買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京郵電大學申請的專利一種電動汽車充電樁負荷預測方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114707690B 。

龍圖騰網通過國家知識產權局官網在2025-04-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210110410.6，技術領域涉及：G06Q10/04；該發明授權一種電動汽車充電樁負荷預測方法及裝置是由竇春霞;王慧敏;岳東;張占強;張智俊設計研發完成，并于2022-01-29向國家知識產權局提交的專利申請。

本一種電動汽車充電樁負荷預測方法及裝置在說明書摘要公布了：本發明涉及一種計及需求響應的電動汽車充電負荷預測方法及裝置，方法包括以下步驟：依據需求側的激勵因素和電動汽車的充電行為，將電動汽車充電樁所在區域劃分為住宅區、工作區及公共區；分析預測日特征，提取相應區域的負荷數據、需求響應信號數據及氣象、交通數據，對各指標標準化處理，利用灰色關聯度選取相似日；在住宅區、工作區的電動汽車主要受價格激勵影響，利用支持向量機進行預測；在公共區的電動汽車根據需求響應計劃的可預知性，對充電樁負荷在不同層面進行小波分解，得到季節性基礎負荷部分和需求響應為主體負荷部分，對分解后的兩部分負荷分別利用時間序列模型和灰色馬爾可夫模型預測，兩部分預測結果疊加得到公共區總負荷。

本發明授權一種電動汽車充電樁負荷預測方法及裝置在權利要求書中公布了：1.一種電動汽車充電樁負荷預測方法，其特征在于，包括以下步驟：獲取電動汽車充電樁所在區域；依據需求側的激勵因素和電動汽車的充電行為，將電動汽車充電樁所在區域劃分為不同分區；分別對不同分區的電動汽車充電樁的負荷進行預測，獲得各區域的負荷；疊加各區域負荷，得到總負荷；依據需求側的激勵因素和電動汽車的充電行為，將電動汽車充電樁所在區域劃分為不同分區的方法包括：依據需求側的激勵因素和電動汽車的充電行為的特點，將電動汽車充電樁所在區域劃分為住宅區、工作區及公共區；住宅區、工作區的電動汽車的充電行為的特點是用電規律，周期性強；住宅區、工作區的需求側的激勵因素包括價格激勵；公共區的電動汽車的充電行為的特點是充電行為無序，規律性差；公共區的需求側的激勵因素包括參與度；分別對不同分區的電動汽車充電樁的負荷進行預測包括：對住宅區、工作區的電動汽車充電樁的負荷進行預測；對公共區的電動汽車充電樁的負荷進行預測；對住宅區、工作區的電動汽車充電樁的負荷進行預測，具體包括：分析預測日特征，并提取住宅區、工作區的電動汽車充電樁的負荷對應的影響因素；獲取歷史日的資料，根據預測日和歷史日的影響因素選取歷史相似日；將歷史相似日的24h的歷史電價數據、歷史負荷數據、當日氣象因素作為輸入，利用SVR模型對住宅區、工作區的電動汽車充電樁的負荷進行分析預測，輸出住宅區、工作區的電動汽車充電樁的預測日24h的負荷數據；所述歷史日的資料包括歷史日的24h的歷史電價數據、歷史負荷數據、當日氣象因素、當日類型、當日小時電價數據；所述當日氣象因素包括當日溫度、當日風速云量、當日降水量；根據預測日和歷史日的影響因素選取歷史相似日的方法包括：構建預測日影響因素數據集和歷史日影響因素數據集；根據預測日影響因素數據集和歷史日影響因素數據集，計算預測日與歷史日的關聯度；根據歷史日和預測日之間的關聯度進行關聯度排序，選擇前N天作為歷史相似日，N為選取的相似日數量；所述影響因素包括：當日類型、當日小時電價數據、當日溫度、當日風速云量；所述預測日影響因素數據集為X0＝{x01，x02，...，x0n}1式中，x01為星期幾，編碼1到7；x01為是否為周末、假期，是則編碼為1，否則編碼為0；x03為天氣，分為晴天、陰天、雨雪天，編碼分別為1，2，3；x04為當日的最高溫度值；x05為當日的最低溫度值；x06，x07，...，x029為一天24個時間段，各時間段的電價，n為影響因素個數；所述歷史日影響因素數據集為Xi＝{xi1，xi2，...，xin}2式中，xi1為星期幾，編碼1到7；xi2為是否為周末、假期，是則編碼為1，否則編碼為0；xi3為天氣，分為晴天、陰天、雨雪天，編碼分別為1，2，3；xi4為當日的最高溫度值；xi5為當日的最低溫度值；xi6，xi7，...，xi29為一天24個時間段，各時間段的電價，n為影響因素個數；根據預測日影響因素數據集和歷史日影響因素數據集，計算預測日與歷史日的關聯度，包括：將各影響因素代入關聯系數計算公式，得到各影響因素的歷史日與預測日之間的關聯系數；關聯系數計算公式為： 式中：|x0k-xik|為第k點x0與xi的影響因素絕對值差，即Hamming距離，表示不同影響因素之間的替換之后對關聯度的影響，Hamming距離越大表示關聯度越強；P為分辨系數，0＜P＜1；求解各影響因素的歷史日與預測日之間的關聯系數的累計平均值，即歷史日和預測日之間的關聯度，公式如下 式中：ri為第i個因素對樣本的影響，若ri≥0.7則稱之為強相關因素，有正面效果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京郵電大學，其通訊地址為：210000 江蘇省南京市棲霞區文苑路9號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。