[发明专利]一种基于随机森林算法的电动汽车用户聚类方法及装置

说明书

本发明涉及一种基于随机森林算法的电动汽车用户聚类方法及装置，其技术特点在于：包括以下步骤：步骤1、获取电动汽车充电行为大数据；步骤2、删除不良数据；步骤3、数据预处理；步骤4、设定充电特征目标并选取恰当的变量参数；步骤5、将步骤3预处理后得到的变量数据输入到随机森林算法，并使用经典多维尺度下的坐标表征各个充电行为之间的联系；步骤6、基于步骤5中得到的充电行为二维坐标，在直角坐标系下绘出所有充电行为的经典多维尺度图；步骤7、得到电动汽车用户充电行为的聚类结果；步骤8、对充电行为进行比例、数量方面的评估。本发明为充电行为的判定提供了一种客观且可靠的依据，有助于提高电动汽车需求侧管理的准确性和针对性。

技术领域

本发明属于电力系统技术领域，涉及电动汽车用户聚类方法，尤其是一种基于随机森林算法的电动汽车用户聚类方法及装置。

背景技术

近年来，电动汽车和充电技术不断发展，我国电动汽车用户数量也随之增加，电动汽车负荷在总负荷中占据了不可忽视的比例。电动汽车负载有着较强的灵活性和可调度性，如果对电动汽车进行有效的需求侧管理，则有助于实现电力负载的削峰填谷，缓解用电高峰时段电网的送电压力。而电动汽车需求侧管理需要基于对电动汽车用户的充电行为的研究。通过对电动汽车用户进行聚类分析，可以细化电动汽车充电行为的特征，有助于对电动汽车精细化且有针对的管理。

目前，对充电汽车行为的模拟主要基于概率分布函数，常见的有对数正态分布。对电动汽车的分类主要基于充电汽车的车型种类，而其运行规则也是参考日常生活中的常见情形。研究表明，这种方式的模拟和分类的可靠性相对较低，且不足以准确反映电动汽车的实际充电特征。

发明内容

本发明的目的在于克服现有技术的不足，提出一种设计合理、可靠性强且能够准确反映电动汽车的实际充电特征的基于随机森林算法的电动汽车用户聚类方法及装置。

本发明解决其现实问题是采取以下技术方案实现的：

一种基于随机森林算法的电动汽车用户聚类方法，包括以下步骤：

步骤1、获取电动汽车充电行为大数据；

步骤2、删除充电行为大数据中的不良数据；

步骤3、对剩下的充电行为大数据进行数据预处理；

步骤4、分别基于工作日、双休日和节假日的数据，设定需要研究的充电特征目标并选取恰当的变量参数；

步骤5、根据步骤4的设定，将步骤3预处理后得到的变量数据输入到随机森林算法，并使用经典多维尺度下的坐标表征各个充电行为之间的联系；

步骤6、基于步骤5中得到的充电行为二维坐标，在直角坐标系下绘出所有充电行为的经典多维尺度图；

步骤7、根据步骤6中得到的经典多维尺度图的形状特征，对图像进行划分，将密集的点归为同一类，得到电动汽车用户充电行为的聚类结果；

步骤8、根据步骤7得到的聚类结果，分析充电行为的特征，对充电行为进行比例、数量方面的评估；

而且，所述步骤1的电动汽车充电行为大数据的参数类型包括较长测量时段内的电动汽车充电起始时间、充电结束时间、充电持续时间、充电电量和充电地点；

而且，所述步骤2的不良数据包括有明显错误的起始和结束时间数据、充电持续时间为零的相关数据；

而且，所述步骤3的具体步骤包括：

(1)将所有的充电行为数据按月份划分且编号；

(2)将充电行为数据按工作日、双休日和节假日划分且编号；

(3)对充电地点进行编号；

(4)将所有参数转化成可供随机森林算法识别的数字型数据；