CN115730790A - 基于边缘计算的充电配置方法、装置、设备及存储介质 - Google Patents

Abstract

本发明涉及人工智能技术，揭露了一种基于边缘计算的充电配置方法、装置、设备及存储介质。所述方法包括：获取充电桩区域的额定配电量线图及建筑集群的历史用电量曲线，得到充电桩区域种各充电桩总的电量限定阈值曲线；通过边缘统计各个正在工作中的充电功率及预测充电时长，得到未来用电基线，利用预训练的充电桩预测模型对未来用电基线进行电量增强预测，得到预测用电量曲线；通过对比预测用电量曲线及电量限定阈值曲线的差值百分比所在区间；当所在区间在第一预设区间时，对充电桩进行状态锁定；在第二预设区间时，进行基于用户行为习惯预测，并进行充电时序调整。本发明可以通过边缘计算，保障集中充电区域电力合理分配，降低安全隐患。

Description

基于边缘计算的充电配置方法、装置、设备及存储介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于边缘计算的充电配置方法、装置、设备及计算机可读存储介质。

背景技术

随着新能源汽车的迅速发展，汽车对充电桩的需求越来越高，一些充电场所常常会出现车辆爆满的情况，大量车辆同时充电时，会对充电桩区域的电网产生巨大压力，不仅影响正在充电的车辆及周围建筑集群的用电质量，还会影响变压器等配电设备的使用寿命，长此以往，电子元件逐渐老化，在大规模、长时间的电网负载的场景下，极易造成安全隐患。

发明内容

本发明提供一种基于边缘计算的充电配置方法、装置、设备及存储介质，其主要目的在于保障集中充电区域电力合理分配，降低安全隐患。

为实现上述目的，本发明提供的一种基于边缘计算的充电配置方法，包括：

获取预构建的充电桩区域的额定配电量线图，及所述充电桩区域内建筑集群的历史用电量曲线，并根据所述额定配电量线图及所述历史用电量曲线，得到所述充电桩区域中全部充电桩总的电量限定阈值曲线；

利用所述充电桩区域的边缘服务器，根据所述充电桩区域内的各个正在工作中的充电桩的充电功率及预测充电时长进行基于时间-功率的统计，得到未来用电基线；

获取所述充电桩区域的场内车辆数，并利用预训练的用电量预测模型，根据所述场内车辆数对所述未来用电基线进行用电量增强预测，得到所述充电桩区域的预测用电量曲线；

根据预设的边缘配电策略，判断所述预测用电量曲线的峰值与所述电量限定阈值曲线的差值百分比；

当所述差值百分比在预设的第一预设区间时，对所述充电桩区域内的未工作的充电桩进行状态锁定操作，并将预构建的充电桩区域饱和信息提示发送至预构建的云端数据中心；

当所述差值百分比在预设的第二预设区间时，根据预设的充电时序安排策略及行为预测模型，对各个正在工作中的充电桩对应的车辆进行基于用户行为习惯的充电状态调整，并将调整后的充电状态结果及预构建的禁止车辆进入提示信息发送至所述云端数据中心，所述第一预设区间小于所述第二预设区间。

可选的根据预设的充电时序安排策略及行为预测模型，对各个正在工作中的充电桩对应的车辆进行基于用户行为习惯的充电状态调整，包括：

查询所述充电桩区域的边缘日志，获取各个正在工作中的充电桩对应的车辆的用户的身份信息及各个用户在所述充电桩区域内的充电行为习惯；

利用预构建的行为预测模型的特征提取网络，对所述身份信息及所述充电行为习惯进行特征提取操作，得到特征序列集合；

利用所述行为预测模型的全连接层对所述特征序列集合进行朴素贝叶斯计算，得到各个用户在各个预设时间段的概率分数，并提取概率分数最大的预设时间段，并根据所述概率分数最大的预设时间段，生成预估充电行为；

根据预设的时序安排策略及各个所述预估充电行为，对各个用户的车辆进行充电状态调整。

可选的根据预设的时序安排策略及各个所述预估充电行为，对各个用户的车辆进行充电状态调整，包括：

将各个所述预估充电行为进行聚类分类；

根据预设的时序安排策略及各个聚类类型结果，对各个车辆进行充电排序；以及

将目标聚类类型的用户的车辆的充电状态调整为低价位电费时间段进行充电。

可选的当所述差值百分比在预设的第一预设区间时，对所述充电桩区域内的未工作的充电桩进行状态锁定操作之后，所述方法还包括：

通过监控预设的信号开关，查看是否出现待充电用户；

当出现待充电用户时，获取所述待充电用户的身份信息、车辆电量信息；

根据预设的边缘判断策略，判断所述身份信息是否为预设的身份类别，及判断所述车辆电量是否小于预设的紧急阈值；

当判定结果中有一种或多种条件满足，关闭所述待充电用户所操作的充电桩的锁定状态。

可选的将预构建的充电桩区域饱和信息提示发送至预构建的云端数据中心之后，所述方法还包括：

获取充电位监控图像，利用预设的车辆识别模型，识别所述充电位监控图像中的未占用车位，并统计所述未占用车位的车位数；

当所述未占用车位的车位数达到预设数值时，将预构建的禁止车辆进入提示信息发送至所述云端数据中心。

可选的利用预训练的用电量预测模型，根据所述场内车辆数对所述未来用电基线进行用电量增强预测之前，所述方法包括：

获取所述充电桩区域的历史场内车辆变化曲线及用电量拟合曲线；

从所述历史场内车辆变化曲线及所述用电量拟合曲线中，提取各个时间节点的场内车辆数及所述时间节点后预设时间段内的用电量变化率，并将各组相互对应时间节点、场内车辆数及用电量变化率构建为各个训练样本；

利用预构建的用电量预测模型，依次对一组训练样本进行网络正向计算，得到预测电量变化率，并根据交叉熵损失函数计算所述预测电量变化率与所述用电量变化率的损失值；

最小化所述损失值，得到所述损失值最小时的模型参数，并对所述模型参数进行网络逆向更新，得到更新用电量预测模型；

判断各个所述训练样本是否全部训练；

当所述训练样本未全部参与训练时，返回上述利用预构建的用电量预测模型，依次对一组训练样本进行网络正向计算的步骤，对所述更新用电量预测模型进行迭代训练；

当所述训练样本全部训练完成时，得到训练完成的用电量预测模型。

可选的，所述充电桩区域的额定配电量线图、所述充电桩区域的建筑集群的历史用电量曲线、所述充电桩区域内各个正在工作中的充电桩的充电功率及预测充电时长，均通过5G通信技术进行获取，以及利用所述5G通信技术将所述充电桩区域饱和信息提示、所述禁止车辆进入提示信息及所述充电状态结果传输至所述云端数据中心。

为了解决上述问题，本发明还提供一种基于边缘计算的充电配置装置，所述装置包括：

电量限定阈值获取模块，用于获取预构建的充电桩区域的额定配电量线图，及所述充电桩区域内建筑集群的历史用电量曲线，并根据所述额定配电量线图及所述历史用电量曲线，得到所述充电桩区域中全部充电桩总的电量限定阈值曲线；

电量预测模块，用于利用所述充电桩区域的的边缘服务器，根据所述充电桩区域内的各个正在工作中的充电桩的充电功率及预测充电时长进行基于时间-功率的统计，得到未来用电基线，及获取所述充电桩区域的场内车辆数，并利用预训练的用电量预测模型，根据所述场内车辆数对所述未来用电基线进行用电量增强预测，得到所述充电桩区域的预测用电量曲线；

配电判断模块，用于根据预设的边缘配电策略，判断所述预测用电量曲线的峰值与所述电量限定阈值曲线的差值百分比；

第一配电策略模块，用于当所述差值百分比在预设的第一预设区间时，对所述充电桩区域内的未工作的充电桩进行状态锁定操作，并将预构建的充电桩区域饱和信息提示发送至预构建的云端数据中心；

第二配电策略模块，用于当所述差值百分比在预设的第二预设区间时，根据预设的充电时序安排策略及行为预测模型，对各个正在工作中的充电桩对应的车辆进行基于用户行为习惯的充电状态调整，并将调整后的充电状态结果及预构建的禁止车辆进入提示信息发送至所述云端数据中心，所述第一预设区间小于所述第二预设区间。

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：

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计算机程序，所述计算机程序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上述所述的基于边缘计算的充电配置方法。

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计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于边缘计算的充电配置方法。

本发明实施例本发明实施例实时获取充电桩区域的电量限定阈值曲线及预测用电量曲线，当所述预测用电量曲线与所述电量限定阈值曲线的差值百分比在预设的第一预设区间，可以将未工作的充电桩进行状态锁定操作，并将预构建的充电场饱和信息提示发送至预构建的云端数据中心，其中，所述第一预设区间，可以保证所述预测用电量曲线在所述电量限定阈值曲线上下浮动，保证用电安全，非必要车辆无法进入；当所述差值百分比在预设的第二预设区间时，充电时序安排策略及行为预测模型，对各个已充电用户的车辆进行基于用户行为习惯的充电状态调整，其中，第二预设区间可以保证任何车辆无法进入，并将其中车辆进行分阶段合理充电，保证周围用电设施的用电质量。因此，本发明实施例提供的一种基于边缘计算的充电配置方法、装置、设备及存储介质，能够通过边缘计算，保障集中充电区域电力合理分配，降低安全隐患。

附图说明

图1为本发明一实施例提供的基于边缘计算的充电配置方法的流程示意图；

图2为本发明一实施例提供的基于边缘计算的充电配置方法中一个步骤的详细流程示意图；

图3为本发明一实施例提供的基于边缘计算的充电配置方法中一个步骤的详细流程示意图；

图4为本发明一实施例提供的基于边缘计算的充电配置装置的功能模块图；

图5为本发明一实施例提供的实现所述基于边缘计算的充电配置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基于边缘计算的充电配置方法。本申请实施例中，所述基于边缘计算的充电配置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，所述基于边缘计算的充电配置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。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

参照图1所示，为本发明一实施例提供的基于边缘计算的充电配置方法的流程示意图。在本实施例中，所述基于边缘计算的充电配置方法包括：

S1、获取预构建的充电桩区域的额定配电量线图，及所述充电桩区域内建筑集群的历史用电量曲线，并根据所述额定配电量线图及所述历史用电量曲线，得到所述充电桩区域中全部充电桩总的电量限定阈值曲线。

本发明实施例中，所述充电桩区域可以根据行政区域划分或者任何其他适合的手段划分，每个充电桩区域中包含多个充电点，每一个充电点可以包含多个充电桩。所述充电桩区域内建筑集群指一般的居民或者商业用电设施。

此外，本发明实施例获取的所述额定配电量线图及所述历史用电量曲线的时间周期可以以日、周、月为一个时间段进行曲线获取。

本发明实施例中，获取到所述历史用电量曲线及所述额定配电量线图后，通过相差的方式，获取所述充电桩区域中全部充电桩总的电量限定阈值曲线，保证充电桩区域的工作不会影响周围用户的用电质量。

S2、利用所述充电桩区域的边缘服务器，根据所述充电桩区域内的各个正在工作中的充电桩的充电功率及预测充电时长进行基于时间-功率的统计，得到未来用电基线。

本发明实施例中的边缘服务器可以通过5G通信技术，获取各个正在工作的充电桩上的充电计划，得到充电模式及充电计划时间，然后，本发明通过边缘计算，将所述充电模式对应的功率及充电时长进行统计，并将各个正在工作的充电桩的数据进行交并集，得到所述充电桩区域在未来一段时间内的未来用电基线。

S3、获取所述充电桩区域的场内车辆数，并利用预训练的用电量预测模型，根据所述场内车辆数对所述未来用电基线进行用电量增强预测，得到所述充电桩区域的预测用电量曲线。

本发明实施例中，所述用电量预测模型是一种基于神经网络模型，用于基于当前时间节点及当前车辆数预测未来时间段用电量变化的模型。

本发明实施例中，若所述未来用电基线设为Y，所述电量预测模型预测得到的预测电量变化率为x，则所述预测用电量曲线Z为：

Z＝(1+x)Y

详细的，本发明实施例中，所述利用预训练的用电量预测模型，根据所述场内车辆数对所述未来用电基线进行用电量增强预测之前，所述方法包括：

获取所述充电桩区域的历史场内车辆变化曲线及用电量拟合曲线；

从所述历史场内车辆变化曲线及所述用电量拟合曲线中，提取各个时间节点的场内车辆数及所述时间节点后预设时间段内的用电量变化率，并将各组相互对应时间节点、场内车辆数及用电量变化率构建为各个训练样本；

利用预构建的用电量预测模型，依次对一组训练样本进行网络正向计算，得到预测电量变化率，并根据交叉熵损失函数计算所述预测电量变化率与所述用电量变化率的损失值；

最小化所述损失值，得到所述损失值最小时的模型参数，并对所述模型参数进行网络逆向更新，得到更新用电量预测模型；

判断各个所述训练样本是否全部训练；

当所述训练样本未全部参与训练时，返回上述利用预构建的用电量预测模型，依次对一组训练样本进行网络正向计算的步骤，对所述更新用电量预测模型进行迭代训练；

当所述训练样本全部训练完成时，得到训练完成的用电量预测模型。

本发明实施例中，所述历史场内车辆变化曲线，是指从预设时间节点，如早上六点开始，记录所述充电桩区域内的车辆变化，车辆出去为减，车辆进入为加；此外，所述电量拟合曲线为所述充电桩区域的真实的用电量变化曲线，但真实的用电量变化曲线的不稳定性较强，因此，本发明实施例通过曲线拟合，将峰值、谷值的大小进行消除，得到相对平滑的电量拟合曲线。

本发明实施例通过误差反馈的方式对所述电量预测模型进行模型训练，当全部的训练样本参与训练后，可以得到训练完成的用电量预测模型。

S4、根据预设的边缘配电策略，判断所述预测用电量曲线的峰值与所述电量限定阈值曲线的差值百分比。

本发明实施例中，考虑到所述充电桩区域的就近用户、业主、预约用户尚未充电等情况，需要保留一定的电力应对各种情况，本发明实施例通过配备预设区间的方法，对不同场景进行进行把控。

本发明实施例设置预测用电量曲线的实时功率为W，所述电量限定阈值曲线的实时功率额度为A，则设置差值百分比D为：

本发明其中一个实施例中可以配置第一预设区间为(-0.2，0.1)，第二预设区间为[0.1，正无穷)。

当所述差值百分比在预设的第一预设区间时，S5、对所述充电桩区域内的未工作的充电桩进行状态锁定操作，并将预构建的充电桩区域饱和信息提示发送至预构建的云端数据中心。

本发明实施例中，当所述差值百分比在预设的第一预设区间时，充电桩区域的用电量将近用电上限，需要对待充电车辆进行选择性供电。

详细的，参照图2所示，本发明实施例中，所述当所述差值百分比在预设的第一预设区间时，对所述充电桩区域内的未工作的充电桩进行状态锁定操作之后，所述方法还包括：

S51、通过监控预设的信号开关，查看是否出现待充电用户；

S52、当出现待充电用户时，获取所述待充电用户的身份信息、车辆电量信息；

S53、根据预设的边缘判断策略，判断所述身份信息是否为预设的身份类别，及判断所述车辆电量是否小于预设的紧急阈值；

S54、当判定结果中有一种或多种条件满足，关闭所述待充电用户所操作的充电桩的锁定状态。

其中，所述状态锁定是指在用户进行充电之前对用户的身份信息及车辆的电量进行评估，只有通过评估的用户才可以继续操作，而其他用户无法进行充电，有效避免充电桩过度使用，造成周围用电设施用电质量下降的情况。

本发明实施例中，可以将所述充电桩区域的业主、预约人员或特殊人员设定为可以使用的用户，而将车辆的最远可行驶N公里，例如5公里的电量设置为可以使用的车辆，其中，只要满足一个条件即可进入充电。

进一步的，所述云端数据中心是相对于各个边缘的充电桩区域所而言的，所述云端数据中心可以连接网络数据地图、充电桩app的中心数据库，本发明实施例中，通过发送充电场饱和信息提示发送至预构建的云端数据中心，所述云端数据中心可以对不同车辆的地图进行更新，例如将地图上的充电桩区域标黄，并显示充电桩区域饱和，来提示过往车辆非必要，不要进入。

此外，本发明另一实施例中，所述方法还包括：

获取充电桩区域内充电点的监控图像，利用预设的车辆识别模型，识别所述监控图像中的未占用车位，并统计所述未占用车位的车位数；

当所述未占用车位的车位数达到预设数值时，将预构建的禁止车辆进入提示信息发送至所述云端数据中心。

本发明实施例中，所述预设数值可以为零，或着为已预约的数值。

本发明实施例通过边缘计算运行一个简单的二分类车位识别模型，再通过5G通信技术，及时通知云端数据中心，也可以提示过往车辆不要进入避免浪费用户时间。

当所述差值百分比在预设的第二预设区间时，S6、根据预设的充电时序安排策略及行为预测模型，对各个正在工作中的充电桩对应的车辆进行基于用户行为习惯的充电状态调整，并将调整后的充电状态结果及预构建的禁止车辆进入提示信息发送至所述云端数据中心，其中，所述第一预设区间小于所述第二预设区间。

当所述差值百分比在预设的第二预设区间时，表明所述充电桩区域已经开始影响到周围用电设施的用电质量，则需要禁止外界车辆继续进入，或者进去后要进行排队。为了避免影响到周围用电设施，本发明实施例通过对充电时序进行排列的方法进行错开充电，达到降低用电功率峰值的作用。

详细的，参照图3所示，本发明实施例中，所述根据预设的充电时序安排策略及行为预测模型，对各个正在工作中的充电桩对应的车辆进行基于用户行为习惯的充电状态调整，包括：

S61、查询所述充电桩区域的边缘日志，获取各个正在工作中的充电桩对应的车辆的用户的身份信息及各个用户在所述充电桩区域内的充电行为习惯；

S62、利用预构建的行为预测模型的特征提取网络，对所述身份信息及所述充电行为习惯进行特征提取操作，得到特征序列集合；

S63、利用所述行为预测模型的全连接层对所述特征序列集合进行朴素贝叶斯计算，得到各个用户在各个预设时间段的概率分数，并提取概率分数最大的预设时间段，并根据所述概率分数最大的预设时间段，生成预估充电行为；

S64、根据预设的时序安排策略及各个所述预估充电行为，对各个用户的车辆进行充电状态调整。

本发明实施例中，通过所述充电桩区域的边缘日志可以根据用户的身份信息为第一次进入充电的用户构建一个表格，并将此后每一次的充电时间、充电时长、充电功率记录至所述表格中，形成用户的充电行为习惯。

进一步的，本发明实施例通过一个卷积神经网络编码器及一个包含朴素贝叶斯算法的译码器构建一个非训练的行为预测模型，用来预测各个已充电用户什么时候结束充电，例如九点开始十一点四十结束、晚上七点开始第二天的早上八点结束等。其中，所述编码器用来对用户行为特征提取，得到某人、在上午几点充电概率、充电几个小时的概率等，而所述译码器用于通过朴素贝叶斯算法将各个概率进行计算，得到当用户此时进行充电时，将会充电几个小时的概率，如1个小时50％、两个小时60％等，本发明通过一个输出层，选择概率最大的时间段，如两个小时，则用户最有可能的预估充电行为，是用户会充电两个小时。

进一步的，本发明实施例中，所述根据预设的时序安排策略及各个所述预估充电行为，对各个用户的车辆进行充电状态调整，包括：

将各个所述预估充电行为进行聚类分类；

根据预设的时序安排策略及各个聚类类型结果，对各个车辆进行充电排序；以及

将目标聚类类型的用户的车辆的充电状态调整为低价位电费时间段进行充电。

本发明实施例中，可以通过聚类操作，将正在充电的用户分为：短时间充电、长时间充电等。本发明实施例可以通过权重配置，将不同用户的充电时间进行错开，优先给短时间充电的用户进行充电，最后再给长时间充电的用户车辆进行充电，其中，当充电状态改变时，可以将调整后的充电状态结果发送给云端数据中心，云端数据中心再通过app等手段，通知正在充电的用户，而正在充电的用户可以选择接收任意调配、不接受延迟、可以稍微延迟一点及调整至低价电费阶段进行充电等操作，从而实现充电峰值错开，缓解充电压力，降低安全隐患。

本发明实施例本发明实施例实时获取充电桩区域的电量限定阈值曲线及预测用电量曲线，当所述预测用电量曲线与所述电量限定阈值曲线的差值百分比在预设的第一预设区间，可以将未工作的充电桩进行状态锁定操作，并将预构建的充电场饱和信息提示发送至预构建的云端数据中心，其中，所述第一预设区间，可以保证所述预测用电量曲线在所述电量限定阈值曲线上下浮动，保证用电安全，非必要车辆无法进入；当所述差值百分比在预设的第二预设区间时，充电时序安排策略及行为预测模型，对各个已充电用户的车辆进行基于用户行为习惯的充电状态调整，其中，第二预设区间可以保证任何车辆无法进入，并将其中车辆进行分阶段合理充电，保证周围用电设施的用电质量。因此，本发明实施例提供的一种基于边缘计算的充电配置方法，能够通过边缘计算，保障集中充电区域电力合理分配，降低安全隐患。

如图4所示，是本发明一实施例提供的基于边缘计算的充电配置装置的功能模块图。

本发明所述基于边缘计算的充电配置装置100可以安装于电子设备中。根据实现的功能，所述基于边缘计算的充电配置装置100可以包括电量限定阈值获取模块101、电量预测模块102、配电判断模块103、第一配电策略模块104及第二配电策略模块105。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。

在本实施例中，关于各模块/单元的功能如下：

所述电量限定阈值获取模块101，用于获取预构建的充电桩区域的额定配电量线图，及所述充电桩区域内建筑集群的历史用电量曲线，并根据所述额定配电量线图及所述历史用电量曲线，得到所述充电桩区域中全部充电桩总的电量限定阈值曲线；

所述电量预测模块102，用于利用所述充电桩区域的的边缘服务器，根据所述充电桩区域内的各个正在工作中的充电桩的充电功率及预测充电时长进行基于时间-功率的统计，得到未来用电基线，及获取所述充电桩区域的场内车辆数，并利用预训练的用电量预测模型，根据所述场内车辆数对所述未来用电基线进行用电量增强预测，得到所述充电桩区域的预测用电量曲线；

所述配电判断模块103，用于根据预设的边缘配电策略，判断所述预测用电量曲线的峰值与所述电量限定阈值曲线的差值百分比；

所述第一配电策略模块104，用于当所述差值百分比在预设的第一预设区间时，对所述充电桩区域内的未工作的充电桩进行状态锁定操作，并将预构建的充电桩区域饱和信息提示发送至预构建的云端数据中心；

所述第二配电策略模块105，用于当所述差值百分比在预设的第二预设区间时，根据预设的充电时序安排策略及行为预测模型，对各个正在工作中的充电桩对应的车辆进行基于用户行为习惯的充电状态调整，并将调整后的充电状态结果及预构建的禁止车辆进入提示信息发送至所述云端数据中心，所述第一预设区间小于所述第二预设区间。

详细地，本申请实施例中所述基于边缘计算的充电配置装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于边缘计算的充电配置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。

如图5所示，是本发明一实施例提供的实现基于边缘计算的充电配置方法的电子设备1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、通信总线12以及通信接口13，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，如基于边缘计算的充电配置程序。

其中，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1的控制核心(ControlUnit)，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(例如执行基于边缘计算的充电配置程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。

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的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，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的应用软件及各类数据，例如基于边缘计算的充电配置程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，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。

所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和用户接口。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与其他电子设备之间建立通信连接。所述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中处理的信息以及用于显示可视化的用户界面。

图5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5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。

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存储的基于边缘计算的充电配置程序是多个指令的组合，在所述处理器10中运行时，可以实现：

获取预构建的充电桩区域的额定配电量线图，及所述充电桩区域内建筑集群的历史用电量曲线，并根据所述额定配电量线图及所述历史用电量曲线，得到所述充电桩区域中全部充电桩总的电量限定阈值曲线；

利用所述充电桩区域的边缘服务器，根据所述充电桩区域内的各个正在工作中的充电桩的充电功率及预测充电时长进行基于时间-功率的统计，得到未来用电基线；

获取所述充电桩区域的场内车辆数，并利用预训练的用电量预测模型，根据所述场内车辆数对所述未来用电基线进行用电量增强预测，得到所述充电桩区域的预测用电量曲线；

根据预设的边缘配电策略，判断所述预测用电量曲线的峰值与所述电量限定阈值曲线的差值百分比；

当所述差值百分比在预设的第一预设区间时，对所述充电桩区域内的未工作的充电桩进行状态锁定操作，并将预构建的充电桩区域饱和信息提示发送至预构建的云端数据中心；

当所述差值百分比在预设的第二预设区间时，根据预设的充电时序安排策略及行为预测模型，对各个正在工作中的充电桩对应的车辆进行基于用户行为习惯的充电状态调整，并将调整后的充电状态结果及预构建的禁止车辆进入提示信息发送至所述云端数据中心，所述第一预设区间小于所述第二预设区间。

具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

获取预构建的充电桩区域的额定配电量线图，及所述充电桩区域内建筑集群的历史用电量曲线，并根据所述额定配电量线图及所述历史用电量曲线，得到所述充电桩区域中全部充电桩总的电量限定阈值曲线；

利用所述充电桩区域的边缘服务器，根据所述充电桩区域内的各个正在工作中的充电桩的充电功率及预测充电时长进行基于时间-功率的统计，得到未来用电基线；

获取所述充电桩区域的场内车辆数，并利用预训练的用电量预测模型，根据所述场内车辆数对所述未来用电基线进行用电量增强预测，得到所述充电桩区域的预测用电量曲线；

根据预设的边缘配电策略，判断所述预测用电量曲线的峰值与所述电量限定阈值曲线的差值百分比；

当所述差值百分比在预设的第一预设区间时，对所述充电桩区域内的未工作的充电桩进行状态锁定操作，并将预构建的充电桩区域饱和信息提示发送至预构建的云端数据中心；

当所述差值百分比在预设的第二预设区间时，根据预设的充电时序安排策略及行为预测模型，对各个正在工作中的充电桩对应的车辆进行基于用户行为习惯的充电状态调整，并将调整后的充电状态结果及预构建的禁止车辆进入提示信息发送至所述云端数据中心，所述第一预设区间小于所述第二预设区间。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于边缘计算的充电配置方法，其特征在于，所述方法包括：

获取预构建的充电桩区域的额定配电量线图，及所述充电桩区域内建筑集群的历史用电量曲线，并根据所述额定配电量线图及所述历史用电量曲线，得到所述充电桩区域中全部充电桩总的电量限定阈值曲线；

利用所述充电桩区域的边缘服务器，根据所述充电桩区域内的各个正在工作中的充电桩的充电功率及预测充电时长进行基于时间-功率的统计，得到未来用电基线；

获取所述充电桩区域的场内车辆数，并利用预训练的用电量预测模型，根据所述场内车辆数对所述未来用电基线进行用电量增强预测，得到所述充电桩区域的预测用电量曲线；

根据预设的边缘配电策略，判断所述预测用电量曲线的峰值与所述电量限定阈值曲线的差值百分比；

当所述差值百分比在预设的第一预设区间时，对所述充电桩区域内的未工作的充电桩进行状态锁定操作，并将预构建的充电桩区域饱和信息提示发送至预构建的云端数据中心；

当所述差值百分比在预设的第二预设区间时，根据预设的充电时序安排策略及行为预测模型，对各个正在工作中的充电桩对应的车辆进行基于用户行为习惯的充电状态调整，并将调整后的充电状态结果及预构建的禁止车辆进入提示信息发送至所述云端数据中心，所述第一预设区间小于所述第二预设区间。

2.如权利要求1所述的基于边缘计算的充电配置方法，其特征在于，所述根据预设的充电时序安排策略及行为预测模型，对各个正在工作中的充电桩对应的车辆进行基于用户行为习惯的充电状态调整，包括：

查询所述充电桩区域的边缘日志，获取各个正在工作中的充电桩对应的车辆的用户的身份信息及各个用户在所述充电桩区域内的充电行为习惯；

利用预构建的行为预测模型的特征提取网络，对所述身份信息及所述充电行为习惯进行特征提取操作，得到特征序列集合；

利用所述行为预测模型的全连接层对所述特征序列集合进行朴素贝叶斯计算，得到各个用户在各个预设时间段的概率分数，并提取概率分数最大的预设时间段，并根据所述概率分数最大的预设时间段，生成预估充电行为；

根据预设的时序安排策略及各个所述预估充电行为，对各个用户的车辆进行充电状态调整。

3.如权利要求2所述的基于边缘计算的充电配置方法，其特征在于，所述根据预设的时序安排策略及各个所述预估充电行为，对各个用户的车辆进行充电状态调整，包括：

将各个所述预估充电行为进行聚类分类；

根据预设的时序安排策略及各个聚类类型结果，对各个车辆进行充电排序；以及

将目标聚类类型的用户的车辆的充电状态调整为低价位电费时间段进行充电。

4.如权利要求1所述的基于边缘计算的充电配置方法，其特征在于，所述当所述差值百分比在预设的第一预设区间时，对所述充电桩区域内的未工作的充电桩进行状态锁定操作之后，所述方法还包括：

通过监控预设的信号开关，查看是否出现待充电用户；

当出现待充电用户时，获取所述待充电用户的身份信息、车辆电量信息；

根据预设的边缘判断策略，判断所述身份信息是否为预设的身份类别，及判断所述车辆电量是否小于预设的紧急阈值；

当判定结果中有一种或多种条件满足，关闭所述待充电用户所操作的充电桩的锁定状态。

5.如权利要求1所述的基于边缘计算的充电配置方法，其特征在于，所述将预构建的充电桩区域饱和信息提示发送至预构建的云端数据中心之后，所述方法还包括：

获取充电位监控图像，利用预设的车辆识别模型，识别所述充电位监控图像中的未占用车位，并统计所述未占用车位的车位数；

当所述未占用车位的车位数达到预设数值时，将预构建的禁止车辆进入提示信息发送至所述云端数据中心。

6.如权利要求1所述的基于边缘计算的充电配置方法，其特征在于，所述利用预训练的用电量预测模型，根据所述场内车辆数对所述未来用电基线进行用电量增强预测之前，所述方法包括：

获取所述充电桩区域的历史场内车辆变化曲线及用电量拟合曲线；

从所述历史场内车辆变化曲线及所述用电量拟合曲线中，提取各个时间节点的场内车辆数及所述时间节点后预设时间段内的用电量变化率，并将各组相互对应时间节点、场内车辆数及用电量变化率构建为各个训练样本；

利用预构建的用电量预测模型，依次对一组训练样本进行网络正向计算，得到预测电量变化率，并根据交叉熵损失函数计算所述预测电量变化率与所述用电量变化率的损失值；

最小化所述损失值，得到所述损失值最小时的模型参数，并对所述模型参数进行网络逆向更新，得到更新用电量预测模型；

判断各个所述训练样本是否全部训练；

当所述训练样本未全部参与训练时，返回上述利用预构建的用电量预测模型，依次对一组训练样本进行网络正向计算的步骤，对所述更新用电量预测模型进行迭代训练；

当所述训练样本全部训练完成时，得到训练完成的用电量预测模型。

7.如权利要求1所述的基于边缘计算的充电配置方法，其特征在于，所述充电桩区域的额定配电量线图、所述充电桩区域的建筑集群的历史用电量曲线、所述充电桩区域内各个正在工作中的充电桩的充电功率及预测充电时长，均通过5G通信技术进行获取，以及利用所述5G通信技术将所述充电桩区域饱和信息提示、所述禁止车辆进入提示信息及所述充电状态结果传输至所述云端数据中心。

8.一种基于边缘计算的充电配置装置，其特征在于，所述装置包括：

电量限定阈值获取模块，用于获取预构建的充电桩区域的额定配电量线图，及所述充电桩区域内建筑集群的历史用电量曲线，并根据所述额定配电量线图及所述历史用电量曲线，得到所述充电桩区域中全部充电桩总的电量限定阈值曲线；

电量预测模块，用于利用所述充电桩区域的的边缘服务器，根据所述充电桩区域内的各个正在工作中的充电桩的充电功率及预测充电时长进行基于时间-功率的统计，得到未来用电基线，及获取所述充电桩区域的场内车辆数，并利用预训练的用电量预测模型，根据所述场内车辆数对所述未来用电基线进行用电量增强预测，得到所述充电桩区域的预测用电量曲线；

配电判断模块，用于根据预设的边缘配电策略，判断所述预测用电量曲线的峰值与所述电量限定阈值曲线的差值百分比；

第一配电策略模块，用于当所述差值百分比在预设的第一预设区间时，对所述充电桩区域内的未工作的充电桩进行状态锁定操作，并将预构建的充电桩区域饱和信息提示发送至预构建的云端数据中心；

第二配电策略模块，用于当所述差值百分比在预设的第二预设区间时，根据预设的充电时序安排策略及行为预测模型，对各个正在工作中的充电桩对应的车辆进行基于用户行为习惯的充电状态调整，并将调整后的充电状态结果及预构建的禁止车辆进入提示信息发送至所述云端数据中心，所述第一预设区间小于所述第二预设区间。

9.一种电子设备，其特征在于，所述电子设备包括：

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计算机程序，所述计算机程序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如权利要求1至6中任意一项所述的基于边缘计算的充电配置方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述的基于边缘计算的充电配置方法。

Images