本文的研究主要是基于某充電運(yùn)營(yíng)商提供的充電樁數(shù)據(jù),這些數(shù)據(jù)包括充電過(guò)程數(shù)據(jù)和充電樁地理信息數(shù)據(jù)。研究的目的是預(yù)測(cè)充電樁的充電量,充電量指單個(gè)樁群充電量和系統(tǒng)總體充電量,充電量的預(yù)測(cè)有以下三個(gè)目的:1)使充電設(shè)備廠商可以根據(jù)充電量動(dòng)態(tài)調(diào)整電價(jià),比如在充電量比較低的時(shí)候降低電價(jià),鼓勵(lì)消費(fèi)者充電,避免資源浪費(fèi);在充電量比較高的時(shí)候提高電價(jià),增加收入。2)在預(yù)測(cè)到未來(lái)一段時(shí)間將要有充電量高峰的時(shí)候,可以提前向有關(guān)部門購(gòu)電。3)對(duì)于某些充電量特別少的“僵尸樁”可以減少在該樁周圍布置新的樁群。本文的充電量預(yù)測(cè)與一般的時(shí)間序列預(yù)測(cè)不同。首先,充電設(shè)備公司提供的數(shù)據(jù)可能會(huì)有錯(cuò)誤,在前期處理時(shí)應(yīng)將這些錯(cuò)誤數(shù)據(jù)去除。其次,充電樁充電量的隨機(jī)性很大,想要精準(zhǔn)的預(yù)測(cè)具有難度。最后,充電樁充電量曲線存在一定的規(guī)律性,本文先分析這些充電量曲線的規(guī)律,對(duì)其進(jìn)行分類,以提高預(yù)測(cè)的精度。本文的工作包含以下幾個(gè)方面,首先,充電運(yùn)營(yíng)商提供數(shù)據(jù),我們負(fù)責(zé)利用大數(shù)據(jù)相關(guān)技術(shù)進(jìn)行數(shù)據(jù)接收和預(yù)處理,主要用到的技術(shù)是Kafka+Spark Streaming+HBase。其次,本文分析了一些數(shù)據(jù)的特點(diǎn),主要是與充電量相關(guān)的一些特征,... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)預(yù)測(cè)方法
        1.2.2 深度學(xué)習(xí)預(yù)測(cè)方法
    1.3 論文主要工作
    1.4 論文組織架構(gòu)
2 背景知識(shí)和相關(guān)技術(shù)分析
    2.1 大數(shù)據(jù)相關(guān)技術(shù)
        2.1.1 Kafka
        2.1.2 Spark Streaming
        2.1.3 HBase數(shù)據(jù)庫(kù)
    2.2 機(jī)器學(xué)習(xí)相關(guān)技術(shù)
        2.2.1 回歸分析
        2.2.2 神經(jīng)網(wǎng)絡(luò)
    2.3 本章小結(jié)
3 數(shù)據(jù)預(yù)處理與特征分析
    3.1 新能源汽車管控平臺(tái)數(shù)據(jù)說(shuō)明
        3.1.1 訂單數(shù)據(jù)說(shuō)明
        3.1.2 地理信息數(shù)據(jù)說(shuō)明
    3.2 數(shù)據(jù)接收模型的框架
        3.2.1 整體框架
        3.2.2 Kafka接收數(shù)據(jù)
        3.2.3 Spark Streaming處理數(shù)據(jù)
        3.2.4 HBase數(shù)據(jù)庫(kù)保存數(shù)據(jù)
    3.3 數(shù)據(jù)特征分析
        3.3.1 充電量數(shù)據(jù)的處理
        3.3.2 周期性分析
        3.3.3 季節(jié)對(duì)充電量的影響
        3.3.4 分析節(jié)假日對(duì)充電量的影響
        3.3.5 充電量曲線的趨勢(shì)性分析
        3.3.6 充電量曲線每日波形的分析
    3.4 本章小結(jié)
4 充電樁充電量的預(yù)測(cè)
    4.1 單個(gè)樁群充電量的預(yù)測(cè)
        4.1.1 編碼解碼器(Encoder-decoder)
        4.1.2 長(zhǎng)短期記憶網(wǎng)絡(luò)
        4.1.3 充電量預(yù)測(cè)模型
        4.1.4 加入周期性模塊的預(yù)測(cè)網(wǎng)絡(luò)
    4.2 總體充電量的預(yù)測(cè)
        4.2.1 總體充電量與單個(gè)樁群充電量的異同點(diǎn)
        4.2.2 總體充電量預(yù)測(cè)模型
    4.3 本章小結(jié)
5 實(shí)驗(yàn)驗(yàn)證與性能測(cè)試
    5.1 實(shí)驗(yàn)環(huán)境
    5.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        5.2.1 均方根誤差(RMSE)
        5.2.2 平均絕對(duì)百分比誤差(MAPE)
        5.2.3 評(píng)價(jià)指標(biāo)對(duì)比
    5.3 實(shí)驗(yàn)結(jié)果對(duì)比
        5.3.1 單個(gè)樁群實(shí)驗(yàn)結(jié)果
        5.3.2 單個(gè)樁群預(yù)測(cè)實(shí)驗(yàn)結(jié)果分析
        5.3.3 總體充電量實(shí)驗(yàn)結(jié)果
        5.3.4 總體充電量預(yù)測(cè)實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于Kafka消息隊(duì)列的電網(wǎng)設(shè)備準(zhǔn)實(shí)時(shí)數(shù)據(jù)接入方法研究[J]. 王震,陳亮.  山東電力技術(shù). 2015(06)
[2]回歸分析簡(jiǎn)介[J]. 彤季.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 1971(03)



本文編號(hào)：3335343