CN116362417B - 一种充电桩分析方法、装置、设备及存储介质 - Google Patents
一种充电桩分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116362417B CN116362417B CN202310609289.6A CN202310609289A CN116362417B CN 116362417 B CN116362417 B CN 116362417B CN 202310609289 A CN202310609289 A CN 202310609289A CN 116362417 B CN116362417 B CN 116362417B
- Authority
- CN
- China
- Prior art keywords
- target
- charging pile
- charging
- target vehicle
- vehicle
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 91
- 239000011159 matrix material Substances 0.000 claims abstract description 131
- 238000013499 data model Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000013507 mapping Methods 0.000 claims abstract description 36
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 230000004927 fusion Effects 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 8
- 238000012314 multivariate regression analysis Methods 0.000 claims description 7
- 238000012098 association analyses Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及充电桩技术领域,公开了一种充电桩分析方法、装置、设备及存储介质,用于实现充电过程智能化分析并提高充电桩的充电效率。方法包括:构建功率数据模型并计算充电状态指标以及负载状态指标;分别对充电状态指标以及负载状态指标进行矩阵转换,得到目标特征矩阵;将目标特征矩阵输入充电状态分析模型进行充电状态分析和功率输出方案创建,得到多个第一充电桩功率输出方案,并根据多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系;接收第二目标车辆发送的充电请求,并根据目标输出映射关系匹配第二目标车辆对应的第二充电桩功率输出方案,以及根据第二充电桩功率输出方案对第二目标车辆进行充电控制。
Description
技术领域
本发明涉及充电桩技术领域,尤其涉及一种充电桩分析方法、装置、设备及存储介质。
背景技术
现代社会中,电动车辆已成为一种常见的出行方式。然而,由于充电桩未必能与所有类型车辆完美契合,因此出现了很多关于充电桩“兼容性”的问题。其中最为关键的问题之一就是充电桩的功率输出是否适合不同型号的电动汽车充电需求。
现有方案通常需要先给车辆充电一段时间,再将充电桩的输出功率调整到与车辆相适应的功率输出,大大的降低了车辆电池的充电寿命,充电效率也不高。
发明内容
本发明提供了一种充电桩分析方法、装置、设备及存储介质,用于实现充电过程智能化分析并提高充电桩的充电效率。
本发明第一方面提供了一种充电桩分析方法,所述充电桩分析方法包括:
基于预设的目标充电桩分别对多个不同的第一目标车辆进行充电测试,并获取所述目标充电桩的第一输出功率数据以及每个第一目标车辆的车辆参数;
根据所述第一输出功率数据生成每个第一目标车辆对应的第二输出功率数据,并根据所述车辆参数构建功率数据模型;
根据所述功率数据模型分别计算每个第一目标车辆对应的充电状态指标以及所述目标充电桩对应的负载状态指标;
分别对所述充电状态指标以及所述负载状态指标进行矩阵转换,得到充电状态特征矩阵以及负载状态特征矩阵,并对所述充电状态特征矩阵以及所述负载状态特征矩阵进行矩阵融合,生成每个第一目标车辆对应的目标特征矩阵;
分别将每个第一目标车辆对应的目标特征矩阵输入预置的充电状态分析模型进行充电状态分析和功率输出方案创建,得到多个第一充电桩功率输出方案,并根据所述多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系;
基于所述目标充电桩接收第二目标车辆发送的充电请求,并根据所述目标输出映射关系匹配所述第二目标车辆对应的第二充电桩功率输出方案,以及根据所述第二充电桩功率输出方案对所述第二目标车辆进行充电控制。
结合第一方面,所述基于预设的目标充电桩分别对多个不同的第一目标车辆进行充电测试,并获取所述目标充电桩的第一输出功率数据以及每个第一目标车辆的车辆参数,包括:
基于预设的目标充电桩分别对多个不同的第一目标车辆进行充电测试,并获取各个时间间隔内所述目标充电桩的输出功率变化数据,得到原始输出功率数据;
根据所述各个时间间隔,对所述原始输出功率数据进行时序关联分析,得到所述目标充电桩的第一输出功率数据;
调用预置的数据库,分别对多个不同的第一目标车辆进行参数查询,得到每个第一目标车辆的车辆参数,其中,所述车辆参数包括:车辆类型、车辆重量以及车辆尺寸。
结合第一方面,所述根据所述第一输出功率数据生成每个第一目标车辆对应的第二输出功率数据,并根据所述车辆参数构建功率数据模型,包括:
获取每个第一目标车辆对应的数据特征标识,并根据所述数据特征标识,从所述第一输出功率数据中提取每个第一目标车辆对应的第二输出功率数据;
基于每个第一目标车辆对应的车辆参数,对预置的多变量回归分析模型进行模型参数设置,得到初始数据模型;
对所述初始数据模型进行模型校验,并将校验完成的初始数据模型作为功率数据模型。
结合第一方面,所述根据所述功率数据模型分别计算每个第一目标车辆对应的充电状态指标以及所述目标充电桩对应的负载状态指标,包括:
提取所述第一输出功率数据中的多个第一特征值,以及提取所述第二输出功率数据中的多个第二特征值;
将所述多个第一特征值输入所述功率数据模型进行充电桩负载计算,得到所述目标充电桩对应的负载状态指标;
将所述多个第二特征值输入所述功率数据模型进行车辆充电分析,得到每个第一目标车辆对应的充电状态指标。
结合第一方面,所述分别对所述充电状态指标以及所述负载状态指标进行矩阵转换,得到充电状态特征矩阵以及负载状态特征矩阵,并对所述充电状态特征矩阵以及所述负载状态特征矩阵进行矩阵融合,生成每个第一目标车辆对应的目标特征矩阵,包括:
对所述充电状态指标进行矩阵转换,得到充电状态特征矩阵,并对所述负载状态指标进行矩阵转换,得到负载状态特征矩阵;
对所述充电状态特征矩阵和所述负载状态特征矩阵进行矩阵元素对齐,得到初始融合矩阵;
对所述初始融合矩阵进行矩阵元素补齐,生成每个第一目标车辆对应的目标特征矩阵。
结合第一方面,所述分别将每个第一目标车辆对应的目标特征矩阵输入预置的充电状态分析模型进行充电状态分析和功率输出方案创建,得到多个第一充电桩功率输出方案,并根据所述多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系,包括:
分别将每个第一目标车辆对应的目标特征矩阵输入预置的充电状态分析模型,其中,所述充电状态分析模型包括:双层长短时记忆网络、双层门限循环网络以及全连接网络;
通过所述充电状态分析模型对所述目标特征矩阵进行充电状态分析,得到每个第一目标车辆对应的预测值;
获取候选功率输出方案列表,并根据所述预测值匹配每个第一目标车辆对应的第一充电桩功率输出方案,得到多个第一充电桩功率输出方案,其中,所述候选功率输出方案列表包括:多个候选功率输出方案;
根据所述多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系。
结合第一方面,所述基于所述目标充电桩接收第二目标车辆发送的充电请求,并根据所述目标输出映射关系匹配所述第二目标车辆对应的第二充电桩功率输出方案,以及根据所述第二充电桩功率输出方案对所述第二目标车辆进行充电控制,包括:
基于所述目标充电桩接收第二目标车辆发送的充电请求,并根据所述充电请求查询所述第二目标车辆对应的车辆参数;
根据所述第二目标车辆对应的车辆参数,从所述目标输出映射关系中匹配对应的第二充电桩功率输出方案;
根据所述第二充电桩功率输出方案对所述第二目标车辆进行充电控制。
本发明第二方面提供了一种充电桩分析装置,所述充电桩分析装置包括:
测试模块,用于基于预设的目标充电桩分别对多个不同的第一目标车辆进行充电测试,并获取所述目标充电桩的第一输出功率数据以及每个第一目标车辆的车辆参数;
构建模块,用于根据所述第一输出功率数据生成每个第一目标车辆对应的第二输出功率数据,并根据所述车辆参数构建功率数据模型;
计算模块,用于根据所述功率数据模型分别计算每个第一目标车辆对应的充电状态指标以及所述目标充电桩对应的负载状态指标;
融合模块,用于分别对所述充电状态指标以及所述负载状态指标进行矩阵转换,得到充电状态特征矩阵以及负载状态特征矩阵,并对所述充电状态特征矩阵以及所述负载状态特征矩阵进行矩阵融合,生成每个第一目标车辆对应的目标特征矩阵;
分析模块,用于分别将每个第一目标车辆对应的目标特征矩阵输入预置的充电状态分析模型进行充电状态分析和功率输出方案创建,得到多个第一充电桩功率输出方案,并根据所述多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系;
控制模块,用于基于所述目标充电桩接收第二目标车辆发送的充电请求,并根据所述目标输出映射关系匹配所述第二目标车辆对应的第二充电桩功率输出方案,以及根据所述第二充电桩功率输出方案对所述第二目标车辆进行充电控制。
本发明第三方面提供了一种充电桩分析设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述充电桩分析设备执行上述的充电桩分析方法。
本发明的第四方面提供了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指令,当其在计算机上运行时,使得计算机执行上述的充电桩分析方法。
本发明提供的技术方案中,构建功率数据模型并计算充电状态指标以及负载状态指标;分别对充电状态指标以及负载状态指标进行矩阵转换,得到目标特征矩阵,通过对充电状态和负载状态进行矩阵融合,将两者的特征相互融合,可以减少数据噪声和错误,并提高模型预测准确性和稳定性;将目标特征矩阵输入充电状态分析模型进行充电状态分析和功率输出方案创建,得到多个第一充电桩功率输出方案,并根据多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系;接收第二目标车辆发送的充电请求,并根据目标输出映射关系匹配第二目标车辆对应的第二充电桩功率输出方案,以及根据第二充电桩功率输出方案对第二目标车辆进行充电控制,本发明分析目标车辆与目标充电桩的电池充电状态和负载状态对目标充电桩进行输出功率的映射关系构建,进而实现当有目标车辆进行充电时,及时采取对应的充电策略进行充电控制,实现了充电过程智能化分析并提高了充电桩的充电效率。
附图说明
图1为本发明实施例中充电桩分析方法的一个实施例示意图;
图2为本发明实施例中构建功率数据模型的流程图;
图3为本发明实施例中计算充电状态指标以及负载状态指标的流程图;
图4为本发明实施例中矩阵转换的流程图;
图5为本发明实施例中充电桩分析装置的一个实施例示意图;
图6为本发明实施例中充电桩分析设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种充电桩分析方法、装置、设备及存储介质,用于实现充电过程智能化分析并提高充电桩的充电效率。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”、“第三”、“第四”等(如果存在)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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,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。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中充电桩分析方法的一个实施例包括:
S101、基于预设的目标充电桩分别对多个不同的第一目标车辆进行充电测试,并获取目标充电桩的第一输出功率数据以及每个第一目标车辆的车辆参数;
可以理解的是,本发明的执行主体可以为充电桩分析装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,服务器确定目标充电桩的位置、型号、额定功率等参数,进而分别连接目标充电桩和多个不同的第一目标车辆,其中,需要确保充电桩和车辆之间建立了稳定连接,使充电过程更加安全和可靠,进一步的,测试第一目标车辆的车辆参数,分别测试多个第一目标车辆的车辆参数,包括电池容量、最大充电功率、充电接口类型等参数,进而进行充电测试,根据目标充电桩的额定功率和第一目标车辆的车辆参数,确定目标充电模式,例如直流快充或交流慢充等。在充电过程中,记录目标充电桩的第一输出功率数据,进而,服务器分析充电测试数据,包括目标充电桩的第一输出功率数据以及每个第一目标车辆的车辆参数。根据数据分析结果,对充电桩和车辆的性能进行评估,并针对性地调整充电策略,进一步优化充电效率和质量,同时,在本发明实施例中,在完成充电测试后,断开充电桩和车辆之间的连接,结束本次充电测试。
S102、根据第一输出功率数据生成每个第一目标车辆对应的第二输出功率数据,并根据车辆参数构建功率数据模型;
具体的,服务器根据目标充电桩的第一输出功率数据,结合每个第一目标车辆的车辆参数,计算每个车辆对应的第二输出功率数据,根据车辆参数和第二输出功率数据,构建功率数据模型,需要说明的是,功率数据模型是基于物理原理的理论模型,也可以是基于实验数据的统计模型等,构建好的功率数据模型用于预测车辆在不同条件下的充电功率,从而为后续的充电管理和优化提供依据,通过与实际充电数据进行比对,对模型进行调整和改进。同时,还需要对模型的稳定性和鲁棒性进行分析,以确保其在不同工况下的适用性和可靠性。
S103、根据功率数据模型分别计算每个第一目标车辆对应的充电状态指标以及目标充电桩对应的负载状态指标;
需要说明的是,根据功率数据模型计算充电功率,其中,根据车辆参数和充电环境条件,通过功率数据模型中计算出每个第一目标车辆对应的充电功率。根据充电功率计算充电状态指标,通过利用每个第一目标车辆对应的充电功率,计算相应的充电状态指标,需要说明的是,充电状态指标包括充电速度、充电时间、充电效率等,根据目标充电桩的额定功率和已连接车辆的充电功率,计算出目标充电桩的负载状态指标,负载状态指标包括充电桩的占用率、剩余功率等,随着充电环境条件和车辆参数的变化,需要不断更新功率数据模型和充电状态指标,以确保计算结果的准确性和可靠性,根据计算得到的充电状态指标和负载状态指标,制定相应的充电管理策略。例如,可以针对充电速度较慢的车辆优先分配充电资源,或者调整充电桩的功率分配策略,提高充电效率和资源利用率。
S104、分别对充电状态指标以及负载状态指标进行矩阵转换,得到充电状态特征矩阵以及负载状态特征矩阵,并对充电状态特征矩阵以及负载状态特征矩阵进行矩阵融合,生成每个第一目标车辆对应的目标特征矩阵;
具体的,服务器首先从车辆传感器中获取充电状态指标和负载状态指标的原始数据,包括车辆速度、加速度、电池电量、充电时间等。在收集到原始数据后,服务器需要对其进行预处理,例如去除异常值、填充缺失值等,服务器将充电状态指标和负载状态指标转换为特征矩阵,其中,服务器可以通过不同的编码方式,例如将充电时间分为多个等级,将剩余电量分为多个区间等,可以将原始指标转换为数字矩阵,称为充电状态特征矩阵和负载状态特征矩阵,服务器需要将充电状态特征矩阵和负载状态特征矩阵进行融合,生成每个第一目标车辆对应的目标特征矩阵,具体的,通过不同的融合方式,例如将两个矩阵拼接在一起或者使用矩阵乘法等,需要说明的是,在融合过程中,需要确保生成的目标特征矩阵具有较好的表达能力和可解释性。
S105、分别将每个第一目标车辆对应的目标特征矩阵输入预置的充电状态分析模型进行充电状态分析和功率输出方案创建,得到多个第一充电桩功率输出方案,并根据多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系;
具体的,服务器针对多个第一目标车辆的目标特征矩阵,服务器将其输入预置的充电状态分析模型进行充电状态分析和功率输出方案创建,具体的,服务器可以将每个目标特征矩阵输入至该模型中,经过计算得到该车辆在当前情况下的最佳功率输出方案,可以得到多个第一充电桩的功率输出方案,服务器根据这些功率输出方案和多个第一目标车辆生成目标输出映射关系。具体来说,服务器确定充电桩和车辆之间的匹配方式,从而得到每个第一目标车辆对应的充电桩及其功率输出方案。例如,可以通过遗传算法、K近邻算法等方法来实现目标输出映射关系的自动化匹配,最终得到的目标输出映射关系可以为车辆充电提供指导,并支持智能充电调度系统更加有效地管理充电桩和车辆。
S106、基于目标充电桩接收第二目标车辆发送的充电请求,并根据目标输出映射关系匹配第二目标车辆对应的第二充电桩功率输出方案,以及根据第二充电桩功率输出方案对第二目标车辆进行充电控制。
具体的,目标充电桩通过与第二目标车辆的通信接口,接收到该车辆发送的充电请求,此请求包括车辆的充电需求、目标充电桩的标识等信息,根据预先设定的映射关系,将目标充电桩与对应的第二充电桩进行匹配,在确定目标充电桩对应的第二充电桩后,根据该充电桩的功率输出情况,通过当前电网负荷以及除目标充电桩以外的其他充电桩的使用情况等,生成第二目标车辆对应的充电桩功率输出方案,最终,服务器根据生成的充电功率输出方案,通过与目标充电桩和第二充电桩的通信接口,对第二目标车辆的充电进行控制。
本发明实施例中,构建功率数据模型并计算充电状态指标以及负载状态指标;分别对充电状态指标以及负载状态指标进行矩阵转换,得到目标特征矩阵,通过对充电状态和负载状态进行矩阵融合,将两者的特征相互融合,可以减少数据噪声和错误,并提高模型预测准确性和稳定性;将目标特征矩阵输入充电状态分析模型进行充电状态分析和功率输出方案创建,得到多个第一充电桩功率输出方案,并根据多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系;接收第二目标车辆发送的充电请求,并根据目标输出映射关系匹配第二目标车辆对应的第二充电桩功率输出方案,以及根据第二充电桩功率输出方案对第二目标车辆进行充电控制,本发明分析目标车辆与目标充电桩的电池充电状态和负载状态对目标充电桩进行输出功率的映射关系构建,进而实现当有目标车辆进行充电时,及时采取对应的充电策略进行充电控制,实现了充电过程智能化分析并提高了充电桩的充电效率。
在一具体实施例中,执行步骤S101的过程可以具体包括如下步骤:
(1)基于预设的目标充电桩分别对多个不同的第一目标车辆进行充电测试,并获取各个时间间隔内目标充电桩的输出功率变化数据,得到原始输出功率数据;
(2)根据各个时间间隔,对原始输出功率数据进行时序关联分析,得到目标充电桩的第一输出功率数据;
(3)调用预置的数据库,分别对多个不同的第一目标车辆进行参数查询,得到每个第一目标车辆的车辆参数,其中,车辆参数包括:车辆类型、车辆重量以及车辆尺寸。
具体的,服务器排针对不同的第一目标车辆在预设的目标充电桩上进行充电测试,并记录下充电过程中目标充电桩的输出功率变化数据,服务器对获取的原始输出功率数据进行时序关联分析,需要说明的是,在进行时序关联分析时,主要通过目标充电桩的平均功率、波动范围、峰值等多个数据进行时序关联分析,进而,服务器根据分析结果,确定每个目标充电桩的第一输出功率数据,服务器调用预置的数据库,查询每个第一目标车辆的车辆参数信息,需要说明的是,车辆参数信息包括车辆类型、车辆重量、车辆尺寸。
在一具体实施例中,如图2所示,执行步骤S102的过程可以具体包括如下步骤:
S201、获取每个第一目标车辆对应的数据特征标识,并根据数据特征标识,从第一输出功率数据中提取每个第一目标车辆对应的第二输出功率数据;
S202、基于每个第一目标车辆对应的车辆参数,对预置的多变量回归分析模型进行模型参数设置,得到初始数据模型;
S203、对初始数据模型进行模型校验,并将校验完成的初始数据模型作为功率数据模型。
具体的,服务器获取每个第一目标车辆对应的数据特征标识,并根据数据特征标识,从第一输出功率数据中提取每个第一目标车辆对应的第二输出功率数据,其中,服务器通过分析第一输出功率数据来确定每个第一目标车辆具体的数据特征标识。例如,这些特征可以涉及到车辆类型、车辆重量、充电时间等多个数据特征。进而,服务器利用这些特征标识从第一输出功率数据中提取出每个目标车辆对应的第二输出功率数据,以供后续分析和建模使用,服务器根据每个第一目标车辆的车辆参数和提取出来的第二输出功率数据,建立一个多变量回归分析模型,需要说明的是,多变量回归分析模型可以将车辆参数作为自变量,第二输出功率数据作为因变量,通过拟合获得一个准确的数学模型。同时,在这个过程中,服务器还需要对模型参数进行设置和调整,以便更好地适应不同的充电场景和车辆需求,进一步的,服务器会通过多变量回归分析模型对提取出来的第二输出功率数据进行校验。通过比对实际值和预测值的差异,可以评估模型的准确性和可靠性。如果发现需要进一步优化和调整,则可以对模型进行修正。最终,当模型经过校验后,服务器会将其确定为功率数据模型。
在一具体实施例中,如图3所示,执行步骤S103的过程可以具体包括如下步骤:
S301、提取第一输出功率数据中的多个第一特征值,以及提取第二输出功率数据中的多个第二特征值;
S302、将多个第一特征值输入功率数据模型进行充电桩负载计算,得到目标充电桩对应的负载状态指标;
S303、将多个第二特征值输入功率数据模型进行车辆充电分析,得到每个第一目标车辆对应的充电状态指标。
具体的,服务器提取第一输出功率数据中的多个第一特征值,以及提取第二输出功率数据中的多个第二特征值,将多个第一特征值输入功率数据模型进行充电桩负载计算,得到目标充电桩对应的负载状态指标,服务器通过功率数据模型,将多个第一特征值作为输入参数,进行充电桩负载计算。最终,得到目标充电桩对应的负载状态指标,进一步的,服务器将多个第二特征值输入功率数据模型进行车辆充电分析,得到每个第一目标车辆对应的充电状态指标,服务器通过功率数据模型,将多个第二特征值作为输入参数,进行车辆充电分析,得到每个第一目标车辆对应的充电状态指标。
在一具体实施例中,如图4所示,执行步骤S104的过程可以具体包括如下步骤:
S401、对充电状态指标进行矩阵转换,得到充电状态特征矩阵,并对负载状态指标进行矩阵转换,得到负载状态特征矩阵;
S402、对充电状态特征矩阵和负载状态特征矩阵进行矩阵元素对齐,得到初始融合矩阵;
S403、对初始融合矩阵进行矩阵元素补齐,生成每个第一目标车辆对应的目标特征矩阵。
具体的,服务器
在一具体实施例中,执行步骤S105的过程可以具体包括如下步骤:
(1)分别将每个第一目标车辆对应的目标特征矩阵输入预置的充电状态分析模型,其中,充电状态分析模型包括:双层长短时记忆网络、双层门限循环网络以及全连接网络;
(2)通过充电状态分析模型对目标特征矩阵进行充电状态分析,得到每个第一目标车辆对应的预测值;
(3)获取候选功率输出方案列表,并根据预测值匹配每个第一目标车辆对应的第一充电桩功率输出方案,得到多个第一充电桩功率输出方案,其中,候选功率输出方案列表包括:多个候选功率输出方案;
(4)根据多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系。
具体的,对于每个第一目标车辆,服务器将其对应的目标特征矩阵输入预置的充电状态分析模型完成状态预测,服务器通过充电状态分析模型对目标特征矩阵进行充电状态分析,从而得到每个第一目标车辆对应的预测值。根据预测值,服务器获取候选功率输出方案列表,并针对每个第一目标车辆选择最优的第一充电桩功率输出方案。在本发明实施例中,服务器通过遗传算法以及该预测值对每个第一目标车辆对应的第一充电桩功率输出方案进行匹配,得道多个第一充电桩功率输出方案,最终,基于多个第一充电桩功率输出方案和多个第一目标车辆,服务器生成目标输出映射关系。
在一具体实施例中,执行步骤S106的过程可以具体包括如下步骤:
(1)基于目标充电桩接收第二目标车辆发送的充电请求,并根据充电请求查询第二目标车辆对应的车辆参数;
(2)根据第二目标车辆对应的车辆参数,从目标输出映射关系中匹配对应的第二充电桩功率输出方案;
(3)根据第二充电桩功率输出方案对第二目标车辆进行充电控制。
具体的,第二目标车辆向目标充电桩发送充电请求,并通过通信接口将其相关参数传递给服务器。服务器收到请求后,根据请求信息查找对应的车辆参数。根据第二目标车辆的车辆参数,在目标输出映射关系中匹配对应的第二充电桩功率输出方案。服务器利用得到的第二充电桩功率输出方案对第二目标车辆进行充电控制。其中,在对第二目标车辆进行充电控制时,在启动充电之前,服务器对充电桩和充电设备的安全性进行检查,服务器根据充电桩功率输出方案以及车辆当前电量情况,计算出合适的充电电量和充电时间,并实时监测充电进度。当充电完成后,自动停止充电,避免过度充电或损坏电池。充电过程中,服务器实时采集并记录充电相关数据,例如电流、电压、充电时间,服务器向用户提供充电状态反馈,例如充电进度、剩余充电时间、电量等信息,以便用户随时掌握充电情况。如果在充电过程中发生异常情况,例如充电器故障、电池插口松动等问题,服务器发出警报并采取相应的措施。
上面对本发明实施例中充电桩分析方法进行了描述,下面对本发明实施例中充电桩分析装置进行描述,请参阅图5,本发明实施例中充电桩分析装置一个实施例包括:
测试模块501,用于基于预设的目标充电桩分别对多个不同的第一目标车辆进行充电测试,并获取所述目标充电桩的第一输出功率数据以及每个第一目标车辆的车辆参数;
构建模块502,用于根据所述第一输出功率数据生成每个第一目标车辆对应的第二输出功率数据,并根据所述车辆参数构建功率数据模型;
计算模块503,用于根据所述功率数据模型分别计算每个第一目标车辆对应的充电状态指标以及所述目标充电桩对应的负载状态指标;
融合模块504,用于分别对所述充电状态指标以及所述负载状态指标进行矩阵转换,得到充电状态特征矩阵以及负载状态特征矩阵,并对所述充电状态特征矩阵以及所述负载状态特征矩阵进行矩阵融合,生成每个第一目标车辆对应的目标特征矩阵;
分析模块505,用于分别将每个第一目标车辆对应的目标特征矩阵输入预置的充电状态分析模型进行充电状态分析和功率输出方案创建,得到多个第一充电桩功率输出方案,并根据所述多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系;
控制模块506,用于基于所述目标充电桩接收第二目标车辆发送的充电请求,并根据所述目标输出映射关系匹配所述第二目标车辆对应的第二充电桩功率输出方案,以及根据所述第二充电桩功率输出方案对所述第二目标车辆进行充电控制。
通过上述各个组成部分的协同合作,构建功率数据模型并计算充电状态指标以及负载状态指标;分别对充电状态指标以及负载状态指标进行矩阵转换,得到目标特征矩阵,通过对充电状态和负载状态进行矩阵融合,将两者的特征相互融合,可以减少数据噪声和错误,并提高模型预测准确性和稳定性;将目标特征矩阵输入充电状态分析模型进行充电状态分析和功率输出方案创建,得到多个第一充电桩功率输出方案,并根据多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系;接收第二目标车辆发送的充电请求,并根据目标输出映射关系匹配第二目标车辆对应的第二充电桩功率输出方案,以及根据第二充电桩功率输出方案对第二目标车辆进行充电控制,本发明分析目标车辆与目标充电桩的电池充电状态和负载状态对目标充电桩进行输出功率的映射关系构建,进而实现当有目标车辆进行充电时,及时采取对应的充电策略进行充电控制,实现了充电过程智能化分析并提高了充电桩的充电效率。
上面图5从模块化功能实体的角度对本发明实施例中的充电桩分析装置进行详细描述,下面从硬件处理的角度对本发明实施例中充电桩分析设备进行详细描述。
图6是本发明实施例提供的一种充电桩分析设备的结构示意图,该充电桩分析设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对充电桩分析设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在充电桩分析设备600上执行存储介质630中的一系列指令操作。
充电桩分析设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,MacOS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的充电桩分析设备结构并不构成对充电桩分析设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种充电桩分析设备,所述充电桩分析设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述充电桩分析方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述充电桩分析方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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(可以是个人计算机,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、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(randomacceS memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种充电桩分析方法,其特征在于,所述充电桩分析方法包括:
基于预设的目标充电桩分别对多个不同的第一目标车辆进行充电测试,并获取所述目标充电桩的第一输出功率数据以及每个第一目标车辆的车辆参数;
根据所述第一输出功率数据生成每个第一目标车辆对应的第二输出功率数据,并根据所述车辆参数构建功率数据模型,具体包括:获取每个第一目标车辆对应的数据特征标识,并根据所述数据特征标识,从所述第一输出功率数据中提取每个第一目标车辆对应的第二输出功率数据;基于每个第一目标车辆对应的车辆参数,对预置的多变量回归分析模型进行模型参数设置,得到初始数据模型;对所述初始数据模型进行模型校验,并将校验完成的初始数据模型作为功率数据模型;
根据所述功率数据模型分别计算每个第一目标车辆对应的充电状态指标以及所述目标充电桩对应的负载状态指标,具体包括:提取所述第一输出功率数据中的多个第一特征值,以及提取所述第二输出功率数据中的多个第二特征值;将所述多个第一特征值输入所述功率数据模型进行充电桩负载计算,得到所述目标充电桩对应的负载状态指标;将所述多个第二特征值输入所述功率数据模型进行车辆充电分析,得到每个第一目标车辆对应的充电状态指标;
分别对所述充电状态指标以及所述负载状态指标进行矩阵转换,得到充电状态特征矩阵以及负载状态特征矩阵,并对所述充电状态特征矩阵以及所述负载状态特征矩阵进行矩阵融合,生成每个第一目标车辆对应的目标特征矩阵;
分别将每个第一目标车辆对应的目标特征矩阵输入预置的充电状态分析模型进行充电状态分析和功率输出方案创建,得到多个第一充电桩功率输出方案,并根据所述多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系,具体包括:分别将每个第一目标车辆对应的目标特征矩阵输入预置的充电状态分析模型,其中,所述充电状态分析模型包括:双层长短时记忆网络、双层门限循环网络以及全连接网络;通过所述充电状态分析模型对所述目标特征矩阵进行充电状态分析,得到每个第一目标车辆对应的预测值;获取候选功率输出方案列表,并根据所述预测值匹配每个第一目标车辆对应的第一充电桩功率输出方案,得到多个第一充电桩功率输出方案,其中,所述候选功率输出方案列表包括:多个候选功率输出方案;根据所述多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系;
基于所述目标充电桩接收第二目标车辆发送的充电请求,并根据所述目标输出映射关系匹配所述第二目标车辆对应的第二充电桩功率输出方案,以及根据所述第二充电桩功率输出方案对所述第二目标车辆进行充电控制。
2.根据权利要求1所述的充电桩分析方法,其特征在于,所述基于预设的目标充电桩分别对多个不同的第一目标车辆进行充电测试,并获取所述目标充电桩的第一输出功率数据以及每个第一目标车辆的车辆参数,包括:
基于预设的目标充电桩分别对多个不同的第一目标车辆进行充电测试,并获取各个时间间隔内所述目标充电桩的输出功率变化数据,得到原始输出功率数据;
根据所述各个时间间隔,对所述原始输出功率数据进行时序关联分析,得到所述目标充电桩的第一输出功率数据;
调用预置的数据库,分别对多个不同的第一目标车辆进行参数查询,得到每个第一目标车辆的车辆参数,其中,所述车辆参数包括:车辆类型、车辆重量以及车辆尺寸。
3.根据权利要求1所述的充电桩分析方法,其特征在于,所述分别对所述充电状态指标以及所述负载状态指标进行矩阵转换,得到充电状态特征矩阵以及负载状态特征矩阵,并对所述充电状态特征矩阵以及所述负载状态特征矩阵进行矩阵融合,生成每个第一目标车辆对应的目标特征矩阵,包括:
对所述充电状态指标进行矩阵转换,得到充电状态特征矩阵,并对所述负载状态指标进行矩阵转换,得到负载状态特征矩阵;
对所述充电状态特征矩阵和所述负载状态特征矩阵进行矩阵元素对齐,得到初始融合矩阵;
对所述初始融合矩阵进行矩阵元素补齐,生成每个第一目标车辆对应的目标特征矩阵。
4.根据权利要求1所述的充电桩分析方法,其特征在于,所述基于所述目标充电桩接收第二目标车辆发送的充电请求,并根据所述目标输出映射关系匹配所述第二目标车辆对应的第二充电桩功率输出方案,以及根据所述第二充电桩功率输出方案对所述第二目标车辆进行充电控制,包括:
基于所述目标充电桩接收第二目标车辆发送的充电请求,并根据所述充电请求查询所述第二目标车辆对应的车辆参数;
根据所述第二目标车辆对应的车辆参数,从所述目标输出映射关系中匹配对应的第二充电桩功率输出方案;
根据所述第二充电桩功率输出方案对所述第二目标车辆进行充电控制。
5.一种充电桩分析装置,其特征在于,所述充电桩分析装置包括:
测试模块,用于基于预设的目标充电桩分别对多个不同的第一目标车辆进行充电测试,并获取所述目标充电桩的第一输出功率数据以及每个第一目标车辆的车辆参数;
构建模块,用于根据所述第一输出功率数据生成每个第一目标车辆对应的第二输出功率数据,并根据所述车辆参数构建功率数据模型,具体包括:获取每个第一目标车辆对应的数据特征标识,并根据所述数据特征标识,从所述第一输出功率数据中提取每个第一目标车辆对应的第二输出功率数据;基于每个第一目标车辆对应的车辆参数,对预置的多变量回归分析模型进行模型参数设置,得到初始数据模型;对所述初始数据模型进行模型校验,并将校验完成的初始数据模型作为功率数据模型;
计算模块,用于根据所述功率数据模型分别计算每个第一目标车辆对应的充电状态指标以及所述目标充电桩对应的负载状态指标,具体包括:提取所述第一输出功率数据中的多个第一特征值,以及提取所述第二输出功率数据中的多个第二特征值;将所述多个第一特征值输入所述功率数据模型进行充电桩负载计算,得到所述目标充电桩对应的负载状态指标;将所述多个第二特征值输入所述功率数据模型进行车辆充电分析,得到每个第一目标车辆对应的充电状态指标;
融合模块,用于分别对所述充电状态指标以及所述负载状态指标进行矩阵转换,得到充电状态特征矩阵以及负载状态特征矩阵,并对所述充电状态特征矩阵以及所述负载状态特征矩阵进行矩阵融合,生成每个第一目标车辆对应的目标特征矩阵;
分析模块,用于分别将每个第一目标车辆对应的目标特征矩阵输入预置的充电状态分析模型进行充电状态分析和功率输出方案创建,得到多个第一充电桩功率输出方案,并根据所述多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系,具体包括:分别将每个第一目标车辆对应的目标特征矩阵输入预置的充电状态分析模型,其中,所述充电状态分析模型包括:双层长短时记忆网络、双层门限循环网络以及全连接网络;通过所述充电状态分析模型对所述目标特征矩阵进行充电状态分析,得到每个第一目标车辆对应的预测值;获取候选功率输出方案列表,并根据所述预测值匹配每个第一目标车辆对应的第一充电桩功率输出方案,得到多个第一充电桩功率输出方案,其中,所述候选功率输出方案列表包括:多个候选功率输出方案;根据所述多个第一充电桩功率输出方案和多个第一目标车辆生成目标输出映射关系;
控制模块,用于基于所述目标充电桩接收第二目标车辆发送的充电请求,并根据所述目标输出映射关系匹配所述第二目标车辆对应的第二充电桩功率输出方案,以及根据所述第二充电桩功率输出方案对所述第二目标车辆进行充电控制。
6.一种充电桩分析设备,其特征在于,所述充电桩分析设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述充电桩分析设备执行如权利要求1-4中任一项所述的充电桩分析方法。
7.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-4中任一项所述的充电桩分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310609289.6A CN116362417B (zh) | 2023-05-29 | 2023-05-29 | 一种充电桩分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310609289.6A CN116362417B (zh) | 2023-05-29 | 2023-05-29 | 一种充电桩分析方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116362417A CN116362417A (zh) | 2023-06-30 |
CN116362417B true CN116362417B (zh) | 2023-08-18 |
Family
ID=86941893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310609289.6A Active CN116362417B (zh) | 2023-05-29 | 2023-05-29 | 一种充电桩分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116362417B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117439146B (zh) * | 2023-12-06 | 2024-03-19 | 广东车卫士信息科技有限公司 | 充电桩的数据分析控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109532549A (zh) * | 2018-12-26 | 2019-03-29 | 深圳供电局有限公司 | 充电功率调整方法、装置、计算机设备和存储介质 |
CN110194075A (zh) * | 2019-06-26 | 2019-09-03 | 广州小鹏汽车科技有限公司 | 车辆进场充电的控制方法、装置、计算机设备和存储介质 |
CN113103905A (zh) * | 2021-04-02 | 2021-07-13 | 山东大卫国际建筑设计有限公司 | 一种电动汽车智能充电分配调节方法、装置、设备及介质 |
CN115347591A (zh) * | 2022-10-17 | 2022-11-15 | 得能(深圳)智能科技应用有限公司 | 基于柔性充电的充电设备电力均衡分配方法及相关装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3702201B1 (en) * | 2019-02-27 | 2021-03-31 | Sap Se | Controlling electric vehicle charging infrastructure |
CN113807647B (zh) * | 2021-07-28 | 2022-07-05 | 合肥工业大学 | 基于云边协同的电动汽车充电调度方法和系统 |
-
2023
- 2023-05-29 CN CN202310609289.6A patent/CN116362417B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109532549A (zh) * | 2018-12-26 | 2019-03-29 | 深圳供电局有限公司 | 充电功率调整方法、装置、计算机设备和存储介质 |
CN110194075A (zh) * | 2019-06-26 | 2019-09-03 | 广州小鹏汽车科技有限公司 | 车辆进场充电的控制方法、装置、计算机设备和存储介质 |
CN113103905A (zh) * | 2021-04-02 | 2021-07-13 | 山东大卫国际建筑设计有限公司 | 一种电动汽车智能充电分配调节方法、装置、设备及介质 |
CN115347591A (zh) * | 2022-10-17 | 2022-11-15 | 得能(深圳)智能科技应用有限公司 | 基于柔性充电的充电设备电力均衡分配方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116362417A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3916884B1 (en) | Secondary battery module remaining life diagnosis method and remaining life diagnosis system | |
CN116362417B (zh) | 一种充电桩分析方法、装置、设备及存储介质 | |
CN112297935B (zh) | 车辆充电管理方法、系统及计算机存储介质 | |
CN108583305B (zh) | 充电精度诊断方法、装置和芯片 | |
CN115702533B (zh) | 用于预测多电池电能存储系统的功率状态的方法 | |
CN111812518A (zh) | 电池状态监控方法、存储介质和系统 | |
CN112512860B (zh) | 充电控制方法、装置、服务器、系统及介质 | |
CN115902646B (zh) | 一种储能电池故障识别方法及系统 | |
CN105429238A (zh) | 一种混合动力汽车柔性充电系统和充电方法 | |
CN110658460A (zh) | 一种电池包的电池寿命预测方法及装置 | |
CN116643178B (zh) | 一种电池管理系统的soc估算方法及相关装置 | |
CN110015162A (zh) | 电池健康状态检测方法、装置和系统以及存储介质 | |
CN113131588A (zh) | Ip地址分配装置和方法及电池储能系统 | |
CN112953007A (zh) | 配电网调度方法、装置及系统、处理器、电子设备 | |
CN112834818B (zh) | 电量确定方法、装置、存储介质和电子设备 | |
CN112782588B (zh) | 一种基于lssvm的soc在线监测方法及其储存介质 | |
CN109455094B (zh) | 一种电动汽车自动识别电池信息的方法及系统 | |
CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
CN111693884B (zh) | 电池组一致性检测方法、装置、可读存储介质和电子设备 | |
CN113799650A (zh) | 一种电池数据处理方法和装置 | |
JP2017163708A (ja) | 制御装置、および電源システムの識別情報付与方法 | |
US11733313B2 (en) | Method and apparatus for operating a system for providing states of health of electrical energy stores for a multiplicity of devices with the aid of machine learning methods | |
CN115864612B (zh) | 一种锂电池储能站的充放电控制方法及系统 | |
CN114156871B (zh) | 考虑电动汽车恢复能力的配电网可靠性评估方法 | |
CN116204686A (zh) | 一种数据处理方法、装置、计算机设备以及存储介质 |
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 |