新能源汽车充电管控平台数据挖掘研究

发布时间：2021-08-11 03:21

　　本文的研究主要是基于某充电运营商提供的充电桩数据,这些数据包括充电过程数据和充电桩地理信息数据。研究的目的是预测充电桩的充电量,充电量指单个桩群充电量和系统总体充电量,充电量的预测有以下三个目的:1)使充电设备厂商可以根据充电量动态调整电价,比如在充电量比较低的时候降低电价,鼓励消费者充电,避免资源浪费;在充电量比较高的时候提高电价,增加收入。2)在预测到未来一段时间将要有充电量高峰的时候,可以提前向有关部门购电。3)对于某些充电量特别少的“僵尸桩”可以减少在该桩周围布置新的桩群。本文的充电量预测与一般的时间序列预测不同。首先,充电设备公司提供的数据可能会有错误,在前期处理时应将这些错误数据去除。其次,充电桩充电量的随机性很大,想要精准的预测具有难度。最后,充电桩充电量曲线存在一定的规律性,本文先分析这些充电量曲线的规律,对其进行分类,以提高预测的精度。本文的工作包含以下几个方面,首先,充电运营商提供数据,我们负责利用大数据相关技术进行数据接收和预处理,主要用到的技术是Kafka+Spark Streaming+HBase。其次,本文分析了一些数据的特点,主要是与充电量相关的一些特征,... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 传统预测方法
        1.2.2 深度学习预测方法
    1.3 论文主要工作
    1.4 论文组织架构
2 背景知识和相关技术分析
    2.1 大数据相关技术
        2.1.1 Kafka
        2.1.2 Spark Streaming
        2.1.3 HBase数据库
    2.2 机器学习相关技术
        2.2.1 回归分析
        2.2.2 神经网络
    2.3 本章小结
3 数据预处理与特征分析
    3.1 新能源汽车管控平台数据说明
        3.1.1 订单数据说明
        3.1.2 地理信息数据说明
    3.2 数据接收模型的框架
        3.2.1 整体框架
        3.2.2 Kafka接收数据
        3.2.3 Spark Streaming处理数据
        3.2.4 HBase数据库保存数据
    3.3 数据特征分析
        3.3.1 充电量数据的处理
        3.3.2 周期性分析
        3.3.3 季节对充电量的影响
        3.3.4 分析节假日对充电量的影响
        3.3.5 充电量曲线的趋势性分析
        3.3.6 充电量曲线每日波形的分析
    3.4 本章小结
4 充电桩充电量的预测
    4.1 单个桩群充电量的预测
        4.1.1 编码解码器(Encoder-decoder)
        4.1.2 长短期记忆网络
        4.1.3 充电量预测模型
        4.1.4 加入周期性模块的预测网络
    4.2 总体充电量的预测
        4.2.1 总体充电量与单个桩群充电量的异同点
        4.2.2 总体充电量预测模型
    4.3 本章小结
5 实验验证与性能测试
    5.1 实验环境
    5.2 实验评价指标
        5.2.1 均方根误差(RMSE)
        5.2.2 平均绝对百分比误差(MAPE)
        5.2.3 评价指标对比
    5.3 实验结果对比
        5.3.1 单个桩群实验结果
        5.3.2 单个桩群预测实验结果分析
        5.3.3 总体充电量实验结果
        5.3.4 总体充电量预测实验结果分析
    5.4 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]基于Kafka消息队列的电网设备准实时数据接入方法研究[J]. 王震,陈亮.  山东电力技术. 2015(06)
[2]回归分析简介[J]. 彤季.  数学的实践与认识. 1971(03)



本文编号：3335343