Pesquisa sobre Análise de Agrupamento Baseada em Dados das Sessões de Carregamento de Veículos Elétricos

Com o rápido aumento dos veículos elétricos (EVs) nos últimos anos, devido às suas características de economia de energia e redução de emissões, a desarmonia entre as instalações de carregamento de EVs e os EVs está se tornando cada vez mais evidente. Mineração de dados comportamentais massivos de EVs para explorar características de comportamento dos usuários é de grande importância para a construção e renovação das instalações de carregamento no processo de planejamento urbano. Este artigo propõe um método de agrupamento para o comportamento de carregamento de EVs, baseado em floresta aleatória e modelo de mistura gaussiana, com o objetivo de minerar padrões de comportamento de carregamento típicos a partir de grandes dados. Primeiro, os dados históricos de carregamento de EVs são pré-processados para extrair informações válidas e melhorar a qualidade dos dados. Em segundo lugar, um subconjunto de características é selecionado com base no algoritmo de floresta aleatória para obter o conjunto de amostras de entrada para agrupamento. Em seguida, o modelo de mistura gaussiana é usado para agrupar o conjunto de dados gerado pela floresta aleatória. Finalmente, o método proposto é validado usando dados de carregamento reais de uma determinada área da Província de Jiangsu. Os resultados mostram que o método proposto pode extrair efetivamente clusters de comportamento de carregamento com diferentes distribuições de características a partir de dados massivos, fornecendo uma ideia viável para mineração de grandes dados de rede de veículos.