基于数据驱动的城市配送电动汽车充电行为分析及模型建立
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 数据驱动 | 第14-17页 |
| 1.2.1 数据驱动建模理论 | 第14-15页 |
| 1.2.2 数据驱动建模流程 | 第15-17页 |
| 1.3 充电行为研究现状 | 第17-18页 |
| 1.4 论文研究内容与框架 | 第18-20页 |
| 1.5 本章小结 | 第20-21页 |
| 2 数据预处理 | 第21-41页 |
| 2.1 数据来源及选择 | 第21-22页 |
| 2.1.1 数据来源 | 第21页 |
| 2.1.2 数据选择 | 第21-22页 |
| 2.2 数据预处理 | 第22-30页 |
| 2.2.1 数据存在的问题 | 第22-24页 |
| 2.2.2 数据预处理流程 | 第24-26页 |
| 2.2.3 数据插值方法 | 第26-29页 |
| 2.2.4 误差分析方法 | 第29-30页 |
| 2.3 实验内容 | 第30页 |
| 2.4 实验结果分析 | 第30-39页 |
| 2.4.1 删除处理结果分析 | 第30-32页 |
| 2.4.2 插值处理结果分析 | 第32-35页 |
| 2.4.3 SOC删除处理结果分析 | 第35-37页 |
| 2.4.4 充电起止状态选择结果分析 | 第37-39页 |
| 2.5 本章小结 | 第39-41页 |
| 3 城市配送电动汽车充电行为分析 | 第41-51页 |
| 3.1 统计推断 | 第41-43页 |
| 3.1.1 Jarque-Bera检验 | 第41页 |
| 3.1.2 极大似然估计法 | 第41-42页 |
| 3.1.3 χ~2拟合优度检验法 | 第42-43页 |
| 3.2 充电行为分析方法 | 第43页 |
| 3.3 充电行为分析结果 | 第43-46页 |
| 3.3.1 车辆开始充电SOC分析 | 第43-44页 |
| 3.3.2 充电前后SOC变化量分析 | 第44-46页 |
| 3.3.3 车辆开始充电时刻分析 | 第46页 |
| 3.4 模型验证 | 第46-49页 |
| 3.5 本章小结 | 第49-51页 |
| 4 充电行为各因素的关系分析 | 第51-61页 |
| 4.1 偏相关分析 | 第51-53页 |
| 4.1.1 偏相关分析理论 | 第51-52页 |
| 4.1.2 充电行为各因素间的偏相关分析 | 第52-53页 |
| 4.2 充电时长与影响因素分析 | 第53-60页 |
| 4.2.1 充电量SOCc | 第53-54页 |
| 4.2.2 电压 | 第54-56页 |
| 4.2.3 电流 | 第56-57页 |
| 4.2.4 电池初始SOC值 | 第57-60页 |
| 4.3 本章小结 | 第60-61页 |
| 5 城市配送电动汽车充电时长模型建立 | 第61-97页 |
| 5.1 模型参数辨识 | 第61-65页 |
| 5.1.1 最小二乘法原理 | 第61-64页 |
| 5.1.2 参数辨识过程 | 第64-65页 |
| 5.2 基于SOCc的充电时长模型建立 | 第65-74页 |
| 5.2.1 基于SOCc的充电时长模型 | 第65-66页 |
| 5.2.2 模型求解 | 第66-68页 |
| 5.2.3 回归方程统计检验 | 第68-69页 |
| 5.2.4 模型验证 | 第69-74页 |
| 5.3 时间序列建模 | 第74-95页 |
| 5.3.1 时间序列建模流程 | 第74-78页 |
| 5.3.2 原始序列平稳化 | 第78-84页 |
| 5.3.3 ARMA模型建立及检验 | 第84-91页 |
| 5.3.4 充电时长预测 | 第91-95页 |
| 5.4 本章小结 | 第95-97页 |
| 6 结论与展望 | 第97-99页 |
| 6.1 工作总结 | 第97-98页 |
| 6.2 创新点 | 第98页 |
| 6.3 研究展望 | 第98-99页 |
| 参考文献 | 第99-103页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第103-107页 |
| 学位论文数据集 | 第107页 |
