CN115085187A - 一种充放电管理方法、服务器、介质及设备 - Google Patents

Abstract

本发明提供一种充放电管理方法、服务器、介质及设备，方法包括：根据天气参数预测下一天各时段的光伏发电量；预测下一天各时段的放电量；预测下一天各时段的场站负荷用电量；预测下一天各时段的充电量；预测下一天各时段的换电量；基于场站负荷用电量、预测充电量及预测换电量确定各时段的预测所需电量；基于光伏发电量及放电量确定各时段的预测可供应电量；基于预测可供应电量及预测所需电量确定电量分配计划；如此，可对场站内所有的能源节点的供电量及所需电量进行监控并实行统一调度，基于每个能源节点的历史数据对下一天各个时段的所需电量及可供电量进行预测，指导下一天各个时段的电量分配，提高场站能源利用率及管理效率。

Description

一种充放电管理方法、服务器、介质及设备

技术领域

本申请涉及车辆充放电技术领域，尤其涉及一种充放电管理方法、服务器、介质及设备。

背景技术

随着电动汽车的发展，电动汽车也存在多种充电、放电、换电等多种形式，用户随之也有多种需求。

目前大部分充电站为单一的充电站，只有1～2种充电形式，远远不能满足不同用户在不同场景下的充电、换电或放电需求。即便一些场站具备换电、快充、V2G等设备，但都是单独在场站中使用，没有对各个设备进行有效的整合，无法对场站的能源供应和能源需求进行综合管理调度，间接影响了场站能源的利用率。

发明内容

针对现有技术存在的问题，本发明实施例提供了一种充放电管理方法、服务器、介质及设备，以解决或者部分解决现有技术中无法对充电场站的能源需求和能源供应进行统一管理调度，进而导致场站能源无法得到高效利用的技术问题。

本发明的第一方面，提供一种充放电管理方法，所述方法包括：

获取当前天的下一天的天气参数，根据所述天气参数预测所述下一天各时段的光伏发电量；所述天气参数包括：光照强度及持续时长；

获取所述下一天的放电预约信息，根据所述放电预约信息预测所述下一天各时段的放电量；

预测所述下一天各时段的场站负荷用电量；根据所述下一天的充电预约信息及历史充电数据预测所述下一天各时段的充电量；根据所述下一天的换电预约信息预测所述下一天各时段的换电量；

基于所述场站负荷用电量、所述预测充电量及所述预测换电量确定所述下一天各时段的预测所需电量；

基于所述光伏发电量及所述放电量确定所述下一天各时段的预测可供应电量；

基于所述预测可供应电量及所述预测所需电量确定所述下一天各时段的电量分配计划。

上述方案中，所述基于所述可供应电量及所述所需电量确定所述下一天各时段的电量分配计划后，所述方法还包括：

针对每个时段，实时采集场站内的实时可供应电量及实时所需电量；

基于所述实时可供应电量及所述实时所需电量对所述每个时段的电量分配计划进行调整。

上述方案中，所述根据所述天气参数预测所述下一天各时段的光伏发电量，包括：

利用预先训练的光伏发电预测模型，基于下一天各时段的光照强度及所述持续时长预测所述下一天各时段的光伏发电量；其中，

所述光伏发电预测模型是基于历史天气参数及对应的历史光伏发电量进行训练得到的。

上述方案中，所述预测所述下一天各时段的场站负荷用电量，包括：

针对任一时段，在预设的映射表中查找所述时段对应的场站负荷用电量；所述映射表是基于历史时间内场站负荷设备在每天各时段内的用电量确定的，所述映射表中存储有各个时段与场站负荷用电量之间的对应关系。

上述方案中，所述根据所述放电预约信息预测所述下一天各时段的放电量，包括：

获取历史放电数据中各时段非预约放电对应的第一平均放电量及各时段预约放电对应的第二平均放电量；

根据所述下一天的放电预约信息确定所述下一天各时段预约放电对应的预约放电量；

若所述第二平均放电量与所述预约放电量之间的差值小于或等于预设的电量阈值，则将所述历史放电数据中各时段对应的历史放电量作为所述下一天各时段的放电量；

若所述第二平均放电量与所述预约放电量之间的差值大于预设的电量阈值，将每个时段所述第一平均放电量及所述预约放电量的和值作为所述下一天各时段的放电量。

上述方案中，所述根据所述下一天的充电预约信息及历史充电数据预测所述下一天各时段的充电量，包括：

获取历史充电数据中各时段非预约充电对应的第一平均充电量及各时段预约充电对应的第二平均充电量；

根据所述下一天的充电预约信息确定所述下一天各时段预约充电对应的预约充电量；

若所述第二平均充电量与所述预约充电量之间的差值小于或等于预设的电量阈值，则将所述历史充电数据中各时段对应的历史充电量作为所述下一天各时段的充电量；

若所述第二平均充电量与所述预约充电量之间的差值大于预设的电量阈值，将每个时段所述第一平均充电量及所述预约充电量的和值作为所述下一天各时段的充电量。

上述方案中，所述基于所述预测可供应电量及所述预测所需电量确定所述下一天各时段的电量分配计划，包括：

针对任一时段，若所述预测可供应电量大于或等于所述预测所需电量，则全部利用所述光伏发电量及所述放电量为场站提供用电电量；

并将富余电量存储在换电电池中。

上述方案中，所述基于所述实时可供应用电量及所述实时所需电量对所述每个时段的电量分配计划进行调整，包括：

针对任一时段，若所述实时可供应电量小于所述实时所需电量，则向还未到达场站的预约充电用户推送询问信息；所述询问信息为：所述时段的充电服务费已增加，是否继续选择在所述时段进行充电；

若接收到用户的确认充电信息，则向电网服务器发送在所述时段的买电请求。

上述方案中，方法还包括：

获取会员用户的历史充电数据、历史放电数据及用车行为数据；

基于所述历史充电数据、所述历史放电数据及所述用车行为数据为所述会员用户推荐充放电计划。

本发明的第二方面，提供一种充放电管理服务器，所述服务器包括：

第一预测单元，用于获取当前天的下一天的天气参数，根据所述天气参数预测所述下一天各时段的光伏发电量；所述天气参数包括：光照强度及持续时长；

第二预测单元，用于获取所述下一天的放电预约信息，根据所述放电预约信息预测所述下一天各时段的放电量；

第三预测单元，用于预测所述下一天各时段的场站负荷用电量；根据所述下一天的充电预约信息及历史充电数据预测所述下一天各时段的充电量；根据所述下一天的换电预约信息预测所述下一天各时段的换电量；

确定单元，用于基于所述光伏发电量及所述放电量确定所述下一天各时段的预测可供应电量；基于所述场站负荷用电量、所述预测充电量及所述预测换电量确定所述下一天各时段的预测所需电量；基于所述预测可供应电量及所述预测所需电量确定所述下一天各时段的电量分配计划。

上述方案中，确定单元还用于：

针对每个时段，实时采集场站内的实时可供应电量及实时所需电量；

基于所述实时可供应电量及所述实时所需电量对所述每个时段的电量分配计划进行调整。

上述方案中，第一预测单元具体用于：

利用预先训练的光伏发电预测模型，基于下一天各时段的光照强度及所述持续时长预测所述下一天各时段的光伏发电量；其中，

所述光伏发电预测模型是基于历史天气参数及对应的历史光伏发电量进行训练得到的。

上述方案中，第三预测单元具体用于：

针对任一时段，在预设的映射表中查找所述时段对应的场站负荷用电量；所述映射表是基于历史时间内场站负荷设备在每天各时段内的用电量确定的，所述映射表中存储有各个时段与场站负荷用电量之间的对应关系。

上述方案中，第二预测单元具体用于：

获取历史放电数据中各时段非预约放电对应的第一平均放电量及各时段预约放电对应的第二平均放电量；

根据所述下一天的放电预约信息确定所述下一天各时段预约放电对应的预约放电量；

若所述第二平均放电量与所述预约放电量之间的差值小于或等于预设的电量阈值，则将所述历史放电数据中各时段对应的历史放电量作为所述下一天各时段的放电量；

若所述第二平均放电量与所述预约放电量之间的差值大于预设的电量阈值，将每个时段所述第一平均放电量及所述预约放电量的和值作为所述下一天各时段的放电量。

上述方案中，第三预测单元具体用于：

获取历史充电数据中各时段非预约充电对应的第一平均充电量及各时段预约充电对应的第二平均充电量；

根据所述下一天的充电预约信息确定所述下一天各时段预约充电对应的预约充电量；

若所述第二平均充电量与所述预约充电量之间的差值小于或等于预设的电量阈值，则将所述历史充电数据中各时段对应的历史充电量作为所述下一天各时段的充电量；

若所述第二平均充电量与所述预约充电量之间的差值大于预设的电量阈值，将每个时段所述第一平均充电量及所述预约充电量的和值作为所述下一天各时段的充电量。

上述方案中，确定单元具体用于：

针对任一时段，若所述预测可供应电量大于或等于所述预测所需电量，则全部利用所述光伏发电量及所述放电量为场站提供用电电量；

并将富余电量存储在换电电池中。

上述方案中，确定单元具体用于：

若所述实时可供应电量小于所述实时所需电量，则向还未到达场站的预约充电用户推送询问信息；所述询问信息为：所述时段的充电服务费已增加，是否继续选择在所述时段进行充电；

若接收到用户的确认充电信息，则向电网服务器发送在所述目标时段的买电请求。

上述方案中，确定单元还用于：

获取会员用户的历史充电数据、历史放电数据及用车行为数据；

基于所述历史充电数据、所述历史放电数据及所述用车行为数据为所述会员用户推荐充放电计划。

本发明提供了一种充放电管理方法、服务器、介质及设备，方法包括：获取当前天的下一天的天气参数，根据所述天气参数预测所述下一天各时段的光伏发电量；所述天气参数包括：光照强度及持续时长；获取所述下一天的放电预约信息，根据所述放电预约信息预测所述下一天各时段的放电量；预测所述下一天各时段的场站负荷用电量；根据所述下一天的充电预约信息及历史充电数据预测所述下一天各时段的充电量；根据所述下一天的换电预约信息预测所述下一天各时段的换电量；基于所述场站负荷用电量、所述预测充电量及所述预测换电量确定所述下一天各时段的预测所需电量；基于所述光伏发电量及所述放电量确定所述下一天各时段的预测可供应电量；基于所述预测可供应电量及所述预测所需电量确定所述下一天各时段的电量分配计划；如此，可对场站内所有的能源节点的供电量及所需电量进行监控并实行统一调度，并基于每个能源节点的历史数据对下一天各个时段的所需电量及可供电量进行预测，根据预测结果指导下一天各个时段的电量分配，从而提高场站能源利用率及管理效率。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。

在附图中：

图1示出了根据本发明一个实施例提供的充放电管理系统结构示意图；

图2示出了根据本发明一个实施例提供的充放电管理方法流程示意图；

图3示出了根据本发明一个实施例提供的充放电管理服务器示意图；

图4示出了根据本发明一个实施例提供的计算机设备结构示意图；

图5示出了根据本发明一个实施例提供的计算机可读存储介质结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

为了能够更好地理解本实施例的技术方案，这里先介绍充放电管理系统，如图1所示，系统包括：光伏逆变器1、V2G充电桩2、直流充电桩3、超级快充桩4、换电电池充电检测设备5、充放电管理服务器6、能源控制器7、场站配电柜8、场站负荷9及变压器10；上述设备和电动汽车可形成一个微网，充放电管理服务器6可统一监控并调度各个能源节点的电量。

其中，光伏逆变器1主要用于利用太阳能进行发电，是场站的主要能源。V2G充电桩2区别于传统单向充电桩，它可以双向充放电。车辆可以将电池中的富余电量，在电网电价高峰时间段，通过V2G桩2放给电网；而在电网低价波谷时段，可对车辆进行充电。

本实施例的场站中安装有各种类型的充电桩，从而满足用户不同的充电需求。直流桩3的充电功率为60kW，上大多数电动汽车利用直流桩3充电30分钟可补充50％SOC电量，续航里程200公里以上，因此大部分车辆可在一小时内完成补能。超级快充桩4的充电功率为350kW，对于具备高电压平台配置的电动汽车，可以选择超级快充桩4，充电5～10分钟可以满足200公里以上续航需求，可满足高电压平台车辆的超快补电需求，堪比传统汽车加油的补能速度。

为了提高场站的能源管理效率及利用率，充放电管理服务器6可获取用户11的充电预约信息、放电预约信息及换电预约信息，以对场站内所有的能源节点的供电量及所需电量进行监控并实行统一调度，并基于每个能源节点的历史数据对下一天各个时段的所需电量及可供电量进行预测，根据预测下一天各时段的电量分配计划。

能源控制器7是用于执行充放电管理服务器6的电量分配计划。

场站配电柜8是用于用电设备进行配电和控制，还可以在电路出现过载、短路和漏电时，提供断电保护。

场站负荷9包括场站的照明设备、空调以及其他用电设备。

变压器10用于在场站可供应能量不足时，从电网侧12取电，为场站提供额外电量。

这里，充放电管理服务器6的具体实施过程会在后续有关充放电管理服务器侧的实施例中详细描述，故在此不在赘述。

基于与前述实施例同样的发明构思，本实施例还提供一种充放电管理方法，应用在充放电管理服务器中，如图2所示，方法包括：

S210，获取当前天的下一天的天气参数，根据所述天气参数预测所述下一天各时段的光伏发电量；所述天气参数包括：光照强度及持续时长。

由于影响光伏发电的主要因素是光照强度以及持续时长；比如天气为晴天时，光照强度会更强，相比天气为阴天时，发电量会更多一些。因此本实施例需要获取当前天的下一天的天气参数，根据天气参数预测下一天各个时段的光伏发电量。

在一种实施方式中，根据天气参数预测下一天各时段的光伏发电量，包括：

利用预先训练的光伏发电预测模型，基于各时段的光照强度及持续时长预测下一天各时段的光伏发电量；其中，

光伏发电预测模型是基于历史天气参数及对应的历史光伏发电量进行训练得到的。

具体来讲，由于不同的季节光照时间不同，光照强度也不同，因此本实施例在训练光伏发电预测模型时，所使用的历史数据一般是过去一年内(包含四季)的历史天气参数以及对应的历史光伏发电量，以提高预测精度。在训练光伏发电预测模型时，可基于深度神经网络进行训练，也可利用其他算法进行训练，在此不做限制。

S211，获取所述下一天的放电预约信息，根据所述放电预约信息预测所述下一天各时段的放电量。

由于场站内有V2G充放电桩，用户也会通过V2G充放电桩将车辆内的电量反馈至场站内。一般来说，放电包括两种方式，一种是临时放电(非预约用户)，另一种是预约放电；由于临时放电无法提前预知，因此本实施例先基于放电预约信息预测下一天各时段的放电量。

在一种实施方式中，根据放电预约信息预测下一天各时段的放电量，包括：

获取历史放电数据中各时段非预约放电对应的第一平均放电量及各时段预约放电对应的第二平均放电量；

根据下一天的放电预约信息确定下一天各时段预约放电对应的预约放电量；

若第二平均放电量与预约放电量之间的差值小于或等于预设的电量阈值，则将历史放电数据中各时段对应的历史放电量作为下一天各时段的放电量；

若第二平均放电量与预约放电量之间的差值大于预设的电量阈值，将每个时段第一平均放电量及预约放电量的和值作为下一天各时段的放电量。

这里，放电预约信息包括：放电时段及放电功率；因此可基于放电预约信息确定下一天各时段的预约放电量。比如放电功率为60kw/h，放电时段为9:30～11:30，那么预约放电量为120kw。

由于在不同的季节，用户的放电需求可能是不同的。比如冬季车辆本身耗电较快，用户的放电需求可能会降低；而在夏季，车辆本身耗电较慢，用户的放电需求可能会增加。因此本步骤的历史放电数据可以为当天之前的一个月内的放电数据。

在历史放电数据中，针对每个时段，应包括有预约用户对应的放电量以及非预约用户对应的放电量，各天的同一时段放电量也可能会有出入，因此本实施例将历史放电数据中各时段非预约放电对应的第一平均放电量及各时段预约放电对应的第二平均放电量作为考量因素，提高预测的准确性。

比如历史放电数据可以为当天之前的一个月(30天)内的放电数据，在9：00～10:00这个时段，共有30天的历史预约放电量以及30天的历史非预约放电量，那么可以将30天的历史非预约放电量的均值作为第一平均放电量，将30天的历史预约放电量的均值作为第二平均放电量。

若第二平均放电量与预约放电量之间的电量差值小于或等于电量阈值(比如5～10kw)，说明偏差较小，此时可以直接将各时段第一平均放电量和第二平均放电量的电量和值作为下一天各时段的放电量。

若第二平均放电量与预约放电量之间的电量差值大于电量阈值，则说明偏差较大，此时可将每个时段第一平均放电量及预约放电量的和值作为下一天各时段的放电量。

S212，预测所述下一天各时段的场站负荷用电量；根据所述下一天的充电预约信息及历史充电数据预测所述下一天各时段的充电量；根据所述下一天的换电预约信息预测所述下一天各时段的换电量；基于所述场站负荷用电量、所述预测充电量及所述预测换电量确定所述下一天各时段的预测所需电量；

同样的，场站内也有用电设备，也需要对用电量进行预测。场站的用电量主要来自三个方面：场站负荷设备的用电、车辆充电以及车辆换电。

在一种实施方式中，预测下一天各时段的场站负荷用电量，包括：

针对任一时段，在预设的映射表中查找所述时段对应的场站负荷用电量；映射表是基于历史时间内场站负荷设备在每天各时段内的用电量确定的，映射表中存储有各个时段与场站负荷用电量之间的对应关系。

由于场站负荷设备比较固定，用电也比较规律，因此可预先对场站负荷设备在每天各时段的历史用电量创建映射表。同样的，考虑到各天同一时段的用电量可能会有不同，因此针对任一时段，本实施例是将历史时间(比如30天)内的用电量进行平均，将用电量平均值作为该时段的场站负荷用电量。这样，映射表中最终存储有每个时段与场站负荷用电量之间的对应关系。

在一种实施方式中，根据下一天的充电预约信息及历史充电数据预测下一天各时段的充电量，包括：

获取历史充电数据中各时段非预约充电对应的第一平均充电量及各时段预约充电对应的第二平均充电量；

根据下一天的充电预约信息确定下一天各时段预约充电对应的预约充电量；

若第二平均充电量与预约充电量之间的差值小于或等于预设的电量阈值，则将历史充电数据中各时段对应的历史充电量作为下一天各时段的充电量；

若第二平均充电量与预约充电量之间的差值大于预设的电量阈值，将每个时段第一平均充电量及预约充电量的和值作为下一天各时段的充电量。

这里，充电预约信息包括：充电时段及充电功率；因此可基于充电预约信息确定下一天各时段的预约充电量。比如充电功率为60kw/h，充电时段为18:00～20:00，那么预约放电量为120kw。

由于在不同的季节，用户的充电需求可能是不同的。比如冬季车辆本身耗电较快，用户的充电需求可能会增加；而在夏季，车辆本身耗电较慢，用户的充电需求可能会降低。因此本步骤的历史充电数据可以为当天之前的一个月内的充电数据。

在历史充电数据中，针对每个时段，应包括有预约用户对应的充电量以及非预约用户对应的充电量，各天的同一时段充电量也可能会有出入，因此本实施例将历史充电数据中各时段非预约充电对应的第一平均充电量及各时段预约充电对应的第二平均充电量作为考量因素，提高预测的准确性。

比如历史充电数据可以为当天之前的一个月(30天)内的放电数据，在18：00～19:00这个时段，共有30天的历史预约充电量以及30天的历史非预约充电量，那么可以将30天的历史非预约充电量的均值作为第一平均充电量，将30天的历史预约充电量的均值作为第二平均充电量。

若第二平均充电量与预约充电量之间的电量差值小于或等于电量阈值(比如5～10kw)，说明偏差较小，此时可以直接将各时段第一平均充电量和第二平均充电量的电量和值作为下一天各时段的充电量。

若第二平均充电量与预约充电量之间的电量差值大于电量阈值，则说明偏差较大，此时可将每个时段第一平均充电量及预约充电量的和值作为下一天各时段的充电量。

在一种实施方式中，根据下一天的换电预约信息预测下一天各时段的换电量，包括：

根据换电预约信息确定该时段内需要换电的换电电池数量；

若场站内的满电电池数量大于或等于换电电池数量，则换电量为0；

若满电电池数量小于换电电池数量，则确定场站内需要进行充电的电池数量；并获取每个需要进行充电的电池的SOC；

基于要进行充电的电池数量及每个需要进行充电的电池的SOC确定该时段对应的换电电量。

举例来说，假设换电时段为15:00～16:00，需要进行充电的电池数量为1个，该电池的SOC为50％，需要充到100％，那么该时段内的换电量为SOC从50％充满至100％所消耗的电量。

这样，可预测出下一天各时段对应的场站负荷用电量、各时段的充电量及各时段的换电量，进而根据各时段对应的场站负荷用电量、各时段的充电量及各时段的换电量确定下一天各时段的预测所需电量。每个时段的所需电量为对应时段的场站负荷用电量、充电量及换电量的和值。

S213，基于所述光伏发电量及所述放电量确定所述下一天各时段的预测可供应电量；

下一天各时段的光伏发电量及V2G桩的放电量确定出之后，可基于光伏发电量及放电量确定下一天各时段的预测可供应电量。

每个时段的预测可供应电量为对应时段的光伏发电量及V2G桩的放电量的和值。

S214，基于所述预测可供应电量及所述预测所需电量确定所述下一天各时段的电量分配计划。

每个时段的预测可供应电量及预测所需电量确定出之后，可基于预测可供应电量及预测所需电量确定下一天各时段的电量分配计划。

在一种实施方式中，基于预测可供应电量及预测所需电量确定下一天各时段的电量分配计划，包括：

针对任一时段，若预测可供应电量大于或等于预测所需电量，则全部利用光伏发电量及放电量为场站提供用电电量；

并将富余电量存储在换电电池中。

这样，场站也无需安装专门的储能设备，直接利用换电电池可将富余的电量进行存储，进而降低了场站的储能成本。

但是在实际应用中，可能会出现预约用户失约的情况，比如临时有事，无法在预定时段内进行充电、放电或换电，也可出现临时充电车辆较多的情况，那么本实施例基于可供应电量及所需电量确定下一天各时段的电量分配计划后，方法还包括：

针对每个时段，实时采集场站内的实时可供应电量及实时所需电量；

基于实时可供应电量及实时所需电量对每个时段的电量分配计划进行调整。

在一种实施方式中，所述基于实时可供应电量及实时所需电量对每个时段的电量分配计划进行调整，包括：

若实时可供应电量小于实时所需电量，则向还未到达场站的预约充电用户推送询问信息；询问信息包括：该时段的充电服务费已增加(同时显示增加后的充电服务费)，是否继续选择在该时段进行充电；

若接收到用户的确认充电信息，则向电网服务器发送在该时段的买电请求。

也就是说，若电量出现供不应求的情况，则适当提高该时段的充电服务费，并向还未到达场站的预约充电用户发送询问信息，可能有的用户会因充电服务费上涨放弃在该时段进行充电，那么场站则可以在很大程度上缓解电量供不应求的情况。并且由于向电网买点需要增加额外的价格，因此也可以最大可能地降低场站成本，提高收益。

但是若用户依然选择在该时段进行充电，则可以向电网服务器发送买电请求，以为用户提供足够的电量。

进一步地，由于本实施例的场站会员用户的车辆可通过无线网络与充放电管理服务器相连，对于提前预约换电的用户，会给予换电优惠，并优先对SOC高的换电电池进行充电，确保在换电之前有足够的满电电池进行更换。

非换电用户可以提前预约放电以及预约充电，并选择充电模式(慢充、快充及超级快充)，场站可基于预约充电信息为用户预留对应的充电桩。对于未提前预约的用户，当用户到达场站时，向用户推送可用的充电桩、当前充电电价及当前放电收益、充电服务费，帮助客户作出相应的充电选择。

值得注意的是，本实施例中的所有用电均优先选优光伏电量以及V2G充放电桩的放电电量。

进一步地，本实施例还可以为会员用户规划充放电计划，具体为：

获取会员用户的历史充电数据、历史放电数据及用车行为数据；

基于历史充电数据、历史放电数据及用车行为数据为会员用户推荐充放电计划。

比如对于用车比较规律的用户来说，若用户办公地点附近有合适的场站，充放电计划可以为：9：30～17:00进行放电，晚上下班回家后19:00～7:00可选择充电。若用户接受充放电计划，则在对应的时间段内提醒用户可以放电，或者提醒用户可以充电。

值得注意的是，为了避免车辆放电过多，没有足够的续航里程行驶到下一个目的地(比如回家)，用户在预约放电时，可向用户推送车辆最低SOC选择信息，一般建议将车辆最低SOC持在30％，以确保有足够的电量回家。

场站还可以为用户提供充电收益和放电收益的单次数据和历史数据统计，使得用户可直观感受到V2G放电收益、充电优惠、个人的碳排放减少贡献值和用户体验的提升。

并且本实施例的充放电管理服务器可以与车联网平台互连，可通过车联网平台确定车辆的当前SOC及实时位置；当识别到用户跨省或跨市时，可基于用户的实时位置为用户推荐适合的充电场站，提高用户的充电效率。

当获取到会员用户车辆的当前SOC，确定当前SOC低于电量阈值，则向用户发送需要为车辆充电的提示信息。

本实施例提供的充放电管理方法，可以满足电动汽车的多种补能需求，电动汽车用户需要直流充电、放电、超快速补能、换电都可以一站式解决；光伏发电作为场站的主要能量来源，充电和场站的负荷用电需求的电能均来自于光伏发电和V2G充放电桩的放电，因此场站内清洁能源自给自足，降低场站的碳排放。换电站的电池用于光伏多余能量的存储，因此节省了一般光储充一体化场站的储能设备投资成本(对于大部分此类场站，储能设备投资一般占投资总费用的二分之一甚至更多)。可对场站内的能源节点进行统一管理及调度，为下一时段作出最优的电量分配计划，并基于实时电量数据进行调整，可实现场站内的能源高效利用，提高能量利用率。

基于与前述实施例同样的发明构思，本实施例还提供一种充放电管理服务器，如图3所示，充放电管理服务器包括：

第一预测单元31，用于获取当前天的下一天的天气参数，根据所述天气参数预测所述下一天各时段的光伏发电量；所述天气参数包括：光照强度及持续时长；

第二预测单元32，用于获取所述下一天的放电预约信息，根据所述放电预约信息预测所述下一天各时段的放电量；

第三预测单元33，用于预测所述下一天各时段的场站负荷用电量；根据所述下一天的充电预约信息及历史充电数据预测所述下一天各时段的充电量；根据所述下一天的换电预约信息预测所述下一天各时段的换电量；

确定单元34，用于基于所述光伏发电量及所述放电量确定所述下一天各时段的预测可供应电量；基于所述场站负荷用电量、所述预测充电量及所述预测换电量确定所述下一天各时段的预测所需电量；基于所述预测可供应电量及所述预测所需电量确定所述下一天各时段的电量分配计划。

由于本发明实施例所介绍的充放电管理服务器，为实施本发明实施例的充放电管理方法所采用的服务器，故而基于本发明实施例所介绍的方法，本领域所属人员能够了解该服务器的具体结构及变形，故而在此不再赘述。凡是本发明实施例的方法所采用的服务器都属于本发明所欲保护的范围。

基于同样的发明构思，本实施例提供一种电子设备400，如图4所示，包括存储器410、处理器420及存储在存储器410上并可在处理器420上运行的计算机程序411，处理器420执行计算机程序411时实现前文所述方法的任一步骤。

基于同样的发明构思，本实施例提供一种计算机可读存储介质500，如图5所示，其上存储有计算机程序511，该计算机程序511被处理器执行时实现前文任一所述方法的步骤。

通过本发明的一个或者多个实施例，本发明具有以下有益效果或者优点：

本发明提供了一种充放电管理方法、服务器、介质及设备，方法包括：获取当前天的下一天的天气参数，根据所述天气参数预测所述下一天各时段的光伏发电量；所述天气参数包括：光照强度及持续时长；获取所述下一天的放电预约信息，根据所述放电预约信息预测所述下一天各时段的放电量；预测所述下一天各时段的场站负荷用电量；根据所述下一天的充电预约信息及历史充电数据预测所述下一天各时段的充电量；根据所述下一天的换电预约信息预测所述下一天各时段的换电量；基于所述场站负荷用电量、所述预测充电量及所述预测换电量确定所述下一天各时段的预测所需电量；基于所述光伏发电量及所述放电量确定所述下一天各时段的预测可供应电量；基于所述预测可供应电量及所述预测所需电量确定所述下一天各时段的电量分配计划；如此，可对场站内所有的能源节点的供电量及所需电量进行监控并实行统一调度，并基于每个能源节点的历史数据对下一天各个时段的所需电量及可供电量进行预测，根据预测结果指导下一天各个时段的电量分配，从而提高场站能源利用率及管理效率。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的网关、代理服务器、系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种充放电管理方法，其特征在于，所述方法包括：

获取当前天的下一天的天气参数，根据所述天气参数预测所述下一天各时段的光伏发电量；所述天气参数包括：光照强度及持续时长；

获取所述下一天的放电预约信息，根据所述放电预约信息预测所述下一天各时段的放电量；

预测所述下一天各时段的场站负荷用电量；根据所述下一天的充电预约信息及历史充电数据预测所述下一天各时段的充电量；根据所述下一天的换电预约信息预测所述下一天各时段的换电量；

基于所述场站负荷用电量、所述预测充电量及所述预测换电量确定所述下一天各时段的预测所需电量；

基于所述光伏发电量及所述放电量确定所述下一天各时段的预测可供应电量；

基于所述预测可供应电量及所述预测所需电量确定所述下一天各时段的电量分配计划。

2.如权利要求1所述的方法，其特征在于，所述基于所述可供应电量及所述所需电量确定所述下一天各时段的电量分配计划后，所述方法还包括：

针对每个时段，实时采集场站内的实时可供应电量及实时所需电量；

基于所述实时可供应电量及所述实时所需电量对所述每个时段的电量分配计划进行调整。

3.如权利要求1所述的方法，其特征在于，所述根据所述天气参数预测所述下一天各时段的光伏发电量，包括：

利用预先训练的光伏发电预测模型，基于下一天各时段的光照强度及所述持续时长预测所述下一天各时段的光伏发电量；其中，

所述光伏发电预测模型是基于历史天气参数及对应的历史光伏发电量进行训练得到的。

4.如权利要求1所述的方法，其特征在于，所述预测所述下一天各时段的场站负荷用电量，包括：

针对任一时段，在预设的映射表中查找所述时段对应的场站负荷用电量；所述映射表是基于历史时间内场站负荷设备在每天各时段内的用电量确定的，所述映射表中存储有各个时段与场站负荷用电量之间的对应关系。

5.如权利要求1所述的方法，其特征在于，所述根据所述放电预约信息预测所述下一天各时段的放电量，包括：

获取历史放电数据中各时段非预约放电对应的第一平均放电量及各时段预约放电对应的第二平均放电量；

根据所述下一天的放电预约信息确定所述下一天各时段预约放电对应的预约放电量；

若所述第二平均放电量与所述预约放电量之间的差值小于或等于预设的电量阈值，则将所述历史放电数据中各时段对应的历史放电量作为所述下一天各时段的放电量；

若所述第二平均放电量与所述预约放电量之间的差值大于预设的电量阈值，将每个时段所述第一平均放电量及所述预约放电量的和值作为所述下一天各时段的放电量。

6.如权利要求1所述的方法，其特征在于，所述根据所述下一天的充电预约信息及历史充电数据预测所述下一天各时段的充电量，包括：

获取历史充电数据中各时段非预约充电对应的第一平均充电量及各时段预约充电对应的第二平均充电量；

根据所述下一天的充电预约信息确定所述下一天各时段预约充电对应的预约充电量；

若所述第二平均充电量与所述预约充电量之间的差值小于或等于预设的电量阈值，则将所述历史充电数据中各时段对应的历史充电量作为所述下一天各时段的充电量；

若所述第二平均充电量与所述预约充电量之间的差值大于预设的电量阈值，将每个时段所述第一平均充电量及所述预约充电量的和值作为所述下一天各时段的充电量。

7.如权利要求1所述的方法，其特征在于，所述基于所述预测可供应电量及所述预测所需电量确定所述下一天各时段的电量分配计划，包括：

针对任一时段，若所述预测可供应电量大于或等于所述预测所需电量，则全部利用所述光伏发电量及所述放电量为场站提供用电电量；

并将富余电量存储在换电电池中。

8.如权利要求2所述的方法，其特征在于，所述基于所述实时可供应用电量及所述实时所需电量对所述每个时段的电量分配计划进行调整，包括：

针对任一时段，若所述实时可供应电量小于所述实时所需电量，则向还未到达场站的预约充电用户推送询问信息；所述询问信息为：所述时段的充电服务费已增加，是否继续选择在所述时段进行充电；

若接收到用户的确认充电信息，则向电网服务器发送在所述时段的买电请求。

9.如权利要求1所述的方法，其特征在于，方法还包括：

获取会员用户的历史充电数据、历史放电数据及用车行为数据；

基于所述历史充电数据、所述历史放电数据及所述用车行为数据为所述会员用户推荐充放电计划。

10.一种充放电管理服务器，其特征在于，所述服务器包括：

第一预测单元，用于获取当前天的下一天的天气参数，根据所述天气参数预测所述下一天各时段的光伏发电量；所述天气参数包括：光照强度及持续时长；

第二预测单元，用于获取所述下一天的放电预约信息，根据所述放电预约信息预测所述下一天各时段的放电量；

第三预测单元，用于预测所述下一天各时段的场站负荷用电量；根据所述下一天的充电预约信息及历史充电数据预测所述下一天各时段的充电量；根据所述下一天的换电预约信息预测所述下一天各时段的换电量；

确定单元，用于基于所述光伏发电量及所述放电量确定所述下一天各时段的预测可供应电量；基于所述场站负荷用电量、所述预测充电量及所述预测换电量确定所述下一天各时段的预测所需电量；基于所述预测可供应电量及所述预测所需电量确定所述下一天各时段的电量分配计划。

Images