CN117236559A - 一种基于物联网的智能充电桩数据分析方法和装置 - Google Patents
一种基于物联网的智能充电桩数据分析方法和装置 Download PDFInfo
- Publication number
- CN117236559A CN117236559A CN202311254878.3A CN202311254878A CN117236559A CN 117236559 A CN117236559 A CN 117236559A CN 202311254878 A CN202311254878 A CN 202311254878A CN 117236559 A CN117236559 A CN 117236559A
- Authority
- CN
- China
- Prior art keywords
- charging
- charging information
- cluster
- information
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000007405 data analysis Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 230000005856 abnormality Effects 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000006855 networking Effects 0.000 claims 8
- 230000009897 systematic effect Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于物联网的智能充电桩数据分析方法和装置,其中,方法包括:通过对充电节点进行分簇,以簇为单位对充电桩进行智能分析,得到多个目标充电信息簇;根据目标充电信息簇计算所述充电信息集合的异常指标值;根据异常指标值分析智能充电桩的运行状态,并根据所述运行状态调节所述充电桩的充电参数。本发明的有益效果:避免了因局部的个别充电节点进行单一的分析,而是对整个充电桩进行系统性的分析,并且可以根据实际情况对阈值进行设定,避免了在一些其他因素引起的数据异常,使其可以匹配多种场景,进而可以对数据进行智能分析,提高了数据的分析能力,便于相关人员进行智能化调整。
Description
技术领域
本发明涉及充电桩领域,特别涉及一种基于物联网的智能充电桩数据分析方法和装置。
背景技术
通过分析充电桩使用数据,可以了解电动车的充电需求,包括频率、时间、地点等,可用于预测可能存在的设备故障,并及时进行维修,减少服务中断的可能性,从而预测未来的充电需求,以便进行充电设施的规划和部署,在一些具体地实施应用中,由于电网能源供应变化可能影响充电桩的运作,因此需求和供应之间的数据分析可以帮助更有效地管理和优化能源利用。
目前,对于充电桩的数据大多通过传感器采集环境相关参数并设置合适阈值,当一些参数数据高于或者低于阈值时,则判定为对应出现异常状况,然而由于充电过程的情况千变万化,对于阈值的设定要求较高,人为设定阈值具有较大的主观性、随机性,很容易出现误报、漏报的情况,场景适配性低,进而导致无法对数据进行智能分析。
发明内容
本发明的主要目的为提供一种基于物联网的智能充电桩数据分析方法和装置,旨在解决现有技术无法对数据进行智能分析的问题。
本发明提供了一种基于物联网的智能充电桩数据分析方法,其中,所述物联网包括物联网平台和多个充电节点,以及多个充电参数获取单元,所述多个充电参数获取单元与所述多个充电节点分别对应,并用于获取各个充电节点的充电信息,所述充电参数获取单元与所述物联网平台连接,包括:
检测所述充电节点是否正在进行充电操作,并将正在进行充电操作的充电节点记为第一节点;
所述物联网平台通过所述充电参数获取单元,获取各个第一节点的充电信息,得到充电信息集合;
通过预设的聚类算法对所述充电信息集合中各充电信息进行初步聚类,得到多个初始充电信息簇;
根据初始充电信息簇中的数据关联性,计算初始充电信息簇各自对应的聚类半径设定因子;
将聚类半径设定因子最大对应的聚类半径作为各充电信息的目标聚类半径;
根据各充电信息的目标聚类半径得到各充电信息的最小包含点数;
结合预设的聚类算法以及各数据的目标聚类半径和最小包含点数对充电信息集合中的充电信息进行聚类分析,得到多个目标充电信息簇;
根据目标充电信息簇计算所述充电信息集合的异常指标值;
根据异常指标值分析智能充电桩的运行状态,并根据所述运行状态调节所述充电桩的充电参数。
进一步地,所述根据目标充电信息簇计算所述充电信息集合的异常指标值的步骤,包括:
根据公式计算所述异常指标值;其中,/>表示归一化操作,n表示目标充电信息簇的个数,表示目标充电信息簇的核心点数据,/>表示第v个充电信息集合的异常指标值,表示第v个充电信息集合中数据均值的方差。
进一步地,所述根据初始充电信息簇中的数据关联性,计算初始充电信息簇各自对应的聚类半径设定因子的步骤,包括:
根据公式计算所述聚类半径设定因子;其中,/>表示第k个初始充电信息簇对应的聚类半径设定因子,/>表示第k个初始充电信息簇中的第j个数据,/>表示第k个初始充电信息簇对应的数据极差,/>表示第k个初始充电簇中的数据总数,/>表示第k个初始充电信息簇的核心点数据。
进一步地,所述根据异常指标值分析智能充电桩的运行状态,并根据所述运行状态调节所述充电桩的充电参数的步骤,包括:
根据异常指标值分析智能充电桩的运行状态;
根据所述运行状态获取每个目标充电信息簇的充电数量,以及各个第一节点的充电信息;
根据各个目标充电信息簇的充电数量以及充电信息重新设定各个目标充电信息簇的充电参数;
根据所述充电参数设置每个目标充电信息簇的充电方案;
根据所述充电方案调节所述充电桩的充电参数。
进一步地,所述检测所述充电节点是否正在进行充电操作,并将正在进行充电操作的充电节点记为第一节点的步骤之前,还包括:
检测各个充电节点是否具有新的电动车进行充电操作;
若具有充电操作,则通过充电的最小启动功率对其进行初始充电。
本发明提供了一种基于物联网的智能充电桩数据分析装置,其中,所述物联网包括物联网平台和多个充电节点,以及多个充电参数获取单元,所述多个充电参数获取单元与所述多个充电节点分别对应,并用于获取各个充电节点的充电信息,所述充电参数获取单元与所述物联网平台连接,包括:
检测模块,用于检测所述充电节点是否正在进行充电操作,并将正在进行充电操作的充电节点记为第一节点;
获取模块,所述物联网平台用于通过所述充电参数获取单元,获取各个第一节点的充电信息,得到充电信息集合;
聚类模块,用于通过预设的聚类算法对所述充电信息集合中各充电信息进行初步聚类,得到多个初始充电信息簇;
第一计算模块,用于根据初始充电信息簇中的数据关联性,计算初始充电信息簇各自对应的聚类半径设定因子;
作为模块,用于将聚类半径设定因子最大对应的聚类半径作为各充电信息的目标聚类半径;
第二计算模块,用于根据各充电信息的目标聚类半径得到各充电信息的最小包含点数;
分析模块,用于结合预设的聚类算法以及各数据的目标聚类半径和最小包含点数对充电信息集合中的充电信息进行聚类分析,得到多个目标充电信息簇;
第三计算模块,用于根据目标充电信息簇计算所述充电信息集合的异常指标值;
调节模块,用于根据异常指标值分析智能充电桩的运行状态,并根据所述运行状态调节所述充电桩的充电参数。
进一步地,所述第三计算模块,包括:
第一计算子模块,用于根据公式计算所述异常指标值;其中,/>表示归一化操作,n表示目标充电信息簇的个数,/>表示目标充电信息簇的核心点数据,/>表示第v个充电信息集合的异常指标值,/>表示第v个充电信息集合中数据均值的方差。
进一步地,所述第一计算模块,包括:
第二计算子模块,用于根据公式计算所述聚类半径设定因子;其中,/>表示第k个初始充电信息簇对应的聚类半径设定因子,/>表示第k个初始充电信息簇中的第j个数据,/>表示第k个初始充电信息簇对应的数据极差,/>表示第k个初始充电簇中的数据总数,/>表示第k个初始充电信息簇的核心点数据。
进一步地,所述调节模块,包括:
运行状态分析子模块,用于根据异常指标值分析智能充电桩的运行状态;
充电数量获取子模块,用于根据所述运行状态获取每个目标充电信息簇的充电数量,以及各个第一节点的充电信息;
充电参数设定子模块,用于根据各个目标充电信息簇的充电数量以及充电信息重新设定各个目标充电信息簇的充电参数;
充电方案设置子模块,用于根据所述充电参数设置每个目标充电信息簇的充电方案;
充电参数调节子模块,用于根据所述充电方案调节所述充电桩的充电参数。
进一步地,所述基于物联网的智能充电桩数据分析装置,还包括:
电动车检测模块,用于检测各个充电节点是否具有新的电动车进行充电操作;
初始充电模块,用于若具有充电操作,则通过充电的最小启动功率对其进行初始充电。
本发明的有益效果:通过对充电节点进行分簇,以簇为单位对充电桩进行智能分析,避免因局部的个别充电节点进行单一的分析,而是对整个充电桩进行系统性的分析,并且可以根据实际情况对阈值进行设定,避免了在一些其他因素引起的数据异常,使其可以匹配多种场景,进而可以对数据进行智能分析,极大地提高了数据的分析能力,便于相关人员进行智能化调整。
附图说明
图1 是本发明一实施例的一种基于物联网的智能充电桩数据分析方法的流程示意图;
图2 是本发明一实施例的一种基于物联网的智能充电桩数据分析装置的结构示意框图;
图3 为本申请一实施例的计算机设备的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变,所述的连接可以是直接连接,也可以是间接连接。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参照图1,本发明提出一种基于物联网的智能充电桩数据分析方法,其中,所述物联网包括物联网平台和多个充电节点,以及多个充电参数获取单元,所述多个充电参数获取单元与所述多个充电节点分别对应,并用于获取各个充电节点的充电信息,所述充电参数获取单元与所述物联网平台连接,包括:
S1:检测所述充电节点是否正在进行充电操作,并将正在进行充电操作的充电节点记为第一节点;
S2:所述物联网平台通过所述充电参数获取单元,获取各个第一节点的充电信息,得到充电信息集合;
S3:通过预设的聚类算法对所述充电信息集合中各充电信息进行初步聚类,得到多个初始充电信息簇;
S4:根据初始充电信息簇中的数据关联性,计算初始充电信息簇各自对应的聚类半径设定因子;
S5:将聚类半径设定因子最大对应的聚类半径作为各充电信息的目标聚类半径;
S6:根据各充电信息的目标聚类半径得到各充电信息的最小包含点数;
S7:结合预设的聚类算法以及各数据的目标聚类半径和最小包含点数对充电信息集合中的充电信息进行聚类分析,得到多个目标充电信息簇;
S8:根据目标充电信息簇计算所述充电信息集合的异常指标值;
S9:根据异常指标值分析智能充电桩的运行状态,并根据所述运行状态调节所述充电桩的充电参数。
如上述步骤S1所述,检测所述充电节点是否正在进行充电操作,并将正在进行充电操作的充电节点记为第一节点。具体地,系统定期或实时检查所有已连接的充电节点的状态,可以通常通过网络连接(例如蓝牙、WiFi或物联网技术)完成。系统对每个节点进行检查,需要从节点收集数据,例如电流、电压或其他相关信息。当一个节点正在充电,那么它就会把这个节点标记或记录为第一节点。用于后续的处理或分析。
如上述步骤S2所述,所述物联网平台通过所述充电参数获取单元,获取各个第一节点的充电信息,得到充电信息集合。其中,物联网平台是一个连接和管理所有充电节点的中心系统。它可以接收、处理和发送信息,以对整个网络进行监控和调度。充电参数获取单元的任务是从各个节点收集充电信息,包括但不限于当前电量、充电速度、连接状态、充电功率等。这些信息通过物联网技术(例如WiFi、蓝牙或其他 wireless protocol)在充电节点和物联网平台之间传输。然后将获取的第一节点的充电信息进汇总,形成一个充电信息集合,可以便于进一步地数据分析。
如上述步骤S3-S4所述,通过预设的聚类算法对所述充电信息集合中各充电信息进行初步聚类,得到多个初始充电信息簇。算法的目的是对数据进行分类,以便找出相似性或关联性。常用的聚类算法有K-means,层次聚类,DBSCAN等。应用这种算法于收集到的充电信息集合。这可能涉及到根据不同的参数(例如充电速度、充电时间、充电电量等)将不同的充电信息分类,得到多个初始充电信息簇,每个簇应包含相似或相关的充电信息。在一个具体地实施例中,本申请采用DBSCAN(Density-Based SpatialClustering of Applicationswith Noise)聚类算法进行初步聚类,即预先设置聚类半径的最大值Rmax以及最小值Rmin,依次从Rmin开始进行聚类分析,以及设定最小包含点数,直至簇的数量在预先设定的范围内,从而可以得到多个初始充电信息簇,然后根据公式计算每个初始充电信息簇的聚类半径设定因子,对于聚类过程中,聚类半径设置过大会出现误分类的情况,设置过小,则会出现簇内数据不足的现象,因此,本实施例对聚类过程中的聚类半径进行自适应调控,以优化聚类效果,提高聚类精度,进而提高后续的分析过程,/>表示第k个初始充电信息簇的核心点数据,即通过DBSCAN聚类算法选定的核心点数据。
如上述步骤S5-S6所述,将聚类半径设定因子最大对应的聚类半径作为各充电信息的目标聚类半径;根据各充电信息的目标聚类半径得到各充电信息的最小包含点数;结合预设的聚类算法以及各数据的目标聚类半径和最小包含点数对充电信息集合中的充电信息进行聚类分析,得到多个目标充电信息簇。一般而言,聚类半径设定因子越大,对应充电信息的聚类效果越好,因此,本实施例将充电信息的聚类半径设定因子最大所对应的r值,作为充电信息的最佳聚类半径;获取充电信息的最佳聚类半径后,为进一步提高聚类效果,避免最小包含点数的设定不佳对充电信息聚类效果的影响,因此,本实施例将根据充电信息的最佳聚类半径对数据对应的最小包含点数进行自适应设定,若充电信息对应的最佳聚类半径较大时,如果设置较小的充电信息最小包含点数,则容易导致将不同类别的充电信息误判为同一充电信息簇,造成较多的数据误分类问题,若充电信息对应的最佳聚类半径较小,而充电信息最小包含点数设置较大,将导致每个充电信息都是一个独立的类别,无法实现数据聚类的效果,出现较为极端的情况,因此,本实施例将自适应设定充电信息最小包含点数,具体为:
根据公式,其中,/>表示向下取整函数,/>表示目标距离半径,/>表示最小包含点数。
如上述步骤S7所述,结合预设的聚类算法以及各数据的目标聚类半径和最小包含点数对充电信息集合中的充电信息进行聚类分析,得到多个目标充电信息簇;在获取了目标聚类半径以及最小包含点数后可以通过DBSCAN聚类方法,对充电信息集合中的数据重新进行聚类得到多个目标充电信息簇。
如上述步骤S8-S9所述,根据目标充电信息簇计算所述充电信息集合的异常指标值,根据异常指标值分析智能充电桩的运行状态,并根据所述运行状态调节所述充电桩的充电参数。根据充电信息的异常指标值,本实施例将对充电桩室内情况进行监测,对于异常指标值高于异常阈值,发出预警提示,根据结果对充电桩参数的设备进行适当的调控,实现了充电桩各个充电节点之间交互处理过程。具体的调控方法实施者可根据实际情况自行设定,需要说明的是,异常指标值阈值实施者可自行设定。从而实现了对充电节点进行分簇,以簇为单位对充电桩进行智能分析,避免因局部的个别充电节点进行单一的分析,而是对整个充电桩进行系统性的分析,并且可以根据实际情况对阈值进行设定,避免了在一些其他因素(如供电不足)引起的数据异常,使其可以匹配多种场景,进而可以对数据进行智能分析,极大地提高了数据的分析能力,便于相关人员进行智能化调整。
在一个实施例中,所述根据目标充电信息簇计算所述充电信息集合的异常指标值的步骤S8,包括:
S801:根据公式计算所述异常指标值;其中,/>表示归一化操作,n表示目标充电信息簇的个数,表示目标充电信息簇的核心点数据,/>表示第v个充电信息集合的异常指标值,表示第v个充电信息集合中数据均值的方差。
如上述步骤S801所述,根据公式计算所述异常指标值,当异常值越大,其对应的异常情况越严重,异常指标值也就越大。需要说明的是,在一些实施例中,可能值存在一个目标充电信息簇的情况,此种情况,可以对聚类半径和最小包含点数进行重新设定,例如按照预设的比例缩小聚类半径,或者逐一减小最小包含点数,直至目标充电信息簇的个数至少为2个。
在一个实施例中,所述根据初始充电信息簇中的数据关联性,计算初始充电信息簇各自对应的聚类半径设定因子的步骤S4,包括:
S401:根据公式计算所述聚类半径设定因子;其中,/>表示第k个初始充电信息簇对应的聚类半径设定因子,/>表示第k个初始充电信息簇中的第j个数据,/>表示第k个初始充电信息簇对应的数据极差,/>表示第k个初始充电簇中的数据总数,/>表示第k个初始充电信息簇的核心点数据。
在一个实施例中,所述根据异常指标值分析智能充电桩的运行状态,并根据所述运行状态调节所述充电桩的充电参数的步骤S9,包括:
S901:根据异常指标值分析智能充电桩的运行状态;
S902:根据所述运行状态获取每个目标充电信息簇的充电数量,以及各个第一节点的充电信息;
S903:根据各个目标充电信息簇的充电数量以及充电信息重新设定各个目标充电信息簇的充电参数;
S904:根据所述充电参数设置每个目标充电信息簇的充电方案;
S905:根据所述充电方案调节所述充电桩的充电参数。
如上述步骤S901所述,根据异常指标值分析智能充电桩的运行状态。其中,运行状态是一种可以反应充电桩运行的情况,即可以预先设置异常指标值与运行状态的对应的关系,即根据异常指标值可以直接得到对应的运行状态,例如为正常运行,超负荷运行,低负荷运行等。
如上述步骤S902所述,根据所述运行状态获取每个目标充电信息簇的充电数量,以及各个第一节点的充电信息。其中,由于目标充电信息簇可以直接进行确定,即目标充电信息簇中的第一节点可以直接确定,因此可以直接从充电参数获取单元处获取到对应的第一节点的充电信息。
如上述步骤S903所述,根据各个目标充电信息簇的充电数量以及充电信息重新设定各个目标充电信息簇的充电信息,具体地,设定的方式不作限定,由相关人员根据供电情况以及充电数量进行统一的设定,此举是可以重新设定其充电信息,以簇为单位进行设定,从而可以保证簇之间的充电功率的均衡,即保证了充电桩的各个充电接口的大致平衡。
如上述步骤S904-S905所述,在获取到了充电参数后,可以直接设定其充电方案,该设定的方式可以是由相关人员人为设定,也可以是在获取到了相关的充电参数后,进行系统的计算,自行进行设定,本申请对此不作限定,然后根据充电方案进行充电。
在一个实施例中,所述检测所述充电节点是否正在进行充电操作,并将正在进行充电操作的充电节点记为第一节点的步骤S1之前,还包括:
S001:检测各个充电节点是否具有新的电动车进行充电操作;
S002:若具有充电操作,则通过充电的最小启动功率对其进行初始充电。
如上述步骤S001-S002所述,当前充电功率应该需要大于充电枪最低启动功率时,需要说明的是,为了应付一些情况,充电功率不会全部分配给第一节点,而是会预留一些充电功率,此时在接入新的电动车后,可以以其最低启动功率充电;且根据厂站不同,优先调控充不同,如小区充电站优先降直流充电桩功率、商业厂站优先降交流桩充电功率,从而保证电动车的最低充电功率,避免电能的浪费,然后再进行调整。
本发明的有益效果:通过对充电节点进行分簇,以簇为单位对充电桩进行智能分析,避免因局部的个别充电节点进行单一的分析,而是对整个充电桩进行系统性的分析,并且可以根据实际情况对阈值进行设定,避免了在一些其他因素引起的数据异常,使其可以匹配多种场景,进而可以对数据进行智能分析,极大地提高了数据的分析能力,便于相关人员进行智能化调整。
参照图2,本发明提供了一种基于物联网的智能充电桩数据分析装置,其中,所述物联网包括物联网平台和多个充电节点,以及多个充电参数获取单元,所述多个充电参数获取单元与所述多个充电节点分别对应,并用于获取各个充电节点的充电信息,所述充电参数获取单元与所述物联网平台连接,包括:
检测模块10,用于检测所述充电节点是否正在进行充电操作,并将正在进行充电操作的充电节点记为第一节点;
获取模块20,所述物联网平台用于通过所述充电参数获取单元,获取各个第一节点的充电信息,得到充电信息集合;
聚类模块30,用于通过预设的聚类算法对所述充电信息集合中各充电信息进行初步聚类,得到多个初始充电信息簇;
第一计算模块40,用于根据初始充电信息簇中的数据关联性,计算初始充电信息簇各自对应的聚类半径设定因子;
作为模块50,用于将聚类半径设定因子最大对应的聚类半径作为各充电信息的目标聚类半径;
第二计算模块60,用于根据各充电信息的目标聚类半径得到各充电信息的最小包含点数;
分析模块70,用于结合预设的聚类算法以及各数据的目标聚类半径和最小包含点数对充电信息集合中的充电信息进行聚类分析,得到多个目标充电信息簇;
第三计算模块80,用于根据目标充电信息簇计算所述充电信息集合的异常指标值;
调节模块90,用于根据异常指标值分析智能充电桩的运行状态,并根据所述运行状态调节所述充电桩的充电参数。
在一个实施例中,所述第三计算模块80,包括:
第一计算子模块,用于根据公式计算所述异常指标值;其中,/>表示归一化操作,n表示目标充电信息簇的个数,/>表示目标充电信息簇的核心点数据,/>表示第v个充电信息集合的异常指标值,/>表示第v个充电信息集合中数据均值的方差。
在一个实施例中,所述第一计算模块40,包括:
第二计算子模块,用于根据公式计算所述聚类半径设定因子;其中,/>表示第k个初始充电信息簇对应的聚类半径设定因子,/>表示第k个初始充电信息簇中的第j个数据,/>表示第k个初始充电信息簇对应的数据极差,/>表示第k个初始充电簇中的数据总数,/>表示第k个初始充电信息簇的核心点数据。
在一个实施例中,所述调节模块90,包括:
运行状态分析子模块,用于根据异常指标值分析智能充电桩的运行状态;
充电数量获取子模块,用于根据所述运行状态获取每个目标充电信息簇的充电数量,以及各个第一节点的充电信息;
充电参数设定子模块,用于根据各个目标充电信息簇的充电数量以及充电信息重新设定各个目标充电信息簇的充电参数;
充电方案设置子模块,用于根据所述充电参数设置每个目标充电信息簇的充电方案;
充电参数调节子模块,用于根据所述充电方案调节所述充电桩的充电参数。
在一个实施例中,所述基于物联网的智能充电桩数据分析装置,还包括:
电动车检测模块,用于检测各个充电节点是否具有新的电动车进行充电操作;
初始充电模块,用于若具有充电操作,则通过充电的最小启动功率对其进行初始充电。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各种充电信息等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时可以实现上述任一实施例所述的基于物联网的智能充电桩数据分析方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时可以实现上述任一实施例所述的基于物联网的智能充电桩数据分析方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM一多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种基于物联网的智能充电桩数据分析方法,其中,所述物联网包括物联网平台和多个充电节点,以及多个充电参数获取单元,所述多个充电参数获取单元与所述多个充电节点分别对应,并用于获取各个充电节点的充电信息,所述充电参数获取单元与所述物联网平台连接,其特征在于,包括:
检测所述充电节点是否正在进行充电操作,并将正在进行充电操作的充电节点记为第一节点;
所述物联网平台通过所述充电参数获取单元,获取各个第一节点的充电信息,得到充电信息集合;
通过预设的聚类算法对所述充电信息集合中各充电信息进行初步聚类,得到多个初始充电信息簇;
根据初始充电信息簇中的数据关联性,计算初始充电信息簇各自对应的聚类半径设定因子;
将聚类半径设定因子最大对应的聚类半径作为各充电信息的目标聚类半径;
根据各充电信息的目标聚类半径得到各充电信息的最小包含点数;
结合预设的聚类算法以及各数据的目标聚类半径和最小包含点数对充电信息集合中的充电信息进行聚类分析,得到多个目标充电信息簇;
根据目标充电信息簇计算所述充电信息集合的异常指标值;
根据异常指标值分析智能充电桩的运行状态,并根据所述运行状态调节所述充电桩的充电参数。
2.如权利要求1所述的基于物联网的智能充电桩数据分析方法,其特征在于,所述根据目标充电信息簇计算所述充电信息集合的异常指标值的步骤,包括:
根据公式计算所述异常指标值;其中,/>表示归一化操作,n表示目标充电信息簇的个数,表示目标充电信息簇的核心点数据,/>表示第v个充电信息集合的异常指标值,/>表示第v个充电信息集合中数据均值的方差。
3.如权利要求1所述的基于物联网的智能充电桩数据分析方法,其特征在于,所述根据初始充电信息簇中的数据关联性,计算初始充电信息簇各自对应的聚类半径设定因子的步骤,包括:
根据公式计算所述聚类半径设定因子;其中,/>表示第k个初始充电信息簇对应的聚类半径设定因子,/>表示第k个初始充电信息簇中的第j个数据,表示第k个初始充电信息簇对应的数据极差,/>表示第k个初始充电簇中的数据总数,/>表示第k个初始充电信息簇的核心点数据。
4.如权利要求1所述的基于物联网的智能充电桩数据分析方法,其特征在于,所述根据异常指标值分析智能充电桩的运行状态,并根据所述运行状态调节所述充电桩的充电参数的步骤,包括:
根据异常指标值分析智能充电桩的运行状态;
根据所述运行状态获取每个目标充电信息簇的充电数量,以及各个第一节点的充电信息;
根据各个目标充电信息簇的充电数量以及充电信息重新设定各个目标充电信息簇的充电参数;
根据所述充电参数设置每个目标充电信息簇的充电方案;
根据所述充电方案调节所述充电桩的充电参数。
5.如权利要求1所述的基于物联网的智能充电桩数据分析方法,其特征在于,所述检测所述充电节点是否正在进行充电操作,并将正在进行充电操作的充电节点记为第一节点的步骤之前,还包括:
检测各个充电节点是否具有新的电动车进行充电操作;
若具有充电操作,则通过充电的最小启动功率对其进行初始充电。
6.一种基于物联网的智能充电桩数据分析装置,其中,所述物联网包括物联网平台和多个充电节点,以及多个充电参数获取单元,所述多个充电参数获取单元与所述多个充电节点分别对应,并用于获取各个充电节点的充电信息,所述充电参数获取单元与所述物联网平台连接,其特征在于,包括:
检测模块,用于检测所述充电节点是否正在进行充电操作,并将正在进行充电操作的充电节点记为第一节点;
获取模块,所述物联网平台用于通过所述充电参数获取单元,获取各个第一节点的充电信息,得到充电信息集合;
聚类模块,用于通过预设的聚类算法对所述充电信息集合中各充电信息进行初步聚类,得到多个初始充电信息簇;
第一计算模块,用于根据初始充电信息簇中的数据关联性,计算初始充电信息簇各自对应的聚类半径设定因子;
作为模块,用于将聚类半径设定因子最大对应的聚类半径作为各充电信息的目标聚类半径;
第二计算模块,用于根据各充电信息的目标聚类半径得到各充电信息的最小包含点数;
分析模块,用于结合预设的聚类算法以及各数据的目标聚类半径和最小包含点数对充电信息集合中的充电信息进行聚类分析,得到多个目标充电信息簇;
第三计算模块,用于根据目标充电信息簇计算所述充电信息集合的异常指标值;
调节模块,用于根据异常指标值分析智能充电桩的运行状态,并根据所述运行状态调节所述充电桩的充电参数。
7.如权利要求6所述的基于物联网的智能充电桩数据分析装置,其特征在于,所述第三计算模块,包括:
第一计算子模块,用于根据公式计算所述异常指标值;其中,/>表示归一化操作,n表示目标充电信息簇的个数,表示目标充电信息簇的核心点数据,/>表示第v个充电信息集合的异常指标值,/>表示第v个充电信息集合中数据均值的方差。
8.如权利要求6所述的基于物联网的智能充电桩数据分析装置,其特征在于,所述第一计算模块,包括:
第二计算子模块,用于根据公式计算所述聚类半径设定因子;其中,/>表示第k个初始充电信息簇对应的聚类半径设定因子,/>表示第k个初始充电信息簇中的第j个数据,/>表示第k个初始充电信息簇对应的数据极差,/>表示第k个初始充电簇中的数据总数,/>表示第k个初始充电信息簇的核心点数据。
9.如权利要求6所述的基于物联网的智能充电桩数据分析装置,其特征在于,所述调节模块,包括:
运行状态分析子模块,用于根据异常指标值分析智能充电桩的运行状态;
充电数量获取子模块,用于根据所述运行状态获取每个目标充电信息簇的充电数量,以及各个第一节点的充电信息;
充电参数设定子模块,用于根据各个目标充电信息簇的充电数量以及充电信息重新设定各个目标充电信息簇的充电参数;
充电方案设置子模块,用于根据所述充电参数设置每个目标充电信息簇的充电方案;
充电参数调节子模块,用于根据所述充电方案调节所述充电桩的充电参数。
10.如权利要求6所述的基于物联网的智能充电桩数据分析装置,其特征在于,所述基于物联网的智能充电桩数据分析装置,还包括:
电动车检测模块,用于检测各个充电节点是否具有新的电动车进行充电操作;
初始充电模块,用于若具有充电操作,则通过充电的最小启动功率对其进行初始充电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311254878.3A CN117236559A (zh) | 2023-09-27 | 2023-09-27 | 一种基于物联网的智能充电桩数据分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311254878.3A CN117236559A (zh) | 2023-09-27 | 2023-09-27 | 一种基于物联网的智能充电桩数据分析方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117236559A true CN117236559A (zh) | 2023-12-15 |
Family
ID=89096488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311254878.3A Pending CN117236559A (zh) | 2023-09-27 | 2023-09-27 | 一种基于物联网的智能充电桩数据分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117236559A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117565728A (zh) * | 2024-01-17 | 2024-02-20 | 新汽有限公司 | 一种新能源汽车充电设备数据采集系统 |
-
2023
- 2023-09-27 CN CN202311254878.3A patent/CN117236559A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117565728A (zh) * | 2024-01-17 | 2024-02-20 | 新汽有限公司 | 一种新能源汽车充电设备数据采集系统 |
CN117565728B (zh) * | 2024-01-17 | 2024-03-22 | 新汽有限公司 | 一种新能源汽车充电设备数据采集系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180260723A1 (en) | Anomaly detection for context-dependent data | |
CN117236559A (zh) | 一种基于物联网的智能充电桩数据分析方法和装置 | |
US20230108309A1 (en) | Methods and systems for gas meter replacement prompt based on a smart gas internet of things | |
CN109934453A (zh) | 设备健康等级的确定方法及装置、存储介质、电子装置 | |
CN108195031A (zh) | 空调控制方法和装置 | |
CN111078512A (zh) | 告警记录生成方法、装置、告警设备及存储介质 | |
CN105654134B (zh) | 一种基于有监督自反馈的情景感知系统及其工作方法与应用 | |
Zhu et al. | Solar power ramp event forewarning with limited historical observations | |
CN113781767A (zh) | 一种基于多源感知的交通数据融合方法及系统 | |
CN113254250B (zh) | 数据库服务器异常成因检测方法、装置、设备和存储介质 | |
CN112187884A (zh) | 物联网终端设备调度方法及系统 | |
CN101142559B (zh) | 对计算机控制的处理进行监视的方法与系统 | |
CN113222013A (zh) | 一种多系统差异数据巡检方法、系统和存储介质 | |
CN117291576A (zh) | 一种基于工业场景数据趋势预测的方法、系统、计算机设备及存储介质 | |
CN112904148A (zh) | 智能电缆运行监测系统、方法及装置 | |
CN105992213A (zh) | 智能路由器、云端服务器及智能路由器启停系统 | |
CN111428858A (zh) | 样本数量的确定方法、装置、电子设备及存储介质 | |
CN111338876A (zh) | 一种故障模式与影响分析的决策方法、系统及存储介质 | |
CN110502346A (zh) | 一种集群环境下资源信息管理系统及方法 | |
CN110807014A (zh) | 一种基于交叉验证的台区数据异常甄别方法和装置 | |
CN115618286A (zh) | 变压器局部放电类型识别方法、系统、设备、终端及应用 | |
CN110544182B (zh) | 一种基于机器学习技术的配电通信网融合控制方法及系统 | |
CN113129160A (zh) | 一种基于设备状态感知和智能化的电力通信网络巡检方法 | |
CN117273397B (zh) | 一种应用于实验室的智慧型管理平台 | |
CN117575291B (zh) | 基于边缘参数熵的联邦学习的数据协同管理方法 |
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 |