技术特征：
1.一种城市电动出租车能量预测方法，其特征在于，包括以下步骤：s1，根据充电站服务商的初始化模型要求训练电动出租车，得到电动出租车的日常充电行为模型，并将生成的日常充电行为模型参数传输至充电站；s3，充电站根据获取的电动出租车的日常充电行为模型参数就能行聚合，根据聚合后的参数优化充电站的局部模型，将优化后的局部模型参数传输至充电站服务商进行全聚合，得到全聚合预测模型，利用全聚合预测模型预测电动出租车能量。2.根据权利要求1所述的一种城市电动出租车能量预测方法，其特征在于，电动出租车模块采用电动出租车本地模型，通信网络模块用于数据的通信传输，充电站模块用于模拟充电站充电。3.根据权利要求1所述的一种城市电动出租车能量预测系统，其特征在于，电动出租车模型通过电动出租车自身充电的相关数据进行本地预测，并通过通信网络上传权重变化值到充电站模型。4.根据权利要求1所述的一种城市电动出租车能量预测系统，其特征在于，电动出租车模块对应的本地模型模拟单独使用电能驱动的在运营出租车。5.根据权利要求1所述的一种城市电动出租车能量预测系统，其特征在于，日常充电行为模型参数通过电动出租车所有者的充电数据采集获取。6.根据权利要求1所述的一种城市电动出租车能量预测系统，其特征在于，电动出租车模块在本地训练日常充电行为模型具体采用机器学习训练方法。7.根据权利要求1所述的一种城市电动出租车能量预测系统，其特征在于，设输入矩阵为x
i
＝{x1,x2,
…
,x
p
}，x
p
为第p个电动出租车的充电属性集合，可以建立本地网络模型：采用批量梯度下降方法可得电动出租车的权重更新方式：在充电站充电的电动出租车本地网络模型训练的梯度信息会被传送到充电站；充电站提供商的权重向量为ω
csp
；充电站的权重向量电动出租车的权重向量i、j分别代表电动出租车数量和充电站数量。8.根据权利要求7所述的一种城市电动出租车能量预测系统，其特征在于，采用充电概率统计值和高斯分布概率值作为注意力来形成聚合权重。9.根据权利要求8所述的一种城市电动出租车能量预测系统，其特征在于，充电站的损失函数和权重更新方式：新方式：10.一种城市电动出租车能量预测系统，其特征在于，包括第一层联邦学习系统和第二层联邦学习系统；
第一层联邦学习系统包括电动出租车模块、通信网络模块和本地充电站模块，电动出租车模块根据本地充电站模块在本地训练得到日常充电行为模型；第二层联邦学习系统包括充电站模块、英特网模块和充电站提供商模块，充电站模块用于获取电动出租车模块的日常充电行为模型参数后进行聚合，并根据聚合后的参数优化充电站的局部模型，将优化后的局部模型参数通过英特网模块发给充电站供应商模块，充电站供应商模块进行最终的全局聚合得到全聚合预测模型。
技术总结
本发明公开了一种城市电动出租车能量预测方法及系统，根据充电站服务商的初始化模型要求训练电动出租车，得到电动出租车的日常充电行为模型，并将生成的日常充电行为模型参数传输至充电站；充电站根据获取的电动出租车的日常充电行为模型参数就能行聚合，根据聚合后的参数优化充电站的局部模型，将优化后的局部模型参数传输至充电站服务商进行全聚合，得到全聚合预测模型，利用全聚合预测模型预测电动出租车能量，解决了机器学习因训练集数据不足而导致能量预测准确度不足的问题，通过本发明的方法可以实现能量供需平衡及低成本电力输送，实现电力波谷时期的能量及时存储，满足电动出租车的正常充电请求。动出租车的正常充电请求。动出租车的正常充电请求。
技术研发人员：岳高峰 言浬
受保护的技术使用者：西安交通大学
技术研发日：2022.03.24
技术公布日：2022/6/28