CN116307953A - 充电场站的分级确定方法、装置及电子设备 - Google Patents

充电场站的分级确定方法、装置及电子设备 Download PDF

Info

Publication number
CN116307953A
CN116307953A CN202310012654.5A CN202310012654A CN116307953A CN 116307953 A CN116307953 A CN 116307953A CN 202310012654 A CN202310012654 A CN 202310012654A CN 116307953 A CN116307953 A CN 116307953A
Authority
CN
China
Prior art keywords
target charging
target
charging
data
charging station
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
CN202310012654.5A
Other languages
English (en)
Inventor
李香龙
肖万芳
李卓群
陈振
王琼
孙舟
袁小溪
赵宇彤
刘祥璐
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.)
State Grid Corp of China SGCC
State Grid Beijing Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Beijing Electric Power 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 State Grid Corp of China SGCC, State Grid Beijing Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202310012654.5A priority Critical patent/CN116307953A/zh
Publication of CN116307953A publication Critical patent/CN116307953A/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
    • G06Q10/067—Enterprise or organisation modelling
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种充电场站的分级确定方法、装置及电子设备。其中，该方法包括：获取用于充电场站分级确定的多种充电数据类型；获取目标充电场站中与多种充电数据类型对应的多种目标充电数据；确定与多种目标充电数据对应的多种目标充电特征；将多种目标充电特征输入至目标充电场站分级模型中，得到目标充电场站的目标分级结果，其中，目标充电场站分级模型为依据样本数据，采用基于距离的聚类算法进行训练得到的，样本数据包括多种样本充电特征，以及样本充电场站的样本分级结果。本发明解决了相关技术中难以快速且准确地对充电场站进行分级确定的技术问题。

Description

充电场站的分级确定方法、装置及电子设备
技术领域
本发明涉及充电场站领域，具体而言，涉及一种充电场站的分级确定方法、装置及电子设备。
背景技术
随着新能源行业不断发展，全国各大城市的新能源电动汽车占有量日益增加，全国新能源汽车保有量已超千万辆，全国充电桩保有量达数百万台，其中公共充电桩达进半数。随着充电网络的逐步扩大，充电桩布局点多面广，大多数站点设备数量少且无人值守，巡检、运维工作量日益增大。如何解决运维人员资源有限与需要运维管理的场站、充电桩快速增加之间的矛盾，将有限的运维资源合理分配是当前面临的主要挑战。
结合充电场站运营特点和场站特征，对场站进行合理地分级，可实现对不同等级场站实时差异化运维策略，有效合理地分配紧张的运维人力资源和运维时间，有效提高运维效率，降低运维成本。而目前，在实际运维过程中大多都采取同一运维标准：巡视检查每周至少一次、抢修服务运维人员必须在45分钟内到达现场，2小时内完成充电桩故障处理。因此，如何在保证场站正常运维需求的基础上，通过对场站进行智能分级，实现对运维资源的合理分配是本领域技术人员需要解决的重点问题。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种充电场站的分级确定方法、装置及电子设备，以至少解决相关技术中难以快速且准确地对充电场站进行分级确定的技术问题。
根据本发明实施例的一个方面，提供了一种充电场站的分级确定方法，包括：获取用于充电场站分级确定的多种充电数据类型；获取目标充电场站中与所述多种充电数据类型对应的多种目标充电数据；确定与所述多种目标充电数据对应的多种目标充电特征；将所述多种目标充电特征至目标充电场站分级模型中，得到所述目标充电场站的目标分级结果，其中，所述目标充电场站分级模型为依据样本数据，采用基于距离的聚类算法进行训练得到的，所述样本数据包括所述多种样本充电特征，以及样本充电场站的样本分级结果。
可选地，所述将所述多种目标充电特征至目标充电场站分级模型中，得到所述目标充电场站的目标分级结果，包括：将所述多种目标充电特征输入至所述目标充电场站分级模型中的权重确定模块中，确定出与所述多种目标充电特征对应的多种目标充电权重；将携带有对应的目标充电权重的多种目标充电特征输入至所述目标充电场站分级模型中的分级确定模块中，得到所述目标充电场站的目标分级结果。
可选地，所述将所述多种目标充电特征输入至所述目标充电场站分级模型中的权重确定模块中，确定出与所述多种目标充电特征对应的多种目标充电权重，包括：将所述多种目标充电特征输入至所述目标充电场站分级模型中的权重确定模块中，确定与所述目标充电场站对应的时间场景；确定在所述时间场景下，与所述多种目标充电特征对应的多种目标充电权重。
可选地，所述将携带有对应的目标充电权重的多种目标充电特征输入至所述目标充电场站分级模型中的分级确定模块中，得到所述目标充电场站的目标分级结果，包括：将携带有对应的目标充电权重的多种目标充电特征输入至所述目标充电场站分级模型中的分级确定模块中，确定与所述目标充电场站对应的目标类簇，其中，所述分级模块中包括多个类簇，所述多个类簇中包括所述目标类簇；确定与所述目标类簇对应的分级结果为所述目标分级结果。
可选地，所述获取目标充电场站中与所述多种充电数据类型对应的多种目标充电数据，包括：获取所述目标充电场站的场站充电数据；在所述场站充电数据中存在缺失与所述多种充电类型数据对应的数据的情况下，确定缺失数据类型；依据所述缺失数据类型，确定补充充电数据；依据所述场站充电数据与所述补充充电数据，确定所述目标充电场站中与所述多种充电数据类型对应的多种目标充电数据。
可选地，所述依据所述缺失数据类型，确定补充充电数据，包括：在所述缺失数据类型属于数据型数据的情况下，依据平均值法得到所述补充充电数据；和/或，在所述缺失数据类型属于因变量数据的情况下，依据回归插补法得到所述补充充电数据。
可选地，所述确定与所述多种目标充电数据对应的多种目标充电特征之前，还包括：归一化处理所述多种目标充电数据。
根据本发明实施例的一个方面，提供了一种充电场站的分级确定方法，包括：第一获取模块，用于获取用于充电场站分级确定的多种充电数据类型；第二获取模块，用于获取目标充电场站中与所述多种充电数据类型对应的多种目标充电数据；第一确定模块，用于确定与所述多种目标充电数据对应的多种目标充电特征；第二确定模块，用于将所述多种目标充电特征至目标充电场站分级模型中，得到所述目标充电场站的目标分级结果，其中，所述目标充电场站分级模型为依据样本数据，采用基于距离的聚类算法进行训练得到的，所述样本数据包括所述多种样本充电特征，以及样本充电场站的样本分级结果。
根据本发明实施例的一个方面，提供了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现上述任一项所述的充电场站的分级确定方法。
根据本发明实施例的一个方面，提供了一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项所述的充电场站的分级确定方法。
在本发明实施例中，获取用于充电场站分级确定的多种充电数据类型后，获取目标充电场站中与多种充电数据类型对应的多种目标充电数据，进而能够确定与多种目标充电数据对应的多种目标充电特征，从而将多种目标充电特征输入至目标充电场站分级模型中，达到得到目标充电场站的目标分级结果的目的。由于目标充电场站分级模型是依据样本数据，采用基于距离的聚类算法进行训练得到的，因此能够通过模型快速地确定出目标充电场站的分级结果，又由于样本数据包括多种样本充电特征，以及样本充电场站的样本分级结果，采用样本数据进行训练，能够学习到相关联的特征，因此能够通过模型准确地确定出目标充电场站的分级结果，进而解决了相关技术中难以快速且准确地对充电场站进行分级确定的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的充电场站的分级确定方法的流程图；
图2是根据本发明实施例的充电场站的分级确定装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种充电场站的分级确定方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的充电场站的分级确定方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取用于充电场站分级确定的多种充电数据类型；
在本申请提供的步骤S102中，获取了用于充电场站分级确定的多种充电数据类型，其中，多种充电数据类型可以有很多，可以依据实际的应用与场景进行自定义的设定，如，可以包括场站资产信息类型、场站日均充电量类型、场站充电桩小时数利用率类型、功率利用率类型、设备运行状态类型、故障率类型、订单数量类型、工单数量类型等等。
步骤S104，获取目标充电场站中与多种充电数据类型对应的多种目标充电数据；
在本申请提供的步骤S104中，获取了目标充电场站中与多种充电数据类型对应的多种目标充电数据，即在目标充电场站中获取了用于充电场站分级的一些数据，以便后续使用这些数据，对目标充电场站进行分级。
步骤S106，确定与多种目标充电数据对应的多种目标充电特征；
在本申请提供的步骤S106中，提取出了与多种目标充电数据对应的多种目标充电特征，能够从不同维度确定出多种目标充电数据的区别与联系，有利于准确地确定出目标充电场站的分级。
步骤S108，将多种目标充电特征输入至目标充电场站分级模型中，得到目标充电场站的目标分级结果，其中，目标充电场站分级模型为依据样本数据，采用基于距离的聚类算法进行训练得到的，样本数据包括多种样本充电特征，以及样本充电场站的样本分级结果。
在本申请提供的步骤S108中，目标分级结果可以表示该目标充电场站的重要程度是几级。将多种目标充电特征输入至了目标充电场站分级模型，用模型来进行目标分级结果的确定，因此能够快速地确定出目标充电场站的分级结果，而且目标充电场站分级模型又是采用样本数据进行训练的，能够学习到相关联的特征，因此能够通过模型准确地确定出目标充电场站的分级结果。
通过上述步骤，获取用于充电场站分级确定的多种充电数据类型后，获取目标充电场站中与多种充电数据类型对应的多种目标充电数据，进而能够确定与多种目标充电数据对应的多种目标充电特征，从而将多种目标充电特征输入至目标充电场站分级模型中，达到得到目标充电场站的目标分级结果的目的。由于目标充电场站分级模型是依据样本数据，采用基于距离的聚类算法进行训练得到的，因此能够通过模型快速地确定出目标充电场站的分级结果，又由于样本数据包括多种样本充电特征，以及样本充电场站的样本分级结果，采用样本数据进行训练，能够学习到相关联的特征，因此能够通过模型准确地确定出目标充电场站的分级结果，进而解决了相关技术中难以快速且准确地对充电场站进行分级确定的技术问题。
作为一种可选的实施例，将多种目标充电特征输入至目标充电场站分级模型中，得到目标充电场站的目标分级结果，包括：将多种目标充电特征输入至目标充电场站分级模型中的权重确定模块中，确定出与多种目标充电特征对应的多种目标充电权重；将携带有对应的目标充电权重的多种目标充电特征输入至目标充电场站分级模型中的分级确定模块中，得到目标充电场站的目标分级结果。
在该实施例中，说明了要对多种目标充电特征进行权重的确定，因为获取的目标充电数据是多种的，对于不同种的目标充电数据，设置不同的权重值，能够更好地分析出不同目标充电数据之间的重要关系，能够在确定目标充电场站的目标分级结果是有基于重要程度进行考虑的。在确定与多种目标充电特征对应的多种目标充电权重时，可以采用主观分析法或者客观分析法，可以根据实际的数据类型进行确定。
作为一种可选的实施例，将多种目标充电特征输入至目标充电场站分级模型中的权重确定模块中，确定出与多种目标充电特征对应的多种目标充电权重，包括：将多种目标充电特征输入至目标充电场站分级模型中的权重确定模块中，确定与目标充电场站对应的时间场景；确定在时间场景下，与多种目标充电特征对应的多种目标充电权重。
在该实施例中，说明了在权重确定时，还考虑了目标充电场站当前的时间场景，时间场景可以基于多种类型进行划分，例如，可以依据是否运维进行划分，确定为节假日场景和普通工作日场景，等等，不同的时间场景有不同确定权重的方式，可能确定出的权重是不同的，因此，使得确定出的目标充电权重是考虑了时间场景的，使得目标充电权重的确定更为贴切，更为符合实际。
作为一种可选的实施例，将携带有对应的目标充电权重的多种目标充电特征输入至目标充电场站分级模型中的分级确定模块中，得到目标充电场站的目标分级结果，包括：将携带有对应的目标充电权重的多种目标充电特征输入至目标充电场站分级模型中的分级确定模块中，确定与目标充电场站对应的目标类簇，其中，分级模块中包括多个类簇，多个类簇中包括目标类簇；确定与目标类簇对应的分级结果为目标分级结果。
在该实施例中，说明了分级确定模块中确定目标分级结果的方式，由于目标充电场站分级模型为依据样本数据，采用基于距离的聚类算法进行训练得到的，样本数据包括多种样本充电特征，以及样本充电场站的样本分级结果，因此，在目标充电场站分级模型中已经聚类成为了多个类簇，通过确定出目标充电场站属于哪个类簇，可以确定出该类簇的分级，以能够确定出目标分级结果。通过聚类的设置，能够使得算法变得快速且简单，对大数据集有较高的效率，因此，能够更为快速、准确地确定出目标充电场站的目标分级结果。
作为一种可选的实施例，获取目标充电场站中与多种充电数据类型对应的多种目标充电数据，包括：获取目标充电场站的场站充电数据；在场站充电数据中存在缺失与多种充电类型数据对应的数据的情况下，确定缺失数据类型；依据缺失数据类型，确定补充充电数据；依据场站充电数据与补充充电数据，确定目标充电场站中与多种充电数据类型对应的多种目标充电数据。
在该实施例中，说明了场站充电数据中存在缺失与多种充电类型数据对应的数据的情况，在该情况下，可以进行缺失数据类型的补充，从而能够确定出完善的与多种充电数据类型对应的多种目标充电数据。避免因为数据缺失造成的目标充电场站的分级错误的问题。
作为一种可选的实施例，依据缺失数据类型，确定补充充电数据，包括：在缺失数据类型属于数据型数据的情况下，依据平均值法得到补充充电数据；和/或，在缺失数据类型属于因变量数据的情况下，依据回归插补法得到补充充电数据。
在该实施例中，说明了如何依据缺失数据类型，确定补充充电数据，具体地，可以依据缺失数据类型是属于何种数据，从而采用对应的方式进行补充，如，在缺失数据类型属于数据型数据的情况下，依据平均值法得到补充充电数据，采用平均值法进行补充时，可以是根据目标充电场站的历史缺失数据进行平均的，也可以根据周围类似的充电场站进行平均的，在此不做限定，可以根据已有数据以及具体地应用与场景进行设定。在缺失数据类型属于因变量数据的情况下，依据回归插补法得到补充充电数据，即可以根据因变量与自变量的关系，依据回归插补法推断出因变量数据，从而得到补充充电数据。在本实施例中，说明了不同的确定补充充电数据的方法，能够合理有效的确定补充充电数据。
作为一种可选的实施例，确定与多种目标充电数据对应的多种目标充电特征之前，还包括：归一化处理多种目标充电数据。
在该实施例中，通过将多种目标充电数据进行归一化的处理，归一化后加快了梯度下降求最优解的速度，使用模型求最优解时，能够加快模型收敛速度，提高精度，使得目标分级结果的准确度更高。
基于上述实施例及可选实施例，提供了一种可选实施方式，下面具体说明。
本发明可选实施方式中提供了一种基于专家打分卡模型的充电站聚类辨识智能分级方法，其能够解决目前场站固定等级方法下运维资源分配不合理、运维资源紧缺的问题。其改进之处在于考虑不同时间场景下场站对运维需求的不同，在k-means聚类的基础上，引入专家打分卡模型根据场景需求动态调整特征权重，实现k-means聚类结果的动态调整，提高了k-means聚类算法在场站分级方面的适用性和实用性。下面对本发明可选实施方式进行介绍：
S1，获取用于充电场站分级确定的多种充电数据类型；
具体地，包括场站资产信息、场站日均充电量、场站充电桩小时数利用率、功率利用率、设备运行状态、故障率、订单数量、工单数量等不同数据类型，
S2，获取目标充电场站中与多种充电数据类型对应的多种目标充电数据，并对多种目标充电数据进行数据预处理，如数据清洗，利用均值插补、回归插补等方法处理重要特征数据中数值缺失的问题，保证数据质量，并对预处理后的数据进行归一化处理；
S3，确定与多种目标充电数据对应的多种目标充电特征；
S4，将多种目标充电特征至目标充电场站分级模型中，得到目标充电场站的目标分级结果。
需要说明的是，在执行上述步骤之前，需要先确定目标充电场站分级模型，下面对确定目标充电场站分级模型的步骤进行介绍：
S1，获取用于充电场站分级确定的多种充电数据类型；
S2，获多个取样本充电场站中与多种充电数据类型对应的多种样本充电数据，并对多种样本充电数据进行数据预处理，如数据清洗，利用均值插补、回归插补等方法处理重要特征数据中数值缺失的问题，保证数据质量，并对预处理后的数据进行归一化处理，构成模型训练原始数据集
Figure BDA0004039597900000081
需要说明的是，数据清洗，利用均值插补、回归插补等方法处理重要特征数据中数值缺失的问题，保证数据质量时，可以分为以下处理方式：
(1)均值插补。当缺失值为数值型(可进行加减运算的数据)，就用平均值插补缺失值，针对充电场站充电桩数量，可以考虑采用该场站周围一定区域内场站内充电桩平均数量代替或者采用该区域内的中位数来代替。
(2)回归插补法。根据样本中缺失变量和已得到变量构建回归方程，即根据已有的样本数据，对目标变量的缺失值进行估算，常利用线性回归方程进行插补，构建自变量xi(i＝1,2,...,m)与目标变量Y的关系，进行补充数据的计算。
S3，确定与多种样本充电数据对应的多种样本充电特征，每个对象都具有m个维度的特征[x1,x2,...,xm]。
S4，确定多个样本充电场站对应的时间场景，如按照运维时间场景分类，时间场景分为节假日场景和普通工作日场景，根据时间场景不同，对特征数据的权重值进行专家打分得到专家i的特征数据权重向量
Figure BDA0004039597900000082
通过加权平均获得最终的特征数据权重向量/>
Figure BDA0004039597900000083
其中，
Figure BDA0004039597900000084
I为参与特征权重打分的专家数量。
S5，采用聚类算法对携带有特征权重的多种样本充电特征进行分类，得到多个类簇；
S5.1，设置k-means聚类算法模型训练参数，包括场站目标聚类簇的个数k，场站数据规模N，迭代次数t；
S5.2，随机分配聚类中心：在数据集中随机选择k个数据对象{C1，C2，C3，...，Cn}，1＜k≤n，作为初始中心点；
S5.3，根据聚类中心分簇：计算数据集中每个特征数据(场站资产信息、场站日均充电量、场站充电桩小时数利用率、功率利用率、设备运行状态、故障率、订单数量、工单数量等特征数据)对象到所有中心点的距离，并将数据对象划分到距离最接近的质心的簇内，从而形成簇分配矩阵；
Figure BDA0004039597900000091
个对象的第t个特征，1≤t≤m；Cjt为第j个聚类中心的第t个特征。
S5.4，依次比较每一个对象到每一个聚类中心的距离，将对象分配到距离最近的聚类中心的类簇中，得到k个类簇{S1,S2,S3,...,Sk}。再计算簇中各点的特征数据(场站资产信息、场站日均充电量、场站充电桩小时数利用率、功率利用率、设备运行状态、故障率、订单数量、工单数量等特征数据)到聚类中心的均值，并将均值作为新的质心；
Figure BDA0004039597900000092
其中，Cl为第l个聚类中心，1≤l≤k；|Sl|为第l个聚类中心中对象个数；Xi为第l个聚类中心第i个对象，1≤i≤|Sl|。
S5.5，迭代优化聚类中心：反复执行S5.3，S5.4操作，直到质心不再移动或达到迭代次数t；
S5.6，完成相同特征的场站聚类，输出k个聚类中心点，含聚类中心点特征数据以及k个簇；
S5.7，根据聚类中心的特征，确定不同场站的级别。
S6，迭代完成后，得到目标充电场站分级模型。
通常情况下，分类为场站利用率高、充电量大的场站需要分配的运维资源更多，运维检修频次高；而分类为场站利用率低、充电量小的场站则分配的运维资源少，以此来实现梯度运维检修，高效利用运维资源。但是考虑到不同时间场景下场站对运维需求的不同，如节假日场景下的热点高速场站、景区充电场站等。该类场站在通常情况下多数属于场站利用率低、充电量小的场站，分配的运维资源少；但是在节假日时属于场站利用率高、充电量大的场站，为了保证节假日场站稳定运行，需要自动的调整场站的等级，增加运维检修资源。
通过上述可选实施方式，可以达到至少以下的有益效果：利用人工智能聚类算法的基础上，考虑不同时间场景下场站对运维需求的不同，引入专家打分卡模型，根据场景需求动态调整特征权重，实现k-means聚类结果的动态调整，实现不同场景下特征动态调整的聚类辨识充电站分级模型，提高了模型针对不同场景的泛化能力，提高了场站分级算法的实用性。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
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根据上述实施例的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的方法。
实施例2
根据本发明实施例，还提供了一种用于实施上述充电场站的分级确定方法的装置，图2是根据本发明实施例的充电场站的分级确定装置的结构框图，如图2所示，该装置包括：第一获取模块202，第二获取模块204，第一确定模块206和第二确定模块208，下面对该装置进行详细说明。
第一获取模块202，用于获取用于充电场站分级确定的多种充电数据类型；第二获取模块204，连接于上述第一获取模块202，用于获取目标充电场站中与多种充电数据类型对应的多种目标充电数据；第一确定模块206，连接于上述第二获取模块204，用于确定与多种目标充电数据对应的多种目标充电特征；第二确定模块208，连接于上述第一确定模块206，用于将多种目标充电特征输入至目标充电场站分级模型中，得到目标充电场站的目标分级结果，其中，目标充电场站分级模型为依据样本数据，采用基于距离的聚类算法进行训练得到的，样本数据包括多种样本充电特征，以及样本充电场站的样本分级结果。
此处需要说明的是，上述第一获取模块202，第二获取模块204，第一确定模块206和第二确定模块208对应于实施充电场站的分级确定方法中的步骤S102至步骤S108，多个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。
实施例3
根据本发明实施例的另外一个方面，还提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器被配置为执行指令，以实现上述任一项的充电场站的分级确定方法。
实施例4
根据本发明实施例的另外一个方面，还提供了一种计算机可读存储介质，当计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项的充电场站的分级确定方法。
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。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元上。可以根据实际的需要选择其中的部分或者全部单元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单元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，也可以采用软件功能单元的形式实现。
所述集成的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取存储介质中。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或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种充电场站的分级确定方法，其特征在于，包括：
获取用于充电场站分级确定的多种充电数据类型；
获取目标充电场站中与所述多种充电数据类型对应的多种目标充电数据；
确定与所述多种目标充电数据对应的多种目标充电特征；
将所述多种目标充电特征至目标充电场站分级模型中，得到所述目标充电场站的目标分级结果，其中，所述目标充电场站分级模型为依据样本数据，采用基于距离的聚类算法进行训练得到的，所述样本数据包括所述多种样本充电特征，以及样本充电场站的样本分级结果。
2.根据权利要求1所述的方法，其特征在于，所述将所述多种目标充电特征至目标充电场站分级模型中，得到所述目标充电场站的目标分级结果，包括：
将所述多种目标充电特征输入至所述目标充电场站分级模型中的权重确定模块中，确定出与所述多种目标充电特征对应的多种目标充电权重；
将携带有对应的目标充电权重的多种目标充电特征输入至所述目标充电场站分级模型中的分级确定模块中，得到所述目标充电场站的目标分级结果。
3.根据权利要求2所述的方法，其特征在于，所述将所述多种目标充电特征输入至所述目标充电场站分级模型中的权重确定模块中，确定出与所述多种目标充电特征对应的多种目标充电权重，包括：
将所述多种目标充电特征输入至所述目标充电场站分级模型中的权重确定模块中，确定与所述目标充电场站对应的时间场景；
确定在所述时间场景下，与所述多种目标充电特征对应的多种目标充电权重。
4.根据权利要求2所述的方法，其特征在于，所述将携带有对应的目标充电权重的多种目标充电特征输入至所述目标充电场站分级模型中的分级确定模块中，得到所述目标充电场站的目标分级结果，包括：
将携带有对应的目标充电权重的多种目标充电特征输入至所述目标充电场站分级模型中的分级确定模块中，确定与所述目标充电场站对应的目标类簇，其中，所述分级模块中包括多个类簇，所述多个类簇中包括所述目标类簇；
确定与所述目标类簇对应的分级结果为所述目标分级结果。
5.根据权利要求1所述的方法，其特征在于，所述获取目标充电场站中与所述多种充电数据类型对应的多种目标充电数据，包括：
获取所述目标充电场站的场站充电数据；
在所述场站充电数据中存在缺失与所述多种充电类型数据对应的数据的情况下，确定缺失数据类型；
依据所述缺失数据类型，确定补充充电数据；
依据所述场站充电数据与所述补充充电数据，确定所述目标充电场站中与所述多种充电数据类型对应的多种目标充电数据。
6.根据权利要求5所述的方法，其特征在于，所述依据所述缺失数据类型，确定补充充电数据，包括：
在所述缺失数据类型属于数据型数据的情况下，依据平均值法得到所述补充充电数据；和/或，
在所述缺失数据类型属于因变量数据的情况下，依据回归插补法得到所述补充充电数据。
7.根据权利要求1至6中任意一项所述的方法，其特征在于，所述确定与所述多种目标充电数据对应的多种目标充电特征之前，还包括：
归一化处理所述多种目标充电数据。
8.一种充电场站的分级确定方法，其特征在于，包括：
第一获取模块，用于获取用于充电场站分级确定的多种充电数据类型；
第二获取模块，用于获取目标充电场站中与所述多种充电数据类型对应的多种目标充电数据；
第一确定模块，用于确定与所述多种目标充电数据对应的多种目标充电特征；
第二确定模块，用于将所述多种目标充电特征至目标充电场站分级模型中，得到所述目标充电场站的目标分级结果，其中，所述目标充电场站分级模型为依据样本数据，采用基于距离的聚类算法进行训练得到的，所述样本数据包括所述多种样本充电特征，以及样本充电场站的样本分级结果。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至7中任一项所述的充电场站的分级确定方法。
10.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至7中任一项所述的充电场站的分级确定方法。
CN202310012654.5A 2023-01-05 2023-01-05 充电场站的分级确定方法、装置及电子设备 Pending CN116307953A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310012654.5A CN116307953A (zh) 2023-01-05 2023-01-05 充电场站的分级确定方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310012654.5A CN116307953A (zh) 2023-01-05 2023-01-05 充电场站的分级确定方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN116307953A true CN116307953A (zh) 2023-06-23

Family

ID=86819332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310012654.5A Pending CN116307953A (zh) 2023-01-05 2023-01-05 充电场站的分级确定方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN116307953A (zh)

Similar Documents

Publication Publication Date Title
CN108764663B (zh) 一种电力客户画像生成管理的方法及系统
CN108376982B (zh) 负载相序的识别方法及装置
CN113267692B (zh) 一种低压台区线损智能诊断分析方法和系统
CN112766550B (zh) 基于随机森林的停电敏感用户预测方法、系统、存储介质及计算机设备
CN106204330A (zh) 一种配电网智能诊断系统
CN111178957B (zh) 一种用电客户电量突增预警的方法
CN111967684B (zh) 一种基于大数据分析的计量资产主动配送方法
CN111861023A (zh) 基于统计学的混合风电功率预测方法、装置
CN112258337A (zh) 一种自我补全修正的基站能耗模型预测方法
CN107169655A (zh) 一种优选配电网方案适应性的方法及装置
CN116683459A (zh) 一种基于数字化负荷预测的配电站控制方法及系统
CN115422788B (zh) 一种配电网线损分析管理方法、装置、存储介质及系统
CN115313361A (zh) 一种规模化可调资源的联合优化控制方法和装置
CN112101673A (zh) 一种基于隐马尔可夫模型的电网发展趋势预测方法及系统
CN116523329A (zh) 台区线损异常诊断方法
CN113327047B (zh) 基于模糊综合模型的电力营销服务渠道决策方法及系统
CN113469536A (zh) 一种供电服务客户投诉风险等级识别方法
CN111105218A (zh) 一种基于全息影像技术的配电网运行监视方法
Ferreira et al. A data-mining-based methodology for transmission expansion planning
CN107274025B (zh) 一种实现用电模式智能识别与管理的系统和方法
CN112508260A (zh) 基于对比学习的配电变压器中长期负荷预测方法及装置
CN115329814B (zh) 一种基于图像信号处理的低压用户链路识别方法及装置
CN116307953A (zh) 充电场站的分级确定方法、装置及电子设备
CN114880406A (zh) 一种数据管理方法及装置
CN114997687A (zh) 资源调度方法、装置、存储介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination