本发明属于电网负荷预测，尤其涉及一种电动汽车充电负荷预测方法、装置、设备及存储介质。
背景技术：
1、随着电动汽车技术的不断发展，电动汽车的普及率逐年增加，并广泛应用到人们的出行生活与运输工作中。
2、目前，为了便于在城市中的不同区域中设立合适数量与位置的电动车充电桩，以及进行对应电网设施的规划，需要对电动车在城市不同区域的充电负荷进行研究，从而实现对电动车充电充电负荷的预测；现有的一种预设电动汽车充电负荷的方式为，收集人员的出行需求信息、现有充电桩分布信息以及电价信息等，并考虑这些信息对用户充电行为的影响，从而模拟电动车辆的充电负荷，从而实现对电动车辆的充电负荷的预测。
3、但是，上述一种预测电动车充电负荷的方式缺乏电动车实际充电数据的支持，且数据处理方式较为简单，从而导致最后预测出的电动车辆的充电负荷与实际充电负荷相比失真较大。
4、有关电动汽车充电负荷预测的现有技术包括：
5、中国专利申请号cn110929921a，提供了一种上述充电站负荷预测方法、装置、计算机设备和存储介质，根据历史数据分析出每天的到站充电电动汽车数量比例关系，进而再预估出当天到站充电的电动汽车总量，根据电动汽车到站时刻的概率分布函数，细化预测每个小时到站充电电动汽车数量，根据电动汽车每日行驶里程的概率分布函数，预估每台电动汽车到站的剩余荷电状态，再根据上述两组数据，预测充电站每小时的充电负荷数据。但该方法主要涉及预测充电站的充电负荷数据，虽然也涉及电动汽车的负荷，不过并没有详细介绍如何预测电动汽车充电负荷。
6、中国专利申请号cn109308541a，提供了一种基于场景分析的电动汽车充电负荷预测方法，该方法步骤如下：首先根据出行日属性分析电动汽车的首次出行时间、行驶时长和停驻时长等时间变量以及目的地转移概率和行驶里程等空间变量，构造概率分布函数对上述变量进行拟合，进而得到电动汽车出行的时空分布特性；然后根据电动汽车充电行为的不同，划分了三个场景，包括一日一充、一日多充和多日一充，分别对不同场景建立充电决策模型；最后，综合考虑电动汽车的出行需求和充电特性，对不同场景下的充电负荷进行预测。但该方法未考虑到在城市中会划分不同的城市区域，如生活区，商业区以及生产区等；不同城市区域中车辆的时间变量与空间变量的不同，如此会导致最终预测出的充电负荷仅适用于某一种城市区域，而不可适用多种的城市区域，导致最终预测出的充电负荷在城市中的普适性较差。
7、中国专利申请号cn114734840a，提供了一种电动汽车负荷群的需求响应可调潜力预测方法及系统，其中，方法包括以下步骤：步骤1，基于电动汽车用户的充电习惯对不同场景下电动汽车的充电起始时间、充电时长进行预测，分别获得不同场景下电动汽车的联合概率分布函数；步骤2，基于所述联合概率分布函数统计不同时刻下区域内电动汽车的充电功率；步骤3，对区域内的所有电动汽车采用蒙特卡洛法进行抽样，并计算抽样样本中所有电动汽车的总需求，以及区域调节潜力。但该方法充电负荷在城市中的普适性也较差，且仅可计算一定时段中车辆的充电功率，但不可预测一定时段下一定类型车辆的充电负荷。另外，该专利最终确定区域调节潜力时采用的是抽样的方法，在样本数量不足或者不具有代表性的时，会导致最终确定区域调节潜力的结果准确定较差。
技术实现思路
1、为解决现有技术中存在的不足，本发明提供一种电动汽车充电负荷预测方法、装置、设备及存储介质，所述方法
2、本发明采用如下的技术方案。
3、本发明的第一方面提供一种电动汽车充电负荷预测方法，所述方法具体包括以下步骤：
4、步骤1，获取不同城市区域中不同类型电动汽车的充电时刻数据与充电时刻剩余电量数据；
5、步骤2，分别基于预设的不同城市区域不同类型的概率分布函数处理所述充电时刻数据与所述充电时刻剩余电量数据，得到量化结果，根据不同概率分布函数得到的量化结果与实际电动汽车充电时刻、充电时刻剩余电量的概率分布进行比对，确定出每个城市区域的每个类型的电动汽车充电时刻数据和充电时刻剩余电量数据的最佳概率分布函数；
6、步骤3，通过最佳概率分布函数，处理不同城市区域与电动汽车的类型，得到对应不同城市区域中不同类型电动汽车的充电时刻预测数据与充电时刻剩余电量预测数据；
7、步骤4，基于充电时刻预测数据、充电时刻剩余电量预测数据以及获取的充电桩在线情况，建立预测时段充电概率分布函数组；
8、步骤5，基于预测时段充电概率分布函数组与获取的预测时段充电功率，预测不同城市区域中对应预测时段对应类型电动汽车的充电负荷。
9、优选地，在步骤1中，所述城市区域至少包括生活区、商业区以及生产区；所述电动汽车的类型至少包括私人出行车辆与工作运输车辆；所述充电时刻数据即电动汽车充电桩对电动汽车充电时的时刻记录数据，所述充电时刻剩余电量数据即充电时刻开始时电动汽车的剩余电量。
10、优选地，在步骤2中，预设的不同概率分布函数至少包括傅里叶概率分布函数、正态分布概率函数以及高斯概率分布函数；概率分布函数包括充电时刻数据概率分布函数和充电时刻剩余电量数据概率分布函数，充电时刻数据概率分布函数的横坐标为充电时刻数据，纵坐标为第一概率；充电时刻剩余电量数据概率分布函数的横坐标为充电时刻剩余电量数据，纵坐标为第二概率。
11、优选地，在步骤2中，所述分别基于预设的不同城市区域不同类型的概率分布函数处理所述充电时刻数据与所述充电时刻剩余电量数据不同具体包括：
12、将充电时刻数据与充电时刻剩余电量数据，分别输入至不同类型的概率分布函数，得到对应概率分布函数下的概率分布结果；基于预设的拟合函数类型得到对应不同概率分布函数的拟合结果；基于拟合结果、概率分布结果均值，通过预设的量化函数计算对应不同概率分布函数的量化结果，基于量化结果确定最佳概率分布函数。
13、优选地，所述量化函数具体为：
14、量化函数：将概率分布函数曲线以整数取点，取每点的值。
15、
16、式中，λ表示概率分布函数的种类，λ＝{1,2,3}，依次表示傅里叶概率分布函数、正态分布概率函数、高斯概率分布函数，y0，i，λ表示第i个点的第λ概率分布结果，为第λ概率分布结果均值，yi，λ为第i个点的第λ拟合结果，n为数据总数。
17、优选地，在步骤2中，所述确定出最佳概率分布函数的方案具体包括：
18、计算城市不同区域中不同类型电动汽车在不同不同概率分布函数的拟合结果的量化结果，分别计算与预设门限值的差值，差值最小的量化结果所对应的概率分布函数记为最佳概率分布函数。
19、优选地，步骤3具体步骤为：计算不同城市区域不同类型电动汽车的最佳概率分布函数的均值，作为对应城市不同区域中不同类型电动汽车的充电时刻预测数据与充电时刻剩余电量预测数据。
20、优选地，在步骤4中，所述建立预测时段的电动汽车充电概率分布函数组的具体过程为：
21、获取充电时使用的某充电桩与电网服务器的通信连接情况，用r表示，若充电桩与电网服务器正常通信连接，则记r＝1，否则，记r＝0；由不同城市区域的不同类型的电动汽车充电时刻预测数据的最佳概率分布函数获取该预测时间的分布概率pm,e,t，计算第m种城市区域、第e种类型的电动汽车的第t个时刻的预测充满电所需充电时长tm,e,t；
22、tm,e,t的计算公式为:
23、
24、cf表示充电桩通过电网服务器获取的与之连接的电动汽车的电池容量，
25、cl,m,e为第m种城市区域、第e种类型的电动汽车的充电时刻剩余电量预测数据；pm，e，t表示第m种城市区域第e种类型电动汽车第t个时刻的充电时使用的充电桩的充电功率，pm，e，t等于获取的充电桩在每个预测时段对应类型电动汽车的历史充电功率；
26、计算以下公式：
27、
28、将所有区域所有类型的电动汽车重复以上步骤，则可得到预测时段的电动汽车充电概率分布函数组。
29、优选地，步骤5具体包括：
30、获取预测时段，预测时段、所在城市区域和电动汽车类型输入到预测时段充电概率分布函数组输出预测时段充电概率fm，e,t；计算预测时段充电功率pt与预测时段充电概率的乘积fm，e,t，作为预测出的对应城市区域中对应预测时段对应类型电动汽车的充电负荷cm，e，t。
31、优选地，所述方法还包括步骤6：计算不同城市区域中对应预测时段电动汽车的总负荷，并判断其是否可信；
32、步骤6.1，获取该城市区域中不同类型电动汽车的数量，得到城市区域电动汽车数量信息；
33、步骤6.2，基于该城市区域电动汽车数量信息与不同类型电动汽车的充电负荷，计算城市区域预测时段电动汽车总负荷；
34、步骤6.3，对若干个预测时段的该城市区域电动汽车总负荷进行统计，得到标准差n以及数学期望s，作为统计结果；
35、步骤6.4，基于统计结果判断不同时段的该城市区域预测时段电动汽车总负荷是否收敛，若是，则认为不同时段的该城市区域预测时段电动汽车总负荷可信。
36、优选地，步骤6.2中计算某城市区域m预测时段电动汽车总负荷的公式为：
37、
38、其中，cm,e,t表示城市区域预测时段电动汽车总负荷，e表示城市区域电动汽车的种类数，nm,e表示第m种区域第e种类型的电动汽车的数量。12.根据权利要求10所述一种电动汽车充电负荷预测方法，其特征在于：
39、步骤6.4中判断收敛使用的收敛方程为：
40、
41、式中，k为迭代次数，n为若干个预测时段的电动汽车总负荷的标准差值，s为若干个预测时段的电动汽车总负荷的数学期望值。
42、本发明的第二方面提出了一种电动汽车充电负荷预测装置，使用本发明第一方面所述方法，其特征在于：
43、数据获取模块，用于获取不同预设城市区域中不同类型电动汽车的充电时刻数据与充电时刻剩余电量数据；所述城市区域至少包括生活区、商业区以及生产区；所述电动汽车的类型至少包括私人出行车辆与工作运输车辆；
44、函数处理模块，用于基于预设的不同概率分布函数分别处理所述充电时刻数据与所述充电时刻剩余电量数据，得到处理结果；对所述处理结果进行判断，确定出最佳概率分布函数；
45、数据生成模块，用于基于所述最佳概率分布函数处理输入的城市区域与电动汽车的类型，得到对应所述城市区域中所述类型电动汽车的充电时刻预测数据与充电时刻剩余电量预测数据；
46、函数组建立模块，用于基于所述充电时刻预测数据、所述充电时刻剩余电量预测数据以及获取的充电桩在线情况，建立预测时段充电概率分布函数组；
47、负荷预测模块，用于基于所述预测时段充电概率分布函数组与获取的预测时段充电功率，预测不同所述城市区域中对应预测时段对应类型电动汽车的充电负荷。
48、本发明的第三方面提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现本发明的第一方面所述的方法的步骤。
49、本发明的第四方面提出了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现本发明的第一方面提出了任一项所述的方法的步骤。
50、本发明的有益效果在于，与现有技术相比，
51、1.计算特定时段特定类型车辆最终预测出的充电负荷的过程中充分考虑了不同城市区域对计算最终预测出的充电负荷的影响，如生活区，商业区以及生产区等；如此，可提升计算特定时段特定类型车辆最终预测出的充电负荷的普适性，进而提升预测充电负荷的准确性。
52、2.可以实现对特定时段下特定类型的车辆的充电负荷的预测；如此有助于针对某种特定类型的车辆负荷进行预测，从而提升对车辆的负荷预测进行进一步的细分，以满足特定的需求。
53、3.在预测特定时段下特定类型的车辆的充电负荷时，不仅考虑了汽车在充电时所对应的一些数据，还考虑了车辆的剩余电量数据，以及充电桩的在线情况，如此便于充分考虑用于预测特定时段下特定类型的车辆的充电负荷的对象，如此便于提升最终预测出的特定时段下特定类型的车辆的充电负荷的准确性。
1.一种电动汽车充电负荷预测方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述一种电动汽车充电负荷预测方法，其特征在于：
3.根据权利要求1所述一种电动汽车充电负荷预测方法，其特征在于：
4.根据权利要求3所述一种电动汽车充电负荷预测方法，其特征在于：
5.根据权利要求4所述一种电动汽车充电负荷预测方法，其特征在于：
6.根据权利要求4所述一种电动汽车充电负荷预测方法，其特征在于：
7.根据权利要求1所述一种电动汽车充电负荷预测方法，其特征在于：
8.根据权利要求1所述一种电动汽车充电负荷预测方法，其特征在于：
9.根据权利要求1所述一种电动汽车充电负荷预测方法，其特征在于：
10.根据权利要求1所述一种电动汽车充电负荷预测方法，其特征在于：
11.根据权利要求10所述一种电动汽车充电负荷预测方法，其特征在于：
12.根据权利要求10所述一种电动汽车充电负荷预测方法，其特征在于：
13.一种电动汽车充电负荷预测装置，使用权利要求1至12中任一项所述方法，其特征在于：
14.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至12中任一项所述的方法的步骤。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。
