CN116937581A - 一种充电站的智能调度方法 - Google Patents

一种充电站的智能调度方法 Download PDF

Info

Publication number
CN116937581A
CN116937581A CN202311205801.7A CN202311205801A CN116937581A CN 116937581 A CN116937581 A CN 116937581A CN 202311205801 A CN202311205801 A CN 202311205801A CN 116937581 A CN116937581 A CN 116937581A
Authority
CN
China
Prior art keywords
charging
electricity consumption
time
charging station
charging pile
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
Application number
CN202311205801.7A
Other languages
English (en)
Other versions
CN116937581B (zh
Inventor
叶云灿
何志华
李传胜
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.)
Guangzhou Demuda Optoelectronics Technology Co ltd
Original Assignee
Guangzhou Demuda Optoelectronics Technology 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 Guangzhou Demuda Optoelectronics Technology Co ltd filed Critical Guangzhou Demuda Optoelectronics Technology Co ltd
Priority to CN202311205801.7A priority Critical patent/CN116937581B/zh
Publication of CN116937581A publication Critical patent/CN116937581A/zh
Application granted granted Critical
Publication of CN116937581B publication Critical patent/CN116937581B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/30—Constructional details of charging stations
    • B60L53/31—Charging columns specially adapted for electric vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • 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
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • 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
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mechanical Engineering (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Transportation (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请涉及充电站领域，尤其涉及一种充电站的智能调度方法，包括：采集设定时间窗口内所述充电站的用电信息；将所述用电信息输入训练完毕的时序预测网络，输出下一个调度周期内每个充电桩的预测用电量；采集每个充电桩的历史使用时长；在所述下一个调度周期内，响应于任意车辆进入所述充电站，基于所述预测用电量、所述历史使用时长和实时用电量计算每个空闲充电桩的负载指数；将所述负载指数最小值对应的空闲充电桩作为所述车辆的匹配结果，实现充电站的智能调度。本申请的技术方案能够提高充电桩调度结果的准确性，确保充电桩及电力资源的均衡使用。

Description

一种充电站的智能调度方法
技术领域
本申请一般地涉及充电站领域，尤其涉及一种充电站的智能调度方法。
背景技术
随着新能源技术的飞速发展，新能源汽车越来越普及，为了满足新能源汽车快速补电的需求，充电站成为这些车辆重要的能源补给点。然而，目前充电站内充电桩资源有限，且车辆到达充电站后根据司机的主观意愿随机选择充电桩进行充电，缺乏合理地调度管理，无法实现充电桩及电力资源的均衡使用。
目前，公告号为CN114784836A的专利申请文献公开了一种充电站的智能调度系统的工作方法，依据充电桩的设备运行数据和用户提出的充电需求进行匹配，得到与充电需求相适配的充电桩；若没有与充电需求相适配的充电桩则提示车辆进入等待区等候调度并开始计时，若车辆等候超时仍未有空闲枪口，则提示车辆可自行出场，也可请用户重新提交充电需求进行评估；若匹配到与充电需求相适配的最佳充电设备时，则产生调度策略，并通过交互终端将设备信息通知到用户，提示用户车辆到达指定枪口插枪充电。
然而，上述方法依据用户提出的充电需求与充电桩进行匹配，未考虑配电网中能够为充电站下发的电能情况，以及充电桩的历史使用情况对充电桩之间负载均衡的影响，无法确保充电桩及电力资源的均衡使用，充电桩调度结果不准确。
发明内容
为了解决现有技术中的上述技术问题，本申请提供了一种充电站的智能调度方法，提高充电桩调度结果的准确性，以确保充电桩及电力资源的均衡使用。
本发明提供了一种充电站的智能调度方法，所述充电站包括多个充电桩，包括：采集设定时间窗口内所述充电站的用电信息，所述设定时间窗口包括多个调度周期，所述用电信息包括所述充电站的用电总量序列以及每个充电桩的用电量序列；将所述用电信息输入训练完毕的时序预测网络，输出下一个调度周期内每个充电桩的预测用电量；采集每个充电桩的历史使用时长，所述历史使用时长为历史时间所述充电桩处于充电状态的总时长；在所述下一个调度周期内，响应于任意车辆进入所述充电站，基于所述预测用电量、所述历史使用时长和实时用电量计算每个空闲充电桩的负载指数，所述实时用电量为所述下一个调度周期内空闲充电桩的用电量，其中所述负载指数与历史使用时长呈正相关，所述负载指数与剩余可使用电量呈负相关，所述剩余可使用电量为所述预测用电量与所述实时用电量的差值；将所述负载指数最小值对应的空闲充电桩作为所述车辆的匹配结果，实现充电站的智能调度。
在一些实施例中，所述调度周期的计算方法包括：对于一个充电站，采集历史时间内每个单位时间的用电总量得到一条时间序列；对所述时间序列进行自相关分析以获取所述时间序列的周期，所述周期对应于所述调度周期。
在一些实施例中，所述时序预测网络的输入为任意充电站的用电信息，输出为下一个调度周期内所述充电站的预测用电总量，以及每个充电桩的预测用电量；所述时序预测网络的训练方法包括：采集历史时间内任意充电站的多条用电信息，并采集所述用电信息相邻的下一个调度周期内所述充电站的用电总量以及每个充电桩的用电量以作为所述用电信息的标签信息，得到训练样本集；将所述训练样本集中任意用电信息输入所述时序预测网络，得到预测结果，所述预测结果包括充电站的预测用电总量和每个充电桩的预测用电量；基于所述预测结果和所述标签信息计算损失函数以训练所述时序预测网络，所述损失函数满足关系式：
其中，为预测结果中充电站的预测用电总量，/>为预测结果中充电桩/>的预测用电量，/>为标签信息中充电站的用电总量，/>为标签信息中充电桩/>的用电量，/>为所有充电桩的数量，/>为所述损失函数的取值；多次训练所述时序预测网络，直至所述损失函数的取值小于设定值，得到训练完毕的时序预测网络。
在一些实施例中，所述输出下一个调度周期内每个充电桩的预测用电量之后，所述智能调度方法还包括：依据所述预测用电量和所述充电站的预测用电总量的比值为对应充电桩分配充电功率，实现所述下一个调度周期内的电能分配。
在一些实施例中，基于所述预测用电量、所述历史使用时长和实时用电量计算每个空闲充电桩的负载指数之前，所述智能调度方法还包括：采集每一充电桩的运行状态，所述运行状态包括空闲状态和充电状态；响应于所述运行状态为空闲状态，采集所述下一个调度周期内对应充电桩的用电量以作为所述充电桩的实时用电量。
在一些实施例中，所述负载指数满足关系式：
其中，为空闲充电桩/>的历史使用时长，/>和/>分别为空闲充电桩/>的预测用电量和实时用电量，/>为空闲充电桩/>的负载指数。
在一些实施例中，所述智能调度方法还包括：响应于任意车辆进入所述充电站，采集所述车辆的位置信息，并计算每个空闲充电桩与所述位置信息的距离；基于所述预测用电量、所述历史使用时长、所述距离和实时用电量计算每个空闲充电桩的负载指数，所述负载指数与所述距离呈正相关。
在一些实施例中，所述负载指数满足关系式：
其中，为空闲充电桩/>的历史使用时长，/>和/>分别为空闲充电桩/>的预测用电量和实时用电量，/>为空闲充电桩/>与所述位置信息的距离，/>为空闲充电桩/>的负载指数，和/>分别为第一预设权重和第二预设权重，且满足/>。
本申请实施例提供的上述充电站的智能调度方法，通过训练完毕的时序预测网络预测一个调度周期内每个充电桩的预测用电量，实现一个调度周期内精准的电能分配；进一步地，当车辆进入充电站时，依据预测用电量、历史使用时长、实时用电量以及车辆与充电桩的距离计算每个空闲充电桩的负载指数，综合考虑了调度周期内，每个充电桩的剩余使用寿命、剩余可使用电量以及车辆的行驶距离精准计算各空闲充电桩负载指数，将负载指数最小值对应的空闲充电桩作为所述车辆的匹配结果，确保充电站内充电桩及电力资源的均衡使用，提高充电桩调度结果的准确性。
附图说明
通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
图1是根据本申请实施例的充电站的智能调度方法的流程图；
图2是根据本申请实施例的充电站的示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
应当理解，当本申请的权利要求、说明书及附图使用术语“第一”、“第二”等时，其仅是用于区别不同对象，而不是用于描述特定顺序。本申请的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
本申请提供了一种充电站的智能调度方法。请参阅图1所示，是根据本申请实施例的充电站的智能调度方法的流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。
在一个应用场景中，请参见图2所示，是根据本申请实施例的充电站的示意图。充电站包括用于提供电能的供电系统、用于供电和储存电能的储能系统以及多个用于给车辆充电的充电桩；供电系统为储能系统和充电桩提供电能，储能系统也可直接为充电桩提供电能；其中所述供电系统包括市电、新能源供电系统和柴油供电系统中的至少一种。
S11，采集设定时间窗口内所述充电站的用电信息，所述设定时间窗口包括多个调度周期，所述用电信息包括所述充电站的用电总量序列以及每个充电桩的用电量序列。
在一个可选的实施例中，所述设定时间窗口的长度为7个调度周期，且设定所述调度周期为一天，即所述设定时间窗口为7天的时间。也可根据历史时间内一个充电站的用电总量的周期性设定调度周期，具体地，所述调度周期的计算方法包括：对于一个充电站，采集历史时间内每个单位时间的用电总量得到一条时间序列；对所述时间序列进行自相关分析以获取所述时间序列的周期，所述周期对应于所述调度周期。
需要说明的是，所述设定时间窗口至少包括2个调度周期。
其中，所述充电站的用电总量序列包括设定时间窗口内每一个调度周期内该充电站的用电总量；一个充电桩的用电量序列包括设定时间窗口内每一个调度周期内该充电桩的用电总量；可以理解地，对于设定时间窗口内的一个调度周期，充电站的用电总量等于所有充电桩的用电总量。
S12，将所述用电信息输入训练完毕的时序预测网络，输出下一个调度周期内每个充电桩的预测用电量。
在一个实施例中，所述时序预测网络的输入为任意充电站的用电信息，输出为下一个调度周期内所述充电站的预测用电总量，以及每个充电桩的预测用电量。
在一个实施例中，所述时序预测网络的训练方法包括：采集历史时间内任意充电站的多条用电信息，并采集所述用电信息相邻的下一个调度周期内所述充电站的用电总量以及每个充电桩的用电量以作为所述用电信息的标签信息，得到训练样本集；将所述训练样本集中任意用电信息输入所述时序预测网络，得到预测结果，所述预测结果包括充电站的预测用电总量和每个充电桩的预测用电量；基于所述预测结果和所述标签信息计算损失函数以训练所述时序预测网络，所述损失函数满足关系式：
其中，为预测结果中充电站的预测用电总量，/>为预测结果中充电桩/>的预测用电量，/>为标签信息中充电站的用电总量，/>为标签信息中充电桩/>的用电量，/>为所有充电桩的数量，/>为所述损失函数的取值；多次训练所述时序预测网络，直至所述损失函数的取值小于设定值，得到训练完毕的时序预测网络。其中，所述设定值的取值为0.001。
可以理解地，充电站的预测用电总量为每个充电桩的预测用电量的总和；即可为每个充电桩的预测用电量提供辅助的监督信息，提高每个充电桩的预测用电量的准确性。
其中，所述时序预测网络可采用LSTM、RNN、Transformer等任意现有的时序预测的网络结构。
在一个实施例中，得到训练完毕的时序预测网络后，将用电信息输入训练完毕的时序预测网络，即可输出下一个调度周期内每个充电桩的预测用电量，实现了下一个调度周期内的精准的电能分配。
在其他实时例中，输出下一个调度周期内每个充电桩的预测用电量之后，所述智能调度方法还包括：依据所述预测用电量和所述充电站的预测用电总量的比值为对应充电桩分配充电功率，从而实现下一个调度周期内的精准的电能分配。示例性的，充电桩的预测用电量和充电站的预测用电总量的比值为0.5，则在所述下一个调度周期内，充电桩/>的充电功率为充电站总功率的0.5。
如此，得到下一个调度周期内每个充电桩的预测用电量，实现精准的电能分配。
S13，采集每个充电桩的历史使用时长，所述历史使用时长为历史时间所述充电桩处于充电状态的总时长。
在一个实施例中，充电桩的历史使用时长可反映充电桩的剩余使用寿命，所述历史使用时长与充电桩的剩余使用寿命呈负相关；历史使用时长越大，充电桩的剩余使用寿命越少。且一个充电站内不同充电桩的历史使用时长不同，即一个充电站内不同充电桩的剩余使用寿命不同。
S14，在所述下一个调度周期内，响应于任意车辆进入所述充电站，基于所述预测用电量、所述历史使用时长和实时用电量计算每个空闲充电桩的负载指数，所述实时用电量为所述下一个调度周期内空闲充电桩的用电量，其中所述负载指数与历史使用时长呈正相关，所述负载指数与剩余可使用电量呈负相关，所述剩余可使用电量为所述预测用电量与所述实时用电量的差值。
在一个实施例中，在所述下一个调度周期内，已经获取每一个充电桩的预测用电量。基于所述预测用电量、所述历史使用时长和实时用电量计算每个空闲充电桩的负载指数之前，所述智能调度方法还包括：采集每一充电桩的运行状态，所述运行状态包括空闲状态和充电状态；响应于所述运行状态为空闲状态，采集所述下一个调度周期内对应充电桩的用电量以作为所述充电桩的实时用电量。
在一个实施例中，响应于任意车辆进入所述充电站，即需要为所述车辆匹配充电桩，计算所述下一个调度周期内每个空闲充电桩的负载指数并依据负载指数获取车辆所匹配的充电桩。所述负载指数满足关系式：
其中，为空闲充电桩/>的历史使用时长，/>和/>分别为空闲充电桩/>的预测用电量和实时用电量，/>为空闲充电桩/>的负载指数。
可以理解地，所述负载指数用于表征充电桩被使用程度，所述负载指数与车辆匹配程度呈负相关，即负载指数越大，车辆越不应该到对应的充电桩充电。具体地，所述负载指数与历史使用时长呈正相关，历史使用时长越大，表示对应充电桩的剩余使用寿命越短，对应充电桩的负载越大；为所述下一个调度周期内充电桩的剩余可使用电量，所述负载指数与剩余可使用电量呈负相关，/>越大，表示在所述下一个调度周期内对应充电桩/>可提供更多的电能，对应充电桩/>的负载越小。
在其它可选的实施例中，充电站的入口是不唯一的，任意车辆进入所述充电站时的位置信息会影响车辆与充电桩的匹配结果，车辆有优先选择距离较近的充电桩的倾向。响应于任意车辆进入所述充电站，采集所述车辆的位置信息，并计算每个空闲充电桩与所述位置信息的距离；基于所述预测用电量、所述历史使用时长、所述距离和实时用电量计算每个空闲充电桩的负载指数，所述负载指数与所述距离呈正相关。
具体地，所述负载指数满足关系式：
其中，为空闲充电桩/>的历史使用时长，/>和/>分别为空闲充电桩/>的预测用电量和实时用电量，/>为空闲充电桩/>与所述位置信息的距离，/>为空闲充电桩/>的负载指数，和/>分别为第一预设权重和第二预设权重，且满足/>。本申请实施例中，，/>。
其中，充电桩与所述位置信息的距离越大，车辆到达充电桩需要行驶的距离越远，则对于车辆而言对应充电桩的负载指数越大，即对于一个充电桩而言，该充电桩到所述位置信息的距离与负载指数呈正相关；采集所述车辆的位置信息可依据车载GPS定位系统实现。
如此，依据预测用电量、历史使用时长、实时用电量以及车辆与充电桩的距离计算每个空闲充电桩的负载指数；综合考虑了调度周期内，每个充电桩的剩余使用寿命、剩余可使用电量以及车辆的行驶距离精准计算各空闲充电桩负载指数，为充电站的智能调度提供数据基础。
S14，将所述负载指数最小值对应的空闲充电桩作为所述车辆的匹配结果，实现充电站的智能调度。
在一个实施例中，负载指数越大，表示车辆与对应充电桩的匹配度越低，为了确保充电桩及电力资源的均衡使用，将负载指数最小值对应的空闲充电桩作为所述车辆的匹配结果，实现充电站的智能调度。
本申请实施例提供的上述充电站的智能调度方法，通过训练完毕的时序预测网络预测一个调度周期内每个充电桩的预测用电量，实现一个调度周期内精准的电能分配；进一步地，当车辆进入充电站时，依据预测用电量、历史使用时长、实时用电量以及车辆与充电桩的距离计算每个空闲充电桩的负载指数，综合考虑了调度周期内，每个充电桩的剩余使用寿命、剩余可使用电量以及车辆的行驶距离精准计算各空闲充电桩负载指数，将负载指数最小值对应的空闲充电桩作为所述车辆的匹配结果，确保充电站内充电桩及电力资源的均衡使用，提高充电桩调度结果的准确性。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种充电站的智能调度方法，所述充电站包括多个充电桩，其特征在于：
采集设定时间窗口内所述充电站的用电信息，所述设定时间窗口包括多个调度周期，所述用电信息包括所述充电站的用电总量序列以及每个充电桩的用电量序列；
将所述用电信息输入训练完毕的时序预测网络，输出下一个调度周期内每个充电桩的预测用电量；
采集每个充电桩的历史使用时长，所述历史使用时长为历史时间所述充电桩处于充电状态的总时长；
在所述下一个调度周期内，响应于任意车辆进入所述充电站，基于所述预测用电量、所述历史使用时长和实时用电量计算每个空闲充电桩的负载指数，所述实时用电量为所述下一个调度周期内空闲充电桩的用电量，其中所述负载指数与历史使用时长呈正相关，所述负载指数与剩余可使用电量呈负相关，所述剩余可使用电量为所述预测用电量与所述实时用电量的差值；
将所述负载指数最小值对应的空闲充电桩作为所述车辆的匹配结果，实现充电站的智能调度。
2.如权利要求1所述的一种充电站的智能调度方法，其特征在于，所述调度周期的计算方法包括：
对于一个充电站，采集历史时间内每个单位时间的用电总量得到一条时间序列；
对所述时间序列进行自相关分析以获取所述时间序列的周期，所述周期对应于所述调度周期。
3.如权利要求1所述的一种充电站的智能调度方法，其特征在于，所述时序预测网络的输入为任意充电站的用电信息，输出为下一个调度周期内所述充电站的预测用电总量，以及每个充电桩的预测用电量；
所述时序预测网络的训练方法包括：
采集历史时间内任意充电站的多条用电信息，并采集所述用电信息相邻的下一个调度周期内所述充电站的用电总量以及每个充电桩的用电量以作为所述用电信息的标签信息，得到训练样本集；
将所述训练样本集中任意用电信息输入所述时序预测网络，得到预测结果，所述预测结果包括充电站的预测用电总量和每个充电桩的预测用电量；
基于所述预测结果和所述标签信息计算损失函数以训练所述时序预测网络，所述损失函数满足关系式：
其中，为预测结果中充电站的预测用电总量，/>为预测结果中充电桩/>的预测用电量，/>为标签信息中充电站的用电总量，/>为标签信息中充电桩/>的用电量，/>为所有充电桩的数量，/>为所述损失函数的取值；
多次训练所述时序预测网络，直至所述损失函数的取值小于设定值，得到训练完毕的时序预测网络。
4.如权利要求3所述的一种充电站的智能调度方法，其特征在于，所述输出下一个调度周期内每个充电桩的预测用电量之后，所述智能调度方法还包括：
依据所述预测用电量和所述充电站的预测用电总量的比值为对应充电桩分配充电功率，实现所述下一个调度周期内的电能分配。
5.如权利要求1所述的一种充电站的智能调度方法，其特征在于，基于所述预测用电量、所述历史使用时长和实时用电量计算每个空闲充电桩的负载指数之前，所述智能调度方法还包括：
采集每一充电桩的运行状态，所述运行状态包括空闲状态和充电状态；
响应于所述运行状态为空闲状态，采集所述下一个调度周期内对应充电桩的用电量以作为所述充电桩的实时用电量。
6.如权利要求5所述的一种充电站的智能调度方法，其特征在于，所述负载指数满足关系式：
其中，为空闲充电桩/>的历史使用时长，/>和/>分别为空闲充电桩/>的预测用电量和实时用电量，/>为空闲充电桩/>的负载指数。
7.如权利要求5所述的一种充电站的智能调度方法，其特征在于，所述智能调度方法还包括：
响应于任意车辆进入所述充电站，采集所述车辆的位置信息，并计算每个空闲充电桩与所述位置信息的距离；
基于所述预测用电量、所述历史使用时长、所述距离和实时用电量计算每个空闲充电桩的负载指数，所述负载指数与所述距离呈正相关。
8.如权利要求7所述的一种充电站的智能调度方法，其特征在于，所述负载指数满足关系式：
其中，为空闲充电桩/>的历史使用时长，/>和/>分别为空闲充电桩/>的预测用电量和实时用电量，/>为空闲充电桩/>与所述位置信息的距离，/>为空闲充电桩/>的负载指数，/>和分别为第一预设权重和第二预设权重，且满足/>。
CN202311205801.7A 2023-09-19 2023-09-19 一种充电站的智能调度方法 Active CN116937581B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311205801.7A CN116937581B (zh) 2023-09-19 2023-09-19 一种充电站的智能调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311205801.7A CN116937581B (zh) 2023-09-19 2023-09-19 一种充电站的智能调度方法

Publications (2)

Publication Number Publication Date
CN116937581A true CN116937581A (zh) 2023-10-24
CN116937581B CN116937581B (zh) 2023-12-26

Family

ID=88375790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311205801.7A Active CN116937581B (zh) 2023-09-19 2023-09-19 一种充电站的智能调度方法

Country Status (1)

Country Link
CN (1) CN116937581B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117875672A (zh) * 2024-03-11 2024-04-12 云南山高新能源有限公司 电动车充电站管理系统
CN117875672B (zh) * 2024-03-11 2024-06-04 云南山高新能源有限公司 电动车充电站管理系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103559567A (zh) * 2013-07-18 2014-02-05 南方电网科学研究院有限责任公司 电网对电动汽车充电站的管理系统的管理方法
CN107749629A (zh) * 2017-10-27 2018-03-02 深圳供电局有限公司 一种基于充电站负荷实时调度充电桩接入的控制方法
CN110429620A (zh) * 2019-07-29 2019-11-08 汉宇集团股份有限公司 一种区域功率负载均衡方法
WO2022152065A1 (zh) * 2021-01-12 2022-07-21 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
CN115730790A (zh) * 2022-11-14 2023-03-03 四川新仑科技有限公司 基于边缘计算的充电配置方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103559567A (zh) * 2013-07-18 2014-02-05 南方电网科学研究院有限责任公司 电网对电动汽车充电站的管理系统的管理方法
CN107749629A (zh) * 2017-10-27 2018-03-02 深圳供电局有限公司 一种基于充电站负荷实时调度充电桩接入的控制方法
CN110429620A (zh) * 2019-07-29 2019-11-08 汉宇集团股份有限公司 一种区域功率负载均衡方法
WO2022152065A1 (zh) * 2021-01-12 2022-07-21 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
CN115730790A (zh) * 2022-11-14 2023-03-03 四川新仑科技有限公司 基于边缘计算的充电配置方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117875672A (zh) * 2024-03-11 2024-04-12 云南山高新能源有限公司 电动车充电站管理系统
CN117875672B (zh) * 2024-03-11 2024-06-04 云南山高新能源有限公司 电动车充电站管理系统

Also Published As

Publication number Publication date
CN116937581B (zh) 2023-12-26

Similar Documents

Publication Publication Date Title
Brendel et al. Improving electric vehicle utilization in carsharing: A framework and simulation of an e-carsharing vehicle utilization management system
US11087422B2 (en) Method and device for determining a configuration for deployment of a public transportation system
CN110774929A (zh) 一种电动汽车有序充电的实时控制策略及优化方法
CN103915869B (zh) 一种基于移动设备的电动汽车智能充电系统及方法
Fluhr et al. A stochastic model for simulating the availability of electric vehicles for services to the power grid
Wu et al. The multi-depot electric vehicle scheduling problem with power grid characteristics
CN105160428A (zh) 高速公路电动汽车快速充电站的规划方法
CN111126740B (zh) 共享汽车充电调度方法、电子设备及存储介质
CN111216589A (zh) 充电桩共享充电方法、服务端、车载终端及充电系统
CN109615268A (zh) 一种分时电价的公交充电经济调度方法及系统
CN111815096B (zh) 共享汽车投放方法、电子设备及存储介质
CN114730415A (zh) 车辆管理装置和车辆管理程序
CN110232219B (zh) 一种基于数据挖掘的电动汽车可调度容量核定方法
CN112070255A (zh) 一种用于智慧城市光储充一体化停车棚的运营管理系统
CN102938094A (zh) 参与调频服务的电动汽车充电时序确定与服务车辆选择方法
CN111106635A (zh) 一种充电方式的确定方法和装置
Qin et al. Mobile storage for demand charge reduction
Ye et al. Decarbonizing regional multi-model transportation system with shared electric charging hubs
CN114722595A (zh) 一种含有换电站的微电网优化运行方法
CN114021320A (zh) 群体电动汽车灵活性计算方法、装置、电子设备和存储介质
CN115130727A (zh) 一种新能源纯电公交车夜间充电调度方法
CN110588429A (zh) 群控充电桩智能终端优化方案
EP3885182A1 (en) Power calculation apparatus and power calculation method
CN113580997B (zh) 一种基于用户习惯的三度调度充电方法
CN116937581B (zh) 一种充电站的智能调度方法

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