多源数据驱动的电动汽车用户识别方法.pdfVIP

多源数据驱动的电动汽车用户识别方法

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

Abstract:Withtheincreasingpopularityofelectricvehicles（EVs），howtoaccuratelyobtaintheinformationaboutthe

chargingbehaviorsofEVsandthuseffectivelymanageandregulatethemhasbecomeaconcernforpowergridmanag⁃

ers.Inthispaper，amulti-sourcedata-drivenbasedEVuseridentificationmethodisproposed.Basedonthehousehold

electricityconsumptiondataandEVchargingpiledata，theelectricityconsumptionbehaviorsofhouseholdandEVtraf⁃

ficrulesaremined.Then，basedonthecorrelationsbetweenEVsandhouseholdusercharacteristics，thecorrelation

matchingparameterssuitableforspecificdatascenariosareestablished，therebyidentifyingthecorrelationsbetween

householdusersandEVsanddeterminingthebestownershipofEVs.Finally，theresultsofacasestudyvalidatetheef⁃

fectivenessoftheproposedmethod.

Keywords:electricvehicle（EV）；useridentification；dataanalysis；correlationmatching

电动汽车充电负荷的时空分布具有很大的随上述两种研究方法都是直接从电动汽车的角

机性，随着电动汽车保有量的逐年提升，电动汽车度出发分析电动汽车用户行为，忽略了电动汽车用

与电力系统之间的耦合日益紧密，随机分布的负荷户的家庭生活行为与电动汽车用户行为之间的耦

给电力系统的安全运行带来了重大挑战。如何准合关系。根据电动汽车充电行为与电动汽车用户

[3-4]

确分析电动汽车的用户行为，已经成为学者们重点的家庭用电行为之间的相互影响与制约，可以识

[1-2]

关注的问题。别出电动汽车的归属。基于电动汽车用户的家庭

目前有关电动汽车用户行为的研究方法可以用电行为对电动汽车的出行规律进行分析与预测，

分为整体性研究方法和粒子性研究方法两种。整可以避免复杂交通路网的构建及优化问题的求解，

体性研究方法是对一定数量电动汽车的整体充电提高电动汽车用户行为分析结果的准确度，并根据

[3-9]

行为进行分析与优化，忽略了不同电动汽车用户研究结果制定合理、有针对性的电动汽车充电协调

行为之间的差异。粒子性研究方法是分别考虑每机制，可以高效开展车辆到电网V2G（vehicleto

辆电动汽车行为特性的具体特点，并结合概率抽grid）与电网到车辆G2V（gridtovehicle）等应用，同

[10-12][13-17][1