本發(fā)明涉及電動(dòng)汽車技術(shù)領(lǐng)域,特別是涉及一種充電電量預(yù)測(cè)方法及裝置。
背景技術(shù):
大力發(fā)展電動(dòng)汽車,對(duì)保障能源安全、促進(jìn)節(jié)能減排、防治大氣污染、培育新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)和國(guó)際競(jìng)爭(zhēng)優(yōu)勢(shì)具有重要意義。而完善的充電設(shè)施體系是發(fā)展電動(dòng)汽車的重要保障,因此,如何在充電設(shè)施建設(shè)規(guī)劃區(qū)準(zhǔn)確投放充電設(shè)施成為本領(lǐng)域人員亟待解決的技術(shù)問題。
現(xiàn)有技術(shù)中大多基于專家經(jīng)驗(yàn)法對(duì)充電設(shè)施投放進(jìn)行規(guī)劃,所謂專家經(jīng)驗(yàn)法指的是基于主觀判斷的方法,根據(jù)有限的信息主觀判斷充電設(shè)施建設(shè)規(guī)劃區(qū)的電動(dòng)汽車的充電需求和充電設(shè)施的投放規(guī)模。
發(fā)明人在對(duì)現(xiàn)有技術(shù)的研究過程中發(fā)現(xiàn),專家經(jīng)驗(yàn)法難以標(biāo)準(zhǔn)化,當(dāng)充電設(shè)施建設(shè)規(guī)劃區(qū)劃分較多時(shí),重復(fù)性工作較多,專家經(jīng)驗(yàn)難以快速?gòu)?fù)制;無(wú)法對(duì)專家決策進(jìn)行評(píng)估和有效監(jiān)控;過分依賴專家經(jīng)驗(yàn),人力成本過高,如果缺少有經(jīng)驗(yàn)的專家,就會(huì)給充電設(shè)施建設(shè)規(guī)劃工作帶來(lái)很大的困難。
技術(shù)實(shí)現(xiàn)要素:
為解決上述技術(shù)問題,本發(fā)明實(shí)施例提供了一種充電電量預(yù)測(cè)方法及裝置,以實(shí)現(xiàn)對(duì)充電建設(shè)規(guī)劃區(qū)的充電電量預(yù)測(cè),技術(shù)方案如下:
一種充電電量預(yù)測(cè)方法,包括:
分別獲取m個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量曲線,所述充電電量曲線為統(tǒng)計(jì)出的所述充電建設(shè)規(guī)劃區(qū)的充電設(shè)施、在預(yù)設(shè)周期內(nèi)的充電電量數(shù)據(jù)組成的曲線,m為正整數(shù);
對(duì)m條所述充電曲線進(jìn)行聚類,獲得g類典型充電電量曲線,其中,g≤m,g為正整數(shù);
對(duì)每類典型充電電量曲線的充電影響因素進(jìn)行篩選,確定每類典型充電電量曲線的充電影響因素;
依據(jù)所述每類典型充電電量曲線的充電影響因素及每個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù),對(duì)每個(gè)規(guī)劃區(qū)進(jìn)行充電電量預(yù)測(cè)。
可選地,對(duì)m條所述充電曲線進(jìn)行聚類,獲得g類典型充電電量曲線,包括:
判斷m條所述充電電量曲線所包含的充電電量數(shù)據(jù)是否為可聚類的非隨機(jī)結(jié)構(gòu);
若是,對(duì)每條所述充電電量曲線歸一化;
對(duì)歸一化的每條所述充電電量曲線進(jìn)行聚類分析,獲得所述m條充電電量曲線聚類的類別數(shù)及每類充電電量曲線所包含的充電電量曲線的條數(shù);
對(duì)每類充電電量曲線在每個(gè)所述預(yù)設(shè)周期上取平均值,獲得每類典型充電電量曲線。
可選地,判斷m條所述充電電量曲線所包含的充電電量數(shù)據(jù)是否為可聚類的非隨機(jī)結(jié)構(gòu),包括:
獲取m條所述充電電量曲線所包含的充電電量數(shù)據(jù)的霍普金斯統(tǒng)計(jì)量;
判斷霍普金斯統(tǒng)計(jì)量是否大于預(yù)設(shè)閾值;
若是,表明所述充電電量數(shù)據(jù)為可聚類的非隨機(jī)結(jié)構(gòu)。
可選地,采用最小-最大歸一化方法或零均值歸一化方法對(duì)所述充電電量曲線歸一化。
可選地,對(duì)歸一化的每條所述充電電量曲線進(jìn)行聚類分析,獲得所述m條充電電量曲線聚類的類別數(shù)及每類充電電量曲線所包含的充電電量曲線,包括:
采用k-means聚類算法或系統(tǒng)聚類算法預(yù)估所述m條充電電量曲線所能聚類的類別數(shù)集,所述類別數(shù)集至少包含兩個(gè)類別數(shù)及每個(gè)類別數(shù)所包含的充電電量曲線;
采用肘方法,從所述類別數(shù)集中獲得所述m條充電電量曲線聚類的類別數(shù)及每類充電電量曲線所包含的充電電量曲線。
可選地,對(duì)每類典型充電電量曲線的影響因素進(jìn)行篩選,確定每類典型充電電量曲線的影響因素,包括:
獲取所述每類典型充電電量曲線與預(yù)估的每個(gè)充電影響因素的pearson相關(guān)系數(shù);
對(duì)所述pearson相關(guān)系數(shù)的顯著性進(jìn)行檢驗(yàn),將滿足顯著性檢驗(yàn)的充電影響因素作為每類典型充電電量曲線的影響因素。
一種充電電量預(yù)測(cè)裝置,包括:
第一獲取單元,用于分別獲取m個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量曲線,所述充電電量曲線為統(tǒng)計(jì)出的所述充電建設(shè)規(guī)劃區(qū)的充電設(shè)施、在預(yù)設(shè)周期內(nèi)的充電電量數(shù)據(jù)組成的曲線,m為正整數(shù);
第一獲得單元,用于對(duì)m條所述充電曲線進(jìn)行聚類,獲得g類典型充電電量曲線,其中,g≤m,g為正整數(shù);
確定單元,用于對(duì)每類典型充電電量曲線的充電影響因素進(jìn)行篩選,確定每類典型充電電量曲線的充電影響因素;
預(yù)測(cè)單元,用于依據(jù)所述每類典型充電電量曲線的充電影響因素及每個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù),對(duì)每個(gè)規(guī)劃區(qū)進(jìn)行充電電量預(yù)測(cè)。
可選地,所述第一獲得單元,包括:
判斷單元,用于判斷m條所述充電電量曲線所包含的充電電量數(shù)據(jù)是否為可聚類的非隨機(jī)結(jié)構(gòu);
歸一化單元,用于當(dāng)所述的判斷單元確定所述充電電量數(shù)據(jù)是可聚類的非隨機(jī)結(jié)構(gòu)時(shí),對(duì)每條所述充電電量曲線歸一化;
聚類分析單元,用于對(duì)歸一化的每條所述充電電量曲線進(jìn)行聚類分析,獲得所述m條充電電量曲線聚類的類別數(shù)及每類充電電量曲線所包含的充電電量曲線的條數(shù);
第二獲得單元,用于對(duì)每類充電電量曲線在每個(gè)所述預(yù)設(shè)周期上取平均值,獲得每類典型充電電量曲線。
可選地,所述判斷單元,包括:
第二獲取單元,用于獲取m條所述充電電量曲線所包含的充電電量數(shù)據(jù)的霍普金斯統(tǒng)計(jì)量;
判斷子單元,用于判斷霍普金斯統(tǒng)計(jì)量是否大于預(yù)設(shè)閾值,若是,表明所述充電電量數(shù)據(jù)為可聚類的非隨機(jī)結(jié)構(gòu)。
可選地,所述歸一化單元,包括:
歸一化子單元,用于采用最小-最大歸一化方法或零均值歸一化方法對(duì)所述充電電量曲線歸一化。
可選地,所述聚類分析單元,包括:
預(yù)估單元,用于采用k-means聚類算法或系統(tǒng)聚類算法預(yù)估所述m條充電電量曲線所能聚類的類別數(shù)集,所述類別數(shù)集至少包含兩個(gè)類別數(shù)及每個(gè)類別數(shù)所包含的充電電量曲線;
第三獲得單元,用于采用肘方法,從所述類別數(shù)集中獲得所述m條充電電量曲線聚類的類別數(shù)及每類充電電量曲線所包含的充電電量曲線。
可選地,確定單元,包括:
第三獲取單元,用于獲取所述每類典型充電電量曲線與預(yù)估的每個(gè)充電影響因素的pearson相關(guān)系數(shù);
檢驗(yàn)單元,用于對(duì)所述pearson相關(guān)系數(shù)的顯著性進(jìn)行檢驗(yàn),將滿足顯著性檢驗(yàn)的充電影響因素作為每類典型充電電量曲線的影響因素。
本申請(qǐng)實(shí)施例提供的技術(shù)方案,獲取m個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量曲線,對(duì)m條充電電量曲線進(jìn)行聚類,獲得g類典型充電電量曲線,然后對(duì)每類典型充電電量曲線的充電影響因素進(jìn)行篩選,以確定每類典型充電電量曲線的充電影響因素,最后依據(jù)每類典型充電電量曲線的充電影響因素以及每個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù),對(duì)每個(gè)規(guī)劃區(qū)進(jìn)行充電電量預(yù)測(cè)??梢?,本申請(qǐng)方案通過獲取充電建設(shè)規(guī)劃區(qū)的充電電量曲線,對(duì)充電電量曲線進(jìn)行聚類以及充電影響因素篩選,實(shí)現(xiàn)了對(duì)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù)的預(yù)測(cè)。
附圖說(shuō)明
為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單的介紹,顯而易見地,下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例,對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講,在不付出創(chuàng)造性勞動(dòng)性的前提下,還可以根據(jù)這些附圖獲得其他的附圖。
圖1為本發(fā)明實(shí)施例所提供的一種充電電量預(yù)測(cè)方法的一種流程示意圖;
圖2為本發(fā)明實(shí)施例所提供的一種充電電量預(yù)測(cè)方法的另一種流程示意圖;
圖3為本發(fā)明實(shí)施例所提供的系統(tǒng)聚類算法的譜系圖;
圖4為本發(fā)明實(shí)施例所提供的肘方法示意圖;
圖5為本發(fā)明實(shí)施例所提供的一種充電電量預(yù)測(cè)裝置的一種結(jié)構(gòu)示意圖;
圖6為本發(fā)明實(shí)施例所提供的一種充電電量預(yù)測(cè)裝置的另一種結(jié)構(gòu)示意圖。
具體實(shí)施方式
下面將結(jié)合本發(fā)明實(shí)施例中的附圖,對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述,顯然,所描述的實(shí)施例僅是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例?;诒景l(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。
請(qǐng)參閱圖1,圖1為本申請(qǐng)實(shí)施例提供的一種充電電量預(yù)測(cè)方法的一種實(shí)現(xiàn)流程圖,所述方法包括:
步驟s101、分別獲取m個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量曲線,所述充電電量曲線為統(tǒng)計(jì)出的所述充電建設(shè)規(guī)劃區(qū)的充電設(shè)施、在預(yù)設(shè)周期內(nèi)的充電電量數(shù)據(jù)組成的曲線,m為正整數(shù);
充電設(shè)施建設(shè)規(guī)劃區(qū),指在進(jìn)行充電設(shè)施建設(shè)規(guī)劃時(shí),對(duì)地理區(qū)域進(jìn)行的一種劃分,可以按照行政區(qū)域劃分,也可以按照人口密度等其它方法劃分。
充電設(shè)施,又稱公共充電設(shè)施,指面向不特定用戶(主要是私家車和出租車)的充電設(shè)施,如公共充電樁(站)。
本發(fā)明首先獲取m個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量曲線,如,獲取m個(gè)規(guī)劃區(qū)在剛剛過去的t個(gè)周期的充電電量曲線,其中,根據(jù)實(shí)際需要,可以以月或周為周期統(tǒng)計(jì)各充電建設(shè)規(guī)劃區(qū)的充電電量曲線,當(dāng)然也可以以任何其他維度為周期統(tǒng)計(jì)各充電減少規(guī)劃區(qū)的充電電量曲線。
步驟s102、對(duì)m條所述充電曲線進(jìn)行聚類,獲得g類典型充電電量曲線,其中,g≤m,g為正整數(shù);
聚類是一種把集合中的對(duì)象分成若干類的數(shù)據(jù)分析方法,它使得每個(gè)類中的對(duì)象盡可能地相似,不同類中的對(duì)象盡可能相異,因此,經(jīng)過聚類后的典型充電電量曲線的類別數(shù)不大于原始獲取的充電曲線的條數(shù)。
步驟s103、對(duì)每類典型充電電量曲線的充電影響因素進(jìn)行篩選,確定每類典型充電電量曲線的充電影響因素;
影響充電設(shè)施建設(shè)規(guī)劃區(qū)的充電電量的因素稱之為充電影響因素,如充電卡開卡量、私人充電樁報(bào)裝量及新能源汽車保有量等因素。
步驟s104、依據(jù)所述每類典型充電電量曲線的充電影響因素及每個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù),對(duì)每個(gè)規(guī)劃區(qū)進(jìn)行充電電量預(yù)測(cè)。
本實(shí)施例提供的技術(shù)方案,獲取m個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量曲線,對(duì)m條充電電量曲線進(jìn)行聚類,獲得g類典型充電電量曲線,然后對(duì)每類典型充電電量曲線的充電影響因素進(jìn)行篩選,以確定每類典型充電電量曲線的充電影響因素,最后依據(jù)每類典型充電電量曲線的充電影響因素以及每個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù),對(duì)每個(gè)規(guī)劃區(qū)進(jìn)行充電電量預(yù)測(cè)??梢姡旧暾?qǐng)方案通過獲取充電建設(shè)規(guī)劃區(qū)的充電電量曲線,對(duì)充電電量曲線進(jìn)行聚類以及充電影響因素篩選,實(shí)現(xiàn)了對(duì)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù)的預(yù)測(cè)。
請(qǐng)參閱圖2,圖2為本申請(qǐng)實(shí)施例提供的一種充電電量預(yù)測(cè)方法的另一種實(shí)現(xiàn)流程圖,所述方法包括:
步驟s201、分別獲取m個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量曲線;
所述充電電量曲線為統(tǒng)計(jì)出的所述充電建設(shè)規(guī)劃區(qū)的充電設(shè)施、在預(yù)設(shè)周期內(nèi)的充電電量數(shù)據(jù)組成的曲線;
步驟s202、獲取m條所述充電電量曲線所包含的充電電量數(shù)據(jù)的霍普金斯統(tǒng)計(jì)量;
下面具體闡釋獲取霍普金斯統(tǒng)計(jì)量的實(shí)現(xiàn)過程:
將m個(gè)充電建設(shè)規(guī)劃區(qū)過去t個(gè)周期的充電電量數(shù)據(jù)集記為d,d可看作由m個(gè)維度為t的點(diǎn){d1,d2,…,dm}組成,di為由第一個(gè)周期到第t個(gè)周期的充電電量數(shù)據(jù)組成的列向量,1≤i≤m)。
首先,隨機(jī)地從d的空間中抽取n(n<m)個(gè)點(diǎn)p1,p2,…,pn,對(duì)于每個(gè)點(diǎn)pi(1≤i≤n),找出d中距該點(diǎn)最近的點(diǎn),并計(jì)算它們之間的距離xi;然后隨機(jī)地從d中抽取n(n<m)個(gè)點(diǎn)q1,q2,…,qn,對(duì)于每個(gè)點(diǎn)qi(1≤i≤n),找出d中距該點(diǎn)最近的點(diǎn),并計(jì)算它們之間的距離yi。
根據(jù)公式
步驟s203、判斷霍普金斯統(tǒng)計(jì)量是否大于預(yù)設(shè)閾值,若是,執(zhí)行步驟s204;
當(dāng)d是均勻分布時(shí),
需要說(shuō)明的是,由于抽樣的隨機(jī)性,每次計(jì)算出來(lái)的h值可能會(huì)不同,因此實(shí)際操作是應(yīng)多次計(jì)算h值,根據(jù)h值的分布概率最終確定h的取值。
步驟s204、采用最小-最大歸一化方法或零均值歸一化方法對(duì)每條所述充電電量曲線歸一化;
為了排除充電電量量綱對(duì)曲線聚類的影響,需要對(duì)充電電量曲線進(jìn)行歸一化,具體地,本實(shí)施例中可采取的歸一化方法有兩種,一種為最小-最大歸一化方法,另一種為零均值歸一化方法。
以下分別闡述兩種歸一化方法的實(shí)現(xiàn):
最小-最大歸一化(min-maxnormalization):
記某條充電電量曲線上過去t個(gè)周期的充電電量時(shí)間序列為e={e1,e2,…,et},ei(1≤i≤t)為該條充電電量曲線上第i個(gè)周期的充電電量,且,該條充電電量曲線上充電電量最大值emax=max(e),最小值emin=min(e),記歸一化后的充電電量時(shí)間序列為
零均值歸一化(z-scorenormalization):
記某條充電電量曲線上過去t個(gè)周期的充電電量時(shí)間序列為
e={e1,e2…,et},ei(1≤i≤t)為該條充電電量曲線上第i個(gè)周期的充電電量,該條充電電量曲線的均值
步驟s205、采用k-means聚類算法或系統(tǒng)聚類算法預(yù)估所述m條充電電量曲線所能聚類的類別數(shù)集,所述類別數(shù)集至少包含三個(gè)類別數(shù)及每個(gè)類別數(shù)所包含的充電電量曲線;
k-means聚類算法如下:
第一步,預(yù)設(shè)k,即預(yù)先將充電電量曲線劃分成k類,從充電電量曲線中任意選擇k條曲線分別作為每一類的初始聚類中心(質(zhì)心),k<m;
第二步,計(jì)算充電電量曲線中、除上述k條曲線外每條曲線到k個(gè)質(zhì)心的距離,并將它劃分到距離最近的質(zhì)心所在的類;
第三步,計(jì)算新得到的k個(gè)類的質(zhì)心,一般取類中所有充電電量曲線的均值作為該類的質(zhì)心;
第四步,循環(huán)第二步和第三步,直到每個(gè)聚類中的對(duì)象不再發(fā)生變化為止。
重復(fù)上述四步,可以得到多個(gè)k及每類中包含的充電曲線。
系統(tǒng)聚類算法如下:
第一步,預(yù)設(shè)m條充電電量曲線中的每條充電電量曲線自成一類;
第二步,計(jì)算類與類質(zhì)心之間的距離,一般取類中所有充電電量曲線的均值作為該類的質(zhì)心;
第三步,選擇距離最小的兩類合并成新的一類,并更新其質(zhì)心;
第四步,重復(fù)第二步和第三步,這樣每次減少一類,直至所有的充電電量曲線合為一類。
根據(jù)系統(tǒng)聚類的譜系圖可以獲得聚類的類別數(shù)及每類所包含的充電電量曲線。
如圖3所示,為m=10時(shí),采用系統(tǒng)聚類算法,將10條充電電量曲線聚合成一類的譜系圖,依據(jù)該圖,用戶可以設(shè)定聚類的類別數(shù)以及每一類所包含的充電電量曲線。如,設(shè)聚類的類別數(shù)為2,則,充電電量曲線6、10、7為一類,其余的充電電量曲線為;又如,設(shè)聚類的類別數(shù)為4,則,充電電量曲線1、8、4為一類,充電電量曲線2、3、9為一類,充電電量曲線5為一類,充電電量曲線6、10、7為一類。
步驟s206、采用肘方法,從所述類別數(shù)集中獲得所述m條充電電量曲線聚類的類別數(shù)及每類充電電量曲線所包含的充電電量曲線;
由于無(wú)論采用k-means聚類算法還是系統(tǒng)聚類算法,所得到都是多種類別數(shù)據(jù),所以,為了獲得最合理的類別數(shù),采用肘方法獲得m條充電電量曲線聚類的類別數(shù)及每類充電電量曲線所包含的充電電量曲線,具體地,肘方法的實(shí)現(xiàn)如下所示:
記m個(gè)充電建設(shè)規(guī)劃區(qū)過去t個(gè)周期的充電電量數(shù)據(jù)集記為d,即d中有m條充電電量曲線{d1,d2,…,dm},這些曲線被劃分成k類,記為ck(k=1,2,…,k),每一類包含mk(k=1,2,…,k)條曲線,滿足mk>0和
θk(k=1,2,…,k)表示每一類的質(zhì)心,本發(fā)明中類質(zhì)心表示為類內(nèi)充電電量曲線的簡(jiǎn)單平均,即
對(duì)于充電電量曲線的這種劃分,當(dāng)距離度量采用歐式距離時(shí),其總的類內(nèi)方差和計(jì)算公式為
將由方差和以及聚類數(shù)組成的曲線中,肘點(diǎn)出現(xiàn)的聚類數(shù)作為m條充電電量曲線聚類的類別數(shù)。
如圖4所示的肘方法示意圖,聚類數(shù)為4時(shí),方差和曲線出現(xiàn)了肘點(diǎn),所以,將4作為m條充電電量曲線聚類的類別數(shù),同時(shí)獲取采用k-means聚類算法或系統(tǒng)聚類算法得到的聚類數(shù)為4時(shí),每類充電電量曲線所包含的充電電量曲線。
步驟s207、對(duì)每類充電電量曲線在每個(gè)所述預(yù)設(shè)周期上取平均值,獲得每類典型充電電量曲線。
步驟s208、獲取所述每類典型充電電量曲線與預(yù)估的每個(gè)充電影響因素的pearson相關(guān)系數(shù);
步驟s209、對(duì)所述pearson相關(guān)系數(shù)的顯著性進(jìn)行檢驗(yàn),將滿足顯著性檢驗(yàn)的充電影響因素作為每類典型充電電量曲線的影響因素;
記過去t個(gè)周期某一類典型充電電量曲線包含的充電電量數(shù)據(jù)為y={y1,y2,…,yt},x={x1,x2,…,xt}為同周期的某外部充電影響因素(充電卡開卡量、私人充電樁報(bào)裝量或新能源汽車保有量等因素),典型充電電量曲線的充電電量均值記為
由于樣本相關(guān)系數(shù)r是總體相關(guān)系數(shù)ρ的估計(jì),所以,樣本相關(guān)系數(shù)可能會(huì)存在抽樣誤差,所以需要對(duì)樣本相關(guān)系數(shù)進(jìn)一步進(jìn)行顯著性校驗(yàn)。
如果兩個(gè)變量的相關(guān)關(guān)系是顯著的,那么總體相關(guān)系數(shù)ρ應(yīng)該顯著地不為0,這時(shí)要對(duì)r進(jìn)行假設(shè)檢驗(yàn),將r與總體相關(guān)系數(shù)ρ=0進(jìn)行比較,看兩者的差別有無(wú)統(tǒng)計(jì)意義,判斷r不等于0是由于抽樣誤差所致,還是兩個(gè)變量之間存在顯著的相關(guān)關(guān)系。于是,在相關(guān)系數(shù)顯著性檢驗(yàn)中設(shè)計(jì)的原假設(shè)和備擇假設(shè)分別為:
原假設(shè)h0:ρ=0兩變量線性無(wú)關(guān)
備擇假設(shè)h1:ρ≠0兩變量線性相關(guān)
確定顯著性水平:α=0.05或其它值,表示原假設(shè)正確而被拒絕的概率
構(gòu)造假設(shè)檢驗(yàn)的t統(tǒng)計(jì)量:
其中,n=t。
該統(tǒng)計(jì)量服從自由度為n-2(n表示樣本量)的t分布。
假設(shè)檢驗(yàn)的基本思想可概括為概率性質(zhì)的反證法。為了檢驗(yàn)原假設(shè)h0是否正確,先假設(shè)這個(gè)假設(shè)是正確的,看由此能推出什么結(jié)果。如果導(dǎo)致一個(gè)不合理的結(jié)果,則表示“假設(shè)h0為正確”是錯(cuò)誤的,即原假設(shè)h0不正確,因此要拒絕原假設(shè)h0;如果沒有導(dǎo)致一個(gè)不合理現(xiàn)象的出現(xiàn),則不能認(rèn)為原假設(shè)h0不正確,因此不能拒絕原假設(shè)。
在進(jìn)行檢驗(yàn)時(shí),先根據(jù)t分布表找到在設(shè)定的顯著性水平及自由度下t分布所對(duì)應(yīng)的臨界值tα/2,再將該值與tr的絕對(duì)值進(jìn)行比較,如果|tr|>tα/2,則拒絕h0,說(shuō)明所得到的r不是來(lái)自ρ=0的總體,或者說(shuō)r是顯著不為0的,即該充電影響因素與該類典型充電電量曲線顯著相關(guān);若|tr|<tα/2,則說(shuō)明所得到的r值具有偶然性,從r值還不能斷定兩變量具有相關(guān)關(guān)系,或者說(shuō)r不顯著,并舍棄該充電影響因素,即該充電影響因素與該類典型充電電量曲線并不顯著相關(guān)。
步驟s210、依據(jù)所述每類典型充電電量曲線的充電影響因素,對(duì)所述每類充電電量曲線對(duì)應(yīng)的每個(gè)規(guī)劃區(qū)進(jìn)行充電電量預(yù)測(cè)。
記過去t個(gè)周期某一充電建設(shè)規(guī)劃區(qū)的充電電量時(shí)間序列為e={e1,e2…,et},同周期的與該充電電量曲線顯著相關(guān)的外部影響因素有s個(gè)(充電卡開卡量、私人充電樁報(bào)裝量或新能源汽車保有量等因素),記為x1,x2,…,xs,其過去t個(gè)周期的樣本觀測(cè)值記為{(xi1,xi2,…,xis),i=1,2,…,t}。以該充電建設(shè)規(guī)劃區(qū)充電電量為因變量,s個(gè)影響因素為自變量,建立s元線性回歸模型,模型待估參數(shù)記為bj(j=0,1,2,…,s),充電電量的回歸估計(jì)值記為
q關(guān)于bj(j=0,1,2,…,s)求偏導(dǎo)后得到線性方程組:
解這s+1個(gè)方程組成的線性代數(shù)方程組,即可得到充電電量與s個(gè)影響因素的回歸方程
當(dāng)i=t+1時(shí),計(jì)算得到的
其中,b0為常數(shù)項(xiàng),bj(j=1,2,…,s)為s個(gè)影響因素的系數(shù)項(xiàng),bj(j=1,2,…,s)表示在其它影響因素保持不變時(shí),影響因素xj每增加一個(gè)單位時(shí)該規(guī)劃區(qū)充電電量的平均變化量。
本實(shí)施例提供的技術(shù)方案,獲取m個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量曲線,對(duì)m條充電電量曲線進(jìn)行聚類,獲得g類典型充電電量曲線,然后對(duì)每類典型充電電量曲線的充電影響因素進(jìn)行篩選,以確定每類典型充電電量曲線的充電影響因素,最后依據(jù)每類典型充電電量曲線的充電影響因素以及每個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù),對(duì)每個(gè)規(guī)劃區(qū)進(jìn)行充電電量預(yù)測(cè)??梢?,本申請(qǐng)方案通過獲取充電建設(shè)規(guī)劃區(qū)的充電電量曲線,對(duì)充電電量曲線進(jìn)行聚類以及充電影響因素篩選,實(shí)現(xiàn)了對(duì)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù)的預(yù)測(cè)。
請(qǐng)參閱圖5,圖5為本申請(qǐng)實(shí)施例提供的在線編程裝置的一種充電電量預(yù)測(cè)裝置的結(jié)構(gòu)示意圖,該裝置結(jié)構(gòu)示意圖中的各單元的工作過程參照?qǐng)D1對(duì)應(yīng)的實(shí)施例中方法的執(zhí)行過程,該裝置包括:
第一獲取單元501,用于分別獲取m個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量曲線,所述充電電量曲線為統(tǒng)計(jì)出的所述充電建設(shè)規(guī)劃區(qū)的充電設(shè)施、在預(yù)設(shè)周期內(nèi)的充電電量數(shù)據(jù)組成的曲線,m為正整數(shù);
第一獲得單元502,用于對(duì)m條所述充電曲線進(jìn)行聚類,獲得g類典型充電電量曲線,其中,g≤m,g為正整數(shù);
確定單元503,用于對(duì)每類典型充電電量曲線的充電影響因素進(jìn)行篩選,確定每類典型充電電量曲線的充電影響因素;
預(yù)測(cè)單元504,用于依據(jù)所述每類典型充電電量曲線的充電影響因素及每個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù),對(duì)每個(gè)規(guī)劃區(qū)進(jìn)行充電電量預(yù)測(cè)。
本實(shí)施例提供的技術(shù)方案,獲取m個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量曲線,對(duì)m條充電電量曲線進(jìn)行聚類,獲得g類典型充電電量曲線,然后對(duì)每類典型充電電量曲線的充電影響因素進(jìn)行篩選,以確定每類典型充電電量曲線的充電影響因素,最后依據(jù)每類典型充電電量曲線的充電影響因素以及每個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù),對(duì)每個(gè)規(guī)劃區(qū)進(jìn)行充電電量預(yù)測(cè)??梢姡旧暾?qǐng)方案通過獲取充電建設(shè)規(guī)劃區(qū)的充電電量曲線,對(duì)充電電量曲線進(jìn)行聚類以及充電影響因素篩選,實(shí)現(xiàn)了對(duì)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù)的預(yù)測(cè)。
請(qǐng)參閱圖6,圖6為本申請(qǐng)實(shí)施例提供的在線編程裝置的另一種充電電量預(yù)測(cè)裝置的結(jié)構(gòu)示意圖,該裝置結(jié)構(gòu)示意圖中的各單元的工作過程參照?qǐng)D2對(duì)應(yīng)的實(shí)施例中方法的執(zhí)行過程,該裝置包括:
第一獲取單元601,用于分別獲取m個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量曲線,所述充電電量曲線為統(tǒng)計(jì)出的所述充電建設(shè)規(guī)劃區(qū)的充電設(shè)施、在預(yù)設(shè)周期內(nèi)的充電電量數(shù)據(jù)組成的曲線,m為正整數(shù);
第二獲取單元602,用于獲取m條所述充電電量曲線所包含的充電電量數(shù)據(jù)的霍普金斯統(tǒng)計(jì)量;
判斷子單元603,用于判斷霍普金斯統(tǒng)計(jì)量是否大于預(yù)設(shè)閾值,若是,表明所述充電電量數(shù)據(jù)是否為可聚類的非隨機(jī)結(jié)構(gòu);
歸一化子單元604,用于采用最小-最大歸一化方法或零均值歸一化方法對(duì)所述充電電量曲線歸一化;
預(yù)估單元605,用于采用k-means聚類算法或系統(tǒng)聚類算法預(yù)估所述n條充電電量曲線所能聚類的類別數(shù)集,所述類別數(shù)集至少包含三個(gè)類別數(shù)及每個(gè)類別數(shù)所包含的充電電量曲線;
第三獲得單元606,用于采用肘方法,從所述類別數(shù)集中獲得所述n條充電電量曲線聚類的類別數(shù)及每類充電電量曲線所包含的充電電量曲線;
第二獲得單元607,用于對(duì)每類充電電量曲線在每個(gè)所述預(yù)設(shè)周期上取平均值,獲得每類典型充電電量曲線;
第三獲取單元608,用于獲取所述每類典型充電電量曲線與預(yù)估的每個(gè)充電影響因素的pearson相關(guān)系數(shù);
檢驗(yàn)單元609,用于對(duì)所述pearson相關(guān)系數(shù)的顯著性進(jìn)行檢驗(yàn),將滿足顯著性檢驗(yàn)的充電影響因素作為每類典型充電電量曲線的影響因素;
預(yù)測(cè)單元610,用于依據(jù)所述每類典型充電電量曲線的充電影響因素及每個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù),對(duì)每個(gè)規(guī)劃區(qū)進(jìn)行充電電量預(yù)測(cè)。
本實(shí)施例提供的技術(shù)方案,獲取m個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量曲線,對(duì)m條充電電量曲線進(jìn)行聚類,獲得g類典型充電電量曲線,然后對(duì)每類典型充電電量曲線的充電影響因素進(jìn)行篩選,以確定每類典型充電電量曲線的充電影響因素,最后依據(jù)每類典型充電電量曲線的充電影響因素以及每個(gè)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù),對(duì)每個(gè)規(guī)劃區(qū)進(jìn)行充電電量預(yù)測(cè)??梢姡旧暾?qǐng)方案通過獲取充電建設(shè)規(guī)劃區(qū)的充電電量曲線,對(duì)充電電量曲線進(jìn)行聚類以及充電影響因素篩選,實(shí)現(xiàn)了對(duì)充電建設(shè)規(guī)劃區(qū)的充電電量數(shù)據(jù)的預(yù)測(cè)。
對(duì)于裝置或系統(tǒng)實(shí)施例而言,由于其基本相應(yīng)于方法實(shí)施例,所以相關(guān)之處參見方法實(shí)施例的部分說(shuō)明即可。以上所描述的裝置或系統(tǒng)實(shí)施例僅僅是示意性的,其中所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開的,作為單元顯示的部件可以是或者也可以不是物理單元,即可以位于一個(gè)地方,或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其中的部分或者全部模塊來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性勞動(dòng)的情況下,即可以理解并實(shí)施。
在本發(fā)明所提供的幾個(gè)實(shí)施例中,應(yīng)該理解到,所揭露的系統(tǒng),裝置和方法,在沒有超過本申請(qǐng)的精神和范圍內(nèi),可以通過其他的方式實(shí)現(xiàn)。當(dāng)前的實(shí)施例只是一種示范性的例子,不應(yīng)該作為限制,所給出的具體內(nèi)容不應(yīng)該限制本申請(qǐng)的目的。例如,所述單元或子單元的劃分,僅僅為一種邏輯功能劃分,實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式,例如多個(gè)單元或多個(gè)子單元結(jié)合一起。另外,多個(gè)單元可以或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng),或一些特征可以忽略,或不執(zhí)行。
另外,所描述系統(tǒng),裝置和方法以及不同實(shí)施例的示意圖,在不超出本申請(qǐng)的范圍內(nèi),可以與其它系統(tǒng),模塊,技術(shù)或方法結(jié)合或集成。另一點(diǎn),所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口,裝置或單元的間接耦合或通信連接,可以是電性,機(jī)械或其它的形式。
以上所述僅是本發(fā)明的具體實(shí)施方式,應(yīng)當(dāng)指出,對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō),在不脫離本發(fā)明原理的前提下,還可以做出若干改進(jìn)和潤(rùn)飾,這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。