CN114445152A - 充电站的选址方法、装置、电子设备及可读存储介质 - Google Patents
充电站的选址方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN114445152A CN114445152A CN202210211973.4A CN202210211973A CN114445152A CN 114445152 A CN114445152 A CN 114445152A CN 202210211973 A CN202210211973 A CN 202210211973A CN 114445152 A CN114445152 A CN 114445152A
- Authority
- CN
- China
- Prior art keywords
- charging
- distribution information
- spatial distribution
- planned
- area
- 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.)
- Pending
Links
- 238000010187 selection method Methods 0.000 title abstract description 6
- 238000000034 method Methods 0.000 claims description 46
- 238000004590 computer program Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
Abstract
本公开提供了充电站的选址方法、装置、电子设备及可读存储介质,涉及数据处理技术领域,尤其涉及时空大数据或者充电站技术领域。具体实现方案为:根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息;基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址。本方案中,通过待规划区域内的充电能力空间分布信息以及充电需求空间分布信息分析得到待建充电站的选址,能够保证充电站选址的合理性,从而提升充电站的使用效果。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及时空大数据或者充电站技术领域,具体而言,本公开涉及一种充电站的选址方法、装置、电子设备及可读存储介质。
背景技术
电动车辆因其具有的节能环保的优点被越来越多的用户所选择。充电站是用于为电动车辆进行充电的配套设施,对电动车辆的普及有着重要的影响。
在对充电站在建设规划时,充电站选址的合理性会直接充电站的使用效果,因此,如何对充电站进行合理选址成为了充电站建设规划过程中的一个重要技术问题。
发明内容
本公开为了解决上述缺陷中的至少一项,提供了一种充电站的选址方法、装置、电子设备及可读存储介质。
根据本公开的第一方面,提供了一种充电站的选址方法,该方法包括:
根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;
基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息;
基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址。
根据本公开的第二方面,提供了一种充电站的选址装置,该装置包括:
充电能力空间分布模块,用于根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;
充电需求空间分布模块,用于基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息;
充电站选址模块,用于基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址。
根据本公开的第三方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与上述至少一个处理器通信连接的存储器;其中,
存储器存储有可被上述至少一个处理器执行的指令,指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行上述充电站的选址方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,该计算机指令用于使计算机执行上述充电站的选址方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现上述充电站的选址方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开实施例提供的一种充电站的选址方法的流程示意图;
图2是本公开实施例提供的另一种充电站的选址方法的流程示意图;
图3是本公开实施例提供的一种充电站的选址装置的结构示意图;
图4是本公开实施例提供的另一种充电站的选址装置的结构示意图;
图5是用来实现本公开实施例的充电站的选址方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了本公开实施例提供的一种充电站的选址方法的流程示意图,如图1中所示,该方法主要可以包括:
步骤S110:根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;
步骤S120:基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息;
步骤S130:基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址。
其中,待规划区域为需要进行充电站建设规划的区域。已建充电站的待规划区域中已经完成建设并投入使用的充电站。
充电站相关数据可以包括充电站的位置信息,以及可能反映充电站充电能力的数据,如充电站中所拥有的充电桩数量以及充电桩的类型等,充电桩的类型可以包括快充充电桩以及慢充充电桩,快充充电桩的充电效率相较于慢充充电桩更高。
充电能力空间分布信息用于描述已建充电站为待规划区域中不同位置提供充电服务的能力,可以基于充电站相关数据进行建模,通过构建的模型来描述充电能力空间分布信息。
作为一个示例,如与充电站临近的一片区域确定为充电站的服务区域。对于在服务区域以外的区域,由于其距离充电站的距离较远,充电站对其的服务能力相较于服务区域内较弱。充电能力空间分布信息能够反映出服务区域内外对应的充电能力的强弱情况。
充电需求空间分布信息用于描述电动车辆在待规划区域中各位置的进行充电的需求程度。由于电动车辆的充电时间一般较长,因此用户倾向于边停车边充电,因此基于电动车辆的停车位置进行建模,通过构建的模型来描述充电需求空间分布信息。
本公开实施例中,在针对待规划区域进行建站规划时,可以根据充电站相关数据确定出对待规划区域内的提供充电服务的能力,并结合用户的停车位置分析出待规划区域内的各位置存在的充电需求,从而综合分析出待建充电站的选址,能够使得确定出的选址更为合理。
本公开实施例提供的方法,通过根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息;基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址。本方案中,通过待规划区域内的充电能力空间分布信息以及充电需求空间分布信息分析得到待建充电站的选址,能够保证充电站选址的合理性,从而提升充电站的使用效果。
本公开的一种可选方式中,停车位置包括停车未充电位置以及停车且充电位置,充电需求空间分布信息包括基于停车未充电位置确定出的第一充电需求空间分布信息,以及基于停车且充电位置确定出的第二充电需求空间分布信息。
本公开实施例中,停车位置可以包括停车未充电位置以及停车且充电位置。具体而言,停车位置可以为电动车速度为零的位置。停车未充电位置可以为电动车速度为零且电动车辆的剩余电量未增加的位置。停车且充电位置可以为电动车速度为零且电动车辆的剩余电量增加的位置。
停车未充电位置以及停车且充电位置均能够反映电动车辆的充电需求,可以针对停车未充电位置确定第一充电需求空间分布信息,针对停车且充电位置确定第二充电需求空间分布信息。
本公开的一种可选方式中,根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息,包括:
针对待规划区域内的各已建充电站,分别根据已建充电站的充电站相关数据确定已建充电站对待规划区域内的子充电能力空间分布信息;
将各子充电能力空间分布信息进行叠加,得到待规划区域内的充电能力空间分布信息。
本公开实施例中,待规划区域可能会包括多个已建充电站。子充电能力空间分布信息用于描述所对应的一个已建充电站对待规划区域内各位置的充电能力。
本公开实施例中,可以分别根据已建充电站的充电站相关数据确定各已建充电站的在待规划区域内的子充电能力空间分布信息,而后将各子充电能力空间分布信息进行叠加,得到待规划区域内的充电能力空间分布信息。
本公开的一种可选方式中,根据已建充电站的充电站相关数据确定已建充电站对待规划区域内的子充电能力空间分布信息,包括:
基于已建充电站的充电站相关数据构建子充电能力高斯分布模型,子充电能力高斯分布模型用于描述已建充电站对待规划区域内的子充电能力空间分布信息;
将各子充电能力空间分布信息进行叠加,得到待规划区域内的充电能力空间分布信息,包括:
将用于描述各子充电能力空间分布信息的子充电能力高斯分布模型进行叠加,得到充电能力高斯分布模型,充电能力高斯分布模型用于描述待规划区域内的充电能力空间分布信息。
本公开实施例中,充电站相关数据服从高斯分布,因此可以基于已建充电站的充电站相关数据构建该充电站对应的子充电能力高斯分布模型,子充电能力高斯分布模型能够描述该已建充电站对待规划区域内的子充电能力空间分布信息。
本公开实施例中,将各子充电能力空间分布信息进行叠加,可以通过将各子充电能力高斯分布模型进行叠加,得到充电能力高斯分布模型的方式实现。
作为一个示例,充电能力高斯分布模型可以通过如下的公式一表示:
其中,K为已建充电站的数量,θk为第k个充电站对应的子充电能力高斯分布模型的高斯分布参数,θk为充电能力高斯分布模型的高斯分布参数,ye为子充电能力高斯分布模型的概率密度值,P(elec)(ye|θe)表示充电能力高斯分布模型的概率密度值。
在实际使用中,已建充电站为待规划区域中不同位置提供充电服务的能力可以通过充电能力高斯分布模型预测出的该位置的概率密度值来衡量。
本公开的一种可选方式中,基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息,包括:
基于待规划区域内电动车辆的停车位置构建充电需求高斯分布模型,充电需求高斯分布模型用于描述待规划区域内的充电需求空间分布信息。
本公开实施例中,电动车辆的停车位置服从高斯分布,因此可以基于电动车辆的停车位置构建充电需求高斯分布模型。具体而言,可以基于停车未充电位置构建第一充电需求高斯分布模型,第一充电需求高斯分布模型用于描述第一充电需求空间分布信息。可以基于停车且充电位置构建第二充电需求高斯分布模型,第二充电需求高斯分布模型用于描述第二充电需求空间分布信息。
在实际使用中,电动车辆在待规划区域中各位置的进行充电的需求程度可以通过充电需求高斯分布模型预测出的该位置的概率密度值来衡量。
作为一个示例,充电需求高斯分布模型可以通过如下的公式二表示:
其中,充电需求高斯分布模型为包括K’个子充电需求高斯分布模型的高斯混合分布模型,K’的具体值可以由贝叶斯信息准则确定。θk’为第k’个子充电需求高斯分布模型的高斯分布参数,θp为充电需求高斯分布模型的高斯分布参数,为停车位置的第i个观测数据,表示充电需求高斯分布模型的概率密度值。
那么似然函数可以通过如下的公式四表示:
使用期望最大化算法求解,求得似然函数的最优解,从而得到充电需求高斯分布模型。
本公开的一种可选方式中,基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址,包括:
基于充电能力空间分布信息以及充电需求空间分布信息构建选址可能性空间分布信息;
基于选址可能性空间分布信息确定待规划区域内待建充电站的选址。
本公开实施例中,可以基于充电能力空间分布信息以及充电需求空间分布信息构建选址可能性空间分布信息,选址可能性空间分布信息用于描述待规划区域内各位置作为待建充电站选址的可能性。在确定出选址可能性空间分布信息后,可以基于选址可能性空间分布信息确定待建充电站的选址。
本公开的一种可选方式中,充电需求空间分布信息包括基于停车未充电位置确定出的第一充电需求空间分布信息,以及基于停车且充电位置确定出的第二充电需求空间分布信息,基于充电能力空间分布信息以及充电需求空间分布信息构建选址可能性空间分布信息,包括:
基于充电能力空间分布信息、第一充电需求空间分布信息以及第二充电需求空间分布信息中每两项之间的相似度,分别确定充电能力空间分布信息对应的第一权重、第一充电需求空间分布信息对应的第二权重以及第二充电需求空间分布信息对应的第三权重;
基于第一权重、第二权重以及第三权重,将充电能力空间分布信息、第一充电需求空间分布信息以及第二充电需求空间分布信息进行叠加,得到选址可能性空间分布信息。
本公开实施例中,基于充电能力空间分布信息、第一充电需求空间分布信息以及第二充电需求空间分布信息确定选址可能性空间分布信息,可以通过将用于描述充电能力空间分布信息的充电能力高斯分布模型、用于描述第一充电需求空间分布信息的第一充电需求高斯分布模型、用于描述第二充电需求空间分布信息的第二充电需求高斯分布模型,进行融合得到选址可能性高斯分布模型。
在实际使用中,待规划区域中各位置的作为待见充电站选址的可能性可以通过选址可能性高斯分布模型预测出的该位置的概率密度值来衡量。
作为一个示例,选址可能性高斯分布模型可以通过如下的公式五计算得到:
P(y)=α1P(elec)(y|θ1)+α2P(park)(y|θ2)+α3P(charge)(y|θ3)
(公式五)
其中,P(y)表示选址可能性高斯分布模型,α1为第一权重,P(elec)(y|θ1)表示充电能力高斯分布模型,α2为第二权重,α2P(park)(y|θ2)表示第一充电需求高斯分布模型,α3为第三权重,α3P(charge)(y|θ3)表示第二充电需求高斯分布模型。
作为一个示例,第一权重、第二权重以及第三权重均可以通过如下的公式六计算得到:
其中,可以将充电能力高斯分布模型、第一充电需求高斯分布模型以及第二充电需求高斯分布模型依次记做第一个高斯分布模型、第二个高斯分布模型以及第三个高斯分布模型。αu表示第u个高斯分布模型,S(Mu,Mv)表示第u个高斯分布模型与第v个高斯分布模型的相似度。
作为一个示例,第u个高斯分布模型与第v个高斯分布模型的相似度可以通过如下的公式七计算得到:
其中,J表示待规划区域,j表示由待规划区域中所划分出的网格,puj为第u个高斯分布模型在网格j中的概率密度值,pvj为第v个高斯分布模型在网格j中的概率密度值。
本公开实施例中,在基于选址可能性空间分布信息确定待规划区域内待建充电站的选址时,可以将待规划区域中的多个候选位置输入至选址可能性高斯分布模型,输出这些候选位置对应的概率密度值,此时概率密度值能够表征候选位置作为待建充电站选址的可能性。在实际使用中,可以将概率密度值高于设定值的候选位置作为待建充电站的选址位置,也可以根据概率密度值对各候选位置进行排序,将概率密度值较高的预设个数的候选位置作为待建充电站的选址位置。
本公开的一种可选方式中,上述方法还包括:
基于待建充电站的选址确定待建充电站的服务区域;
基于服务区域内的电动汽车的充电数据确定充电需求量;
基于充电需求量配置待建充电站的供电能力。
本公开实施例中,可以根据待建充电站的选址确定待建充电站的服务区域,例如可以定义以待建充电站的选址为圆心,预设长度为半径的圆形区域为服务区域。
充电数据可以从电动汽车的充电订单数据中获取,如可以包括充电次数,充电时间等。根据服务区域内的电动汽车的充电数据能够确定出充电需求量,可以基于充电需求量配置待建充电站的供电能力,以使充电站的供电能力能够满足其服务区域内的充电需求。
本公开实施例中,可以通过自回归积分滑动平均模型(AutoregressiveIntegrated Moving Average Model,ARIMA)、长短期记忆模型(Long Short-Term Memory,LSTM)以及深度自回归模型(Deep Autoregressive Recurrent,DeepAR)等模型,基于充电数据对充电时间序列进行预测,得到充电需求量。
图2示出了本公开实施例提供的另一种充电站的选址方法的流程示意图,如图2中所示,该方法主要可以包括:
步骤S210:根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;
步骤S220:基于待规划区域内电动车辆的停车未充电位置确定出的第一充电需求空间分布信息,基于待规划区域内电动车辆的停车且充电位置确定出的第二充电需求空间分布信息;
步骤S230:基于充电能力空间分布信息以及充电需求空间分布信息构建选址可能性空间分布信息;
步骤S240:基于选址可能性空间分布信息确定待规划区域内待建充电站的选址。
其中,待规划区域为需要进行充电站建设规划的区域。已建充电站的待规划区域中已经完成建设并投入使用的充电站。
充电站相关数据可以包括充电站的位置信息,以及可能反映充电站充电能力的数据,如充电站中所拥有的充电桩数量以及充电桩的类型等,充电桩的类型可以包括快充充电桩以及慢充充电桩,快充充电桩的充电效率相较于慢充充电桩更高。
充电能力空间分布信息用于描述已建充电站为待规划区域中不同位置提供充电服务的能力,可以基于充电站相关数据进行建模,通过构建的模型来描述充电能力空间分布信息。
作为一个示例,如与充电站临近的一片区域确定为充电站的服务区域。对于在服务区域以外的区域,由于其距离充电站的距离较远,充电站对其的服务能力相较于服务区域内较弱。充电能力空间分布信息能够反映出服务区域内外对应的充电能力的强弱情况。
充电需求空间分布信息用于描述电动车辆在待规划区域中各位置的进行充电的需求程度。由于电动车辆的充电时间一般较长,因此用户倾向于边停车边充电,因此基于电动车辆的停车位置进行建模,通过构建的模型来描述充电需求空间分布信息。
本公开实施例中,在针对待规划区域进行建站规划时,可以根据充电站相关数据确定出对待规划区域内的提供充电服务的能力,并结合用户的停车位置分析出待规划区域内的各位置存在的充电需求,从而综合分析出待建充电站的选址,能够使得确定出的选址更为合理。
本公开实施例中,停车位置可以包括停车未充电位置以及停车且充电位置。具体而言,停车位置可以为电动车速度为零的位置。停车未充电位置可以为电动车速度为零且电动车辆的剩余电量未增加的位置。停车且充电位置可以为电动车速度为零且电动车辆的剩余电量增加的位置。
停车未充电位置以及停车且充电位置均能够反映电动车辆的充电需求,可以针对停车未充电位置确定第一充电需求空间分布信息,针对停车且充电位置确定第二充电需求空间分布信息。
本公开实施例中,可以基于充电能力空间分布信息以及充电需求空间分布信息构建选址可能性空间分布信息,选址可能性空间分布信息用于描述待规划区域内各位置作为待建充电站选址的可能性。在确定出选址可能性空间分布信息后,可以基于选址可能性空间分布信息确定待建充电站的选址。
本公开实施例中,基于充电能力空间分布信息、第一充电需求空间分布信息以及第二充电需求空间分布信息确定选址可能性空间分布信息,可以通过将用于描述充电能力空间分布信息的充电能力高斯分布模型、用于描述第一充电需求空间分布信息的第一充电需求高斯分布模型、用于描述第二充电需求空间分布信息的第二充电需求高斯分布模型,进行融合得到选址可能性高斯分布模型。
在实际使用中,待规划区域中各位置的作为待见充电站选址的可能性可以通过选址可能性高斯分布模型预测出的该位置的概率密度值来衡量。
本公开实施例提供的方法,通过根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息;基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址。本方案中,通过待规划区域内的充电能力空间分布信息以及充电需求空间分布信息分析得到待建充电站的选址,能够保证充电站选址的合理性,从而提升充电站的使用效果。
基于与图1中所示的方法相同的原理,图3示出了本公开实施例提供的一种充电站的选址装置的结构示意图,如图3所示,该充电站的选址装置30可以包括:
充电能力空间分布模块310,用于根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;
充电需求空间分布模块320,用于基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息;
充电站选址模块330,用于基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址。
本公开实施例提供的装置,通过根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息;基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址。本方案中,通过待规划区域内的充电能力空间分布信息以及充电需求空间分布信息分析得到待建充电站的选址,能够保证充电站选址的合理性,从而提升充电站的使用效果。
可选地,停车位置包括停车未充电位置以及停车且充电位置,充电需求空间分布信息包括基于停车未充电位置确定出的第一充电需求空间分布信息,以及基于停车且充电位置确定出的第二充电需求空间分布信息。
可选地,充电能力空间分布模块具体用于:
针对待规划区域内的各已建充电站,分别根据已建充电站的充电站相关数据确定已建充电站对待规划区域内的子充电能力空间分布信息;
将各子充电能力空间分布信息进行叠加,得到待规划区域内的充电能力空间分布信息。
可选地,充电能力空间分布模块在根据已建充电站的充电站相关数据确定已建充电站对待规划区域内的子充电能力空间分布信息时,具体用于:
基于已建充电站的充电站相关数据构建子充电能力高斯分布模型,子充电能力高斯分布模型用于描述已建充电站对待规划区域内的子充电能力空间分布信息;
充电能力空间分布模块在将各子充电能力空间分布信息进行叠加,得到待规划区域内的充电能力空间分布信息时,具体用于:
将用于描述各子充电能力空间分布信息的子充电能力高斯分布模型进行叠加,得到充电能力高斯分布模型,充电能力高斯分布模型用于描述待规划区域内的充电能力空间分布信息。
可选地,充电需求空间分布模块具体用于:
基于待规划区域内电动车辆的停车位置构建充电需求高斯分布模型,充电需求高斯分布模型用于描述待规划区域内的充电需求空间分布信息。
可选地,充电站选址模块具体用于:
基于充电能力空间分布信息以及充电需求空间分布信息构建选址可能性空间分布信息;
基于选址可能性空间分布信息确定待规划区域内待建充电站的选址。
可选地,充电需求空间分布信息包括基于停车未充电位置确定出的第一充电需求空间分布信息,以及基于停车且充电位置确定出的第二充电需求空间分布信息,充电站选址模块在基于充电能力空间分布信息以及充电需求空间分布信息构建选址可能性空间分布信息时,具体用于:
基于充电能力空间分布信息、第一充电需求空间分布信息以及第二充电需求空间分布信息中每两项之间的相似度,分别确定充电能力空间分布信息对应的第一权重、第一充电需求空间分布信息对应的第二权重以及第二充电需求空间分布信息对应的第三权重;
基于第一权重、第二权重以及第三权重,将充电能力空间分布信息、第一充电需求空间分布信息以及第二充电需求空间分布信息进行叠加,得到选址可能性空间分布信息。
可选地,上述装置还包括供电能力确定模块,供电能力确定模块用于:
基于待建充电站的选址确定待建充电站的服务区域;
基于服务区域内的电动汽车的充电数据确定充电需求量;
基于充电需求量配置待建充电站的供电能力。
可以理解的是,本公开实施例中的充电站的选址装置的上述各模块具有实现图1中所示的实施例中的充电站的选址方法相应步骤的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件,上述各模块可以单独实现,也可以多个模块集成实现。对于上述充电站的选址装置的各模块的功能描述具体可以参见图1中所示实施例中的充电站的选址方法的对应描述,在此不再赘述。
基于与图2中所示的方法相同的原理,图4示出了本公开实施例提供的另一种充电站的选址装置的结构示意图,如图4所示,该充电站的选址装置40可以包括:
充电能力空间分布模块410,用于根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;
充电需求空间分布模块420,用于基于待规划区域内电动车辆的停车未充电位置确定出的第一充电需求空间分布信息,基于待规划区域内电动车辆的停车且充电位置确定出的第二充电需求空间分布信息;
选址可能性空间分布模块430,用于基于充电能力空间分布信息以及充电需求空间分布信息构建选址可能性空间分布信息;
充电站选址模块440,基于选址可能性空间分布信息确定待规划区域内待建充电站的选址。
本公开实施例提供的装置,通过根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息;基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址。本方案中,通过待规划区域内的充电能力空间分布信息以及充电需求空间分布信息分析得到待建充电站的选址,能够保证充电站选址的合理性,从而提升充电站的使用效果。
可以理解的是,本公开实施例中的充电站的选址装置的上述各模块具有实现图2中所示的实施例中的充电站的选址方法相应步骤的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件,上述各模块可以单独实现,也可以多个模块集成实现。对于上述充电站的选址装置的各模块的功能描述具体可以参见图2中所示实施例中的充电站的选址方法的对应描述,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如本公开实施例提供的充电站的选址方法。
该电子设备与现有技术相比,通过根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息;基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址。本方案中,通过待规划区域内的充电能力空间分布信息以及充电需求空间分布信息分析得到待建充电站的选址,能够保证充电站选址的合理性,从而提升充电站的使用效果。
该可读存储介质为存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行如本公开实施例提供的充电站的选址方法。
该可读存储介质与现有技术相比,通过根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息;基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址。本方案中,通过待规划区域内的充电能力空间分布信息以及充电需求空间分布信息分析得到待建充电站的选址,能够保证充电站选址的合理性,从而提升充电站的使用效果。
该计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如本公开实施例提供的充电站的选址方法。
该计算机程序产品与现有技术相比,通过根据待规划区域内已建充电站的充电站相关数据确定待规划区域内的充电能力空间分布信息;基于待规划区域内电动车辆的停车位置确定待规划区域内的充电需求空间分布信息;基于充电能力空间分布信息以及充电需求空间分布信息,确定待规划区域内待建充电站的选址。本方案中,通过待规划区域内的充电能力空间分布信息以及充电需求空间分布信息分析得到待建充电站的选址,能够保证充电站选址的合理性,从而提升充电站的使用效果。
图5示出了可以用来实施本公开的实施例的示例电子设备2000的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,电子设备2000包括计算单元2010,其可以根据存储在只读存储器(ROM)2020中的计算机程序或者从存储单元2080加载到随机访问存储器(RAM)2030中的计算机程序,来执行各种适当的动作和处理。在RAM 2030中,还可存储设备2000操作所需的各种程序和数据。计算单元2010、ROM 2020以及RAM 2030通过总线2040彼此相连。输入/输出(I/O)接口2050也连接至总线2040。
设备2000中的多个部件连接至I/O接口2050,包括:输入单元2060,例如键盘、鼠标等;输出单元2070,例如各种类型的显示器、扬声器等;存储单元2080,例如磁盘、光盘等;以及通信单元2090,例如网卡、调制解调器、无线通信收发机等。通信单元2090允许设备2000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元2010可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元2010的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元2010执行本公开实施例中所提供的充电站的选址方法。例如,在一些实施例中,执行本公开实施例中所提供的充电站的选址方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元2080。在一些实施例中,计算机程序的部分或者全部可以经由ROM 2020和/或通信单元2090而被载入和/或安装到设备2000上。当计算机程序加载到RAM 2030并由计算单元2010执行时,可以执行本公开实施例中所提供的充电站的选址方法的一个或多个步骤。备选地,在其他实施例中,计算单元2010可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本公开实施例中所提供的充电站的选址方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种充电站的选址方法,包括:
根据待规划区域内已建充电站的充电站相关数据确定所述待规划区域内的充电能力空间分布信息;
基于所述待规划区域内电动车辆的停车位置确定所述待规划区域内的充电需求空间分布信息;
基于所述充电能力空间分布信息以及所述充电需求空间分布信息,确定所述待规划区域内待建充电站的选址。
2.根据权利要求1所述的方法,其中,所述停车位置包括停车未充电位置以及停车且充电位置,所述充电需求空间分布信息包括基于所述停车未充电位置确定出的第一充电需求空间分布信息,以及基于所述停车且充电位置确定出的第二充电需求空间分布信息。
3.根据权利要求1或2所述的方法,其中,所述根据待规划区域内已建充电站的充电站相关数据确定所述待规划区域内的充电能力空间分布信息,包括:
针对所述待规划区域内的各已建充电站,分别根据所述已建充电站的充电站相关数据确定所述已建充电站对所述待规划区域内的子充电能力空间分布信息;
将各所述子充电能力空间分布信息进行叠加,得到所述待规划区域内的充电能力空间分布信息。
4.根据权利要求3所述的方法,其中,所述根据所述已建充电站的充电站相关数据确定所述已建充电站对所述待规划区域内的子充电能力空间分布信息,包括:
基于所述已建充电站的充电站相关数据构建子充电能力高斯分布模型,所述子充电能力高斯分布模型用于描述所述已建充电站对所述待规划区域内的子充电能力空间分布信息;
所述将各所述子充电能力空间分布信息进行叠加,得到所述待规划区域内的充电能力空间分布信息,包括:
将用于描述各所述子充电能力空间分布信息的子充电能力高斯分布模型进行叠加,得到充电能力高斯分布模型,所述充电能力高斯分布模型用于描述所述待规划区域内的充电能力空间分布信息。
5.根据权利要求1-4中任一项所述的方法,其中,所述基于所述待规划区域内电动车辆的停车位置确定所述待规划区域内的充电需求空间分布信息,包括:
基于所述待规划区域内电动车辆的停车位置构建充电需求高斯分布模型,所述充电需求高斯分布模型用于描述所述待规划区域内的充电需求空间分布信息。
6.根据权利要求1-5中任一项所述的方法,其中,所述基于所述充电能力空间分布信息以及所述充电需求空间分布信息,确定所述待规划区域内待建充电站的选址,包括:
基于所述充电能力空间分布信息以及所述充电需求空间分布信息构建选址可能性空间分布信息;
基于所述选址可能性空间分布信息确定所述待规划区域内待建充电站的选址。
7.根据权利要求6所述的方法,其中,所述充电需求空间分布信息包括基于所述停车未充电位置确定出的第一充电需求空间分布信息,以及基于所述停车且充电位置确定出的第二充电需求空间分布信息,所述基于所述充电能力空间分布信息以及所述充电需求空间分布信息构建选址可能性空间分布信息,包括:
基于所述充电能力空间分布信息、所述第一充电需求空间分布信息以及所述第二充电需求空间分布信息中每两项之间的相似度,分别确定所述充电能力空间分布信息对应的第一权重、所述第一充电需求空间分布信息对应的第二权重以及所述第二充电需求空间分布信息对应的第三权重;
基于所述第一权重、所述第二权重以及所述第三权重,将所述充电能力空间分布信息、所述第一充电需求空间分布信息以及所述第二充电需求空间分布信息进行叠加,得到所述选址可能性空间分布信息。
8.根据权利要求1-7中任一项所述的方法,还包括:
基于所述待建充电站的选址确定所述待建充电站的服务区域;
基于所述服务区域内的电动汽车的充电数据确定充电需求量;
基于所述充电需求量配置所述待建充电站的供电能力。
9.一种充电站的选址装置,包括:
充电能力空间分布模块,用于根据待规划区域内已建充电站的充电站相关数据确定所述待规划区域内的充电能力空间分布信息;
充电需求空间分布模块,用于基于所述待规划区域内电动车辆的停车位置确定所述待规划区域内的充电需求空间分布信息;
充电站选址模块,用于基于所述充电能力空间分布信息以及所述充电需求空间分布信息,确定所述待规划区域内待建充电站的选址。
10.根据权利要求9所述的装置,其中,所述停车位置包括停车未充电位置以及停车且充电位置,所述充电需求空间分布信息包括基于所述停车未充电位置确定出的第一充电需求空间分布信息,以及基于所述停车且充电位置确定出的第二充电需求空间分布信息。
11.根据权利要求9或10所述的装置,其中,所述充电能力空间分布模块具体用于:
针对所述待规划区域内的各已建充电站,分别根据所述已建充电站的充电站相关数据确定所述已建充电站对所述待规划区域内的子充电能力空间分布信息;
将各所述子充电能力空间分布信息进行叠加,得到所述待规划区域内的充电能力空间分布信息。
12.根据权利要求11所述的装置,其中,所述充电能力空间分布模块在根据所述已建充电站的充电站相关数据确定所述已建充电站对所述待规划区域内的子充电能力空间分布信息时,具体用于:
基于所述已建充电站的充电站相关数据构建子充电能力高斯分布模型,所述子充电能力高斯分布模型用于描述所述已建充电站对所述待规划区域内的子充电能力空间分布信息;
所述充电能力空间分布模块在将各所述子充电能力空间分布信息进行叠加,得到所述待规划区域内的充电能力空间分布信息时,具体用于:
将用于描述各所述子充电能力空间分布信息的子充电能力高斯分布模型进行叠加,得到充电能力高斯分布模型,所述充电能力高斯分布模型用于描述所述待规划区域内的充电能力空间分布信息。
13.根据权利要求9-12中任一项所述的装置,其中,所述充电需求空间分布模块具体用于:
基于所述待规划区域内电动车辆的停车位置构建充电需求高斯分布模型,所述充电需求高斯分布模型用于描述所述待规划区域内的充电需求空间分布信息。
14.根据权利要求9-13中任一项所述的装置,其中,所述充电站选址模块具体用于:
基于所述充电能力空间分布信息以及所述充电需求空间分布信息构建选址可能性空间分布信息;
基于所述选址可能性空间分布信息确定所述待规划区域内待建充电站的选址。
15.根据权利要求14所述的装置,其中,所述充电需求空间分布信息包括基于所述停车未充电位置确定出的第一充电需求空间分布信息,以及基于所述停车且充电位置确定出的第二充电需求空间分布信息,所述充电站选址模块在基于所述充电能力空间分布信息以及所述充电需求空间分布信息构建选址可能性空间分布信息时,具体用于:
基于所述充电能力空间分布信息、所述第一充电需求空间分布信息以及所述第二充电需求空间分布信息中每两项之间的相似度,分别确定所述充电能力空间分布信息对应的第一权重、所述第一充电需求空间分布信息对应的第二权重以及所述第二充电需求空间分布信息对应的第三权重;
基于所述第一权重、所述第二权重以及所述第三权重,将所述充电能力空间分布信息、所述第一充电需求空间分布信息以及所述第二充电需求空间分布信息进行叠加,得到所述选址可能性空间分布信息。
16.根据权利要求9-15中任一项所述的装置,还包括供电能力确定模块,所述供电能力确定模块用于:
基于所述待建充电站的选址确定所述待建充电站的服务区域;
基于所述服务区域内的电动汽车的充电数据确定充电需求量;
基于所述充电需求量配置所述待建充电站的供电能力。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210211973.4A CN114445152A (zh) | 2022-03-04 | 2022-03-04 | 充电站的选址方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210211973.4A CN114445152A (zh) | 2022-03-04 | 2022-03-04 | 充电站的选址方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114445152A true CN114445152A (zh) | 2022-05-06 |
Family
ID=81359957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210211973.4A Pending CN114445152A (zh) | 2022-03-04 | 2022-03-04 | 充电站的选址方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114445152A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117077985A (zh) * | 2023-10-16 | 2023-11-17 | 浙江优能电力设计有限公司 | 根据充电需求的电动车充电桩规划方法及系统 |
-
2022
- 2022-03-04 CN CN202210211973.4A patent/CN114445152A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117077985A (zh) * | 2023-10-16 | 2023-11-17 | 浙江优能电力设计有限公司 | 根据充电需求的电动车充电桩规划方法及系统 |
CN117077985B (zh) * | 2023-10-16 | 2024-04-09 | 浙江优能电力设计有限公司 | 根据充电需求的电动车充电桩规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111898221A (zh) | 选址方法、装置及计算机可读存储介质 | |
CN114841315A (zh) | 混合专家模型实现方法、系统、电子设备及存储介质 | |
CN114862209A (zh) | 运力调度方法、装置、电子设备及存储介质 | |
CN114445152A (zh) | 充电站的选址方法、装置、电子设备及可读存储介质 | |
CN115759629A (zh) | 一种换电站的选址方法、装置、设备及介质 | |
CN112528160A (zh) | 智能推荐、模型训练方法、装置、电子设备及存储介质 | |
CN112100302A (zh) | 地图信息点的显示方法、装置、设备和可读存储介质 | |
CN113409898B (zh) | 分子结构获取方法、装置、电子设备及存储介质 | |
CN116518979B (zh) | 一种无人机路径规划方法、系统、电子设备及介质 | |
CN115328621B (zh) | 基于区块链的事务处理方法、装置、设备及存储介质 | |
CN116662509A (zh) | 大规模语言模型的开放域问答实现方法、装置及设备 | |
JP2023083276A (ja) | 充電ステーションの情報調整モデルを訓練するための方法と装置、及び製品 | |
CN116301916A (zh) | 服务部署方法、装置、电子设备及存储介质 | |
CN110503234A (zh) | 一种物流运输调度的方法、系统及设备 | |
CN116341634A (zh) | 神经结构搜索模型的训练方法、装置及电子设备 | |
EP3968202A1 (en) | Customizable reinforcement of learning column placement in structural design | |
CN115691206A (zh) | 车位推荐方法、装置、设备以及存储介质 | |
CN114819095A (zh) | 业务数据处理模型的生成方法、装置及电子设备 | |
CN112527673A (zh) | 站点测试方法、装置、电子设备及可读存储介质 | |
CN114615144B (zh) | 网络优化方法及系统 | |
US20230342368A1 (en) | Method and apparatus for spatial data processing | |
CN115472004A (zh) | 路侧点位与车辆驾驶行为关联方法、装置及存储介质 | |
CN114679468B (zh) | 文件传输方法、装置、电子设备及计算机可读存储介质 | |
CN116502882B (zh) | 基于多模态时序信息融合的工程进度确定方法及装置 | |
CN114840721B (zh) | 一种数据搜索方法、装置及电子设备 |
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 |