摘要
本申请属于充电趋势分析技术领域,涉及一种基于时间变化的电动汽车充电量趋势分析方法,通过采集充电桩终端、电网系统、环境数据及用户行为日志数据,进行基础特征和衍生特征提取,接着,采用STL分解法和小波变换,对时间序列数据进行趋势、周期和残差项的分解,结合地理信息和时空关联建模,采用空间聚类分析和协变量分析,得到区域充电需求的时空关联矩阵,从而揭示了充电需求在不同时间和地点的变化规律;最后,利用Prophet模型捕捉季节性效应,结合LSTM模型捕捉长期依赖关系,并通过加权融合两者的输出,得到了更加精准的动态充电量预测结果;实现了对充电量的高精度、动态和鲁棒性的预测,克服了传统方法在处理复杂时空动态变化和环境因素时的不足。
技术关键词
趋势分析方法
空间聚类分析
节假日效应
充电桩终端
LSTM模型
多尺度异常检测
负荷
数据
空间权重矩阵
电网系统
滑动窗口
逻辑回归模型
线性回归模型
变量
统计学方法
周期
时间段
剔除噪声
动态
功率
系统为您推荐了相关专利信息
运动状态参数
数据分析模块
监测系统
Attention机制
映射关系表
LSTM模型
气体管道
声波换能器
水泥
计算机执行指令
价值评估体系
数字孪生模型
LSTM模型
能源管理
语义场景
冬虫夏草
培植控制系统
历史气象数据
生成动态环境
数字孪生模型
系统健康状态评估方法
信息熵
机器学习算法模型
LSTM模型
电芯