基于大數據的電動汽車分析建模關鍵技術研究

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絡規劃的數據挖掘算法，重點解決電動汽車充電網絡海量異構數據的挖掘方案，為構建開放、智能、互動、高效的充電網絡提供了理論支撐。

關鍵詞：電動汽車、充電網絡、數據挖掘

0引言

國網電動汽車服務有限公司將電動汽車充換電業務作為主營業務，提出構建開放、智能、互動、高效的電動汽車充換電服務網絡。隨著電動汽車的逐步規?；l展、充電網絡的逐步多元化擴大、充換電業務的逐步深化轉型，電動汽車充電網絡亟需智能化、互動化發展，提升服務效能。

由于充電網絡的建設、運行和應用對象分散，其多歸屬的特征導致了充電網絡的復雜性與多樣性，充電設施產品質量良莠不齊、規劃選址不合理、運行安全、經濟效益不佳、充電網絡與電動汽車發展不協調等問題日益凸顯。目前，國內外尚未對充電設施尋址、充電數據深度分析、充電網和配電網智能互動等關鍵技術進行充分研究，亟需深入挖掘電動汽車充電網絡的潛力，促進電動汽車融入能源互聯網，實現交通低碳化發展。

本文通過研究面向電動汽車充電網絡大數據的數據挖掘算法，重點解決電動汽車充電網絡海量異構數據的挖掘處理問題，為實現對多類型、長周期、分時段的充電網絡大數據的深入利用提供底層支撐。

1?研究現狀

隨著國內電動汽車的大規模使用，不斷擴大的充電網絡將對電動汽車行業相關的所有業務領域產生顯著影響。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，目前國內外研究尚缺乏對充電網絡數據的完整建模，因此對充電網絡的需求分析和規劃研究往往側重于特定研究方向，影響了挖掘分析的準確性。

在充電負荷預測方面，?Lojowska等在深入調研不同類型電動汽車在充電時間、充電方式、起始荷電狀態（State of charge，SOC）等方面的差異的基礎上，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荷。在此基礎上，羅卓偉等在計算充電負荷的時候，計及了并非所有的可入網電動汽車均一直處于純電力驅動狀態的影響。隨著電動汽車充電負荷預測研究工作的深入，發展能夠細致考慮時空分布特征的充電負荷計算方法將成為研究電動汽車充電基礎設施建設、與電網的復性互動策略等問題的關鍵。

寇凌峰、薛飛等根據復雜網絡理論及其在電網領域的應用，發展出續航風險距離、續航能量密度以及網絡服務能力等指標，用于體現換電站距離、電池分布等因素對于充換電服務網絡整體服務能力的影響。Xiaoping J對電動汽車充換電站進行綜合規劃，運用多個評價指標對規劃方案進行的綜合評價[1，2，3，4，5，6，7，8]。在電動汽車充電網絡規劃研究方面，目前研究主要偏重于布局優化規劃理論研究，針對充換電網絡項目技術經濟評價理論與方法研究較為缺乏，缺乏對充電網絡大數據的數據挖掘分析技術的充分研究，尚未建立起包含車、樁、網、區域環境等數據模型在內的整體分析解決方案。

2 充電網絡數據模型

在充電網絡大數據挖掘分析算法方面，本文重點研究了充電網絡現狀統計分析，以及用戶畫像、電動車畫像和電網畫像等相關大數據分析挖掘技術，以形成充電網絡大數據挖掘分析解決方案。充電網絡現狀統計分析數據模型如下圖所示：

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

次數等業務數據進行一次和二次計算，生成客戶信息大數據，然后利用聚類分析技術建立客戶模型。電動汽車電池模型是對電動汽車電池壽命進行評估，采用數據平臺的電池相關變量數據（如溫差變化、壓差變化、放電深度統計等），提取電池梯次利用的關鍵參數指標，利用貝葉斯網絡建立電池健康狀態模型。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，為用戶長路徑規劃、殘值評估、儲能增值應用等提供決策支持。

3 整體解決方案

3.1方案概述

在統一數據模型基礎上，輔助居民出行問卷調查數據，將電動汽車出行目的地充電場所進行聚類分析，如回家、工作、購物吃飯、社交休閑和其他事務等。基于統計學理論，采用對數正態概率函數，擬合各段行程行駛結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轉移概率模型，構建車輛出行簡單鏈和復雜鏈模型。然后，考慮地區天氣溫度、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。根據是否充電的條件結合不同充電場所的充電功率水平計算出充電持續時間，建立時空關聯的充電需求自適應預測模型，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荷需求的時間和空間分布。

對規劃目標年的電動汽車保有量進行預測，基于電動汽車充電需求的時空分布預測方法，計算電動汽車總充電需求，根據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，分別由相應的電動汽車充電設施來滿足。結合GIS系統，抽象得到待規劃城市道路網的結構，確定道路網中不同空間位置的充電需求分布?；诟倪M的P-中心定位模型，建立以最優化服務質量為目標，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規劃模型，根據充電需求分布、充電設施分布和城市道路交通狀況在城市范圍內對充電設施進行綜合規劃。

3.2算法模型

電動汽車充電網絡數據挖掘整體解決方案包括如下模型和步驟：

在統一數據模型基礎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果，如每一年工作日與節假日不同EV車類型對不同充電樁的充電需求24小時分布、充電網絡規劃區域虛擬網格屬性、區域特征信息、每個網格中不同EV車類型對不同充電樁的充電功率和頻次需求等。

利用以上中間結果和充電樁檔案信息、交易明細、歷史業務數據等業務信息，以及區域特征信息、交通密度信息和經濟發展信息等環境數據，建立充電網格屬性指數（如圖5所示），并將電動汽車充電需求根據屬性分解到每個網格，計算出每個網格中不同EV車類型對不同充電樁的充電功率和頻次需求。

最終根據城市規劃及城市現狀，選取一定比例的網格進入候選布點網格集合，根據一定的充電服務半徑重新匹配網格，獲取的網格內不同的樁類型并形成最終的充電網絡整體評價及優化方案，評價算法為：在獲得n個系統的評價指標值的基礎上，選用或構造綜合評價函數，式中為指標權重向量，為系統的狀態向量。由上式可求出各系統的綜合評價值為第i個系統的狀態向量，并根據值的大?。ɑ蛴尚〉酱蠡蛴纱蟮叫。⑦@n個系統進行排序或分類。

4 結論

本文通過對國內外研究現狀的學習比較，在對充電網絡業務需求進行了充分調研分析的基礎上，給出了比較完整的充電網絡數據模型，并提出了電動汽車充電網絡數據挖掘的整體解決方案。

[參考文獻]

[1]田立亭，史雙龍，賈卓.電動汽車充電功率需求的統計學建模方法[J].電網技術，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.電動汽車充電負荷計算方法[J].電力系統自動化，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荷預測方法[J].電力系統自動化，2014，38（1）： 13-20。

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

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

[7] 薛飛，雷憲章，張野鷹，等.基于復雜網絡的電動汽車智能充換電服務網絡評估方法[J].電網技術，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，計算機科學與技術