[发明专利]一种基于数据驱动的电动汽车充放电行为聚类方法

权利要求书

1.一种基于数据驱动的电动汽车充放电行为聚类方法，其特征在于，包括以下步骤：

(1)对电动汽车智能充电服务运营管理系统数据库的电动汽车充放电数据进行数据采集与预处理，得到描述用户充放电行为的若干数据变量；

(2)对提取出的数据变量进行皮尔森相关性检验分析，筛选出不相关变量，用作聚类模型的关键变量；

(3)基于多尺度空间的层次聚类算法提出电动汽车充放电行为的聚类方法，面向关键变量对电动汽车用户的充放电行为进行聚类分析；

(4)通过对比不同聚类尺度下电动汽车充放电行为聚类的有效性，选取最优聚类。

2.根据权利要求1所述的一种基于数据驱动的电动汽车充放电行为聚类方法，其特征在于，步骤(1)中电动汽车智能充电服务运营管理系统数据库中的电动汽车充放电数据包括充电站数据、充电桩数据、用户数据和充电交易平台数据，其中每种数据组成一个数据表格，对电动汽车充放电数据进行数据采集与预处理，具体方法涉及上述四种数据表格的匹配及合并、坏点数据的删除。

3.根据权利要求2所述的一种基于数据驱动的电动汽车充放电行为聚类方法，其特征在于，其中四种数据表格的匹配和合并，具体为：

根据所需聚类的目标，提取相关的充电站数据、充电桩数据、用户数据和充电交易平台数据，识别四个数据表格中各类数据的ID变量，对包含相同ID变量的电动汽车充放电行为样本进行匹配，对样本包含的所有数据变量进行求同存异，形成数据变量总表。

其中删除坏点数据具体为：匹配合并完成后，对充电时长变量、充电容量变量、充电记录变量分别按特征进行筛选，特征包含充电时长过短、充电容量过小、充电记录字段为空，则对此电动汽车充放电行为样本进行整体删除。

4.根据权利要求1所述的一种基于数据驱动的电动汽车充放电行为聚类方法，其特征在于，步骤(2)中对提取出的数据变量进行皮尔森相关性检验分析，其计算方法为：

其中，{(x_1i,x_2i)},i＝1,2,…,T为任意两数据变量(X₁,X₂)的一组数据，具体为x_1i代表第i个电动汽车充放电行为样本的X₁变量，x_2i代表第i个电动汽车充放电行为样本的X₂变量；为T个电动汽车充放电行为样本的X₁变量的均值，有为T个电动汽车充放电行为样本的X₂变量的均值，具体有ρ为皮尔森相关系数，其绝对值越接近1时，变量间表现出的相关性就越强；其值越接近0时，不相关性越强；M为筛选得出的不相关的关键变量的个数。