基于大數(shù)據(jù)的電動汽車分析建模關(guān)鍵技術(shù)研究

Abstract： We research on the algorithms of data-mining for electric vehicle charging networks planning， mainly on the solution of mining of the mass amount of heterogeneous data， and provide the ?theoretical basis?for the construction of the open，intelligent，interactive，efficient?electric vehicle charging networks.

Keywords： electric vehicle， charging network， data mining

摘要：該文主要研究面向電動汽車充電網(wǎng)絡(luò)規(guī)劃的數(shù)據(jù)挖掘算法，重點解決電動汽車充電網(wǎng)絡(luò)海量異構(gòu)數(shù)據(jù)的挖掘方案，為構(gòu)建開放、智能、互動、高效的充電網(wǎng)絡(luò)提供了理論支撐。

關(guān)鍵詞：電動汽車、充電網(wǎng)絡(luò)、數(shù)據(jù)挖掘

0引言

國網(wǎng)電動汽車服務(wù)有限公司將電動汽車充換電業(yè)務(wù)作為主營業(yè)務(wù)，提出構(gòu)建開放、智能、互動、高效的電動汽車充換電服務(wù)網(wǎng)絡(luò)。隨著電動汽車的逐步規(guī)?；l(fā)展、充電網(wǎng)絡(luò)的逐步多元化擴大、充換電業(yè)務(wù)的逐步深化轉(zhuǎn)型，電動汽車充電網(wǎng)絡(luò)亟需智能化、互動化發(fā)展，提升服務(wù)效能。

由于充電網(wǎng)絡(luò)的建設(shè)、運行和應(yīng)用對象分散，其多歸屬的特征導(dǎo)致了充電網(wǎng)絡(luò)的復(fù)雜性與多樣性，充電設(shè)施產(chǎn)品質(zhì)量良莠不齊、規(guī)劃選址不合理、運行安全、經(jīng)濟效益不佳、充電網(wǎng)絡(luò)與電動汽車發(fā)展不協(xié)調(diào)等問題日益凸顯。目前，國內(nèi)外尚未對充電設(shè)施尋址、充電數(shù)據(jù)深度分析、充電網(wǎng)和配電網(wǎng)智能互動等關(guān)鍵技術(shù)進(jìn)行充分研究，亟需深入挖掘電動汽車充電網(wǎng)絡(luò)的潛力，促進(jìn)電動汽車融入能源互聯(lián)網(wǎng)，實現(xiàn)交通低碳化發(fā)展。

本文通過研究面向電動汽車充電網(wǎng)絡(luò)大數(shù)據(jù)的數(shù)據(jù)挖掘算法，重點解決電動汽車充電網(wǎng)絡(luò)海量異構(gòu)數(shù)據(jù)的挖掘處理問題，為實現(xiàn)對多類型、長周期、分時段的充電網(wǎng)絡(luò)大數(shù)據(jù)的深入利用提供底層支撐。

1?研究現(xiàn)狀

隨著國內(nèi)電動汽車的大規(guī)模使用，不斷擴大的充電網(wǎng)絡(luò)將對電動汽車行業(yè)相關(guān)的所有業(yè)務(wù)領(lǐng)域產(chǎn)生顯著影響。電動汽車充電需求主要由用戶出行需求決定，受到用戶使用習(xí)慣、電動汽車品牌型號特性、充電樁特性等因素的影響，目前國內(nèi)外研究尚缺乏對充電網(wǎng)絡(luò)數(shù)據(jù)的完整建模，因此對充電網(wǎng)絡(luò)的需求分析和規(guī)劃研究往往側(cè)重于特定研究方向，影響了挖掘分析的準(zhǔn)確性。

在充電負(fù)荷預(yù)測方面，?Lojowska等在深入調(diào)研不同類型電動汽車在充電時間、充電方式、起始荷電狀態(tài)（State of charge，SOC）等方面的差異的基礎(chǔ)上，給出了一種基于Monte Carlo模擬的方式來計算電動汽車的充電負(fù)荷。在此基礎(chǔ)上，羅卓偉等在計算充電負(fù)荷的時候，計及了并非所有的可入網(wǎng)電動汽車均一直處于純電力驅(qū)動狀態(tài)的影響。隨著電動汽車充電負(fù)荷預(yù)測研究工作的深入，發(fā)展能夠細(xì)致考慮時空分布特征的充電負(fù)荷計算方法將成為研究電動汽車充電基礎(chǔ)設(shè)施建設(shè)、與電網(wǎng)的復(fù)性互動策略等問題的關(guān)鍵。

寇凌峰、薛飛等根據(jù)復(fù)雜網(wǎng)絡(luò)理論及其在電網(wǎng)領(lǐng)域的應(yīng)用，發(fā)展出續(xù)航風(fēng)險距離、續(xù)航能量密度以及網(wǎng)絡(luò)服務(wù)能力等指標(biāo)，用于體現(xiàn)換電站距離、電池分布等因素對于充換電服務(wù)網(wǎng)絡(luò)整體服務(wù)能力的影響。Xiaoping J對電動汽車充換電站進(jìn)行綜合規(guī)劃，運用多個評價指標(biāo)對規(guī)劃方案進(jìn)行的綜合評價[1，2，3，4，5，6，7，8]。在電動汽車充電網(wǎng)絡(luò)規(guī)劃研究方面，目前研究主要偏重于布局優(yōu)化規(guī)劃理論研究，針對充換電網(wǎng)絡(luò)項目技術(shù)經(jīng)濟評價理論與方法研究較為缺乏，缺乏對充電網(wǎng)絡(luò)大數(shù)據(jù)的數(shù)據(jù)挖掘分析技術(shù)的充分研究，尚未建立起包含車、樁、網(wǎng)、區(qū)域環(huán)境等數(shù)據(jù)模型在內(nèi)的整體分析解決方案。

2 充電網(wǎng)絡(luò)數(shù)據(jù)模型

在充電網(wǎng)絡(luò)大數(shù)據(jù)挖掘分析算法方面，本文重點研究了充電網(wǎng)絡(luò)現(xiàn)狀統(tǒng)計分析，以及用戶畫像、電動車畫像和電網(wǎng)畫像等相關(guān)大數(shù)據(jù)分析挖掘技術(shù)，以形成充電網(wǎng)絡(luò)大數(shù)據(jù)挖掘分析解決方案。充電網(wǎng)絡(luò)現(xiàn)狀統(tǒng)計分析數(shù)據(jù)模型如下圖所示：

圖中，電動汽車充電量需求、電動汽車區(qū)域分布、充電功率需求等分析均涉及到用戶畫像和電網(wǎng)畫像等大數(shù)據(jù)挖掘技術(shù)。例如，用戶駕駛行為模型是基于聚類分析的客戶細(xì)分模型，可利用日出行距離、活動半徑、加速/超速、日充電

次數(shù)等業(yè)務(wù)數(shù)據(jù)進(jìn)行一次和二次計算，生成客戶信息大數(shù)據(jù)，然后利用聚類分析技術(shù)建立客戶模型。電動汽車電池模型是對電動汽車電池壽命進(jìn)行評估，采用數(shù)據(jù)平臺的電池相關(guān)變量數(shù)據(jù)（如溫差變化、壓差變化、放電深度統(tǒng)計等），提取電池梯次利用的關(guān)鍵參數(shù)指標(biāo)，利用貝葉斯網(wǎng)絡(luò)建立電池健康狀態(tài)模型。利用電池模型可建立電動汽車整車模型，從而分析汽車健康狀況，為用戶長路徑規(guī)劃、殘值評估、儲能增值應(yīng)用等提供決策支持。

3 整體解決方案

3.1方案概述

在統(tǒng)一數(shù)據(jù)模型基礎(chǔ)上，輔助居民出行問卷調(diào)查數(shù)據(jù)，將電動汽車出行目的地充電場所進(jìn)行聚類分析，如回家、工作、購物吃飯、社交休閑和其他事務(wù)等。基于統(tǒng)計學(xué)理論，采用對數(shù)正態(tài)概率函數(shù)，擬合各段行程行駛結(jié)束時間和行駛距離等。其次，針對不同場景的起始點，以馬爾科夫理論狀態(tài)轉(zhuǎn)移概率模型，構(gòu)建車輛出行簡單鏈和復(fù)雜鏈模型。然后，考慮地區(qū)天氣溫度、交通路況對于電動汽車耗電量的影響，采用模糊算法計算車輛不同狀況下每公里的耗電量。根據(jù)是否充電的條件結(jié)合不同充電場所的充電功率水平計算出充電持續(xù)時間，建立時空關(guān)聯(lián)的充電需求自適應(yīng)預(yù)測模型，使用蒙特卡洛方法模擬各類型出行電動汽車的行程結(jié)束時間、行駛距離和充電等，最終得到不同場所的電動汽車充電負(fù)荷需求的時間和空間分布。

對規(guī)劃目標(biāo)年的電動汽車保有量進(jìn)行預(yù)測，基于電動汽車充電需求的時空分布預(yù)測方法，計算電動汽車總充電需求，根據(jù)電動汽車用戶的充電行為和行駛特點，將充電需求劃分為不同類型，分別由相應(yīng)的電動汽車充電設(shè)施來滿足。結(jié)合GIS系統(tǒng)，抽象得到待規(guī)劃城市道路網(wǎng)的結(jié)構(gòu)，確定道路網(wǎng)中不同空間位置的充電需求分布?；诟倪M(jìn)的P-中心定位模型，建立以最優(yōu)化服務(wù)質(zhì)量為目標(biāo)，以總投資成本、運維成本、購電成本和充電站用戶成本等為約束的線性整數(shù)規(guī)劃模型，根據(jù)充電需求分布、充電設(shè)施分布和城市道路交通狀況在城市范圍內(nèi)對充電設(shè)施進(jìn)行綜合規(guī)劃。

3.2算法模型

電動汽車充電網(wǎng)絡(luò)數(shù)據(jù)挖掘整體解決方案包括如下模型和步驟：

在統(tǒng)一數(shù)據(jù)模型基礎(chǔ)上建立分析所需的各個計算模型，如電動汽車保有量模型、不同類型充電樁需求模型等。

通過模型計算形成一系列分析結(jié)果，如每一年工作日與節(jié)假日不同EV車類型對不同充電樁的充電需求24小時分布、充電網(wǎng)絡(luò)規(guī)劃區(qū)域虛擬網(wǎng)格屬性、區(qū)域特征信息、每個網(wǎng)格中不同EV車類型對不同充電樁的充電功率和頻次需求等。

利用以上中間結(jié)果和充電樁檔案信息、交易明細(xì)、歷史業(yè)務(wù)數(shù)據(jù)等業(yè)務(wù)信息，以及區(qū)域特征信息、交通密度信息和經(jīng)濟發(fā)展信息等環(huán)境數(shù)據(jù)，建立充電網(wǎng)格屬性指數(shù)（如圖5所示），并將電動汽車充電需求根據(jù)屬性分解到每個網(wǎng)格，計算出每個網(wǎng)格中不同EV車類型對不同充電樁的充電功率和頻次需求。

最終根據(jù)城市規(guī)劃及城市現(xiàn)狀，選取一定比例的網(wǎng)格進(jìn)入候選布點網(wǎng)格集合，根據(jù)一定的充電服務(wù)半徑重新匹配網(wǎng)格，獲取的網(wǎng)格內(nèi)不同的樁類型并形成最終的充電網(wǎng)絡(luò)整體評價及優(yōu)化方案，評價算法為：在獲得n個系統(tǒng)的評價指標(biāo)值的基礎(chǔ)上，選用或構(gòu)造綜合評價函數(shù)，式中為指標(biāo)權(quán)重向量，為系統(tǒng)的狀態(tài)向量。由上式可求出各系統(tǒng)的綜合評價值為第i個系統(tǒng)的狀態(tài)向量，并根據(jù)值的大?。ɑ蛴尚〉酱蠡蛴纱蟮叫。⑦@n個系統(tǒng)進(jìn)行排序或分類。

4 結(jié)論

本文通過對國內(nèi)外研究現(xiàn)狀的學(xué)習(xí)比較，在對充電網(wǎng)絡(luò)業(yè)務(wù)需求進(jìn)行了充分調(diào)研分析的基礎(chǔ)上，給出了比較完整的充電網(wǎng)絡(luò)數(shù)據(jù)模型，并提出了電動汽車充電網(wǎng)絡(luò)數(shù)據(jù)挖掘的整體解決方案。

[參考文獻(xiàn)]

[1]田立亭，史雙龍，賈卓.電動汽車充電功率需求的統(tǒng)計學(xué)建模方法[J].電網(wǎng)技術(shù)，2010， 34（11）： 126-130.

[2]A. Lojowska， D. Kurowicka， G. Papaeflhymiou， et al. Stochastic modeling of power demand due to EVs using copula [J]. IEEE Transactions on Power Systems， 2012， 27（4）：1960-1968.

[3]羅卓偉，胡澤春，宋永華，等.電動汽車充電負(fù)荷計算方法[J].電力系統(tǒng)自動化，2011，35（14）： 36-42.

[4]張洪財，胡澤春，宋永華，等.考慮時空分布的電動汽車充電負(fù)荷預(yù)測方法[J].電力系統(tǒng)自動化，2014，38（1）： 13-20。

[5] 王錫凡，邵成成，王秀麗，杜超，電動汽車充電負(fù)荷與調(diào)度控制策略綜述[J].中國電機工程學(xué)報，2013，33（1）：5-15.

[6] 寇凌峰，劉自發(fā)，周歡.區(qū)域電動汽車充電站規(guī)劃的模型與算法[J].現(xiàn)代電力，2010， 27（4）： 44-48.

[7] 薛飛，雷憲章，張野鷹，等.基于復(fù)雜網(wǎng)絡(luò)的電動汽車智能充換電服務(wù)網(wǎng)絡(luò)評估方法[J].電網(wǎng)技術(shù)，2012， 36（9）：20-24

[8]Xiaoping J， Keyi J， Bo W. Electric vehicles and charging networks in China [C].Power Electronics ?Systems and Applications （PESA）， 20114th?International Conference on. IEEE， 2011：1-6

作者簡介：

白潔音，男，1976年10月，碩士，中級職稱，遼寧，計算機科學(xué)與技術(shù)