基于大数据的电动汽车分析建模关键技术研究.docx

基于大数据的电动汽车分析建模关键技

术研究

Abstract：Weresearchonthealgorithmsofdata-miningforelectric

vehiclechargingnetworksplanning，mainlyonthesolutionofmining

ofthemassamountofheterogeneousdata，andprovide

thetheoreticalbasisfortheconstructionoftheopen，intelligent，

interactive，efficientelectricvehiclechargingnetworks.

Keywords：electricvehicle，chargingnetwork，datamining

摘要：该文主要研究面向电动汽车充电网络规划的数据挖掘算法，重点解决电

动汽车充电网络海量异构数据的挖掘方案，为构建开放、智能、互动、高效的

充电网络提供了理论支撑。

关键词：电动汽车、充电网络、数据挖掘

0引言

国网电动汽车服务有限公司将电动汽车充换电业务作为主营业务，提出构建开

放、智能、互动、高效的电动汽车充换电服务网络。随着电动汽车的逐步规模

化发展、充电网络的逐步多元化扩大、充换电业务的逐步深化转型，电动汽车

充电网络亟需智能化、互动化发展，提升服务效能。

由于充电网络的建设、运行和应用对象分散，其多归属的特征导致了充电网络

的复杂性与多样性，充电设施产品质量良莠不齐、规划选址不合理、运行安全、

经济效益不佳、充电网络与电动汽车发展不协调等问题日益凸显。目前，国内

外尚未对充电设施寻址、充电数据深度分析、充电网和配电网智能互动等关键

技术进行充分研究，亟需深入挖掘电动汽车充电网络的潜力，促进电动汽车融

入能源互联网，实现交通低碳化发展。

本文通过研究面向电动汽车充电网络大数据的数据挖掘算法，重点解决电动汽

车充电网络海量异构数据的挖掘处理问题，为实现对多类型、长周期、分时段

的充电网络大数据的深入利用提供底层支撑。

1研究现状

随着国内电动汽车的大规模使用，不断扩大的充电网络将对电动汽车行业相关

的所有业务领域产生显著影响。电动汽车充电需求主要由用户出行需求决定，

受到用户使用习惯、电动汽车品牌型号特性、充电桩特性等因素的影响，目前

国内外研究尚缺乏对充电网络数据的完整建模，因此对充电网络的需求分析和

规划研究往往侧重于特定研究方向，影响了挖掘分析的准确性。

在充电负荷预测方面，Lojowska等在深入调研不同类型电动汽车在充电时间、

充电方式、起始荷电状态（Stateofcharge，SOC）等方面的差异的基础上，

给出了一种基于MonteCarlo模拟的方式来计算电动汽车的充电负荷。在此基

础上，罗卓伟等在计算充电负荷的时候，计及了并非所有的可入网电动汽车均

一直处于纯电力驱动状态的影响。随着电动汽车充电负荷预测研究工作的深入，

发展能够细致考虑时空分布特征的充电负荷计算方法将成为研究电动汽车充电

基础设施建设、与电网的复性互动策略等问题的关键。

寇凌峰、薛飞等根据复杂网络理论及其在电网领域的应用，发展出续航风险距

离、续航能量密度以及网络服务能力等指标，用于体现换电站距离、电池分布

等因素对于充换电服务网络整体服务能力的影响。XiaopingJ对电动汽车充换

电站进行综合规划，运用多个评价指标对规划方案进行的综合评价[1，2，3，4，

5，6，7，8]。在电动汽车充电网络规划研究方面，目前研究主要偏重于布局优

化规划理论研究，针对充换电网络项目技术经济评价理论与方法研究较为缺乏，

缺乏对充电网络大数据的数据挖掘分析技术的充分研究，尚未建立起包含车、

桩、网、区域环境等数据模型在内的整体分析解决方案。

2充电网络数据模型

在充电网络大数据挖掘分析算法方面，本文重点研究了充电网络现状统计分析，

以及用户画像、电动车画像和电网画像等相关大数据分析挖掘技术，以形成充

电网络大数据挖掘分析解决方案。充电网络现状统计分析数据模型如下图所示：

图中，电动汽车充电量需求、电动汽车区域分布、充电功率需求等分析均涉及

到用户画像和电网画像等大数据挖掘技术。例如，用户驾驶行为模型是基于聚

类分析的客户细分模型，可利用日出行距离、活动半径、加速/超速、日充电

次数等业务数据进行一次和二次计算，生成客户信息大数据，然后利用聚类分

析技术建立客户模型。电动汽车电池模型是对电动汽车电池寿命进行评估，采

用数据