基于需求响应的电动汽车充电智能推荐模型的应用研究

摘要

随着我国电动汽车的不断推广，充电桩的数量不断增加，电网安全性和可靠性受到严重威胁，甚至会导致电力设备的负载率增高，发生安全事故。因此，对电动汽车集群充电行为的有效引导与控制，进行需求侧管理，是十分必要的。
　　需求响应技术是需求侧管理的重要技术手段，是用来增加用户参与电网削峰填谷的一种机制。电力用户通过各种方式参与电网公司需求响应计划，在减少用电负荷同时，可降低自己的用电费用，从而实现用电优化和系统资源的综合优化配置。
　　推荐引擎在目前的电子商务、视频、新闻等诸多应用中扮演着越来越重要的角色。从智能电网的需求响应考虑，结合用户的充电习惯，通过推荐算法有序引导电动汽车的充电行为，不但可以按照价格信号或者激励机制有序的引导用户充电，改变用户的用电行为，保障电网负荷平衡，而且可以为用户提供个性化充电地点推荐，提高用户体验度。
　　本文针对电动汽车参与需求响应的特殊性及电动汽车充电行为的特点，提出了一个基于需求响应的电动汽车充电智能推荐模型，并验证了该模型的有效性。首先介绍了模型涉及到的关键技术，包括需求响应技术、协同过滤技术及Mahout框架;其次，分析了推荐模型的需求特性;再次，设计并验证了电动汽车充电智能推荐模型，根据充电次数对用户进行分类，新老用户使用不同的推荐算法;最后，在Mahout上搭建了基于需求响应的电动汽车充电智能推荐模型，并对推荐结果进行了分析。该模型通过对充电桩运营平台数据的分析，在保障电网安全的同时，实现用户充电地点的智能推荐。

目录

声明

摘要

1．1 研究背景及意义

1．2 国内外研究现状

1．3 论文的研究内容及意义

1．4 论文组织结构

第2章 关键技术分析

2．1 自动需求响应技术分析

2．2 相关推荐算法分析

2．2．1 相似度计算

2．2．2 协同过滤算法

2．2．3 推荐算法评价指标

2．3 Apache Mahout框架介绍

2．4 本章小结

第3章 基于需求响应的智能推荐模型需求特性

3．1 电动汽车参与需求响应分析

3．2 电动汽车充电智能推荐的特殊性分析

3．2．1 现有充电桩平台分析

3．2．2 充电智能推荐模型的特殊性分析

3．3 本章小结

第4章 电动汽车充电智能推荐模型设计

4．1 相似度计算分析

4．2 特征向量提取

4．3 推荐模型设计

4．3．1 基于用户的协同过滤算法推荐模型

4．3．2 基于物品的协同过滤算法推荐模型

4．4 推荐模型验证

4．4．1 Mahout评价策略

4．4．2 推荐模型验证

4．5 本章小结

第5章 电动汽车充电智能推荐系统设计与实现

5．1 系统整体设计

5．2 数据库设计及数据预处理

5．2．1 数据库设计

5．2．2 数据预处理模块

5．3 推荐模块实现

5．3．1 User-based CF推荐实现

5．3．2 Item-based CF推荐实现

5．4 推荐结果

5．5 本章小结

6．1 论文工作总结

6．2 未来展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢