一种基于大数据分析的区域充电桩需求预测方法及系统与流程

本发明涉及大数据分析，尤其涉及一种基于大数据分析的区域充电桩需求预测方法及系统。

背景技术：

1、随着新能源汽车保有量和城市公共补能需求的不断增长，针对区域充电桩建设规模、空间布局和时段需求变化的预测技术受到广泛关注。现有区域充电桩需求预测方法主要依赖历史充电订单统计、车辆保有量估算、人工经验判断或单一时间序列模型进行需求推算，并结合现有充电设施利用率和部分交通流量数据确定充电桩建设位置，但是在实际应用中普遍存在以下问题：

2、区域充电需求受车辆出行强度、停车资源供给、现有充电设施服务能力、区域功能属性和电网接入条件等多因素共同影响，现有方法通常只关注历史充电次数或充电电量，难以准确反映不同区域之间的空间关联关系和服务替代关系，导致商业区、医院、交通枢纽等高需求区域容易预测不足，而低密度区域又可能出现重复建设；多源数据来源分散，车辆出行数据、停车资源数据、现有充电设施运行数据和电网接入数据之间缺少统一标识、空间标定和时间对齐，导致预测样本存在口径不一致、时间错位和空间归属不清等问题；传统统计模型或普通时间序列模型难以同时建模充电需求的短时波动、日内变化和周内变化规律，也难以将停车承载能力、现有充电设施服务饱和状态和电网可接入容量纳入预测修正过程，导致预测结果与实际建设可行性脱节，影响区域充电桩建设优先级排序和接入约束校核的准确性。

3、因此，如何提供一种基于大数据分析的区域充电桩需求预测方法及系统是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于大数据分析的区域充电桩需求预测方法及系统，本发明采用多源充电需求关联数据融合、区域充电需求时空图谱与改进graphwavenet网络相结合的方法，通过对车辆出行数据、停车资源数据、现有充电设施运行数据和电网接入关联数据进行统一标识、时空标定及网格化映射，构建网格化区域充电需求数字模型；在此基础上，引入多关系图结构学习层、多尺度时间卷积层和资源约束融合层，对需求预测网格之间的空间关联关系、充电服务替代关系和时间变化规律进行联合建模，实现区域充电基础需求预测；进一步结合电动汽车增长趋势、现有充电设施服务利用状态和区域资源承载状态进行需求弹性修正，并输出供需缺口分析、建设优先级排序和接入约束校核结果，具有预测精度高、资源约束适配性强、建设推荐结果可靠以及适用于区域充电基础设施规划决策的优点。

2、根据本发明实施例的一种基于大数据分析的区域充电桩需求预测方法，包括如下步骤：

3、s1、采集目标区域内的多源充电需求关联数据，对所述多源充电需求关联数据进行统一标识和时空标定，生成区域充电需求原始数据集；

4、s2、对所述区域充电需求原始数据集进行标准化处理，并提取区域充电需求影响特征，生成区域充电需求大数据特征集；

5、s3、根据区域空间基础数据和区域资源约束数据，将所述区域充电需求大数据特征集映射至需求预测网格，生成网格化区域充电需求数字模型；

6、s4、根据所述网格化区域充电需求数字模型提取区域需求关联节点，并构建区域充电需求时空图谱；

7、s5、将所述区域充电需求时空图谱输入至改进graph wavenet网络中，对区域充电需求的空间关联关系和时间变化规律进行联合预测，生成区域充电基础需求预测结果；

8、s6、根据所述区域充电基础需求预测结果和区域需求修正约束信息进行需求弹性修正，生成区域充电桩需求预测结果；

9、s7、根据所述区域充电桩需求预测结果进行供需缺口分析、建设优先级排序和接入约束校核，生成区域充电桩需求预测决策信息。

10、可选的，所述s1具体为：

11、获取目标区域内的区域基础数据、车辆出行数据、停车资源数据、现有充电设施运行数据和电网接入关联数据，生成多源充电需求关联数据；

12、根据所述多源充电需求关联数据中的区域归属信息、设施归属信息和供电归属信息进行统一标识，生成区域统一标识结果；

13、根据所述多源充电需求关联数据中的位置描述信息和空间坐标信息，对目标区域内的充电需求发生位置、停车资源位置、充电设施位置和电网接入位置进行空间位置标定，生成空间标定结果；

14、根据所述多源充电需求关联数据中的出行发生时间、停车记录时间、充电运行时间和电网负荷采集时间进行时间基准统一，生成时间标记结果；

15、将所述区域统一标识结果、所述空间标定结果和所述时间标记结果写入所述多源充电需求关联数据，生成区域充电需求原始数据集。

16、可选的，所述s2具体为：

17、读取所述区域充电需求原始数据集中的区域统一标识结果、空间标定结果、时间标记结果和需求关联字段，生成待处理充电需求数据集；

18、对所述待处理充电需求数据集进行字段完整性校验、重复记录合并和异常记录筛选，生成有效充电需求数据集；

19、根据统一数据格式和统一时间粒度，对所述有效充电需求数据集进行标准化转换，并按照所述区域统一标识结果、所述空间标定结果和所述时间标记结果进行时空对齐，生成标准化充电需求数据集；

20、根据所述标准化充电需求数据集提取区域出行活跃特征、停车资源供给特征、现有充电设施利用特征和电网接入能力特征，生成区域充电需求影响特征；

21、对所述区域充电需求影响特征进行归一化处理和特征关联整理，生成区域充电需求大数据特征集。

22、可选的，所述s3具体为：

23、读取所述区域充电需求大数据特征集，并获取目标区域对应的所述区域空间基础数据和所述区域资源约束数据，生成网格映射基础数据；

24、根据所述区域空间基础数据对目标区域进行网格划分，生成需求预测网格，并为所述需求预测网格配置网格编号、区域功能属性和空间边界属性；

25、根据所述区域资源约束数据确定所述需求预测网格对应的停车承载条件、现有充电设施服务条件和电网接入条件，生成网格资源约束结果；

26、根据所述空间标定结果和所述区域统一标识结果，将所述区域充电需求大数据特征集映射至对应需求预测网格，生成网格化充电需求特征；

27、根据所述网格化充电需求特征和所述网格资源约束结果，构建包括需求网格层、资源约束层和充电需求特征层的网格化模型结构，生成网格化区域充电需求数字模型。

28、可选的，所述s4具体为：

29、读取所述网格化区域充电需求数字模型中的需求网格层、资源约束层和充电需求特征层，提取表征区域充电需求分布的需求预测网格节点，并根据所述需求预测网格节点对应的区域功能属性、充电需求影响特征、网格资源约束结果和时空标定信息，生成需求网格节点属性集合；

30、根据所述网格化区域充电需求数字模型中的交通吸引信息、停车资源信息、现有充电设施信息和电网接入信息，分别提取与所述需求预测网格节点存在关联的交通吸引节点、停车资源节点、现有充电设施节点和配电网接入节点，生成区域需求关联节点集合；

31、根据所述需求预测网格节点与所述区域需求关联节点集合中的区域需求关联节点之间的空间覆盖关系、出行流向关系、停车供需关系、充电服务替代关系和接入约束关系，建立区域需求关联边，并对所述区域需求关联边进行关系类型标注，生成区域需求关联边集合；

32、根据时间标记结果，将所述需求网格节点属性集合、所述区域需求关联节点集合和所述区域需求关联边集合按照预设时间粒度进行时序绑定，形成包含节点状态变化、边关系变化和需求强度变化的时空关联图数据；

33、根据所述时空关联图数据，将所述需求预测网格节点、所述区域需求关联节点集合中的区域需求关联节点、所述区域需求关联边集合中的区域需求关联边、节点时序属性和边时序属性进行图结构化组织，生成区域充电需求时空图谱。

34、可选的，所述s5具体为：

35、读取所述区域充电需求时空图谱中的需求预测网格节点、区域需求关联节点、区域需求关联边、节点时序属性和边时序属性，生成图谱预测输入数据；

36、根据所述图谱预测输入数据提取需求节点状态数据、区域关联关系数据、历史需求序列数据和资源约束序列数据，生成区域充电需求预测样本；

37、将所述区域充电需求预测样本输入至所述改进graph wavenet网络中，通过所述改进graph wavenet网络对需求预测网格之间的空间关联关系和充电需求时间变化规律进行联合建模，生成网格级需求预测特征；

38、根据所述网格级需求预测特征，对各需求预测网格在预测时段内的充电需求强度、充电服务次数、充电电量需求和充电时长需求进行预测，生成网格级充电需求预测值；

39、根据所述资源约束序列数据，对所述网格级充电需求预测值进行初步约束校核，并对超出区域资源承载范围的网格级充电需求预测值进行约束标记和初步修正，生成校核后网格级充电需求预测值；

40、将所述校核后网格级充电需求预测值按照需求预测网格和预测时段进行汇总，生成区域充电基础需求预测结果。

41、可选的，所述通过改进graph wavenet网络对需求预测网格之间的空间关联关系和充电需求时间变化规律进行联合建模，生成网格级需求预测特征，具体为：

42、所述改进graph wavenet网络包括图谱输入层、多关系图结构学习层、多尺度时间卷积层、资源约束融合层和需求预测输出层；

43、通过所述图谱输入层接收所述区域充电需求预测样本，并将所述需求节点状态数据、所述区域关联关系数据、所述历史需求序列数据和所述资源约束序列数据转换为节点输入向量、边关系输入向量和时序输入向量；

44、通过所述多关系图结构学习层基于所述区域充电需求时空图谱构建区域充电需求多关系邻接矩阵，并将所述区域充电需求多关系邻接矩阵与所述改进graph wavenet网络中的自适应邻接矩阵进行融合，生成包含需求预测网格之间显式关联和隐式关联的动态图结构表示；

45、通过所述多尺度时间卷积层对所述历史需求序列数据进行扩张因果卷积处理，分别提取充电需求在短时波动周期、日内变化周期和周内变化周期下的时间变化特征，生成多尺度需求时间表示；

46、通过所述资源约束融合层将所述资源约束序列数据嵌入所述动态图结构表示和所述多尺度需求时间表示，并对受停车承载能力、现有充电设施服务能力和电网接入能力限制的需求预测网格进行约束修正，生成约束融合时空表示；

47、通过所述需求预测输出层对所述约束融合时空表示进行映射，输出各需求预测网格对应的网格级需求预测特征。

48、可选的，所述s6具体为：

49、读取所述区域充电基础需求预测结果，提取各需求预测网格在预测时段内对应的基础需求强度、基础充电服务次数、基础充电电量需求和基础充电时长需求，生成基础需求预测矩阵；

50、获取所述区域需求修正约束信息，并从所述区域需求修正约束信息中提取电动汽车增长趋势信息、区域发展规划信息、时段出行波动信息、现有充电设施服务利用状态和区域资源承载状态，生成需求弹性修正输入数据；

51、根据所述电动汽车增长趋势信息和所述区域发展规划信息，计算各需求预测网格对应的长期需求增长修正系数，并根据所述时段出行波动信息计算各预测时段对应的时间弹性修正系数；

52、根据现有充电设施利用率、排队状态和服务半径计算充电服务饱和修正系数，并将所述充电服务饱和修正系数写入所述需求弹性修正输入数据；

53、根据停车承载能力和电网接入能力计算资源约束修正系数，并将所述资源约束修正系数写入所述需求弹性修正输入数据；

54、根据所述基础需求预测矩阵、所述长期需求增长修正系数、所述时间弹性修正系数、所述充电服务饱和修正系数和所述资源约束修正系数，构建需求弹性修正模型，对所述区域充电基础需求预测结果进行修正，生成修正后网格级充电需求预测值；

55、对所述修正后网格级充电需求预测值进行需求边界校验，当所述修正后网格级充电需求预测值超过对应需求预测网格的资源承载上限时，根据相邻需求预测网格的服务替代能力进行需求转移校正，生成边界校验后网格级充电需求预测值；

56、将所述边界校验后网格级充电需求预测值按照需求预测网格和预测时段进行汇总，生成区域充电桩需求预测结果。

57、可选的，所述s7具体为：

58、读取所述区域充电桩需求预测结果，提取各需求预测网格在预测时段内对应的预测充电需求强度、预测充电服务次数、预测充电电量需求和预测充电时长需求，生成需求决策输入数据；

59、获取目标区域内现有充电设施供给能力和区域资源接入约束信息，并根据所述现有充电设施供给能力计算各需求预测网格对应的可服务充电能力，根据所述区域资源接入约束信息计算各需求预测网格对应的可新增建设能力；

60、根据所述需求决策输入数据和所述可服务充电能力进行供需缺口分析，确定各需求预测网格对应的充电服务缺口值、充电电量缺口值和高峰时段服务缺口值，生成区域充电供需缺口结果；

61、根据所述区域充电供需缺口结果、区域功能属性、需求增长趋势、资源接入约束程度和相邻需求预测网格的服务替代能力，计算各需求预测网格对应的建设优先级评分，并按照所述建设优先级评分由高到低进行排序，生成建设优先级排序结果；

62、根据所述可新增建设能力对所述建设优先级排序结果进行接入约束校核，判断各需求预测网格是否满足停车承载条件、充电服务覆盖条件和电网接入条件，生成接入约束校核结果；

63、根据所述区域充电供需缺口结果、所述建设优先级排序结果和所述接入约束校核结果，确定各需求预测网格对应的推荐建设数量、推荐建设类型、推荐建设位置范围和推荐接入等级，生成区域充电桩建设推荐结果；

64、将所述区域充电供需缺口结果、所述建设优先级排序结果、所述接入约束校核结果和所述区域充电桩建设推荐结果进行组合，生成区域充电桩需求预测决策信息。

65、根据本发明实施例的一种基于大数据分析的区域充电桩需求预测系统，包括如下模块：

66、多源数据采集模块，用于采集目标区域内的多源充电需求关联数据，对多源充电需求关联数据进行统一标识和时空标定，生成区域充电需求原始数据集；

67、标准化特征处理模块，用于对区域充电需求原始数据集进行标准化处理，并提取区域充电需求影响特征，生成区域充电需求大数据特征集；

68、网格化建模模块，用于根据区域空间基础数据和区域资源约束数据，将区域充电需求大数据特征集映射至需求预测网格，生成网格化区域充电需求数字模型；

69、时空图谱构建模块，用于根据网格化区域充电需求数字模型提取区域需求关联节点，并构建区域充电需求时空图谱；

70、需求预测模块，用于将区域充电需求时空图谱输入至改进graph wavenet网络中，对区域充电需求的空间关联关系和时间变化规律进行联合预测，生成区域充电基础需求预测结果；

71、需求弹性修正模块，用于根据区域充电基础需求预测结果和区域需求修正约束信息进行需求弹性修正，生成区域充电桩需求预测结果；

72、预测决策输出模块，用于根据区域充电桩需求预测结果进行供需缺口分析、建设优先级排序和接入约束校核，生成区域充电桩需求预测决策信息。

73、本发明的有益效果是：本发明通过多源充电需求关联数据融合、网格化区域充电需求数字模型、区域充电需求时空图谱与改进graph wavenet网络的串联集成，针对现有区域充电桩需求预测中存在的数据来源分散、空间归属不清、时间口径不一致和资源约束考虑不足问题，采用统一标识、空间标定和时间基准统一，将车辆出行数据、停车资源数据、现有充电设施运行数据和电网接入关联数据映射至需求预测网格，实现不同来源、不同粒度和不同业务口径数据的统一建模；在空间建模环节构建包含需求预测网格节点、交通吸引节点、停车资源节点、现有充电设施节点和配电网接入节点的区域充电需求时空图谱，通过空间覆盖关系、出行流向关系、停车供需关系、充电服务替代关系和接入约束关系表征区域间复杂关联；在预测环节引入改进graph wavenet网络，将多关系图结构学习、多尺度时间卷积和资源约束融合结合起来，能够同时提取充电需求的短时波动、日内变化和周内变化特征，并通过自适应邻接关系补充潜在空间依赖；在修正与决策环节结合电动汽车增长趋势、现有充电设施服务利用状态和区域资源承载状态进行需求弹性修正，进一步输出供需缺口分析、建设优先级排序和接入约束校核结果。最终实现区域充电桩需求的精准预测和建设决策优化。