CN117175750B - 可移动式储能充电设备的充放电控制方法及系统 - Google Patents

Abstract

本发明提供了可移动式储能充电设备的充放电控制方法及系统，涉及充放电控制技术领域，包括：接收充电需求并建立需求特征，执行管理单元自检，进行自检结果匹配定位可移动式储能充电设备，并配置充电策略，读取实时设备数据，包括设备余电数据、设备预存电量和设备电池实时温度，建立实时环境数据集输入充放电控制网络，完成网络初始化，通过温控拟合子网络处理前置控温拟合生成前置充电参数，并将控温拟合结果同步至常态寻优子网络输出常态充电参数，进行充放电控制。本发明解决了现有技术中充电需求的管理以及充电设备的配置往往基于静态的时间调度，并且人工干预较多，缺乏智能化和个性化的管理，导致充电效率低下的技术问题。

Description

可移动式储能充电设备的充放电控制方法及系统

技术领域

本发明涉及充放电控制技术领域，具体涉及可移动式储能充电设备的充放电控制方法及系统。

背景技术

可移动式储能充电设备主要用于为移动设备、电动车辆和其他电池供电，传统的充电设备通常缺乏智能化和个性化的管理方法，限制了其性能和适应性，一方面，传统充电设备的充电过程往往基于静态的时间调度或用户手动干预，缺乏智能分析和个性化处理充电需求的能力，无法智能化地管理和满足多样化的充电需求，导致充电效率低下、用户满意度不高；另一方面，传统充电设备缺乏智能的方法来自动化设备管理，导致设备定位和配置不够精确，影响了充电效率和设备管理的效率。

因此需要一种新的可移动式储能充电设备的充放电控制方法，解决现有技术中存在的问题，提高可移动式储能充电设备的充电效率、用户满意度和设备管理的精确性。

发明内容

本申请通过提供了可移动式储能充电设备的充放电控制方法及系统，旨在解决现有技术中充电需求的管理以及充电设备的配置往往基于静态的时间调度，并且人工干预较多，缺乏智能化和个性化的管理，导致充电效率低下的技术问题。

鉴于上述问题，本申请提供了可移动式储能充电设备的充放电控制方法及系统。

本申请公开的第一个方面，提供了可移动式储能充电设备的充放电控制方法，所述方法包括：接收充电需求，并建立需求特征，所述需求特征通过解析所述充电需求提取构建而成，所述充电需求通过建立与用户的通信连接获得；执行管理单元自检，并依据所述需求特征进行自检结果匹配，定位可移动式储能充电设备，并配置充电策略；控制所述可移动式储能充电设备移动，并建立可移动式储能充电设备与用户设备的设备通信；读取所述用户设备的实时设备数据，所述实时设备数据包括设备余电数据、设备预存电量和设备电池实时温度；建立实时环境数据集，将所述环境数据集、所述实时设备数据和所述充电策略输入充放电控制网络，依据初始化单元读取充电策略后，完成所述充放电控制网络的网络初始化，并通过初始化完成的温控拟合子网络处理前置控温拟合，生成前置充电参数，并将控温拟合结果同步至常态寻优子网络，通过常态寻优子网络输出常态充电参数；通过所述前置充电参数和所述常态充电参数进行充放电控制。

本申请公开的另一个方面，提供了可移动式储能充电设备的充放电控制系统，所述系统用于上述方法，所述系统包括：需求特征构建模块，所述需求特征构建模块用于接收充电需求，并建立需求特征，所述需求特征通过解析所述充电需求提取构建而成，所述充电需求通过建立与用户的通信连接获得；充电策略配置模块，所述充电策略配置模块用于执行管理单元自检，并依据所述需求特征进行自检结果匹配，定位可移动式储能充电设备，并配置充电策略；设备通信建立模块，所述设备通信建立模块用于控制所述可移动式储能充电设备移动，并建立可移动式储能充电设备与用户设备的设备通信；设备数据读取模块，所述设备数据读取模块用于读取所述用户设备的实时设备数据，所述实时设备数据包括设备余电数据、设备预存电量和设备电池实时温度；常态参数获取模块，所述常态参数获取模块用于建立实时环境数据集，将所述环境数据集、所述实时设备数据和所述充电策略输入充放电控制网络，依据初始化单元读取充电策略后，完成所述充放电控制网络的网络初始化，并通过初始化完成的温控拟合子网络处理前置控温拟合，生成前置充电参数，并将控温拟合结果同步至常态寻优子网络，通过常态寻优子网络输出常态充电参数；充放电控制模块，所述充放电控制模块用于通过所述前置充电参数和所述常态充电参数进行充放电控制。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

通过解析充电需求并提取需求特征，能够更好地了解用户的需求，从而实现更个性化的充电控制；通过自检和需求特征匹配有助于准确定位可移动式储能充电设备，并为其配置适当的充电策略，提高了设备管理的效率；通过读取用户设备的实时数据，包括设备余电数据、预存电量和电池温度，能够更准确地了解设备状态，以便实时调整充电策略；通过充放电控制网络的网络初始化和温控拟合子网络的使用，有助于更智能地控制充电过程，结合前置控温拟合和常态寻优，实现更高效的充电控制；生成的前置充电参数和常态充电参数能够更好地适应不同的充电需求和环境条件，提高了充电过程的性能和效率。总的来说，该方法通过智能化的需求分析、设备管理和充电控制，提高了可移动式储能充电设备的充电效率、用户满意度和设备管理的精确性。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了可移动式储能充电设备的充放电控制方法流程示意图；

图2为本申请实施例提供了可移动式储能充电设备的充放电控制系统结构示意图。

附图标记说明：需求特征构建模块10，充电策略配置模块20，设备通信建立模块30，设备数据读取模块40，常态参数获取模块50，充放电控制模块60。

具体实施方式

本申请实施例通过提供可移动式储能充电设备的充放电控制方法，解决了现有技术中充电需求的管理以及充电设备的配置往往基于静态的时间调度，并且人工干预较多，缺乏智能化和个性化的管理，导致充电效率低下的技术问题。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了可移动式储能充电设备的充放电控制方法，所述方法包括：

接收充电需求，并建立需求特征，所述需求特征通过解析所述充电需求提取构建而成，所述充电需求通过建立与用户的通信连接获得；

接收来自用户或其他源的充电需求，这个充电需求包括用户要求充电的设备、所需的充电量、充电的时间等信息，这些需求通过与用户的通信连接来获取，例如通过应用程序、远程控制、传感器等方式。

将接收到的充电需求进行解析和处理，以提取构建需求特征，需求特征是从充电需求中提取出的关键信息，包括但不限于充电目标设备的身份、所需的电量、充电的时间窗口等，这些特征将在后续步骤中用于配置充电策略和控制可移动式储能充电设备的行为，有助于系统根据用户需求有效地管理充电过程。

执行管理单元自检，并依据所述需求特征进行自检结果匹配，定位可移动式储能充电设备，并配置充电策略；

对管理单元进行自检，管理单元是可移动式储能充电设备中的一个关键组件，负责控制充电过程的执行，自检旨在确保管理单元正常运作并能够进行后续的充电控制，以及筛选出空闲充电设备。将自检的结果与需求特征进行匹配，基于自检结果和需求特征，定位符合需求的可移动式储能充电设备，包括确定设备的位置、状态、容量等信息，以便进一步配置充电策略。

根据需求特征、自检结果和设备定位信息，制定充电策略，充电策略包括充电速率、充电时间、充电模式等，以确保充电过程满足用户需求和设备的特定要求，示例性的，根据设备的容量和电池类型，配置充电速率，即每单位时间内输送电能的速度，充电速率可以是恒定的或动态调整的，以根据需求和设备状态进行优化；确定充电的时间窗口，这可以是用户指定的时间段，或者根据设备的状态和能源供应的可用性来动态调整，充电时间的合理安排可以确保设备在需要时始终处于充电状态。

这个过程旨在确保设备状态良好，并根据用户需求和设备特性制定适当的充电计划和策略，以实现高效充电。

控制所述可移动式储能充电设备移动，并建立可移动式储能充电设备与用户设备的设备通信；

使用相关的控制机制，例如电动驱动、轮子或其他运动设备，来控制可移动式储能充电设备的移动，将设备移动到用户设备所在的位置。当可移动式储能充电设备移动到适当的位置，建立设备之间的通信渠道，包括无线通信、蓝牙、Wi-Fi、有线连接等，以便设备之间能够交换信息和指令。在通信建立后，对用户设备进行识别，可以通过设备的唯一标识、用户身份验证、应用程序授权等方式来实现，以确保充电设备与正确的用户设备进行通信。

一旦通信建立，可移动式储能充电设备和用户设备之间可以交换数据，包括充电需求信息、充电进度、设备状态、电量传输等，这些数据交换是为了确保充电过程的有效进行以及设备之间的协同工作，以进行后续的充电操作。

读取所述用户设备的实时设备数据，所述实时设备数据包括设备余电数据、设备预存电量和设备电池实时温度；

读取用户设备的实时余电数据，即用户设备当前剩余的电量，这个数据可以用来确定用户设备是否需要充电，以及确定充电的优先级和策略，余电数据以电量百分比或电池容量的形式表示。

读取用户设备的预存电量信息，指设备预先存储的电量，可以用于应对紧急情况或特定的使用需求，获取预存电量可以帮助系统更好地管理充电过程，以避免耗尽设备电量。

读取设备电池实时温度，电池的温度对充电过程和电池寿命都有重要影响，高温或低温都可能对电池性能产生负面影响，通过获取设备电池的实时温度数据，确保充电过程在适当的温度范围内进行。

这些实时设备数据的读取是为了根据用户设备的实际状态和需求来调整充电策略，系统可以根据余电数据判断是否需要充电，根据预存电量来优化充电过程，而电池温度数据则有助于确保充电过程的安全性和电池寿命。总之，这些数据提供了关于设备状态和性能的关键信息，有助于系统根据实际情况制定最佳的充电策略。

建立实时环境数据集，将所述环境数据集、所述实时设备数据和所述充电策略输入充放电控制网络，依据初始化单元读取充电策略后，完成所述充放电控制网络的网络初始化，并通过初始化完成的温控拟合子网络处理前置控温拟合，生成前置充电参数，并将控温拟合结果同步至常态寻优子网络，通过常态寻优子网络输出常态充电参数；

采集和整理与充电过程相关的实时环境数据，这些数据包括温度、湿度、天气状况、电网状态、光照强度等信息，这些数据可以影响充电速率、充电效率和电池寿命。

将实时环境数据、实时设备数据和已配置的充电策略输入充放电控制网络，这个网络包括初始化单元、温控拟合子网络、常态寻优子网络，用于优化充电过程，通过输入数据让网络了解当前环境和设备状态，以作出相应的充电控制决策。

通过初始化单元读取预先配置的充电策略，该策略用于指导充电过程的控制，使用充电策略设定初始充电参数，如初始充电速率、初始充电时间等，这些参数提供了一个合理的起点，以便充电控制网络能够根据充电策略进行进一步调整。加载充放电控制网络，将上述充电参数应用到充放电控制网络中，使网络处于初始化状态，此时，网络已经配置初始充电参数，并准备好接收实时环境数据、实时设备数据，用于后续的充电控制和优化。网络初始化的主要目标是为充放电控制网络提供一个合适的起始点，以便它能够在后续的充电过程中根据实际情况和设备需求来进行精确的控制。

温控拟合子网络是一个专门用于监测和调整电池温度的子系统，它基于实时温度数据，通过模型拟合和控制算法来自动调整充电策略以控制电池温度，进而确保电池在安全的温度范围内运行，这个子网络可以是线性模型、时序模型或其他统计模型。

具体地，获取历史温度数据，通过分析这些数据来识别温度变化的模式和趋势，包括分析不同时间尺度的数据，以查找季节性、周期性或随机性的变化。利用历史温度数据训练温控拟合子网络，在训练过程中，模型尝试适应历史温度数据，以更好地预测未来的温度趋势。训练完成后，模型可以用于预测未来一段时间内电池温度的变化趋势，这个预测结果可以用于制定控温策略，包括调整充电速率、降低放电速率、改变冷却系统的运行等，以维持电池温度在安全范围内。

在控温过程中，将实时设备数据中的电池温度信息输入到温控拟合子网络中，并将其与模型预测进行比较，根据实际温度和预测的差异，可以实时调整控温策略，以确保电池温度始终保持在安全范围内。基于温控拟合子网络的处理结果，生成前置充电参数，这些参数包括但不限于充电速率、充电时间、充电模式等，用于调整充电控制网络的决策，以确保充电过程符合设定的电池温度要求。

将控温拟合子网络生成的温度控制相关参数，例如电池温度的趋势、需要调整的充电速率等，传递至常态寻优子网络，这个同步操作确保了常态寻优子网络具有最新的关于电池状态和温度控制的信息。

常态寻优子网络用于继续优化充电策略，以满足设备需求和环境条件，以此确保充电策略在整个充电过程中保持一致性。具体地，将控温拟合的结果同步到常态寻优子网络，常态寻优子网络根据温度控制参数以及实时环境数据、实时设备数据进行计算和分析，结合电池的状态、外部环境因素和电池性能等，生成优化的常态充电参数，包括充电速率、充电时间、电池状态的监测等，这些参数用于实际的充电操作，以满足设备需求、电池健康和效率要求。

总之，这个充放电控制网络通过同步和交互，使控温拟合子网络和常态寻优子网络协同工作，以确保电池在充电过程中保持适当的温度范围，同时满足设备需求和电池健康管理的要求，获得的常态充电参数最终用于实际充电操作的指导，以实现高效、安全的充电。

通过所述前置充电参数和所述常态充电参数进行充放电控制。

在充放电控制的过程中，持续接收实时的环境数据和设备数据，基于前置充电参数和常态充电参数，以及实时数据的输入，执行充电控制操作，包括调整充电速率、充电时间和充电模式，以满足电池温度控制、设备需求和电池健康管理的要求。在充电过程中，持续监测电池温度和其他关键参数，如果有不正常的情况或温度超出安全范围，系统实时调整充电策略以确保电池的安全性，直到设定的充电任务完成。

通过使用前置充电参数和常态充电参数，实现对充电过程的精确控制，以满足电池温度控制、设备需求和电池健康管理等多重目标，这确保了电池充电的高效性和安全性，同时有助于延长电池的寿命和性能。

进一步而言，所述方法还包括：

基于所述前置充电参数和所述常态充电参数配置反馈时间节点；

在所述反馈时间节点执行传感器数据采集，生成节点验证数据集，所述节点验证数据集包括温度验证数据、电流验证数据；

依据所述节点验证数据集进行充放电控制的预测分析，基于预测分析结果建立补偿校正空间；

通过所述补偿校正空间进行充放电控制补偿。

基于前置充电参数和常态充电参数配置反馈时间节点，这些时间节点并不是独立的点，而是具有恒定间隔的采集点，定义反馈时间节点的间隔，这可以是固定的时间间隔，例如每分钟一次，也可以根据系统要求和电池特性来动态调整，反馈时间节点的选择取决于需要实时监测的程度和精度。

温度验证数据是通过温度传感器采集的电池温度信息，这些数据用于验证电池的实际温度与控温拟合和常态充电参数中的温度预测之间的一致性，温度验证数据有助于确保电池在安全温度范围内充电，从而防止过热或过冷的情况。

电流验证数据是通过电流传感器采集的电池的电流信息，这些数据用于验证电池的实际电流与控温拟合和常态充电参数中的电流预测之间的一致性，电流验证数据有助于监测电池的充电速率和电荷状态，以确保充电过程符合设备需求和电池管理的要求。

对节点验证数据集进行分析，包括对温度验证数据和电流验证数据的处理和比较，以确定电池状态和温度的实际趋势，示例性的，确定关键节点，并根据所述关键节点对所述反馈时间节点进行关联分析，确定关联节点数据，并通过所述关联节点数据进行时序拟合，生成预测分析结果。

基于预测分析的结果，建立补偿校正空间，其中包含了不同的补偿校正策略，以应对不同的电池状态和温度变化，这些策略包括调整充电速率、改变充电时间、调整冷却系统的操作等，旨在保持电池在安全温度范围内，并满足设备需求。

通过建立的补偿校正空间，根据实时监测的数据和预测分析的结果，选择合适的补偿策略来调整充电速率、充电时间和其他相关参数，以保持电池在安全温度范围内并满足设备需求，这个补偿过程是在充电过程中持续进行的，以确保电池状态和温度得到有效的控制和管理，从而保障充电过程的安全性和质量。

进一步而言，所述方法还包括：

基于所述前置充电参数和所述常态充电参数确定关键节点，并根据所述关键节点对所述反馈时间节点进行关联分析，确定关联节点；

调用所述节点验证数据集中的关联节点数据，并通过所述关联节点数据进行时序拟合，生成第一预测拟合结果；

调用所述节点验证数据集中的非关联节点数据，并通过非关联节点数据进行控制偏离分析，生成第二预测拟合结果；

通过所述第一预测拟合结果和所述第二预测拟合结果生成所述预测分析结果。

基于所述前置充电参数和常态充电参数确定关键节点，包括充电阶段的开始、结束、电流调整等重要时刻。对这些关键节点进行关联分析，确定每个关键节点的前置节点，即与该关键节点相关的早期节点，以进行评价和校正，关联分析考虑了充电过程的时间序列特性和参数变化，以确定合适的关联节点。关联节点就是关键节点的前置节点，因为如果只通过在关键节点验证，会出现响应不及时的问题，所以通过关联节点提前进行评价校正。

从节点验证数据集中调用与关键节点相关的关联节点数据，这些数据包括温度验证数据和电流验证数据，用于进行时序拟合。使用调用的关联节点数据，执行时序拟合操作，时序拟合是一种数学分析技术，用于将数据拟合到一个连续的函数或曲线上，以便预测未来的趋势，具体的，使用时序拟合模型，例如ARIMA模型，使用关联节点数据的时间序列，训练选定的时序拟合模型，在训练过程中，模型会学习数据中的趋势、季节性和周期性模式，以便预测未来值，完成模型训练后，使用训练好的模型对未来时间段内的电池状态和温度进行预测，生成第一预测拟合结果，反映了电池在不考虑控制偏离的情况下的预期行为。生成的第一预测拟合结果提供了一个基准预测，用于指导后续的充放电控制和校正操作，这个预测结果在后续步骤中用于制定最终的充电策略，以确保电池在安全温度范围内并符合设备需求地进行充电。

从节点验证数据集中调用非关联节点数据，这些数据是与关键节点无关的数据，同样包括温度验证数据和电流验证数据。

使用调用的非关联节点数据，执行控制偏离分析，用于检测电池状态和温度与预期值之间的偏离，具体地，基于历史数据和相关参数设置，确定电池状态，包括如电流、温度，的预期值，对于每个非关联节点的数据点，计算其实际值与预期值之间的差异。这个差异称为偏离值，如果偏离值超过预定的阈值，例如，超出预期范围的10%，那么这个数据点被标记为异常点。对于被标识的异常点，进行深入的数据分析以确定可能的原因，包括对相邻数据点、相关参数或其他影响因素的检查。

基于控制偏离分析的结果，生成第二预测拟合结果，这包括对电池状态和温度的修正预测，以考虑控制偏离分析中发现的问题并制定校正策略。第二预测拟合结果提供了一种修正的预测，考虑了可能的问题和偏离，这个预测结果将与第一预测拟合结果结合使用，以制定最终的充电策略。

将第一预测拟合结果和第二预测拟合结果结合在一起，基于两个拟合结果的不同特点，为它们分配不同的调整控制权重，这些权重用于指导后续的充放电控制和校正操作，以确保在不同时段内兼顾预测的准确性和及时性。结合拟合结果和调整控制权重后，生成最终的预测分析结果，这个结果包括了电池状态、温度预测以及相应的校正策略，以确保电池在充电过程中保持在安全温度范围内，并满足设备需求。

通过综合考虑不同时段的拟合结果和相应的权重，能够更全面地预测和控制充电过程，以满足电池管理的要求和确保电池的安全性和性能，这有助于优化充电过程，提高其质量和可控性。

进一步而言，所述方法还包括：

基于所述充电策略确定损失特征，并以所述损失特征作为寻优控制目标，执行所述第一预测拟合结果和所述第二预测拟合结果的补偿充电参数寻优；

基于补偿充电参数寻优结果配置验证节点；

通过所述补偿充电参数寻优结果和所述验证节点完成所述补偿校正空间的建立。

根据先前制定的充电策略，确定用于评估充电效果的指标，例如时间损失、成本损失、电池损失等。采集相关的数据，包括充电过程中的实际性能数据和环境数据，这些数据包括充电速度、电池状态、电池温度、电价等。

根据所选的充电效果评估指标，确定损失特征，这些特征是用于评估充电效果的指标，例如，如果选择时间损失作为策略，那么时间特征就包括充电所需时间和实际充电时间之间的差异。建立损失函数，将损失特征映射到一个数值上，这个函数可以是线性的、非线性的，也可以包括权重因子，以反映不同特征的相对重要性，例如，如果时间和电池损失都被考虑，可以构建一个综合的损失函数，将它们结合在一起。将建立的损失函数作为寻优控制的目标函数，这意味着在充电过程中，将尝试最小化损失函数的值，以实现最佳的充电效果。

将第一和第二预测拟合结果进行比较，以计算拟合结果之间的差异，如均方误差或其他误差测度，通过比较有助于确定哪些方面需要调整和优化。基于比较的结果，执行参数寻优，以调整充电控制参数，进而减小拟合误差并提高充电的准确性。

具体地，选择合适的优化算法，如梯度下降、遗传算法或模拟退火等，以寻找最佳的参数组合，使用上述目标函数衡量拟合误差，以便在参数寻优过程中进行最小化。根据实际情况和具体需求，划定充电参数的可行范围，在该范围内自动、随机地调整充电参数，包括充电速度、电压、电流等，以减小误差并使拟合结果更加精确，获得多组参数组合，使用所述目标函数对多组参数组合进行损失评估，并根据评估结果不断地调整参数组合，包括增加、减少参数值，目标是最小化所述目标函数。迭代上述过程，直到拟合误差达到目标水平或迭代次数达到预设数量，获取到补偿充电参数寻优的结果，该结果是经过优化过程得到的最佳参数组合，旨在最小化或减少损失特征的发生。通过这一过程，就可以实现不断优化充电参数，以确保充电的准确性和效率，进而减小误差并提高充电性能。

获取经过补偿充电参数寻优后的最佳参数组合，根据充电控制系统的需求和设计，确定需要配置验证节点的位置和数量，验证节点是电池中的特定位置，用于监测和验证充电性能。

根据最佳参数组合，配置验证节点，包括设置节点的位置、传感器、数据采集设备和通信接口，以确保能够实时监测充电过程的各个方面。配置的验证节点可以实时采集相关数据，例如电池状态、温度、电流、电压等，当验证节点配置完成，系统可以实时监测充电过程，同时使用配置的节点数据进行验证，如果充电性能与预期不符，可以根据验证节点的数据进行校正，例如调整充电速度、电流或其他参数，以确保充电过程的准确性和效率。

基于补偿充电参数寻优结果和验证节点的数据，将数据进行整合，建立补偿校正空间，这是一个包含校正策略和参数调整的空间，用于实时校正充电过程，以确保性能的准确性和稳定性。

进一步而言，所述方法还包括：

对所述可移动式储能充电设备进行设备的执行数据监测，建立执行数据集，所述执行数据集包括本体温度数据、执行电流数据；

基于所述前置充电参数和所述常态充电参数进行所述执行数据集的执行验证，生成可移动式储能充电设备的评价数据集；

通过所述评价数据集进行与所述需求特征的适配更新，基于更新结果进行充电管理。

在可移动式储能充电设备上安装温度传感器和电流传感器，温度传感器用于实时监测设备的本体温度，获取本体温度数据；电流传感器用于测量设备的电流，获取执行电流数据。将本体温度数据和执行电流数据组合成一个执行数据集，这个数据集包含了关于设备执行情况的信息，可以用于进一步的分析和控制。

前置充电参数是设备在开始充电前的期望参数，而常态充电参数是设备在正常充电操作中应满足的参数，这些参数包括温度范围、电流范围、电压范围等。使用它们对执行数据集中的数据进行验证，将参数应用于执行数据集中的本体温度数据和执行电流数据，并比较预测结果与实际观察结果之间的差异，在验证完成后，生成可移动式储能充电设备的评价数据集，这个评价数据集包含了针对不同充电参数的执行数据集的评估结果，可以用于评估不同充电参数设置的性能和效果。

对评价数据集进行分析，以了解不同充电参数设置下的设备性能，包括对性能指标、误差分析、数据趋势等的评估，根据需求特征和评价数据集的分析结果，系统进行适配更新，包括调整充电参数、优化控制策略、改进校正算法等，以满足需求特征并提高充电管理的准确性和效率。

基于适配更新的结果，将更新后的充电管理方法应用于实际充电过程中，根据新的充电参数和控制策略进行充电管理，以满足需求特征并优化充电性能。通过与评价数据集的适配更新，并基于更新结果进行充电管理，系统能够根据需求特征优化充电过程，提高充电管理的精确度和效率。

进一步而言，所述方法还包括：

设定更换的预定匹配阈值；

获取当前节点的自检结果，并定位自检结果中的更新可移动式储能充电设备；

判断所述更新可移动式储能充电设备和所述评价数据集的差值是否触发所述预定匹配阈值；

若触发所述预定匹配阈值，则基于所述更新可移动式储能设备重新进行充放电规划。

根据设备的具体特性和需求设定预定匹配阈值，用于衡量设备性能，确定设备何时需要进行更换或采取维护措施。系统将定期或实时监测相关参数或性能数据，并将其与设定的更换的预定匹配阈值进行比较，当监测到相关参数或性能数据达到设定的更换的预定匹配阈值时，系统将触发相应的操作，如设备更换、维护警报或其他必要的措施。

执行自检操作，包括对设备硬件状态、连接性能、电池状态、电子元件状态等方面的检查，获取当前节点的自检结果，包括设备的健康状态、故障信息、性能参数等。对自检结果进行分析，包括查看自检结果中的异常数据、错误代码、警报信息等，以确定是否有设备需要更新或维护。如果在自检结果中发现了需要更新的设备，则定位出这些设备的具体位置，并对定位到的更新设备的信息进行记录，生成相应的报告，这些报告包括设备的标识、问题描述、建议维护或更新的操作等。更新可移动式储能充电设备指需要进行维护、更新或替换的可移动式储能充电设备，为根据自检结果确定的设备。

将获取的更新可移动式储能充电设备的性能数据与评价数据集中的性能数据进行比较，计算这些性能数据之间的差值，将计算得到的差值与预定匹配阈值进行比较，如果计算得到的差值超过了预定匹配阈值，则判定触发了触发条件，这表示更新后的可移动式储能充电设备的性能数据与评价数据集存在显著差异，需要采取相应的措施。

如果计算得到的差值超过了预定匹配阈值，采集有关更新可移动式储能充电设备的详细信息，包括设备的参数、性能数据、存在的问题或差异等，具体包括设备型号、序列号、设备状态、温度、电流、电压等相关数据。根据更新设备的数据和触发条件，制定新的充放电规划，包括调整充电速率、电压设置、充电温度范围、充电时间等参数，以适应新的设备状态和要求。

进一步而言，所述方法还包括：

建立节点的使用频率关联因子，所述使用频率关联因子通过采集历史节点的使用数据提取获得；

获取当前节点的实时使用频率，通过所述实时使用频率和所述使用频率关联因子进行频率预测，生成频率预测结果；

通过所述频率预测结果进行所述预定匹配阈值补偿，根据补偿结果完成差值判定。

收集历史节点的使用数据，包括节点的启动和关闭时间、使用持续时间、充电次数、放电次数等，这些数据可以通过传感器、记录设备活动的日志文件获取，基于历史节点的使用数据，使用机器学习方法，例如基于神经网络建立频率预测模型，采用历史数据的一部分对模型进行训练，然后用剩余的数据进行验证，使其能够准确地预测节点的使用频率，通过训练好的模型，计算使用频率关联因子，这个因子是一个权重，反映了节点使用频率的趋势。

通过传感器、设备记录等，获取当前节点的实时使用数据，包括节点的活动时间、运行状态、电池充电状态、电池温度等，使用频率预测模型来预测节点的使用频率，模型将实时使用数据作为输入，结合关联因子，生成频率预测结果，这些结果表示未来节点的预计使用频率。

使用预测频率结果对预定匹配阈值进行补偿，如果预测频率结果与预定匹配阈值之间存在偏差，可以根据这个偏差对阈值进行调整，补偿的目的是确保匹配阈值能够更准确地反映当前的系统状态。使用补偿之后的所述预定匹配阈值，对所述更新可移动式储能充电设备和所述评价数据集的差值进行判定，这个过程实现根据实际情况对匹配阈值进行动态调整，以确保系统对使用频率的预测和应对更加精准和高效。

综上所述，本申请实施例所提供的可移动式储能充电设备的充放电控制方法及系统具有如下技术效果：

通过解析充电需求并提取需求特征，能够更好地了解用户的需求，从而实现更个性化的充电控制；通过自检和需求特征匹配有助于准确定位可移动式储能充电设备，并为其配置适当的充电策略，提高了设备管理的效率；通过读取用户设备的实时数据，包括设备余电数据、预存电量和电池温度，能够更准确地了解设备状态，以便实时调整充电策略；通过充放电控制网络的网络初始化和温控拟合子网络的使用，有助于更智能地控制充电过程，结合前置控温拟合和常态寻优，实现更高效的充电控制；生成的前置充电参数和常态充电参数能够更好地适应不同的充电需求和环境条件，提高了充电过程的性能和效率。总的来说，该方法通过智能化的需求分析、设备管理和充电控制，提高了可移动式储能充电设备的充电效率、用户满意度和设备管理的精确性。

实施例二

基于与前述实施例中可移动式储能充电设备的充放电控制方法相同的发明构思，如图2所示，本申请提供了可移动式储能充电设备的充放电控制系统，所述系统包括：

需求特征构建模块10，所述需求特征构建模块10用于接收充电需求，并建立需求特征，所述需求特征通过解析所述充电需求提取构建而成，所述充电需求通过建立与用户的通信连接获得；

充电策略配置模块20，所述充电策略配置模块20用于执行管理单元自检，并依据所述需求特征进行自检结果匹配，定位可移动式储能充电设备，并配置充电策略；

设备通信建立模块30，所述设备通信建立模块30用于控制所述可移动式储能充电设备移动，并建立可移动式储能充电设备与用户设备的设备通信；

设备数据读取模块40，所述设备数据读取模块40用于读取所述用户设备的实时设备数据，所述实时设备数据包括设备余电数据、设备预存电量和设备电池实时温度；

常态参数获取模块50，所述常态参数获取模块50用于建立实时环境数据集，将所述环境数据集、所述实时设备数据和所述充电策略输入充放电控制网络，依据初始化单元读取充电策略后，完成所述充放电控制网络的网络初始化，并通过初始化完成的温控拟合子网络处理前置控温拟合，生成前置充电参数，并将控温拟合结果同步至常态寻优子网络，通过常态寻优子网络输出常态充电参数；

充放电控制模块60，所述充放电控制模块60用于通过所述前置充电参数和所述常态充电参数进行充放电控制。

进一步而言，所述系统还包括充放电控制补偿模块，以执行如下操作步骤：

基于所述前置充电参数和所述常态充电参数配置反馈时间节点；

在所述反馈时间节点执行传感器数据采集，生成节点验证数据集，所述节点验证数据集包括温度验证数据、电流验证数据；

依据所述节点验证数据集进行充放电控制的预测分析，基于预测分析结果建立补偿校正空间；

通过所述补偿校正空间进行充放电控制补偿。

进一步而言，所述系统还包括预测分析结果生成模块，以执行如下操作步骤：

基于所述前置充电参数和所述常态充电参数确定关键节点，并根据所述关键节点对所述反馈时间节点进行关联分析，确定关联节点；

调用所述节点验证数据集中的关联节点数据，并通过所述关联节点数据进行时序拟合，生成第一预测拟合结果；

调用所述节点验证数据集中的非关联节点数据，并通过非关联节点数据进行控制偏离分析，生成第二预测拟合结果；

通过所述第一预测拟合结果和所述第二预测拟合结果生成所述预测分析结果。

进一步而言，所述系统还包括补偿校正空间建立模块，以执行如下操作步骤：

基于所述充电策略确定损失特征，并以所述损失特征作为寻优控制目标，执行所述第一预测拟合结果和所述第二预测拟合结果的补偿充电参数寻优；

基于补偿充电参数寻优结果配置验证节点；

通过所述补偿充电参数寻优结果和所述验证节点完成所述补偿校正空间的建立。

进一步而言，所述系统还包括充电管理模块，以执行如下操作步骤：

对所述可移动式储能充电设备进行设备的执行数据监测，建立执行数据集，所述执行数据集包括本体温度数据、执行电流数据；

基于所述前置充电参数和所述常态充电参数进行所述执行数据集的执行验证，生成可移动式储能充电设备的评价数据集；

通过所述评价数据集进行与所述需求特征的适配更新，基于更新结果进行充电管理。

进一步而言，所述系统还包括充放电规划模块，以执行如下操作步骤：

设定更换的预定匹配阈值；

获取当前节点的自检结果，并定位自检结果中的更新可移动式储能充电设备；

判断所述更新可移动式储能充电设备和所述评价数据集的差值是否触发所述预定匹配阈值；

若触发所述预定匹配阈值，则基于所述更新可移动式储能设备重新进行充放电规划。

进一步而言，所述系统还包括差值判定模块，以执行如下操作步骤：

建立节点的使用频率关联因子，所述使用频率关联因子通过采集历史节点的使用数据提取获得；

获取当前节点的实时使用频率，通过所述实时使用频率和所述使用频率关联因子进行频率预测，生成频率预测结果；

通过所述频率预测结果进行所述预定匹配阈值补偿，根据补偿结果完成差值判定。

本说明书通过前述对可移动式储能充电设备的充放电控制方法的详细描述，本领域技术人员可以清楚得知道本实施例中可移动式储能充电设备的充放电控制方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.可移动式储能充电设备的充放电控制方法，其特征在于，所述方法包括：

接收充电需求，并建立需求特征，所述需求特征通过解析所述充电需求提取构建而成，所述充电需求通过建立与用户的通信连接获得，所述需求特征包括充电目标设备的身份、所需的电量和充电的时间窗口；

执行管理单元自检，并依据所述需求特征进行自检结果匹配，定位可移动式储能充电设备，并配置充电策略，所述充电策略包括充电速率、充电时间和充电模式；

控制所述可移动式储能充电设备移动，并建立可移动式储能充电设备与用户设备的设备通信；

读取所述用户设备的实时设备数据，所述实时设备数据包括设备余电数据、设备预存电量和设备电池实时温度；

建立实时环境数据集，将所述环境数据集、所述实时设备数据和所述充电策略输入充放电控制网络，依据初始化单元读取充电策略后，完成所述充放电控制网络的网络初始化，并通过初始化完成的温控拟合子网络处理前置控温拟合，生成前置充电参数，并将控温拟合结果同步至常态寻优子网络，通过常态寻优子网络输出常态充电参数，其中，所述充放电控制网络包括初始化单元、温控拟合子网络、常态寻优子网络，用于优化充电过程；所述温控拟合子网络是用于监测和调整电池温度的子系统，基于实时温度数据，通过模型拟合和控制算法来自动调整充电策略以控制电池温度，确保电池在安全的温度范围内运行；所述常态寻优子网络用于继续优化充电策略，以满足设备需求和环境条件，确保充电策略在整个充电过程中保持一致性；所述前置充电参数包括充电速率、充电时间和充电模式，所述常态充电参数包括充电速率、 充电时间和电池状态的监测；

通过所述前置充电参数和所述常态充电参数进行充放电控制。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述前置充电参数和所述常态充电参数配置反馈时间节点；

在所述反馈时间节点执行传感器数据采集，生成节点验证数据集，所述节点验证数据集包括温度验证数据、电流验证数据；

依据所述节点验证数据集进行充放电控制的预测分析，基于预测分析结果建立补偿校正空间，所述补偿校正空间包含了不同的补偿校正策略，所述补偿校正策略包括调整充电速率、改变充电时间和调整冷却系统的操作；

通过所述补偿校正空间进行充放电控制补偿。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

基于所述前置充电参数和所述常态充电参数确定关键节点，并根据所述关键节点对所述反馈时间节点进行关联分析，确定关联节点，其中，所述关键节点包括充电阶段的开始、结束和电流调整，对所述关键节点进行关联分析，确定每个关键节点的前置节点，即与所述关键节点相关的早期节点，确定所述关联节点，所述关联节点为关键节点的前置节点；

调用所述节点验证数据集中的关联节点数据，并通过所述关联节点数据进行时序拟合，生成第一预测拟合结果；调用所述节点验证数据集中的非关联节点数据，并通过非关联节点数据进行控制偏离分析，生成第二预测拟合结果，所述非关联节点数据是与关键节点无关的数据，包括温度验证数据和电流验证数据；

通过所述第一预测拟合结果和所述第二预测拟合结果生成所述预测分析结果。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

基于所述充电策略确定损失特征，并以所述损失特征作为寻优控制目标，执行所述第一预测拟合结果和所述第二预测拟合结果的补偿充电参数寻优，所述损失特征是用于评估充电效果的指标，所述补偿充电参数包括充电速度、电压和电流；

基于补偿充电参数寻优结果配置验证节点；

通过所述补偿充电参数寻优结果和所述验证节点完成所述补偿校正空间的建立。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

对所述可移动式储能充电设备进行设备的执行数据监测，建立执行数据集，所述执行数据集包括本体温度数据、执行电流数据；

基于所述前置充电参数和所述常态充电参数进行所述执行数据集的执行验证，生成可移动式储能充电设备的评价数据集，包括：将所述前置充电参数和所述常态充电参数应用于执行数据集中的本体温度数据和执行电流数据，比较预测结果与实际观察结果之间的差异，在验证完成后，生成可移动式储能充电设备的评价数据集，所述评价数据集包含了针对不同充电参数的执行数据集的评估结果；

通过所述评价数据集进行与所述需求特征的适配更新，基于更新结果进行充电管理。

6.如权利要求5所述的方法，其特征在于，所述方法还包括：

设定更换的预定匹配阈值；

获取当前节点的自检结果，并定位自检结果中的更新可移动式储能充电设备；

判断所述更新可移动式储能充电设备和所述评价数据集的差值是否触发所述预定匹配阈值；

若触发所述预定匹配阈值，则基于所述更新可移动式储能设备重新进行充放电规划。

7.如权利要求6所述的方法，其特征在于，所述方法还包括：

建立节点的使用频率关联因子，所述使用频率关联因子通过采集历史节点的使用数据提取获得，包括：通过采集节点的启动和关闭时间、使用持续时间、充电次数和放电次数的历史节点的使用数据，基于神经网络建立频率预测模型，通过训练好的模型，采用历史节点的使用数据计算使用频率关联因子，所述使用频率关联因子用于反映节点使用频率的趋势；

获取当前节点的实时使用频率，通过所述实时使用频率和所述使用频率关联因子进行频率预测，生成频率预测结果；

通过所述频率预测结果进行所述预定匹配阈值补偿，根据补偿结果完成差值判定。

8.可移动式储能充电设备的充放电控制系统，其特征在于，用于实施权利要求1-7任一项所述的可移动式储能充电设备的充放电控制方法，包括：

需求特征构建模块，所述需求特征构建模块用于接收充电需求，并建立需求特征，所述需求特征通过解析所述充电需求提取构建而成，所述充电需求通过建立与用户的通信连接获得，所述需求特征包括充电目标设备的身份、所需的电量和充电的时间窗口；

充电策略配置模块，所述充电策略配置模块用于执行管理单元自检，并依据所述需求特征进行自检结果匹配，定位可移动式储能充电设备，并配置充电策略，所述充电策略包括充电速率、充电时间和充电模式；

设备通信建立模块，所述设备通信建立模块用于控制所述可移动式储能充电设备移动，并建立可移动式储能充电设备与用户设备的设备通信；

设备数据读取模块，所述设备数据读取模块用于读取所述用户设备的实时设备数据，所述实时设备数据包括设备余电数据、设备预存电量和设备电池实时温度；

常态参数获取模块，所述常态参数获取模块用于建立实时环境数据集，将所述环境数据集、所述实时设备数据和所述充电策略输入充放电控制网络，依据初始化单元读取充电策略后，完成所述充放电控制网络的网络初始化，并通过初始化完成的温控拟合子网络处理前置控温拟合，生成前置充电参数，并将控温拟合结果同步至常态寻优子网络，通过常态寻优子网络输出常态充电参数，其中，所述充放电控制网络包括初始化单元、温控拟合子网络、常态寻优子网络，用于优化充电过程；所述温控拟合子网络是用于监测和调整电池温度的子系统，基于实时温度数据，通过模型拟合和控制算法来自动调整充电策略以控制电池温度，确保电池在安全的温度范围内运行；所述常态寻优子网络用于继续优化充电策略，以满足设备需求和环境条件，确保充电策略在整个充电过程中保持一致性；所述前置充电参数包括充电速率、充电时间和充电模式，所述常态充电参数包括充电速率、 充电时间和电池状态的监测；

充放电控制模块，所述充放电控制模块用于通过所述前置充电参数和所述常态充电参数进行充放电控制。