
6.如权利要求5所述的一种基于数据驱动的充电站多特征画像建模方法，其特征在于：所述对充电场站开展聚类分析包括根据标签体系计算得出的样本数据集规模为U，在其中随机选取K个初始聚类中心Ci(1≤i≤K)，选取手肘法确定最佳聚类数目，逐个计算样本数据与初始聚类中心的距离，根据聚类中心对应的类进行分组，当分组内的数据与上次分组一致时，进行算法收敛，输出结果，当分组内的数据与上次分组不一致时，找出距离最近的聚类中心，并归类到当前簇，更新聚类中心，计算各个簇中数据项均值作为新的聚类中心，重新进行迭代，降低簇内误差平方和SSE，直到聚类中心不再变化或目标函数收敛，迭代停止；
7.如权利要求6所述的一种基于数据驱动的充电站多特征画像建模方法，其特征在于：所述分层分级调控包括分为三级调控：
8.一种采用如权利要求1～7任一所述的一种基于数据驱动的充电站多特征画像建模方法的系统，其特征在于：包括数据处理模块、特征选择与画像构建模块以及聚类分析与调控模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于数据驱动的充电站多特征画像建模方法，其特征在于：包括，
2.如权利要求1所述的一种基于数据驱动的充电站多特征画像建模方法，其特征在于：所述充电站数据采集包括，采集多维度数据包括充电站属性数据、充电站运营数据以及充电站外部数据；
3.如权利要求2所述的一种基于数据驱动的充电站多特征画像建模方法，其特征在于：所述构建充电站多特征画像标签体系包括基于预处理后的充电站的数据，设计充电站数据驱动型画像指标体系，构建包含事实标签、模型标签及特征标签的充电站多层级多特征画像标签体系；
4.如权利要求3所述的一种基于数据驱动的充电站多特征画像建模方法，其特征在于：所述特征标签的充电站多层级多特征画像标签体系包括通过模型标签的画像特征指标确定每个充电站的特征标签包括充电站位置重要度、充电站充电需求度以及充电负荷可转移度，并通过重要度、需求度以及可转移度构建充电站多特征画像标签体系表示充电站多方位的运营特征；
5.如权利要求4所述的一种基于数据驱动的充电站多特征画像建模方法，其特征在于：所述画像标签最优子集包括将得到的充电站特征标签通过matlab穷举搜索进行特征组合，组合一为位置重要度+充电需求度、组合二为位置重要度+充电负荷可转移度、组合三为充电需求度+充电负荷可转移度、组合四为位置重要度+充电需求度+充电负荷可转移度，评估每个特征组合的性能，选择性能最...
【专利技术属性】
技术研发人员：卢健斌，吴宁，肖静，韩帅，林锐，江裕雄，郭小璇，陈卫东，吴晓锐，秦丽娟，黄梦喜，潘连荣，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
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。