CN112200471B - 充电桩的数量配置方法、装置和充电桩的分布系统 - Google Patents
充电桩的数量配置方法、装置和充电桩的分布系统 Download PDFInfo
- Publication number
- CN112200471B CN112200471B CN202011105094.0A CN202011105094A CN112200471B CN 112200471 B CN112200471 B CN 112200471B CN 202011105094 A CN202011105094 A CN 202011105094A CN 112200471 B CN112200471 B CN 112200471B
- Authority
- CN
- China
- Prior art keywords
- charging
- charging station
- station
- calculating
- grade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 238000013508 migration Methods 0.000 claims abstract description 23
- 230000005012 migration Effects 0.000 claims abstract description 23
- 230000005484 gravity Effects 0.000 claims description 51
- 238000011156 evaluation Methods 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000007781 pre-processing Methods 0.000 claims description 6
- 239000000758 substrate Substances 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000003066 decision tree Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
Abstract
本申请提供了一种充电桩的数量配置方法、装置和充电桩的分布系统,该方法包括:获取充电站的周边业态的人流量数据;将人流量数据输入充电桩配置模型,得到充电站中充电桩的配置数量,充电桩配置模型为通过梯度提升树算法构建得到的;根据充电站中充电桩的现有数量与配置数量确定迁移数量。该方法采用梯度提升树算法构建充电桩配置模型,通过充电桩配置模型对充电站的周边业态的人流量数据进行分析计算,得到上述充电站中充电桩的最优配置数量,对比充电站中充电桩的现有数量来迁入充电桩或者迁出充电桩,为新建充电设施选址规划及优化布局建议提供数据支撑,解决了现有技术中充电桩分布不合理的问题。
Description
技术领域
本申请涉及充电桩技术领域,具体而言,涉及一种充电桩的数量配置方法、装置、计算机可读存储介质、处理器和充电桩的分布系统。
背景技术
近年来,随着车用电池技术的不断突破以及政府政策的大力支持,电动汽车已在世界各国得到推广应用。我国也不例外,截至2018年末,我国成为了充电基础设施发展最快的国家。但现阶段,新能源汽车与充电桩的匹配程度处于一个不平衡的状态。其中,公共充电桩的分布不合理导致利用率低,以及充电困难、充电体验差、充电桩经营企业投资收益不佳、政策敏感度高的问题较为突出。这些问题导致现在的充电桩建设布局不足以支撑新能源汽车的现有数量和未来增量,且直接制约了新能源汽车更大规模的普及,由此可见,对充电桩优化布局研究就显得尤为重要。
在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解,因此,背景技术中可能包含某些信息,这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。
发明内容
本申请的主要目的在于提供一种充电桩的数量配置方法、装置、计算机可读存储介质、处理器和充电桩的分布系统,以解决现有技术中充电桩分布不合理的问题。
根据本发明实施例的一个方面,提供了一种充电桩的数量配置方法,包括:获取充电站的周边业态的人流量数据;将所述人流量数据输入充电桩配置模型,得到所述充电站中充电桩的配置数量,所述充电桩配置模型为通过梯度提升树算法构建得到的;根据所述充电站中充电桩的现有数量与所述配置数量确定迁移数量。
可选地,在获取充电站的周边业态的人流量数据之前,所述方法还包括:对充电站的运营状况进行评价,得到所述充电站的运营等级;根据所述运营等级确定是否对所述充电站进行优化配置。
可选地,对充电站的运营状况进行评价,得到所述充电站的运营等级,包括:获取所述充电站的运营数据,所述运营数据包括站均充电时长、站均充电金额和站均利用率;根据所述运营数据计算所述充电站的运营评价分值;根据所述运营评价分值确定所述运营等级。
可选地,根据所述运营数据计算所述充电站的运营评价分值,包括:根据所述运营数据计算第一比重,所述第一比重为各运营数据下所述充电站占所有充电站的比重;根据所述第一比重计算第二比重,所述第二比重为各所述运营数据的权重;根据所述第一比重和所述第二比重计算得到所述运营评价分值。
可选地,所述运营等级按照所述运营评价分值由高到低分别为第一等级、第二等级、第三等级和第四等级,根据所述运营等级确定是否对所述充电站进行优化配置,包括:在所述充电站的运营等级为所述第一等级或者所述第四等级的情况下,确定对所述充电站进行优化配置;在所述充电站的运营等级为所述第二等级或者所述第三等级的情况下,确定对所述充电站不进行优化配置。
可选地,在将所述人流量数据输入充电桩配置模型之前,所述方法还包括:对所述人流量数据进行预处理,在根据所述运营数据计算所述充电站的运营评价分值之前,所述方法还包括:对所述运营数据进行预处理。
根据本发明实施例的另一方面,还提供了一种充电桩的数量配置装置,包括:获取单元,用于获取充电站的周边业态的人流量数据;第一计算单元,用于将所述人流量数据输入充电桩配置模型,得到所述充电站中充电桩的配置数量,所述充电桩配置模型为通过梯度提升树算法构建得到的;确定单元,用于根据所述充电站中充电桩的现有数量与所述配置数量确定迁移数量。
根据本发明实施例的再一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,所述程序执行任意一种所述的方法。
根据本发明实施例的又一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行任意一种所述的方法。
根据本发明实施例的再一方面,还提供了一种充电桩的分布系统,包括充电桩的数量配置装置,所述充电桩的数量配置装置用于执行任意一种所述的方法。
在本发明实施例中,上述充电桩的数量配置方法中,首先,获取充电站的周边业态的人流量数据,然后,将上述人流量数据输入充电桩配置模型,得到上述充电站中充电桩的配置数量,上述充电桩配置模型为通过梯度提升树算法构建得到的,最后,根据上述充电站中充电桩的现有数量与上述配置数量确定迁移数量。该方法采用梯度提升树算法构建充电桩配置模型,通过充电桩配置模型对充电站的周边业态的人流量数据进行分析计算,得到上述充电站中充电桩的最优配置数量,对比充电站中充电桩的现有数量来迁入充电桩或者迁出充电桩,为新建充电设施选址规划及优化布局建议提供数据支撑,解决了现有技术中充电桩分布不合理的问题。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了根据本申请实施例的充电桩的数量配置方法的流程示意图;以及
图2示出了根据本申请实施例的充电桩的数量配置装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应该理解的是,当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时,该元件可直接在该另一元件上,或者也可存在中间元件。而且,在说明书以及权利要求书中,当描述有元件“连接”至另一元件时,该元件可“直接连接”至该另一元件,或者通过第三元件“连接”至该另一元件。
正如背景技术中所说的,现有技术中充电桩分布不合理,为了解决上述问题,本申请的一种典型的实施方式中,提供了一种充电桩的数量配置方法、装置、计算机可读存储介质、处理器和充电桩的分布系统。
根据本申请的实施例,提供了一种充电桩的数量配置方法。
图1是根据本申请实施例的充电桩的数量配置方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,获取充电站的周边业态的人流量数据;
步骤S102,将上述人流量数据输入充电桩配置模型,得到上述充电站中充电桩的配置数量,上述充电桩配置模型为通过梯度提升树算法构建得到的;
步骤S103,根据上述充电站中充电桩的现有数量与上述配置数量确定迁移数量。
上述充电桩的数量配置方法中,首先,获取充电站的周边业态的人流量数据,然后,将上述人流量数据输入充电桩配置模型,得到上述充电站中充电桩的配置数量,上述充电桩配置模型为通过梯度提升树算法构建得到的,最后,根据上述充电站中充电桩的现有数量与上述配置数量确定迁移数量。该方法采用梯度提升树算法构建充电桩配置模型,通过充电桩配置模型对充电站的周边业态的人流量数据进行分析计算,得到上述充电站中充电桩的最优配置数量,对比充电站中充电桩的现有数量来迁入充电桩或者迁出充电桩,为新建充电设施选址规划及优化布局建议提供数据支撑,解决了现有技术中充电桩分布不合理的问题。
需要说明的是,梯度提升树算法是一种迭代的决策树算法,每轮迭代产生一个弱分类器,它基于集成学习中的boosting思想,每次迭代都在减少残差的梯度方向新建立一颗决策树,迭代多少次就会生成多少颗决策树,当采用平方误差损失函数时,每一棵回归树学习的是之前所有树的结论和残差,拟合得到一个当前的残差回归树,其主要利用残差梯度来优化回归树的集成过程。梯度提升树算法弱分类器一般会选择为CART TREE,即分类回归树。由于上述高偏差和简单的要求每个分类回归树的深度不会很深。最终的总分类器是将每轮训练得到的弱分类器加权求和得到的。
还需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请的一种实施例中,在获取充电站的周边业态的人流量数据之前,上述方法还包括:对充电站的运营状况进行评价,得到上述充电站的运营等级;根据上述运营等级确定是否对上述充电站进行优化配置。具体地,实际上,并不是所有的充电站的充电桩数量配置均不合理,对充电站的运营状况进行评价,以得到上述充电站的运营等级,从而根据运营等级确定是否对上述充电站进行优化配置,进而减少优化配置的工作量,提高工作效率。
本申请的一种实施例中,对充电站的运营状况进行评价,得到上述充电站的运营等级,包括:获取上述充电站的运营数据,上述运营数据包括站均充电时长、站均充电金额和站均利用率;根据上述运营数据计算上述充电站的运营评价分值;根据上述运营评价分值确定上述运营等级。具体地,站均充电时长、站均充电金额和站均利用率这三种运营数据可以较好地反应充电站的经营状况,通过熵值法计算上述充电站的运营评价分值,根据运营评价分值确定运营等级,以确定需要进行优化配置的充电站,即需要迁出充电桩或者需要迁出充电桩的充电站。
本申请的一种实施例中,根据上述运营数据计算上述充电站的运营评价分值,包括:根据上述运营数据计算第一比重,上述第一比重为各运营数据下上述充电站占所有充电站的比重;根据上述第一比重计算第二比重,上述第二比重为各上述运营数据的权重;根据上述第一比重和上述第二比重计算得到上述运营评价分值。具体地,第一比重Pij的计算公式为n为作为数据采集样本的充电站的个数,m为作为评价指标的运营数据的种类数量,Pij即为第j项运营数据下第i个充电站占所有充电站的比重,站均充电时长、站均充电金额和站均利用率作为评价指标,则m=3,第二比重Wj的计算公式为/>其中,gj为运营数据作为评价指标的重要程度,gj=1-ej,将第一比重Pij代入上述公式即可计算得到第二比重Wj,将第一比重Pij和第二比重Wj代入/>即可得到充电站的运营评价分值Si,Si即为第i个充电站的运营评价分值。
本申请的一种实施例中,上述运营等级按照上述运营评价分值由高到低分别为第一等级、第二等级、第三等级和第四等级,根据上述运营等级确定是否对上述充电站进行优化配置,包括:在上述充电站的运营等级为上述第一等级或者上述第四等级的情况下,确定对上述充电站进行优化配置;在上述充电站的运营等级为上述第二等级或者上述第三等级的情况下,确定对上述充电站不进行优化配置。具体地,在上述充电站的运营等级为上述第一等级或者上述第四等级的情况下,确定对上述充电站进行优化配置,其中,第一等级的充电站需要迁入充电桩,第四等级的充电站需要迁出充电桩,在上述充电站的运营等级为上述第二等级或者上述第三等级的情况下,确定对上述充电站不进行优化配置,即第二等级和第三等级的充电站中充电桩的数量保持不变。
本申请的一种实施例中,在将上述人流量数据输入充电桩配置模型之前,上述方法还包括:对上述人流量数据进行预处理,在根据上述运营数据计算上述充电站的运营评价分值之前,上述方法还包括:对上述运营数据进行预处理。具体地,对人流量数据和运营数据中的缺失值、异常值进行适当填充与剔除,对处理后的人流量数据和运营数据进行归一化预处理,以消除量纲的影响,使得从所有充电站采集的数据可以在同一量纲下作比对。
本申请实施例还提供了一种充电桩的数量配置装置,需要说明的是,本申请实施例的充电桩的数量配置装置可以用于执行本申请实施例所提供的用于充电桩的数量配置方法。以下对本申请实施例提供的充电桩的数量配置装置进行介绍。
图2是根据本申请实施例的充电桩的数量配置装置的示意图。如图2所示,该装置包括:
获取单元10,用于获取充电站的周边业态的人流量数据;
第一计算单元20,用于将上述人流量数据输入充电桩配置模型,得到上述充电站中充电桩的配置数量,上述充电桩配置模型为通过梯度提升树算法构建得到的;
确定单元30,用于根据上述充电站中充电桩的现有数量与上述配置数量确定迁移数量。
上述充电桩的数量配置装置中,获取单元获取充电站的周边业态的人流量数据,计算单元将上述人流量数据输入充电桩配置模型,得到上述充电站中充电桩的配置数量,上述充电桩配置模型为通过梯度提升树算法构建得到的,确定单元根据上述充电站中充电桩的现有数量与上述配置数量确定迁移数量。该装置采用梯度提升树算法构建充电桩配置模型,通过充电桩配置模型对充电站的周边业态的人流量数据进行分析计算,得到上述充电站中充电桩的最优配置数量,对比充电站中充电桩的现有数量来迁入充电桩或者迁出充电桩,为新建充电设施选址规划及优化布局建议提供数据支撑,解决了现有技术中充电桩分布不合理的问题。
需要说明的是,梯度提升树算法是一种迭代的决策树算法,每轮迭代产生一个弱分类器,它基于集成学习中的boosting思想,每次迭代都在减少残差的梯度方向新建立一颗决策树,迭代多少次就会生成多少颗决策树,当采用平方误差损失函数时,每一棵回归树学习的是之前所有树的结论和残差,拟合得到一个当前的残差回归树,其主要利用残差梯度来优化回归树的集成过程。梯度提升树算法弱分类器一般会选择为CART TREE,即分类回归树。由于上述高偏差和简单的要求每个分类回归树的深度不会很深。最终的总分类器是将每轮训练得到的弱分类器加权求和得到的。
本申请的一种实施例中,上述装置还包括第二计算单元,上述第二计算单元包括计算子单元和确定子单元,其中,上述计算子单元用于在获取充电站的周边业态的人流量数据之前,对充电站的运营状况进行评价,得到上述充电站的运营等级;上述确定子单元用于根据上述运营等级确定是否对上述充电站进行优化配置。具体地,实际上,并不是所有的充电站的充电桩数量配置均不合理,对充电站的运营状况进行评价,以得到上述充电站的运营等级,从而根据运营等级确定是否对上述充电站进行优化配置,进而减少优化配置的工作量,提高工作效率。
本申请的一种实施例中,上述计算子单元包括获取模块、计算模块和第一确定模块,其中,上述获取模块用于获取上述充电站的运营数据,上述运营数据包括站均充电时长、站均充电金额和站均利用率;上述计算模块用于根据上述运营数据计算上述充电站的运营评价分值;上述第一确定模块用于根据上述运营评价分值确定上述运营等级。具体地,站均充电时长、站均充电金额和站均利用率这三种运营数据可以较好地反应充电站的经营状况,通过熵值法计算上述充电站的运营评价分值,根据运营评价分值确定运营等级,以确定需要进行优化配置的充电站,即需要迁出充电桩或者需要迁出充电桩的充电站。
本申请的一种实施例中,上述计算模块包括第一计算子模块、第二计算子模块和第三计算子模块,其中,上述第一计算子模块用于根据上述运营数据计算第一比重,上述第一比重为各运营数据下上述充电站占所有充电站的比重;上述第二计算子模块用于根据上述第一比重计算第二比重,上述第二比重为各上述运营数据的权重;上述第三计算子模块用于根据上述第一比重和上述第二比重计算得到上述运营评价分值。具体地,第一比重Pij的计算公式为n为作为数据采集样本的充电站的个数,m为作为评价指标的运营数据的种类数量,Pij即为第j项运营数据下第i个充电站占所有充电站的比重,站均充电时长、站均充电金额和站均利用率作为评价指标,则m=3,第二比重Wj的计算公式为/>其中,gj为运营数据作为评价指标的重要程度,gj=1-ej,将第一比重Pij代入上述公式即可计算得到第二比重Wj,将第一比重Pij和第二比重Wj代入/>即可得到充电站的运营评价分值Si,Si即为第i个充电站的运营评价分值。
本申请的一种实施例中,上述运营等级按照上述运营评价分值由高到低分别为第一等级、第二等级、第三等级和第四等级,上述确定子单元包括第二确定模块和第三确定模块,其中上述第二确定模块用于在上述充电站的运营等级为上述第一等级或者上述第四等级的情况下,确定对上述充电站进行优化配置;上述第三确定模块用于在上述充电站的运营等级为上述第二等级或者上述第三等级的情况下,确定对上述充电站不进行优化配置。具体地,在上述充电站的运营等级为上述第一等级或者上述第四等级的情况下,确定对上述充电站进行优化配置,其中,第一等级的充电站需要迁入充电桩,第四等级的充电站需要迁出充电桩,在上述充电站的运营等级为上述第二等级或者上述第三等级的情况下,确定对上述充电站不进行优化配置,即第二等级和第三等级的充电站中充电桩的数量保持不变。
本申请的一种实施例中,上述装置还包括第一处理单元和第二处理单元,其中,上述第一处理单元用于在将上述人流量数据输入充电桩配置模型之前,对上述人流量数据进行预处理,上述第一处理单元用于在根据上述运营数据计算上述充电站的运营评价分值之前,对上述运营数据进行预处理。具体地,对人流量数据和运营数据中的缺失值、异常值进行适当填充与剔除,对处理后的人流量数据和运营数据进行归一化预处理,以消除量纲的影响,使得从所有充电站采集的数据可以在同一量纲下作比对。
本申请实施例还提供了一种充电桩的分布系统,包括充电桩的数量配置装置,上述充电桩的数量配置装置用于执行任意一种上述的方法。
上述充电桩的分布系统中,包括充电桩的数量配置装置,获取单元获取充电站的周边业态的人流量数据,计算单元将上述人流量数据输入充电桩配置模型,得到上述充电站中充电桩的配置数量,上述充电桩配置模型为通过梯度提升树算法构建得到的,确定单元根据上述充电站中充电桩的现有数量与上述配置数量确定迁移数量。该系统采用梯度提升树算法构建充电桩配置模型,通过充电桩配置模型对充电站的周边业态的人流量数据进行分析计算,得到上述充电站中充电桩的最优配置数量,对比充电站中充电桩的现有数量来迁入充电桩或者迁出充电桩,为新建充电设施选址规划及优化布局建议提供数据支撑,解决了现有技术中充电桩分布不合理的问题。
为了使得本领域的技术人员更加直观地了解本申请的技术方案,下面通过具体的实施例来进行说明。
实施例1
对某一地区的6个充电站进行优化配置,获取2016至和2017年内充电站的周边业态的人流量数据,将人流量数据输入充电桩配置模型,得到6个充电站中充电桩的配置数量,根据充电站中充电桩的现有数量与配置数量确定迁移数量,采集2018年实际迁移数量与计算的迁移数量进行比较,如表1所示,其中,+1表示迁入1个充电桩,-1表示迁出1个充电桩。
表1
由上表可知,2018年实际迁移数量与计算的迁移数量进行对比,误差较小,表明该充电桩的数量配置方法对充电站进行优化布局可以起到相当的作用。
上述充电桩的数量配置装置包括处理器和存储器,上述获取单元、第一计算单元和确定单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决现有技术中充电桩分布不合理的问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现上述方法。
本发明实施例提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行上述方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现至少以下步骤:
步骤S101,获取充电站的周边业态的人流量数据;
步骤S102,将上述人流量数据输入充电桩配置模型,得到上述充电站中充电桩的配置数量,上述充电桩配置模型为通过梯度提升树算法构建得到的;
步骤S103,根据上述充电站中充电桩的现有数量与上述配置数量确定迁移数量。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有至少如下方法步骤的程序:
步骤S101,获取充电站的周边业态的人流量数据;
步骤S102,将上述人流量数据输入充电桩配置模型,得到上述充电站中充电桩的配置数量,上述充电桩配置模型为通过梯度提升树算法构建得到的;
步骤S103,根据上述充电站中充电桩的现有数量与上述配置数量确定迁移数量。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取计算机可读存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的计算机可读存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
从以上的描述中,可以看出,本申请上述的实施例实现了如下技术效果:
1)、本申请的充电桩的数量配置方法中,首先,获取充电站的周边业态的人流量数据,然后,将上述人流量数据输入充电桩配置模型,得到上述充电站中充电桩的配置数量,上述充电桩配置模型为通过梯度提升树算法构建得到的,最后,根据上述充电站中充电桩的现有数量与上述配置数量确定迁移数量。该方法采用梯度提升树算法构建充电桩配置模型,通过充电桩配置模型对充电站的周边业态的人流量数据进行分析计算,得到上述充电站中充电桩的最优配置数量,对比充电站中充电桩的现有数量来迁入充电桩或者迁出充电桩,为新建充电设施选址规划及优化布局建议提供数据支撑,解决了现有技术中充电桩分布不合理的问题。
2)、本申请的充电桩的数量配置装置中,获取单元获取充电站的周边业态的人流量数据,计算单元将上述人流量数据输入充电桩配置模型,得到上述充电站中充电桩的配置数量,上述充电桩配置模型为通过梯度提升树算法构建得到的,确定单元根据上述充电站中充电桩的现有数量与上述配置数量确定迁移数量。该装置采用梯度提升树算法构建充电桩配置模型,通过充电桩配置模型对充电站的周边业态的人流量数据进行分析计算,得到上述充电站中充电桩的最优配置数量,对比充电站中充电桩的现有数量来迁入充电桩或者迁出充电桩,为新建充电设施选址规划及优化布局建议提供数据支撑,解决了现有技术中充电桩分布不合理的问题。
3)、本申请的充电桩的分布系统中,包括充电桩的数量配置装置,获取单元获取充电站的周边业态的人流量数据,计算单元将上述人流量数据输入充电桩配置模型,得到上述充电站中充电桩的配置数量,上述充电桩配置模型为通过梯度提升树算法构建得到的,确定单元根据上述充电站中充电桩的现有数量与上述配置数量确定迁移数量。该系统采用梯度提升树算法构建充电桩配置模型,通过充电桩配置模型对充电站的周边业态的人流量数据进行分析计算,得到上述充电站中充电桩的最优配置数量,对比充电站中充电桩的现有数量来迁入充电桩或者迁出充电桩,为新建充电设施选址规划及优化布局建议提供数据支撑,解决了现有技术中充电桩分布不合理的问题。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (6)
1.一种充电桩的数量配置方法,其特征在于,包括:
获取充电站的周边业态的人流量数据;
将所述人流量数据输入充电桩配置模型,得到所述充电站中充电桩的配置数量,所述充电桩配置模型为通过梯度提升树算法构建得到的;
根据所述充电站中充电桩的现有数量与所述配置数量确定迁移数量,在获取充电站的周边业态的人流量数据之前,所述方法还包括:对充电站的运营状况进行评价,得到所述充电站的运营等级;根据所述运营等级确定是否对所述充电站进行优化配置,对充电站的运营状况进行评价,得到所述充电站的运营等级,包括:获取所述充电站的运营数据,所述运营数据包括站均充电时长、站均充电金额和站均利用率;根据所述运营数据计算所述充电站的运营评价分值;根据所述运营评价分值确定所述运营等级,根据所述运营数据计算所述充电站的运营评价分值,包括:根据所述运营数据计算第一比重,所述第一比重为各运营数据下所述充电站占所有充电站的比重;根据所述第一比重计算第二比重,所述第二比重为各所述运营数据的权重;根据所述第一比重和所述第二比重计算得到所述运营评价分值,所述运营等级按照所述运营评价分值由高到低分别为第一等级、第二等级、第三等级和第四等级,根据所述运营等级确定是否对所述充电站进行优化配置,包括:在所述充电站的运营等级为所述第一等级或者所述第四等级的情况下,确定对所述充电站进行优化配置;在所述充电站的运营等级为所述第二等级或者所述第三等级的情况下,确定对所述充电站不进行优化配置。
2.根据权利要求1所述的方法,其特征在于,
在将所述人流量数据输入充电桩配置模型之前,所述方法还包括:
对所述人流量数据进行预处理,
在根据所述运营数据计算所述充电站的运营评价分值之前,所述方法还包括:
对所述运营数据进行预处理。
3.一种充电桩的数量配置装置,其特征在于,包括:
获取单元,用于获取充电站的周边业态的人流量数据;
第一计算单元,用于将所述人流量数据输入充电桩配置模型,得到所述充电站中充电桩的配置数量,所述充电桩配置模型为通过梯度提升树算法构建得到的;
确定单元,用于根据所述充电站中充电桩的现有数量与所述配置数量确定迁移数量,所述装置还包括第二计算单元,所述第二计算单元包括计算子单元和确定子单元,其中,所述计算子单元用于在获取充电站的周边业态的人流量数据之前,对充电站的运营状况进行评价,得到所述充电站的运营等级;所述确定子单元用于根据所述运营等级确定是否对所述充电站进行优化配置,所述计算子单元包括获取模块、计算模块和第一确定模块,其中,所述获取模块用于获取所述充电站的运营数据,所述运营数据包括站均充电时长、站均充电金额和站均利用率;所述计算模块用于根据所述运营数据计算所述充电站的运营评价分值;所述第一确定模块用于根据所述运营评价分值确定所述运营等级,所述计算模块包括第一计算子模块、第二计算子模块和第三计算子模块,其中,所述第一计算子模块用于根据所述运营数据计算第一比重,所述第一比重为各运营数据下所述充电站占所有充电站的比重;所述第二计算子模块用于根据所述第一比重计算第二比重,所述第二比重为各所述运营数据的权重;所述第三计算子模块用于根据所述第一比重和所述第二比重计算得到所述运营评价分值,所述运营等级按照所述运营评价分值由高到低分别为第一等级、第二等级、第三等级和第四等级,所述确定子单元包括第二确定模块和第三确定模块,其中所述第二确定模块用于在所述充电站的运营等级为所述第一等级或者所述第四等级的情况下,确定对所述充电站进行优化配置;所述第三确定模块用于在所述充电站的运营等级为所述第二等级或者所述第三等级的情况下,确定对所述充电站不进行优化配置。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,所述程序执行权利要求1或2所述的方法。
5.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1或2所述的方法。
6.一种充电桩的分布系统,包括充电桩的数量配置装置,其特征在于,所述充电桩的数量配置装置用于执行权利要求1或2所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011105094.0A CN112200471B (zh) | 2020-10-15 | 2020-10-15 | 充电桩的数量配置方法、装置和充电桩的分布系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011105094.0A CN112200471B (zh) | 2020-10-15 | 2020-10-15 | 充电桩的数量配置方法、装置和充电桩的分布系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112200471A CN112200471A (zh) | 2021-01-08 |
CN112200471B true CN112200471B (zh) | 2023-11-21 |
Family
ID=74009804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011105094.0A Active CN112200471B (zh) | 2020-10-15 | 2020-10-15 | 充电桩的数量配置方法、装置和充电桩的分布系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200471B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113326883B (zh) * | 2021-06-03 | 2022-08-30 | 中创三优(北京)科技有限公司 | 充电站功率利用率预测模型的训练方法、装置及介质 |
CN115330286B (zh) * | 2022-10-17 | 2023-04-07 | 国网浙江省电力有限公司宁波供电公司 | 充电桩配电调度方法及系统、电子设备及可读存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023196A (zh) * | 2015-07-02 | 2015-11-04 | 国家电网公司 | 充电站充电交易数据的分析方法及装置 |
CN105760949A (zh) * | 2016-02-04 | 2016-07-13 | 国网山东省电力公司经济技术研究院 | 一种电动汽车快充站充电机台数优化配置方法 |
CN107886186A (zh) * | 2017-10-16 | 2018-04-06 | 清华大学 | 一种基于行车数据及维诺图划分区域的充电桩设置方法 |
CN108734874A (zh) * | 2017-04-13 | 2018-11-02 | 宁波轩悦行电动汽车服务有限公司 | 电动汽车租赁系统的分派调配方法 |
CN108959278A (zh) * | 2017-05-17 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 一种数据同步方法、装置、电子设备以及存储介质 |
CN109977527A (zh) * | 2019-03-21 | 2019-07-05 | 华北电力大学 | 一种城市公共充电站网络的充电桩配置方法 |
CN110163463A (zh) * | 2018-12-19 | 2019-08-23 | 国网北京市电力公司 | 电动汽车充电设施数据处理方法和装置 |
CN110222907A (zh) * | 2019-06-18 | 2019-09-10 | 国网河北省电力有限公司经济技术研究院 | 电动汽车充电站规划方法及终端设备 |
CN110458329A (zh) * | 2019-07-11 | 2019-11-15 | 南京邮电大学 | 一种电动汽车充电站选址定容方法 |
WO2020034614A1 (zh) * | 2018-08-15 | 2020-02-20 | 国网浙江省电力有限公司杭州供电公司 | 一种充电站有序充电管理系统及方法 |
CN111641712A (zh) * | 2020-05-29 | 2020-09-08 | 深圳市网心科技有限公司 | 区块链数据更新方法、装置、设备、系统及可读存储介质 |
DE102019107071A1 (de) * | 2019-03-20 | 2020-09-24 | Innogy Se | Ladestation zum Laden von Elektrofahrzeugen |
CN111754039A (zh) * | 2020-06-23 | 2020-10-09 | 北京交通大学 | 纯电动公交线网综合集成优化设计的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10234886B2 (en) * | 2015-08-04 | 2019-03-19 | Nec Corporation | Management of grid-scale energy storage systems |
-
2020
- 2020-10-15 CN CN202011105094.0A patent/CN112200471B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023196A (zh) * | 2015-07-02 | 2015-11-04 | 国家电网公司 | 充电站充电交易数据的分析方法及装置 |
CN105760949A (zh) * | 2016-02-04 | 2016-07-13 | 国网山东省电力公司经济技术研究院 | 一种电动汽车快充站充电机台数优化配置方法 |
CN108734874A (zh) * | 2017-04-13 | 2018-11-02 | 宁波轩悦行电动汽车服务有限公司 | 电动汽车租赁系统的分派调配方法 |
CN108959278A (zh) * | 2017-05-17 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 一种数据同步方法、装置、电子设备以及存储介质 |
CN107886186A (zh) * | 2017-10-16 | 2018-04-06 | 清华大学 | 一种基于行车数据及维诺图划分区域的充电桩设置方法 |
WO2020034614A1 (zh) * | 2018-08-15 | 2020-02-20 | 国网浙江省电力有限公司杭州供电公司 | 一种充电站有序充电管理系统及方法 |
CN110163463A (zh) * | 2018-12-19 | 2019-08-23 | 国网北京市电力公司 | 电动汽车充电设施数据处理方法和装置 |
DE102019107071A1 (de) * | 2019-03-20 | 2020-09-24 | Innogy Se | Ladestation zum Laden von Elektrofahrzeugen |
CN109977527A (zh) * | 2019-03-21 | 2019-07-05 | 华北电力大学 | 一种城市公共充电站网络的充电桩配置方法 |
CN110222907A (zh) * | 2019-06-18 | 2019-09-10 | 国网河北省电力有限公司经济技术研究院 | 电动汽车充电站规划方法及终端设备 |
CN110458329A (zh) * | 2019-07-11 | 2019-11-15 | 南京邮电大学 | 一种电动汽车充电站选址定容方法 |
CN111641712A (zh) * | 2020-05-29 | 2020-09-08 | 深圳市网心科技有限公司 | 区块链数据更新方法、装置、设备、系统及可读存储介质 |
CN111754039A (zh) * | 2020-06-23 | 2020-10-09 | 北京交通大学 | 纯电动公交线网综合集成优化设计的方法 |
Non-Patent Citations (5)
Title |
---|
基于能源聚合商的电动汽车充电站优化配置策略研究;田东伟;李默涵;石进永;汪映辉;;电气应用(09);全文 * |
广州地区充电站效能评估模型研究;陆慧;Application;第119-120页 * |
电动出租车充电桩优化配置;张帝;姜久春;张维戈;王晓峰;黄彧;;电工技术学报(18);全文 * |
电动汽车充电设施优化网络布局研究;谢远德;张邻;邓沙丽;何洁朦;;数学的实践与认识(第10期);全文 * |
电动汽车充电需求及充电设施优化配置方法研究;杨冰;湖北电力;第62-74页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112200471A (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bi et al. | A big data clustering algorithm for mitigating the risk of customer churn | |
CN107818344A (zh) | 用户行为进行分类和预测的方法和系统 | |
CN112200471B (zh) | 充电桩的数量配置方法、装置和充电桩的分布系统 | |
CN109461070A (zh) | 一种风险审批方法、装置、存储介质和服务器 | |
CN108171280A (zh) | 一种分类器构建方法及预测分类的方法 | |
CN107491432A (zh) | 基于人工智能的低质量文章识别方法及装置、设备及介质 | |
CN110298547A (zh) | 风险评估方法、装置、计算机装置及存储介质 | |
CN112270545A (zh) | 基于迁移样本筛选的金融风险预测方法、装置和电子设备 | |
CN105760547A (zh) | 一种基于用户聚类的图书推荐方法及系统 | |
CN108053314A (zh) | 一种借贷需求预测方法 | |
CN111062444B (zh) | 信用风险预测方法、系统、终端及存储介质 | |
CN111325619A (zh) | 一种基于联合学习的信用卡欺诈检测模型更新方法及装置 | |
CN107507038A (zh) | 一种基于stacking和bagging算法的电费敏感用户分析方法 | |
CN106095939B (zh) | 账户权限的获取方法和装置 | |
CN110717619A (zh) | 一种自下而上配电网多尺度时空负荷预测方法及系统 | |
CN108089923A (zh) | 基于加权Voronoi图的用户接入区域划分方法和装置 | |
CN107908796A (zh) | 电子政务查重方法、装置以及计算机可读存储介质 | |
CN110147389A (zh) | 帐号处理方法和装置、存储介质及电子装置 | |
CN105825232A (zh) | 对电动汽车用户进行分类的方法及装置 | |
CN107590737A (zh) | 个人信用评分以及信用额度测算方法 | |
CN112766800A (zh) | 一种基于模糊层次分析法的城市绿色交通系统评价方法 | |
CN111210332A (zh) | 贷后管理策略生成方法、装置及电子设备 | |
CN111475158A (zh) | 子领域划分方法、装置、电子设备和计算机可读存储介质 | |
CN111179055A (zh) | 授信额度调整方法、装置和电子设备 | |
CN113298121B (zh) | 基于多数据源建模的消息发送方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |