[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

说明书

本发明公开了一种基于数据驱动的电动汽车充放电行为聚类方法，包括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；对提取出的变量进行皮尔森及肯德尔秩相关性检验分析，筛选出不相关变量，用作聚类模型的关键变量；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充放电行为进行聚类分析；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。本发明能够利用全量数据对电动汽车充放电行为进行聚类，并衡量聚类有效性得出最优聚类，为电动汽车参与电网辅助服务提供量化前提。

技术领域

本发明涉及聚类方法领域，尤其涉及一种基于数据驱动的电动汽车充放电行为聚类方法。

背景技术

海量电动汽车的入网对电力系统的规划和运行带来了深刻影响，电动汽车无序充电负荷时空分布的不确定性加重了电网运行的负担，同时V2G技术的发展，使电动汽车既能作为电网用电负荷，又能作为分散式能源参与电网运行。受制于当前电力系统内优先的储能容量，无法长时间为电网提供备用。而电动汽车储能具有时间上的可控性及空间上的可移动性，可以在负荷低谷时配合电网进行能量交换，增强电网的稳定性、经济型与运行可靠性。合理安排电动汽车的充电时段与充电地点，如引导电动汽车在新能源出力较高时进行充电，引导电动汽车对可再生能源发电进行就地消纳，能够提高电网应对波动的能力。因此，电动汽车集群调度成为一个热门的研究课题。

为实现电动汽车与智能电网的融合发展，充分发挥其作为能量型负载的潜力，在进行相关研究时，均需要对电动汽车充放电行为特性进行准确建模。因此对电动汽车的充放电行为进行有效聚类，是保证建模精确度的前提。

目前基于电动汽车聚类的研究，大多基于假设数据且样本容量小。考虑电力物联网模式下电动汽车充换电大数据的集成性，利用数据驱动技术可以对影响聚类目标的关键变量进行提取，从而保证聚类的实际有效性。

发明内容

发明目的：本发明的目的在于克服现有技术的不足，提供一种基于数据驱动的电动汽车充放电行为聚类方法。

技术方案：为实现上述发明目的，本发明采用的技术方案为：

一种基于数据驱动的电动汽车充放电行为聚类方法，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。

进一步的，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。

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。