【技术实现步骤摘要】
本专利技术属于电动汽车负荷灵活性评估领域和电动汽车负荷调控领域，具体涉及一种识别快速充电站用户差异化偏好的方法及装置。
技术介绍
1、在城市人口密集地区，快速充电站(fcs)作为关键基础设施应运而生，解决了日益增长的充电需求并缓解了用户里程焦虑。随着快速充电基础设施的迅速扩展，电动汽车(ev)的空间灵活性成为了研究的重点。空间灵活性是指通过影响用户对充电站的选择，实现电动汽车充电负荷在不同充电站之间的重新分配。这种灵活性为电力系统提供了重要的机遇，使电动汽车用户能够参与缓解阻塞和消纳可再生能源等电网辅助服务。
2、随着私人对充电基础设施的投资增加，作为价格激励的决策者充电站运营商(cso)在利用电动汽车空间灵活性方面成为了关键主体。最初，价格激励主要由电力系统运营商设定。例如，已有研究通过交通分配问题获得了充电负荷的空间需求弹性，进而重新分配充电负荷以降低城市电力交通耦合网络中的安全风险。如今，充电价格不仅包括电力系统设定的电力成本，还包括充电站运营商设定的服务价格。这些运营商在影响用户充电站选择以利用充电负荷的空间灵活性方面发挥着重要作用。
3、为了充分利用电动汽车的空间灵活性，识别用户差异化偏好至关重要，因为这些偏好直接影响充电站负荷的空间分布。然而，许多现有研究简化了用户偏好，假设用户完全理性或者具有统一偏好。例如，某些研究通过总充电时间引导用户前往充电时间最短的站点。然而，现实中的用户偏好存在不确定性，且受到多种相互冲突的属性影响。虽然有些研究考虑了差异化的偏好和有限理性，但往往依赖理论假设而非现
4、近年来，数据驱动模型越来越多地用于识别用户偏好，通常使用车辆轨迹数据。对于商业电动汽车车队，轨迹数据更易获取，且可以推断出充电行为。例如，已有研究基于轨迹数据探讨了影响大型电动出租车车队选择充电站的属性，另有研究利用多源真实世界数据分析用户偏好，还有基于累积前景理论建模电动出租车的随机充电行为的研究。尽管这些研究有所进展，但基于充电站运营商的真实数据，识别不同用户偏好仍是一个挑战。
技术实现思路
1、本专利技术的目的是为克服已有技术的不足之处，提出一种识别快速充电站用户差异化偏好的方法及装置。本专利技术通过对用户差异化偏好的准确识别，能够在城市级别的快速充电站负荷灵活性管理中，帮助充电站运营商优化充电负荷分配。
2、本专利技术第一方面实施例提出一种识别快速充电站用户差异化偏好的方法，包括：
3、采集与快速充电站选择相关的多源数据，包括：快速充电站数据、快速充电用户数据及快速充电订单数据；
4、基于所述多源数据，得到每条快速充电订单对应的备选充电站集以及该备选充电站集内每个快速充电站的影响用户选择的属性；
5、基于所述属性，建立用户差异化偏好识别的优化模型并求解，得到用户的属性偏好权重，以完成快速充电站用户差异化偏好的识别。
6、在本专利技术的一个具体实施例中，所述得到每条快速充电订单对应的备选充电站集以及该备选充电站集内每个快速充电站的影响用户选择的属性，包括：
7、1)基于所述多源数据，对每条快速充电订单进行标记，得到每条快速充电订单对应的备选充电站集；
8、其中，若用户n的第s条快速充电订单即场景s下显示该用户选择快速充电站i，则将快速充电站i周围预设距离δ范围内的快速充电站j作为改用户在该场景下的备选充电站组成备选充电站集其中，该备选充电站集包含快速充电站i；
9、记asj表示场景s下标记快速充电站j是否为备选充电站，其中，若快速充电站j属于则asj为1，否则为0；记ysj表示场景s下标记快速充电站j是否为历史选择的充电站，其中，若j＝i，则ysj为1，否则为0；
10、2)基于步骤1)的结果，统计每条快速充电订单对应备选充电站集内每个快速充电站的影响用户选择的属性；
11、记xnsj为用户n场景s下快速充电站j的属性，xnsjk为用户n场景s下快速充电站j的第k个属性，k的取值范围是1至7，其中xnsj1至xnsj7分别对应用户n场景s下快速充电站j的平均充电费快速充电站j的快充桩功率快速充电站j的配套设施数量qj、快速充电站j周边设定范围内办公相关兴趣点poi数量快速充电站j周边设定范围内娱乐和购物的poi数量快速充电站j周边设定范围内医疗教育poi数量快速充电站j周边设定范围内居住相关poi数量
12、在本专利技术的一个具体实施例中，所述用户差异化偏好识别的优化模型表达式如下：
13、
14、
15、其中，式(1)为用户差异化偏好识别的优化模型最大化的目标函数，式(2)-式(4)为用户差异化偏好识别的优化模型的约束条件；ln为用户n的最大似然函数，即目标函数；pnsj为用户n场景s下选择快速充电站j的概率；βn为用户n的偏好权重；vnsj为用户n场景s下快速充电站j的效用；vnsjk是用户n场景s下快速充电站j第k个属性的效用，βnk为用户n的第k个属性的偏好权重。
16、在本专利技术的一个具体实施例中，在所述建立用户差异化偏好识别的优化模型之前，还包括：
17、对所述属性进行筛选，具体包括：
18、通过对各属性进行相关性分析以获取高度相关的属性分组，在分组中保留与组内其他属性相关程度之和最高的属性。
19、在本专利技术的一个具体实施例中，在所述建立用户差异化偏好识别的优化模型之前，还包括：
20、对所述属性进行分段线性转换，包括：
21、将所有用户全部场景中全部快速充电站的第k个属性集合{xnsjk|n,s,j}使用k-means聚类分段，分段数由肘部法确定，进而获得第k个属性第l个分段起点是bkl，第k个属性第l+1个分段起点是bk(l+1)；用户n场景s下快速充电站j第k个属性的第l个分段是xnsjkl，βnkl为用户n第k个属性第l个分段的偏好权重；
22、
23、使用式(5)分段线性转换后的vnsjk替换式(3)，得到更新后的用户差异化偏好识别的优化模型。
24、本专利技术第二方面实施例提出一种识别快速充电站用户差异化偏好的装置，包括：
25、数据采集模块，用于采集与快速充电站选择相关的多源数据，包括：快速充电站数据、快速充电用户数据及快速充电订单数据；
26、属性统计模块，用于基于所述多源数据，得到每条快速充电订单对应的备选充电站集以及该备选充电站集内每个快速充电站的影响用户选择的属性；
27、偏好识别模块，用于基于所述属性，建立用户差异化偏好识别的优化模型并求解，得到用户的属性偏好权重，以完成快速充电站用户差异化偏好的识别。
28、在本专利技术的一个具体实施例中，所述得到每条快速充电订单对应本文档来自技高网...
【技术保护点】
1.一种识别快速充电站用户差异化偏好的方法，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，所述得到每条快速充电订单对应的备选充电站集以及该备选充电站集内每个快速充电站的影响用户选择的属性，包括：
3.根据权利要求2所述的方法，其特征在于，所述用户差异化偏好识别的优化模型表达式如下：
4.根据权利要求3所述的方法，其特征在于，在所述建立用户差异化偏好识别的优化模型之前，还包括：
5.根据权利要求3所述的方法，其特征在于，在所述建立用户差异化偏好识别的优化模型之前，还包括：
6.一种识别快速充电站用户差异化偏好的装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，所述得到每条快速充电订单对应的备选充电站集以及该备选充电站集内每个快速充电站的影响用户选择的属性，包括：
8.根据权利要求7所述的装置，其特征在于，所述用户差异化偏好识别的优化模型表达式如下：
9.根据权利要求8所述的装置，其特征在于，在所述建立用户差异化偏好识别的优化模型之前，还包括：
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。