电动汽车充放电可调节能力预测方法、装置、设备及介质

本技术涉及电动汽车充电服务，特别涉及一种电动汽车充放电可调节能力预测方法、装置、设备及介质。

背景技术：

1、随着全球气候变化和环境保护的日益严重，清洁能源和可再生能源的需求与日俱增，电动汽车被视为一种能够减少化石燃料消耗和温室气体排放的交通工具，因此在全球范围内得到了广泛的关注和推广，大规模电动汽车的接入，可能导致电网的负荷峰值增加，从而增加对电网的压力；此外，随机和不可预测的充电行为可能导致电网的运行不稳定。然而，如果能够合理地利用和管理这些充电需求，电动汽车也可以作为一种灵活的负荷，为电网提供频率调节、需求响应和储能等服务。

2、近年来，通过控制电动汽车的充放电行为来为电网提供支持服务的概念已经得到了广泛的关注，目前，一些现有技术可基于电动汽车用户历史充电行为的特征数据，构建了决策树模型，能够对预测日集群电动汽车充电负荷可调容量进行准确预测，完成对电动汽车的精准调控，保障电网的安全经济运行以及电动汽车用户的充电体验；此外，部分现有技术还可先对单个用户的充电行为构建决策模型并计算其预测日的功率曲线，进而通过每个用户设定的可削减比例得到电动汽车集群在预测日的可调容量。

3、综上所述，现有技术评估电动汽车充放电可调节能力，过度极度依赖所采集的数据质量；此外，现有技术仅可对单个用户的充电负荷曲线进行确定，无法直接预测电动汽车集群的充放电可调节能力，而单体电动汽车行为的预测误差较大，进而导致其充放电可调节能力预测误差极大，该问题亟待解决。

技术实现思路

1、本技术提供一种电动汽车充放电可调节能力预测方法、装置、设备及介质，以解决现有技术过度极度依赖所采集的数据质量，无法直接预测电动汽车集群的充放电可调节能力、单体电动汽车行为的预测误差较大等问题。

2、本技术第一方面实施例提供一种电动汽车充放电可调节能力预测方法，应用于离线训练阶段，包括以下步骤：获取至少一辆电动汽车的所有历史充放电订单信息；基于每辆电动汽车的所有历史充放电订单信息，评估所述每辆电动汽车的聚合充放电可调节能力，得到所述至少一辆电动汽车的逐天聚合充放电可调节能力指标；采集所述至少一辆电动汽车的训练辅助数据，基于所述逐天聚合充放电可调节能力指标和所述训练辅助数据，训练预设的人工神经网络模型，生成可调节能力预测模型，以利用所述可调节能力预测模型，输出所述至少一辆电动汽车的充放电调节能力预测结果。

3、可选地，在本技术的一个实施例中，所述基于每辆电动汽车的所有历史充放电订单信息，评估所述每辆电动汽车的聚合充放电可调节能力，得到所述至少一辆电动汽车的逐天聚合充放电可调节能力指标，包括：逐一评估所述所有历史充放电订单信息中每条历史充放电订单信息的充放电可调节能力，得到所述每条历史充放电订单信息的时序指标；基于所述每条历史充放电订单信息的时序指标，计算所述所有历史充放电订单信息的聚合充放电可调节能力指标；利用预设切割策略对所述聚合充放电可调节能力指标进行切割和修正，得到所述逐天聚合充放电可调节能力指标。

4、可选地，在本技术的一个实施例中，所述基于所述逐天聚合充放电可调节能力指标和所述训练辅助数据，训练预设的人工神经网络模型，生成可调节能力预测模型，包括：对所述训练辅助数据进行预处理，得到所述训练辅助数据的标准化数据；基于预设训练预测日期和所述逐天聚合充放电可调节能力指标，划分所述标准化数据，得到划分结果，并根据所述划分结果构建所述人工神经网络模型的训练数据集和验证数据集；通过所述训练数据集和所述验证数据集训练并优化所述人工神经网络模型，以生成所述可调节能力预测模型。

5、本技术第二方面实施例提供一种电动汽车充放电可调节能力预测方法，应用于在线预测阶段，其中，包括以下步骤：确定至少一辆电动汽车的目标预测日期，并基于所述目标预测日期，获取所述至少一辆电动汽车充放电可调节能力的辅助预测数据；预处理所述辅助预测数据，得到所述辅助预测数据的标准化预测数据，并将所述标准化预测数据输入至预先训练的可调节能力预测模型，生成所述至少一辆电动汽车的充放电可调节能力的预测指标，其中，所述可调节能力预测模型通过预设评估辅助数据训练预设人工神经网络模型生成；对所述预测指标进行反标准化和还原操作，得到所述至少一辆电动汽车在所述目标预测日期的充放电可调节能力指标。

6、可选地，在本技术的一个实施例中，所述确定至少一辆电动汽车的目标预测日期，并基于所述目标预测日期，获取所述至少一辆电动汽车充放电可调节能力的辅助预测数据，包括：基于所述目标预测日期，确定所述充放电可调节能力的第一辅助预测日期和第二辅助预测日期；获取所述第一辅助预测日期至所述目标预测日期内，所述至少一辆电动汽车的所有充放电行为的订单信息，并计算所述订单信息的可调节能力指标；获取所述第一辅助预测日期至所述第二辅助预测日期内，所述至少一辆电动汽车的行驶数据，并采集所述目标预测日期的天气信息和节假日信息；基于所述可调节能力指标、所述行驶数据、所述天气信息和所述节假日信息，构建所述充放电可调节能力的辅助预测数据。

7、本技术第三方面实施例提供一种电动汽车充放电可调节能力预测装置，应用于离线训练阶段，包括：第一获取模块，用于获取至少一辆电动汽车的所有历史充放电订单信息；评估模块，用于基于每辆电动汽车的所有历史充放电订单信息，评估所述每辆电动汽车的聚合充放电可调节能力，得到所述至少一辆电动汽车的逐天聚合充放电可调节能力指标；训练模块，用于采集所述至少一辆电动汽车的训练辅助数据，基于所述逐天聚合充放电可调节能力指标和所述训练辅助数据，训练预设的人工神经网络模型，生成可调节能力预测模型，以利用所述可调节能力预测模型，输出所述至少一辆电动汽车的充放电调节能力预测结果。

8、可选地，在本技术的一个实施例中，所述评估模块包括：分析单元，用于逐一评估所述所有历史充放电订单信息中每条历史充放电订单信息的充放电可调节能力，得到所述每条历史充放电订单信息的时序指标；第一计算单元，用于基于所述每条历史充放电订单信息的时序指标，计算所述所有历史充放电订单信息的聚合充放电可调节能力指标；切割单元，用于利用预设切割策略对所述聚合充放电可调节能力指标进行切割和修正，得到所述逐天聚合充放电可调节能力指标。

9、可选地，在本技术的一个实施例中，所述训练模块包括：预处理单元，用于对所述训练辅助数据进行预处理，得到所述训练辅助数据的标准化数据；划分单元，用于基于预设训练预测日期和所述逐天聚合充放电可调节能力指标，划分所述标准化数据，得到划分结果，并根据所述划分结果构建所述人工神经网络模型的训练数据集和验证数据集；生成单元，用于通过所述训练数据集和所述验证数据集训练并优化所述人工神经网络模型，以生成所述可调节能力预测模型。

10、本技术第四方面实施例提供一种电动汽车充放电可调节能力预测装置，应用于在线预测阶段，包括：第二获取模块，用于确定至少一辆电动汽车的目标预测日期，并基于所述目标预测日期，获取所述至少一辆电动汽车充放电可调节能力的辅助预测数据；预测模块，用于预处理所述辅助预测数据，得到所述辅助预测数据的标准化预测数据，并将所述标准化预测数据输入至预先训练的可调节能力预测模型，生成所述至少一辆电动汽车的充放电可调节能力的预测指标，其中，所述可调节能力预测模型通过预设评估辅助数据训练预设人工神经网络模型生成；还原模块，用于对所述预测指标进行反标准化和还原操作，得到所述至少一辆电动汽车在所述目标预测日期的充放电可调节能力指标。

11、可选地，在本技术的一个实施例中，所述第二获取模块包括：确定单元，用于基于所述目标预测日期，确定所述充放电可调节能力的第一辅助预测日期和第二辅助预测日期；第二计算单元，用于获取所述第一辅助预测日期至所述目标预测日期内，所述至少一辆电动汽车的所有充放电行为的订单信息，并计算所述订单信息的可调节能力指标；采集单元，用于获取所述第一辅助预测日期至所述第二辅助预测日期内，所述至少一辆电动汽车的行驶数据，并采集所述目标预测日期的天气信息和节假日信息；构建单元，用于基于所述可调节能力指标、所述行驶数据、所述天气信息和所述节假日信息，构建所述充放电可调节能力的辅助预测数据。

12、本技术第五方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的电动汽车充放电可调节能力预测方法。

13、本技术第六方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的电动汽车充放电可调节能力预测方法。

14、由此，本技术的实施例具有以下有益效果：

15、本技术的实施例可通过确定至少一辆电动汽车的目标预测日期，并基于目标预测日期，获取至少一辆电动汽车充放电可调节能力的辅助预测数据；预处理辅助预测数据，得到辅助预测数据的标准化预测数据，并将标准化预测数据输入至预先训练的可调节能力预测模型，生成至少一辆电动汽车的充放电可调节能力的预测指标，其中，可调节能力预测模型通过预设评估辅助数据训练预设人工神经网络模型生成；对预测指标进行反标准化和还原操作，得到至少一辆电动汽车在目标预测日期的充放电可调节能力指标。本技术根据电动汽车充电历史订单信息评估历史的充放电可调节能力，并通过人工神经网络预测未来的电动汽车充放电调节能力，从而提高评估和预测电动汽车充放电可调节能力的精度，为充电聚合商参与电力市场提供了有力的支撑。由此，解决了现有技术过度极度依赖所采集的数据质量，无法直接预测电动汽车集群的充放电可调节能力、单体电动汽车行为的预测误差较大等问题。

16、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。