【技术实现步骤摘要】
本专利技术涉及电力负荷预测，尤其涉及一种电动汽车负荷预测方法、装置、电子设备及介质。
技术介绍
1、国内电动汽车市场规模的不断扩大，电动车用户停车难的问题日渐突出，充电需求也日益增长；但是电动汽车的充电需求具有很大的随机性，无序充电行为对于电网产生巨大冲击。为此通过发挥引导电动汽车、分布式储能等负荷侧调节资源的“用电时间有弹性、用电行为可引导、用电规律可预测、用电方式智能化”的特性，将其纳入电网优化控制，充分挖掘释放电动汽车与储能站在电力市场上的潜力。
2、但是电动汽车的充电行为与用户的作息习惯有很大的关联性，为避免加剧电网负荷峰谷差，需要对该部分负荷进行预测，进而辅助电网等的调度行为。目前，电动车负荷的预测主要有两种：基于统计学方法的传统预测方法以及基于机器学习的现代预测方法。在进行电动车负荷预测时，传统预测方法无法预测天气等因素对电动车负荷的影响；现代预测方法却不能根据实际情况对用户出行行为进行模拟预测，从而使预测准确度和精度都不够高。
3、因此，如何提供一种能根据实际情况和天气因素相结合的电动汽车负荷预测方法，用以提升电动汽车负荷预测精度，是一个亟待解决的问题。
技术实现思路
1、有鉴于此，有必要提供一种电动汽车负荷预测方法、装置、电子设备及介质，用以提升电动汽车负荷预测精度。
2、为了实现上述目的，第一方面，本专利技术提供一种电动汽车负荷预测方法，包括：
3、获取电动汽车用户的出行数据，基于所述出行数据计算电动汽车地点转移概率
4、将所述用户的出行序列与预设的地图数据进行结合，输出电动汽车的行驶预测耗电量；
5、获取电动汽车所在地在过去600天内的第一天气数据，其中，所述第一天气数据包括温度、湿度、气压、风速风向、降水量、云量、能见度、紫外线指数、空气质量指数、天气状况、露点温度及相对湿度，将所述第一天气数据输入训练完备的温度预测模型中，输出预测温度值；
6、将所述预测温度值输入预设的温度-空调耗电量模型中，输出电动汽车的空调预测耗电量；
7、将所述行驶预测耗电量和所述空调预测耗电量进行结合，对电动汽车的负荷进行预测，并输出预测结果。
8、进一步的，所述基于所述出行数据计算电动汽车地点转移概率，包括：
9、对所述出行数据进行函数拟合，得到在不同地点不同时刻之间转移的电动汽车数量分布曲线；
10、基于所述电动汽车数量分布曲线计算电动汽车地点转移概率。
11、进一步的，用户的出行序列包括多段行程，所述基于所述电动汽车地点转移概率确定用户的出行序列，包括：
12、基于电动汽车地点转移概率确定每一段行程的目的地。
13、进一步的，所述用户的出行序列还包括每段行程起终点，出行时间，出行目的地，行车速度及每段行程的驻车时长信息，所述将所述用户的出行序列与预设的地图数据进行结合，输出电动汽车的行驶预测耗电量，包括：
14、将所述出行序列每段行程的起终点与预设的地图数据进行结合，得到电动汽车在每段行程的行驶距离；
15、基于电动汽车在每段行程的行驶距离，确定电动汽车的行驶预测耗电量：
16、
17、其中，为电动汽车的行驶预测耗电量，为电动汽车在第段行程的行驶距离，为电动汽车的行程总段数，为电动汽车百公里平均耗电量。
18、进一步的，所述温度预测模型的训练过程，包括：
19、获取电动汽车所在地在过去600天内的第二天气数据，其中，所述第二天气数据包括温度、湿度、气压、风速风向、降水量、云量、能见度、紫外线指数、空气质量指数、天气状况、露点温度及相对湿度，对所述第二天气数据进行预处理，得到预处理后的天气数据；
20、将所述预处理后的天气数据进行归一化和编码处理，得到编码后的天气数据；
21、将所述编码后的天气数据输入初始温度预测模型中进行参数估计，在达到预设的训练终止条件后，得到训练完备的温度预测模型，其中，所述初始温度预测模型由卷积神经网络、双向长短期记忆神经网络、残差网络、注意力机制层组成。
22、进一步的，所述对所述第二天气数据进行预处理，得到预处理后的天气数据，包括：
23、采用箱线图对所述第二天气数据进行识别，确定所述第二天气数据中的异常值，并对所述异常值使用水平处理法结合8个数据点进行修正处理，得到预处理后的天气数据，其中，预处理后的天气数据为数值型数据；
24、所述将所述预处理后的天气数据进行归一化和编码处理，得到编码后的天气数据，包括：
25、采用预设的数据标准化方法对所述数值型数据进行线性变换，且变换后的数据在预设区间内，得到所述编码后的天气数据。
26、进一步的，所述将所述预测温度值输入预设的温度-空调耗电量模型中，输出电动汽车的空调预测耗电量，包括：
27、将所述预测温度值输入预设的温度-空调耗电量模型中，输出预测温度下电动汽车的空调耗电量；
28、基于所述预测温度下电动汽车的空调耗电量，计算电动汽车的空调预测耗电量：
29、
30、其中，为电动汽车的空调预测耗电量，为在第段行程中的平均出行速度，为温度25℃时汽车空调耗电功率，为预测温度，为在预测温度下电动汽车空调使用概率。
31、第二方面，本专利技术还提供一种电动汽车负荷预测装置，包括：
32、出行数据获取模块，用于获取电动汽车用户的出行数据，基于所述出行数据计算电动汽车地点转移概率，并基于所述电动汽车地点转移概率确定用户的出行序列；
33、行驶耗电量预测模块，用于将所述用户的出行序列与预设的地图数据进行结合，输出电动汽车的行驶预测耗电量；
34、天气数据获取模块，用于获取电动汽车所在地在过去600天内的第一天气数据，其中，所述第一天气数据包括温度、湿度、气压、风速风向、降水量、云量、能见度、紫外线指数、空气质量指数、天气状况、露点温度及相对湿度，将所述第一天气数据输入训练完备的温度预测模型中，输出预测温度值；
35、空调耗电量预测模块，将所述预测温度值输入预设的温度-空调耗电量模型中，输出电动汽车的空调预测耗电量；
36、电动汽车负荷预测模块，用于将所述行驶预测耗电量和所述空调预测耗电量进行结合，对电动汽车的负荷进行预测，并输出预测结果。
37、第三方面，本专利技术还提供一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述电动汽车负荷预测方法中的步骤。
38、第四方面，本专利技术还提供一种计算机存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述电动汽车负荷预测方法中的步骤。
39、采用上述实施例的有益效果是：
40、本专利技术通过将电动汽车的负荷划本文档来自技高网...
【技术保护点】
1.一种电动汽车负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的电动汽车负荷预测方法，其特征在于，所述基于所述出行数据计算电动汽车地点转移概率，包括：
3.根据权利要求1所述的电动汽车负荷预测方法，其特征在于，用户的出行序列包括多段行程，所述基于所述电动汽车地点转移概率确定用户的出行序列，包括：
4.根据权利要求3所述的电动汽车负荷预测方法，其特征在于，所述用户的出行序列还包括每段行程起终点，出行时间，出行目的地，行车速度及每段行程的驻车时长信息，所述将所述用户的出行序列与预设的地图数据进行结合，输出电动汽车的行驶预测耗电量，包括：
5.根据权利要求1所述的电动汽车负荷预测方法，其特征在于，所述温度预测模型的训练过程，包括：
6.根据权利要求5所述的电动汽车负荷预测方法，其特征在于，所述对所述第二天气数据进行预处理，得到预处理后的天气数据，包括：
7.根据权利要求4所述的电动汽车负荷预测方法，其特征在于，所述将所述预测温度值输入预设的温度-空调耗电量模型中，输出电动汽车的空调预测耗电量，包括：>
8.一种电动汽车负荷预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器，其中， 所述存储器，用于存储程序；所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述权利要求1至7中任一项所述电动汽车负荷预测方法中的步骤。
10.一种计算机可读存储介质，其特征在于，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时，能够实现上述权利要求1至7中任一项所述电动汽车负荷预测方法中的步骤。
...【技术特征摘要】
1.一种电动汽车负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的电动汽车负荷预测方法，其特征在于，所述基于所述出行数据计算电动汽车地点转移概率，包括：
3.根据权利要求1所述的电动汽车负荷预测方法，其特征在于，用户的出行序列包括多段行程，所述基于所述电动汽车地点转移概率确定用户的出行序列，包括：
4.根据权利要求3所述的电动汽车负荷预测方法，其特征在于，所述用户的出行序列还包括每段行程起终点，出行时间，出行目的地，行车速度及每段行程的驻车时长信息，所述将所述用户的出行序列与预设的地图数据进行结合，输出电动汽车的行驶预测耗电量，包括：
5.根据权利要求1所述的电动汽车负荷预测方法，其特征在于，所述温度预测模型的训练过程，包括：
6.根据权利要求5所述的电动汽...
【专利技术属性】
技术研发人员：毛毳闽，张武焱，周圣枝，姜文，顿沙，
申请(专利权)人：湖北省电力规划设计研究院有限公司，
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。