CN116307487B - 基于电网新能源节能利用的新能源车充电管理系统及方法 - Google Patents

基于电网新能源节能利用的新能源车充电管理系统及方法 Download PDF

Info

Publication number
CN116307487B
CN116307487B CN202310048791.4A CN202310048791A CN116307487B CN 116307487 B CN116307487 B CN 116307487B CN 202310048791 A CN202310048791 A CN 202310048791A CN 116307487 B CN116307487 B CN 116307487B
Authority
CN
China
Prior art keywords
new energy
vector
charging
electric quantity
transfer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310048791.4A
Other languages
English (en)
Other versions
CN116307487A (zh
Inventor
茅小勇
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.)
Zhejiang Max Sewing Machine Co ltd
Original Assignee
Zhejiang Max Sewing Machine 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 Zhejiang Max Sewing Machine Co ltd filed Critical Zhejiang Max Sewing Machine Co ltd
Priority to CN202310048791.4A priority Critical patent/CN116307487B/zh
Publication of CN116307487A publication Critical patent/CN116307487A/zh
Application granted granted Critical
Publication of CN116307487B publication Critical patent/CN116307487B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本申请公开了一种基于电网新能源节能利用的新能源车充电管理系统及方法。其首先将多个待充电新能源车的充电参数分别进行嵌入化后通过上下文编码器以得到多个充电参数上下文语义特征向量，接着，将多个预定时间点的新能源电量供给量排列后通过多尺度特征提取模块以得到电量供给特征向量，然后，分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵，接着，分别对所述多个转移矩阵进行特征关联度优化后分别通过分类器以得到多个概率值，最后，基于所述多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级。通过这样的方式，可以平衡电网负荷。

Description

基于电网新能源节能利用的新能源车充电管理系统及方法
技术领域
本申请涉及充电管理技术领域，且更为具体地，涉及一种基于电网新能源节能利用的新能源车充电管理系统及方法。
背景技术
目前的各种新能源（如光伏发电，风力发电）都存在发电不稳定的缺陷，所发的电不能得到全部的利用，弃电的现象经常发生，如果在用户端配套储能装置，就能用来接受这部份电量。
电动汽车的动力蓄电池本身就是储能装置，如果能让它作为储能装置接入电网，就能使电池的充电过程成为储能装置平衡电网负荷的过程，充入的是本来会被废弃的电量。
现在充电方式主要有二种：
1是公共充电站的形式：
车辆到充电站就要立刻以尽量快的速度给车充满电，表现为大负载的突然接入，只会对电网形成冲击。
2是私人充电桩：
虽然有预约充电功能，但时间，充电功率都不受电网控制，也无法保证正好在电网电力多余时充电，接受这部分多余的电量。
因此，期待基于电网新能源节能利用的新能源车充电管理方案。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于电网新能源节能利用的新能源车充电管理系统及方法。其首先将多个待充电新能源车的充电参数分别进行嵌入化后通过上下文编码器以得到多个充电参数上下文语义特征向量，接着，将多个预定时间点的新能源电量供给量排列后通过多尺度特征提取模块以得到电量供给特征向量，然后，分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵，接着，分别对所述多个转移矩阵进行特征关联度优化后分别通过分类器以得到多个概率值，最后，基于所述多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级。通过这样的方式，可以平衡电网负荷。
根据本申请的一个方面，提供了一种基于电网新能源节能利用的新能源车充电管理系统，其包括：
充电参数获取模块，用于获取多个待充电新能源车的充电参数，所述充电参数包括最大充电功率、需要充入的电量和最长允许时间；
嵌入模块，用于将所述多个待充电新能源车的充电参数分别进行嵌入化以得到多个充电参数嵌入向量；
上下文关联编码模块，用于将所述多个充电参数嵌入向量通过基于转换器的上下文编码器以得到多个充电参数上下文语义特征向量；
新能源供给模块，用于获取预定时间段内多个预定时间点的新能源电量供给量；
新能源电量特征提取模块，用于将所述多个预定时间点的新能源电量供给量按照时间维度排列为电量供给输入向量后通过多尺度特征提取模块以得到电量供给特征向量；
响应模块，用于分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵；
响应模式特征优化模块，用于基于所述多个充电参数上下文语义特征向量和所述电量供给特征向量，分别对所述多个转移矩阵进行特征关联度优化以得到多个优化后转移矩阵；
分类模块，用于将所述多个优化后转移矩阵分别通过分类器以得到多个概率值；以及充电管理结果生成模块，用于基于所述多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级。
在上述的基于电网新能源节能利用的新能源车充电管理系统中，所述上下文关联编码模块，进一步用于：
将所述多个充电参数嵌入向量通过所述基于转换器的上下文编码器以得到多个充电参数语义嵌入向量；以及将所述多个充电参数语义嵌入向量进行级联以得到所述多个充电参数上下文语义特征向量。
在上述的基于电网新能源节能利用的新能源车充电管理系统中，所述多尺度特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层级联的多尺度融合层，其中，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。
在上述的基于电网新能源节能利用的新能源车充电管理系统中，所述新能源电量特征提取模块，进一步用于：
使用所述多尺度特征提取模块的第一卷积层以如下公式对所述电量供给输入向量进行一维卷积编码以得到第一尺度电量供给特征向量；
其中，所述公式为：；
其中，为第一一维卷积核在/>方向上的宽度、/>为第一一维卷积核参数向量、/>与卷积核函数运算的局部向量矩阵，/>为第一一维卷积核的尺寸，/>表示所述电量供给输入向量；
使用所述多尺度特征提取模块的第二卷积层以如下公式对所述电量供给输入向量进行一维卷积编码以得到第二尺度电量供给特征向量；
其中，所述公式为：；
其中，为第二一维卷积核在/>方向上的宽度、/>为第二一维卷积核参数向量、/>为与卷积核函数运算的局部向量矩阵，/>为第二一维卷积核的尺寸，/>表示所述电量供给输入向量；以及
使用所述多尺度特征提取模块的多尺度融合层对所述第一尺度电量供给特征向量和所述第二尺度电量供给特征向量进行级联以得到所述电量供给特征向量。
在上述的基于电网新能源节能利用的新能源车充电管理系统中，所述响应模块，进一步用于：以如下公式分别计算所述多个充电参数上下文语义特征向量相对于所述电量供给特征向量的转移矩阵以得到所述多个转移矩阵；
其中，所述公式为：；
其中，表示所述多个充电参数上下文语义特征向量中每个充电参数上下文语义特征向量，/>表示所述电量供给特征向量，/>表示所述多个转移矩阵中每个转移矩阵，表示向量相乘。
在上述的基于电网新能源节能利用的新能源车充电管理系统中，所述响应模式特征优化模块，包括：
矩阵展开单元，用于将所述各个转移矩阵展开为转移特征向量；
优化单元，用于基于所述充电参数上下文语义特征向量和所述电量供给特征向量，对所述转移特征向量进行向量模基的希尔伯特空间约束以进行优化以得到优化转移特征向量；以及向量重构单元，用于将所述优化转移特征向量进行重构以得到优化后转移特征矩阵。
在上述的基于电网新能源节能利用的新能源车充电管理系统中，所述优化单元，进一步用于：基于所述充电参数上下文语义特征向量和所述电量供给特征向量，以如下公式对所述转移特征向量进行向量模基的希尔伯特空间约束以进行优化以得到所述优化转移特征向量；
其中，所述公式为：；
其中，表示所述充电参数上下文语义特征向量，/>表示所述电量供给特征向量，/>表示所述电量供给特征向量的转置向量，/>表示向量的二范数，/>表示所述转移矩阵展开后得到的特征向量，/>表示优化后的所述优化转移特征向量，/>表示一维卷积运算。
在上述的基于电网新能源节能利用的新能源车充电管理系统中，所述分类模块，进一步用于：
将所述多个优化后转移矩阵按照行向量或列向量展开为分类特征向量；
使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述多个概率值。
根据本申请的另一个方面，提供了一种基于电网新能源节能利用的新能源车充电管理方法，其包括：
获取多个待充电新能源车的充电参数，所述充电参数包括最大充电功率、需要充入的电量和最长允许时间；
将所述多个待充电新能源车的充电参数分别进行嵌入化以得到多个充电参数嵌入向量；
将所述多个充电参数嵌入向量通过基于转换器的上下文编码器以得到多个充电参数上下文语义特征向量；
获取预定时间段内多个预定时间点的新能源电量供给量；
将所述多个预定时间点的新能源电量供给量按照时间维度排列为电量供给输入向量后通过多尺度特征提取模块以得到电量供给特征向量；
分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵；
基于所述多个充电参数上下文语义特征向量和所述电量供给特征向量，分别对所述多个转移矩阵进行特征关联度优化以得到多个优化后转移矩阵；
将所述多个优化后转移矩阵分别通过分类器以得到多个概率值；以及基于所述多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级。
在上述的基于电网新能源节能利用的新能源车充电管理方法中，所述将所述多个充电参数嵌入向量通过基于转换器的上下文编码器以得到多个充电参数上下文语义特征向量，包括：
将所述多个充电参数嵌入向量通过所述基于转换器的上下文编码器以得到多个充电参数语义嵌入向量；以及将所述多个充电参数语义嵌入向量进行级联以得到所述多个充电参数上下文语义特征向量。
与现有技术相比，本申请提供的基于电网新能源节能利用的新能源车充电管理系统及方法，其首先将多个待充电新能源车的充电参数分别进行嵌入化后通过上下文编码器以得到多个充电参数上下文语义特征向量，接着，将多个预定时间点的新能源电量供给量排列后通过多尺度特征提取模块以得到电量供给特征向量，然后，分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵，接着，分别对所述多个转移矩阵进行特征关联度优化后分别通过分类器以得到多个概率值，最后，基于所述多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级。通过这样的方式，可以平衡电网负荷。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1为根据本申请实施例的基于电网新能源节能利用的新能源车充电管理系统的应用场景图。
图2为根据本申请实施例的基于电网新能源节能利用的新能源车充电管理系统的框图示意图。
图3为根据本申请实施例的基于电网新能源节能利用的新能源车充电管理系统中的所述响应模式特征优化模块的框图示意图。
图4为根据本申请实施例的基于电网新能源节能利用的新能源车充电管理方法的流程图。
图5为根据本申请实施例的基于电网新能源节能利用的新能源车充电管理方法的系统架构的示意图。
具体实施方式
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
场景概述
相应地，在本申请的技术方案中，通过将多个待充电新能源车配置为储能装置来平衡电网负荷，并且，基于多个待充电新能源车的充电参数和新能源电量供给量的时序特征来确定所述多个待充电新能源车的充电优先级以在平衡电网负荷的同时，能够兼顾多个待充电新能源车的充电需求特性以降低电网波动对新能源车的储能装置的冲击。
具体地，在本申请的技术方案中，首先获取多个待充电新能源车的充电参数，所述充电参数包括最大充电功率、需要充入的电量和最长允许时间。具体地，在所述多个待充电新能源车的充电机与车载电池管理系统连接后，可以读取到单体动力蓄电池最高允许充电电压、最高允许充电电流、动力蓄电池标称总能量、最高允许充电总电压、最高允许温度、整车动力蓄电池荷电状态、整车动力蓄电池当前电池电压、当前荷电状态、估算剩余充电时间，再加上当前时间T0；预计取车时间T1；充电机的最大输出能力，就可以计算出各个待充电新能源车的最大充电功率P；需要充入的电量Ec；最长允许时间(T0--T1)。
接着，将所述多个待充电新能源车的充电参数分别进行嵌入化以得到多个充电参数嵌入向量。也就是，将所述多个待充电新能源车的充电参数分别输入Embedding层以将所述多个待充电新能源车的充电参数转化为低维嵌入表示以得到所述多个充电参数嵌入向量。接着，将所述多个充电参数嵌入向量通过基于转换器的上下文编码器以得到多个充电参数上下文语义特征向量。也就是，使用所述基于转换器的上下文编码器对所述多个充电参数嵌入向量进行基于全局的上下文语义编码以捕捉各个待充电新能源车的充电参数间的上下文全局语义关联特征。这里，一个所述充电参数上下文语义特征向量对应于一个充电参数嵌入向量，即，对应于一个所述待充电新能源车的充电参数的上下文语义编码表达。
同时，获取预定时间段内多个预定时间点的新能源电量供给量。并将所述多个预定时间点的新能源电量供给量按照时间维度排列为电量供给输入向量后通过多尺度特征提取模块以得到电量供给特征向量。也就是，获取新能源电量供给量的时序分布离散数据，这可以表示新能源电量供给的波动性。应可以理解，目前的各种新能源（如光伏发电，风力发电）都存在发电不稳定的缺陷，通过所述新能源电量供给量的时序分布离散数据可以表征这种不稳定性。并使用所述多尺度邻域特征提取模块来提取所述新能源电量供给量的波动特征。
更具体地，在本申请的技术方案中，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。相应地，在所述多尺度邻域特征提取模块的编码过程中，其使用所述第一卷积层和所述第二卷积层对所述电量供给输入向量进行不同尺度的一维卷积编码以捕捉不同时间跨度的新能源电量供给量分布内所蕴含的电量供给时序波动特征，并通过所述多尺度特征融合层进行特征融合以提高电量供给时序波动特征的表达的层次丰富度。
进而，分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵，这里所述转移矩阵用于表示各个待充电新能源车的充电参数相对于所述新能源电量供给量的模式特征的响应性表达，即，在当前新能 源电量供给的模式下，各个待充电新能源车的充电响应特征表达。在得到所述多个转移矩阵后，将所述多个转移矩阵分别通过分类器以得到多个概率值，也就是，通过所述分类器来确定所述多个转移矩阵属于类概率标签的概率值，这里，所述类概率标签为最优充电权限。
相应地，在得到所述多个概率值之后，可基于多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级。这样，通过将多个待充电新能源车配置为储能装置来平衡电网负荷，并且，基于多个待充电新能源车的充电参数和新能源电量供给量的时序特征来确定所述多个待充电新能源车的充电优先级以在平衡电网负荷的同时，能够兼顾多个待充电新能源车的充电需求特性以降低电网波动对新能源车的储能装置的冲击。
特别地，在本申请的技术方案中，在计算每个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵时，由于所述充电参数上下文语义特征向量表示充电参数的语义编码特征，而所述电量供给特征向量表示新能源电量供给量的时序多尺度关联特征，因此其特征分布方向并不一致，由此存在所述转移矩阵的整体特征分布的收敛性差的问题，从而导致分类器的拟合效果差。而另一方面，如果直接对所述充电参数上下文语义特征向量和所述电量供给特征向量设置权重以进行显性关联，则所述转移矩阵的各特征值之间的相关度可能会升高，这也会降低所述转移矩阵的分类准确性。
因此，优选地基于所述充电参数上下文语义特征向量，例如记为和所述电量供给特征向量，例如记为/>对所述转移矩阵进行向量模基的希尔伯特空间约束以进行优化，表示为：/>
表示一维卷积运算，即以卷积算子/>对特征向量/>进行一维卷积，特征向量/>是所述转移矩阵展开后得到的特征向量。
也就是，通过以定义了向量和模与向量内积的希尔伯特空间内的卷积算子对所述转移矩阵展开后得到的特征向量进行约束，来将所述特征向量/>的特征分布限定在以向量的模为基的希尔伯特空间内的有限闭域中，并提升了所述特征向量/>的特征分布的高维流形的各个基维度之间的正交性，从而在维持特征分布整体的收敛性的同时实现了特征值之间的稀疏相关。这样，再将优化后的特征向量/>还原为所述转移矩阵，就可以提升就可以提升所述转移矩阵经由分类器的拟合效果和分类准确性。
基于此，本申请提供了一种基于电网新能源节能利用的新能源车充电管理系统，其包括：充电参数获取模块，用于获取多个待充电新能源车的充电参数，所述充电参数包括最大充电功率、需要充入的电量和最长允许时间；嵌入模块，用于将所述多个待充电新能源车的充电参数分别进行嵌入化以得到多个充电参数嵌入向量；上下文关联编码模块，用于将所述多个充电参数嵌入向量通过基于转换器的上下文编码器以得到多个充电参数上下文语义特征向量；新能源供给模块，用于获取预定时间段内多个预定时间点的新能源电量供给量；新能源电量特征提取模块，用于将所述多个预定时间点的新能源电量供给量按照时间维度排列为电量供给输入向量后通过多尺度特征提取模块以得到电量供给特征向量；响应模块，用于分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵；响应模式特征优化模块，用于基于所述多个充电参数上下文语义特征向量和所述电量供给特征向量，分别对所述多个转移矩阵进行特征关联度优化以得到多个优化后转移矩阵；分类模块，用于将所述多个优化后转移矩阵分别通过分类器以得到多个概率值；以及，充电管理结果生成模块，用于基于所述多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级。
图1为根据本申请实施例的基于电网新能源节能利用的新能源车充电管理系统的应用场景图。如图1所示，在该应用场景中，首先，获取多个待充电新能源车的充电参数（例如，图1中所示意的D1），所述充电参数包括最大充电功率、需要充入的电量和最长允许时间，以及，获取预定时间段内多个预定时间点的新能源电量供给量（例如，图1中所示意的D2），然后，将所述多个待充电新能源车的充电参数和所述多个预定时间点的新能源电量供给量输入至部署有基于电网新能源节能利用的新能源车充电管理算法的服务器中（例如，图1中所示意的S），其中，所述服务器能够使用所述基于电网新能源节能利用的新能源车充电管理算法对所述多个待充电新能源车的充电参数和所述多个预定时间点的新能源电量供给量进行处理以确定所述多个待充电新能源车的充电优先级。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
示例性系统
图2为根据本申请实施例的基于电网新能源节能利用的新能源车充电管理系统的框图示意图。如图2所示，根据本申请实施例的基于电网新能源节能利用的新能源车充电管理系统100，包括：充电参数获取模块110，用于获取多个待充电新能源车的充电参数，所述充电参数包括最大充电功率、需要充入的电量和最长允许时间；嵌入模块120，用于将所述多个待充电新能源车的充电参数分别进行嵌入化以得到多个充电参数嵌入向量；上下文关联编码模块130，用于将所述多个充电参数嵌入向量通过基于转换器的上下文编码器以得到多个充电参数上下文语义特征向量；新能源供给模块140，用于获取预定时间段内多个预定时间点的新能源电量供给量；新能源电量特征提取模块150，用于将所述多个预定时间点的新能源电量供给量按照时间维度排列为电量供给输入向量后通过多尺度特征提取模块以得到电量供给特征向量；响应模块160，用于分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵；响应模式特征优化模块170，用于基于所述多个充电参数上下文语义特征向量和所述电量供给特征向量，分别对所述多个转移矩阵进行特征关联度优化以得到多个优化后转移矩阵；分类模块180，用于将所述多个优化后转移矩阵分别通过分类器以得到多个概率值；以及，充电管理结果生成模块190，用于基于所述多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级。
更具体地，在本申请实施例中，所述充电参数获取模块110，用于获取多个待充电新能源车的充电参数，所述充电参数包括最大充电功率、需要充入的电量和最长允许时间。具体地，在所述多个待充电新能源车的充电机与车载电池管理系统连接后，可以读取到单体动力蓄电池最高允许充电电压、最高允许充电电流、动力蓄电池标称总能量、最高允许充电总电压、最高允许温度、整车动力蓄电池荷电状态、整车动力蓄电池当前电池电压、当前荷电状态、估算剩余充电时间，再加上当前时间T0；预计取车时间T1；充电机的最大输出能力，就可以计算出各个待充电新能源车的最大充电功率P；需要充入的电量Ec；最长允许时间(T0--T1)。在本申请的技术方案中，通过将多个待充电新能源车配置为储能装置来平衡电网负荷，并且，基于多个待充电新能源车的充电参数和新能源电量供给量的时序特征来确定所述多个待充电新能源车的充电优先级以在平衡电网负荷的同时，能够兼顾多个待充电新能源车的充电需求特性以降低电网波动对新能源车的储能装置的冲击。
更具体地，在本申请实施例中，所述嵌入模块120，用于将所述多个待充电新能源车的充电参数分别进行嵌入化以得到多个充电参数嵌入向量。也就是，将所述多个待充电新能源车的充电参数分别输入Embedding层以将所述多个待充电新能源车的充电参数转化为低维嵌入表示以得到所述多个充电参数嵌入向量。
更具体地，在本申请实施例中，所述上下文关联编码模块130，用于将所述多个充电参数嵌入向量通过基于转换器的上下文编码器以得到多个充电参数上下文语义特征向量。也就是，使用所述基于转换器的上下文编码器对所述多个充电参数嵌入向量进行基于全局的上下文语义编码以捕捉各个待充电新能源车的充电参数间的上下文全局语义关联特征。这里，一个所述充电参数上下文语义特征向量对应于一个充电参数嵌入向量，即，对应于一个所述待充电新能源车的充电参数的上下文语义编码表达。
相应地，在一个具体示例中，所述上下文关联编码模块130，进一步用于：将所述多个充电参数嵌入向量通过所述基于转换器的上下文编码器以得到多个充电参数语义嵌入向量；以及，将所述多个充电参数语义嵌入向量进行级联以得到所述多个充电参数上下文语义特征向量。
更具体地，在本申请实施例中，所述新能源供给模块140，用于获取预定时间段内多个预定时间点的新能源电量供给量。
更具体地，在本申请实施例中，所述新能源电量特征提取模块150，用于将所述多个预定时间点的新能源电量供给量按照时间维度排列为电量供给输入向量后通过多尺度特征提取模块以得到电量供给特征向量。也就是，获取新能源电量供给量的时序分布离散数据，这可以表示新能源电量供给的波动性。应可以理解，目前的各种新能源（如光伏发电，风力发电）都存在发电不稳定的缺陷，通过所述新能源电量供给量的时序分布离散数据可以表征这种不稳定性。并使用所述多尺度邻域特征提取模块来提取所述新能源电量供给量的波动特征。
相应地，在一个具体示例中，所述多尺度特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层级联的多尺度融合层，其中，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。相应地，在所述多尺度邻域特征提取模块的编码过程中，其使用所述第一卷积层和所述第二卷积层对所述电量供给输入向量进行不同尺度的一维卷积编码以捕捉不同时间跨度的新能源电量供给量分布内所蕴含的电量供给时序波动特征，并通过所述多尺度特征融合层进行特征融合以提高电量供给时序波动特征的表达的层次丰富度。
相应地，在一个具体示例中，所述新能源电量特征提取模块150，进一步用于：使用所述多尺度特征提取模块的第一卷积层以如下公式对所述电量供给输入向量进行一维卷积编码以得到第一尺度电量供给特征向量；其中，所述公式为：
其中，为第一一维卷积核在/>方向上的宽度、/>为第一一维卷积核参数向量、/>与卷积核函数运算的局部向量矩阵，/>为第一一维卷积核的尺寸，/>表示所述电量供给输入向量；
使用所述多尺度特征提取模块的第二卷积层以如下公式对所述电量供给输入向量进行一维卷积编码以得到第二尺度电量供给特征向量；
其中，所述公式为：
其中，为第二一维卷积核在/>方向上的宽度、/>为第二一维卷积核参数向量、/>为与卷积核函数运算的局部向量矩阵，/>为第二一维卷积核的尺寸，/>表示所述电量供给输入向量；以及使用所述多尺度特征提取模块的多尺度融合层对所述第一尺度电量供给特征向量和所述第二尺度电量供给特征向量进行级联以得到所述电量供给特征向量。
更具体地，在本申请实施例中，所述响应模块160，用于分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵。这里所述转移矩阵用于表示各个待充电新能源车的充电参数相对于所述新能源电量供给量的模式特征的响应性表达，即，在当前新能源电量供给的模式下，各个待充电新能源车的充电响应特征表达。
相应地，在一个具体示例中，所述响应模块160，进一步用于：以如下公式分别计算所述多个充电参数上下文语义特征向量相对于所述电量供给特征向量的转移矩阵以得到所述多个转移矩阵；
其中，所述公式为：
其中，表示所述多个充电参数上下文语义特征向量中每个充电参数上下文语义特征向量，/>表示所述电量供给特征向量，/>表示所述多个转移矩阵中每个转移矩阵，表示向量相乘。
更具体地，在本申请实施例中，所述响应模式特征优化模块170，用于基于所述多个充电参数上下文语义特征向量和所述电量供给特征向量，分别对所述多个转移矩阵进行特征关联度优化以得到多个优化后转移矩阵。
相应地，在一个具体示例中，如图3所示，所述响应模式特征优化模块170，包括：矩阵展开单元171，用于将所述各个转移矩阵展开为转移特征向量；优化单元172，用于基于所述充电参数上下文语义特征向量和所述电量供给特征向量，对所述转移特征向量进行向量模基的希尔伯特空间约束以进行优化以得到优化转移特征向量；以及，向量重构单元173，用于将所述优化转移特征向量进行重构以得到所述优化后转移特征矩阵。
特别地，在本申请的技术方案中，在计算每个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵时，由于所述充电参数上下文语义特征向量表示充电参数的语义编码特征，而所述电量供给特征向量表示新能源电量供给量的时序多尺度关联特征，因此其特征分布方向并不一致，由此存在所述转移矩阵的整体特征分布的收敛性差的问题，从而导致分类器的拟合效果差。而另一方面，如果直接对所述充电参数上下文语义特征向量和所述电量供给特征向量设置权重以进行显性关联，则所述转移矩阵的各特征值之间的相关度可能会升高，这也会降低所述转移矩阵的分类准确性。因此，优选地基于所述充电参数上下文语义特征向量和所述电量供给特征向量对所述转移矩阵进行向量模基的希尔伯特空间约束以进行优化。
相应地，在一个具体示例中，所述优化单元172，进一步用于：基于所述充电参数上下文语义特征向量和所述电量供给特征向量，以如下公式对所述转移特征向量进行向量模基的希尔伯特空间约束以进行优化以得到所述优化转移特征向量；其中，所述公式为：
其中，表示所述充电参数上下文语义特征向量，/>表示所述电量供给特征向量，/>表示所述电量供给特征向量的转置向量，/>表示向量的二范数，/>表示所述转移矩阵展开后得到的特征向量，/>表示优化后的所述优化转移特征向量，/>表示一维卷积运算。
也就是，通过以定义了向量和模与向量内积的希尔伯特空间内的卷积算子对所述转移矩阵展开后得到的特征向量进行约束，来将所述特征向量/>的特征分布限定在以向量的模为基的希尔伯特空间内的有限闭域中，并提升了所述特征向量/>的特征分布的高维流形的各个基维度之间的正交性，从而在维持特征分布整体的收敛性的同时实现了特征值之间的稀疏相关。这样，再将优化后的特征向量/>还原为所述转移矩阵，就可以提升就可以提升所述转移矩阵经由分类器的拟合效果和分类准确性。
更具体地，在本申请实施例中，所述分类模块180，用于将所述多个优化后转移矩阵分别通过分类器以得到多个概率值。也就是，通过所述分类器来确定所述多个转移矩阵属于类概率标签的概率值，这里，所述类概率标签为最优充电权限。
相应地，在一个具体示例中，所述分类模块180，进一步用于：将所述多个优化后转移矩阵按照行向量或列向量展开为分类特征向量；使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述多个概率值。
更具体地，在本申请实施例中，所述充电管理结果生成模块190，用于基于所述多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级。在得到所述多个概率值之后，可基于多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级。这样，通过将多个待充电新能源车配置为储能装置来平衡电网负荷，并且，基于多个待充电新能源车的充电参数和新能源电量供给量的时序特征来确定所述多个待充电新能源车的充电优先级以在平衡电网负荷的同时，能够兼顾多个待充电新能源车的充电需求特性以降低电网波动对新能源车的储能装置的冲击。
综上，基于本申请实施例的基于电网新能源节能利用的新能源车充电管理系统100被阐明，其首先将多个待充电新能源车的充电参数分别进行嵌入化后通过上下文编码器以得到多个充电参数上下文语义特征向量，接着，将多个预定时间点的新能源电量供给量排列后通过多尺度特征提取模块以得到电量供给特征向量，然后，分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵，接着，分别对所述多个转移矩阵进行特征关联度优化后分别通过分类器以得到多个概率值，最后，基于所述多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级。通过这样的方式，可以平衡电网负荷。
如上所述，根据本申请实施例的所述基于电网新能源节能利用的新能源车充电管理系统100可以实现在各种终端设备中，例如具有基于电网新能源节能利用的新能源车充电管理算法的服务器等。在一个示例中，基于电网新能源节能利用的新能源车充电管理系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该基于电网新能源节能利用的新能源车充电管理系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该基于电网新能源节能利用的新能源车充电管理系统100同样可以是该终端设备的众多硬件模块之一。
替换地，在另一示例中，该基于电网新能源节能利用的新能源车充电管理系统100与该终端设备也可以是分立的设备，并且该基于电网新能源节能利用的新能源车充电管理系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
示例性方法
图4为根据本申请实施例的基于电网新能源节能利用的新能源车充电管理方法的流程图。如图4所示，根据本申请实施例的基于电网新能源节能利用的新能源车充电管理方法，其包括：S110，获取多个待充电新能源车的充电参数，所述充电参数包括最大充电功率、需要充入的电量和最长允许时间；S120，将所述多个待充电新能源车的充电参数分别进行嵌入化以得到多个充电参数嵌入向量；S130，将所述多个充电参数嵌入向量通过基于转换器的上下文编码器以得到多个充电参数上下文语义特征向量；S140，获取预定时间段内多个预定时间点的新能源电量供给量；S150，将所述多个预定时间点的新能源电量供给量按照时间维度排列为电量供给输入向量后通过多尺度特征提取模块以得到电量供给特征向量；S160，分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵；S170，基于所述多个充电参数上下文语义特征向量和所述电量供给特征向量，分别对所述多个转移矩阵进行特征关联度优化以得到多个优化后转移矩阵；S180，将所述多个优化后转移矩阵分别通过分类器以得到多个概率值；以及，S190，基于所述多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级。
图5为根据本申请实施例的基于电网新能源节能利用的新能源车充电管理方法的系统架构的示意图。
在一个具体示例中，在上述基于电网新能源节能利用的新能源车充电管理方法中，所述将所述多个充电参数嵌入向量通过基于转换器的上下文编码器以得到多个充电参数上下文语义特征向量，包括：将所述多个充电参数嵌入向量通过所述基于转换器的上下文编码器以得到多个充电参数语义嵌入向量；以及，将所述多个充电参数语义嵌入向量进行级联以得到所述多个充电参数上下文语义特征向量。
在一个具体示例中，在上述基于电网新能源节能利用的新能源车充电管理方法中，所述多尺度特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层级联的多尺度融合层，其中，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。
在一个具体示例中，在上述基于电网新能源节能利用的新能源车充电管理方法中，所述将所述多个预定时间点的新能源电量供给量按照时间维度排列为电量供给输入向量后通过多尺度特征提取模块以得到电量供给特征向量，包括：使用所述多尺度特征提取模块的第一卷积层以如下公式对所述电量供给输入向量进行一维卷积编码以得到第一尺度电量供给特征向量；其中，所述公式为：
其中，为第一一维卷积核在/>方向上的宽度、/>为第一一维卷积核参数向量、/>与卷积核函数运算的局部向量矩阵，/>为第一一维卷积核的尺寸，/>表示所述电量供给输入向量；
使用所述多尺度特征提取模块的第二卷积层以如下公式对所述电量供给输入向量进行一维卷积编码以得到第二尺度电量供给特征向量；其中，所述公式为：
其中，为第二一维卷积核在/>方向上的宽度、/>为第二一维卷积核参数向量、/>为与卷积核函数运算的局部向量矩阵，/>为第二一维卷积核的尺寸，/>表示所述电量供给输入向量；以及
使用所述多尺度特征提取模块的多尺度融合层对所述第一尺度电量供给特征向量和所述第二尺度电量供给特征向量进行级联以得到所述电量供给特征向量。
在一个具体示例中，在上述基于电网新能源节能利用的新能源车充电管理方法中，所述分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵，包括：以如下公式分别计算所述多个充电参数上下文语义特征向量相对于所述电量供给特征向量的转移矩阵以得到所述多个转移矩阵；其中，所述公式为：
其中，表示所述多个充电参数上下文语义特征向量中每个充电参数上下文语义特征向量，/>表示所述电量供给特征向量，/>表示所述多个转移矩阵中每个转移矩阵，/>表示向量相乘。
在一个具体示例中，在上述基于电网新能源节能利用的新能源车充电管理方法中，所述基于所述多个充电参数上下文语义特征向量和所述电量供给特征向量，分别对所述多个转移矩阵进行特征关联度优化以得到多个优化后转移矩阵，包括：将所述各个转移矩阵展开为转移特征向量；基于所述充电参数上下文语义特征向量和所述电量供给特征向量，对所述转移特征向量进行向量模基的希尔伯特空间约束以进行优化以得到优化转移特征向量；以及，将所述优化转移特征向量进行重构以得到所述优化后转移特征矩阵。
在一个具体示例中，在上述基于电网新能源节能利用的新能源车充电管理方法中，所述基于所述充电参数上下文语义特征向量和所述电量供给特征向量，对所述转移特征向量进行向量模基的希尔伯特空间约束以进行优化以得到优化转移特征向量，包括：基于所述充电参数上下文语义特征向量和所述电量供给特征向量，以如下公式对所述转移特征向量进行向量模基的希尔伯特空间约束以进行优化以得到所述优化转移特征向量；其中，所述公式为：
其中，表示所述充电参数上下文语义特征向量，/>表示所述电量供给特征向量，/>表示所述电量供给特征向量的转置向量，/>表示向量的二范数，/>表示所述转移矩阵展开后得到的特征向量，/>表示优化后的所述优化转移特征向量，/>表示一维卷积运算。
在一个具体示例中，在上述基于电网新能源节能利用的新能源车充电管理方法中，所述将所述多个优化后转移矩阵分别通过分类器以得到多个概率值，包括：将所述多个优化后转移矩阵按照行向量或列向量展开为分类特征向量；使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述多个概率值。
这里，本领域技术人员可以理解，上述基于电网新能源节能利用的新能源车充电管理方法中的各个步骤的具体操作已经在上面参考图1到图3的基于电网新能源节能利用的新能源车充电管理系统的描述中得到了详细介绍，并因此，将省略其重复描述。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
还需要指出的是，本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (8)

1.一种基于电网新能源节能利用的新能源车充电管理系统，其特征在于，包括：
充电参数获取模块，用于获取多个待充电新能源车的充电参数，所述充电参数包括最大充电功率、需要充入的电量和最长允许时间；
嵌入模块，用于将所述多个待充电新能源车的充电参数分别进行嵌入化以得到多个充电参数嵌入向量；
上下文关联编码模块，用于将所述多个充电参数嵌入向量通过基于转换器的上下文编码器以得到多个充电参数上下文语义特征向量；
新能源供给模块，用于获取预定时间段内多个预定时间点的新能源电量供给量；
新能源电量特征提取模块，用于将所述多个预定时间点的新能源电量供给量按照时间维度排列为电量供给输入向量后通过多尺度特征提取模块以得到电量供给特征向量；
响应模块，用于分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵；
响应模式特征优化模块，用于基于所述多个充电参数上下文语义特征向量和所述电量供给特征向量，分别对所述多个转移矩阵进行特征关联度优化以得到多个优化后转移矩阵；
分类模块，用于将所述多个优化后转移矩阵分别通过分类器以得到多个概率值；
以及充电管理结果生成模块，用于基于所述多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级；
其中，所述响应模式特征优化模块，包括：
矩阵展开单元，用于将所述各个转移矩阵展开为转移特征向量；
优化单元，用于基于所述充电参数上下文语义特征向量和所述电量供给特征向量，对所述转移特征向量进行向量模基的希尔伯特空间约束以进行优化以得到优化转移特征向量；
以及向量重构单元，用于将所述优化转移特征向量进行重构以得到优化后转移矩阵；
其中，所述优化单元，进一步用于：基于所述充电参数上下文语义特征向量和所述电量供给特征向量，以如下公式对所述转移特征向量进行向量模基的希尔伯特空间约束以进行优化以得到所述优化转移特征向量；
其中，所述公式为：
；
其中，表示所述充电参数上下文语义特征向量，/>表示所述电量供给特征向量，表示所述电量供给特征向量的转置向量，/>表示向量的二范数，/>表示所述转移矩阵展开后得到的特征向量，/>表示优化后的所述优化转移特征向量，/>表示一维卷积运算。
2.根据权利要求1所述的基于电网新能源节能利用的新能源车充电管理系统，其特征在于，所述上下文关联编码模块，进一步用于：
将所述多个充电参数嵌入向量通过所述基于转换器的上下文编码器以得到多个充电参数语义嵌入向量；
以及将所述多个充电参数语义嵌入向量进行级联以得到所述多个充电参数上下文语义特征向量。
3.根据权利要求2所述的基于电网新能源节能利用的新能源车充电管理系统，其特征在于，所述多尺度特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层级联的多尺度融合层，其中，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。
4.根据权利要求3所述的基于电网新能源节能利用的新能源车充电管理系统，其特征在于，所述新能源电量特征提取模块，进一步用于：
使用所述多尺度特征提取模块的第一卷积层以如下公式对所述电量供给输入向量进行一维卷积编码以得到第一尺度电量供给特征向量；
其中，所述公式为：
；
其中，为第一一维卷积核在/>方向上的宽度、/>为第一一维卷积核参数向量、为与卷积核函数运算的局部向量矩阵，/>为第一一维卷积核的尺寸，/>表示所述电量供给输入向量；
使用所述多尺度特征提取模块的第二卷积层以如下公式对所述电量供给输入向量进行一维卷积编码以得到第二尺度电量供给特征向量；
其中，所述公式为：
；
其中，为第二一维卷积核在/>方向上的宽度、/>为第二一维卷积核参数向量、为与卷积核函数运算的局部向量矩阵，/>为第二一维卷积核的尺寸，/>表示所述电量供给输入向量；
以及使用所述多尺度特征提取模块的多尺度融合层对所述第一尺度电量供给特征向量和所述第二尺度电量供给特征向量进行级联以得到所述电量供给特征向量。
5.根据权利要求4所述的基于电网新能源节能利用的新能源车充电管理系统，其特征在于，所述响应模块，进一步用于：以如下公式分别计算所述多个充电参数上下文语义特征向量相对于所述电量供给特征向量的转移矩阵以得到所述多个转移矩阵；
其中，所述公式为：
；
其中，表示所述多个充电参数上下文语义特征向量中每个充电参数上下文语义特征向量，/>表示所述电量供给特征向量，/>表示所述多个转移矩阵中每个转移矩阵，/>表示向量相乘。
6.根据权利要求5所述的基于电网新能源节能利用的新能源车充电管理系统，其特征在于，所述分类模块，进一步用于：
将所述多个优化后转移矩阵按照行向量或列向量展开为分类特征向量；
使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；
以及将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述多个概率值。
7.一种基于电网新能源节能利用的新能源车充电管理方法，其特征在于，包括：
获取多个待充电新能源车的充电参数，所述充电参数包括最大充电功率、需要充入的电量和最长允许时间；
将所述多个待充电新能源车的充电参数分别进行嵌入化以得到多个充电参数嵌入向量；
将所述多个充电参数嵌入向量通过基于转换器的上下文编码器以得到多个充电参数上下文语义特征向量；
获取预定时间段内多个预定时间点的新能源电量供给量；
将所述多个预定时间点的新能源电量供给量按照时间维度排列为电量供给输入向量后通过多尺度特征提取模块以得到电量供给特征向量；
分别计算所述多个充电参数上下文语义特征向量相对于电量供给特征向量的转移矩阵以得到多个转移矩阵；
基于所述多个充电参数上下文语义特征向量和所述电量供给特征向量，分别对所述多个转移矩阵进行特征关联度优化以得到多个优化后转移矩阵；
将所述多个优化后转移矩阵分别通过分类器以得到多个概率值；
以及基于所述多个概率值之间的排序，确定所述多个待充电新能源车的充电优先级；
其中，基于所述多个充电参数上下文语义特征向量和所述电量供给特征向量，分别对所述多个转移矩阵进行特征关联度优化以得到多个优化后转移矩阵，包括：
将所述各个转移矩阵展开为转移特征向量；
基于所述充电参数上下文语义特征向量和所述电量供给特征向量，对所述转移特征向量进行向量模基的希尔伯特空间约束以进行优化以得到优化转移特征向量；
以及向量重构单元，用于将所述优化转移特征向量进行重构以得到优化后转移矩阵；
其中，基于所述充电参数上下文语义特征向量和所述电量供给特征向量，以如下公式对所述转移特征向量进行向量模基的希尔伯特空间约束以进行优化以得到所述优化转移特征向量；
其中，所述公式为：
；
其中，表示所述充电参数上下文语义特征向量，/>表示所述电量供给特征向量，表示所述电量供给特征向量的转置向量，/>表示向量的二范数，/>表示所述转移矩阵展开后得到的特征向量，/>表示优化后的所述优化转移特征向量，/>表示一维卷积运算。
8.根据权利要求7所述的基于电网新能源节能利用的新能源车充电管理方法，其特征在于，所述将所述多个充电参数嵌入向量通过基于转换器的上下文编码器以得到多个充电参数上下文语义特征向量，包括：
将所述多个充电参数嵌入向量通过所述基于转换器的上下文编码器以得到多个充电参数语义嵌入向量；
以及将所述多个充电参数语义嵌入向量进行级联以得到所述多个充电参数上下文语义特征向量。
CN202310048791.4A 2023-02-01 2023-02-01 基于电网新能源节能利用的新能源车充电管理系统及方法 Active CN116307487B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310048791.4A CN116307487B (zh) 2023-02-01 2023-02-01 基于电网新能源节能利用的新能源车充电管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310048791.4A CN116307487B (zh) 2023-02-01 2023-02-01 基于电网新能源节能利用的新能源车充电管理系统及方法

Publications (2)

Publication Number Publication Date
CN116307487A CN116307487A (zh) 2023-06-23
CN116307487B true CN116307487B (zh) 2024-03-19

Family

ID=86827699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310048791.4A Active CN116307487B (zh) 2023-02-01 2023-02-01 基于电网新能源节能利用的新能源车充电管理系统及方法

Country Status (1)

Country Link
CN (1) CN116307487B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117288705B (zh) * 2023-09-25 2024-07-19 武汉怡特环保科技有限公司 基于物联网的微型紫外吸收法多路吸收池臭氧气体传感器

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112874369A (zh) * 2021-01-12 2021-06-01 上海追日电气有限公司 一种充电管理系统的充电与供能优化方法及装置
US11194972B1 (en) * 2021-02-19 2021-12-07 Institute Of Automation, Chinese Academy Of Sciences Semantic sentiment analysis method fusing in-depth features and time sequence models
CN115203380A (zh) * 2022-09-19 2022-10-18 山东鼹鼠人才知果数据科技有限公司 基于多模态数据融合的文本处理系统及其方法
CN115409649A (zh) * 2022-08-29 2022-11-29 华能国际电力开发公司吉林通榆风电分公司 风电场能量管理系统及其方法
CN115456364A (zh) * 2022-08-24 2022-12-09 华能新能源股份有限公司 风电场并网性能评价系统及其方法
CN115564203A (zh) * 2022-09-23 2023-01-03 杭州国辰智企科技有限公司 基于多维数据协同的设备实时性能评估系统及其方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112874369A (zh) * 2021-01-12 2021-06-01 上海追日电气有限公司 一种充电管理系统的充电与供能优化方法及装置
US11194972B1 (en) * 2021-02-19 2021-12-07 Institute Of Automation, Chinese Academy Of Sciences Semantic sentiment analysis method fusing in-depth features and time sequence models
CN115456364A (zh) * 2022-08-24 2022-12-09 华能新能源股份有限公司 风电场并网性能评价系统及其方法
CN115409649A (zh) * 2022-08-29 2022-11-29 华能国际电力开发公司吉林通榆风电分公司 风电场能量管理系统及其方法
CN115203380A (zh) * 2022-09-19 2022-10-18 山东鼹鼠人才知果数据科技有限公司 基于多模态数据融合的文本处理系统及其方法
CN115564203A (zh) * 2022-09-23 2023-01-03 杭州国辰智企科技有限公司 基于多维数据协同的设备实时性能评估系统及其方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Major, Vincent ; Surkis, Alisa ; Aphinyanaphongs, Yindalon.Utility of General and Specific Word Embeddings for Classifying Translational Stages of Research..《 AMIA ... Annual Symposium proceedings. AMIA Symposium》.2018,全文. *
一种基于需求分析的电动汽车有序充电实施架构;张明霞;田立亭;;电力系统保护与控制(第03期);全文 *
基于深度学习的多尺度文本分类算法研究;陶自强;《中国优秀硕士学位论文全文数据库》;全文 *

Also Published As

Publication number Publication date
CN116307487A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN116307487B (zh) 基于电网新能源节能利用的新能源车充电管理系统及方法
CN109816171A (zh) 一种基于模糊pid实时电价的电动汽车区域微网群双层分布式优化调度方法
CN111682529B (zh) 一种基于节点电价信息的移动储能车灵活调度方法
CN116061742B (zh) 一种分时电价光伏园区内电动汽车的充电控制方法和系统
CN114860462A (zh) 双路机架式服务器的计算资源智能分配系统及其分配方法
CN113421004A (zh) 输配协同的主动配电网分布式鲁棒扩展规划系统及方法
CN108846505B (zh) 可再生能源并网消纳信息多维度校核方法及设备
CN112397798B (zh) 一种动力电池管理系统及匹配方法
US10714968B2 (en) Power control apparatus, power control system, and power control method
Kim et al. Computer-aided design of electrical energy systems
CN111709580A (zh) 一种微电网源荷匹配性评估方法、系统以及设备
CN115617636A (zh) 一种分布式性能测试系统
CN113778681B (zh) 基于云计算的数据处理方法、装置及存储介质
CN110518637A (zh) 复合相变储能微网配置方法
CN115935261A (zh) 基于工业互联网的群体设备非绝对正向反馈方法
CN115456256A (zh) 基于自适应控制的风电场无功电压控制系统及其方法
Lin et al. Relaxing Complementarity Constraints of Energy Storage with Feasibility and Optimality Guarantees
CN112003279A (zh) 层次化微电网新能源消纳能力的评估方法
Yang et al. Iterative optimization for a hybrid PEMFC power system
CN110910029A (zh) 一种电力负荷聚类方法及系统
CN116561696B (zh) 基于多维度的用户可调节负荷快速聚合方法及其系统
CN117892982B (zh) 光储直柔建筑的用电调度方法、装置、设备及存储介质
EP4345676A1 (en) Method for designing energy systems
CN115733169B (zh) 新能源充电站的充电控制方法及装置
CN113306431B (zh) 电动汽车的充放电功率确定方法、装置和计算机设备

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
GR01 Patent grant
GR01 Patent grant