CN114161980B - 基于边缘计算和大数据分析的安全用电管理方法和系统 - Google Patents

基于边缘计算和大数据分析的安全用电管理方法和系统 Download PDF

Info

Publication number
CN114161980B
CN114161980B CN202111202388.XA CN202111202388A CN114161980B CN 114161980 B CN114161980 B CN 114161980B CN 202111202388 A CN202111202388 A CN 202111202388A CN 114161980 B CN114161980 B CN 114161980B
Authority
CN
China
Prior art keywords
charging
image
cloud layer
precipitation
charging pile
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
CN202111202388.XA
Other languages
English (en)
Other versions
CN114161980A (zh
Inventor
余丹
兰雨晴
邢智涣
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.)
Zhongbiao Huian Information Technology Co Ltd
Original Assignee
Zhongbiao Huian Information 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 Zhongbiao Huian Information Technology Co Ltd filed Critical Zhongbiao Huian Information Technology Co Ltd
Priority to CN202111202388.XA priority Critical patent/CN114161980B/zh
Publication of CN114161980A publication Critical patent/CN114161980A/zh
Application granted granted Critical
Publication of CN114161980B publication Critical patent/CN114161980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/67—Controlling two or more charging stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • 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
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了基于边缘计算和大数据分析的安全用电管理方法和系统，其通过采集和分析充电桩的实时充电状态大数据，以此确定电网是否处于供电饱和状态，并适应性地调整每个充电桩对每个充电负载的充电状态，从而避免电网处于供电过负载而发生供电安全事故；此外，还通过对充电桩所在区域的卫星遥感影像进行边缘计算分析，以此确定对应区域的降水趋势而控制每个充电桩的允许充电时间，以及在出现降水天气时，采集和分析充电桩所在区域的地面区域影像而确定区域的积水深度，以此控制充电桩的开关状态，这样保证充电桩场所电网的持续稳固供电和避免充电桩场所因暴雨天气而发生漏电事故，从而提高充电桩场所的用电安全性。

Description

基于边缘计算和大数据分析的安全用电管理方法和系统
技术领域
本发明涉及智能用电管理的技术领域，特别涉及基于边缘计算和大数据分析的安全用电管理方法和系统。
背景技术
目前，电动车已经成为人们的主要出行工具。为了保证电动车的充电方便性，城市内部不同区域均设置有大型充电桩场所。这些充电桩场所通常设置在户外环境中，这样能够便于为大量用户提供集中化的充电场所。当充电桩场所同时存在大量电动车进行充电时，充电桩场所的电网会承受相应的充电负荷，若充电负荷超过电网可承受范围，会对电网造成巨大的冲击，从而影响电网的供电安全性。此外，由于充电桩场所设置在户外，当遭遇暴雨天气时，充电桩场所容易发生积水，这会使充电桩发生短路而产生严重的用电安全事故。可见，如何保证充电桩场所电网的持续稳固供电和避免充电桩场所因暴雨天气而发生漏电事故，直接影响充电桩场所的用电安全性。
发明内容
针对现有技术存在的缺陷，本发明提供基于边缘计算和大数据分析的安全用电管理方法和系统，其通过采集和分析充电桩的实时充电状态大数据，以此确定电网是否处于供电饱和状态，并适应性地调整每个充电桩对每个充电负载的充电状态，从而避免电网处于供电过负载而发生供电安全事故；此外，还通过对充电桩所在区域的卫星遥感影像进行边缘计算分析，以此确定对应区域的降水趋势而控制每个充电桩的允许充电时间，以及在出现降水天气时，采集和分析充电桩所在区域的地面区域影像而确定区域的积水深度，以此控制充电桩的开关状态，这样保证充电桩场所电网的持续稳固供电和避免充电桩场所因暴雨天气而发生漏电事故，从而提高充电桩场所的用电安全性。
本发明提供基于边缘计算和大数据分析的安全用电管理方法，其特征在于，其包括如下步骤：
步骤S1，采集若干充电桩各自的实时充电状态数据；根据所述实时充电状态数据，确定当前若干充电桩对应连接的电网是否处于供电饱和状态；当确定电网处于供电饱和状态，则根据每个充电桩对应的充电负载的充电量，调整每个充电负载的充电状态；
步骤S2，获取充电桩所在区域的卫星遥感影像；对所述卫星遥感影像进行边缘计算分析，以此确定充电桩所在区域在未来预设时间段内的降水趋势；根据所述降水趋势，控制每个充电桩的允许充电时间；
步骤S3，当充电桩所在区域出现降水天气时，采集充电桩所在区域的地面区域影像；分析所述地面区域影像，确定充电桩所在区域的积水深度；再根据所述积水深度，控制每个充电桩的开关状态；
进一步，在所述步骤S1中，采集若干充电桩各自的实时充电状态数据；根据所述实时充电状态数据，确定当前若干充电桩对应连接的电网是否处于供电饱和状态；当确定电网处于供电饱和状态，则根据每个充电桩对应的充电负载的充电量，调整每个充电负载的充电状态具体包括：
步骤S101，采集若干充电桩各自的实时充电输出电流变化数据和实时充电输出电压变化数据；根据所述实时充电输出电流变化数据和所述实时充电输出电压变化数据，确定每个充电桩在充电过程中的平均输出功率值；
步骤S102，根据每个充电桩在充电过程中的平均输出功率值，确定所有充电桩在充电过程中的平均输出总功率值；将所述平均输出总功率值与所述电网的最大供电功率值进行比对；若所述平均输出总功率值超过所述最大供电功率值的95％，则确定所述电网处于供电饱和状态；否则，确定所述电网不处于供电饱和状态；
步骤S103，当确定电网处于供电饱和状态，则获取每个充电桩对应的充电负载当前的充电量；若充电负载当前的充电量达到充电负载饱和电量的预设百分比时，将充电负载切换至慢充状态；否则，将充电负载切换至快充状态；
进一步，在所述步骤S2中，获取充电桩所在区域的卫星遥感影像；对所述卫星遥感影像进行边缘计算分析，以此确定充电桩所在区域在未来预设时间段内的降水趋势；根据所述降水趋势，控制每个充电桩的允许充电时间具体包括：
步骤S201，获取充电桩所在区域的卫星云层遥感影像，并对所述卫星云层遥感影像进行灰度化转换处理，从而得到灰度化云层影像；分析所述灰度化云层影像，以此识别得到降水云层的存在位置和降水云层的厚度；
步骤S202，根据所述降水云层的厚度，预测所述降水云层对应的降水量；根据所述降水云层的存在位置，预测充电桩所在区域的降水发生时间；
步骤S203，在所述降水发生时间对应的期间，缩短每个充电桩的单次连续允许充电持续时间；或者，当所述降水量超过预设降水量阈值，则缩短每个充电桩的单次连续允许充电持续时间；
进一步，在所述步骤S201中，分析所述灰度化云层影像，以此识别得到降水云层的存在位置和降水云层的厚度具体包括：
利用卫星上的传感器对远距离目标所辐射和反射的电磁波信息进行收集和处理而成像，故根据卫星云层遥感影像得到的灰度化云层影像是多层影像，其过程为：
步骤S2011，利用下面公式(1)，根据灰度化云层影像得到灰度化云层影像中每个像素点周围的云层聚集密度，
Figure GDA0003803414640000031
在上述公式(1)中，D(i,j)表示灰度化云层影像中第i行第j列像素点周围的云层聚集密度；Hk(i+a,j+b)表示灰度化云层影像中第k层图像中第i+a行第j+b列像素点的灰度值；K表示灰度化云层影像包含的图像层层数；n表示灰度化云层影像中每一层图像的每一行像素的像素点个数；m表示灰度化云层影像中每一层图像的每一列像素的像素点个数；∩表示取交集运算；∪表示取并集运算；
步骤S2012，利用下面公式(2)，根据灰度化云层影像中每个像素点周围的云层聚集密度，判断灰度化云层影像中每个像素点是否为降水云层所在位置的像素点，
Figure GDA0003803414640000041
在上述公式(2)中，E(i,j)表示灰度化云层影像中第i行第j列像素点是否为降水云层所在位置的像素点的判定值；D(i+a,j+b)表示灰度化云层影像中第i+a行第j+b列像素点周围的云层聚集密度；D0表示能够实现降水的云层聚集密度临界值；u[]表示阶跃函数，当括号内的数值大于或等于0，则阶跃函数的函数值为1，当括号内的数值小于0，则阶跃函数的函数值为0；
若E(i,j)＝0，表示灰度化云层影像中第i行第j列像素点是降水云层所在位置的像素点；
若E(i,j)＜0，表示灰度化云层影像中第i行第j列像素点不是降水云层所在位置的像素点；
步骤S2013，利用下面公式(3)，根据灰度化云层影像中确定是降水云层所在位置的像素点的遥感图像反射时间，得到降水云层的厚度，
Figure GDA0003803414640000042
在上述公式(3)中，H表示降水云层的厚度；δ[]表示脉冲激活函数，当括号内的数值为0，则脉冲激活函数的函数值为1，当括号内的数值不为0，则脉冲激活函数的函数值为0；c表示光束；tmax(i,j)表示卫星形成遥感图像时的最大反射时间；tmin(i,j)表示卫星形成遥感图像时的最小反射时间；
进一步，在所述步骤S3中，当充电桩所在区域出现降水天气时，采集充电桩所在区域的地面区域影像；分析所述地面区域影像，确定充电桩所在区域的积水深度；再根据所述积水深度，控制每个充电桩的开关状态具体包括：
步骤S301，当充电桩所在区域出现降水天气时，对充电桩所在区域的地面部分进行扫描拍摄，从而得到相应的地面区域影像；
步骤S302，对所述地面区域影像进行二值化转换处理后，从所述地面区域影像识别得到积水表面对应的水位线所在位置，以此确定充电桩所在区域的积水深度；
步骤S303，将所述积水深度与预设深度阈值进行比对；若所述积水深度超过预设深度阈值，则将对应区域的充电桩切换至关闭状态；否则，保持对应区域的充电桩的开启状态不变。
本发明还提供基于边缘计算和大数据分析的安全用电管理系统，其特征在于，其包括充电桩充电数据采集与分析模块、充电桩充电状态调整模块、遥感影像获取与分析模块、充电桩充电时间控制模块、地面区域影像采集与分析模块和充电桩开关状态控制模块；其中，
所述充电桩充电数据采集与分析模块用于采集若干充电桩各自的实时充电状态数据；根据所述实时充电状态数据，确定当前若干充电桩对应连接的电网是否处于供电饱和状态；
所述充电桩充电状态调整模块用于当确定电网处于供电饱和状态，则根据每个充电桩对应的充电负载的充电量，调整每个充电负载的充电状态；
所述遥感影像获取与分析模块用于获取充电桩所在区域的卫星遥感影像；对所述卫星遥感影像进行边缘计算分析，以此确定充电桩所在区域在未来预设时间段内的降水趋势；
所述充电桩充电时间控制模块用于根据所述降水趋势，控制每个充电桩的允许充电时间；
所述地面区域影像采集与分析模块用于当充电桩所在区域出现降水天气时，采集充电桩所在区域的地面区域影像；分析所述地面区域影像，确定充电桩所在区域的积水深度；
所述充电桩开关状态控制模块用于根据所述积水深度，控制每个充电桩的开关状态；
进一步，所述充电桩充电数据采集与分析模块用于采集若干充电桩各自的实时充电状态数据；根据所述实时充电状态数据，确定当前若干充电桩对应连接的电网是否处于供电饱和状态具体包括：
采集若干充电桩各自的实时充电输出电流变化数据和实时充电输出电压变化数据；根据所述实时充电输出电流变化数据和所述实时充电输出电压变化数据，确定每个充电桩在充电过程中的平均输出功率值；
根据每个充电桩在充电过程中的平均输出功率值，确定所有充电桩在充电过程中的平均输出总功率值；将所述平均输出总功率值与所述电网的最大供电功率值进行比对；若所述平均输出总功率值超过所述最大供电功率值的95％，则确定所述电网处于供电饱和状态；否则，确定所述电网不处于供电饱和状态；
以及，
所述充电桩充电状态调整模块用于当确定电网处于供电饱和状态，则根据每个充电桩对应的充电负载的充电量，调整每个充电负载的充电状态具体包括：
当确定电网处于供电饱和状态，则获取每个充电桩对应的充电负载当前的充电量；若充电负载当前的充电量达到充电负载饱和电量的预设百分比时，将充电负载切换至慢充状态；否则，将充电负载切换至快充状态；
进一步，所述遥感影像获取与分析模块用于获取充电桩所在区域的卫星遥感影像；对所述卫星遥感影像进行边缘计算分析，以此确定充电桩所在区域在未来预设时间段内的降水趋势具体包括：
获取充电桩所在区域的卫星云层遥感影像，并对所述卫星云层遥感影像进行灰度化转换处理，从而得到灰度化云层影像；分析所述灰度化云层影像，以此识别得到降水云层的存在位置和降水云层的厚度；
根据所述降水云层的厚度，预测所述降水云层对应的降水量；根据所述降水云层的存在位置，预测充电桩所在区域的降水发生时间；
以及，
所述充电桩充电时间控制模块用于根据所述降水趋势，控制每个充电桩的允许充电时间具体包括：
在所述降水发生时间对应的期间，缩短每个充电桩的单次连续允许充电持续时间；或者，当所述降水量超过预设降水量阈值，则缩短每个充电桩的单次连续允许充电持续时间；
进一步，所述地面区域影像采集与分析模块用于当充电桩所在区域出现降水天气时，采集充电桩所在区域的地面区域影像；分析所述地面区域影像，确定充电桩所在区域的积水深度具体包括：
当充电桩所在区域出现降水天气时，对充电桩所在区域的地面部分进行扫描拍摄，从而得到相应的地面区域影像；
对所述地面区域影像进行二值化转换处理后，从所述地面区域影像识别得到积水表面对应的水位线所在位置，以此确定充电桩所在区域的积水深度；
以及，
所述充电桩开关状态控制模块用于根据所述积水深度，控制每个充电桩的开关状态具体包括：
将所述积水深度与预设深度阈值进行比对；若所述积水深度超过预设深度阈值，则将对应区域的充电桩切换至关闭状态；否则，保持对应区域的充电桩的开启状态不变。
相比于现有技术，该边缘计算和大数据分析的安全用电管理方法和系统通过采集和分析充电桩的实时充电状态大数据，以此确定电网是否处于供电饱和状态，并适应性地调整每个充电桩对每个充电负载的充电状态，从而避免电网处于供电过负载而发生供电安全事故；此外，还通过对充电桩所在区域的卫星遥感影像进行边缘计算分析，以此确定对应区域的降水趋势而控制每个充电桩的允许充电时间，以及在出现降水天气时，采集和分析充电桩所在区域的地面区域影像而确定区域的积水深度，以此控制充电桩的开关状态，这样保证充电桩场所电网的持续稳固供电和避免充电桩场所因暴雨天气而发生漏电事故，从而提高充电桩场所的用电安全性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
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，对于本领域普通技术人员来讲，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为本发明提供的基于边缘计算和大数据分析的安全用电管理方法的流程示意图。
图2为本发明提供的基于边缘计算和大数据分析的安全用电管理系统的结构示意图。
具体实施方式
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，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
参阅图1，为本发明实施例提供的基于边缘计算和大数据分析的安全用电管理方法的流程示意图。该基于边缘计算和大数据分析的安全用电管理方法包括如下步骤：
步骤S1，采集若干充电桩各自的实时充电状态数据；根据该实时充电状态数据，确定当前若干充电桩对应连接的电网是否处于供电饱和状态；当确定电网处于供电饱和状态，则根据每个充电桩对应的充电负载的充电量，调整每个充电负载的充电状态；
步骤S2，获取充电桩所在区域的卫星遥感影像；对该卫星遥感影像进行边缘计算分析，以此确定充电桩所在区域在未来预设时间段内的降水趋势；根据该降水趋势，控制每个充电桩的允许充电时间；
步骤S3，当充电桩所在区域出现降水天气时，采集充电桩所在区域的地面区域影像；分析该地面区域影像，确定充电桩所在区域的积水深度；再根据该积水深度，控制每个充电桩的开关状态。
上述技术方案的有益效果为：该基于边缘计算和大数据分析的安全用电管理方法通过采集和分析充电桩的实时充电状态大数据，以此确定电网是否处于供电饱和状态，并适应性地调整每个充电桩对每个充电负载的充电状态，从而避免电网处于供电过负载而发生供电安全事故；此外，还通过对充电桩所在区域的卫星遥感影像进行边缘计算分析，以此确定对应区域的降水趋势而控制每个充电桩的允许充电时间，以及在出现降水天气时，采集和分析充电桩所在区域的地面区域影像而确定区域的积水深度，以此控制充电桩的开关状态，这样保证充电桩场所电网的持续稳固供电和避免充电桩场所因暴雨天气而发生漏电事故，从而提高充电桩场所的用电安全性。
优选地，在该步骤S1中，采集若干充电桩各自的实时充电状态数据；根据该实时充电状态数据，确定当前若干充电桩对应连接的电网是否处于供电饱和状态；当确定电网处于供电饱和状态，则根据每个充电桩对应的充电负载的充电量，调整每个充电负载的充电状态具体包括：
步骤S101，采集若干充电桩各自的实时充电输出电流变化数据和实时充电输出电压变化数据；根据该实时充电输出电流变化数据和该实时充电输出电压变化数据，确定每个充电桩在充电过程中的平均输出功率值；
步骤S102，根据每个充电桩在充电过程中的平均输出功率值，确定所有充电桩在充电过程中的平均输出总功率值；将该平均输出总功率值与该电网的最大供电功率值进行比对；若该平均输出总功率值超过该最大供电功率值的95％，则确定该电网处于供电饱和状态；否则，确定该电网不处于供电饱和状态；
步骤S103，当确定电网处于供电饱和状态，则获取每个充电桩对应的充电负载当前的充电量；若充电负载当前的充电量达到充电负载饱和电量的预设百分比时，将充电负载切换至慢充状态；否则，将充电负载切换至快充状态。
上述技术方案的有益效果为：在充电桩场所中分布设置有若干充电桩，每个充电桩能够独立对电动汽车等充电负载进行充电，并且所有充电桩均与相应的电网连接，这样电网能够对充电桩传输电能，从而实现充电桩对充电负载的充电。在充电桩对充电负载进行充电过程中，分别对充电负载以相应的电流和电压进行充电，从而使得每个充电桩能够独立向充电负载输出相应功率的电能。由于不同电动汽车等充电负载自身的充电参数并不相同以及电网自身的供电参数会发生变化，这使得每个充电桩在充电过程中输出的电流和电压并不能保持恒定，通过采集充电桩实数充电输出电流/电压变化数据，并进行相应的大数据分析而得到每个充电桩在充电过程中的平均输出功率值，继而计算出所有充电桩在充电过程中的平均输出总功率值，这样能够准确地获得所有充电桩的电能需求。接着将该平均输出总功率值与电网的最大供电功率值进行比对，以此确定电网是否处于供电饱和状态。若电网长期处于供电饱和状态，很容易导致电网发生老化而影响正常供电，此时将当前充电量达到饱和电量的预设百分比的充电负载切换至慢充状态，以及将其他充电负载切换到快充状态，能够在降低电网供电负荷的情况下，最大限度地提高充电桩对充电负载的充电效率和速度。
优选地，在该步骤S2中，获取充电桩所在区域的卫星遥感影像；对该卫星遥感影像进行边缘计算分析，以此确定充电桩所在区域在未来预设时间段内的降水趋势；根据该降水趋势，控制每个充电桩的允许充电时间具体包括：
步骤S201，获取充电桩所在区域的卫星云层遥感影像，并对该卫星云层遥感影像进行灰度化转换处理，从而得到灰度化云层影像；分析该灰度化云层影像，以此识别得到降水云层的存在位置和降水云层的厚度；
步骤S202，根据该降水云层的厚度，预测该降水云层对应的降水量；根据该降水云层的存在位置，预测充电桩所在区域的降水发生时间；
步骤S203，在该降水发生时间对应的期间，缩短每个充电桩的单次连续允许充电持续时间；或者，当该降水量超过预设降水量阈值，则缩短每个充电桩的单次连续允许充电持续时间。
上述技术方案的有益效果为：充电桩所在区域的卫星遥感影像直接反映充电桩所在区域的天气情况。通过分析卫星遥感影像，而从卫星遥感影像中识别得到其存在的降水云层，继而确定降水云层的存在位置和厚度能够准确地判断充电桩所在区域的降水趋势。通常而言，当降水云层的存在位置距离充电桩所在区域越近，充电桩所在区域越快发生降雨天气；当降水云层的厚度雨大，充电桩所在区域的降雨量也越大。当充电桩所在区域发生降雨或者降雨量过大时，缩短每个充电桩的单次连续允许充电持续时间，比如在未发生降水天气时，充电桩原有的单次连续允许充电持续时间为6个小时，若充电桩所在区域发生降雨或者降雨量过大，则充电桩的单次连续允许充电持续时间则缩短为3个小时，这样能够避免充电桩在降雨期间由于长时间充电而发生失灵或者短路的情况，从而确保充电桩的用电安全。
优选地，在该步骤S201中，分析该灰度化云层影像，以此识别得到降水云层的存在位置和降水云层的厚度具体包括：
利用卫星上的传感器对远距离目标所辐射和反射的电磁波信息进行收集和处理而成像，故根据卫星云层遥感影像得到的灰度化云层影像是多层影像，其过程为：
步骤S2011，利用下面公式(1)，根据灰度化云层影像得到灰度化云层影像中每个像素点周围的云层聚集密度，
Figure GDA0003803414640000121
在上述公式(1)中，D(i,j)表示灰度化云层影像中第i行第j列像素点周围的云层聚集密度；Hk(i+a,j+b)表示灰度化云层影像中第k层图像中第i+a行第j+b列像素点的灰度值；K表示灰度化云层影像包含的图像层层数；n表示灰度化云层影像中每一层图像的每一行像素的像素点个数；m表示灰度化云层影像中每一层图像的每一列像素的像素点个数；∩表示取交集运算；∪表示取并集运算；
步骤S2012，利用下面公式(2)，根据灰度化云层影像中每个像素点周围的云层聚集密度，判断灰度化云层影像中每个像素点是否为降水云层所在位置的像素点，
Figure GDA0003803414640000122
在上述公式(2)中，E(i,j)表示灰度化云层影像中第i行第j列像素点是否为降水云层所在位置的像素点的判定值；D(i+a,j+b)表示灰度化云层影像中第i+a行第j+b列像素点周围的云层聚集密度；D0表示能够实现降水的云层聚集密度临界值；u[]表示阶跃函数，当括号内的数值大于或等于0，则阶跃函数的函数值为1，当括号内的数值小于0，则阶跃函数的函数值为0；其中，只有像素点以及周围像素点都满足降水条件时才能为一个降水云层，要不单个像素点满足要求并不能称之为降水云层；
若E(i,j)＝0，表示灰度化云层影像中第i行第j列像素点是降水云层所在位置的像素点；
若E(i,j)＜0，表示灰度化云层影像中第i行第j列像素点不是降水云层所在位置的像素点；
步骤S2013，利用下面公式(3)，根据灰度化云层影像中确定是降水云层所在位置的像素点的遥感图像反射时间，得到降水云层的厚度，
Figure GDA0003803414640000131
在上述公式(3)中，H表示降水云层的厚度；δ[]表示脉冲激活函数，当括号内的数值为0，则脉冲激活函数的函数值为1，当括号内的数值不为0，则脉冲激活函数的函数值为0；c表示光束；tmax(i,j)表示卫星形成遥感图像时的最大反射时间；tmin(i,j)表示卫星形成遥感图像时的最小反射时间；其中，利用δ[E(i,j)]进行筛选，将符合降水云层条件的像素点筛选出来，然后通过c×[tmax(i,j)-tmin(i,j)]计算出每个降水云层像素点处的厚度，然后对所有像素点的厚度求和除以降水云层所有像素点的个数，即为对厚度求取平均值。
上述技术方案的有益效果为：利用上述公式(1)根据灰度化云层影像得到灰度化云层影像每个像素点周围的云层聚集密度，进而根据云层聚集密度可以分析当前云层的密集情况；再利用上述公式(2)根据灰度化云层影像每个像素点周围的云层聚集密度判断灰度化云层影像的每个像素点是否为降水云层存在位置的像素点，进而通过像素点确定降水云层的位置；最后利用上述公式(3)根据确定为降水云层存在位置的像素点的遥感图像反射时间得到降水云层的厚度，进而准确的求得降水云层厚度，方便后续的预测以及分析。
优选地，在该步骤S3中，当充电桩所在区域出现降水天气时，采集充电桩所在区域的地面区域影像；分析该地面区域影像，确定充电桩所在区域的积水深度；再根据该积水深度，控制每个充电桩的开关状态具体包括：
步骤S301，当充电桩所在区域出现降水天气时，对充电桩所在区域的地面部分进行扫描拍摄，从而得到相应的地面区域影像；
步骤S302，对该地面区域影像进行二值化转换处理后，从该地面区域影像识别得到积水表面对应的水位线所在位置，以此确定充电桩所在区域的积水深度；
步骤S303，将该积水深度与预设深度阈值进行比对；若该积水深度超过预设深度阈值，则将对应区域的充电桩切换至关闭状态；否则，保持对应区域的充电桩的开启状态不变。
上述技术方案的有益效果为：当充电桩所在区域由于降水而发生严重积水时，若积水深度超过预设深度阈值，会对充电桩内部的电路产生影响，严重的化对造成充电桩短路。为了避免充电桩发生短路，通过对充电桩所在区域的地面部分进行扫描拍摄，并对拍摄得到的地面区域影像进行分析，而确定充电桩所在区域的积水深度，从而适应性地将充电桩切换至关闭状态和开启状态，这样能够最大限度地避免充电桩不因积水而发生短路漏电的情况。
参阅图2，为本发明实施例提供的基于边缘计算和大数据分析的安全用电管理系统的结构示意图。该基于边缘计算和大数据分析的安全用电管理系统包括充电桩充电数据采集与分析模块、充电桩充电状态调整模块、遥感影像获取与分析模块、充电桩充电时间控制模块、地面区域影像采集与分析模块和充电桩开关状态控制模块；其中，
该充电桩充电数据采集与分析模块用于采集若干充电桩各自的实时充电状态数据；根据该实时充电状态数据，确定当前若干充电桩对应连接的电网是否处于供电饱和状态；
该充电桩充电状态调整模块用于当确定电网处于供电饱和状态，则根据每个充电桩对应的充电负载的充电量，调整每个充电负载的充电状态；
该遥感影像获取与分析模块用于获取充电桩所在区域的卫星遥感影像；对该卫星遥感影像进行边缘计算分析，以此确定充电桩所在区域在未来预设时间段内的降水趋势；
该充电桩充电时间控制模块用于根据该降水趋势，控制每个充电桩的允许充电时间；
该地面区域影像采集与分析模块用于当充电桩所在区域出现降水天气时，采集充电桩所在区域的地面区域影像；分析该地面区域影像，确定充电桩所在区域的积水深度；
该充电桩开关状态控制模块用于根据该积水深度，控制每个充电桩的开关状态。
上述技术方案的有益效果为：该基于边缘计算和大数据分析的安全用电管理系统通过采集和分析充电桩的实时充电状态大数据，以此确定电网是否处于供电饱和状态，并适应性地调整每个充电桩对每个充电负载的充电状态，从而避免电网处于供电过负载而发生供电安全事故；此外，还通过对充电桩所在区域的卫星遥感影像进行边缘计算分析，以此确定对应区域的降水趋势而控制每个充电桩的允许充电时间，以及在出现降水天气时，采集和分析充电桩所在区域的地面区域影像而确定区域的积水深度，以此控制充电桩的开关状态，这样保证充电桩场所电网的持续稳固供电和避免充电桩场所因暴雨天气而发生漏电事故，从而提高充电桩场所的用电安全性。
优选地，该充电桩充电数据采集与分析模块用于采集若干充电桩各自的实时充电状态数据；根据该实时充电状态数据，确定当前若干充电桩对应连接的电网是否处于供电饱和状态具体包括：
采集若干充电桩各自的实时充电输出电流变化数据和实时充电输出电压变化数据；根据该实时充电输出电流变化数据和该实时充电输出电压变化数据，确定每个充电桩在充电过程中的平均输出功率值；
根据每个充电桩在充电过程中的平均输出功率值，确定所有充电桩在充电过程中的平均输出总功率值；将该平均输出总功率值与该电网的最大供电功率值进行比对；若该平均输出总功率值超过该最大供电功率值的95％，则确定该电网处于供电饱和状态；否则，确定该电网不处于供电饱和状态；
以及，
该充电桩充电状态调整模块用于当确定电网处于供电饱和状态，则根据每个充电桩对应的充电负载的充电量，调整每个充电负载的充电状态具体包括：
当确定电网处于供电饱和状态，则获取每个充电桩对应的充电负载当前的充电量；若充电负载当前的充电量达到充电负载饱和电量的预设百分比时，将充电负载切换至慢充状态；否则，将充电负载切换至快充状态。
上述技术方案的有益效果为：在充电桩场所中分布设置有若干充电桩，每个充电桩能够独立对电动汽车等充电负载进行充电，并且所有充电桩均与相应的电网连接，这样电网能够对充电桩传输电能，从而实现充电桩对充电负载的充电。在充电桩对充电负载进行充电过程中，分别对充电负载以相应的电流和电压进行充电，从而使得每个充电桩能够独立向充电负载输出相应功率的电能。由于不同电动汽车等充电负载自身的充电参数并不相同以及电网自身的供电参数会发生变化，这使得每个充电桩在充电过程中输出的电流和电压并不能保持恒定，通过采集充电桩实数充电输出电流/电压变化数据，并进行相应的大数据分析而得到每个充电桩在充电过程中的平均输出功率值，继而计算出所有充电桩在充电过程中的平均输出总功率值，这样能够准确地获得所有充电桩的电能需求。接着将该平均输出总功率值与电网的最大供电功率值进行比对，以此确定电网是否处于供电饱和状态。若电网长期处于供电饱和状态，很容易导致电网发生老化而影响正常供电，此时将当前充电量达到饱和电量的预设百分比的充电负载切换至慢充状态，以及将其他充电负载切换到快充状态，能够在降低电网供电负荷的情况下，最大限度地提高充电桩对充电负载的充电效率和速度。
优选地，该遥感影像获取与分析模块用于获取充电桩所在区域的卫星遥感影像；对该卫星遥感影像进行边缘计算分析，以此确定充电桩所在区域在未来预设时间段内的降水趋势具体包括：
获取充电桩所在区域的卫星云层遥感影像，并对该卫星云层遥感影像进行灰度化转换处理，从而得到灰度化云层影像；分析该灰度化云层影像，以此识别得到降水云层的存在位置和降水云层的厚度；
根据该降水云层的厚度，预测该降水云层对应的降水量；根据该降水云层的存在位置，预测充电桩所在区域的降水发生时间；
以及，
该充电桩充电时间控制模块用于根据该降水趋势，控制每个充电桩的允许充电时间具体包括：
在该降水发生时间对应的期间，缩短每个充电桩的单次连续允许充电持续时间；或者，当该降水量超过预设降水量阈值，则缩短每个充电桩的单次连续允许充电持续时间。
上述技术方案的有益效果为：充电桩所在区域的卫星遥感影像直接反映充电桩所在区域的天气情况。通过分析卫星遥感影像，而从卫星遥感影像中识别得到其存在的降水云层，继而确定降水云层的存在位置和厚度能够准确地判断充电桩所在区域的降水趋势。通常而言，当降水云层的存在位置距离充电桩所在区域越近，充电桩所在区域越快发生降雨天气；当降水云层的厚度雨大，充电桩所在区域的降雨量也越大。当充电桩所在区域发生降雨或者降雨量过大时，缩短每个充电桩的单次连续允许充电持续时间，比如在未发生降水天气时，充电桩原有的单次连续允许充电持续时间为6个小时，若充电桩所在区域发生降雨或者降雨量过大，则充电桩的单次连续允许充电持续时间则缩短为3个小时，这样能够避免充电桩在降雨期间由于长时间充电而发生失灵或者短路的情况，从而确保充电桩的用电安全。
优选地，该地面区域影像采集与分析模块用于当充电桩所在区域出现降水天气时，采集充电桩所在区域的地面区域影像；分析该地面区域影像，确定充电桩所在区域的积水深度具体包括：
当充电桩所在区域出现降水天气时，对充电桩所在区域的地面部分进行扫描拍摄，从而得到相应的地面区域影像；
对该地面区域影像进行二值化转换处理后，从该地面区域影像识别得到积水表面对应的水位线所在位置，以此确定充电桩所在区域的积水深度；
以及，
该充电桩开关状态控制模块用于根据该积水深度，控制每个充电桩的开关状态具体包括：
将该积水深度与预设深度阈值进行比对；若该积水深度超过预设深度阈值，则将对应区域的充电桩切换至关闭状态；否则，保持对应区域的充电桩的开启状态不变。
上述技术方案的有益效果为：当充电桩所在区域由于降水而发生严重积水时，若积水深度超过预设深度阈值，会对充电桩内部的电路产生影响，严重的化对造成充电桩短路。为了避免充电桩发生短路，通过对充电桩所在区域的地面部分进行扫描拍摄，并对拍摄得到的地面区域影像进行分析，而确定充电桩所在区域的积水深度，从而适应性地将充电桩切换至关闭状态和开启状态，这样能够最大限度地避免充电桩不因积水而发生短路漏电的情况。
从上述实施例的内容可知，该基于边缘计算和大数据分析的安全用电管理方法和系统通过采集和分析充电桩的实时充电状态大数据，以此确定电网是否处于供电饱和状态，并适应性地调整每个充电桩对每个充电负载的充电状态，从而避免电网处于供电过负载而发生供电安全事故；此外，还通过对充电桩所在区域的卫星遥感影像进行边缘计算分析，以此确定对应区域的降水趋势而控制每个充电桩的允许充电时间，以及在出现降水天气时，采集和分析充电桩所在区域的地面区域影像而确定区域的积水深度，以此控制充电桩的开关状态，这样保证充电桩场所电网的持续稳固供电和避免充电桩场所因暴雨天气而发生漏电事故，从而提高充电桩场所的用电安全性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.基于边缘计算和大数据分析的安全用电管理方法，其特征在于，其包括如下步骤：
步骤S1，采集若干充电桩各自的实时充电状态数据；根据所述实时充电状态数据，确定当前若干充电桩对应连接的电网是否处于供电饱和状态；当确定电网处于供电饱和状态，则根据每个充电桩对应的充电负载的充电量，调整每个充电负载的充电状态；
步骤S2，获取充电桩所在区域的卫星遥感影像；对所述卫星遥感影像进行边缘计算分析，以此确定充电桩所在区域在未来预设时间段内的降水趋势；根据所述降水趋势，控制每个充电桩的允许充电时间；
步骤S3，当充电桩所在区域出现降水天气时，采集充电桩所在区域的地面区域影像；分析所述地面区域影像，确定充电桩所在区域的积水深度；再根据所述积水深度，控制每个充电桩的开关状态；
其中，在所述步骤S2中，获取充电桩所在区域的卫星遥感影像；对所述卫星遥感影像进行边缘计算分析，以此确定充电桩所在区域在未来预设时间段内的降水趋势；根据所述降水趋势，控制每个充电桩的允许充电时间具体包括：
步骤S201，获取充电桩所在区域的卫星云层遥感影像，并对所述卫星云层遥感影像进行灰度化转换处理，从而得到灰度化云层影像；分析所述灰度化云层影像，以此识别得到降水云层的存在位置和降水云层的厚度；
步骤S202，根据所述降水云层的厚度，预测所述降水云层对应的降水量；根据所述降水云层的存在位置，预测充电桩所在区域的降水发生时间；
步骤S203，在所述降水发生时间对应的期间，缩短每个充电桩的单次连续允许充电持续时间；或者，当所述降水量超过预设降水量阈值，则缩短每个充电桩的单次连续允许充电持续时间；
其中，在所述步骤S201中，分析所述灰度化云层影像，以此识别得到降水云层的存在位置和降水云层的厚度具体包括：
利用卫星上的传感器对远距离目标所辐射和反射的电磁波信息进行收集和处理而成像，故根据卫星云层遥感影像得到的灰度化云层影像是多层影像，其过程为：
步骤S2011，利用下面公式(1)，根据灰度化云层影像得到灰度化云层影像中每个像素点周围的云层聚集密度，
Figure FDA0003803414630000021
在上述公式(1)中，D(i,j)表示灰度化云层影像中第i行第j列像素点周围的云层聚集密度；Hk(i+a,j+b)表示灰度化云层影像中第k层图像中第i+a行第j+b列像素点的灰度值；K表示灰度化云层影像包含的图像层层数；n表示灰度化云层影像中每一层图像的每一行像素的像素点个数；m表示灰度化云层影像中每一层图像的每一列像素的像素点个数；∩表示取交集运算；∪表示取并集运算；
步骤S2012，利用下面公式(2)，根据灰度化云层影像中每个像素点周围的云层聚集密度，判断灰度化云层影像中每个像素点是否为降水云层所在位置的像素点，
Figure FDA0003803414630000022
在上述公式(2)中，E(i,j)表示灰度化云层影像中第i行第j列像素点是否为降水云层所在位置的像素点的判定值；D(i+a,j+b)表示灰度化云层影像中第i+a行第j+b列像素点周围的云层聚集密度；D0表示能够实现降水的云层聚集密度临界值；u[]表示阶跃函数，当括号内的数值大于或等于0，则阶跃函数的函数值为1，当括号内的数值小于0，则阶跃函数的函数值为0；
若E(i,j)＝0，表示灰度化云层影像中第i行第j列像素点是降水云层所在位置的像素点；
若E(i,j)＜0，表示灰度化云层影像中第i行第j列像素点不是降水云层所在位置的像素点；
步骤S2013，利用下面公式(3)，根据灰度化云层影像中确定是降水云层所在位置的像素点的遥感图像反射时间，得到降水云层的厚度，
Figure FDA0003803414630000031
在上述公式(3)中，H表示降水云层的厚度；δ[]表示脉冲激活函数，当括号内的数值为0，则脉冲激活函数的函数值为1，当括号内的数值不为0，则脉冲激活函数的函数值为0；c表示光束；tmax(i,j)表示卫星形成遥感图像时的最大反射时间；tmin(i,j)表示卫星形成遥感图像时的最小反射时间。
2.如权利要求1所述的基于边缘计算和大数据分析的安全用电管理方法，其特征在于：
在所述步骤S1中，采集若干充电桩各自的实时充电状态数据；根据所述实时充电状态数据，确定当前若干充电桩对应连接的电网是否处于供电饱和状态；当确定电网处于供电饱和状态，则根据每个充电桩对应的充电负载的充电量，调整每个充电负载的充电状态具体包括：
步骤S101，采集若干充电桩各自的实时充电输出电流变化数据和实时充电输出电压变化数据；根据所述实时充电输出电流变化数据和所述实时充电输出电压变化数据，确定每个充电桩在充电过程中的平均输出功率值；
步骤S102，根据每个充电桩在充电过程中的平均输出功率值，确定所有充电桩在充电过程中的平均输出总功率值；将所述平均输出总功率值与所述电网的最大供电功率值进行比对；若所述平均输出总功率值超过所述最大供电功率值的95％，则确定所述电网处于供电饱和状态；否则，确定所述电网不处于供电饱和状态；
步骤S103，当确定电网处于供电饱和状态，则获取每个充电桩对应的充电负载当前的充电量；若充电负载当前的充电量达到充电负载饱和电量的预设百分比时，将充电负载切换至慢充状态；否则，将充电负载切换至快充状态。
3.如权利要求1所述的基于边缘计算和大数据分析的安全用电管理方法，其特征在于：
在所述步骤S3中，当充电桩所在区域出现降水天气时，采集充电桩所在区域的地面区域影像；分析所述地面区域影像，确定充电桩所在区域的积水深度；再根据所述积水深度，控制每个充电桩的开关状态具体包括：
步骤S301，当充电桩所在区域出现降水天气时，对充电桩所在区域的地面部分进行扫描拍摄，从而得到相应的地面区域影像；
步骤S302，对所述地面区域影像进行二值化转换处理后，从所述地面区域影像识别得到积水表面对应的水位线所在位置，以此确定充电桩所在区域的积水深度；
步骤S303，将所述积水深度与预设深度阈值进行比对；若所述积水深度超过预设深度阈值，则将对应区域的充电桩切换至关闭状态；否则，保持对应区域的充电桩的开启状态不变。
4.基于边缘计算和大数据分析的安全用电管理系统，其特征在于，其包括充电桩充电数据采集与分析模块、充电桩充电状态调整模块、遥感影像获取与分析模块、充电桩充电时间控制模块、地面区域影像采集与分析模块和充电桩开关状态控制模块；其中，
所述充电桩充电数据采集与分析模块用于采集若干充电桩各自的实时充电状态数据；根据所述实时充电状态数据，确定当前若干充电桩对应连接的电网是否处于供电饱和状态；
所述充电桩充电状态调整模块用于当确定电网处于供电饱和状态，则根据每个充电桩对应的充电负载的充电量，调整每个充电负载的充电状态；所述遥感影像获取与分析模块用于获取充电桩所在区域的卫星遥感影像；对所述卫星遥感影像进行边缘计算分析，以此确定充电桩所在区域在未来预设时间段内的降水趋势；
所述充电桩充电时间控制模块用于根据所述降水趋势，控制每个充电桩的允许充电时间；
所述地面区域影像采集与分析模块用于当充电桩所在区域出现降水天气时，采集充电桩所在区域的地面区域影像；分析所述地面区域影像，确定充电桩所在区域的积水深度；
所述充电桩开关状态控制模块用于根据所述积水深度，控制每个充电桩的开关状态；
其中，所述遥感影像获取与分析模块用于获取充电桩所在区域的卫星遥感影像；对所述卫星遥感影像进行边缘计算分析，以此确定充电桩所在区域在未来预设时间段内的降水趋势具体包括：
获取充电桩所在区域的卫星云层遥感影像，并对所述卫星云层遥感影像进行灰度化转换处理，从而得到灰度化云层影像；分析所述灰度化云层影像，以此识别得到降水云层的存在位置和降水云层的厚度；
根据所述降水云层的厚度，预测所述降水云层对应的降水量；根据所述降水云层的存在位置，预测充电桩所在区域的降水发生时间；
以及，
所述充电桩充电时间控制模块用于根据所述降水趋势，控制每个充电桩的允许充电时间具体包括：
在所述降水发生时间对应的期间，缩短每个充电桩的单次连续允许充电持续时间；或者，当所述降水量超过预设降水量阈值，则缩短每个充电桩的单次连续允许充电持续时间；
其中，分析所述灰度化云层影像，以此识别得到降水云层的存在位置和降水云层的厚度具体包括：
利用卫星上的传感器对远距离目标所辐射和反射的电磁波信息进行收集和处理而成像，故根据卫星云层遥感影像得到的灰度化云层影像是多层影像，其过程为：
步骤S2011，利用下面公式(1)，根据灰度化云层影像得到灰度化云层影像中每个像素点周围的云层聚集密度，
Figure FDA0003803414630000061
在上述公式(1)中，D(i,j)表示灰度化云层影像中第i行第j列像素点周围的云层聚集密度；Hk(i+a,j+b)表示灰度化云层影像中第k层图像中第i+a行第j+b列像素点的灰度值；K表示灰度化云层影像包含的图像层层数；n表示灰度化云层影像中每一层图像的每一行像素的像素点个数；m表示灰度化云层影像中每一层图像的每一列像素的像素点个数；∩表示取交集运算；∪表示取并集运算；
步骤S2012，利用下面公式(2)，根据灰度化云层影像中每个像素点周围的云层聚集密度，判断灰度化云层影像中每个像素点是否为降水云层所在位置的像素点，
Figure FDA0003803414630000071
在上述公式(2)中，E(i,j)表示灰度化云层影像中第i行第j列像素点是否为降水云层所在位置的像素点的判定值；D(i+a,j+b)表示灰度化云层影像中第i+a行第j+b列像素点周围的云层聚集密度；D0表示能够实现降水的云层聚集密度临界值；u[]表示阶跃函数，当括号内的数值大于或等于0，则阶跃函数的函数值为1，当括号内的数值小于0，则阶跃函数的函数值为0；
若E(i,j)＝0，表示灰度化云层影像中第i行第j列像素点是降水云层所在位置的像素点；
若E(i,j)＜0，表示灰度化云层影像中第i行第j列像素点不是降水云层所在位置的像素点；
步骤S2013，利用下面公式(3)，根据灰度化云层影像中确定是降水云层所在位置的像素点的遥感图像反射时间，得到降水云层的厚度，
Figure FDA0003803414630000072
在上述公式(3)中，H表示降水云层的厚度；δ[]表示脉冲激活函数，当括号内的数值为0，则脉冲激活函数的函数值为1，当括号内的数值不为0，则脉冲激活函数的函数值为0；c表示光束；tmax(i,j)表示卫星形成遥感图像时的最大反射时间；tmin(i,j)表示卫星形成遥感图像时的最小反射时间。
5.如权利要求4所述的基于边缘计算和大数据分析的安全用电管理系统，其特征在于：
所述充电桩充电数据采集与分析模块用于采集若干充电桩各自的实时充电状态数据；根据所述实时充电状态数据，确定当前若干充电桩对应连接的电网是否处于供电饱和状态具体包括：
采集若干充电桩各自的实时充电输出电流变化数据和实时充电输出电压变化数据；根据所述实时充电输出电流变化数据和所述实时充电输出电压变化数据，确定每个充电桩在充电过程中的平均输出功率值；
根据每个充电桩在充电过程中的平均输出功率值，确定所有充电桩在充电过程中的平均输出总功率值；将所述平均输出总功率值与所述电网的最大供电功率值进行比对；若所述平均输出总功率值超过所述最大供电功率值的95％，则确定所述电网处于供电饱和状态；否则，确定所述电网不处于供电饱和状态；
以及，
所述充电桩充电状态调整模块用于当确定电网处于供电饱和状态，则根据每个充电桩对应的充电负载的充电量，调整每个充电负载的充电状态具体包括：
当确定电网处于供电饱和状态，则获取每个充电桩对应的充电负载当前的充电量；若充电负载当前的充电量达到充电负载饱和电量的预设百分比时，将充电负载切换至慢充状态；否则，将充电负载切换至快充状态。
6.如权利要求4所述的基于边缘计算和大数据分析的安全用电管理系统，其特征在于：
所述地面区域影像采集与分析模块用于当充电桩所在区域出现降水天气时，采集充电桩所在区域的地面区域影像；分析所述地面区域影像，确定充电桩所在区域的积水深度具体包括：
当充电桩所在区域出现降水天气时，对充电桩所在区域的地面部分进行扫描拍摄，从而得到相应的地面区域影像；
对所述地面区域影像进行二值化转换处理后，从所述地面区域影像识别得到积水表面对应的水位线所在位置，以此确定充电桩所在区域的积水深度；
以及，
所述充电桩开关状态控制模块用于根据所述积水深度，控制每个充电桩的开关状态具体包括：
将所述积水深度与预设深度阈值进行比对；若所述积水深度超过预设深度阈值，则将对应区域的充电桩切换至关闭状态；否则，保持对应区域的充电桩的开启状态不变。
CN202111202388.XA 2021-10-15 2021-10-15 基于边缘计算和大数据分析的安全用电管理方法和系统 Active CN114161980B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111202388.XA CN114161980B (zh) 2021-10-15 2021-10-15 基于边缘计算和大数据分析的安全用电管理方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111202388.XA CN114161980B (zh) 2021-10-15 2021-10-15 基于边缘计算和大数据分析的安全用电管理方法和系统

Publications (2)

Publication Number Publication Date
CN114161980A CN114161980A (zh) 2022-03-11
CN114161980B true CN114161980B (zh) 2022-10-21

Family

ID=80476878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111202388.XA Active CN114161980B (zh) 2021-10-15 2021-10-15 基于边缘计算和大数据分析的安全用电管理方法和系统

Country Status (1)

Country Link
CN (1) CN114161980B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0738902A2 (de) * 1995-04-22 1996-10-23 GRUNDIG E.M.V. Elektro-Mechanische Versuchsanstalt Max Grundig Verfahren und Einrichtung zur Aufbereitung von Wettersatellitenbildern
CN1619336A (zh) * 2004-12-08 2005-05-25 中国海洋大学 海上气象能见度的卫星定量遥感方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3494050B2 (ja) * 1998-12-24 2004-02-03 三菱電機株式会社 画像処理装置および画像処理方法
US10411495B2 (en) * 2012-06-13 2019-09-10 Clear Blue Technologies Inc. System for the monitoring and maintenance of remote autonomously powered lighting installations
CN108151824B (zh) * 2016-12-05 2019-11-08 比亚迪股份有限公司 基于车载全景影像的水位识别方法及系统
CN109117975A (zh) * 2017-06-26 2019-01-01 广州灿明都科技有限责任公司 一种电动汽车充电桩的充电管理系统及方法
CN208109210U (zh) * 2018-03-14 2018-11-16 宁波三星智能电气有限公司 一种防水型室外充电桩
JP7063234B2 (ja) * 2018-10-26 2022-05-09 トヨタ自動車株式会社 充電制御装置、充電システム、及び車両
CN110488391B (zh) * 2019-07-01 2021-05-04 佛山科学技术学院 针对小区域的天气预测系统、方法及存储介质
AU2020102702A4 (en) * 2020-10-13 2020-12-03 Institute Of Atmospheric Physics, Chinese Academy Of Sciences Cloud-base height sounding device

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0738902A2 (de) * 1995-04-22 1996-10-23 GRUNDIG E.M.V. Elektro-Mechanische Versuchsanstalt Max Grundig Verfahren und Einrichtung zur Aufbereitung von Wettersatellitenbildern
CN1619336A (zh) * 2004-12-08 2005-05-25 中国海洋大学 海上气象能见度的卫星定量遥感方法

Also Published As

Publication number Publication date
CN114161980A (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN101588515B (zh) 线阵遥感ccd相机动态范围自适应实时调节方法
CN102252623B (zh) 基于视频差异分析的输电线路导/地线覆冰厚度测量方法
CN111694010A (zh) 一种基于视觉与激光雷达融合的路侧车辆识别方法
CN102638013B (zh) 基于视觉注意机制的标靶图像识别输电线路状态监测系统
CN110097787B (zh) 一种基于监控航标灯的船只碰撞预警监测系统及方法
CN100510774C (zh) 一种合成孔径雷达图像自适应斑点噪声抑制方法
CN202771621U (zh) 一种涉水交通诱导系统
CN108764108A (zh) 一种基于贝叶斯统计决策的前车检测方法
CN102867420A (zh) 一种涉水交通诱导系统及方法
CN114161980B (zh) 基于边缘计算和大数据分析的安全用电管理方法和系统
CN116384733A (zh) 一种强对流天气下基于气象雷达的输电线路风险预警方法
CN115691049A (zh) 一种基于深度学习的对流初生预警方法
CN101359402B (zh) 复杂背景下红外背景预测算子的自动选择方法
CN112052768A (zh) 基于无人机的城市违章停车检测方法、装置及存储介质
CN114754744B (zh) 基于计算机图像识别的水库水位动态监控方法
CN115638850A (zh) 用于洪涝减灾的方法、井盖设备、电子设备和存储介质
CN113657621A (zh) 一种隐患监测方法和系统
CN111275279B (zh) 车库充电桩配电箱需要系数调研系统及方法
CN114004399A (zh) 发电量损失预测方法及装置、电子设备
CN116454882B (zh) 一种基于机器视觉预测体的光伏发电预测方法
CN113696895B (zh) 一种通过自学习进行底盘控制的系统和方法
CN116381719B (zh) 一种基于激光雷达的污染区域增强识别方法
CN114999164B (zh) 智能交通预警处理方法及相关设备
CN114627653B (zh) 基于双目识别的5g智能道闸管理系统
CN116186563A (zh) 一种基于5g业务迁移特征的晴雨边界判定方法

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