数据集概述
本数据集为德国工作场所电动汽车用户充电过程的合成数据，基于2023年收集的37,238次充电会话（2390万条数据），通过高斯混合模型聚类为8组用户画像，涵盖全职/兼职员工、轮班工人、共享车辆用户等类型，包含8000条合成记录及聚类特征统计，支持电动汽车充电行为研究。
文件详解
- 代码文件（.py格式，共12个）
- 代表性文件：10_3_Merge_charging_operations_locations.py、11_2_GMM_application.py、11_5_heat_map_application.py
- 功能：包含充电操作合并、高斯混合模型应用、热力图生成、充电操作识别与清洗等数据处理及分析代码
- 数据文件（.xlsx格式，共8个）
- 代表性文件：01_cluster_1_Part_time_morning_shift_4_h_data.xlsx、04_cluster_4_part_time_late_shift_4_h_pool_vehicles_data.xlsx
- 内容：对应8个用户聚类组的合成数据，每组包含1000条记录，涵盖停车开始时间、停车时长、充电能量、充电时长等核心特征及聚类统计量
适用场景
- 电动汽车充电行为模式分析: 研究不同类型员工（全职/兼职、轮班）的充电时间、时长及能量需求特征
- 工作场所充电设施规划: 基于聚类用户的充电需求分布，优化充电点位布局与容量配置
- 充电负荷预测建模: 利用合成数据的统计属性，构建工作场所电动汽车充电负荷预测模型
- 智能充电策略开发: 分析共享车辆、机会型用户的充电行为，设计动态充电调度策略
- 交通能源系统整合研究: 结合充电数据与电网负荷特性，探索V2G（车辆到电网）协同潜力
