本發明涉及電動汽車，尤其是涉及一種電動汽車的充電負荷預測方法及系統。

背景技術：

1、電動汽車充電負荷預測場景中，現有技術通常采用基于單一數據的統計方法來進行充電負荷預測。

2、然而，電動汽車的充電行為受到多種因素的影響，這些因素之間的復雜關系和不確定性使得基于歷史數據的統計方法難以準確捕捉所有變化，從而導致預測結果的準確性受限。

3、由此可見，如何對電動汽車的充電負荷進行準確預測，已經成為本領域技術人員所要亟待解決的技術問題。

技術實現思路

1、本發明提供一種電動汽車的充電負荷預測方法及系統，以解決充電負荷預測準確率較低的技術問題，以實現對電動汽車的充電負荷進行準確預測的效果。

2、為了解決上述技術問題，本發明實施例提供了一種電動汽車的充電負荷預測方法，包括：

3、根據采集到的道路信息構建道路交通網矩陣，基于采集到的出行鏈信息構建起訖點矩陣；

4、基于所述道路交通網矩陣和所述起訖點矩陣構建電動汽車動態出行模型，利用貝葉斯博弈方法對所述電動汽車動態出行模型進行博弈處理得到電動汽車充電策略，基于所述電動汽車充電策略得到充電需求預測結果；

5、將所述充電需求預測結果輸入至采用馬爾可夫鏈構建的電動汽車充電負荷模型中，得到電動汽車的充電負荷數據，其中，所述電動汽車的充電負荷數據被配置為通過建立狀態轉移概率矩陣模擬電動汽車在不同時間的電量狀態變化，得到所述電動汽車的充電負荷數據。

6、作為其中一種優選方案，所述基于采集到的出行鏈信息構建起訖點矩陣，構建過程包括：

7、利用車載設備獲取目標電動汽車的出行鏈信息，對所述目標電動汽車的出行鏈信息進行預處理；

8、對預處理后的目標電動汽車的出行鏈信息進行分割獲得若干個獨立的出行片段，基于所述出行片段構建起訖點矩陣。

9、作為其中一種優選方案，所述博弈處理過程包括：

10、基于所述電動汽車動態出行模型構建先驗概率分布，在所述先驗概率分布的基礎上確定收益函數，根據所述收益函數進行貝葉斯納什均衡求解得到所述電動汽車充電策略。

11、作為其中一種優選方案，所述根據所述收益函數進行貝葉斯納什均衡求解得到所述電動汽車充電策略，包括：

12、利用模擬博弈對所述收益函數進行所述貝葉斯納什均衡求解得到所述電動汽車充電策略。

13、作為其中一種優選方案，在得到電動汽車的充電負荷數據后，所述電動汽車的充電負荷預測方法還包括：

14、以充電樁檢測得到的充電負荷數據為基準，利用斯皮爾曼等級相關系數對預測到的所述電動汽車的充電負荷數據進行評估。

15、本發明另一實施例提供了一種電動汽車的充電負荷預測系統，包括：

16、構建模塊，用于根據采集到的道路信息構建道路交通網矩陣，基于采集到的出行鏈信息構建起訖點矩陣；

17、處理模塊，用于基于所述道路交通網矩陣和所述起訖點矩陣構建電動汽車動態出行模型，利用貝葉斯博弈方法對所述電動汽車動態出行模型進行博弈處理得到電動汽車充電策略，基于所述電動汽車充電策略得到充電需求預測結果；

18、預測模塊，用于將所述充電需求預測結果輸入至采用馬爾可夫鏈構建的電動汽車充電負荷模型中，得到電動汽車的充電負荷數據，其中，所述電動汽車的充電負荷數據被配置為通過建立狀態轉移概率矩陣模擬電動汽車在不同時間的電量狀態變化，得到所述電動汽車的充電負荷數據。

19、作為其中一種優選方案，所述基于采集到的出行鏈信息構建起訖點矩陣，構建過程包括：

20、利用車載設備獲取目標電動汽車的出行鏈信息，對所述目標電動汽車的出行鏈信息進行預處理；

21、對預處理后的目標電動汽車的出行鏈信息進行分割獲得若干個獨立的出行片段，基于所述出行片段構建起訖點矩陣。

22、作為其中一種優選方案，所述博弈處理過程包括：

23、基于所述電動汽車動態出行模型構建先驗概率分布，在所述先驗概率分布的基礎上確定收益函數，根據所述收益函數進行貝葉斯納什均衡求解得到所述電動汽車充電策略。

24、作為其中一種優選方案，所述根據所述收益函數進行貝葉斯納什均衡求解得到所述電動汽車充電策略，包括：

25、利用模擬博弈對所述收益函數進行所述貝葉斯納什均衡求解得到所述電動汽車充電策略。

26、作為其中一種優選方案，在得到電動汽車的充電負荷數據后，所述電動汽車的充電負荷預測系統還包括：

27、評估模塊，用于以充電樁檢測得到的充電負荷數據為基準，利用斯皮爾曼等級相關系數對預測到的所述電動汽車的充電負荷數據進行評估。

28、相比于現有技術，本發明實施例的有益效果在于以下所述中的至少一點：

29、(1)本實施例基于道路交通網矩陣和起訖點矩陣可以捕捉到用戶出行的真實模式，避免了基于假設或經驗的不準確估計，使得對充電負荷的預測更貼近實際情況；

30、(2)本實施例利用貝葉斯博弈方法將電動汽車動態出行模型轉化為博弈論問題，其能夠處理不完全信息下的決策問題，適用于電動汽車充電策略的優化；

31、(3)通過采用馬爾可夫鏈構建的電動汽車充電負荷模型來得到電動汽車的充電負荷數據，模擬了用戶在這種不確定性下的決策過程，該方法考慮了用戶的個體差異和相互影響，使預測模型更符合實際的復雜用戶行為環境，從而提高對充電負荷預測的準確性。

技術特征：

1.一種電動汽車的充電負荷預測方法，其特征在于，包括：

2.如權利要求1所述的電動汽車的充電負荷預測方法，其特征在于，所述基于采集到的出行鏈信息構建起訖點矩陣，構建過程包括：

3.如權利要求1所述的電動汽車的充電負荷預測方法，其特征在于，所述博弈處理過程包括：

4.如權利要求3所述的電動汽車的充電負荷預測方法，其特征在于，所述根據所述收益函數進行貝葉斯納什均衡求解得到所述電動汽車充電策略，包括：

5.如權利要求1所述的電動汽車的充電負荷預測方法，其特征在于，在得到電動汽車的充電負荷數據后，所述電動汽車的充電負荷預測方法還包括：

6.一種電動汽車的充電負荷預測系統，其特征在于，包括：

7.如權利要求6所述的電動汽車的充電負荷預測系統，其特征在于，所述基于采集到的出行鏈信息構建起訖點矩陣，構建過程包括：

8.如權利要求6所述的電動汽車的充電負荷預測系統，其特征在于，所述博弈處理過程包括：

9.如權利要求8所述的電動汽車的充電負荷預測系統，其特征在于，所述根據所述收益函數進行貝葉斯納什均衡求解得到所述電動汽車充電策略，包括：

10.如權利要求6所述的電動汽車的充電負荷預測系統，其特征在于，在得到電動汽車的充電負荷數據后，所述電動汽車的充電負荷預測系統還包括：

技術總結
本發明公開了一種電動汽車的充電負荷預測方法及系統，方法包括根據采集到的道路信息構建道路交通網矩陣，基于采集到的出行鏈信息構建起訖點矩陣；基于所述道路交通網矩陣和所述起訖點矩陣構建電動汽車動態出行模型，利用貝葉斯博弈方法對所述電動汽車動態出行模型進行博弈處理得到電動汽車充電策略，基于所述電動汽車充電策略得到充電需求預測結果；將所述充電需求預測結果輸入至采用馬爾可夫鏈構建的電動汽車充電負荷模型中，得到電動汽車的充電負荷數據。本發明實施例提供的電動汽車的充電負荷預測方法，可以解決充電負荷預測準確率較低的技術問題，以實現對電動汽車的充電負荷進行準確預測的效果。

技術研發人員：龔成堯,尹宏源,陸春光,洪瀟,夏霖
受保護的技術使用者：國網浙江電動汽車服務有限公司
技術研發日：
技術公布日：2025/4/28