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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)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(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN114707690B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202210110410.6，技術領域涉及：G06Q10/04；該發(fā)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(fā)完成，并于2022-01-29向國家知識產(chǎn)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(fā)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(jù)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(qū)域劃分為住宅區(qū)、工作區(qū)及公共區(qū)；分析預測日特征，提取相應區(qū)域的負荷數(shù)據(jù)、需求響應信號數(shù)據(jù)及氣象、交通數(shù)據(jù)，對各指標標準化處理，利用灰色關聯(lián)度選取相似日；在住宅區(qū)、工作區(qū)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(qū)的電動汽車根據(jù)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(jié)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(qū)總負荷。

本發(fā)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(qū)域；依據(jù)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(qū)域劃分為不同分區(qū)；分別對不同分區(qū)的電動汽車充電樁的負荷進行預測，獲得各區(qū)域的負荷；疊加各區(qū)域負荷，得到總負荷；依據(jù)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(qū)域劃分為不同分區(qū)的方法包括：依據(jù)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(qū)域劃分為住宅區(qū)、工作區(qū)及公共區(qū)；住宅區(qū)、工作區(qū)的電動汽車的充電行為的特點是用電規(guī)律，周期性強；住宅區(qū)、工作區(qū)的需求側的激勵因素包括價格激勵；公共區(qū)的電動汽車的充電行為的特點是充電行為無序，規(guī)律性差；公共區(qū)的需求側的激勵因素包括參與度；分別對不同分區(qū)的電動汽車充電樁的負荷進行預測包括：對住宅區(qū)、工作區(qū)的電動汽車充電樁的負荷進行預測；對公共區(qū)的電動汽車充電樁的負荷進行預測；對住宅區(qū)、工作區(qū)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(qū)、工作區(qū)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(jù)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(shù)據(jù)、歷史負荷數(shù)據(jù)、當日氣象因素作為輸入，利用SVR模型對住宅區(qū)、工作區(qū)的電動汽車充電樁的負荷進行分析預測，輸出住宅區(qū)、工作區(qū)的電動汽車充電樁的預測日24h的負荷數(shù)據(jù)；所述歷史日的資料包括歷史日的24h的歷史電價數(shù)據(jù)、歷史負荷數(shù)據(jù)、當日氣象因素、當日類型、當日小時電價數(shù)據(jù)；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(jù)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(shù)據(jù)集和歷史日影響因素數(shù)據(jù)集；根據(jù)預測日影響因素數(shù)據(jù)集和歷史日影響因素數(shù)據(jù)集，計算預測日與歷史日的關聯(lián)度；根據(jù)歷史日和預測日之間的關聯(lián)度進行關聯(lián)度排序，選擇前N天作為歷史相似日，N為選取的相似日數(shù)量；所述影響因素包括：當日類型、當日小時電價數(shù)據(jù)、當日溫度、當日風速云量；所述預測日影響因素數(shù)據(jù)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(shù)；所述歷史日影響因素數(shù)據(jù)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(shù)；根據(jù)預測日影響因素數(shù)據(jù)集和歷史日影響因素數(shù)據(jù)集，計算預測日與歷史日的關聯(lián)度，包括：將各影響因素代入關聯(lián)系數(shù)計算公式，得到各影響因素的歷史日與預測日之間的關聯(lián)系數(shù)；關聯(lián)系數(shù)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(lián)度的影響，Hamming距離越大表示關聯(lián)度越強；P為分辨系數(shù)，0＜P＜1；求解各影響因素的歷史日與預測日之間的關聯(lián)系數(shù)的累計平均值，即歷史日和預測日之間的關聯(lián)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(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" >南京郵電大學，其通訊地址為：210000 江蘇省南京市棲霞區(qū)文苑路9號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。