本发明涉及充电场站电量预测,特别是一种基于时空组态的多充电桩场站用电量预测方法。
背景技术:
1、充电桩的用电量预测是一个非常重要的问题,一次有效的电量预测可以帮助场站合理的规划用电操作,帮助场站在电价较低的情况提高用电利用率,降低场站的用电成本,提高场站收益率。
2、现有对于充电桩的用电量预测方法角度,整体上可以分为以下几个类别:
3、1.统计分析:传统的统计分析技术在充电桩的用电量预测中使用的最多,比如arima、prophet等,其中prophet是由meta提出的一种新颖的统计分析方法,其通过统计过去时间的均值、方差、趋势等计算未来的数值。
4、2.机器学习:传统的机器学习学习方法较多,比如randomforest、xgboost等,其通过建立树型结构,不同的叶子分支代表不同的预测数值
5、3.深度学习:在深度学习方法,也有一些对于这种问题的解决策略,比如lstm、tcn等,这些方法尝试性建立复杂网络模型解决预测性问题。
6、现有对于充电桩的用电量预测目前主要集中在单一区域而言,没有考虑不同区域的关联性,同时在预测未来趋势的泛化性上没有较好的改善,对于场站的要求较高:
7、1.统计分析策略在预测的时候更倾向于超短期的预测,对于长时间的预测误差较大
8、2.传统的机器学习方法预测泛化性不好,比如randomforest和xgboost对于未来趋势性上升的数据无法预测到,具有明显的预测边界
9、3.对于深度学习方法,如lstm和tcn,在建模的时候更倾向于单场站建模,没有很好的考虑充电桩场站之间的关系。
技术实现思路
1、本发明所要解决的技术问题是提供一种基于时空组态的多充电桩场站用电量预测方法,旨在通过建立时空网络模型,从空间角度搭建不同充电桩场站之间的关联性,增强每个充电桩场站用电量的预测精准下,并且进一步引入实例归一化策略提高模型预测未来的泛化性,能够更好的预测趋势性,进而进一步合理的利用市场电价,降低充电桩场站的充电成本。
2、为解决上述技术问题,本发明所采用的技术方案是:一种基于时空组态的多充电桩场站用电量预测方法,包括以下步骤:
3、s1、建立数据库;
4、s2、处理异常数据;
5、s3、数据聚合;
6、s4、填补缺失数据;
7、s5、数据建模;
8、s6、预测结果输出;
9、s7、存入数据库。
10、优选的,所述步骤s1中数据库包括:a、充电桩数据,即充电桩坐标、充电桩类型、充电桩用电数据;b、外部数据,即天气数据、车流量数据;针对上述数据,建立mysql的数据库实现数据存储。
11、优选的,所述步骤s2采用3sigma策略,通过正态分布的置信度,将个别离群点提取并调整为相邻数据,确保数据在分布上的有效连续性。
12、优选的,所述步骤s3在数据聚合时,采用线性插值法对齐不同数据的时间粒度。
13、优选的,所述步骤s4中对于缺失值,采用线性插值的方式进行弥补,确保整个数据的连续性。
14、优选的,所述步骤s5中数据建模包括:a、通过空间的多场站关联性,使得不同的场站能够与相邻场站的用电量建立联系;b、解决泛化性问题,使得场站的用电量预测能够长时间高精度稳定运行。
15、优选的,步骤s6在完成步骤s5后进行实际的预测工作,步骤s7基于s6的预测结果,导入到s1中所建立的mysql数据库中进行存储。
16、本发明提供一种基于时空组态的多充电桩场站用电量预测方法,建立了一个完整的多充电桩场站的时空预测模型,以高精度稳定运行,从降低场站运行成本的角度提高了充电场站的收益。
1.一种基于时空组态的多充电桩场站用电量预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述一种基于时空组态的多充电桩场站用电量预测方法,其特征在于,所述步骤s2采用3sigma策略,通过正态分布的置信度,将个别离群点提取并调整为相邻数据。
3.根据权利要求1所述一种基于时空组态的多充电桩场站用电量预测方法,其特征在于,所述步骤s3在数据聚合时,采用线性插值法对齐不同数据的时间粒度。
4.根据权利要求1所述一种基于时空组态的多充电桩场站用电量预测方法,其特征在于,所述步骤s4中对于缺失值,采用线性插值的方式进行弥补。
5.根据权利要求1所述一种基于时空组态的多充电桩场站用电量预测方法,其特征在于,步骤s6在完成步骤s5后进行实际的预测工作,步骤s7基于s6的预测结果,导入到s1中所建立的mysql数据库中进行存储;