多源数据驱动的电动汽车用户识别方法.pdf

1、电 力 系 统 及 其 自 动 化 学 报Proceedings of the CSU-EPSA第 35 卷 第 6 期2023 年 6 月Vol.35 No.6Jun.2023多源数据驱动的电动汽车用户识别方法刘艳丽，王俊毅（天津大学智能电网教育部重点实验室，天津 300072）摘 要：随 着 电 动 汽 车 的 不 断 普 及，如 何 准 确 获 取 电 动 汽 车 的 充 电 行 为 并 对 电 动 汽 车 进 行 针 对 性 管 理 与 调 控，成为 电 网 管 理 人 员 关 注 的 问 题。本 文 提 出 多 源 数 据 驱 动 的 电 动 汽 车 用 户 识 别 方 法，基 于

2、家 庭 用 电 数 据 和 电 动 汽 车充 电 桩 数 据 挖 掘 家 庭 用 电 行 为 与 电 动 汽 车 出 行 规 律，以 及 电 动 汽 车 与 家 庭 用 户 特 性 的 关 联 程 度，建 立 适 用 于 特定 数 据 场 景 下 的 电 动 汽 车 用 户 关 联 识 别 匹 配 参 数，从 而 识 别 家 庭 用 户 与 电 动 汽 车 之 间 的 关 联 性 并 确 定 电 动 汽 车的最佳归属。最后，通过算例验证了本文方法的有效性。关键词：电动汽车；用户识别；数据分析；关联匹配中图分类号：TM 714 文献标志码：A 文章编号：1003-8930（2023）06-014

3、1-07DOI：10.19635/ki.csu-epsa.001143Multi-source Data-driven Based Electric Vehicle User Identification MethodLIU Yanli，WANG Junyi（Key Laboratory of Smart Grid of Ministry of Education，Tianjin University，Tianjin 300072，China）Abstract:With the increasing popularity of electric vehicles（EVs），how to acc

4、urately obtain the information about thecharging behaviors of EVs and thus effectively manage and regulate them has become a concern for power grid manag ers.In this paper，a multi-source data-driven based EV user identification method is proposed.Based on the householdelectricity consumption data an

5、d EV charging pile data，the electricity consumption behaviors of household and EV traf fic rules are mined.Then，based on the correlations between EVs and household user characteristics，the correlationmatching parameters suitable for specific data scenarios are established，thereby identifying the cor

6、relations betweenhousehold users and EVs and determining the best ownership of EVs.Finally，the results of a case study validate the ef fectiveness of the proposed method.Keywords:electric vehicle（EV）；user identification；data analysis；correlation matching电 动 汽 车 充 电 负 荷 的 时 空 分 布 具 有 很 大 的 随机 性，随 着 电

7、 动 汽 车 保 有 量 的 逐 年 提 升，电 动 汽 车与 电 力 系 统 之 间 的 耦 合 日 益 紧 密，随 机 分 布 的 负 荷给 电 力 系 统 的 安 全 运 行 带 来 了 重 大 挑 战。如 何 准确 分 析 电 动 汽 车 的 用 户 行 为，已 经 成 为 学 者 们 重 点关注的问题 1-2。目 前 有 关 电 动 汽 车 用 户 行 为 的 研 究 方 法 可 以分 为 整 体 性 研 究 方 法 和 粒 子 性 研 究 方 法 两 种。整体 性 研 究 方 法 是 对 一 定 数 量 电 动 汽 车 的 整 体 充 电行 为 进 行 分 析 与 优 化 3-9，

8、忽 略 了 不 同 电 动 汽 车 用 户行 为 之 间 的 差 异。粒 子 性 研 究 方 法 是 分 别 考 虑 每辆 电 动 汽 车 行 为 特 性 的 具 体 特 点，并 结 合 概 率 抽样 10-12、交 通 模 拟 13-17、大 数 据 处 理 18-22 等 方 法，获 取每 辆 电 动 汽 车 的 用 户 行 为，与 整 体 性 研 究 策 略 相比，粒 子 性 研 究 策 略 对 电 动 汽 车 用 户 行 为 的 分 析 结果更加准确。上 述 两 种 研 究 方 法 都 是 直 接 从 电 动 汽 车 的 角度 出 发 分 析 电 动 汽 车 用 户 行 为，忽 略 了

9、 电 动 汽 车 用户 的 家 庭 生 活 行 为 与 电 动 汽 车 用 户 行 为 之 间 的 耦合 关 系。根 据 电 动 汽 车 充 电 行 为 与 电 动 汽 车 用 户的 家 庭 用 电 行 为 之 间 的 相 互 影 响 与 制 约 3-4，可 以 识别 出 电 动 汽 车 的 归 属。基 于 电 动 汽 车 用 户 的 家 庭用 电 行 为 对 电 动 汽 车 的 出 行 规 律 进 行 分 析 与 预 测，可 以 避 免 复 杂 交 通 路 网 的 构 建 及 优 化 问 题 的 求 解，提 高 电 动 汽 车 用 户 行 为 分 析 结 果 的 准 确 度，并 根 据研 究

10、 结 果 制 定 合 理、有 针 对 性 的 电 动 汽 车 充 电 协 调机 制，可 以 高 效 开 展 车 辆 到 电 网 V 2G（vehicle togrid）与 电 网 到 车 辆 G 2V（grid to vehicle）等 应 用，同时 也 可 以 帮 助 电 网 管 理 人 员 对 未 来 大 规 模 电 动 汽车进行有效管理与调控。然 而，由 于 实 际 中 大 多 数 电 动 汽 车 是 通 过 小 区公 共 充 电 桩 充 电，现 有 非 侵 入 式 和 侵 入 式 家 庭 负 荷收稿日期：2022-08-18；修回日期：2022-10-18 网络出版时间：2022-11

11、-17 17：09：39刘艳丽等：多源数据驱动的电动汽车用户识别方法电 力 系 统 及 其 自 动 化 学 报 142 第 6 期辨 识 方 法 无 法 直 接 适 用 于 电 动 汽 车 用 户 识 别 场景。近 年 来，随 着 数 据 采 集 技 术 与 智 能 交 通 系 统 的发 展，大 量 的 家 庭 用 电 数 据 和 电 动 汽 车 充 电 桩 充 电数 据 为 充 分 挖 掘 数 据 的 价 值、识 别 电 动 汽 车 的 归 属提 供 了 良 好 的 条 件。为 此，本 文 提 出 多 源 数 据 驱 动的 电 动 汽 车 用 户 识 别 方 法，基 于 家 庭 用 电 数

12、据 和 电动 汽 车 充 电 桩 数 据 挖 掘 家 庭 用 电 行 为 与 电 动 汽 车出 行 规 律，识 别 用 户 与 电 动 汽 车 之 间 的 关 联 性，从而确定电动汽车的归属。1 总体框架1.1 基本原则多 源 数 据 驱 动 的 电 动 汽 车 用 户 识 别 方 法 的 基本 原 则 为 首 先 提 取 长 期 历 史 用 电 数 据 背 后 蕴 含 的用 户 用 电 特 性 及 用 电 规 律，基 于 电 动 汽 车 与 家 庭 用户 特 性 的 关 联 程 度（图 1）建 立 适 用 于 特 定 数 据 场 景下 的 电 动 汽 车 用 户 关 联 识 别 匹 配 参

13、数；然 后，为 了更 加 准 确 地 提 取 用 户 特 征、判 断 用 户 行 为 模 式，将1 d 分为 4 个时段，分别计算用户行为模式的差异。1.2 方法框架本 文 方 法 的 基 本 流 程 如 图 2 所 示。基 于 多 阶段 分 析 的 思 想 分 别 考 虑 生 活 行 为 的 宏 观 特 征 与 细节 特 征，根 据 不 同 特 征 分 阶 段 建 立 关 联 匹 配 参 数，逐 步 缩 小 家 庭 用 户 与 电 动 汽 车 的 匹 配 范 围，最 终 确定 家 庭 用 户 与 电 动 汽 车 的 最 佳 匹 配 组 合。具 体 步骤如下。步骤 1 为每辆电动汽车建立最优匹

14、配集合。步 骤 2 对 于 每 辆 需 要 进 行 用 户 识 别 的 电 动 汽车，在 最 优 匹 配 集 的 基 础 上，考 虑 电 动 汽 车 与 该 车对 应 的 家 庭 集 中 各 家 庭 用 户 生 活 行 为 的 宏 观 特 征，剔 除 掉 与 该 电 动 汽 车 的 用 户 特 性 在 宏 观 上 存 在 明显差异的家庭。步 骤 3 对 于 每 辆 需 要 进 行 用 户 识 别 的 电 动 汽车，在 二 次 筛 选 后 的 最 优 匹 配 集 的 基 础 上，考 虑 生活 行 为 细 节 特 征，基 于 细 节 用 户 特 性 构 建 关 联 匹 配参数，进一步筛选以确定最佳

15、匹配组合。2 多源数据驱动的电动汽车用户识别方法2.1 初步识别阶段对 于 每 辆 进 行 用 户 识 别 的 电 动 汽 车，首 先 计 算出 电 动 汽 车 i 的 充 电 记 录 总 数 量 Tc(i)及 电 动 汽 车 发生 充 电 行 为 时 小 区 中 家 庭 j 的 用 电 记 录 总 数 量Tf(j)，并 引 入 关 联 匹 配 参 数，即 电 动 汽 车 i 与 家 庭 j用户生活行为的重合度 W0(i,j)，可表示为W0(i,j)=Tf(j)Tc(i)（1）式中，W0(i,j)为 0 表示处于初步识别阶段。首 先，根 据 电 动 汽 车 i 与 家 庭 j 用 户 生 活

16、行 为 的重合度的计算结果，筛选出所有满足下式的家庭：W0(i,j)m a x(W0)0.6（2）式 中，m a x(W0)表 示 不 同 家 庭 关 联 匹 配 参 数 W0(i,j)计算结果的最大值。然 后，将 满 足 式（2）的 家 庭 构 成 集 合 H1(i)，作 为电 动 汽 车 用 户 识 别 方 法 中 为 每 辆 需 要 进 行 用 户 识图 1 电动汽车与家庭用户之间的互动Fig.1 Interactions between EV and household user信息能量图 2 本文方法基本流程Fig.2 Overall process of the proposed

17、method开始输入多源数据计算 W0最优匹配集建立原则计算关联匹配参数 R3、R4（行为特性分布相似度）计算关联匹配参数 R1、R2（行为特性占比契合度）计算 S um1=R1+R2+R3+R4最优匹配集二次筛选原则计算关联参数 R9（用电习惯相似度）计算关联参数R7、R8（极大特性区间关联度）计算关联参数R5、R6（生活行为峰度契合度）计算 S um2=R5+R6+R7+R8+R9最佳匹配组合确定原则结束最优匹配集建立阶段最优匹配集二次筛选阶段最优匹配组合确定阶段刘艳丽等：多源数据驱动的电动汽车用户识别方法 143 第 35 卷别 的 电 动 汽 车 建 立 的 匹 配 家 庭 集，从 而

18、 初 步 剔 除 掉一 部 分 家 庭，以 提 高 电 动 汽 车 用 户 识 别 方 法 的 整 体效率。2.2 二次筛选阶段2.2.1 各时段生活行为占比契合度为 了 分 析 电 动 汽 车 各 时 段 接 入 行 为 占 比 与 家庭 各 时 段 回 家 行 为 占 比 的 契 合 程 度，构 建 匹 配 参 数R1和 R2分别为R1=W0(i,j)3(2 k+2-2 k=0)&(2 k+1-2 k-1=0)&(2 k=2 k-1)0(2 k+2-2 k=0)&(2 k+1-2 k-1=0)&(2 k 2 k-1)W0(i,j)3k=13s g n(2 k+2-2 k)(2 k+1-2

19、k-1)m i n(|2 k+2-2 k|,|2 k+1-2 k-1|)m a x(|2 k+2-2 k|,|2 k+1-2 k-1|)其他（3）R2=W0(i,j)3(2k+2-2k=0)&(2k+1-2k-1=0)&(2k=2k-1)0(2k+2-2 k=0)&(2k+1-2k-1=0)&(2k 2k-1)W0(i,j)3k=13s g n(2k+2-2k)(2k+1-2k-1)m i n(|2 k+2-2 k|,|2 k+1-2 k-1|)m a x(|2 k+2-2 k|,|2 k+1-2 k-1|)其他（4）式 中，2 k+2,2k,2k+1,2k-1 与 2k+2,2k,2k+1,

20、2k-1为 k 取 不 同 值 时 不 同 的 生 活 行 为 占 比 指 标，其 中 k表 示 相 邻 时 段 数，1,3,5,7 为 电 动 汽 车 用 电 记录 所 反 映 出 的 各 时 段 的 接 入 行 为 占 比 组 合，2,4,6,8 为 家 庭 用 电 记 录 所 反 映 出 的 各 时 段 回家 行 为 占 比 组 合，1,3,5,7 为 电 动 汽 车 用 电 记录 所 反 映 出 的 各 时 段 的 离 开 行 为 占 比 组 合，2,4,6,8 为 家 庭 用 电 记 录 所 反 映 出 的 各 时 段 的离家行为占比组合。2.2.2 各时段行为特性分布的相似度对 于

21、 拥 有 电 动 汽 车 的 家 庭，其 家 庭 回 家 行 为 在某 时 段 的 分 布 情 况 与 电 动 汽 车 接 入 行 为 在 某 时 段的 分 布 情 况 之 间 的 相 似 程 度 最 高，且 高 于 其 他 家 庭的 回 家 行 为 在 对 应 时 段 的 分 布 情 况 与 电 动 汽 车 接入 行 为 的 分 布 情 况 之 间 的 相 似 程 度，因 此 定 义 关 联匹配参数 R3和 R4分别为R3=0 m i n d(:,Sa,j)=0&s u m(d(Sa,i,Sa,j)=0 W0(i,j)a=14 1-d(Sa,i,Sa,j)m i n d(:,Sa,j)=0&

22、s u m(d(Sa,i,Sa,j)0 W0(i,j)a=14m i n d(:,Sa,j)d(Sa,i,Sa,j)其 他（5）R4=0 m i n d(:,Fa,j)=0&s um(d(Fa,i,Fa,j)=0 W0(i,j)a=14 1-d(Sa,i,Sa,j)m i n d(:,Fa,j)=0&s um(d(Fa,i,Fa,j)0 W0(i,j)a=14m i n d(:,Fa,j)d(Fa,i,Fa,j)其 他（6）式 中：a 表 示 不 同 时 段；Sa,i为 a 时 段 电 动 汽 车 i 接 入时 间；Fa,i为 a 时 段 电 动 汽 车 i 的 离 开 时 间；Sa,j为 a

23、时 段 家 庭 j 回 家 时 间；Fa,j为 a 时 段 家 庭 j 离 家 时 间；d（）表 示 电 动 汽 车 某 行 为 特 性 分 布 与 家 庭 用 户 某行 为 特 性 分 布 之 间 的 KL 散 度（相 对 熵）。KL 散 度是 行 为 统 计 学 中 用 于 量 化 两 个 行 为 特 性 分 布 之 间相 似 度 的 一 种 方 法，KL 散 度 结 果 越 小，两 个 行 为 特性分布的相似程度越大。通 过 匹 配 参 数 R3可 以 分 析 出 家 庭 的 回 家 行 为在 各 时 段 的 分 布 情 况 与 电 动 汽 车 的 接 入 行 为 在 各时 段 的 分

24、布 情 况 间 的 相 似 程 度；通 过 匹 配 参 数 R4可 以 分 析 出 家 庭 的 离 家 行 为 在 各 时 段 的 分 布 情 况与 电 动 汽 车 的 离 开 行 为 在 各 时 段 的 分 布 情 况 间 的相 似 程 度，进 而 从 宏 观 用 户 特 性 出 发，对 电 动 汽 车与对应该车的匹配家庭集中的家庭用户进行分析。2.2.3 宏观特性筛选机制对 于 需 要 进 行 用 户 识 别 的 电 动 汽 车 i，其 与 对应 该 车 的 家 庭 集 中 的 每 个 家 庭 均 可 计 算 出 1 组 关联匹配参数 R1 R4，对匹配参数组合求和可得Su m1(i,j)

25、=R1+R2+R3+R4（7）式 中，Su m1(i,j)为 描 述 电 动 汽 车 i 与 家 庭 j 在 二 次 筛选 阶 段 计 算 所 得 的 匹 配 参 数 的 求 和 结 果。对 式（7）的计算结果进行分析，求出所有满足下式的家庭：Sum1(i,j)m a x(Su m1)0.5（8）然 后 将 满 足 式（8）的 家 庭 构 成 集 合 H2(i)，作 为对 电 动 汽 车 i 的 家 庭 集 二 次 筛 选 的 结 果，剔 除 掉 与电 动 汽 车 的 宏 观 生 活 行 为 特 征 存 在 明 显 差 异 的 家庭，提 高 电 动 汽 车 用 户 识 别 方 法 的 效 率

26、与 识 别 的 准确度。电 力 系 统 及 其 自 动 化 学 报 144 第 6 期2.3 确定最佳匹 配组合阶段2.3.1 各时段生活行为峰度的契合度定 义 电 动 汽 车 与 家 庭 各 时 段 生 活 行 为 峰 度 的契合度 R5和 R6分别为R5=0 K ur a Si=K ur a Sj=0W0(i,j)a=14m i n(K ur a Si,K u r a Sj)m a x(K ur a Si,K ur a Sj)其 他（9）R6=0 K ur a Fi=K ur a Fj=0W0(i,j)a=14m i n(K ur a Fi,K u r a Fj)m a x(K ur a

27、Fi,K ur a Fj)其他（10）式 中：K ur a Si 为 a 时 段 电 动 汽 车 i 接 入 行 为 的 峰 度；K ur a Sj 为 a 时 段 家 庭 j 回 家 行 为 的 峰 度；K ur a Fi为 a 时 段 电 动 汽 车 i 离 开 行 为 的 峰 度；K ur a Fj 为 a时段家庭 j 离家行为的峰度；a=1，2，3，4。峰 度 又 称 峰 态 系 数 是 数 理 统 计 学 中 用 于 表 征 1组 数 据 的 统 计 结 果 在 平 均 值 处 峰 值 高 低 的 特 征 数，峰度的计算公式为K ur(Si)=1Ni=1N Si-m e a n(Si

28、)4 v a r(Si)4（11）直 观 看 来，峰 度 反 映 了 1 组 数 据 的 统 计 结 果 在峰 部 的 尖 度，对 应 到 电 动 汽 车 与 家 庭 用 户 生 活 行 为的 统 计 结 果，峰 度 可 以 反 映 出 在 某 一 时 段 内 用 户 的生 活 行 为 是 否 明 显 偏 向 该 时 段 内 的 某 一 时 间 范 围，即用户生活行为的特殊偏好性。2.3.2 极大用户特性区间关联度根 据 原 始 用 电 数 据 可 以 提 取 出 用 户 生 活 行 为 的极 大 用 户 特 性 区 间。用 户 生 活 行 为 的 起 止 时 间 满 足P(A1 Si A2)

29、P(t1 Si A1)+P(A2 Si t2)（12）式 中：P()表 示 概 率 密 度 函 数；t1、t2分 别 为 某 时段 的 起 止 时 间；A1,A2 为 电 动 汽 车 接 入 行 为 的 极 大用 户 特 性 区 间。由 式（12）可 知，某 行 为 发 生 在 区 间内 的 可 能 性 要 远 远 大 于 发 生 在 区 间 外 的 可 能 性，且发生在区间外的可能性可以忽略不计。根 据 式（12）可 定 义 电 动 汽 车 与 家 庭 各 时 段 极大用户特性区间关联度 R7和 R8分别为R7=W0Aa,2=aa,2=Aa,1=aa,1W0 a=14m i n(Aa,2,a

30、a,2)-m a x(Aa,1,aa,1)m a x(Aa,2,aa,2)-m i n(Aa,1,aa,1)其他（13）R8=W0Ba,2=ba,2=Ba,1=ba,1W0 a=14m i n(Ba,2,ba,2)-m a x(Ba,1,ba,1)m a x(Ba,2,ba,2)-m i n(Ba,1,ba,1)其他（14）式 中：aa,1,aa,2 为 家 庭 回 家 行 为 的 极 大 用 户 特 性 区 间；Ba,1,Ba,2 为 电 动 汽 车 离 开 行 为 的 极 大 用 户 特 性 区 间；ba,1,ba,2 为家庭离家行为的极大用户特性区间。2.3.3 可调负荷用电习惯相似度因

31、 为 电 动 汽 车 属 于 可 调 类 负 荷，所 以 对 于 拥 有电 动 汽 车 的 家 庭，其 电 动 汽 车 的 用 电 习 惯 与 家 庭 用户 中 其 他 可 调 负 荷 的 用 电 习 惯 应 该 相 互 关 联，共 同反 映 出 家 庭 用 户 的 用 电 习 惯。引 入 参 数 R9可 定 量分 析 电 动 汽 车 的 用 电 习 惯 与 家 庭 用 户 针 对 可 调 负荷的用电习惯的关联性。R9可表示为R9=W0m i nt=1NTpubl i cm i n(Tm o v,Tno m o v)N，t=1MTc ha r g eTa l lMm a xt=1NTpub l

32、 i cm i n(Tm o v,Tno m o v)N，t=1MTc ha r g eTa l lM（15）式 中：Tm o v为 可 调 负 荷 的 用 电 时 段；Tno m o v为 不 可 调负 荷 的 用 电 时 段；Tpubl i c为 可 调 负 荷 与 不 可 调 负 荷的 公 共 用 电 时 段；Tc ha r g e为 电 动 汽 车 开 始 充 电 时 间与 结 束 充 电 时 间 的 差；Ta l l为 电 动 汽 车 结 束 充 电 时间与接入时间的差。2.3.4 细节特性筛选机制基 于 参 数 R5 R9，从 细 节 用 户 特 性 出 发，对 电动 汽 车 与

33、对 应 该 车 的 二 次 筛 选 后 的 家 庭 集 中 的 用户 进 行 分 析，判 断 在 细 节 用 户 特 性 上 与 电 动 汽 车 相同 的 家 庭。对 于 需 要 进 行 用 户 识 别 的 电 动 汽 车 的细节用户特性参数求和可得Su m2(i,j)=R5+R6+R7+R8+R9（16）式 中，Su m2(i,j)为 描 述 电 动 汽 车 i 与 家 庭 j 在 确 定 最佳 匹 配 组 合 阶 段 计 算 所 得 的 匹 配 参 数 的 求 和 结果。对 式（16）的 计 算 结 果 进 行 分 析，求 出 最 大 值 对应的家庭与电动汽车构成最佳匹配组合。3 算例分析

34、选 取 来 自 不 同 数 据 集 的 家 庭 用 电 数 据 与 电 动汽 车 充 电 数 据，对 多 源 数 据 驱 动 的 电 动 汽 车 用 户 识刘艳丽等：多源数据驱动的电动汽车用户识别方法 145 第 35 卷别方法进行验证。3.1 初步识别阶段分析结果以 6 辆 电 动 汽 车 为 例，参 数 W0的 计 算 结 果 如图 3 所 示。可 以 看 出，由 于 通 常 在 电 动 汽 车 发 生 某次 充 电 行 为 时，一 定 会 同 时 伴 随 其 家 庭 用 电 行 为 的发 生，因 此 用 参 数 W0表 示 电 动 汽 车 发 生 充 电 行 为时 家 庭 用 电 记 录

35、 的 总 数 量 与 电 动 汽 车 充 电 记 录 的总 数 量 之 比，W0较 小 的 家 庭 不 可 能 是 该 车 的 家 庭用 户。这 样 可 以 筛 掉 W0计 算 结 果 较 小 的 家 庭，每个 电 动 汽 车 只 与 对 应 该 车 的 剩 余 家 庭 构 成 的 集 合进行匹配，可以有效地提高识别算法的效率。3.2 二次筛选阶段分析结果以 电 动 汽 车 1#和 2#为 例，宏 观 特 性 匹 配 参 数计 算 结 果 如 图 4 所 示。可 以 看 出，电 动 汽 车 用 户 参数 计 算 结 果 远 大 于 非 电 动 汽 车 用 户，可 以 剔 除 掉 匹配 家 庭

36、集 中 宏 观 上 与 电 动 汽 车 的 用 户 特 性 存 在 明显差异的家庭，进一步缩小匹配范围。3.3 最佳匹配组合确定阶段分析结果以 1#4#电 动 汽 车 为 例，分 析 细 节 用 户 特 性 关联 匹 配 参 数 的 计 算 结 果 如 表 1 所 示。可 以 看 出，对于 拥 有 电 动 汽 车 的 家 庭，家 庭 用 电 记 录 所 反 映 出 的各 时 段 生 活 行 为 峰 度 与 电 动 汽 车 用 电 记 录 所 反 映出 的 各 时 段 生 活 行 为 峰 度 之 间 的 契 合 程 度 最 高；家庭 用 电 记 录 所 反 映 出 的 各 时 段 生 活 行 为

37、 的 极 大 用户 特 性 区 间 与 电 动 汽 车 用 电 记 录 所 反 映 出 的 各 时段 生 活 行 为 的 极 大 用 户 特 性 区 间 相 似 程 度 最 大；家庭 用 电 记 录 所 反 映 出 的 针 对 可 调 负 荷 的 用 电 习 惯与 电 动 汽 车 用 电 记 录 所 反 映 出 的 电 动 汽 车 充 电 习惯间的关联程度最大。（a）电动汽车 1#图 3 最优匹配集建立阶段分析结果Fig.3 Analysis results at the creation stage of optimalmatched set1.21.00.80.60.40.2W00 100

38、 10 20家庭编号第 1 阶段可筛除家庭30 40 50 60 70 80 90第 1 阶段不可筛除家庭（b）电动汽车 2#1.21.00.80.60.40.2W00 100 10 20家庭编号第 1 阶段可筛除家庭30 40 50 60 70 80 90第 1 阶段不可筛除家庭（c）电动汽车 3#1.21.00.80.60.40.2W00 10 20家庭编号第 1 阶段可筛除家庭30 40 50 60第 1 阶段不可筛除家庭（d）电动汽车 4#1.21.00.80.60.40.2W00 10 20家庭编号第 1 阶段可筛除家庭30 40 50 60第 1 阶段不可筛除家庭（e）电动汽车 5

39、#1.21.00.80.60.40.2W00 10 20家庭编号第 1 阶段可筛除家庭30 40 50 60第 1 阶段不可筛除家庭（f）电动汽车 6#1.21.00.80.60.40.2W00 10 20家庭编号第 1 阶段可筛除家庭30 40 50 60第 1 阶段不可筛除家庭（a）电动汽车 1#4.03.02.52.01.51.00.50-1.0S um11参数编号2 3 4电动汽车用户参数计算结果非电动汽车用户参数计算范围（b）电动汽车 2#图 4 最优匹配集二次筛选阶段分析结果Fig.4 Analysis results at secondary screening stage of

40、optimal matched set43210-1-2S um11参数编号2 3 4电 力 系 统 及 其 自 动 化 学 报 146 第 6 期4 结 语随 着 电 动 汽 车 入 网 率 的 逐 年 提 升，如 何 准 确 获取 电 动 汽 车 的 充 电 行 为 并 对 电 动 汽 车 进 行 针 对 性管 理 与 调 控，成 为 电 网 管 理 人 员 关 注 的 问 题。本 文 提出 了 多 源 数 据 驱 动 的 电 动 汽 车 用 户 识 别 方 法，基 于家 庭 用 电 数 据 和 电 动 汽 车 充 电 桩 数 据 挖 掘 家 庭 用电 行 为 与 电 动 汽 车 出 行

41、规 律，根 据 宏 观 用 户 特 性 与细 节 用 户 特 性 构 建 关 联 匹 配 参 数，识 别 家 庭 用 户 与电 动 汽 车 之 间 的 关 联 性，分 阶 段 确 定 电 动 汽 车 的 最 佳归属。最后，通过算例验证了本文方法的有效性。参考文献：1 王 明 深，于 汀，穆 云 飞，等（Wang Mingshen，Yu Ting，MuYunfeng，et al）.考 虑 用 户 参 与 度 的 电 动 汽 车 能 效 电 厂模 型（Model of E-EPP considering participation factor ofEV users）J.电 力 自 动 化 设 备

42、（Electric Power Automa tion Equipment），2017，37（11）：201-210.2 陈 丽 丹，张 尧，Antonio F（Chen Lidan，Zhao Yao，AntonioF）.电 动 汽 车 充 放 电 负 荷 预 测 研 究 综 述（Overview ofcharging and discharging load forecasting for electric vehi cles）J.电 力 系 统 自 动 化（Automation of Electric PowerSystems），2019，43（10）：177-191.3 项 顶，宋 永

43、华，胡 泽 春（Xiang Ding，Song Yonghua，HuZechun）.电 动 汽 车 参 与 V 2G 的 最 优 峰 谷 电 价 研 究（Re search on optimal time of use price for electric vehicleparticipating V 2G）J.中 国 电 机 工 程 学 报（Proceedingsof the CSEE），2013，33（31）：15-25.4 周 思 宇，刘 成 刚，戈 阳 阳，等（Zhou Siyu，Liu Chenggang，Ge Yangyang，et al）.面 向 风 电 消 纳 的 车-储-热

44、协 同 调 度策 略（Research on vehicle-storage-heat joint dispatchingstrategy for wind power consumption）J.电 力 建 设（Elec tric Power Construction），2019，40（8）：77-83.5 Wei Wei，Wu Danman，Wu Qiuwei，et al.Interdepen dence between transportation system and power distribu tion system：a comprehensive review on models

45、 and appli cationsJ.Journal of Modern Power System and Clean En ergy，2019，7（3）：433-448.6 Wei Wei，Mei Shengwei，Wu Lei，et al.Optimal traffic-power flow in urban electrified transportation networksJ.IEEE Trans on Smart Grid，2017，8（01）：84-95.7 Yao Weifeng，Zhao Junhua，Wen Fushuan，et al.A multi-objective

46、collaborative planning strategy for integratedpower distribution and electric vehicle charging systemsJ.IEEE Trans on Power Systems，2014，29（4）：1811-1821.8 Zhang Hongcai，Moura Scott J，Hu Zechun，et al.PEV fast-charging station siting and sizing on coupled trans porta tion and power networksJ.IEEE Tran

47、s on Smart Grid，2018，9（4）：2595-2605.9 Wang Xu，Shahidehpour M，Jiang Chuanwen，et al.Coordi nated planning strategy for electric vehicle charging sta tions and coupled traffic-electric networksJ.IEEE Transon Power Systems，2019，34（1）：268-279.10 田 立 亭，史 双 龙，贾 卓（Tian Liting，Shi Shuanglong，JiaZhuo）.电 动 汽 车

48、 充 电 功 率 需 求 的 统 计 学 建 模 方 法（Astatistical model for charging power demand of electric ve hicles）J.电 网 技 术（Power System Technology），2010，34（1）：126-130.11 杜 习 超，刘 永 民，徐 则 诚，等（Du Xichao，Liu Yongmin，Xu Zecheng，et al）.电 动 汽 车 随 机 负 荷 建 模 及 对 配 电 网节 点 电 压 分 布 的 影 响（Modeling of random load of elec tric veh

49、icle and its influence on node voltage distributionof distribution network）J.电 力 自 动 化 设 备（ElectricPower Automation Equipment），2018，38（6）：124-130.12 张 洪 财，胡 泽 春，宋 永 华，等（Zhang Hongcai，Hu Ze-chun，Song Yonghua，et al）.考 虑 时 空 分 布 的 电 动 汽 车充 电 负 荷 预 测 方 法（A prediction method for electric ve hicle chargin

50、g load considering spatial and temporal dis tribution）J.电 力 系 统 自 动 化（Automation of ElectricPower Systems），2014，38（1）：13-20.13 Galus Matthias D，Waraich Rashid A，Noembrini Fabrizio，et al.Integrating power systems，transport systems and ve hicle technology for electric mobility impact assessmentand eff