CN107483562B - 一种多用户智能插座的功率动态分配方法及系统 - Google Patents

Abstract

本发明提出了一种多用户智能插座的功率动态分配方法及系统，包括：客户端根据用户请求向服务器端发送功率分配请求，同时将发出请求的用户设备的设备信息发送至所述服务器端；所述服务器端对所述设备信息和所述功率分配请求中携带的用户信息进行分析，通过优先级排序算法得出用户的充电优先级；在计算得到用户的充电优先级的基础上，通过负载平衡算法进一步计算得到负载平衡优先级；在计算得到的用户的充电优先级和负载平衡优先级计算得到最终优先级；根据计算得到的最终优先级执行控制命令，对多用户智能插座进行功率分配。本发明在用户预先提出功率分配申请后，系统根据用户的设备信息计算出优先级排序，在最优化方案下通过部分设备的充电请求。

Description

一种多用户智能插座的功率动态分配方法及系统

技术领域

本发明涉及通信技术领域，特别涉及一种多用户智能插座的功率动态分配方法及系统。

背景技术

随着电动汽车的发展与推广，对充电设施需求增多，需要选择合适的充电设施，并覆盖电动汽车的充电需求。为了达到高效、经济、能源可持续性发展的良性循环，发展共享充电设备非常重要。尤其是公共场所的停车场，会出现大量电动汽车需要充电的状况。共享充电设备上即需要配备多用户插座。

当同一时间内较多设备同时有充电需求时，就会出现电路过载问题，此时，传统充电设备会直接关闭所有电路，这样会导致所有设备均停止充电。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种多用户智能插座的功率动态分配方法及系统。

为了实现上述目的，本发明的实施例提供一种多用户智能插座的功率动态分配方法，包括如下步骤：

步骤S1，客户端根据用户请求向服务器端发送功率分配请求，同时将发出请求的用户设备的设备信息发送至所述服务器端；

步骤S2，所述服务器端对所述设备信息和所述功率分配请求中携带的用户信息进行分析处理，通过优先级排序算法得出用户的充电优先级，包括：

根据所述用户信息计算用户的充电优先级，

用户信息的优先级为U＝{U₁,U₂,…,U_n}，u_i表示第i个用户的优先级别；

设备所需充电电量为B＝{B₁,B₂,…,B_n}，评价权重为λ＝{λ₁,λ₂,…,λ_m}，满足条件

通过线性加权法求得用户的充电优先级R＝{r₁,r₂,…,r_n}；

步骤S3，在计算得到用户的充电优先级的基础上，进一步分析计算得到负载平衡优先级，包括：

根据用户的充电优先级排序，从优先级较高的用户设备中，按序选取k个设备，k为当前共享充电设备剩余可用接口数量，根据负载平衡优化算法计算最优方案；

所述最终优先级由所述充电优先级R和负载平衡方案Z＝{z₁,z₂,…,z_p}优先级通过线性加权法组成，为Y＝{y₁,y₂,…,y_n},

其中，y_i＝r_i×λ₁+z_i×λ₂，λ₁和λ₂仍由熵值法确定，r_i∈R＝{r₁,r₂,…,r_n}，z_i∈Z＝{z₁,z₂,…,z_p}；

根据最终优先级排序，由高到低选择t个设备，检测是否通过其功率分配策略，预留功率；

步骤S4，根据计算得到的最终优先级执行控制命令，对多用户智能插座进行功率分配；

判断所述客户端的功率分配请求是否通过功率分配策略，得出判断结果；

所述服务器端根据所述判断结果发出对应控制命令给客户端，由所述服务器端发送相应控制命令至用电设备；

由所述用电设备执行所述控制命令，锁定分配接口开关，预留功率，当对应预约成功的用户接入时，接口开关解锁，分配功率；非对应用户则拒绝接入请求，接口开关锁定，并发出警告。

进一步，所述通过线性加权法求得用户的充电优先级，包括如下步骤：

采用min-max标准化方法对各指标进行标准化处理,将原始值通过标准化映射成在区间[0,1]中的值：

其中，x_j为第j项指标值,x_max为第j项指标的最大值,x_min为第j项指标的最小值,x′_ij为标准化值，

权重λ_i的值可由熵值法确定，计算第j项指标下第i个指标值的比重Y_ij

计算第j项指标的信息熵值的公式为:

指标的信息效用价值d_j取决于该指标的信息熵e_j与1之间的差值，它的值直接影响权重的大小，信息效用值越大，对评价的重要性就越大，权重也就越大：

d_j＝1-e_j

利用熵值法估算各指标的权重，其本质是利用该指标信息的价值系数来计算，其价值系数越高，对评价的重要性就越大；

第j项指标的权重为:

采用加权求和公式计算样本的评价值

得出用户优先级R＝{r₁,r₂,…,r_n}。

进一步，所述用户设备的设备信息，包括：设备型号、额定功率、当前电池电量。

进一步，所述根据负载平衡优化算法计算最优方案，包括：

设每个用户的设备的额定功率为W＝{w₁,w₂,…,w_k}，可用总功率为w₀在k个设备中选取t个设备，t≤k，评价权重采用熵值法确定，

计算方案优先级z_i＝(w_i/w₀)×λ₁+(t/k)×λ₂,得出方案优先级Z＝{z₁,z₂,…,z_p}，一共p种方案，其中

进一步，在所述步骤S4中，对应通过功率分配策略的请求，则向对应的客户端发送预约成功信息，同时给充电装置发送功率分配要求，分配对应充电接口；没有通过功率分配策略的请求，则向客户端发出警告命令，拒绝请求。

本发明实施例还提供一种多用户智能插座的功率动态分配系统，包括：功率请求单元，数据分析单元、优先级处理单元和执行单元，其中，

所述功率请求单元用于根据用户请求通过客户端向服务器端发送功率分配请求，同时需充电的用户设备的设备信息发送至所述服务器端；

所述数据分析单元用于对所述设备信息和所述功率分配请求中携带的用户信息进行分析，通过优先级排序算法得出用户的充电优先级，包括：

根据所述用户信息计算用户的充电优先级，

用户信息的优先级为U＝{U₁,U₂,…,U_n}，u_i表示第i个用户的优先级别；

设备所需充电电量为B＝{B₁,B₂,…,B_n}，评价权重为λ＝{λ₁,λ₂,…,λ_m}，满足条件

通过线性加权法求得用户的充电优先级R＝{r₁,r₂,…,r_n}；

所述优先级处理单元用于在计算得到用户的充电优先级的基础上，通过负载平衡算法进一步计算得到负载平衡优先级，包括：根据用户的充电优先级排序，从优先级较高的用户设备中，按序选取k个设备，k为当前共享充电设备剩余可用接口数量，根据负载平衡优化算法计算最优方案；所述最终优先级由所述充电优先级R和负载平衡方案Z＝{z₁,z₂,…,z_p}优先级通过线性加权法组成，为Y＝{y₁,y₂,…,y_n},

其中，y_i＝r_i×λ₁+z_i×λ₂，，r_i∈R＝{r₁,r₂,…,r_n}，z_i∈Z＝{z₁,z₂,…,z_p}λ₁和λ₂仍由熵值法确定；根据最终优先级排序，由高到低选择t个设备，检测是否通过其功率分配策略，预留功率；

所述执行单元用于根据计算得到的最终优先级执行控制命令，对多用户智能插座进行功率分配；判断所述客户端的功率分配请求是否通过功率分配策略，得出判断结果；根据所述判断结果发出对应控制命令给客户端，由所述服务器端发送相应控制命令至用电设备；由所述用电设备执行所述控制命令，锁定分配接口开关，预留功率，当对应预约成功的用户接入时，接口开关解锁，分配功率；非对应用户则拒绝接入请求，接口开关锁定，并发出警告。

进一步，所述优先级处理单元所述通过线性加权法求得用户的充电优先级，包括如下步骤：

采用min‐max标准化方法对各指标进行标准化处理,将原始值通过标准化映射成在区间[0,1]中的值：

其中，x_j为第j项指标值,x_max为第j项指标的最大值,x_min为第j项指标的最小值,x′_ij为标准化值，

权重λ_i的值可由熵值法确定，计算第j项指标下第i个指标值的比重Y_ij

计算第j项指标的信息熵值的公式为:

指标的信息效用价值d_j取决于该指标的信息熵e_j与1之间的差值，它的值直接影响权重的大小，信息效用值越大，对评价的重要性就越大，权重也就越大：

d_j＝1-e_j

利用熵值法估算各指标的权重，其本质是利用该指标信息的价值系数来计算，其价值系数越高，对评价的重要性就越大；

第j项指标的权重为

采用加权求和公式计算样本的评价值

得出用户优先级R＝{r₁,r₂,…,r_n}。

进一步，所述用户设备的设备信息，包括：设备型号、额定功率、当前电池电量。

进一步，所述优先级处理单元根据负载平衡优化算法计算最优方案，包括：

设每个用户的设备的额定功率为W＝{w₁,w₂,…,w_k}，可用总功率为w₀在k个设备中选取t个设备，t≤k，评价权重采用熵值法确定，

计算方案优先级z_i＝(w_i/w₀)×λ₁+(t/k)×λ₂,得出方案优先级Z＝{z₁,z₂,…,z_p}，一共p种方案，其中

进一步，所述执行单元对应通过功率分配策略的请求，则向对应的客户端发送预约成功信息，同时给充电装置发送功率分配要求，分配对应充电接口；没有通过功率分配策略的请求，则向客户端发出警告命令。

根据本发明实施例的多用户智能插座的功率动态分配方法及系统，针对大量用户同一时间发出功率请求时功率无法合理分配的问题，根据具体的用户设备信息，优化资源配置，设置设备优先级接入，能源利用率高，合理安排功率分配，同时又能达到保护电路的目的。

本发明采用基于用户优先级的负载平衡算法，在功率分配时，为了达到最优化采用负载控制来保证系统负载在可允许范围内满足功率资源和接口资源利用率最大化，得出优先级排序。即，用户预先提出功率分配申请后，系统根据用户的设备信息计算出优先级排序，计算出最优化方案，通过部分设备的充电请求。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明实施例的多用户智能插座的功率动态分配方法的流程图；

图2为根据本发明实施例的多用户智能插座的功率动态分配系统的结构图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

本发明提供一种多用户智能插座的功率动态匹配方法实现在用户功率请求过载的情况下合理分配功率的目的。由用户发出功率分配请求，同时将需充电的设备信息同步到系统中，根据用户信息通过优先级排序算法得出用户的充电优先级，负载平衡算法得到功率分配最优化方案，得到最终优先级，按优先级排序筛选，优先级筛选结果对应控制命令执行功率分配政策。在多用户同时需求功率分配的情况下，通过计算用户设备优先级，优化资源分配，同时能够达到保护电路的目的。

如图1所示，本发明实施例的多用户智能插座的功率动态分配方法，包括如下步骤：

步骤S1，客户端根据用户请求向服务器端发送功率分配请求，同时需充电的用户设备的设备信息发送至服务器端。

(1)用户在应用程序上根据自己的需求预约充电，客户端向服务器端发出功率分配请求，客户端处于监听，等待回应状态；

(2)用户输入所需充电的用户设备的设备信息。在本发明的一个实施例中，用户设备的设备信息，包括：设备型号、额定功率、当前电池电量等信息。

(3)服务器端接收到用户的功率分配请求，采集设备的相关信息进行处理。

步骤S2，服务器端对设备信息和功率分配请求中携带的用户信息进行分析处理，通过优先级排序算法得出用户的充电优先级，包括：

(1)根据用户信息计算用户的充电优先级

用户本身具有一定优先级排序在用户信息中，用户信息的优先级为U＝{U₁,U₂,…,U_n}，U_i表示第i个用户的优先级别；设备所需充电电量为B＝{B₁,B₂,…,B_n}，评价权重为λ＝{λ₁,λ₂,…,λ_m}，满足条件

(这里只有两项指标，故m＝2)

(2)通过线性加权法求得用户的充电优先级R＝{r₁,r₂,…,r_n}。

由于各指标的量纲、数量级均有差异，所以为消除因量纲不同对评价结果的影响，需要对各指标进行标准化处理,这里采用min-max标准化方法，将原始值通过标准化映射成在区间[0,1]中的值：

其中x_j为第j项指标值,x_max为第j项指标的最大值,x_min为第j项指标的最小值,x′_ij为标准化值

权重λ_i的值可由熵值法确定，具体来说，计算第j项指标下第i个指标值的比重Y_ij

计算第j项指标的信息熵值的公式为:

(K为常数)

指标的信息效用价值d_j取决于该指标的信息熵e_j与1之间的差值，它的值直接影响权重的大小，信息效用值越大，对评价的重要性就越大，权重也就越大：

d_j＝1-e_j

利用熵值法估算各指标的权重，其本质是利用该指标信息的价值系数来计算，其价值系数越高，对评价的重要性就越大(或称权重越大，对评价结果的贡献大)。

第j项指标的权重为:

采用加权求和公式计算样本的评价值

得出用户优先级R＝{r₁,r₂,…,r_n}。

步骤S3，在计算得到用户的充电优先级的基础上，进一步分析计算得到负载平衡优先级，包括：

(1)根据用户优先级排序，从优先级较高的用户设备中，按序选取k个设备。

具体来说，k为当前共享充电设备剩余可用接口数量。根据负载平衡优化算法计算最优方案。设置最大化利用接口数量，提高剩余功率利用率。每个用户的设备的额定功率为W＝{w₁,w₂,…,w_k}，目前可用总功率为w₀在k个设备中选取t个设备，t≤k，评价权重采用熵值法确定。计算方案优先级z_i＝(w_i/w₀)×λ₁+(t/k)×λ₂,得出方案优先级Z＝{z₁,z₂,…,z_p}，一共p种方案，其中

(2)最终优先级由充电优先级R和负载平衡方案Z＝{z₁,z₂,…,z_p}优先级通过线性加权法组成，为Y＝{y₁,y₂,…,y_n},具体来说，y_i＝r_i×λ₁+z_i×λ₂，，r_i∈R＝{r₁,r₂,…,r_n}，z_i∈Z＝{z₁,z₂,…,z_p}λ₁和λ₂仍由熵值法确定。

(3)根据最终优先级排序，由高到低选择t个设备，检测是否通过其功率分配策略，预留功率。

步骤S4，根据计算得到的最终优先级执行控制命令，对多用户智能插座进行功率分配；

(1)判断客户端的功率分配请求是否通过功率分配策略，得出判断结果；

(2)服务器端根据判断结果发出对应控制命令给客户端，由服务器端发送相应控制命令至用电设备；

对应判断结果发出控制命令给客户端。具体来说，通过功率分配策略的，即通过请求，向客户端发送预约成功信息，同时给充电装置发送功率分配要求，分配对应充电接口；没有通过的，向客户端发出警告命令，拒绝请求；

(3)由用电设备执行控制命令，锁定分配接口开关，预留功率，当对应预约成功的用户接入时，接口开关解锁，分配功率；非对应用户则拒绝接入请求，接口开关锁定，并发出警告。

具体地，对应通过功率分配策略的请求，则向对应的客户端发送预约成功信息，同时给充电装置发送功率分配要求，分配对应充电接口；没有通过功率分配策略的请求，则向客户端发出警告命令。

如图2所示，本发明实施例的多用户智能插座的功率动态分配系统，包括：功率请求单元1，数据分析单元2、优先级处理单元3和执行单元4。

具体地，功率请求单元1用于根据用户请求通过客户端向服务器端发送功率分配请求，同时需充电的用户设备的设备信息发送至服务器端。在本发明的一个实施例中，用户设备的设备信息，包括：设备型号、额定功率、当前电池电量。服务器端接收到用户的功率分配请求，采集设备的相关信息进行处理。

数据分析单元2用于采集请求设备的信息，根据优先级多属性决策算法分析数据。对设备信息和功率分配请求中携带的用户信息进行分析，通过优先级排序算法得出用户的充电优先级，包括：

根据用户信息计算用户的充电优先级，

用户信息的优先级为U＝{U₁,U₂,…,U_n}，u_i表示第i个用户的优先级别；

设备所需充电电量为B＝{B₁,B₂,…,B_n}，评价权重为λ＝{λ₁,λ₂,…,λ_m}，满足条件

通过线性加权法求得用户的充电优先级R＝{r₁,r₂,…,r_n}。

具体地，优先级处理单元3通过线性加权法求得用户的充电优先级，包括如下步骤：

采用min-max标准化方法对各指标进行标准化处理,将原始值通过标准化映射成在区间[0,1]中的值：

其中，x_j为第j项指标值,x_max为第j项指标的最大值,x_min为第j项指标的最小值,x′_ij为标准化值，

权重λ_i的值可由熵值法确定，计算第j项指标下第i个指标值的比重Y_ij

计算第j项指标的信息熵值的公式为:

指标的信息效用价值d_j取决于该指标的信息熵e_j与1之间的差值，它的值直接影响权重的大小，信息效用值越大，对评价的重要性就越大，权重也就越大：

d_j＝1-e_j

利用熵值法估算各指标的权重，其本质是利用该指标信息的价值系数来计算，其价值系数越高，对评价的重要性就越大；

第j项指标的权重为:

采用加权求和公式计算样本的评价值

得出用户优先级R＝{r₁,r₂,…,r_n}。

优先级处理单元3用于在计算得到用户的充电优先级的基础上，通过负载平衡算法进一步计算得到负载平衡优先级。即，优先级处理单元3将决策结果进行优先级排序，根据负载平衡最优算法选择出最优方案，包括：根据用户的充电优先级排序，从优先级较高的用户设备中，按序选取k个设备，k为当前共享充电设备剩余可用接口数量，根据负载平衡优化算法计算最优方案；最终优先级由充电优先级R和负载平衡方案Z＝{z₁,z₂,…,z_p}优先级通过线性加权法组成，为Y＝{y₁,y₂,…,y_n},

其中，y_i＝r_i×λ₁+z_i×λ₂，，r_i∈R＝{r₁,r₂,…,r_n}，z_i∈Z＝{z₁,z₂,…,z_p}，λ₁和λ₂仍由熵值法确定；根据最终优先级排序，由高到低选择t个设备，检测是否通过其功率分配策略，预留功率。

具体地，优先级处理单元3根据负载平衡优化算法计算最优方案，包括：

设每个用户的设备的额定功率为W＝{w₁,w₂,…,w_k}，可用总功率为w₀在k个设备中选取t个设备，t≤k，评价权重采用熵值法确定，

计算方案优先级z_i＝(w_i/w₀)×λ₁+(t/k)×λ₂,得出方案优先级Z＝{z₁,z₂,…,z_p}，一共p种方案，其中

执行单元4用于根据计算得到的最终优先级执行控制命令，对多用户智能插座进行功率分配；判断客户端的功率分配请求是否通过功率分配策略，得出判断结果；根据判断结果发出对应控制命令给客户端，由服务器端发送相应控制命令至用电设备；由用电设备执行控制命令，锁定分配接口开关，预留功率，当对应预约成功的用户接入时，接口开关解锁，分配功率；非对应用户则拒绝接入请求，接口开关锁定，并发出警告。

具体地，执行单元4对应通过功率分配策略的请求，则向对应的客户端发送预约成功信息，同时给充电装置发送功率分配要求，分配对应充电接口；没有通过功率分配策略的请求，则向客户端发出警告命令。

根据本发明实施例的多用户智能插座的功率动态分配方法及系统，针对大量用户同一时间发出功率请求时功率无法合理分配的问题，根据具体的用户设备信息，优化资源配置，设置设备优先级接入，能源利用率高，合理安排功率分配，同时又能达到保护电路的目的。

本发明采用基于用户优先级的负载平衡算法，在功率分配时，为了达到最优化采用负载控制来保证系统负载在可允许范围内满足功率资源和接口资源利用率最大化，得出优先级排序。即，用户预先提出功率分配申请后，系统根据用户的设备信息计算出优先级排序，计算出最优化方案，通过部分设备的充电请求。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。

Claims (8)

1.一种多用户智能插座的功率动态分配方法，其特征在于，包括如下步骤：

步骤S1，客户端根据用户请求向服务器端发送功率分配请求，同时将发出请求的用户设备的设备信息发送至所述服务器端；

步骤S2，所述服务器端对所述设备信息和所述功率分配请求中携带的用户信息进行分析处理，通过优先级排序算法得出用户的充电优先级，包括：

(1)根据所述用户信息计算用户的充电优先级，

用户信息的优先级为：U＝{U₁,U₂,...,U_n}，其中U_i表示第i个用户的优先级别；

设备所需充电电量为B＝{B₁,B₂,...,B_n}，评价权重为λ＝{λ₁,λ₂,...,λ_m}，且满足条件

(2)通过线性加权法求得用户的充电优先级R＝{r₁,r₂,...,r_n}；

步骤S3，在计算得到用户的充电优先级的基础上，进一步分析计算得到负载平衡优先级，包括：

(1)根据用户的充电优先级排序，从优先级较高的用户设备中，按序选取k个设备，k为当前共享充电设备剩余可用接口数量，根据负载平衡优化算法计算最优方案；

其中，所述根据负载平衡优化算法计算最优方案，包括：

设每个用户的设备的额定功率为W＝{w₁,w₂,...,w_k}，可用总功率为w₀，在k个设备中选取t个设备，t≤k，评价权重采用熵值法确定，

计算方案优先级z_i＝(w_i/w₀)×λ₁+(t/k)×λ₂,得出方案优先级Z＝{z₁,z₂,...,z_p}，一共p种方案，其中

最终优先级由所述充电优先级R和负载平衡方案Z＝{z₁,z₂,...,z_p}优先级通过线性加权法组成，为Y＝{y₁,y₂,...,y_n},

其中，y_i＝r_i×λ₁+z_i×λ₂，λ₁和λ₂仍由熵值法确定，r_i∈R＝{r₁,r₂,...,r_n}，z_i∈Z＝{z₁,z₂,...,z_p}；

(2)根据最终优先级排序，由高到低选择t个设备，检测是否通过其功率分配策略，预留功率；

步骤S4，根据计算得到的最终优先级执行控制命令，对多用户智能插座进行功率分配；

(1)判断所述客户端的功率分配请求是否通过功率分配策略，得出判断结果；

(2)所述服务器端根据所述判断结果发出对应控制命令给客户端，由所述服务器端发送相应控制命令至用电设备；

(3)由所述用电设备执行所述控制命令，锁定分配接口开关，预留功率，当对应预约成功的用户接入时，接口开关解锁，分配功率；非对应用户则拒绝接入请求，接口开关锁定，并发出警告。

2.如权利要求1所述的多用户智能插座的功率动态分配方法，其特征在于，所述通过线性加权法求得用户的充电优先级，包括如下步骤：

采用min-max标准化方法对各指标进行标准化处理,将原始值通过标准化映射成在区间[0,1]中的值：

其中，x_j为第j项指标值,x_max为第j项指标的最大值,x_min为第j项指标的最小值,x′_ij为标准化值，

权重λ_i的值可由熵值法确定，计算第j项指标下第i个指标值的比重Y_ij

计算第j项指标的信息熵值的公式为:

指标的信息效用价值d_j取决于该指标的信息熵e_j与1之间的差值，它的值直接影响权重的大小，信息效用值越大，对评价的重要性就越大，权重也就越大：

d_j＝1-e_j

利用熵值法估算各指标的权重，其本质是利用该指标信息的价值系数来计算，其价值系数越高，对评价的重要性就越大；

第j项指标的权重为:

采用加权求和公式计算样本的评价值

得出用户优先级R＝{r₁,r₂,...,r_n}。

3.如权利要求1所述的多用户智能插座的功率动态分配方法，其特征在于，所述用户设备的设备信息，包括：设备型号、额定功率、当前电池电量。

4.如权利要求1所述的多用户智能插座的功率动态分配方法，其特征在于，在所述步骤S4中，对应通过功率分配策略的请求，则向对应的客户端发送预约成功信息，同时给充电装置发送功率分配要求，分配对应充电接口；没有通过功率分配策略的请求，则向客户端发出警告命令，拒绝请求。

5.一种多用户智能插座的功率动态分配系统，其特征在于，包括：功率请求单元，数据分析单元、优先级处理单元和执行单元，其中，

所述功率请求单元用于根据用户请求通过客户端向服务器端发送功率分配请求，同时将发出请求的用户设备的设备信息发送至所述服务器端；

所述数据分析单元用于对所述设备信息和所述功率分配请求中携带的用户信息进行分析，通过优先级排序算法得出用户的充电优先级，包括：

根据所述用户信息计算用户的充电优先级，

用户信息的优先级为U＝{U₁,U₂,...,U_n}，u_i表示第i个用户的优先级别；

设备所需充电电量为B＝{B₁,B₂,...,B_n}，评价权重为λ＝{λ₁,λ₂,...,λ_m}，且满足条件

通过线性加权法求得用户的充电优先级R＝{r₁,r₂,...,r_n}；

所述优先级处理单元用于在计算得到用户的充电优先级的基础上，通过负载平衡算法进一步计算得到负载平衡优先级，包括：根据用户的充电优先级排序，从优先级较高的用户设备中，按序选取k个设备，k为当前共享充电设备剩余可用接口数量，根据负载平衡优化算法计算最优方案；最终优先级由所述充电优先级R和负载平衡方案Z＝{z₁,z₂,...,z_p}优先级通过线性加权法组成，为Y＝{y₁,y₂,...,y_n},

其中，y_i＝r_i×λ₁+z_i×λ₂，λ₁和λ₂仍由熵值法确定，r_i∈R＝{r₁,r₂,...,r_n}，z_i∈Z＝{z₁,z₂,...,z_p}；根据最终优先级排序，由高到低选择t个设备，检测是否通过其功率分配策略，预留功率；

所述优先级处理单元根据负载平衡优化算法计算最优方案，包括：

设每个用户的设备的额定功率为W＝{w₁,w₂,...,w_k}，可用总功率为w₀在k个设备中选取t个设备，t≤k，评价权重采用熵值法确定，

计算方案优先级z_i＝(w_i/w₀)×λ₁+(t/k)×λ₂,得出方案优先级Z＝{z₁,z₂,...,z_p}，一共p种方案，其中

所述执行单元用于根据计算得到的最终优先级执行控制命令，对多用户智能插座进行功率分配；判断所述客户端的功率分配请求是否通过功率分配策略，得出判断结果；根据所述判断结果发出对应控制命令给客户端，由所述服务器端端发送相应控制命令至用电设备；由所述用电设备执行所述控制命令，锁定分配接口开关，预留功率，当对应预约成功的用户接入时，接口开关解锁，分配功率；非对应用户则拒绝接入请求，接口开关锁定，并发出警告。

6.如权利要求5所述的多用户智能插座的功率动态分配系统，其特征在于，所述优先级处理单元所述通过线性加权法求得用户的充电优先级，包括如下步骤：

采用min-max标准化方法对各指标进行标准化处理,将原始值通过标准化映射成在区间[0,1]中的值：

其中，x_j为第j项指标值,x_max为第j项指标的最大值,x_min为第j项指标的最小值,x′_ij为标准化值，

权重λ_i的值可由熵值法确定，计算第j项指标下第i个指标值的比重Y_ij

计算第j项指标的信息熵值的公式为:

指标的信息效用价值d_j取决于该指标的信息熵e_j与1之间的差值，它的值直接影响权重的大小，信息效用值越大，对评价的重要性就越大，权重也就越大：

d_j＝1-e_j

利用熵值法估算各指标的权重，其本质是利用该指标信息的价值系数来计算，其价值系数越高，对评价的重要性就越大；

第j项指标的权重为:

采用加权求和公式计算样本的评价值

得出用户优先级R＝{r₁,r₂,...,r_n}。

7.如权利要求5所述的多用户智能插座的功率动态分配系统，其特征在于，所述用户设备的设备信息，包括：设备型号、额定功率、当前电池电量。

8.如权利要求5所述的多用户智能插座的功率动态分配系统，其特征在于，所述执行单元对应通过功率分配策略的请求，则向对应的客户端发送预约成功信息，同时给充电装置发送功率分配要求，分配对应充电接口；没有通过功率分配策略的请求，则向客户端发出警告命令。

Images