[发明专利]电动车辆的充电负荷预测方法、装置及存储介质

权利要求书

1.一种电动车辆的充电负荷预测方法，其特征在于，所述方法包括：

获取充电负荷预测信息，所述充电负荷预测信息包括：时间和天气信息；

将所述充电负荷预测信息输入至多个目标预测模型；

根据每个所述目标预测模型的输出结果，确定所述电动车辆的充电负荷；

其中，所述多个目标预测模型为基于多条训练样本从多个备选预测模型中选取的，且每个所述目标预测模型的预测准确率，均大于其他备选预测模型的预测准确率。

2.根据权利要求1所述的方法，其特征在于，在所述获取预测信息之前，所述方法还包括：

获取多个备选预测模型和多条训练样本，每条所述训练样本包括：一个充电桩在目标时段内的用电量，所述用电量所属分组的聚类中心的用电量，所述充电桩在所述目标时段内的用电变化量，所述充电桩在所述目标时段内的用电变化率，以及所述目标时段内的天气信息；

基于所述多条训练样本确定每个所述备选预测模型的预测准确率；

基于每个所述备选预测模型的预测准确率，从所述多个备选预测模型中选取所述多个目标预测模型。

3.根据权利要求2所述的方法，其特征在于，所述基于所述多条训练样本确定每个所述备选预测模型的预测准确率，包括：

从所述多条训练样本中选取多条第一训练样本和多条第二训练样本，所述多条第一训练样本的数量与所述多条第二训练样本的数量之和，等于所述多条训练样本的数量；

对于每个所述备选预测模型，将所述多条第一训练样本分别输入至所述备选预测模型，得到所述备选预测模型的多个第一输出结果；

对于每个所述备选预测模型，将所述多条第二训练样本分别输入至所述备选预测模型，得到所述备选预测模型的多个第二输出结果；

对于每个所述备选预测模型，根据所述多个第一输出结果，以及所述多条第一训练样本中的用电量，确定所述备选预测模型的第一预测准确率；

对于每个所述备选预测模型，根据所述多个第二输出结果，以及所述多条第二训练样本中的用电量，确定所述备选预测模型的第二预测准确率。

4.根据权利要求3所述的方法，其特征在于，所述基于每个所述备选预测模型的预测准确率，从所述多个备选预测模型中选取所述多个目标预测模型，包括：

按照所述第二预测准确率由低到高的顺序，对所述多个备选预测模型进行排序，得到第一集合；

删除所述第一集合中第二预测准确率小于准确率阈值的前m个备选预测模型，得到第二集合，m为大于0且小于所述第一集合包括的备选预测模型的数量的整数；

基于每个所述备选预测模型的所述第一预测准确率，确定所述第二集合包括的多个备选预测模型的第一群差异度，所述第一群差异度用于指示所述第二集合中各个所述备选预测模型的第一预测准确率的差异程度；

从所述第二集合中第一个备选预测模型开始，确定删除所述第二集合中第n个备选预测模型后，所述第二集合中剩余的多个备选预测模型的第二群差异度，n为大于0且小于所述第二集合包括的备选预测模型的数量的整数；

若所述第二群差异度与所述第一群差异度的差值大于差异度阈值，则删除所述第n个备选预测模型，直至所述第二集合中剩余的备选预测模型的数量小于第一数量阈值，或，删除的备选预测模型的数量达到第二数量阈值为止；

将所述第二集合中剩余的备选预测模型确定为目标预测模型。

5.根据权利要求2所述的方法，其特征在于，所述获取多条训练样本，包括：

获取多条初始样本，每条所述初始样本包括：一个充电桩在目标时段内的用电量，以及所述目标时段内的天气信息；

对于每条所述初始样本，基于所述初始样本中充电桩在目标时段内的用电量，确定所述充电桩在所述目标时段内的用电变化量和用电变化率；

基于每条所述初始样本包括的用电量，对所述多条初始样本进行聚类，得到多个分组；

对于每条所述初始样本，在所述初始样本中添加所述初始样本中充电桩的用电变化量，所述初始样本中充电桩的用电变化率，以及所述初始样本所属分组的聚类中心的用电量，得到一条训练样本。