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！

龙图腾网获悉北京理工大学;国网山西省电力公司信息通信分公司申请的专利数据驱动的电动汽车充电量及充电时长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：CN119537806B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411602201.9，技术领域涉及：G06F18/10；该发明授权数据驱动的电动汽车充电量及充电时长预测方法是由张照生;彭鹏;马军伟;李晶;陈敏设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本数据驱动的电动汽车充电量及充电时长预测方法在说明书摘要公布了：本发明公开了一种数据驱动的电动汽车充电量及充电时长预测方法，包括以下步骤：步骤1，对电动汽车的历史充电数据进行数据预处理；步骤2，对预处理充电片段进行特征提取并赋予标签；步骤3，基于LSTM分类模型实现标签预测；步骤4，基于RF回归模型实现充电量与充电时长预测。本发明高效准确地预测出电动汽车充电量与充电时长，不仅可以优化充电站的运营效率，提升用户的充电体验，还可以为智能电网和可持续交通系统做出更大的贡献。通过准确预测，充电站可以更好地安排充电设施的使用，减少排队等待时间，提高充电桩的利用率；用户则可以根据预测信息合理规划充电时间，避免长时间等待，提高出行计划的灵活性和便利性。

本发明授权数据驱动的电动汽车充电量及充电时长预测方法在权利要求书中公布了：1.一种数据驱动的电动汽车充电量及充电时长预测方法，其特征在于，所述数据驱动的电动汽车充电量及充电时长预测方法包括以下步骤： 对电动汽车的历史充电数据进行数据预处理； 对预处理的历史充电数据进行特征提取并赋予标签，生成充电行为模式特征加入电动汽车充电片段数据； 基于电动汽车充电片段数据和LSTM分类模型预测充电行为模式； 基于预测的充电行为模式、电动汽车充电片段数据和RF回归模型实现充电量与充电时长预测； 所述对预处理的历史充电数据进行特征提取并赋予标签，包括以下步骤： 从预处理的历史充电数据中提取每一充电片段为： Si＝{F1,F2,F3,F4,F5,F6,Numn} 其中，F1-F6分别对应所提特征充电开始时间、充电开始日期、充电开始SOC、充电方式、充电时长和充电电量，Numn表示对应电动汽车编号； 依据电动汽车编号得到每辆汽车所有充电片段集合为： Vn＝{S1,…,Si,…}T 其中，Si表示充电片段特征； 依据所有电动汽车的所有充电片段集合构建出电动汽车充电片段特征数据库为： Data＝{V1,…,Vn,…}T Vn表示充电片段特征集合； 依据BIC准则确定最佳聚类簇数，其表达形式为： 其中，BIC表示BIC准则计算的得分，pxn|Θ为给定模型参数Θ的条件下观测数据样本xn的概率密度函数，N为样本数量，n表示样本编号，K为簇数； 通过提取出的特征与最佳簇数进行GMM聚类；将充电片段特征数据库Data的Numn列删除，得到特征矩阵： 其中，N为样本数量，f为特征数量； 采用期望最大化方法求解每个样本的最佳高斯分布模型参数来确定高斯分布模型，期望最大化方法为： D＝{μi,∑i,αi} 其中，μi、∑i、αi分别表示该高斯分布的均值向量、协方差矩阵、混合系数；每个样本根据其所属各高斯分布的责任权重来确定其最可能的聚类归属； 将聚类结果作为充电行为模式特征加入电动汽车充电片段数据； 将所有车辆的所有充电片段打上标签，四类标签代表四种充电行为模式，分别为短时低电量充电模式、平衡充电模式、长时高电量充电模式与高效快充充电模式； 再根据Numn将所有车辆的所有片段划分为每辆电动汽车带上其充电行为标签的充电片段集合为： Vn′＝{S1′,…,Si′,…}T Vn′表示去除车辆编号的充电片段集合，Si′表示去除车辆编号的充电片段。

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北京理工大学;国网山西省电力公司信息通信分公司，其通讯地址为：100081 北京市海淀区中关村南大街5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”。

以上内容由龙图腾AI智能生成。