CN112366708B - 一种充电管理方法、装置、设备及存储介质 - Google Patents

一种充电管理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112366708B
CN112366708B CN202011374239.7A CN202011374239A CN112366708B CN 112366708 B CN112366708 B CN 112366708B CN 202011374239 A CN202011374239 A CN 202011374239A CN 112366708 B CN112366708 B CN 112366708B
Authority
CN
China
Prior art keywords
charging
charge
power
slow
preset
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
Application number
CN202011374239.7A
Other languages
English (en)
Other versions
CN112366708A (zh
Inventor
张孝山
文志雄
周正龙
刘正方
施建权
桂烜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Kangbida Control Technology Co ltd
Original Assignee
Shenzhen Kangbida Control Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Kangbida Control Technology Co ltd filed Critical Shenzhen Kangbida Control Technology Co ltd
Priority to CN202011374239.7A priority Critical patent/CN112366708B/zh
Publication of CN112366708A publication Critical patent/CN112366708A/zh
Application granted granted Critical
Publication of CN112366708B publication Critical patent/CN112366708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种充电管理方法、装置、电子设备及存储介质，属于用电管理技术的领域，该方法包括：基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量；基于预设的充电成本计算模型，利用预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略；根据充电管理策略管理各充电桩的充电输出。本方案通过神经网络模型计算单位时间内的预测的光伏发电量，并结合电网供电量、慢充功率及快充功率确立对应的充电管理策略，控制各充电桩的输出，以实现不同时间段管理不同的用电输出，提高了管理效率，且可有效避免电网峰特性时段的用电量过多而造成昂高费用的问题，具有可靠性。

Description

一种充电管理方法、装置、设备及存储介质
技术领域
本发明涉及用电管理技术的领域，尤其涉及一种充电管理方法、装置、电子设备及存储介质。
背景技术
在电子设备的能量供需中，一般可通过国家电网直接提供能量。国家电网作为重要的电源供应，其存在峰平谷特性，且现有的电网的电价一般根据峰平谷特性设定不同的电价，不同时间段的用电需求量会影响充电作业所消耗的费用，可以理解的是，当在特定时期从国家电网的用电量超过某一电量值时，不但会对电网的传输器件造成负担，而且需要支付昂高的电价费用。
在某些特定场所中，如为了平衡电网的峰谷特性带来的负面经济效益，通常引进有限的光伏发电设备配合电网进行供电，以降低电网的用电需求，但是光伏发电有限的，需要结合国家电网和光伏发电进行衡量。目前无法基于不同的时段有效管理用电需求，且管理效率低。
因此，需要提出一种新用电管理技术。
发明内容
本申请提供了一种充电管理方法、装置、电子设备及存储介质，可以解决无法基于不同的时段有效管理用电需求的技术问题。
本发明第一方面提供一种充电管理方法，所述方法包括：
基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量；
基于预设的充电成本计算模型，利用所述预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略；
根据所述充电管理策略管理各充电桩的充电输出。
可选的，所述神经网络模型包括输入层、第一神经网络层、第二神经网络层及输出层，所述基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量的步骤包括：
利用所述输入层接收获取的历史气象数据；
利用所述第一神经网络层对所述历史气象数据进行计算，得到第一光伏发电量；
利用所述第二神经网络对所述第一光伏发电量进行映射，得到第二光伏发电量；
利用所述输出层输出所述第二光伏发电量作为所述预测的光伏发电量。
可选的，所述基于预设的充电成本计算模型，利用所述预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略的步骤包括：
利用所述预测的光伏发电量及预设的电网供电量确定最大充电负荷值；
根据预设的慢充功率、预设的快充功率及所述最大充电负荷值确定单位时间内的慢充与快充组合方案；
根据所述慢充与快充组合方案生成充电桩的充电管理策略。
可选的，所述根据预设的慢充功率、预设的快充功率及所述最大充电负荷值确定单位时间内的慢充与快充组合方案的步骤包括：
利用预设的慢充功率计算单位时间内的慢充用电量，及利用预设的快充功率计算单位时间内的快充用电量；
利用所述慢充用电量和/或所述快充用电量确定慢充与快充组合方案，所述慢充与快充组合方案包含所述最大充电负荷值内的慢充和/或快充的数量。
可选的，所述根据所述慢充与快充组合方案生成充电桩的充电管理策略的步骤包括：
提取所述慢充与快充组合方案中慢充和/或快充的数量；
根据所述慢充和/或快充的数量生成对应数量的快充许可指令和/或慢充许可指令；
根据所述快充许可指令和/或慢充许可指令生成充电管理策略。
可选的，所述充电桩包括快充桩和慢充桩，所述根据所述充电管理策略管理各充电桩的充电输出的步骤之后还包括：
检测处于充电输出状态的快充桩和/或慢充桩；
根据所述快充功率计算所述快充桩在单位时间内的快充输出电量，和/或根据所述慢充功率计算所述慢充桩在单位时间内的慢充输出电量；
根据预测的光伏发电量、预设的电网供电量、所述快充输出电量和/或所述慢充输出电量管理所述处于充电输出状态的快充桩和/或慢充桩在单位时间内的充电输出。
可选的，所述根据预测的光伏发电量、预设的电网供电量、所述快充输出电量和/或所述慢充输出电量管理所述处于充电输出状态的快充桩和/或慢充桩的充电输出的步骤包括：
根据所述预测的光伏发电量、所述快充输出电量和/或所述慢充输出电量确定单位时间内预测的最大电网用电量；
利用所述预测的最大电网用电量及预设的电网供电量确定单位时间内的电网用电裕度；
获取单位时间内，所述电网用电裕度小于预设的电网用电裕度阈值的低裕度时间；
将所述低裕度时间与所述单位时间对比；
若所述低裕度时间等于所述单位时间，则关闭部分所述处于充电输出状态的快充桩和/或慢充桩的充电输出；
若所述低裕度时间小于所述单位时间，则暂停或延时部分所述处于充电输出状态的快充桩和/或慢充桩的充电输出。
本发明第二方面提供一种充电管理装置，所述装置包括：
计算模块，用于基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量；
生成模块，用于基于预设的充电成本计算模型，利用所述预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略；
管理模块，用于根据所述充电管理策略管理各充电桩的充电输出。
本发明第三方面提供一种电子设备，包括：存储器、处理器及通信总线，所述通信总线分别与所述存储器及所述处理器通信连接，所述存储器与所述处理器耦合，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时，实现第一方面的充电管理方法中的各个步骤。
本发明第四方面提供一种存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现第一方面的充电管理方法中的各个步骤。
本发明提供的充电管理方法，包括：基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量；基于预设的充电成本计算模型，利用预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略；根据充电管理策略管理各充电桩的充电输出。本方案通过记录的历史气象数据，利用神经网络模型计算单位时间内的预测的光伏发电量，并利用预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略，以实现根据单位时间内的可用电量确立对应的充电管理策略，从而控制各充电桩的充电输出，以实现不同时间段管理不同的用电输出，提高了管理效率，且可有效避免电网峰特性时段的用电过高而造成昂高的电价费用及对电网造成负担，具有可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的充电管理方法的步骤流程图；
图2为本发明实施例提供的神经网络模型的结构示意图；
图3为本发明实施例提供的充电管理方法的又一步骤流程图；
图4为本发明实施例提供的充电管理装置的模块方框图；
图5为本发明实施例提供的电子设备的架构图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域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，都属于本发明保护的范围。
由于现有技术中无法基于不同的时段有效管理用电需求的技术问题。
为了解决上述技术问题，本发明提出一种充电管理方法、装置、电子设备及存储介质。
请参阅图1，为本发明实施例提供的充电管理方法的步骤流程图，本发明实施例提供一种充电管理方法，该方法包括以下步骤：
步骤S101：基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量。
该神经网络模型为用于计算或预测目标时间内的光伏发电量，由于光伏发电量主要与气象数据有关，该气象数据不限于包括温度、气压、光照度等，单位时间表示将来的目标时间内，如该单位时间可为未来10分钟、30分钟、1小时、2小时等，还可以为1天，本实施例对此不做具体限定。本实施例通根据获取历史气象数据及基于该历史气象数据对应的光伏发电量组建神经网络模型。具体的，首先，获取光伏发电设备的光伏发电量的历史数据及收集光伏发电设备的所在地的历史气象数据；然后，将获取的历史数据进行处理，如将获取的光伏发电量的历史数据及历史气象数据进行剔除异常值和缺失值的处理，抽取以每1小时为间隔的整点数据，并进行归一化处理；其次，对处理后的历史气象数据或其所包括的气象特征数据与光伏发电量的历史数据进行分析，如对数据进行可视化，计算各气象数据与光伏发电量或光伏发电功率的Pearson相关系数(Pearson Correlation Coefficient)，该系数用于衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系，当该相关系数越接近1，说明该气象数据或其所包括的某一气象特征数据对光伏发电功率的影响越大，选择影响最大的几个历史气象数据或气象特征数据作为神经网络模型的输入参数，需要说明的是，光伏发电功率与光伏发电功量密切相关，在计算相关系数时，可选择其一与气象数据进行计算，此处不做赘述；接着，将光伏发电功率数据进行聚类，形成四类，使得光伏发电功率数据分别各自对应四种典型的天气状况中的一种，如晴天、多云、雨天、阴天，并根据这四类状况的数据分别生成训练集和验证集，在整理生成训练集和验证集时，可将的这四类的数据以8比2的比例进行整理，如将80％的数据作为训练集，剩下的20％数据作为验证集，需要说明的是，训练集和验证集均可包含多组数据，每一组数据包括历史气象数据及与该历史气象数据对应的光伏发电功率；最后，采用LSTM神经网络算法(Long ShortTerm Mermory network)，以tanh函数作为激活函数，以MAE函数作为损失函数，建立具有双层LSTM神经网络模型，该神经网络模型为光伏发电功率或光伏发电量的预测模型，用于以气象数据作为参数的输入，输出预测的光伏发电量或光伏发电功率。
需要说明的是，该神经网络模型具有四层，如包括输入层、第一神经网络层、第二神经网络层及输出层，其中，第一神经网络层和第二神经网络层为LSTM层，其采用tanh激活函数作为数据的映射层，该tanh激活函数的计算公式具体如下：
进一步的，利用训练集所包含的数据对该神经网络模型或光伏发电量的预测模型进行训练，并利用验证集所包含的气象数据基于训练后的模型计算出预测的光伏发电量或光伏发电功率，通过数据可视化、预测误差等评估该神经网络模型，如使用MAE方差函数(损失函数)、MSE误差损失函数、MAPE平均绝对误差或SNR信噪比函数等评估该神经网络模型。
如，MAE方差函数的公式如下：
其中，MAE表示损失函数值，yi表示第i个样本的光伏发电功率或光伏发电量的真实值，y′i表示第i个样本的光伏发电功率或光伏发电量的预测值，n表示数据样本数，如历史气象数据与光伏发电量组的数量。
又如，MSE表示误差损失函数的公式如下：
其中，MSE表示误差损失函数值，yi表示第i个样本的光伏发电功率或光伏发电量的真实值，y′i表示第i个样本的光伏发电功率或光伏发电量的预测值，n表示数据样本数，如历史气象数据与光伏发电量组的数量，i表示自然数。
又如，MAPE平均绝对误差函数的计算公式如下：
其中，MAPE表示平均绝对误差，yi表示第i个样本的光伏发电功率或光伏发电量的真实值，y′i表示第i个样本的光伏发电功率或光伏发电量的预测值，n表示数据样本数，如历史气象数据与光伏发电量组的数量，i表示自然数。
又如，SNR信噪比函数的计算公式如下：
其中，SNR表示信噪比，yi表示第i个样本的光伏发电功率或光伏发电量的真实值，y′i表示第i个样本的光伏发电功率或光伏发电量的预测值，n表示数据样本数，如历史气象数据与光伏发电量组的数量，i表示自然数。
通过利用上述的任意一种或多种函数评估神经网络模型，可以理解的是，若误差较大，则各评估函数的值较大，说明神经网络模型表现不佳，可通过模型参数进一步训练，直至满足预测的精度。
在本步骤的一实施方式中，参阅图2，为本发明实施例提供的神经网络的结构示意图，神经网络模型包括输入层、第一神经网络层、第二神经网络层及输出层，需要说明的是，该第一神经网络层和第二神经网络层都是LSTM神经网络层，则该步骤具体包括：利用输入层接收获取的历史气象数据；利用第一神经网络层对历史气象数据进行计算，得到第一光伏发电量；利用第二神经网络对第一光伏发电量进行映射，得到第二光伏发电量；利用输出层输出第二光伏发电量作为预测的光伏发电量。
本实施方式利用包含双层LSTM神经网络层的神经网络模型对输入的历史气象数据或历史气象数据中的一个或多个气象特征数据作为参数输入，通过第一神经网络层进行计算或映射得到第一输出数据，该第一输出数据可理解为预测的第一光伏发电量，并将该第一神经网络层得到的第一输出数据作为第二神经网络层的输入，以得到第二输出数据，该第二输出数据可称为预测的第二光伏发电量，以该预测的第二光伏发电量作为输出层所输出的最终的光伏发电量。通过上述的方式计算得到预测的光伏发电量，可提高神经网络模型算法的非线性，提高通过历史气象数据计算光伏发电量的准确性，具有可靠性。
步骤S102：基于预设的充电成本计算模型，利用预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略。
具体的，该预设的电网供电量为预先设定的国家电网基于目标应用场景的供电量，该目标应用场景可为机场、工业园、科技园、办公大厦等，进一步的，可用于相关应用场景的新能源汽车充电桩的供电；可以理解的，由于电网传输该高压电的传输设备的功率一般是限定的，因此，相关应用场景的管理人员需要与国家电网协定，确定电网供电量，将所确定的电网供电量预先设定为充电成本计算模型的电网供电量，当用电超出该预设的电网供电量时，将会增加电网传输设备的负担，且电价昂贵，造成昂高的用电成本。
需要说明的是，充电桩包括快充桩和慢充桩，这两者的输出功率不同，由于输出功率不同，其在单位时间内的用电或功耗也是不同的，将会影响单位时间内的用电量。因此，在确定充电管理策略时，需要结合充电桩的快充功率和/或慢充功率来确定该充电管理策略，以确定单位时间内的快充桩和/或慢充桩的可使用组合。
该预设的充电成本计算模型主要是用于计算目标时间段的可用电量，该可以电量不限于包括神经网络模型计算得到的预测的光伏发电量与预设的电网供电量的电量总和，可还可为单位时间内的可供充电的用电量；在一实施方式中，在确定可用电量时，可根据预测的光伏发电量与预设的电网供电量的电量总和减去目标时间段内的其他用电需求量等于可供充电的用电量。
进一步的，该预设的充电成本计算模型还用于根据该可用电量结合充电桩的快充功率和/或慢充功率确定充电桩的可同时使用数量。
在本步骤的一实施方式种，步骤S102包括：
步骤S1021：利用预测的光伏发电量及预设的电网供电量确定最大充电负荷值。
具体的，最大充电负荷值为用于充电桩充电输出的最大充电负荷值，具体利用预测的光伏发电量和预设的电网供电量确定可用电量总和，以该可用电量总和作为最大充电负荷值。需要说明的是，当需要从该可用电量总和分配部分电力到其他应用场景中去时，需要将该可用电总和减去目标时间段内的其他用电需求量等于可供充电的最大充电负荷值。
步骤S1022：根据预设的慢充功率、预设的快充功率及最大充电负荷值确定单位时间内的慢充与快充组合方案。
具体的，该预设的充电成本计算模型还用于根据确定的最大充电负荷值结合充电桩的快充功率和/或慢充功率确定充电桩的可同时使用数量，从而根据确定的充电桩的可同时使用数量确定快充桩和慢充装的投入电力使用的方案，该方案可理解为计算慢充与快充组合的数据。
在一细化实施方式中，步骤S1022包括：利用预设的慢充功率计算单位时间内的慢充用电量，及利用预设的快充功率计算单位时间内的快充用电量；
利用慢充用电量和/或快充用电量确定慢充与快充组合方案，慢充与快充组合方案包含最大充电负荷值内的慢充和/或快充的数量。
步骤S1023：根据慢充与快充组合方案生成充电桩的充电管理策略。
具体的，在利用预设的慢充功率、预设的快充功率及最大充电负荷值确定单位时间内的慢充与快充组合方案后，根据方案生成对应的充电管理策略。该充电管理策略可理解为控制指令，用于控制快充桩和慢充桩工作。
在一细化实施方式中，该慢充与快充组合方案包含最大充电负荷值内的慢充和/或快充的数量，则步骤S1023包括：提取慢充与快充组合方案中慢充和/或快充的数量；
根据慢充和/或快充的数量生成对应数量的快充许可指令和/或慢充许可指令；
根据快充许可指令和/或慢充许可指令生成充电管理策略。
通过上述实施方式，实现基于预设的充电成本计算模型，利用预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略，避免大量充电桩在用电高峰期或用电输出过度，以对应用场景的中的汽车充电桩进行管理，具有可靠性。
步骤S203：根据充电管理策略管理各充电桩的充电输出。
通过神经网络模型计算得到预测的光伏发电量，基于充电成本计算模型确定充电管理策略，将该充电管理策略对充电桩进行控制管理，以实现管理充电桩的充电用电输出，避免大量的充电桩同时大幅度用电，造成电网供电负担，且造成昂高的费用。
本发明提供一种充电管理方法，该方法包括：基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量；基于预设的充电成本计算模型，利用预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略；根据充电管理策略管理各充电桩的充电输出。本方案通过记录的历史气象数据，利用神经网络模型计算单位时间内的预测的光伏发电量，并利用预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略，以实现根据单位时间内的可用电量确立对应的充电管理策略，从而控制各充电桩的充电输出，以实现不同时间段管理不同的用电输出，提高了管理效率，且可有效避免电网峰特性时段的用电过高而造成昂高的电价费用及对电网造成负担，具有可靠性。
请参阅图3，为本发明实施例提供的充电管理方法的又一步骤流程图。该充电管理方法具体包括以下步骤：
步骤S301：基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量。
步骤S302：基于预设的充电成本计算模型，利用预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略。
步骤S303：根据充电管理策略管理各充电桩的充电输出。
具体的，步骤S301-303中描述的方法步骤为与前述步骤S101-103的方法步骤相似或相近，关于该部分流程的内容描述与步骤S101至步骤S103的内容描述一致，本实施例对此不做进一步赘述。
步骤S304：检测处于充电输出状态的快充桩和/或慢充桩。
具体的，在根据充电管理策略管理各充电桩的充电输出后，需要检测当前时段处于充电用电输出状态的充电桩，需要说明的是，充电桩包括快充桩和慢充桩，因此，需要检测处于充电输出状态的快充桩和/或慢充桩。具体可通过检测相关的充电桩是否属于电源输出状态，如通过获取计电表的数据，通过获取计电表的数据确定处于输出状态的快充桩和/或慢充桩的数量。
步骤S305：根据快充功率计算快充桩在单位时间内的快充输出电量，和/或根据慢充功率计算慢充桩在单位时间内的慢充输出电量。
在确定处于输出状态的充电桩后，需要计算充电桩的输出电量进行监控，防止由于管理误差造成用电过度。当检测到仅有快充桩处于输出状态时，根据快充功率计算快充桩在单位时间内的快充输出电量，如检测到有5个快充桩处于输出状态，根据快充功率计算这5个快充桩的输出用电量；或当检测到仅有慢充桩处于输出状态时，根据慢充功率计算慢充桩在单位时间内的慢充输出电量；当检测到同时具有快充桩和慢充桩处于输出状态时，分别根据快充功率和慢充功率计算快充桩在单位时间内的快充输出电量。
步骤S306：根据预测的光伏发电量、预设的电网供电量、快充输出电量和/或慢充输出电量管理处于充电输出状态的快充桩和/或慢充桩在单位时间内的充电输出。
具体的，当前时间段内的充电桩的用电输出过大，使得电网供电量长时间大于预设的电网供电量(电网供电量阈值)时，则需要管理部分的充电桩停止充电输出。
在步骤S306的一实施方式中，该步骤S306包括：
根据预测的光伏发电量、快充输出电量和/或慢充输出电量确定单位时间内预测的最大电网用电量；
利用预测的最大电网用电量及预设的电网供电量确定单位时间内的电网用电裕度；
获取单位时间内，电网用电裕度小于预设的电网用电裕度阈值的低裕度时间；
将低裕度时间与单位时间对比；
若低裕度时间等于单位时间，则关闭部分处于充电输出状态的快充桩和/或慢充桩的充电输出；
若低裕度时间小于单位时间，则暂停或延时部分处于充电输出状态的快充桩和/或慢充桩的充电输出。
具体的，通过预先设定单位时间，该单位时间与前述的实施例一致，为管理各充电桩输出的时间，可为1小时、2小时等。低裕度用于衡量用电负荷与单位时间内预设的电网供电量之间的差值大小，该低裕度时间用于衡量充电桩的充电输出使得实际的电网供电量大于预设的电网供电量的时间；本实施例通过预先设定电网用电裕度阈值，获取单位时间内，电网用电裕度小于预设的电网用电裕度阈值的低裕度时间，并将低裕度时间与单位时间对比，以确定是否停止部分充电桩的充电输出。具体的，在低裕度时间等于单位时间，则关闭部分处于充电输出状态的快充桩和/或慢充桩的充电输出；及在低裕度时间小于单位时间，则暂停或延时部分处于充电输出状态的快充桩和/或慢充桩的充电输出。
请参阅图4，图4为本发明实施例的充电管理装置的模块方框图，该充电管理装置对应充电管理方法的执行主体处理器，该装置400包括：计算模块401、生成模块402和管理模块403；
计算模块401，用于基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量；
生成模块402，用于基于预设的充电成本计算模型，利用预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略；
管理模块403，用于根据充电管理策略管理各充电桩的充电输出。
本发明提供一种充电管理装置，该装置包括：计算模块401、生成模块402和管理模块403。其中，计算模块401用于基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量；生成模块402用于基于预设的充电成本计算模型，利用预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略；管理模块403用于根据充电管理策略管理各充电桩的充电输出。本方案通过记录的历史气象数据，利用神经网络模型计算单位时间内的预测的光伏发电量，并利用预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略，以实现根据单位时间内的可用电量确立对应的充电管理策略，从而控制各充电桩的充电输出，以实现不同时间段管理不同的用电输出，提高了管理效率，且可有效避免电网峰特性时段的用电过高而造成昂高的电价费用及对电网造成负担，具有可靠性。
进一步的，生成模块402还可细分为：第一确定模块4021、第二确定模块4022和生成子模块4023，但不限于此。
第一确定模块4021，用于利用预测的光伏发电量及预设的电网供电量确定最大充电负荷值。
第二确定模块4022，用于根据预设的慢充功率、预设的快充功率及最大充电负荷值确定单位时间内的慢充与快充组合方案。
具体的，第二确定模块4022，还具体用于利用预设的慢充功率计算单位时间内的慢充用电量，及利用预设的快充功率计算单位时间内的快充用电量；利用慢充用电量和/或快充用电量确定慢充与快充组合方案，慢充与快充组合方案包含最大充电负荷值内的慢充和/或快充的数量。
生成子模块4023，用于根据慢充与快充组合方案生成充电桩的充电管理策略。
具体的，生成子模块4023，还具体用于提取慢充与快充组合方案中慢充和/或快充的数量；根据慢充和/或快充的数量生成对应数量的快充许可指令和/或慢充许可指令；根据快充许可指令和/或慢充许可指令生成充电管理策略。
进一步的，该充电管理装置还包括：检测模块404，但不限于此。
检测模块404，用于检测处于充电输出状态的快充桩和/或慢充桩。
计算模块401，还用于根据快充功率计算快充桩在单位时间内的快充输出电量，和/或根据慢充功率计算慢充桩在单位时间内的慢充输出电量。
管理模块403，还用于根据预测的光伏发电量、预设的电网供电量、快充输出电量和/或慢充输出电量管理处于充电输出状态的快充桩和/或慢充桩在单位时间内的充电输出。
需要说明的是，关于本实施例提供的充电管理装置为前述的充电管理方法对应的装置项，本实施例提供的充电管理装置所包含的模块的技术特征与前述的方法步骤相似或相近，关于对该装置的技术特征部分的描述可参考与前述实施例的充电管理方法的描述，本实施例对此不做进一步赘述。
本发明提供一种电子设备，请参阅图5，为本发明实施例提供的电子设备的架构图，该电子设备包括：存储器501、处理器502及通信总线503，通信总线503分别与存储器501及处理器502通信连接，存储器501与处理器502耦合，存储器501上存储有计算机程序，处理器502执行计算机程序时，实现上述任意一项的充电管理方法中的各个步骤。
示例性的，充电管理方法的计算机程序主要包括：基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量；基于预设的充电成本计算模型，利用预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略；根据充电管理策略管理各充电桩的充电输出。另外，计算机程序也可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算设备中的执行过程。例如，计算机程序可以被分割成如图4所示的计算模块401、生成模块402、管理模块403及检测模块404。
处理器502可以是中央处理模块(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本发明还提供一种存储介质，存储介质为计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现上述任意一项的充电管理方法中的各个步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块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，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块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模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
集成的模块如果以软件功能模块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存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中，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，可以参见其它实施例的相关描述。
以上为对本发明所提供的一种充电管理方法、装置、电子设备及存储介质的描述，对于本领域的技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种充电管理方法，其特征在于，所述方法包括：
基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量；
基于预设的充电成本计算模型，利用所述预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略；
根据所述充电管理策略管理各充电桩的充电输出；其中，所述充电桩包括快充桩和慢充桩；
检测处于充电输出状态的所述快充桩和/或所述慢充桩；
根据所述快充功率计算所述快充桩在单位时间内的快充输出电量，和/或根据所述慢充功率计算所述慢充桩在单位时间内的慢充输出电量；
根据所述预测的光伏发电量、预设的电网供电量、所述快充输出电量和/或所述慢充输出电量管理处于充电输出状态的所述快充桩和/或所述慢充桩在单位时间内的充电输出。
2.根据权利要求1所述的充电管理方法，其特征在于，所述神经网络模型包括输入层、第一神经网络层、第二神经网络层及输出层，所述基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量的步骤包括：
利用所述输入层接收获取的历史气象数据；
利用所述第一神经网络层对所述历史气象数据进行计算，得到第一光伏发电量；
利用所述第二神经网络对所述第一光伏发电量进行映射，得到第二光伏发电量；
利用所述输出层输出所述第二光伏发电量作为所述预测的光伏发电量。
3.根据权利要求1所述的充电管理方法，其特征在于，所述基于预设的充电成本计算模型，利用所述预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略的步骤包括：
利用所述预测的光伏发电量及预设的电网供电量确定最大充电负荷值；
根据预设的慢充功率、预设的快充功率及所述最大充电负荷值确定单位时间内的慢充与快充组合方案；
根据所述慢充与快充组合方案生成充电桩的充电管理策略。
4.根据权利要求3所述的充电管理方法，其特征在于，所述根据预设的慢充功率、预设的快充功率及所述最大充电负荷值确定单位时间内的慢充与快充组合方案的步骤包括：
利用预设的慢充功率计算单位时间内的慢充用电量，及利用预设的快充功率计算单位时间内的快充用电量；
利用所述慢充用电量和/或所述快充用电量确定慢充与快充组合方案，所述慢充与快充组合方案包含所述最大充电负荷值内的慢充和/或快充的数量。
5.根据权利要求3或4所述的充电管理方法，其特征在于，所述根据所述慢充与快充组合方案生成充电桩的充电管理策略的步骤包括：
提取所述慢充与快充组合方案中慢充和/或快充的数量；
根据所述慢充和/或快充的数量生成对应数量的快充许可指令和/或慢充许可指令；
根据所述快充许可指令和/或慢充许可指令生成充电管理策略。
6.根据权利要求1所述的充电管理方法，其特征在于，所述根据所述预测的光伏发电量、预设的电网供电量、所述快充输出电量和/或所述慢充输出电量管理处于充电输出状态的所述快充桩和/或所述慢充桩在单位时间内的充电输出的步骤包括：
根据所述预测的光伏发电量、所述快充输出电量和/或所述慢充输出电量确定单位时间内预测的最大电网用电量；
利用所述预测的最大电网用电量及预设的电网供电量确定单位时间内的电网用电裕度；
获取单位时间内，所述电网用电裕度小于预设的电网用电裕度阈值的低裕度时间；
将所述低裕度时间与所述单位时间对比；
若所述低裕度时间等于所述单位时间，则关闭部分所述处于充电输出状态的快充桩和/或慢充桩的充电输出；
若所述低裕度时间小于所述单位时间，则暂停或延时部分所述处于充电输出状态的快充桩和/或慢充桩的充电输出。
7.一种充电管理装置，其特征在于，包括：
计算模块，用于基于神经网络模型，利用获取的历史气象数据计算单位时间内预测的光伏发电量；
生成模块，用于基于预设的充电成本计算模型，利用所述预测的光伏发电量、预设的电网供电量、预设的慢充功率及预设的快充功率生成充电管理策略；
管理模块，用于根据所述充电管理策略管理各充电桩的充电输出；其中，所述充电桩包括快充桩和慢充桩；
检测模块，用于检测处于充电输出状态的所述快充桩和/或所述慢充桩；
所述计算模块还用于：根据所述快充功率计算所述快充桩在单位时间内的快充输出电量，和/或根据所述慢充功率计算所述慢充桩在单位时间内的慢充输出电量；
所述管理模块还用于：根据所述预测的光伏发电量、预设的电网供电量、所述快充输出电量和/或所述慢充输出电量管理处于充电输出状态的所述快充桩和/或所述慢充桩在单位时间内的充电输出。
8.一种电子设备，包括：存储器、处理器及通信总线，所述通信总线分别与所述存储器及所述处理器通信连接，所述存储器与所述处理器耦合，其特征在于，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时，实现权利要求1至6任意一项所述的充电管理方法中的各个步骤。
9.一种存储介质，所述存储介质为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上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至6任意一项所述的充电管理方法中的各个步骤。
CN202011374239.7A 2020-11-30 2020-11-30 一种充电管理方法、装置、设备及存储介质 Active CN112366708B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011374239.7A CN112366708B (zh) 2020-11-30 2020-11-30 一种充电管理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011374239.7A CN112366708B (zh) 2020-11-30 2020-11-30 一种充电管理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112366708A CN112366708A (zh) 2021-02-12
CN112366708B true CN112366708B (zh) 2023-07-25

Family

ID=74536600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011374239.7A Active CN112366708B (zh) 2020-11-30 2020-11-30 一种充电管理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112366708B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780660B (zh) * 2021-09-13 2024-02-13 广东电网有限责任公司 一种居民用电量预测方法、系统及存储介质
CN114301093B (zh) * 2021-12-28 2024-07-02 中建科技集团北京低碳智慧城市科技有限公司 光伏微电网电能供给控制方法、装置、设备及存储介质
CN116780583B (zh) * 2023-06-06 2024-04-16 广东中特建设集团有限公司 一种光伏发电智能储能方法、系统、设备及介质
CN118372707B (zh) * 2024-06-26 2024-08-23 上海融和元储能源有限公司 一种分布式光储充换智能锂电牵引系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019113732A1 (zh) * 2017-12-11 2019-06-20 深圳市柔宇科技有限公司 一种电子设备及充电控制方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107608218A (zh) * 2017-09-06 2018-01-19 苏州健雄职业技术学院 家用电器智能用电控制方法
CN107769235B (zh) * 2017-09-29 2021-07-20 国网上海市电力公司 一种基于混合储能与电动汽车的微网能量管理方法
CN107719180B (zh) * 2017-11-24 2021-06-18 三峡大学 基于电动汽车柔性充电的混合型停车场多源互补充电方法
CN109353245B (zh) * 2018-10-29 2021-11-23 河南英开电气股份有限公司 一种电动汽车充电集群功率自动分配方法
CN109858673A (zh) * 2018-12-27 2019-06-07 南京工程学院 一种光伏发电系统功率预测方法
CN111091139B (zh) * 2019-11-18 2024-04-19 特变电工西安电气科技有限公司 相似日聚类的光伏预测方法、装置、设备及可读存储介质
CN111864749A (zh) * 2020-08-18 2020-10-30 国网湖南省电力有限公司 光伏系统出力园区电动汽车充电方法、系统及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019113732A1 (zh) * 2017-12-11 2019-06-20 深圳市柔宇科技有限公司 一种电子设备及充电控制方法

Also Published As

Publication number Publication date
CN112366708A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN112366708B (zh) 一种充电管理方法、装置、设备及存储介质
CN106249152B (zh) 用于估计电池状态的方法和设备
US9291682B2 (en) Degradation state estimating method and degradation state estimating apparatus
CN110826789A (zh) 基于电力系统的电力负荷预测方法、装置及终端设备
CN116821660A (zh) 一种电力管理方法、系统、终端设备及存储介质
CN114091783A (zh) 一种企业用电预警方法、装置、计算机设备和存储介质
CN117674119A (zh) 电网运行风险评估方法、装置、计算机设备和存储介质
CN115389954A (zh) 一种电池容量的估算方法、电子设备及可读存储介质
CN112508260B (zh) 基于对比学习的配电变压器中长期负荷预测方法及装置
CN116879760B (zh) 退役动力电池历史过充电故障诊断方法及装置
CN109492957B (zh) 一种配电网线路运行效率的评价方法、装置及存储介质
CN116774064A (zh) 电池自放电检测方法、装置、设备和存储介质
CN117411109A (zh) 户式光伏储能一体机设备控制方法、装置、设备及介质
CN116577552A (zh) 一种智能量测开关的窃电诊断方法和装置
CN116842464A (zh) 一种电池系统soc估计方法
CN113269478B (zh) 一种基于多模型的集中器异常数据提醒方法及系统
CN114355219A (zh) 电池健康状态估算方法和储能系统健康提高方法
Bebic et al. Quantifying electric load flexibility using smart meter data
CN117435870B (zh) 一种负荷数据实时填充方法、系统、设备和介质
CN115425734B (zh) 一种具有自动化节能运行程序运维箱
CN118040650A (zh) 微电网的频率安全评估方法、装置、设备及存储介质
CN115954872A (zh) 一种配电网动态特性的评估方法、装置、终端及存储介质
CN116859270A (zh) 电池容量估计模型训练及容量估计方法、装置及存储介质
CN115511304A (zh) 电力电量平衡分析方法、装置、设备及存储介质
CN118625137A (zh) 增程式车辆的电池寿命预测方法、装置、电子设备及介质

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
TA01 Transfer of patent application right

Effective date of registration: 20230113

Address after: 221-1, Floor 2, New Energy Innovation Industrial Park, Kanghesheng Building, No.1 Chuangsheng Road, Nanshan District, Shenzhen, Guangdong 518055

Applicant after: SHENZHEN KANGBIDA CONTROL TECHNOLOGY CO.,LTD.

Address before: 518000 221-2, 2nd floor, new energy innovation industrial park, kanghesheng building, No.1 ChuangSheng Road, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: SHENZHEN HUITUO XINBANG TECHNOLOGY CO.,LTD.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant