多源数据驱动的电动汽车用户识别方法.pdf
《多源数据驱动的电动汽车用户识别方法.pdf》由会员分享,可在线阅读,更多相关《多源数据驱动的电动汽车用户识别方法.pdf(7页珍藏版)》请在咨信网上搜索。
1、电 力 系 统 及 其 自 动 化 学 报Proceedings of the CSU-EPSA第 35 卷 第 6 期2023 年 6 月Vol.35 No.6Jun.2023多源数据驱动的电动汽车用户识别方法刘艳丽,王俊毅(天津大学智能电网教育部重点实验室,天津 300072)摘要:随着电动汽车的不断普及,如何准确获取电动汽车的充电行为并对电动汽车进行针对性管理与调控,成为电网管理人员关注的问题。本文提出多源数据驱动的电动汽车用户识别方法,基于家庭用电数据和电动汽车充电桩数据挖掘家庭用电行为与电动汽车出行规律,以及电动汽车与家庭用户特性的关联程度,建立适用于特定数据场景下的电动汽车用户关联
2、识别匹配参数,从而识别家庭用户与电动汽车之间的关联性并确定电动汽车的最佳归属。最后,通过算例验证了本文方法的有效性。关键词:电动汽车;用户识别;数据分析;关联匹配中图分类号:TM714文献标志码:A文章编号:1003-8930(2023)06-0141-07DOI:10.19635/ki.csu-epsa.001143Multi-source Data-driven Based Electric Vehicle User Identification MethodLIU Yanli,WANG Junyi(Key Laboratory of Smart Grid of Ministry of E
3、ducation,Tianjin University,Tianjin 300072,China)Abstract:With the increasing popularity of electric vehicles(EVs),how to accurately obtain the information about thecharging behaviors of EVs and thus effectively manage and regulate them has become a concern for power grid managers.In this paper,a mu
4、lti-source data-driven based EV user identification method is proposed.Based on the householdelectricity consumption data and EV charging pile data,the electricity consumption behaviors of household and EV traffic rules are mined.Then,based on the correlations between EVs and household user characte
5、ristics,the correlationmatching parameters suitable for specific data scenarios are established,thereby identifying the correlations betweenhousehold users and EVs and determining the best ownership of EVs.Finally,the results of a case study validate the effectiveness of the proposed method.Keywords
6、:electric vehicle(EV);user identification;data analysis;correlation matching电动汽车充电负荷的时空分布具有很大的随机性,随着电动汽车保有量的逐年提升,电动汽车与电力系统之间的耦合日益紧密,随机分布的负荷给电力系统的安全运行带来了重大挑战。如何准确分析电动汽车的用户行为,已经成为学者们重点关注的问题1-2。目前有关电动汽车用户行为的研究方法可以分为整体性研究方法和粒子性研究方法两种。整体性研究方法是对一定数量电动汽车的整体充电行为进行分析与优化3-9,忽略了不同电动汽车用户行为之间的差异。粒子性研究方法是分别考虑每辆电动
7、汽车行为特性的具体特点,并结合概率抽样10-12、交通模拟13-17、大数据处理18-22等方法,获取每辆电动汽车的用户行为,与整体性研究策略相比,粒子性研究策略对电动汽车用户行为的分析结果更加准确。上述两种研究方法都是直接从电动汽车的角度出发分析电动汽车用户行为,忽略了电动汽车用户的家庭生活行为与电动汽车用户行为之间的耦合关系。根据电动汽车充电行为与电动汽车用户的家庭用电行为之间的相互影响与制约3-4,可以识别出电动汽车的归属。基于电动汽车用户的家庭用电行为对电动汽车的出行规律进行分析与预测,可以避免复杂交通路网的构建及优化问题的求解,提高电动汽车用户行为分析结果的准确度,并根据研究结果制定
8、合理、有针对性的电动汽车充电协调机制,可以高效开展车辆到电网 V2G(vehicle togrid)与电网到车辆G2V(grid to vehicle)等应用,同时也可以帮助电网管理人员对未来大规模电动汽车进行有效管理与调控。然而,由于实际中大多数电动汽车是通过小区公共充电桩充电,现有非侵入式和侵入式家庭负荷收稿日期:2022-08-18;修回日期:2022-10-18网络出版时间:2022-11-17 17:09:39刘艳丽等:多源数据驱动的电动汽车用户识别方法电 力 系 统 及 其 自 动 化 学 报142第 6 期辨识方法无法直接适用于电动汽车用户识别场景。近年来,随着数据采集技术与智能
9、交通系统的发展,大量的家庭用电数据和电动汽车充电桩充电数据为充分挖掘数据的价值、识别电动汽车的归属提供了良好的条件。为此,本文提出多源数据驱动的电动汽车用户识别方法,基于家庭用电数据和电动汽车充电桩数据挖掘家庭用电行为与电动汽车出行规律,识别用户与电动汽车之间的关联性,从而确定电动汽车的归属。1总体框架1.1基本原则多源数据驱动的电动汽车用户识别方法的基本原则为首先提取长期历史用电数据背后蕴含的用户用电特性及用电规律,基于电动汽车与家庭用户特性的关联程度(图1)建立适用于特定数据场景下的电动汽车用户关联识别匹配参数;然后,为了更加准确地提取用户特征、判断用户行为模式,将1 d分为4个时段,分别
10、计算用户行为模式的差异。1.2方法框架本文方法的基本流程如图2所示。基于多阶段分析的思想分别考虑生活行为的宏观特征与细节特征,根据不同特征分阶段建立关联匹配参数,逐步缩小家庭用户与电动汽车的匹配范围,最终确定家庭用户与电动汽车的最佳匹配组合。具体步骤如下。步骤1为每辆电动汽车建立最优匹配集合。步骤2对于每辆需要进行用户识别的电动汽车,在最优匹配集的基础上,考虑电动汽车与该车对应的家庭集中各家庭用户生活行为的宏观特征,剔除掉与该电动汽车的用户特性在宏观上存在明显差异的家庭。步骤3对于每辆需要进行用户识别的电动汽车,在二次筛选后的最优匹配集的基础上,考虑生活行为细节特征,基于细节用户特性构建关联匹
11、配参数,进一步筛选以确定最佳匹配组合。2多源数据驱动的电动汽车用户识别方法2.1初步识别阶段对于每辆进行用户识别的电动汽车,首先计算出电动汽车i的充电记录总数量Tc(i)及电动汽车发生充电行为时小区中家庭 j 的用电记录总数量Tf(j),并引入关联匹配参数,即电动汽车i与家庭j用户生活行为的重合度W0(i,j),可表示为W0(i,j)=Tf(j)Tc(i)(1)式中,W0(i,j)为0表示处于初步识别阶段。首先,根据电动汽车i与家庭j用户生活行为的重合度的计算结果,筛选出所有满足下式的家庭:W0(i,j)max(W0)0.6(2)式中,max(W0)表示不同家庭关联匹配参数W0(i,j)计算结
12、果的最大值。然后,将满足式(2)的家庭构成集合H1(i),作为电动汽车用户识别方法中为每辆需要进行用户识图 1电动汽车与家庭用户之间的互动Fig.1Interactions between EV and household user信息能量图 2本文方法基本流程Fig.2Overall process of the proposed method开始输入多源数据计算W0最优匹配集建立原则计算关联匹配参数R3、R4(行为特性分布相似度)计算关联匹配参数R1、R2(行为特性占比契合度)计算Sum1=R1+R2+R3+R4最优匹配集二次筛选原则计算关联参数R9(用电习惯相似度)计算关联参数R7、R8
13、(极大特性区间关联度)计算关联参数R5、R6(生活行为峰度契合度)计算Sum2=R5+R6+R7+R8+R9最佳匹配组合确定原则结束最优匹配集建立阶段最优匹配集二次筛选阶段最优匹配组合确定阶段刘艳丽等:多源数据驱动的电动汽车用户识别方法143第 35 卷别的电动汽车建立的匹配家庭集,从而初步剔除掉一部分家庭,以提高电动汽车用户识别方法的整体效率。2.2二次筛选阶段2.2.1各时段生活行为占比契合度为了分析电动汽车各时段接入行为占比与家庭各时段回家行为占比的契合程度,构建匹配参数R1和R2分别为R1=W0(i,j)3(2k+2-2k=0)&(2k+1-2k-1=0)&(2k=2k-1)0(2k+
14、2-2k=0)&(2k+1-2k-1=0)&(2k2k-1)W0(i,j)3k=13sgn(2k+2-2k)(2k+1-2k-1)min(|2k+2-2k|,|2k+1-2k-1|)max(|2k+2-2k|,|2k+1-2k-1|)其他(3)R2=W0(i,j)3(2k+2-2k=0)&(2k+1-2k-1=0)&(2k=2k-1)0(2k+2-2k=0)&(2k+1-2k-1=0)&(2k2k-1)W0(i,j)3k=13sgn(2k+2-2k)(2k+1-2k-1)min(|2k+2-2k|,|2k+1-2k-1|)max(|2k+2-2k|,|2k+1-2k-1|)其他(4)式中,2k
15、+2,2k,2k+1,2k-1与2k+2,2k,2k+1,2k-1为k取不同值时不同的生活行为占比指标,其中k表示相邻时段数,1,3,5,7为电动汽车用电记录所反映出的各时段的接入行为占比组合,2,4,6,8为家庭用电记录所反映出的各时段回家行为占比组合,1,3,5,7为电动汽车用电记录所反映出的各时段的离开行为占比组合,2,4,6,8为家庭用电记录所反映出的各时段的离家行为占比组合。2.2.2各时段行为特性分布的相似度对于拥有电动汽车的家庭,其家庭回家行为在某时段的分布情况与电动汽车接入行为在某时段的分布情况之间的相似程度最高,且高于其他家庭的回家行为在对应时段的分布情况与电动汽车接入行为的
16、分布情况之间的相似程度,因此定义关联匹配参数R3和R4分别为R3=0 mind(:,Sa,j)=0&sum(d(Sa,i,Sa,j)=0W0(i,j)a=141-d(Sa,i,Sa,j)mind(:,Sa,j)=0&sum(d(Sa,i,Sa,j)0W0(i,j)a=14mind(:,Sa,j)d(Sa,i,Sa,j)其他(5)R4=0 mind(:,Fa,j)=0&sum(d(Fa,i,Fa,j)=0W0(i,j)a=141-d(Sa,i,Sa,j)mind(:,Fa,j)=0&sum(d(Fa,i,Fa,j)0W0(i,j)a=14mind(:,Fa,j)d(Fa,i,Fa,j)其他(6)
17、式中:a表示不同时段;Sa,i为a时段电动汽车i接入时间;Fa,i为a时段电动汽车i的离开时间;Sa,j为a时段家庭j回家时间;Fa,j为a时段家庭j离家时间;d()表示电动汽车某行为特性分布与家庭用户某行为特性分布之间的KL散度(相对熵)。KL散度是行为统计学中用于量化两个行为特性分布之间相似度的一种方法,KL散度结果越小,两个行为特性分布的相似程度越大。通过匹配参数R3可以分析出家庭的回家行为在各时段的分布情况与电动汽车的接入行为在各时段的分布情况间的相似程度;通过匹配参数R4可以分析出家庭的离家行为在各时段的分布情况与电动汽车的离开行为在各时段的分布情况间的相似程度,进而从宏观用户特性出
18、发,对电动汽车与对应该车的匹配家庭集中的家庭用户进行分析。2.2.3宏观特性筛选机制对于需要进行用户识别的电动汽车i,其与对应该车的家庭集中的每个家庭均可计算出1组关联匹配参数R1R4,对匹配参数组合求和可得Sum1(i,j)=R1+R2+R3+R4(7)式中,Sum1(i,j)为描述电动汽车i与家庭j在二次筛选阶段计算所得的匹配参数的求和结果。对式(7)的计算结果进行分析,求出所有满足下式的家庭:Sum1(i,j)max(Sum1)0.5(8)然后将满足式(8)的家庭构成集合H2(i),作为对电动汽车i的家庭集二次筛选的结果,剔除掉与电动汽车的宏观生活行为特征存在明显差异的家庭,提高电动汽车
19、用户识别方法的效率与识别的准确度。电 力 系 统 及 其 自 动 化 学 报144第 6 期2.3确定最佳匹配组合阶段2.3.1各时段生活行为峰度的契合度定义电动汽车与家庭各时段生活行为峰度的契合度R5和R6分别为R5=0KuraSi=KuraSj=0W0(i,j)a=14min(KuraSi,KuraSj)max(KuraSi,KuraSj)其他(9)R6=0KuraFi=KuraFj=0W0(i,j)a=14min(KuraFi,KuraFj)max(KuraFi,KuraFj)其他(10)式中:KuraSi为a时段电动汽车i接入行为的峰度;KuraSj为a时段家庭j回家行为的峰度;Kur
20、a Fi为a时段电动汽车i离开行为的峰度;KuraFj为a时段家庭j离家行为的峰度;a=1,2,3,4。峰度又称峰态系数是数理统计学中用于表征1组数据的统计结果在平均值处峰值高低的特征数,峰度的计算公式为Kur(Si)=1Ni=1NSi-mean(Si)4 var(Si)4(11)直观看来,峰度反映了1组数据的统计结果在峰部的尖度,对应到电动汽车与家庭用户生活行为的统计结果,峰度可以反映出在某一时段内用户的生活行为是否明显偏向该时段内的某一时间范围,即用户生活行为的特殊偏好性。2.3.2极大用户特性区间关联度根据原始用电数据可以提取出用户生活行为的极大用户特性区间。用户生活行为的起止时间满足P
21、(A1SiA2)P(t1SiA1)+P(A2Sit2)(12)式中:P()表示概率密度函数;t1、t2分别为某时段的起止时间;A1,A2为电动汽车接入行为的极大用户特性区间。由式(12)可知,某行为发生在区间内的可能性要远远大于发生在区间外的可能性,且发生在区间外的可能性可以忽略不计。根据式(12)可定义电动汽车与家庭各时段极大用户特性区间关联度R7和R8分别为R7=W0Aa,2=aa,2=Aa,1=aa,1W0a=14min(Aa,2,aa,2)-max(Aa,1,aa,1)max(Aa,2,aa,2)-min(Aa,1,aa,1)其他(13)R8=W0Ba,2=ba,2=Ba,1=ba,1
22、W0a=14min(Ba,2,ba,2)-max(Ba,1,ba,1)max(Ba,2,ba,2)-min(Ba,1,ba,1)其他(14)式中:aa,1,aa,2为家庭回家行为的极大用户特性区间;Ba,1,Ba,2为电动汽车离开行为的极大用户特性区间;ba,1,ba,2为家庭离家行为的极大用户特性区间。2.3.3可调负荷用电习惯相似度因为电动汽车属于可调类负荷,所以对于拥有电动汽车的家庭,其电动汽车的用电习惯与家庭用户中其他可调负荷的用电习惯应该相互关联,共同反映出家庭用户的用电习惯。引入参数R9可定量分析电动汽车的用电习惯与家庭用户针对可调负荷的用电习惯的关联性。R9可表示为R9=W0mi
23、nt=1NTpublicmin(Tmov,Tnomov)N,t=1MTchargeTallMmaxt=1NTpublicmin(Tmov,Tnomov)N,t=1MTchargeTallM(15)式中:Tmov为可调负荷的用电时段;Tnomov为不可调负荷的用电时段;Tpublic为可调负荷与不可调负荷的公共用电时段;Tcharge为电动汽车开始充电时间与结束充电时间的差;Tall为电动汽车结束充电时间与接入时间的差。2.3.4细节特性筛选机制基于参数R5R9,从细节用户特性出发,对电动汽车与对应该车的二次筛选后的家庭集中的用户进行分析,判断在细节用户特性上与电动汽车相同的家庭。对于需要进行用
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 驱动 电动汽车 用户 识别 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。