买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京工程学院申请的专利基于层次量子聚类与用户画像的EV充电负荷预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118539420B 。

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410621626.8，技术领域涉及：H02J3/00；该发明授权基于层次量子聚类与用户画像的EV充电负荷预测方法是由卞海红;邴生威;张智源;唐鑫设计研发完成，并于2024-05-17向国家知识产权局提交的专利申请。

本基于层次量子聚类与用户画像的EV充电负荷预测方法在说明书摘要公布了：本发明公开一种基于层次量子聚类与用户画像的EV充电负荷预测方法，对用户特征采用熵权法获取权重，通过层次量子聚类的方法对加权后的用户特征参数进行聚类以获得不同的用户群体，使用核密度估计法获得各个群体用户特征的概率分布，根据层次量子聚类法获得不同精度的用户分类，根据用户特征的分布将用户的每个特征进行“编码”以形成用户画像，考虑充电和放电的损耗、电池退化的情况对电动汽车的荷电状态进行修正，引入恒流恒压充电时功率衰减模型对用户充电进行模拟。最后使用蒙特卡洛法对用户的出行行为以及充电行为进行模拟，验证了采用此方法可以在多精度下预测大规模的电动汽车负荷变化情况，为用户群体分类和地区电网运行提供思路。

本发明授权基于层次量子聚类与用户画像的EV充电负荷预测方法在权利要求书中公布了：1.一种基于层次量子聚类与用户画像的EV充电负荷预测方法，其特征在于，包括以下步骤： 步骤A、获取用户特征数据，剔除强相关特征后计算每个特征的权重；其中，获取用户特征数据，对用户特征进行相关性分析并剔除强相关特征；筛选后对剩余特征数据进行归一化处理，并应用熵权法以确定每个特征的权重； 步骤B、对每个特征的权重值应用改进的量子聚类算法进行聚类，并调整超参数，得到一系列不同聚类数量的用户分组和分组标签，并通过聚类内部评价指标筛选聚类数量，对各个分组的用户数据的各个特征采用核密度估计法得到概率密度函数； 步骤B包括： 根据每个特征的权重值构建数据集{x}作为层次量子聚类算法的输入矩阵；将各自特征的权重分别乘以特征对应的数值得到新的数据集{x}作为层次量子聚类算法的输入矩阵；数据集{x}为n行、J列的用户特征数据； 构建层次量子聚类算法中的势函数和波函数；势函数计算公式为： 其中，Vx为势函数，ψx为波函数，x为数据集{x}中数据，xi为数据集{x}中第i个数据，1≤i≤n，n表示用户的个数即样本个数，σ为Parzen窗估计的高斯宽度，为算法的超参数；波函数计算公式为： 其中，cst为常数因子； 步骤C、针对步骤A中剔除强相关特征后的用户特征数据，将各个用户特征划分若干区间并编号，排列组合作为用户id；基于不同区间人数的分布情况抽取用户id作为虚拟用户，通过步骤B中以对组中心的距离判断用户id处于哪一个分组，当确定用户分组后，抽取该分组的概率密度函数，以确定该虚拟用户的用户特征； 步骤D、获取电动汽车的原始车辆参数：结合虚拟用户的用户特征的不同对各个车型进行评分，以确定各个用户合适的车型从而得到车辆参数；得到的车辆参数和该用户特征的参数共同组成虚拟用户特有的用户画像； 步骤E、基于虚拟用户的行驶里程和充电次数采用电池退化模型预估该虚拟用户的电池容量变化，基于充电过程和放电过程中的损耗对电池容量和续驶里程进行修正；考虑了电动汽车在恒流恒压充电过程中内阻的变化，将充电阶段分解成恒功率的恒流充电阶段和功率衰减的恒压充电阶段； 步骤F、将得到的虚拟用户出行数据和车辆数据作为输入，设计了虚拟用户在一天的充电行为，在步骤E的基础上，采用蒙特卡洛法对随机抽取大量虚拟用户进行模拟，得出负荷预测数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京工程学院，其通讯地址为：211167 江苏省南京市江宁科学园弘景大道1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。