CN114971368A - 一种智慧充电管控方法及系统 - Google Patents

一种智慧充电管控方法及系统 Download PDF

Info

Publication number
CN114971368A
CN114971368A CN202210675909.1A CN202210675909A CN114971368A CN 114971368 A CN114971368 A CN 114971368A CN 202210675909 A CN202210675909 A CN 202210675909A CN 114971368 A CN114971368 A CN 114971368A
Authority
CN
China
Prior art keywords
charging
area
vehicle
control
charged
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
Application number
CN202210675909.1A
Other languages
English (en)
Inventor
彭健
钟海泉
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.)
Yinger Automation Fujian Co ltd
Original Assignee
Yinger Automation Fujian 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 Yinger Automation Fujian Co ltd filed Critical Yinger Automation Fujian Co ltd
Priority to CN202210675909.1A priority Critical patent/CN114971368A/zh
Publication of CN114971368A publication Critical patent/CN114971368A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及充电管控的技术领域，揭露了一种智慧充电管控方法与系统，所述方法包括：构建充电区域选址目标函数；利用改进的灰狼优化算法对充电区域选址目标函数进行求解，快速得到充电管控区域内每个充电区域的位置坐标；构建每个充电区域的管控模型；利用参数动力迭代法对充电区域管控模型进行优化求解；待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，管控模型接收数据并输出充电时间成本，其中管控模型输出充电时间成本最小的充电区域向待充电车辆发送自身位置，待充电车辆可行驶到该位置进行充电。本发明所述方法实现基于车辆行驶距离以及充电桩数量的充电区域选址，以及充电时间成本最低的充电区域选取。

Description

一种智慧充电管控方法及系统
技术领域
本发明涉及充电管控的技术领域，尤其涉及一种智慧充电管控方法及系统。
背景技术
现有新能源汽车充电管控，尤其是单位集中式新能源汽车充电，以抵达顺序进行实施，该方法虽然能够实现新能源汽车充电管控，但是在效率效益方面并不显著，没有考虑到用户车辆的当前电量、充电量等因素。CN111127940A提出了一种充电车位智能调度管控方法，通过识别车牌信息判断是否为新能源车辆，若是则将车辆分配空闲的充电车位，并通过所述诱导显示屏进行提示，当用户驾驶车辆停入分配的充电车位后，所述移动终端响应于用户的操作调用摄像头扫描充电桩上的二维码，以启动所述充电桩对车辆进行充电，当通过所述充电信息确定车辆处于充电完成状态或不在充电状态时，所述车位调度管理平台开始计时，并在计时时间到达预设提醒时间后向所述移动终端下发提醒短信，以通知用户将车辆驶离充电车位，从而避免发生燃油车乱停入充电车位导致充电桩被占用的情况，以及缓解新能源车只停车不充电或冲完电仍占用充电车位而导致其他需要充电的新能源车无法及时充电的现象，提高了充电桩的利用率。CN112017363A提出一种电动汽车停车充电管控系统，通过获取私人电动汽车用户所在区域内共享停车位的信息，为普通电动汽车用户合理分配所在区域内的公共停车场、周围小区、学校以及商场内的最优空闲共享停车位，并根据停车位预约指令引导用户至该停车位进行停车充电，具有扩充停车充电共享平台资源、提高私人停车位及充电桩利用率等优点。CN110797983A提出一种充电管控方法，根据充电请求从多个充电区域中确定目标充电区域，向电子设备发送与目标充电区域关联的定位标识，所述定位标识用于指示目标充电区域的位置，当检测到电子设备放置在目标充电区域上时，对目标充电区域上的电子设备进行无线充电，进而尽可能降低充电过程中磁场干扰的影响，提高充电过程中的充电效率。尽管现有充电管控方法能够提高充电桩的利用率，但仍存在如下两个方面的问题：一是传统方法未考虑到充电区域位于充电管控区域的位置，充电桩所在位置可能距离充电管控区域大门较远，导致充电车辆需要行驶较长时间才能达到充电区域，且未考虑到充电车辆总数与充电桩数量的关系，导致部分区域充电桩数量严重不足，而部分区域充电桩数量过剩；二是当充电车辆较多时，充电车辆需要等待较长时间，需要增加充电车辆的等待时间成本用来辅助充电管控决策，且传统充电管控决策中未考虑到充电车辆剩余电量是否足够到达充电区域进行充电，可能导致充电车辆行驶到半路电量不足的问题。随着新能源车辆的迅速增多，更是加剧了上述问题的严重性，针对该问题，本专利提出一种智慧充电管控方法及系统，用于提高充电区域选址的科学性，避免充电区域内充电桩数量不足或过剩的问题，保证同时充电的车辆数达到充电车辆总数的30％，且在考虑充电车辆剩余电量以及多种时间成本的情况下，实现时间成本最低的充电区域选择。
发明内容
有鉴于此，本发明提供一种智慧充电管控方法，目的在于(1)构建得到充电区域选址目标函数，并对传统灰狼优化算法进行改进，有效保证算法迭代初期质量较优的灰狼位置坐标有较大概率保持不变，增强参数迭代的全局性，有利于得到全局最优、更为可靠的充电区域位置坐标，所选定充电区域距离大门的距离较优，且满足充电管控区域内充电桩数量的需求，实现更为科学可靠的充电区域设定，保证充电管控区域内同时充电的车辆数达到充电车辆总数的30％，避免充电区域内充电桩数量不足或过剩的问题；(2)确定不同充电区域的管控模型，所述管控模型保证了充电车辆可以从充电管控区域大门位置行驶到充电区域，以及涵盖了待充电车辆到达充电区域的时间成本、待充电车辆等待充电的时间成本以及待充电车辆进行充电的时间成本，管控模型值最小即表示待充电车辆到达该区域进行充电的时间成本最小，能够在考虑充电车辆剩余电量以及多种时间成本的情况下，实现时间成本最低的充电区域选择及管控。
实现上述目的，本发明提供的一种智慧充电管控方法，包括以下步骤：
S1：构建充电区域选址目标函数，获取充电管控区域的指标数据，其中所述指标数据包括充电管控区域的大门位置坐标、充电区域数量以及空旷区域位置坐标；
S2：利用改进的灰狼优化算法对充电区域选址目标函数进行求解，快速得到充电管控区域内每个充电区域的位置坐标，并在每个充电区域设置若干充电桩；
S3：构建每个充电区域的管控模型，并获取充电车辆等待数据，其中所述充电车辆等待数据包括不同充电车辆到达充电区域的时序数据；
S4：基于充电车辆等待数据，利用参数动力迭代法对充电区域管控模型进行优化求解，得到优化后的充电区域管控模型；
S5：当待充电车辆进入充电管控区域的大门时，待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，不同充电区域的管控模型接收待充电车辆所发送的车辆信息数据，管控模型输出结果最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该位置进行充电，其中所述充电区域管控模型的输入为待充电车辆的信息数据，输出为待充电车辆在该充电区域进行充电的时间成本。
作为本发明的进一步改进方法：
可选地，所述S1步骤中构建充电区域选址目标函数，其中所述充电区域选址目标函数的输出为充电区域的位置坐标，包括：
在本发明实施例中，通过在充电管控区域设置充电区域，在充电区域内设置若干充电桩，充电车辆可在充电区域内利用充电桩进行充电，其中所述充电管控区域包括住宅小区，公司单位，旅游景区等，所述充电区域为充电管控区域的空旷区域；
构建充电区域选址目标函数，所述目标函数为：
Figure BDA0003696572330000021
Figure BDA0003696572330000022
其中：
N表示充电管控区域内充电区域的数量，在每个充电管控区域内设置若干充电区域，每个充电区域具有若干充电桩，待充电车辆可行驶到不同的充电区域进行充电；
Locq表示充电管控区域中第q个充电区域的位置，Locq∈Ω，Ω表示充电管控区域内空旷区域位置的集合，Locdoor表示充电管控区域的大门位置，distance(Locq,Locdoor)表示两者的距离；
Figure BDA0003696572330000023
表示目标函数的约束条件，Sq表示充电管控区域中第q个充电区域的可用面积，所述可用面积表示可以设置充电桩的面积，s表示单个充电桩的占地面积，则
Figure BDA0003696572330000024
表示所选取的第q个充电区域所能承载的最大充电桩数量；α为承载因数，将其设置为0.3，M表示充电管控区域内充电车辆总数，
Figure BDA0003696572330000025
表示N个充电区域所能承载的最大充电桩数量。
通过在求解得到的充电区域位置设置对应数量的充电桩，使得待充电车辆到达不同充电区域进行充电的距离较小，且满足充电管控区域内充电桩的数量满足充电桩数量需求。
可选地，所述S1步骤中获取充电管控区域的指标数据，包括：
获取充电管控区域的指标数据，其中所述指标数据包括充电管控区域的大门位置坐标、充电区域数量以及空旷区域位置坐标，Ω表示充电管控区域内空旷区域位置的集合，Locdoor表示充电管控区域的大门位置。
可选地，所述S2步骤中利用改进的灰狼优化算法对充电区域选址目标函数进行求解，包括：
利用改进的灰狼优化算法对充电区域选址目标函数进行求解，快速得到充电管控区域内每个充电区域的位置坐标，其中所述改进的灰狼优化算法，包括：
利用改进的灰狼优化算法对充电区域选址目标函数进行求解，得到充电区域选址目标函数的充电区域选址位置坐标，所述改进的灰狼优化算法流程为：
S21：初始化n′只灰狼，则第g只灰狼的位置坐标fg为：
fg＝[fg,1,fg,2,…,fg,N]
其中：
每只灰狼的位置坐标表示一种充电区域选址位置坐标求解结果，fg,1表示充电管控区域中第1个充电区域的位置坐标，fg,N表示充电管控区域中第N个充电区域的位置坐标；
S22：设置当前算法迭代次数为nd，并将nd初始化为0，设置最大算法迭代次数为Max；
S23：设置灰狼优化算法的适应度函数，则第g只灰狼在第nd迭代时的适应度函数值
Figure BDA0003696572330000031
为：
Figure BDA0003696572330000032
其中：
Figure BDA0003696572330000033
为将
Figure BDA0003696572330000034
中的充电区域位置坐标代入到充电区域选址目标函数的适应度函数值结果，其中fg,q等价于充电管控区域中第q个充电区域的位置坐标Locq，X表示一个无穷大的值，当
Figure BDA0003696572330000035
中所选取的充电区域位置不满足约束条件时，则
Figure BDA0003696572330000036
的适应度函数值为X；
Figure BDA0003696572330000037
表示第nd次算法迭代时第g只灰狼的位置坐标；
S24：计算当前第nd次算法迭代过程中所有灰狼位置坐标的适应度函数值；
S25：将此时适应度函数值最低的灰狼位置坐标作为第nd次算法迭代的猎物
Figure BDA0003696572330000038
S26：判断当前算法迭代次数nd是否满足nd≥Max，若不满足，计算每个当前算法迭代过程中每只灰狼的位置坐标更新概率：
Figure BDA0003696572330000039
基于位置坐标更新概率选取灰狼进行位置坐标更新，利用下式对选中灰狼的位置坐标进行更新：
Figure BDA00036965723300000310
e表示自然常数，并令nd＝nd+1，返回步骤S24；
若满足nd≥Max，则进入下一步骤；
S27：将此时的猎物
Figure BDA00036965723300000311
所对应的N个充电区域的位置坐标作为充电区域选址目标函数的求解结果；
在所述求解得到的N个充电区域位置坐标区域内设置若干充电桩，每个充电区域所设置的充电桩数量所能承载的最大充电桩数量。
相较于传统灰狼优化算法仅基于每轮迭代的最优值进行位置更新，容易在算法初期陷入局部最优，本方案在位置更新前确定位置坐标更新概率，其中适应度函数值越小的位置坐标更新概率越低，有效保证算法迭代初期质量较优的灰狼位置坐标有较大概率保持不变，增强参数迭代的全局性，有利于得到全局最优、更为可靠的位置坐标，在所述求解得到的N个充电区域位置坐标区域内设置若干充电桩，每个充电区域所设置的充电桩数量所能承载的最大充电桩数量，所选定充电区域距离大门的距离以及自身容纳的充电桩数量均较优，且满足充电管控区域内充电桩数量的需求，实现更为科学可靠的充电区域设定，避免充电区域内充电桩数量不足或过剩的问题。
可选地，所述S3步骤中构建每个充电区域的管控模型，包括：
对于充电管控区域中的N个充电区域，分别设定每个充电区域的管控模型，则其中第n个充电区域的管控模型Gn为：
Figure BDA0003696572330000041
Figure BDA0003696572330000042
SOCi,n×Ui＝SOCi×Ui-0.01×din×d
din＝distance(Locn,Locdoor)
其中：
din表示充电管控区域中第n个充电区域位置Locn与大门位置Locdoor的距离，同时表示充电车辆i到达充电管控区域大门位置时，距离第n个充电区域的距离；
Figure BDA0003696572330000043
表示充电车辆i的平均速度；
Figure BDA0003696572330000044
表示充电车辆i从充电管控区域大门位置到达第n个充电区域的时间成本Cost1,n；
mn,i表示充电车辆i到达充电管控区域大门位置时，第n个充电区域的等待充电车辆总数，Lr表示充电车辆r到达第n个充电区域时，第n个充电区域的等待队长；
yr′＝{0,1}表示充电车辆r到达第n个充电区域时，充电车辆r之前的第r′个车辆的状态，若yr′＝0，表示充电车辆r之前的第r′个车辆正在等待或充电，若yr′＝0，表示充电车辆r之前的第r′个车辆已经充电完成；
Figure BDA0003696572330000045
表示充电车辆i到达第n个充电区域前时，第n个充电区域的平均等待成本Cost2,n，说明第n个充电区域的充电效率；
SOCi,end×Ui表示充电车辆i的目标电量，SOCi,end表示充电车辆i达到目标电量时的电池荷电状态，Ui表示充电车辆i的电池容量；
SOCi表示充电车辆i到达充电管控区域大门位置时的电池荷电状态，0.01×din×d表示充电车辆i从大门位置行驶到第n个充电区域的耗电量，d表示充电车辆的百公里耗电量，SOCi,n×Ui表示充电车辆i开始充电时的剩余电量；
P表示充电区域中充电桩的充电功率；
Figure BDA0003696572330000046
表示充电车辆i在第n个充电区域进行充电的充电时间成本Cost3,n；
w1,n,w2,n,w3,n分别为时间成本Cost1,n、平均等待成本Cost2,n以及充电时间成本Cost3,n的权重系数；
所述第n个充电区域的管控模型Gn的约束条件为：
SOCi×Ui-0.01×din×d>0
所述第n个充电区域的管控模型的待求解参数为w1,n,w2,n,w3,n。
在本发明实施例中，所述管控模型保证了充电车辆可以从充电管控区域大门位置行驶到充电区域，以及涵盖了待充电车辆到达充电区域的时间成本、待充电车辆等待充电的时间成本以及待充电车辆进行充电的时间成本，管控模型输出值最小即表示待充电车辆到达该区域进行充电的时间成本最小。
可选地，所述S3步骤中获取充电车辆等待数据，其中所述充电车辆等待数据包括不同充电车辆到达充电区域的时序数据，包括：
获取充电车辆等待数据，所述充电车辆等待数据的格式为：
Figure BDA0003696572330000051
其中：
ht(k)为在t(k)时刻到达充电管控区域大门位置的充电车辆的指标数据，SOCt(k)为充电车辆到达充电管控区域大门位置的初始电池电荷状态；
Figure BDA0003696572330000052
为指标数据ht(k)中充电车辆的平均速度；
SOCt(k),end表示指标数据ht(k)中充电车辆的目标电池电荷状态，Ut(k)为对应的电池容量，SOCt(k),end Ut(k)为充电车辆的目标电量；
将从时刻t(0)到时刻t(K)的充电车辆到达等待数据作为充电车辆等待数据。
可选地，所述S4步骤中利用参数动力迭代法对充电区域管控模型进行优化求解，包括：
将充电车辆等待数据分别作为N个充电区域管控模型的训练集，利用参数动力迭代法对不同的充电区域管控模型进行优化求解，则第n个充电区域管控模型Gn的优化求解流程为：
S41：确定第n个充电区域管控模型Gn的训练优化目标函数：
Figure BDA0003696572330000053
S42：构建权重系数求解函数La(w1,n,w2,n,w3,n,λ)：
La(w1,n,w2,n,w3,n,λ)＝LossGn+λT[(SOCt(k)×Ut(k))β-(0.01×dt(k)n×d)β]
其中：
β为阶数，将其设置为2；
λ为用于限定约束条件的拉格朗日乘子；
S43：权重参数的求解结果(w1,n′,w2,n′,w3,n′)为：
Figure BDA0003696572330000054
Figure BDA0003696572330000055
Figure BDA0003696572330000056
S44：对权重参数求解结果进行归一化处理：
Figure BDA0003696572330000057
Figure BDA0003696572330000058
Figure BDA0003696572330000059
则(w1,n *,w2,n *,w3,n *)为求解得到的第n个充电区域管控模型Gn的权重参数，得到训练优化后的充电区域管控模型Gn *。
可选地，所述S5步骤中待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，不同充电区域的管控模型接收待充电车辆所发送的车辆信息数据，管控模型输出结果最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该位置进行充电，包括：
待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，其中所述车辆信息数据包括车辆到达充电管控区域的时间、平均速度、剩余电量以及目标电量，不同充电区域的训练优化后的管控模型接收待充电车辆所发送的车辆信息数据，并计算得到管控模型的输出结果，其中管控模型的输出结果包括待充电车辆到达充电区域的时间成本、待充电车辆等待充电的时间成本以及待充电车辆进行充电的时间成本，所述管控模型输出充电时间成本最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该充电区域进行等待充电，直到充电完成。
为了解决上述问题，本发明还提供一种智慧充电管控系统，其特征在于，所述系统包括：
充电区域选址模块，用于构建充电区域选址目标函数，获取充电管控区域的指标数据，其中所述指标数据包括充电管控区域的大门位置坐标、充电区域数量以及空旷区域位置坐标，利用改进的灰狼优化算法对充电区域选址目标函数进行求解，快速得到充电管控区域内每个充电区域的位置坐标；
数据获取模块，用于获取充电车辆等待数据，当待充电车辆进入充电管控区域的大门时，待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，不同充电区域的管控模型接收待充电车辆所发送的车辆信息数据；
充电管控装置，用于构建每个充电区域的管控模型，基于充电车辆等待数据，利用参数动力迭代法对充电区域管控模型进行优化求解，得到优化后的充电区域管控模型，管控模型输出结果最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该位置进行充电。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的智慧充电管控方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的智慧充电管控方法。
相对于现有技术，本发明提出一种智慧充电管控方法，该技术具有以下优势：
首先，本方案提出一种改进的灰狼优化算法，从而利用改进的灰狼优化算法对充电区域选址目标函数进行求解，得到充电区域选址目标函数的充电区域选址位置坐标，所述改进的灰狼优化算法流程为：初始化n′只灰狼，则第g只灰狼的位置坐标fg为：
fg＝[fg,1,fg,2,…,fg,N]
其中：每只灰狼的位置坐标表示一种充电区域选址位置坐标求解结果，fg,1表示充电管控区域中第1个充电区域的位置坐标，fg,N表示充电管控区域中第N个充电区域的位置坐标；设置当前算法迭代次数为nd，并将nd初始化为0，设置最大算法迭代次数为Max；设置灰狼优化算法的适应度函数，则第g只灰狼在第nd迭代时的适应度函数值
Figure BDA0003696572330000061
为：
Figure BDA0003696572330000062
其中：
Figure BDA0003696572330000063
为将
Figure BDA0003696572330000064
中的充电区域位置坐标代入到充电区域选址目标函数的适应度函数值结果，其中fg,q等价于充电管控区域中第q个充电区域的位置坐标Locq，X表示一个无穷大的值，当
Figure BDA0003696572330000065
中所选取的充电区域位置不满足约束条件时，则
Figure BDA0003696572330000066
的适应度函数值为X；
Figure BDA0003696572330000067
表示第nd次算法迭代时第g只灰狼的位置坐标；计算当前第nd次算法迭代过程中所有灰狼位置坐标的适应度函数值；将此时适应度函数值最低的灰狼位置坐标作为第nd次算法迭代的猎物
Figure BDA0003696572330000071
判断当前算法迭代次数nd是否满足nd≥Max，若不满足，计算每个当前算法迭代过程中每只灰狼的位置坐标更新概率：
Figure BDA0003696572330000072
基于位置坐标更新概率选取灰狼进行位置坐标更新，利用下式对选中灰狼的位置坐标进行更新：
Figure BDA0003696572330000073
其中：e表示自然常数，并令nd＝nd+1，返回适应度函数值计算步骤；若满足nd≥Max，则进入下一步骤；将此时的猎物
Figure BDA0003696572330000074
所对应的N个充电区域的位置坐标作为充电区域选址目标函数的求解结果；在所述求解得到的N个充电区域位置坐标区域内设置若干充电桩，每个充电区域所设置的充电桩数量所能承载的最大充电桩数量，实现充电区域的选址以及充电桩的设定。相较于传统灰狼优化算法仅基于每轮迭代的最优值进行位置更新，容易在算法初期陷入局部最优，本方案在位置更新前确定位置坐标更新概率，其中适应度函数值越小、使得充电管控区域内所设置的充电区域越少的位置坐标更新概率越低，有效保证算法迭代初期质量较优的灰狼位置坐标有较大概率保持不变，增强参数迭代的全局性，有利于得到全局最优、更为可靠的参数，通过将所获取得充电管控区域指标数据代入到充电区域选址目标函数中，从空旷区域中选取使得N最小的N个充电区域作为充电管控区域中的充电区域，所选定充电区域距离大门的距离以及自身容纳的充电桩数量均较优，实现更为科学可靠的充电区域设定，并分别在N个充电区域中设置若干充电桩，每个充电区域所设置的充电桩数量为充电区域所能承载的最大充电桩数量。相较于传统灰狼优化算法仅基于每轮迭代的最优值进行位置更新，容易在算法初期陷入局部最优，本方案在位置更新前确定位置坐标更新概率，其中适应度函数值越小的位置坐标更新概率越低，有效保证算法迭代初期质量较优的灰狼位置坐标有较大概率保持不变，增强参数迭代的全局性，有利于得到全局最优、更为可靠的位置坐标，在所述求解得到的N个充电区域位置坐标区域内设置若干充电桩，每个充电区域所设置的充电桩数量所能承载的最大充电桩数量，所选定充电区域距离大门的距离以及自身容纳的充电桩数量均较优，且满足充电管控区域内充电桩数量的需求，保证同时充电的车辆数达到充电车辆总数的30％，实现更为科学可靠的充电区域设定，避免充电区域内充电桩数量不足或过剩的问题。
同时，本方案提出一种充电区域管控模型，对于充电管控区域中的N个充电区域，分别设定每个充电区域的管控模型，则其中第n个充电区域的管控模型Gn为：
Figure BDA0003696572330000075
Figure BDA0003696572330000076
SOCi,n×Ui＝SOCi×Ui-0.01×din×d
din＝distance(Locn,Locdoor)
其中：din表示充电管控区域中第n个充电区域位置Locn与大门位置Locdoor的距离，同时表示充电车辆i到达充电管控区域大门位置时，距离第n个充电区域的距离；
Figure BDA0003696572330000077
表示充电车辆i的平均速度；
Figure BDA0003696572330000078
表示充电车辆i从充电管控区域大门位置到达第n个充电区域的时间成本Cost1,n；mn,i表示充电车辆i到达充电管控区域大门位置时，第n个充电区域的等待充电车辆总数，Lr表示充电车辆r到达第n个充电区域时，第n个充电区域的等待队长；yr′＝{0,1}表示充电车辆r到达第n个充电区域时，充电车辆r之前的第r′个车辆的状态，若yr′＝0，表示充电车辆r之前的第r′个车辆正在等待或充电，若yr′＝0，表示充电车辆r之前的第r′个车辆已经充电完成；
Figure BDA0003696572330000081
表示充电车辆i到达第n个充电区域前时，第n个充电区域的平均等待成本Cost2,n，说明第n个充电区域的充电效率；SOCi,end×Ui表示充电车辆i的目标电量，SOCi,end表示充电车辆i达到目标电量时的电池荷电状态，Ui表示充电车辆i的电池容量；SOCi表示充电车辆i到达充电管控区域大门位置时的电池荷电状态，0.01×din×d表示充电车辆i从大门位置行驶到第n个充电区域的耗电量，d表示充电车辆的百公里耗电量，SOCi,n×Ui表示充电车辆i开始充电时的剩余电量；P表示充电区域中充电桩的充电功率；
Figure BDA0003696572330000082
表示充电车辆i在第n个充电区域进行充电的充电时间成本Cost3,n；w1,n,w2,n,w3,n分别为时间成本Cost1,n、平均等待成本Cost2,n以及充电时间成本Cost3,n的权重系数；所述第n个充电区域的管控模型Gn的约束条件为：
SOCi×Ui-0.01×din×d>0
所述第n个充电区域的管控模型的待求解参数为w1,n,w2,n,w3,n。所述管控模型保证了充电车辆可以从充电管控区域大门位置行驶到充电区域，以及涵盖了待充电车辆到达充电区域的时间成本、待充电车辆等待充电的时间成本以及待充电车辆进行充电的时间成本，管控模型值最小即表示待充电车辆到达该区域进行充电的时间成本最小，待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，其中所述车辆信息数据包括车辆到达充电管控区域的时间、平均速度、剩余电量以及目标电量，不同充电区域的训练优化后的管控模型接收待充电车辆所发送的车辆信息数据，并计算得到管控模型的输出结果，其中管控模型的输出结果包括待充电车辆到达充电区域的时间成本、待充电车辆等待充电的时间成本以及待充电车辆进行充电的时间成本，所述管控模型输出结果最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该充电区域进行等待充电，直到充电完成，实现效率更高的充电车辆充电管控。
附图说明
图1为本发明一实施例提供的一种智慧充电管控方法的流程示意图；
图2为本发明一实施例提供的智慧充电管控系统的功能模块图；
图3为本发明一实施例提供的实现智慧充电管控方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种智慧充电管控方法。所述智慧充电管控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述智慧充电管控方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1：
S1：构建充电区域选址目标函数，获取充电管控区域的指标数据，其中所述指标数据包括充电管控区域的大门位置坐标、充电区域数量以及空旷区域位置坐标。
所述S1步骤中构建充电区域选址目标函数，其中所述充电区域选址目标函数的输出为充电区域的位置坐标，包括：
在本发明实施例中，通过在充电管控区域设置充电区域，在充电区域内设置若干充电桩，充电车辆可在充电区域内利用充电桩进行充电，其中所述充电管控区域包括住宅小区，公司单位，旅游景区等，所述充电区域为充电管控区域的空旷区域；
构建充电区域选址目标函数，所述目标函数为：
Figure BDA0003696572330000091
Figure BDA0003696572330000092
其中：
N表示充电管控区域内充电区域的数量，在每个充电管控区域内设置若干充电区域，每个充电区域具有若干充电桩，待充电车辆可行驶到不同的充电区域进行充电；
Locq表示充电管控区域中第q个充电区域的位置，Locq∈Ω，Ω表示充电管控区域内空旷区域位置的集合，Locdoor表示充电管控区域的大门位置，distance(Locq,Locdoor)表示两者的距离；
Figure BDA0003696572330000093
表示目标函数的约束条件，Sq表示充电管控区域中第q个充电区域的可用面积，所述可用面积表示可以设置充电桩的面积，s表示单个充电桩的占地面积，则
Figure BDA0003696572330000094
表示所选取的第q个充电区域所能承载的最大充电桩数量；α为承载因数，将其设置为0.3，M表示充电管控区域内充电车辆总数，
Figure BDA0003696572330000095
表示N个充电区域所能承载的最大充电桩数量。
通过在求解得到的充电区域位置设置对应数量的充电桩，使得待充电车辆到达不同充电区域进行充电的距离较小，且满足充电管控区域内充电桩的数量满足充电桩数量需求。
所述S1步骤中获取充电管控区域的指标数据，包括：
获取充电管控区域的指标数据，其中所述指标数据包括充电管控区域的大门位置坐标、充电区域数量以及空旷区域位置坐标，Ω表示充电管控区域内空旷区域位置的集合，Locdoor表示充电管控区域的大门位置。S2：利用改进的灰狼优化算法对充电区域选址目标函数进行求解，快速得到充电管控区域内每个充电区域的位置坐标，并在每个充电区域设置若干充电桩。
S2：利用改进的灰狼优化算法对充电区域选址目标函数进行求解，快速得到充电管控区域内每个充电区域的位置坐标，并在每个充电区域设置若干充电桩。
所述S2步骤中利用改进的灰狼优化算法对充电区域选址目标函数进行求解，包括：
利用改进的灰狼优化算法对充电区域选址目标函数进行求解，快速得到充电管控区域内每个充电区域的位置坐标，其中所述改进的灰狼优化算法，包括：
利用改进的灰狼优化算法对充电区域选址目标函数进行求解，得到充电区域选址目标函数的充电区域选址位置坐标，所述改进的灰狼优化算法流程为：
S21：初始化n′只灰狼，则第g只灰狼的位置坐标fg为：
fg＝[fg,1,fg,2,…,fg,N]
其中：
每只灰狼的位置坐标表示一种充电区域选址位置坐标求解结果，fg,1表示充电管控区域中第1个充电区域的位置坐标，fg,N表示充电管控区域中第N个充电区域的位置坐标；
S22：设置当前算法迭代次数为nd，并将nd初始化为0，设置最大算法迭代次数为Max；
S23：设置灰狼优化算法的适应度函数，则第g只灰狼在第nd迭代时的适应度函数值
Figure BDA0003696572330000096
为：
Figure BDA0003696572330000101
其中：
Figure BDA0003696572330000102
为将
Figure BDA0003696572330000103
中的充电区域位置坐标代入到充电区域选址目标函数的适应度函数值结果，其中fg,q等价于充电管控区域中第q个充电区域的位置坐标Locq，X表示一个无穷大的值，当
Figure BDA0003696572330000104
中所选取的充电区域位置不满足约束条件时，则
Figure BDA0003696572330000105
的适应度函数值为X；
Figure BDA0003696572330000106
表示第nd次算法迭代时第g只灰狼的位置坐标；
S24：计算当前第nd次算法迭代过程中所有灰狼位置坐标的适应度函数值；
S25：将此时适应度函数值最低的灰狼位置坐标作为第nd次算法迭代的猎物
Figure BDA0003696572330000107
S26：判断当前算法迭代次数nd是否满足nd≥Max，若不满足，计算每个当前算法迭代过程中每只灰狼的位置坐标更新概率：
Figure BDA0003696572330000108
基于位置坐标更新概率选取灰狼进行位置坐标更新，利用下式对选中灰狼的位置坐标进行更新：
Figure BDA0003696572330000109
e表示自然常数，并令nd＝nd+1，返回步骤S24；
若满足nd≥Max，则进入下一步骤；
S27：将此时的猎物
Figure BDA00036965723300001010
所对应的N个充电区域的位置坐标作为充电区域选址目标函数的求解结果；
在所述求解得到的N个充电区域位置坐标区域内设置若干充电桩，每个充电区域所设置的充电桩数量所能承载的最大充电桩数量。
S3：构建每个充电区域的管控模型，并获取充电车辆等待数据，其中所述充电车辆等待数据包括不同充电车辆到达充电区域的时序数据。
所述S3步骤中构建每个充电区域的管控模型，包括：
对于充电管控区域中的N个充电区域，分别设定每个充电区域的管控模型，则其中第n个充电区域的管控模型Gn为：
Figure BDA00036965723300001011
Figure BDA00036965723300001012
SOCi,n×Ui＝SOCi×Ui-0.01×din×d
din＝distance(Locn,Locdoor)
其中：
din表示充电管控区域中第n个充电区域位置Locn与大门位置Locdoor的距离，同时表示充电车辆i到达充电管控区域大门位置时，距离第n个充电区域的距离；
Figure BDA00036965723300001013
表示充电车辆i的平均速度；
Figure BDA00036965723300001014
表示充电车辆i从充电管控区域大门位置到达第n个充电区域的时间成本Cost1,n；
mn,i表示充电车辆i到达充电管控区域大门位置时，第n个充电区域的等待充电车辆总数，Lr表示充电车辆r到达第n个充电区域时，第n个充电区域的等待队长；
yr′＝{0,1}表示充电车辆r到达第n个充电区域时，充电车辆r之前的第r′个车辆的状态，若yr′＝0，表示充电车辆r之前的第r′个车辆正在等待或充电，若yr′＝0，表示充电车辆r之前的第r′个车辆已经充电完成；
Figure BDA0003696572330000111
表示充电车辆i到达第n个充电区域前时，第n个充电区域的平均等待成本Cost2,n，说明第n个充电区域的充电效率；
SOCi,end×Ui表示充电车辆i的目标电量，SOCi,end表示充电车辆i达到目标电量时的电池荷电状态，Ui表示充电车辆i的电池容量；
SOCi表示充电车辆i到达充电管控区域大门位置时的电池荷电状态，0.01×din×d表示充电车辆i从大门位置行驶到第n个充电区域的耗电量，d表示充电车辆的百公里耗电量，SOCi,n×Ui表示充电车辆i开始充电时的剩余电量；
P表示充电区域中充电桩的充电功率；
Figure BDA0003696572330000112
表示充电车辆i在第n个充电区域进行充电的充电时间成本Cost3,n；
w1,n,w2,n,w3,n分别为时间成本Cost1,n、平均等待成本Cost2,n以及充电时间成本Cost3,n的权重系数；
所述第n个充电区域的管控模型Gn的约束条件为：
SOCi×Ui-0.01×din×d>0
所述第n个充电区域的管控模型的待求解参数为w1,n,w2,n,w3,n。
所述S3步骤中获取充电车辆等待数据，其中所述充电车辆等待数据包括不同充电车辆到达充电区域的时序数据，包括：
获取充电车辆等待数据，所述充电车辆等待数据的格式为：
Figure BDA0003696572330000113
其中：
ht(k)为在t(k)时刻到达充电管控区域大门位置的充电车辆的指标数据，SOCt(k)为充电车辆到达充电管控区域大门位置的初始电池电荷状态；
Figure BDA0003696572330000114
为指标数据ht(k)中充电车辆的平均速度；
SOCt(k),end表示指标数据ht(k)中充电车辆的目标电池电荷状态，Ut(k)为对应的电池容量，SOCt(k),end Ut(k)为充电车辆的目标电量；
将从时刻t(0)到时刻t(K)的充电车辆到达等待数据作为充电车辆等待数据。
S4：基于充电车辆等待数据，利用参数动力迭代法对充电区域管控模型进行优化求解，得到优化后的充电区域管控模型。
所述S4步骤中利用参数动力迭代法对充电区域管控模型进行优化求解，包括：
将充电车辆等待数据分别作为N个充电区域管控模型的训练集，利用参数动力迭代法对不同的充电区域管控模型进行优化求解，则第n个充电区域管控模型Gn的优化求解流程为：
S41：确定第n个充电区域管控模型Gn的训练优化目标函数：
Figure BDA0003696572330000115
S42：构建权重系数求解函数La(w1,n,w2,n,w3,n,λ)：
La(w1,n,w2,n,w3,n,λ)＝LossGn+λT[(SOCt(k)×Ut(k))β-(0.01×dt(k)n×d)β]
其中：
β为阶数，将其设置为2；
λ为用于限定约束条件的拉格朗日乘子；
S43：权重参数的求解结果(w1,n′,w2,n′,w3,n′)为：
Figure BDA0003696572330000121
Figure BDA0003696572330000122
Figure BDA0003696572330000123
S44：对权重参数求解结果进行归一化处理：
Figure BDA0003696572330000124
Figure BDA0003696572330000125
Figure BDA0003696572330000126
则(w1,n *,w2,n *,w3,n *)为求解得到的第n个充电区域管控模型Gn的权重参数，得到训练优化后的充电区域管控模型Gn *。
S5：当待充电车辆进入充电管控区域的大门时，待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，不同充电区域的管控模型接收待充电车辆所发送的车辆信息数据，管控模型输出结果最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该位置进行充电，其中所述充电区域管控模型的输入为待充电车辆的信息数据，输出为待充电车辆在该充电区域进行充电的时间成本。
所述S5步骤中待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，不同充电区域的管控模型接收待充电车辆所发送的车辆信息数据，管控模型输出结果最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该位置进行充电，包括：
待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，其中所述车辆信息数据包括车辆到达充电管控区域的时间、平均速度、剩余电量以及目标电量，不同充电区域的训练优化后的管控模型接收待充电车辆所发送的车辆信息数据，并计算得到管控模型的输出结果，其中管控模型的输出结果包括待充电车辆到达充电区域的时间成本、待充电车辆等待充电的时间成本以及待充电车辆进行充电的时间成本，所述管控模型输出充电时间成本最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该充电区域进行等待充电，直到充电完成。
实施例2：
如图2所示，是本发明一实施例提供的智慧充电管控系统的功能模块图，其可以实现实施例1中的智慧充电管控方法。
本发明所述智慧充电管控系统100可以安装于电子设备中。根据实现的功能，所述智慧充电管控系统可以包括充电区域选址模块101、数据获取模块102及充电管控装置103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
充电区域选址模块101，用于构建充电区域选址目标函数，获取充电管控区域的指标数据，其中所述指标数据包括充电管控区域的大门位置坐标、充电区域数量以及空旷区域位置坐标，利用改进的灰狼优化算法对充电区域选址目标函数进行求解，快速得到充电管控区域内每个充电区域的位置坐标；
数据获取模块102，用于获取充电车辆等待数据，当待充电车辆进入充电管控区域的大门时，待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，不同充电区域的管控模型接收待充电车辆所发送的车辆信息数据；
充电管控装置103，用于构建每个充电区域的管控模型，基于充电车辆等待数据，利用参数动力迭代法对充电区域管控模型进行优化求解，得到优化后的充电区域管控模型，管控模型输出结果最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该位置进行充电。
详细地，本发明实施例中所述智慧充电管控系统100中的所述各模块在使用时采用与上述的图1中所述的智慧充电管控方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
实施例3：
如图3所示，是本发明一实施例提供的实现智慧充电管控方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如智慧充电管控程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如智慧充电管控程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(智慧充电管控程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的智慧充电管控程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
构建充电区域选址目标函数，获取充电管控区域的指标数据；
利用改进的灰狼优化算法对充电区域选址目标函数进行求解，快速得到充电管控区域内每个充电区域的位置坐标，并在每个充电区域设置若干充电桩；
构建每个充电区域的管控模型，并获取充电车辆等待数据；
基于充电车辆等待数据，利用参数动力迭代法对充电区域管控模型进行优化求解，得到优化后的充电区域管控模型；
当待充电车辆进入充电管控区域的大门时，待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，不同充电区域的管控模型接收待充电车辆所发送的车辆信息数据，管控模型输出充电时间成本最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该位置进行充电。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种智慧充电管控方法，其特征在于，所述方法包括：
S1：构建充电区域选址目标函数，获取充电管控区域的指标数据，其中所述指标数据包括充电管控区域的大门位置坐标、充电区域数量以及空旷区域位置坐标；
S2：利用改进的灰狼优化算法对充电区域选址目标函数进行求解，快速得到充电管控区域内每个充电区域的位置坐标，并在每个充电区域设置若干充电桩；
S3：构建每个充电区域的管控模型，并获取充电车辆等待数据，其中所述充电车辆等待数据包括不同充电车辆到达充电区域的时序数据，所述构建每个充电区域的管控模型，包括：
对于充电管控区域中的N个充电区域，分别设定每个充电区域的管控模型，则其中第n个充电区域的管控模型Gn为：
Figure RE-FDA0003757734590000011
Figure RE-FDA0003757734590000012
SOCi,n×Ui＝SOCi×Ui-0.01×din×d
din＝distance(Locn,Locdoor)
其中：
din表示充电管控区域中第n个充电区域位置Locn与大门位置Locdoor的距离，同时表示充电车辆i到达充电管控区域大门位置时，距离第n个充电区域的距离；
Figure RE-FDA0003757734590000013
表示充电车辆i的平均速度；
Figure RE-FDA0003757734590000014
表示充电车辆i从充电管控区域大门位置到达第n个充电区域的时间成本Cost1,n；
mn,i表示充电车辆i到达充电管控区域大门位置时，第n个充电区域的等待充电车辆总数，Lr表示充电车辆r到达第n个充电区域时，第n个充电区域的等待队长；
yr′＝{0,1}表示充电车辆r到达第n个充电区域时，充电车辆r之前的第r′个车辆的状态，若yr′＝0，表示充电车辆r之前的第r′个车辆正在等待或充电，若yr′＝0，表示充电车辆r之前的第r′个车辆已经充电完成；
Figure RE-FDA0003757734590000015
表示充电车辆i到达第n个充电区域前时，第n个充电区域的平均等待成本Cost2,n，说明第n个充电区域的充电效率；
SOCi,end×Ui表示充电车辆i的目标电量，SOCi,end表示充电车辆i达到目标电量时的电池荷电状态，Ui表示充电车辆i的电池容量；
SOCi表示充电车辆i到达充电管控区域大门位置时的电池荷电状态，0.01×din×d表示充电车辆i从大门位置行驶到第n个充电区域的耗电量，d表示充电车辆的百公里耗电量，SOCi,n×Ui表示充电车辆i开始充电时的剩余电量；
P表示充电区域中充电桩的充电功率；
Figure RE-FDA0003757734590000016
表示充电车辆i在第n个充电区域进行充电的充电时间成本Cost3,n；
w1,n,w2,n,w3,n分别为时间成本Cost1,n、平均等待成本Cost2,n以及充电时间成本Cost3,n的权重系数；
所述第n个充电区域的管控模型Gn的约束条件为：
SOCi×Ui-0.01×din×d>0
所述第n个充电区域的管控模型的待求解参数为w1,n,w2,n,w3,n；
S4：基于充电车辆等待数据，利用参数动力迭代法对充电区域管控模型进行优化求解，得到优化后的充电区域管控模型；
S5：当待充电车辆进入充电管控区域的大门时，待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，不同充电区域的管控模型接收待充电车辆所发送的车辆信息数据，管控模型输出结果最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该位置进行充电，其中所述充电区域管控模型的输入为待充电车辆的信息数据，输出为待充电车辆在该充电区域进行充电的时间成本。
2.如权利要求1所述的一种智慧充电管控方法，其特征在于，所述S1步骤中构建充电区域选址目标函数，其中所述充电区域选址目标函数的输出为充电区域的位置坐标，包括：
构建充电区域选址目标函数，所述目标函数为：
Figure RE-FDA0003757734590000021
Figure RE-FDA0003757734590000022
其中：
N表示充电管控区域内充电区域的数量，在每个充电管控区域内设置若干充电区域，每个充电区域具有若干充电桩，待充电车辆可行驶到不同的充电区域进行充电；
Locq表示充电管控区域中第q个充电区域的位置，Locq∈Ω，Ω表示充电管控区域内空旷区域位置的集合，Locdoor表示充电管控区域的大门位置，distance(Locq,Locdoor)表示两者的距离；
Figure RE-FDA0003757734590000023
表示目标函数的约束条件，Sq表示充电管控区域中第q个充电区域的可用面积，所述可用面积表示可以设置充电桩的面积，s表示单个充电桩的占地面积，则
Figure RE-FDA0003757734590000024
表示所选取的第q个充电区域所能承载的最大充电桩数量；α为承载因数，将其设置为0.3，M表示充电管控区域内充电车辆总数，
Figure RE-FDA0003757734590000025
表示N个充电区域所能承载的最大充电桩数量。通过在求解得到的充电区域位置设置对应数量的充电桩，使得待充电车辆到达不同充电区域进行充电的距离较小，且满足充电管控区域内充电桩的数量满足充电桩数量需求。
3.如权利要求2所述的一种智慧充电管控方法，其特征在于，所述S1步骤中获取充电管控区域的指标数据，包括：
获取充电管控区域的指标数据，其中所述指标数据包括充电管控区域的大门位置坐标、充电区域数量以及空旷区域位置坐标，Ω表示充电管控区域内空旷区域位置的集合，Locdoor表示充电管控区域的大门位置。
4.如权利要求2-3所述的一种智慧充电管控方法，其特征在于，所述S2步骤中利用改进的灰狼优化算法对充电区域选址目标函数进行求解，包括：
利用改进的灰狼优化算法对充电区域选址目标函数进行求解，快速得到充电管控区域内每个充电区域的位置坐标，其中所述改进的灰狼优化算法，包括：
利用改进的灰狼优化算法对充电区域选址目标函数进行求解，得到充电区域选址目标函数的充电区域选址位置坐标，所述改进的灰狼优化算法流程为：
S21：初始化n′只灰狼，则第g只灰狼的位置坐标fg为：
fg＝[fg,1,fg,2,…,fg,N]
其中：
每只灰狼的位置坐标表示一种充电区域选址位置坐标求解结果，fg,1表示充电管控区域中第1个充电区域的位置坐标，fg,N表示充电管控区域中第N个充电区域的位置坐标；
S22：设置当前算法迭代次数为nd，并将nd初始化为0，设置最大算法迭代次数为Max；
S23：设置灰狼优化算法的适应度函数，则第g只灰狼在第nd迭代时的适应度函数值
Figure RE-FDA0003757734590000031
为：
Figure RE-FDA0003757734590000032
其中：
Figure RE-FDA0003757734590000033
为将
Figure RE-FDA0003757734590000034
中的充电区域位置坐标代入到充电区域选址目标函数的适应度函数值结果，其中fg,q等价于充电管控区域中第q个充电区域的位置坐标Locq，X表示一个无穷大的值，当
Figure RE-FDA0003757734590000035
中所选取的充电区域位置不满足约束条件时，则
Figure RE-FDA0003757734590000036
的适应度函数值为X；
Figure RE-FDA0003757734590000037
表示第nd次算法迭代时第g只灰狼的位置坐标；
S24：计算当前第nd次算法迭代过程中所有灰狼位置坐标的适应度函数值；
S25：将第nd次算法迭代过程中适应度函数值最低的灰狼位置坐标作为第nd次算法迭代的猎物
Figure RE-FDA0003757734590000038
S26：判断当前算法迭代次数nd是否满足nd≥Max，若不满足，计算每个当前算法迭代过程中每只灰狼的位置坐标更新概率：
Figure RE-FDA0003757734590000039
基于位置坐标更新概率选取灰狼进行位置坐标更新，利用下式对选中灰狼的位置坐标进行更新：
Figure RE-FDA00037577345900000310
e表示自然常数，并令nd＝nd+1，返回步骤S24；
若满足nd≥Max，则进入下一步骤；
S27：将此时的猎物
Figure RE-FDA00037577345900000313
所对应的N个充电区域的位置坐标作为充电区域选址目标函数的求解结果；
在所述求解得到的N个充电区域位置坐标区域内设置若干充电桩，每个充电区域所设置的充电桩数量所能承载的最大充电桩数量。
5.如权利要求1所述的一种智慧充电管控方法，其特征在于，所述S3步骤中获取充电车辆等待数据，其中所述充电车辆等待数据包括不同充电车辆到达充电区域的时序数据，包括：
获取充电车辆等待数据，所述充电车辆等待数据的格式为：
Figure RE-FDA00037577345900000311
其中：
ht(k)为在t(k)时刻到达充电管控区域大门位置的充电车辆的指标数据，SOCt(k)为充电车辆到达充电管控区域大门位置的初始电池电荷状态；
Figure RE-FDA00037577345900000312
为指标数据ht(k)中充电车辆的平均速度；
SOCt(k),end表示指标数据ht(k)中充电车辆的目标电池电荷状态，Ut(k)为对应的电池容量，SOCt(k),end Ut(k)为充电车辆的目标电量；
将从时刻t(0)到时刻t(K)的充电车辆到达等待数据作为充电车辆等待数据。
6.如权利要求1所述的一种智慧充电管控方法，其特征在于，所述S4步骤中利用参数动力迭代法对充电区域管控模型进行优化求解，包括：
将充电车辆等待数据分别作为N个充电区域管控模型的训练集，利用参数动力迭代法对不同的充电区域管控模型进行优化求解，则第n个充电区域管控模型Gn的优化求解流程为：
S41：确定第n个充电区域管控模型Gn的训练优化目标函数：
Figure RE-FDA0003757734590000041
S42：构建权重系数求解函数La(w1,n,w2,n,w3,n,λ)：
Figure RE-FDA0003757734590000042
其中：
β为阶数，将其设置为2；
λ为用于限定约束条件的拉格朗日乘子；
S43：权重参数的求解结果(w1，n′,w2，n′,w3，n′)为：
Figure RE-FDA0003757734590000043
Figure RE-FDA0003757734590000044
Figure RE-FDA0003757734590000045
S44：对权重参数求解结果进行归一化处理：
Figure RE-FDA0003757734590000046
Figure RE-FDA0003757734590000047
Figure RE-FDA0003757734590000048
则(w1,n *,w2,n *,w3,n *)为求解得到的第n个充电区域管控模型Gn的权重参数，得到训练优化后的充电区域管控模型Gn *。
7.如权利要求6所述的一种智慧充电管控方法，其特征在于，所述S5步骤中待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，不同充电区域的管控模型接收待充电车辆所发送的车辆信息数据，管控模型输出结果最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该位置进行充电，包括：
待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，其中所述车辆信息数据包括车辆到达充电管控区域的时间、平均速度、剩余电量以及目标电量，不同充电区域的训练优化后的管控模型接收待充电车辆所发送的车辆信息数据，并计算得到管控模型的输出结果，其中管控模型的输出结果包括待充电车辆到达充电区域的时间成本、待充电车辆等待充电的时间成本以及待充电车辆进行充电的时间成本，所述管控模型输出结果最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该充电区域进行等待充电，直到充电完成。
8.一种智慧充电管控系统，其特征在于，所述系统包括：
充电区域选址模块，用于构建充电区域选址目标函数，获取充电管控区域的指标数据，其中所述指标数据包括充电管控区域的大门位置坐标、充电区域数量以及空旷区域位置坐标，利用改进的灰狼优化算法对充电区域选址目标函数进行求解，快速得到充电管控区域内每个充电区域的位置坐标；
数据获取模块，用于获取充电车辆等待数据，当待充电车辆进入充电管控区域的大门时，待充电车辆利用蓝牙设备向不同充电区域发送车辆信息数据，不同充电区域的管控模型接收待充电车辆所发送的车辆信息数据；
充电管控装置，用于构建每个充电区域的管控模型，基于充电车辆等待数据，利用参数动力迭代法对充电区域管控模型进行优化求解，得到优化后的充电区域管控模型，管控模型输出结果最小的充电区域基于蓝牙设备向待充电车辆发送自身位置，待充电车辆可行驶到该位置进行充电，以实现如权利要求1-7任一一项所述的一种智慧充电管控方法。
CN202210675909.1A 2022-06-15 2022-06-15 一种智慧充电管控方法及系统 Pending CN114971368A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210675909.1A CN114971368A (zh) 2022-06-15 2022-06-15 一种智慧充电管控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210675909.1A CN114971368A (zh) 2022-06-15 2022-06-15 一种智慧充电管控方法及系统

Publications (1)

Publication Number Publication Date
CN114971368A true CN114971368A (zh) 2022-08-30

Family

ID=82962800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210675909.1A Pending CN114971368A (zh) 2022-06-15 2022-06-15 一种智慧充电管控方法及系统

Country Status (1)

Country Link
CN (1) CN114971368A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115489372A (zh) * 2022-09-15 2022-12-20 南京开关厂股份有限公司 一种基于数据采集的智能充电柜管控系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115489372A (zh) * 2022-09-15 2022-12-20 南京开关厂股份有限公司 一种基于数据采集的智能充电柜管控系统
CN115489372B (zh) * 2022-09-15 2023-10-24 南京开关厂股份有限公司 一种基于数据采集的智能充电柜管控系统

Similar Documents

Publication Publication Date Title
CN107368902A (zh) 一种预约充电桩充电的方法及服务器
Shi et al. Memory-based ant colony system approach for multi-source data associated dynamic electric vehicle dispatch optimization
CN111959331B (zh) 基于接力充电的电动汽车停车场配电系统、方法及装置
CN111832869B (zh) 一种车辆调度方法、装置、电子设备及存储介质
CN113283623A (zh) 兼容储能充电桩的电动运载工具电量路径规划方法
CN109492927A (zh) 充电桩智能调度管理方法
CN114971368A (zh) 一种智慧充电管控方法及系统
CN115619005A (zh) 一种智能用电网络资源优化配置方法及系统
CN117371739A (zh) 一种车辆充电管理方法、装置、电子设备及存储介质
CN112561330B (zh) 一种调度指令的生成方法、装置、电子设备及介质
CN111144790B (zh) 任务处理方法、系统、终端及可读存储介质
CN116834591A (zh) 立体车库车辆充电控制方法、系统、介质及设备
CN216211109U (zh) 运输存放车辆的系统
CN116461368A (zh) 一种新能源汽车充电桩系统和新能源汽车充电方法
CN112465338B (zh) 一种充电桩分配方法及其相关设备
CN108960518A (zh) 代客加电预估完成时间的补偿方法、装置、控制器和介质
CN114033224A (zh) 资源存取方法和装置
CN113335123A (zh) 一种充电管理方法、装置、电子设备及存储介质
CN111242269A (zh) 粒子群位置搜索方法、系统、装置及可读存储介质
CN116415178B (zh) 一种数字孪生车库系统的数据采集方法及装置
CN116834594B (zh) 基于充电车位的充电管理方法、装置、电子设备及介质
CN117764471B (zh) 一种建材运输车辆共享方案生成与调度优化方法
US20220343392A1 (en) Offer device and offer method
CN117172470A (zh) 一种考虑订单需求影响的电动出租车充电调度方法
CN115049155A (zh) 一种智慧园区停车决策优化方法及系统

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