[发明专利]一种充电站负荷的预测方法、装置及系统

权利要求书

1.一种充电站负荷的预测方法，其特征在于，所述预测方法包括：

获取充电站中电动汽车的充电数据组以及预设的预测条件，并根据统计需求对所述充电数据组进行数据统计，以获取第一充电行为数据组；所述预测条件包括统计需求、模型拟合参数以及模拟仿真参数；

根据所述模型拟合参数分别对第一充电行为数据组中的各个数据组进行高斯拟合，从而拟合获得充电行为高斯模型组；其中，所述充电行为高斯模型组中的各个高斯模型分别与所述第一充电行为数据组中的各个数据组一一对应；其中，根据所述模型拟合参数分别对第一充电行为数据组中的各个数据组进行高斯拟合，从而拟合获得充电行为高斯模型组，具体包括：从所述模型拟合参数中获取高斯分布概率密度函数模型、第一拟合段数、最小高斯拟合段数、最大高斯拟合段数、停止拟合精度阈值以及停止拟合精度阈值；所述第一拟合段数的初始值为所述最小高斯拟合段数；以所述第一拟合段数为段数，采用非线性最小二乘法，根据高斯分布概率密度函数模型对所述第一充电行为数据组中的一个数据组进行高斯拟合，从而计算获得对应的第一充电高斯模型、第一拟合精度以及第一拟合精度提升值，并将所述第一充电高斯模型作为第一充电高斯分布函数；判断所述第一拟合精度是否大于所述停止拟合精度阈值；若大于，则将所述第一充电高斯分布函数输出为充电行为高斯模型；若不大于，则判断所述第一拟合精度提升值是否小于所述停止拟合精度阈值；如果小于，则将所述第一充电高斯分布函数输出为充电行为高斯模型；否则，则在预设的拟合段数范围内，将当前的第一拟合段数的下一个值作为新的第一拟合段数；所述拟合段数范围为所述最小高斯拟合段数至最大高斯拟合段数；以所述新的第一拟合段数为段数，采用非线性最小二乘法，根据高斯分布概率密度函数模型对所述数据组进行高斯拟合，从而计算获得对应的第二充电高斯模型、对应的第二拟合精度以及第二拟合精度提升值；判断所述第二拟合精度是否大于所述停止拟合精度阈值；若大于，则将所述第二充电高斯分布函数输出为充电行为高斯模型；若不大于，则判断所述第二拟合精度提升值是否小于所述停止拟合精度阈值；如果小于，则将所述第二充电高斯分布函数输出为充电行为高斯模型；

通过蒙特卡洛模拟算法，根据所述充电行为高斯模型以及所述模拟仿真参数进行模拟仿真，从而获取充电站负荷的预测日负荷曲线。

2.根据权利要求1所述的充电站负荷的预测方法，其特征在于，所述预测方法还包括：

接收智能采集端所发送的充电站中电动汽车的充电数据组，并对所述充电数据组进行存储；所述充电数据组包括各个充电桩每次供电的第一充电数据组以及不同时间段内进入充电站的车次数；所述第一充电数据组包括快充等待时间、慢充等待时间、开始充电时间、结束充电时间、进入充电站时间、驶离充电站时间、电池容量以及初始荷电状态。

3.根据权利要求2所述的充电站负荷的预测方法，其特征在于，所述获取充电站中电动汽车的充电数据组以及预设的预测条件，并根据统计需求对所述充电数据组进行数据统计，以获取第一充电行为数据组，具体为：

获取充电站中电动汽车的充电数据组、预设的统计需求、预设的模型拟合参数以及预设的模拟仿真参数，去除所述充电数据组中的无效值，并根据统计需求对去除无效值后的充电数据组进行数据统计，以获取第一充电行为数据组。