CN116523272A - 基于大数据分析的充电桩智能管理方法及系统 - Google Patents
基于大数据分析的充电桩智能管理方法及系统 Download PDFInfo
- Publication number
- CN116523272A CN116523272A CN202310801869.5A CN202310801869A CN116523272A CN 116523272 A CN116523272 A CN 116523272A CN 202310801869 A CN202310801869 A CN 202310801869A CN 116523272 A CN116523272 A CN 116523272A
- Authority
- CN
- China
- Prior art keywords
- charging pile
- charging
- data information
- information
- new energy
- 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.)
- Granted
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 29
- 238000007726 management method Methods 0.000 title claims abstract description 25
- 238000010276 construction Methods 0.000 claims abstract description 87
- 238000012544 monitoring process Methods 0.000 claims description 33
- 238000010586 diagram Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 4
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- 238000000034 method Methods 0.000 description 18
- 238000005265 energy consumption Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (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
本发明涉及一种基于大数据分析的充电桩智能管理方法及系统,属于充电桩管理技术领域,本发明通过基于使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施,若充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于目标区域中的地理位置信息生成最终的充电桩建设区域,最后根据最终的充电桩建设区域构建物联网监测平台,通过物联网监测平台对每一充电桩进行智能监测。本发明充分考虑了目标区域中每个子区域中新能源汽车的使用情况信息,从而根据目标区域中每个子区域中新能源汽车的使用情况来构建充电桩,能够提高充电桩的建设合理性。
Description
技术领域
本发明涉及充电桩技术领域,尤其涉及一种基于大数据分析的充电桩智能管理方法及系统。
背景技术
充电基础设施是指为电动汽车提供电能补给的各类充换电设施,是新型的城市基础设施。大力推进充电基础设施建设,有利于解决电动汽车充电难题,是发展新能源汽车产业的重要保障,对于打造大众创业、万众创新和增加公共产品、公共服务“双引擎”,实现稳增长、调结构、惠民生具有重要意义。近10 年,我国充电基础设施建设取得了快速进展。充电桩按照使用范围及服务对象,可分为公共充电桩、专用充电桩及自用充电桩等三种类型,即公用、半公用和私用充电桩。其中,公共充电桩一般设置在公共场所,为社会车辆提供公共充电服务。然而,现如今的公共充电桩远无法满足电动汽车充电需求,充电设施不足的情况依然严峻,如当某一片区域中的新能源汽车的使用量很低或者无使用时,该区域就不适合充电桩的建设;又如建设不合理时,维护成本过高,而且使用率也低下,因此,如何合理的建设公共充电桩是需要解决的重要技术问题。
发明内容
本发明克服了现有技术的不足,提供了一种基于大数据分析的充电桩智能管理方法及系统。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了一种基于大数据分析的充电桩智能管理方法,包括以下步骤:
获取目标区域中充电桩资源分布数据信息,并根据目标区域中充电桩资源分布数据信息获取目标区域中每一充电桩建设区域中的使用偏好数据信息;
获取目标区域中每一子区域新能源汽车的使用情况数据信息,并基于使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施;
若充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于目标区域中的地理位置信息生成最终的充电桩建设区域;
根据最终的充电桩建设区域构建物联网监测平台,通过物联网监测平台对每一充电桩进行智能监测。
进一步地,本发明的一个较佳实施例中,根据目标区域中充电桩资源分布数据信息获取目标区域中每一充电桩建设区域中的使用偏好数据信息,具体包括:
根据目标区域中充电桩资源分布数据信息获取每一充电桩资源在预设时间之内的使用情况数据信息,并基于每一充电桩资源在预设时间之内的使用情况数据信息构建特征矩阵;
基于深度学习网络构建使用偏好预测模型,并通过随机森林算法对特征矩阵进行处理,获取相关性最高的特征矩阵,将相关性最高的特征矩阵输入到使用偏好预测模型中进行训练;
当使用偏好预测模型符合预设要求之后,保存模型参数,输出使用偏好预测模型,并通过使用偏好预测模型来预测出目标区域中每个充电桩资源的使用偏好数据信息;
同时,设置相关时间阈值数据信息,并根据相关时间阈值数据信息对使用偏好预测模型进行定期更新。
进一步地,本发明的一个较佳实施例中,基于使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施,具体包括:
设置相关的使用偏好阈值信息,当使用偏好数据信息大于相关的使用偏好阈值信息时,根据目标区域中每一子区域新能源汽车的使用情况数据信息构建新能源汽车使用分布图;
判断新能源汽车使用分布图中每个子区域的新能源汽车的使用情况数据信息是否大于预设使用情况数据信息;
当子区域的新能源汽车的使用情况数据信息大于预设使用情况数据信息时,生成充电桩待规划措施,并将充电桩构建建议输出;
当子区域的新能源汽车的使用情况数据信息不大于预设使用情况数据信息时,生成充电桩非规划措施,并将充电桩非规划措施进行输出。
进一步地,本发明的一个较佳实施例中,若充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于目标区域中的地理位置信息生成最终的充电桩建设区域,具体包括:
判断充电桩规划措施是否为充电桩待规划措施,若充电桩规划措施为充电桩待规划措施,则获取对应子区域的地理位置信息;
根据对应子区域的地理位置信息通过地图软件进行检索,获取地图资源数据信息,根据地图资源数据信息对充电桩建设区域进行初次筛选,获取初始的充电桩建设区域;
获取初始的充电桩建设区域所在的地理位置信息以及对应子区域中的新能源汽车使用分布图,并根据新能源汽车使用分布图中获取每个新能源汽车资源所集中的位置信息;
根据初始的充电桩建设区域所在的地理位置信息以及每个新能源汽车资源所集中的位置信息计算出欧式距离,并对欧式距离进行求和,生成总的欧式距离,获取最小的总的欧式距离所对应的初始的充电桩建设区域所在的地理位置信息作为最终的充电桩建设区域。
进一步地,本发明的一个较佳实施例中,根据最终的充电桩建设区域构建物联网监测平台,具体包括:
通过大数据获取每一子区域的新能源汽车充电偏好时间段信息以及平均充电时间信息,并获取该子区域中的新能源汽车的使用情况信息;
结合每一子区域的新能源汽车充电偏好时间段信息、平均充电时间信息以及每一子区域中的新能源汽车的使用情况信息计算出到达饱和状态时每一子区域中的预估充电桩的数量信息;
根据到达饱和状态时每一子区域中的预估充电桩的数量信息对最终的充电桩建设区域进行构建,初始化每一充电桩的信息采集节点;
根据充电桩的信息采集节点构建物联网监测平台。
进一步地,本发明的一个较佳实施例中,通过物联网监测平台对每一充电桩进行智能监测,具体包括:
通过物联网平台获取每一充电桩的服役数据信息,并构建时间戳,结合每一充电桩的服役数据信息以及时间戳生成基于时间序列的每一充电桩的服役数据信息;
通过大数据获取每一充电桩的历史服役数据信息,构建贝叶斯网络,并将每一充电桩的历史服役数据信息输入到贝叶斯网络中训练,获取训练好的贝叶斯网络;
将基于时间序列的每一充电桩的服役数据信息输入到贝叶斯网络中进行故障预测,获取每一充电桩的故障预测时间节点,同时,获取当前新能源汽车的充电需求信息以及充电桩的平均充电量;
根据当前新能源汽车的充电需求信息以及充电桩的平均充电量计算出完成充电的预估时间段,当每一充电桩的故障预测时间节点不在完成充电的预估时间段之内时,则将该充电桩生成推荐信息,并将推荐信息按照预设方式进行推送。
本发明第二方面提供了一种基于大数据分析的充电桩智能管理系统,系统包括存储器以及处理器,存储器中包含基于大数据分析的充电桩智能管理方法程序,基于大数据分析的充电桩智能管理方法程序被处理器执行时,实现如下步骤:
获取目标区域中充电桩资源分布数据信息,并根据目标区域中充电桩资源分布数据信息获取目标区域中每一充电桩建设区域中的使用偏好数据信息;
获取目标区域中每一子区域新能源汽车的使用情况数据信息,并基于使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施;
若充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于目标区域中的地理位置信息生成最终的充电桩建设区域;
根据最终的充电桩建设区域构建物联网监测平台,通过物联网监测平台对每一充电桩进行智能监测。
在本系统中,基于使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施,具体包括:
设置相关的使用偏好阈值信息,当使用偏好数据信息大于相关的使用偏好阈值信息时,根据目标区域中每一子区域新能源汽车的使用情况数据信息构建新能源汽车使用分布图;
判断新能源汽车使用分布图中每个子区域的新能源汽车的使用情况数据信息是否大于预设使用情况数据信息;
当子区域的新能源汽车的使用情况数据信息大于预设使用情况数据信息时,生成充电桩待规划措施,并将充电桩构建建议输出;
当子区域的新能源汽车的使用情况数据信息不大于预设使用情况数据信息时,生成充电桩非规划措施,并将充电桩非规划措施进行输出。
在本系统中,若充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于目标区域中的地理位置信息生成最终的充电桩建设区域,具体包括:
判断充电桩规划措施是否为充电桩待规划措施,若充电桩规划措施为充电桩待规划措施,则获取对应子区域的地理位置信息;
根据对应子区域的地理位置信息通过地图软件进行检索,获取地图资源数据信息,根据地图资源数据信息对充电桩建设区域进行初次筛选,获取初始的充电桩建设区域;
获取初始的充电桩建设区域所在的地理位置信息以及对应子区域中的新能源汽车使用分布图,并根据新能源汽车使用分布图中获取每个新能源汽车资源所集中的位置信息;
根据初始的充电桩建设区域所在的地理位置信息以及每个新能源汽车资源所集中的位置信息计算出欧式距离,并对欧式距离进行求和,生成总的欧式距离,获取最小的总的欧式距离所对应的初始的充电桩建设区域所在的地理位置信息作为最终的充电桩建设区域。
在本系统中,通过物联网监测平台对每一充电桩进行智能监测,具体包括:
通过物联网平台获取每一充电桩的服役数据信息,并构建时间戳,结合每一充电桩的服役数据信息以及时间戳生成基于时间序列的每一充电桩的服役数据信息;
通过大数据获取每一充电桩的历史服役数据信息,构建贝叶斯网络,并将每一充电桩的历史服役数据信息输入到贝叶斯网络中训练,获取训练好的贝叶斯网络;
将基于时间序列的每一充电桩的服役数据信息输入到贝叶斯网络中进行故障预测,获取每一充电桩的故障预测时间节点,同时,获取当前新能源汽车的充电需求信息以及充电桩的平均充电量;
根据当前新能源汽车的充电需求信息以及充电桩的平均充电量计算出完成充电的预估时间段,当每一充电桩的故障预测时间节点不在完成充电的预估时间段之内时,则将该充电桩生成推荐信息,并将推荐信息按照预设方式进行推送。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
本发明通过获取目标区域中充电桩资源分布数据信息,并根据目标区域中充电桩资源分布数据信息获取目标区域中每一充电桩建设区域中的使用偏好数据信息,进而获取目标区域中每一子区域新能源汽车的使用情况数据信息,并基于使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施,若充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于目标区域中的地理位置信息生成最终的充电桩建设区域,最后根据最终的充电桩建设区域构建物联网监测平台,通过物联网监测平台对每一充电桩进行智能监测。本发明充分考虑了目标区域中每个子区域中新能源汽车的使用情况信息,从而根据目标区域中每个子区域中新能源汽车的使用情况来构建充电桩,能够提高充电桩的建设合理性。另一方面,本发明充分考虑了充电桩的故障情况,从而推送给用户不会产生充电异常情况的充电桩,提高用户的充电体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他实施例的附图。
图1示出了一种基于大数据分析的充电桩智能管理方法的整体方法流程图;
图2示出了一种基于大数据分析的充电桩智能管理方法的第一方法流程图;
图3示出了一种基于大数据分析的充电桩智能管理方法的第二方法流程图;
图4示出了一种基于大数据分析的充电桩智能管理系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明第一方面提供了一种基于大数据分析的充电桩智能管理方法,包括以下步骤:
S102:获取目标区域中充电桩资源分布数据信息,并根据目标区域中充电桩资源分布数据信息获取目标区域中每一充电桩建设区域中的使用偏好数据信息;
S104:获取目标区域中每一子区域新能源汽车的使用情况数据信息,并基于使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施;
S106:若充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于目标区域中的地理位置信息生成最终的充电桩建设区域;
S108:根据最终的充电桩建设区域构建物联网监测平台,通过物联网监测平台对每一充电桩进行智能监测。
需要说明的是,本发明充分考虑了目标区域中每个子区域中新能源汽车的使用情况信息,从而根据目标区域中每个子区域中新能源汽车的使用情况来构建充电桩,能够提高充电桩的建设合理性。另一方面,本发明充分考虑了充电桩的故障情况,从而推送给用户不会产生充电异常情况的充电桩,提高用户的充电体验。
进一步地,本发明的一个较佳实施例中,根据目标区域中充电桩资源分布数据信息获取目标区域中每一充电桩建设区域中的使用偏好数据信息,具体包括:
根据目标区域中充电桩资源分布数据信息获取每一充电桩资源在预设时间之内的使用情况数据信息,并基于每一充电桩资源在预设时间之内的使用情况数据信息构建特征矩阵;
基于深度学习网络构建使用偏好预测模型,并通过随机森林算法对特征矩阵进行处理,获取相关性最高的特征矩阵,将相关性最高的特征矩阵输入到使用偏好预测模型中进行训练;
当使用偏好预测模型符合预设要求之后,保存模型参数,输出使用偏好预测模型,并通过使用偏好预测模型来预测出目标区域中每个充电桩资源的使用偏好数据信息;
同时,设置相关时间阈值数据信息,并根据相关时间阈值数据信息对使用偏好预测模型进行定期更新。
需要说明的是,充电桩资源分布数据信息为在目标区域的地图中充电桩的资源分布数据,使用情况数据信息包括用户在充电桩的充电次数信息、充电时间信息、充电时长信息等。通过随机森林算法能够进一步优化使用偏好预测模型,从而提高预测目标区域中每个充电桩资源的使用偏好数据信息的准确率。
进一步地,本发明的一个较佳实施例中,基于使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施,具体包括:
设置相关的使用偏好阈值信息,当使用偏好数据信息大于相关的使用偏好阈值信息时,根据目标区域中每一子区域新能源汽车的使用情况数据信息构建新能源汽车使用分布图;
判断新能源汽车使用分布图中每个子区域的新能源汽车的使用情况数据信息是否大于预设使用情况数据信息;
当子区域的新能源汽车的使用情况数据信息大于预设使用情况数据信息时,生成充电桩待规划措施,并将充电桩构建建议输出;
当子区域的新能源汽车的使用情况数据信息不大于预设使用情况数据信息时,生成充电桩非规划措施,并将充电桩非规划措施进行输出。
需要说明的是,在一些区域中可能是存在新能源汽车比较少的情况,新能源汽车的使用情况数据信息包括新能源汽车的数量、新能源汽车的类型等。当子区域的新能源汽车的使用情况数据信息大于预设使用情况数据信息时,说明该子区域的新能源汽车的数量是很多的,说明该区域应该布置新能源汽车的公共充电桩;反之,则说明该区域应该不需要布置新能源汽车的公共充电桩。
如图2所示,进一步地,本发明的一个较佳实施例中,若充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于目标区域中的地理位置信息生成最终的充电桩建设区域,具体包括:
S202:判断充电桩规划措施是否为充电桩待规划措施,若充电桩规划措施为充电桩待规划措施,则获取对应子区域的地理位置信息;
S204:根据对应子区域的地理位置信息通过地图软件进行检索,获取地图资源数据信息,根据地图资源数据信息对充电桩建设区域进行初次筛选,获取初始的充电桩建设区域;
S206:获取初始的充电桩建设区域所在的地理位置信息以及对应子区域中的新能源汽车使用分布图,并根据新能源汽车使用分布图中获取每个新能源汽车资源所集中的位置信息;
S208:根据初始的充电桩建设区域所在的地理位置信息以及每个新能源汽车资源所集中的位置信息计算出欧式距离,并对欧式距离进行求和,生成总的欧式距离,获取最小的总的欧式距离所对应的初始的充电桩建设区域所在的地理位置信息作为最终的充电桩建设区域。
其中,根据地图资源数据信息对充电桩建设区域进行初次筛选时,需要选择出交通方便的区域、具有空闲位置的地图区域等区域,通过初始化充电桩建设区域,从而根据欧式距离的判定,从而使得每一个每个新能源汽车资源所集中的位置信息都能够方便地到达该位置进行充电,提高充电桩建设区域的布置合理性。
进一步地,本发明的一个较佳实施例中,根据最终的充电桩建设区域构建物联网监测平台,具体包括:
通过大数据获取每一子区域的新能源汽车充电偏好时间段信息以及平均充电时间信息,并获取该子区域中的新能源汽车的使用情况信息;
结合每一子区域的新能源汽车充电偏好时间段信息、平均充电时间信息以及每一子区域中的新能源汽车的使用情况信息计算出到达饱和状态时每一子区域中的预估充电桩的数量信息;
根据到达饱和状态时每一子区域中的预估充电桩的数量信息对最终的充电桩建设区域进行构建,初始化每一充电桩的信息采集节点;
根据充电桩的信息采集节点构建物联网监测平台。
需要说明的是,在某一时间段是用户经常充电的时间段,不同的预估充电桩的数量信息就会导致可能满足不了用户的充电需求。当达到饱和状态时,说明在该时间段之内刚好能够满足用户的充电需求,不存在用户在该时间段之内充不上电的可能性。通过本方法能够结合每一子区域的新能源汽车充电偏好时间段信息、平均充电时间信息以及每一子区域中的新能源汽车的使用情况信息来提高充电桩的布置合理性。
如图3所示,进一步地,本发明的一个较佳实施例中,通过物联网监测平台对每一充电桩进行智能监测,具体包括:
S302:通过物联网平台获取每一充电桩的服役数据信息,并构建时间戳,结合每一充电桩的服役数据信息以及时间戳生成基于时间序列的每一充电桩的服役数据信息;
S304:通过大数据获取每一充电桩的历史服役数据信息,构建贝叶斯网络,并将每一充电桩的历史服役数据信息输入到贝叶斯网络中训练,获取训练好的贝叶斯网络;
S306:将基于时间序列的每一充电桩的服役数据信息输入到贝叶斯网络中进行故障预测,获取每一充电桩的故障预测时间节点,同时,获取当前新能源汽车的充电需求信息以及充电桩的平均充电量;
S308:根据当前新能源汽车的充电需求信息以及充电桩的平均充电量计算出完成充电的预估时间段,当每一充电桩的故障预测时间节点不在完成充电的预估时间段之内时,则将该充电桩生成推荐信息,并将推荐信息按照预设方式进行推送。
需要说明的是,在新能源汽车充电的过程中,可能会出现充电桩故障的情况,当每一充电桩的故障预测时间节点不在完成充电的预估时间段之内时,则将该充电桩生成推荐信息,并将推荐信息按照预设方式进行推送;当每一充电桩的故障预测时间节点在完成充电的预估时间段之内时,则不推送该充电桩给用户,通过本方法能够更加合理地分配充电桩给用户,从而能够有效地节省用户的充电时间,提高用户的充电体验。
此外,本方法还可以包括以下步骤:
通过充电桩获取当前新能源汽车的电池充电参数数据,并通过物联网平台存储所述当前新能源汽车的电池充电参数数据,生成基于时间序列的当前新能源汽车的电池充电参数数据;
基于深度学习网络构建电池故障预测模型,并通过大数据获取大量的新能源汽车的电池充电参数数据,并通过灰色关联分析法计算新能源汽车的电池充电参数数据与电池故障的相关性;
根据所述新能源汽车的电池充电参数数据与电池故障的相关性构建特征训练矩阵,并将所述特征训练矩阵输入到所述电池故障预测模型中进行编码学习,通过所述基于时间序列的当前新能源汽车的电池充电参数数据以及电池故障预测模型获取新能源汽车的电池的故障时间信息;
获取当前新能源汽车的行驶任务的行驶时间,当所述新能源汽车的电池的故障时间信息处于当前新能源汽车的行驶任务的行驶时间之内时,则根据所述当前新能源汽车的行驶任务的行驶时间进行预警。
需要说明的是,通过本方法能够使得充电桩能够及时发现新能源汽车的电池充电参数数据,从而对新能源汽车的电池的故障时间信息进行预测,当所述新能源汽车的电池的故障时间信息处于当前新能源汽车的行驶任务的行驶时间之内时,能够对电池的故障及时预警,避免在高速路上因电池故障而导致事故的发生。
此外,本方法还可以包括以下步骤:
通过物联网平台获取每一子区域的充电桩的储备能源的储能数据信息,并通过大数据获取每一子区域的充电桩的充电需求数据信息;
根据所述每一子区域的充电桩的充电需求数据信息以及每一子区域的充电桩的储备能源的储能数据信息计算出每一子区域的充电桩的极限耗能时间信息;
获取当前用户需求的充电时间信息,并判断所述当前用户需求的充电时间信息是否不在所述充电桩的极限耗能时间信息;若所述当前用户需求的充电时间信息不在所述充电桩的极限耗能时间信息之内,根据该子区域的充电桩生成推荐信息;
若所述当前用户需求的充电时间信息在所述充电桩的极限耗能时间信息之内,则将该子区域的充电桩剔除,生成提示信息,将所述推荐信息以及提示信息按照预设方式进行显示。
需要说明的是,在耗电很多的季节时,通过本方法能够结合每一子区域的充电桩的储备能源的储能数据情况,来预估出每一子区域的充电桩的极限耗能时间信息,即某一子区域的充电桩的储备能源在该极限耗能时间之后已经没有能源再提高充电了,通过本方法能够推荐给用户更好的充电方面,提高充电桩的使用合理性。
如图4所示,本发明第二方面提供了一种基于大数据分析的充电桩智能管理系统4,系统包括存储器41以及处理器62,存储器41中包含基于大数据分析的充电桩智能管理方法程序,基于大数据分析的充电桩智能管理方法程序被处理器62执行时,实现如下步骤:
获取目标区域中充电桩资源分布数据信息,并根据目标区域中充电桩资源分布数据信息获取目标区域中每一充电桩建设区域中的使用偏好数据信息;
获取目标区域中每一子区域新能源汽车的使用情况数据信息,并基于使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施;
若充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于目标区域中的地理位置信息生成最终的充电桩建设区域;
根据最终的充电桩建设区域构建物联网监测平台,通过物联网监测平台对每一充电桩进行智能监测。
在本系统中,基于使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施,具体包括:
设置相关的使用偏好阈值信息,当使用偏好数据信息大于相关的使用偏好阈值信息时,根据目标区域中每一子区域新能源汽车的使用情况数据信息构建新能源汽车使用分布图;
判断新能源汽车使用分布图中每个子区域的新能源汽车的使用情况数据信息是否大于预设使用情况数据信息;
当子区域的新能源汽车的使用情况数据信息大于预设使用情况数据信息时,生成充电桩待规划措施,并将充电桩构建建议输出;
当子区域的新能源汽车的使用情况数据信息不大于预设使用情况数据信息时,生成充电桩非规划措施,并将充电桩非规划措施进行输出。
在本系统中,若充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于目标区域中的地理位置信息生成最终的充电桩建设区域,具体包括:
判断充电桩规划措施是否为充电桩待规划措施,若充电桩规划措施为充电桩待规划措施,则获取对应子区域的地理位置信息;
根据对应子区域的地理位置信息通过地图软件进行检索,获取地图资源数据信息,根据地图资源数据信息对充电桩建设区域进行初次筛选,获取初始的充电桩建设区域;
获取初始的充电桩建设区域所在的地理位置信息以及对应子区域中的新能源汽车使用分布图,并根据新能源汽车使用分布图中获取每个新能源汽车资源所集中的位置信息;
根据初始的充电桩建设区域所在的地理位置信息以及每个新能源汽车资源所集中的位置信息计算出欧式距离,并对欧式距离进行求和,生成总的欧式距离,获取最小的总的欧式距离所对应的初始的充电桩建设区域所在的地理位置信息作为最终的充电桩建设区域。
在本系统中,通过物联网监测平台对每一充电桩进行智能监测,具体包括:
通过物联网平台获取每一充电桩的服役数据信息,并构建时间戳,结合每一充电桩的服役数据信息以及时间戳生成基于时间序列的每一充电桩的服役数据信息;
通过大数据获取每一充电桩的历史服役数据信息,构建贝叶斯网络,并将每一充电桩的历史服役数据信息输入到贝叶斯网络中训练,获取训练好的贝叶斯网络;
将基于时间序列的每一充电桩的服役数据信息输入到贝叶斯网络中进行故障预测,获取每一充电桩的故障预测时间节点,同时,获取当前新能源汽车的充电需求信息以及充电桩的平均充电量;
根据当前新能源汽车的充电需求信息以及充电桩的平均充电量计算出完成充电的预估时间段,当每一充电桩的故障预测时间节点不在完成充电的预估时间段之内时,则将该充电桩生成推荐信息,并将推荐信息按照预设方式进行推送。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例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方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.基于大数据分析的充电桩智能管理方法,其特征在于,包括以下步骤:
获取目标区域中充电桩资源分布数据信息,并根据所述目标区域中充电桩资源分布数据信息获取目标区域中每一充电桩建设区域中的使用偏好数据信息;
获取目标区域中每一子区域新能源汽车的使用情况数据信息,并基于所述使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施;
若所述充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于所述目标区域中的地理位置信息生成最终的充电桩建设区域;
根据所述最终的充电桩建设区域构建物联网监测平台,通过所述物联网监测平台对每一充电桩进行智能监测。
2.根据权利要求1所述的基于大数据分析的充电桩智能管理方法,其特征在于,根据所述目标区域中充电桩资源分布数据信息获取目标区域中每一充电桩建设区域中的使用偏好数据信息,具体包括:
根据所述目标区域中充电桩资源分布数据信息获取每一充电桩资源在预设时间之内的使用情况数据信息,并基于所述每一充电桩资源在预设时间之内的使用情况数据信息构建特征矩阵;
基于深度学习网络构建使用偏好预测模型,并通过随机森林算法对所述特征矩阵进行处理,获取相关性最高的特征矩阵,将所述相关性最高的特征矩阵输入到所述使用偏好预测模型中进行训练;
当所述使用偏好预测模型符合预设要求之后,保存模型参数,输出所述使用偏好预测模型,并通过所述使用偏好预测模型来预测出目标区域中每个充电桩资源的使用偏好数据信息;
同时,设置相关时间阈值数据信息,并根据所述相关时间阈值数据信息对所述使用偏好预测模型进行定期更新。
3.根据权利要求1所述的基于大数据分析的充电桩智能管理方法,其特征在于,基于所述使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施,具体包括:
设置相关的使用偏好阈值信息,当所述使用偏好数据信息大于所述相关的使用偏好阈值信息时,根据所述目标区域中每一子区域新能源汽车的使用情况数据信息构建新能源汽车使用分布图;
判断所述新能源汽车使用分布图中每个子区域的新能源汽车的使用情况数据信息是否大于预设使用情况数据信息;
当所述子区域的新能源汽车的使用情况数据信息大于预设使用情况数据信息时,生成充电桩待规划措施,并将所述充电桩构建建议输出;
当所述子区域的新能源汽车的使用情况数据信息不大于所述预设使用情况数据信息时,生成充电桩非规划措施,并将所述充电桩非规划措施进行输出。
4.根据权利要求1所述的基于大数据分析的充电桩智能管理方法,其特征在于,若所述充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于所述目标区域中的地理位置信息生成最终的充电桩建设区域,具体包括:
判断所述充电桩规划措施是否为充电桩待规划措施,若所述充电桩规划措施为充电桩待规划措施,则获取对应子区域的地理位置信息;
根据所述对应子区域的地理位置信息通过地图软件进行检索,获取地图资源数据信息,根据所述地图资源数据信息对充电桩建设区域进行初次筛选,获取初始的充电桩建设区域;
获取所述初始的充电桩建设区域所在的地理位置信息以及对应子区域中的新能源汽车使用分布图,并根据所述新能源汽车使用分布图中获取每个新能源汽车资源所集中的位置信息;
根据所述初始的充电桩建设区域所在的地理位置信息以及每个新能源汽车资源所集中的位置信息计算出欧式距离,并对所述欧式距离进行求和,生成总的欧式距离,获取最小的总的欧式距离所对应的初始的充电桩建设区域所在的地理位置信息作为最终的充电桩建设区域。
5.根据权利要求1所述的基于大数据分析的充电桩智能管理方法,其特征在于,根据所述最终的充电桩建设区域构建物联网监测平台,具体包括:
通过大数据获取每一子区域的新能源汽车充电偏好时间段信息以及平均充电时间信息,并获取该子区域中的新能源汽车的使用情况信息;
结合每一子区域的新能源汽车充电偏好时间段信息、平均充电时间信息以及每一子区域中的新能源汽车的使用情况信息计算出到达饱和状态时每一子区域中的预估充电桩的数量信息;
根据所述到达饱和状态时每一子区域中的预估充电桩的数量信息对所述最终的充电桩建设区域进行构建,初始化每一充电桩的信息采集节点;
根据所述充电桩的信息采集节点构建物联网监测平台。
6.根据权利要求1所述的基于大数据分析的充电桩智能管理方法,其特征在于,通过所述物联网监测平台对每一充电桩进行智能监测,具体包括:
通过物联网平台获取每一充电桩的服役数据信息,并构建时间戳,结合所述每一充电桩的服役数据信息以及时间戳生成基于时间序列的每一充电桩的服役数据信息;
通过大数据获取每一充电桩的历史服役数据信息,构建贝叶斯网络,并将所述每一充电桩的历史服役数据信息输入到所述贝叶斯网络中训练,获取训练好的贝叶斯网络;
将所述基于时间序列的每一充电桩的服役数据信息输入到贝叶斯网络中进行故障预测,获取每一充电桩的故障预测时间节点,同时,获取当前新能源汽车的充电需求信息以及充电桩的平均充电量;
根据所述当前新能源汽车的充电需求信息以及充电桩的平均充电量计算出完成充电的预估时间段,当所述每一充电桩的故障预测时间节点不在所述完成充电的预估时间段之内时,则将该充电桩生成推荐信息,并将所述推荐信息按照预设方式进行推送。
7.基于大数据分析的充电桩智能管理系统,其特征在于,所述系统包括存储器以及处理器,所述存储器中包含基于大数据分析的充电桩智能管理方法程序,所述基于大数据分析的充电桩智能管理方法程序被所述处理器执行时,实现如下步骤:
获取目标区域中充电桩资源分布数据信息,并根据所述目标区域中充电桩资源分布数据信息获取目标区域中每一充电桩建设区域中的使用偏好数据信息;
获取目标区域中每一子区域新能源汽车的使用情况数据信息,并基于所述使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施;
若所述充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于所述目标区域中的地理位置信息生成最终的充电桩建设区域;
根据所述最终的充电桩建设区域构建物联网监测平台,通过所述物联网监测平台对每一充电桩进行智能监测。
8.根据权利要求7所述的基于大数据分析的充电桩智能管理系统,其特征在于,基于所述使用偏好数据信息以及目标区域中每一子区域新能源汽车的使用情况数据信息生成充电桩规划措施,具体包括:
设置相关的使用偏好阈值信息,当所述使用偏好数据信息大于所述相关的使用偏好阈值信息时,根据所述目标区域中每一子区域新能源汽车的使用情况数据信息构建新能源汽车使用分布图;
判断所述新能源汽车使用分布图中每个子区域的新能源汽车的使用情况数据信息是否大于预设使用情况数据信息;
当所述子区域的新能源汽车的使用情况数据信息大于预设使用情况数据信息时,生成充电桩待规划措施,并将所述充电桩构建建议输出;
当所述子区域的新能源汽车的使用情况数据信息不大于所述预设使用情况数据信息时,生成充电桩非规划措施,并将所述充电桩非规划措施进行输出。
9.根据权利要求7所述的基于大数据分析的充电桩智能管理系统,其特征在于,若所述充电桩规划措施为充电桩待规划措施,获取对应子区域的地理位置信息,并基于所述目标区域中的地理位置信息生成最终的充电桩建设区域,具体包括:
判断所述充电桩规划措施是否为充电桩待规划措施,若所述充电桩规划措施为充电桩待规划措施,则获取对应子区域的地理位置信息;
根据所述对应子区域的地理位置信息通过地图软件进行检索,获取地图资源数据信息,根据所述地图资源数据信息对充电桩建设区域进行初次筛选,获取初始的充电桩建设区域;
获取所述初始的充电桩建设区域所在的地理位置信息以及对应子区域中的新能源汽车使用分布图,并根据所述新能源汽车使用分布图中获取每个新能源汽车资源所集中的位置信息;
根据所述初始的充电桩建设区域所在的地理位置信息以及每个新能源汽车资源所集中的位置信息计算出欧式距离,并对所述欧式距离进行求和,生成总的欧式距离,获取最小的总的欧式距离所对应的初始的充电桩建设区域所在的地理位置信息作为最终的充电桩建设区域。
10.根据权利要求7所述的基于大数据分析的充电桩智能管理系统,其特征在于,通过所述物联网监测平台对每一充电桩进行智能监测,具体包括:
通过物联网平台获取每一充电桩的服役数据信息,并构建时间戳,结合所述每一充电桩的服役数据信息以及时间戳生成基于时间序列的每一充电桩的服役数据信息;
通过大数据获取每一充电桩的历史服役数据信息,构建贝叶斯网络,并将所述每一充电桩的历史服役数据信息输入到所述贝叶斯网络中训练,获取训练好的贝叶斯网络;
将所述基于时间序列的每一充电桩的服役数据信息输入到贝叶斯网络中进行故障预测,获取每一充电桩的故障预测时间节点,同时,获取当前新能源汽车的充电需求信息以及充电桩的平均充电量;
根据所述当前新能源汽车的充电需求信息以及充电桩的平均充电量计算出完成充电的预估时间段,当所述每一充电桩的故障预测时间节点不在所述完成充电的预估时间段之内时,则将该充电桩生成推荐信息,并将所述推荐信息按照预设方式进行推送。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310801869.5A CN116523272B (zh) | 2023-07-03 | 2023-07-03 | 基于大数据分析的充电桩智能管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310801869.5A CN116523272B (zh) | 2023-07-03 | 2023-07-03 | 基于大数据分析的充电桩智能管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116523272A true CN116523272A (zh) | 2023-08-01 |
CN116523272B CN116523272B (zh) | 2023-09-29 |
Family
ID=87390663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310801869.5A Active CN116523272B (zh) | 2023-07-03 | 2023-07-03 | 基于大数据分析的充电桩智能管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116523272B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862209A (zh) * | 2023-09-05 | 2023-10-10 | 深圳市金威源科技股份有限公司 | 一种新能源汽车充电设施管理方法及系统 |
CN116911583A (zh) * | 2023-09-14 | 2023-10-20 | 深圳永泰数能科技有限公司 | 一种电动汽车充电站设备的规划方法、系统及介质 |
CN117408840A (zh) * | 2023-11-16 | 2024-01-16 | 广州穗开电业有限公司 | 基于智慧能源管理平台的多能源调度管控系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295898A (zh) * | 2016-08-15 | 2017-01-04 | 万马联合新能源投资有限公司 | 一种设置充电桩的方法 |
CN112193115A (zh) * | 2020-09-22 | 2021-01-08 | 富晟沃博克斯新能源汽车充电技术(苏州)有限公司 | 一种充电桩用信息推送系统及推送方法 |
CN113189503A (zh) * | 2021-01-28 | 2021-07-30 | 南斗六星系统集成有限公司 | 一种电动汽车电池多级故障预警方法及系统 |
US20210237609A1 (en) * | 2019-03-29 | 2021-08-05 | Jiangsu University | A method to plan the optimal construction quantity and site selection scheme of electric vehicle charging stations |
CN114516278A (zh) * | 2020-11-18 | 2022-05-20 | 比亚迪股份有限公司 | 充电桩推荐方法、装置、系统以及存储介质 |
CN115829124A (zh) * | 2022-12-02 | 2023-03-21 | 四川新仑科技有限公司 | 充电桩选址方法、装置、设备及存储介质 |
CN115938124A (zh) * | 2022-12-29 | 2023-04-07 | 南昌轨道交通集团有限公司 | 一种城市轨道交通突发事件影响预测方法、系统及产品 |
WO2023105093A1 (de) * | 2021-12-12 | 2023-06-15 | eClever Entwicklungs OHG | Verfahren zur prüfung von ladesäulen und deren funktionsumfang |
-
2023
- 2023-07-03 CN CN202310801869.5A patent/CN116523272B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295898A (zh) * | 2016-08-15 | 2017-01-04 | 万马联合新能源投资有限公司 | 一种设置充电桩的方法 |
US20210237609A1 (en) * | 2019-03-29 | 2021-08-05 | Jiangsu University | A method to plan the optimal construction quantity and site selection scheme of electric vehicle charging stations |
CN112193115A (zh) * | 2020-09-22 | 2021-01-08 | 富晟沃博克斯新能源汽车充电技术(苏州)有限公司 | 一种充电桩用信息推送系统及推送方法 |
CN114516278A (zh) * | 2020-11-18 | 2022-05-20 | 比亚迪股份有限公司 | 充电桩推荐方法、装置、系统以及存储介质 |
CN113189503A (zh) * | 2021-01-28 | 2021-07-30 | 南斗六星系统集成有限公司 | 一种电动汽车电池多级故障预警方法及系统 |
WO2023105093A1 (de) * | 2021-12-12 | 2023-06-15 | eClever Entwicklungs OHG | Verfahren zur prüfung von ladesäulen und deren funktionsumfang |
CN115829124A (zh) * | 2022-12-02 | 2023-03-21 | 四川新仑科技有限公司 | 充电桩选址方法、装置、设备及存储介质 |
CN115938124A (zh) * | 2022-12-29 | 2023-04-07 | 南昌轨道交通集团有限公司 | 一种城市轨道交通突发事件影响预测方法、系统及产品 |
Non-Patent Citations (1)
Title |
---|
陈德忠: ""基于充电行为的电动出租车充电站选址优化及推荐算法研究"", 《中国博士学位论文全文数据库工程科技Ⅱ辑》, no. 2, pages 034 - 136 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862209A (zh) * | 2023-09-05 | 2023-10-10 | 深圳市金威源科技股份有限公司 | 一种新能源汽车充电设施管理方法及系统 |
CN116862209B (zh) * | 2023-09-05 | 2023-12-01 | 深圳市金威源科技股份有限公司 | 一种新能源汽车充电设施管理方法及系统 |
CN116911583A (zh) * | 2023-09-14 | 2023-10-20 | 深圳永泰数能科技有限公司 | 一种电动汽车充电站设备的规划方法、系统及介质 |
CN116911583B (zh) * | 2023-09-14 | 2023-12-22 | 深圳永泰数能科技有限公司 | 一种电动汽车充电站设备的规划方法、系统及介质 |
CN117408840A (zh) * | 2023-11-16 | 2024-01-16 | 广州穗开电业有限公司 | 基于智慧能源管理平台的多能源调度管控系统 |
CN117408840B (zh) * | 2023-11-16 | 2024-04-12 | 广州穗开电业有限公司 | 基于智慧能源管理平台的多能源调度管控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116523272B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116523272B (zh) | 基于大数据分析的充电桩智能管理方法及系统 | |
CN116722571B (zh) | 一种基于数字孪生的储能管理方法、系统及介质 | |
EP4121329A1 (en) | Systems and methods for managing velocity profiles | |
CN117151417B (zh) | 基于数字孪生的港口运营管理方法、系统及存储介质 | |
CN110796496A (zh) | 激励区域的设置方法、装置、计算机设备和存储介质 | |
CN116307268B (zh) | 一种基于污染场地修复过程中的碳排放预测方法及系统 | |
CN115965223B (zh) | 一种基于云平台的智慧能源管理方法及系统 | |
CN113033860A (zh) | 一种汽车故障预测方法、装置、电子设备及存储介质 | |
CN115954910A (zh) | 一种基于能量优化的分布式储能控制方法及系统 | |
Liu et al. | An activity-based travel and charging behavior model for simulating battery electric vehicle charging demand | |
KR20130088874A (ko) | 복수의 전기 에너지 차량의 에너지 수요를 예측하는 시스템 및 방법 | |
Jamil et al. | Taxi passenger hotspot prediction using automatic ARIMA model | |
CN115829124A (zh) | 充电桩选址方法、装置、设备及存储介质 | |
CN117207905B (zh) | 一种新能源汽车的电源运维方法、系统及存储介质 | |
Hill et al. | Deviations in Markov chain modeled electric vehicle charging patterns from real world data | |
Douaidi et al. | Predicting electric vehicle charging stations occupancy: a federated deep learning framework | |
CN116562921B (zh) | 一种基于动态预测的工业电源储能优化方法、系统及介质 | |
CN116804711A (zh) | 基于预测的使用模式来提供设备电池组的预测健康状态的方法和装置 | |
CN116502964A (zh) | 电动汽车碳排放时空分布监测建模方法及装置 | |
CN116911583B (zh) | 一种电动汽车充电站设备的规划方法、系统及介质 | |
CN116523151B (zh) | 基于人工智能的电极生产管理方法、系统及存储介质 | |
CN117984791B (zh) | 电单车换电阈值的确定方法、装置及计算机设备 | |
Zhang et al. | An urban charging load forecasting model based on trip chain model for private passenger electric vehicles: A case study in Beijing | |
CN111310103A (zh) | 生态环境监测数据的稠密化处理方法 | |
Li et al. | Geometric‐process‐based battery management optimizing policy for the electric bus |
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 |