基于随机森林的电动汽车充电行为聚类技术研究

论文摘要

随着国家对新能源汽车的持续推进,成千上万的电动汽车(EV)接入电力系统,在充电过程中形成了关于EV充电行为的海量数据,因此有必要对EV充电行为特征展开研究。文中提出了一种基于随机森林的EV充电行为聚类技术,从充电行为的大量数据中辨识和分析不同类型的充电行为。采用英国Dundee市2018年1月的充电数据进行实验,分别得到该月工作日、双休日和节假日的充电行为分类。聚类分析获得的各个类别有着较为明确的特性,并以此推断出用户的充电方式、出行行为特点等。最后将该算法和欧式距离法进行对比,对比结果表明随机森林算法在EV聚类问题中的优越性。

论文目录

• 0 引言
• 1 EV行为聚类问题和随机森林
• 2 EV充电行为的聚类算法
•   2.1 基于随机森林的EV行为聚类算法主要步骤
•   2.2 基于主成分分析法的随机森林聚类功能优化
•   2.3 随机森林训练流程
•   2.4 基于EV样本相关性的聚类过程
•   2.5 聚类结果检验
• 3 随机森林在EV充电行为分析聚类中的应用
•   3.1 数据来源
•   3.2 主成分分析的结果
•   3.3 基于R语言的聚类实施过程
•   3.4 聚类实施结果
•   3.5 聚类结果分析
• 4 结语

文章来源

类型: 期刊论文

作者: 刘亚丽,李国栋,刘云,洪奕,刘瑜俊

关键词: 电动汽车,充电行为,随机森林,聚类分析

来源: 电力工程技术 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 汽车工业,电力工业,自动化技术

单位: 国网天津市电力有限公司电力科学研究院,东南大学电气工程学院

基金: 国家重点研发计划资助项目(2017YFA0700300)

分类号: U469.72;TP18;TM73

页码: 115-121

总页数: 7

文件大小: 1417K

下载量: 180