[发明专利]一种充电桩异常率确定方法及装置

说明书

本发明提供了一种充电桩异常率确定方法和装置，方法包括：获取待测区域内的各充电桩的异常时长的历史数据；判断根据异常时长的历史数据是否可以确定各充电桩的异常时长数列，异常时长数列为{G_it‑1，G_it‑2，......G_it‑q}；其中，G_it‑1为第i个充电桩第t天前第1次发生异常当天的异常时长，G_it‑2为第i个充电桩第t天前第2次发生异常当天的异常时长，G_it‑q为第i个充电桩第t天前第q次发生异常当天的异常时长；确定各充电桩的异常时长数列后，建立各充电桩的最小二乘法估计模型并根据各充电桩的异常时长数列确定系数都显著的估计方程；根据各充电桩的估计方程确定待测区域内充电桩第t天的异常率。本发明考虑了运维管理、天气、以及充电桩历史等因素，使用广义AR(q)组合回归方法实现对充电桩异常率的预测。

技术领域

本发明涉及电力技术，具体的讲是一种充电桩异常率确定方法及装置。

背景技术

国家要求电动汽车充电基础设施需要建设适度超前、车桩相随、智能高效的充电网络体系。按照这一要求，我国电动汽车充电桩覆盖面积不断扩张、充电桩用户越来越多，迅速发展的电动汽车行业需要稳定运行的充电网络。一个不可避免的问题是，在充电网络系统中，任何一个充电桩由于故障、离线或停运等原因都有可能出现异常，从而影响充电网络的稳定运行。因此，动态地预测、确定充电桩异常率的大小，对于运维部门提前做好保障措施具有重要意义。

然而，现有技术还缺少对于充电网络系统异常率的预测方法。用于其它领域的预测方法，比较有效的多数是以时间序列方法为基础。但是，时间序列的缺陷是需要一定长度的滞后项，而且时间间隔相同，这对于充电桩异常数据并不现实。

发明内容

为了对充电桩可能发生的异常率进行逐天预测，本发明提供了一种充电桩异常率确定方法，包括：

获取待测区域内的各充电桩的异常时长的历史数据；

判断根据所述异常时长的历史数据是否可以确定各充电桩的异常时长数列，所述的异常时长数列为{G_it-1，G_it-2，......G_it-q}；其中，G_it-1为第i个充电桩第t天前第1次发生异常当天的异常时长，G_it-2为第i个充电桩第t天前第2次发生异常当天的异常时长，G_it-q为第i个充电桩第t天前第q次发生异常当天的异常时长；

确定各充电桩的异常时长数列后，建立各充电桩的最小二乘法估计模型并根据各充电桩的异常时长数列确定系数都显著的估计方程；

根据各充电桩的估计方程确定待测区域内充电桩第t天的异常率。

本发明实施例中，所述的建立各充电桩的最小二乘法估计模型并根据各充电桩的异常时长数列确定系数都显著的估计方程包括：

建立最大可能阶为q的最小二程估计模型；所述最小二程估计模型为：

G_it＝c₀+c₁G_it-1+c₂G_it-2+···c_qG_it-q+ε_it

其中，c₀、c₁、c₂、c_q为模型系数、ε_it为误差项、G_it第i个充电桩在第t天发生异常的时长。

根据各充电桩的异常时长数列，用预设的检验水平对所述最小二程估计模型进行调整，确定各充电桩系数都显著的估计方程AR(tm)_it作为预测方程。