CN117301936A - 电动汽车充电负荷控制方法、装置、电子设备及存储介质 - Google Patents
电动汽车充电负荷控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117301936A CN117301936A CN202311620733.0A CN202311620733A CN117301936A CN 117301936 A CN117301936 A CN 117301936A CN 202311620733 A CN202311620733 A CN 202311620733A CN 117301936 A CN117301936 A CN 117301936A
- Authority
- CN
- China
- Prior art keywords
- charging
- target
- condition information
- load
- historical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000004044 response Effects 0.000 claims abstract description 49
- 230000000670 limiting effect Effects 0.000 claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 abstract description 17
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006353 environmental stress Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- 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
- B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
-
- 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
- B60L53/63—Monitoring or controlling charging stations in response to network capacity
-
- 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
- B60L53/67—Controlling two or more charging stations
-
- 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
- B60L53/68—Off-site monitoring or control, e.g. remote control
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请提供一种电动汽车充电负荷控制方法、装置、电子设备及存储介质，该方法包括获取目标充电站的目标日期的目标条件信息；确定与所述目标条件信息对应的相似历史条件信息，并确定所述相似历史条件信息对应的相似历史日期；将相似历史日期对应的历史充电负荷以及相似历史条件信息输入到训练获取的负荷预测模型中，得到所述目标日期的预测充电负荷；基于所述预测充电负荷确定所述目标充电站的响应功率限制曲线；基于所述充电参数与所述响应功率限制曲线控制各个所述目标充电桩为电动汽车充电的负荷，根据当前充电站内充电桩充电参数，结合限电需求，综合控制各个充电桩为电动汽车充电的负荷，在满足限电需求的情况下，使每辆车能够有电可充。
Description
技术领域
本申请涉及电动汽车充电技术领域，尤其涉及一种电动汽车充电负荷控制方法、装置、电子设备及存储介质。
背景技术
发展电动汽车是应对能源危机、缓解环境压力并实现可持续发展的重要手段。受车主交通行为和充电习惯等不确定性因素的影响，电动汽车充电具有随机特性，而随着电动汽车保有量的快速增长，给电力系统的规划和安全稳定运行带来巨大挑战。为了保证电网的稳定运行和在极端限电、需求响应情况最大程度满足用户充电需求，需要根据实际情况动态调整充电桩的功率。
但是，目前相关技术在面对限电需求时，很多电力系统运营商无法精准控制充电场站内每个充电桩的功率，导致只能关闭部分或者全部充电桩，既影响了用户的充电体验，还导致运营商口碑下滑，盈利降低。
发明内容
有鉴于此，本申请的目的在于提出一种电动汽车充电负荷控制方法、装置、电子设备及存储介质。
基于上述目的，本申请提供了一种电动汽车充电负荷控制方法，包括：
获取目标充电站的目标日期的目标条件信息；
从所述目标充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，并确定所述相似历史条件信息对应的相似历史日期；
获取所述相似历史日期对应的历史充电负荷，并将所述历史充电负荷以及所述相似历史条件信息输入到训练获取的负荷预测模型中，得到所述目标日期的预测充电负荷；
基于所述预测充电负荷确定所述目标充电站的响应功率限制曲线；
在所述目标日期内，获取所述目标充电站中正在工作的各个目标充电桩的充电参数；
基于所述充电参数与所述响应功率限制曲线控制各个所述目标充电桩为电动汽车充电的负荷。
基于同一发明构思，本申请实施例还提供了一种电动汽车充电负荷控制装置，包括：
第一获取模块，获取目标充电站的目标日期的目标条件信息；
第一确定模块，从所述目标充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，并确定所述相似历史条件信息对应的相似历史日期；
预测模块，获取所述相似历史日期对应的历史充电负荷，并将所述历史充电负荷以及所述相似历史条件信息输入到训练获取的负荷预测模型中，得到所述目标日期的预测充电负荷；
第二确定模块，基于所述预测充电负荷确定所述目标充电站的响应功率限制曲线；
第二获取模块，在所述目标日期内，获取所述目标充电站中正在工作的各个目标充电桩的充电参数；
控制模块，基于所述充电参数与所述响应功率限制曲线控制各个所述目标充电桩为电动汽车充电的负荷。
基于同一发明构思，本申请示例性实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器执行所述程序时实现如上所述的电动汽车充电负荷控制方法。
基于同一发明构思，本申请实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上所述的电动汽车充电负荷控制方法。
从上面所述可以看出，本申请提供的电动汽车充电负荷控制方法、装置、电子设备及存储介质，获取目标充电站的目标日期的目标条件信息；从所述目标充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，并确定所述相似历史条件信息对应的相似历史日期；获取所述相似历史日期对应的历史充电负荷，并将所述历史充电负荷以及所述相似历史条件信息输入到训练获取的负荷预测模型中，得到所述目标日期的预测充电负荷；基于所述预测充电负荷确定所述目标充电站的响应功率限制曲线；在所述目标日期内，获取所述目标充电站中正在工作的各个目标充电桩的充电参数；基于所述充电参数与所述响应功率限制曲线控制各个所述目标充电桩为电动汽车充电的负荷，通过对充电负荷进行预测，掌握各个时段内场站的调节潜力，使运营商更有效地参与需求响应；同时根据当前充电站内充电桩的充电参数，结合限电需求，综合控制各个充电桩为电动汽车充电的负荷，在满足限电需求的情况下，使每辆车能够有电可充，最大限度地提升用户充电体验。
附图说明
为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关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申请的实施例，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的附图。
图1为本申请实施例的一种电动汽车充电负荷控制方法的流程示意图；
图2为本申请实施例的一种负荷预测模型工作过程的流程示意图；
图3为本申请实施例的一种电动汽车充电负荷控制装置的结构示意图；
图4为本申请实施例的一种具体的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
可以理解的是，在使用本申请中各个实施例的技术方案之前，均会通过恰当的方式对所涉及的个人信息的类型、使用范围、使用场景等告知用户，并获得用户的授权。
例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确的提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主的选择是否向执行本申请技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定的实现方式，响应于接受到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本申请的实现方式构成限定，其他满足相关法律法规的方式也可应用于本申请的实现方式中。
如背景技术所述，目前相关技术在面对限电需求时，很多电力系统运营商无法精准控制充电场站内每个充电桩的功率，导致只能按照限电的最低标准功率选择关闭部分或者全部充电桩，使得充场站的运行受到影响，由于充电桩数量的减少，也造成了用户充电体验下降、企业口碑下滑、收益降低等问题。
同时，在确定充电站的需求响应过程中，需要对充电站的充电负荷进行预测，然后根据预测的结果来确定充电站的限电负荷（功率）。当无法准确的对充电站的充电负荷进行预测时，会导致充电站响应的限电负荷不够准确，从而会进一步影响到各个充电桩在限电期间的负荷调整的准确性。而目前相关技术中，一般由运营商通过经验来对充电站的充电负荷进行预测，这无疑降低了充电负荷预测的准确性。
综上所述，为解决上述问题，本申请提出了一种电动汽车充电负荷控制方法，获取目标充电站的目标日期的目标条件信息；从所述目标充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，并确定所述相似历史条件信息对应的相似历史日期；获取所述相似历史日期对应的历史充电负荷，并将所述历史充电负荷以及所述相似历史条件信息输入到训练获取的负荷预测模型中，得到所述目标日期的预测充电负荷；基于所述预测充电负荷确定所述目标充电站的响应功率限制曲线；在所述目标日期内，获取所述目标充电站中正在工作的各个目标充电桩的充电参数；基于所述充电参数与所述响应功率限制曲线控制各个所述目标充电桩为电动汽车充电的负荷，通过对目标充电站的充电负荷进行准确预测，掌握各个时段内场站的调节潜力，使运营商更有效地参与需求响应，得到准确的限定负荷；同时根据当前充电站内充电桩的充电参数，结合限电需求，综合控制各个充电桩为电动汽车充电的负荷，在满足限电需求的情况下，使每辆车能够有电可充，最大限度地提升用户的充电体验。
参考图1，为本申请实施例的一种电动汽车充电负荷控制方法的流程示意图，该方法包括以下步骤：
S101，获取目标充电站的目标日期的目标条件信息。
具体实施时，目标充电站即当前待预测充电负荷的充电站，充电站主要指能够为电动汽车提供充电服务的场站，一般每个充电站包括多个充电桩，每个充电桩能够同时为至少一个电动汽车提供充电服务。目标日期可以是目标充电站任意一天的日期，一般该目标日期主要指目标充电站的未来的某一天，例如，明天、后天、未来24小时等。目标条件信息即为预测目标充电站的充电负荷需要的条件信息，该条件信息一般指可能会影响到充电站的充电负荷的一些相关信息，例如，天气信息、温度信息、节假日信息等相关信息。可以理解的是，不同的天气、温度、节假日和非节假日等可能会影响到电动汽车的出行，进而影响到充电站为电动汽车充电的总量。可选的，目标条件信息中的天气和气温等信息可以通过天气预报来获得，节假日等信息可以通过电子日历来获得。
需要说明的是，需求响应（Demand Response），即电力需求响应的简称，是指当电力批发市场价格升高或系统可靠性受威胁时，电力用户接收到供电方发出的诱导性减少负荷的直接补偿通知或者电力价格上升信号后，改变其固有的习惯用电模式，达到减少或者推移某时段的用电负荷而响应电力供应，从而保障电网稳定，并抑制电价上升的短期行为。
S102，从所述目标充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，并确定所述相似历史条件信息对应的相似历史日期。
具体实施时，对于每个充电站，每天都会产生一些充电数据，这些充电数据包括了条件信息，例如每天的天气、温度等条件信息，而那些日期位于所述目标日期之前且已经产生的条件信息即为历史条件信息。在获取到了目标充电站的目标日期的目标条件信息后，为了更准确的预测目标充电站在目标日期的充电负荷，需要进一步从目标充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，然后确定所述相似历史条件信息对应的相似历史日期，该相似历史日期则被确定为目标日期的相似历史日期。
需要说明的是，本步骤中的相似历史日期并不是指两个相近的日期，例如，昨天和今天。而是指两个日期的条件信息相同或相似，例如，某周一的天气为晴天，温度为25摄氏度，对应的周五的天气也为晴天且温度为24摄氏度 ，则可以将该周一确定为周五的相似历史日期。
为了准确的确定出相似历史条件信息，在一些实施例中，从所述目标充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，具体包括：
计算所述目标条件信息与各个历史条件信息的距离，得到多个距离结果；
对所述多个距离结果按照从小到大的顺序进行排序，并将处于预设排名的距离结果对应的历史条件信息确定为相似历史条件信息。
具体实施时，为了可以从多个历史条件信息中准确的找出相似历史条件信息，可以先依次计算目标条件信息与各个历史条件信息的距离，得到多个距离结果。可选的，在计算目标条件信息与历史条件信息的距离时，可以直接计算两个条件信息的欧式距离，也可以直接将两个条件信息的对应数值的差的绝对值作为两个条件信息的的距离，对此不做限定。在得到各个历史条件信息对应的距离结果后，可以先对多个距离结果按照从小到大的顺序进行排序，然后将处于预设排名的距离结果对应的历史条件信息确定为相似历史条件信息。可选的，该预设排名可以根据需要进行设置，例如，可以设置为第一名或前三名等，该预设排名决定了最终得到的相似历史条件信息，以及相似历史日期的数量。例如，当预设排名为1时，则对应得到的相似历史条件信息的数量唯一，可选的，若此时有多个历史条件信息并列第一，则可以随机从中选择一个历史条件信息作为相似历史条件信息。
在一些实施例中，计算所述目标条件信息与各个历史条件信息的距离，具体包括：
获取目标条件信息包括的各个目标分量条件信息；其中，所述目标分量条件信息包括目标日期类型信息、目标温度信息或目标天气类型信息；
获取历史条件信息包括的各个历史分量条件信息；其中，所述历史分量条件信息包括历史日期类型信息、历史温度信息或历史天气类型信息；
对于每个分量条件信息，计算所述分量条件信息与其对应的历史分量条件信息的距离，得到所述分量条件信息的分量距离结果；
将所述距离结果加权求和后，得到所述目标条件信息与历史条件信息的距离结果。
具体实施时，考虑到目标条件信息可能包括多个分量条件信息，这时为了准确的找出相似历史条件信息，可以先两两计算各个分量条件信息的距离，然后对各个分量条件信息的分量距离结果进行加权求和得到两个条件信息的距离结果。为了方便区分，将历史条件信息包括的各个历史分量条件信息命名为目标日期类型信息、目标温度信息、目标天气类型信息。而将历史分量条件信息命名为历史日期类型信息、历史温度信息、历史天气类型信息。
需要说明的是，分量条件信息一般可以包括日期类型信息、温度信息或天气类型信息，其中，日期类型信息一般包括节假日和非节假日，在计算两个日期类型信息时，可以先分别给节假日和非节假日赋予不同的数值，例如，可以令节假日为1，而非节假日0，这样当两个日期类型信息相同时，二者的距离为0，当两个日期类型信息不相同时，二者的距离为1。温度信息一般指某一天具体的温度，例如，25摄氏度等。在计算两个温度信息的距离时，可以直接用两个温度信息的具体温度数值进行计算，为了使得温度信息的距离与其他分量条件信息的距离在数值上统一，在得到两个温度信息的距离后，可以进行归一化处理。天气类型信息一般包括晴天、阴天、下雨、多云等。在计算两个天气类型信息的距离时，可以直接判断两个天气类型是否相同，若相同则令两个天气类型信息的距离为0，若不同则令两个天气类型信息的距离为1。可选的，为了进一步的提高计算两个天气类型信息的距离准确度，考虑到晴天虽然与多云的天气类型不同，但是二者之间的距离应该小于晴天与下雨之间的距离，因此，在一些实施例中，可以先分别赋予不同的天气类型不同的数值，并使得各个天气类型的数值按照晴天、多云、阴天、下雨的顺序成等差数列，这样当两个天气类型相同时，对应的距离为0，而当两个天气类型在上述顺序中相邻时的距离也会明显小于不相邻的两个天气类型的距离。
S103，获取所述相似历史日期对应的历史充电负荷，并将所述历史充电负荷以及所述相似历史条件信息输入到训练获取的负荷预测模型中，得到所述目标日期的预测充电负荷。
具体实施时，准确的预测目标充电站在目标日期的预测充电负荷，本步骤中通过将获取到的相似历史条件信息，以及相似历史日期对应的历史充电负荷一起输入到了训练获取的负荷预测模型中，然后由负荷预测模型进行预测，得到所述目标日期的预测充电负荷。可选的，预测充电负荷可以是单个数值，也可以是在目标日期内随时间变化的多个数值，对此不做限定。当预测充电负荷为随时间变化的多个数值时，例如，每过15分钟对应一个预测充电负荷，此时对应的输入到负荷预测模型中的历史充电负荷也为随时间变化的多个数值，具体的可以通过矩阵的形式作为模型的输入。
需要说明的是，本申请的发明人发现，在训练负荷预测模型时，若只通过条件信息作为模型的输入，不仅需要大量的样本数据，而且模型预测的准确度较低。为了提高神经网络模型预测的准确性，而且可以降低对样本数据量的要求，在本申请中，同时将历史充电负荷作为预测模型的输入，使得模型能够从历史充电负荷中获取与学习到更多的有用数据，进一步保证了模型输出结果的准确性。同时，本申请的发明人还充分考虑到，与直接将距离目标日期最近的历史充电负荷输入到预测模型相比，预测模型其实想要获得的是更具有代表性的特征数据，而时间最近的历史日期的条件信息可能并不能保证与目标条件信息保一致，例如，对于连续的两天日期，可能第一天是晴天，而第二天是阴天，因此，本申请在将历史充电负荷输入到预测模型之前，先根据目标条件信息从多个历史日期中选出相似历史日期，然后将相似历史日期对应的历史充电负荷作为预测模型的输入，进一步保证了模型预测的准确性。
在一些实施例中，训练负荷预测模型的过程可以参考相关技术中训练神经网络模型的过程，对此不做限定，例如，可以先选择一个神经网络模型作为基准模型，并获取目标充电站的多个历史条件信息以及多个历史日期的历史充电负荷，然后从多个历史日期中挑选出作为预测结果标签的标签历史日期，接着对于每个标签历史日期，确定其对应的相似历史日期，然后将该相似历史日期的历史充电负荷以及历史条件信息作为基准模型的输入，输入到基准模型中，最后，基准模型输出的结果与标签历史日期的历史充电负荷进行函数损失计算，并根据该函数损失计算调节基准模型的参数。可选的，具体的基准模型以及损失函数都可以根据需要进行渲染，对此不做限定。
为了进一步提高模型预测的准确性，在一些实施例中，训练所述负荷预测模型的基准模型可以选用时间卷积网络模型。时间卷积网络模型（Temporal ConvolutionalNetwork，TCN）是用于序列建模任务的卷积神经网络的变体，结合了 RNN 和 CNN 架构。本申请的发明人通过对TCN 进行初步的评估发现，简单的卷积结构在多个任务和数据集上的性能优于典型循环网络（如 LSTM），同时表现出更长的有效记忆，更适合用于本申请中对于充电负荷的预测。
参考图2，为本申请实施例的一种负荷预测模型工作过程的流程示意图，其中，目标充电站的原始数据经过相似日筛选，得到相似历史日期，以及相似历史日期对应的历史充电负荷和历史条件信息，然后将该历史充电负荷和历史条件信息输入到负荷预测模型（TCN）中，在负荷预测模型中依次经过两次膨胀因果卷积、权重归一化、RELU激活函数激活和Dropout层随机权重丢弃，得到最后的预测结果。
S104，基于所述预测充电负荷确定所述目标充电站的响应功率限制曲线。
具体实施时，在通过负荷预测模型得到目标充电站的目标日期的预测充电负荷后，就可以通过该预测充电负荷确定所述目标充电站的响应功率限制曲线，该响应功率限制曲线即为限制功率随时间变化的曲线，通过该响应功率限制曲线可以确定目标充电站在目标日期的各个时间段的限制功率。
需要说明的是，在确定目标充电站的响应功率限制曲线，即确定目标充电站在需求响应过程中的限制功率时，需要准确的确定目标充电站在目标日期的预测充电负荷，然后可以直接将该预测充电负荷发生到电力系统中，由电力系统确定预测充电负荷对应的限制功率后，直接将该限制功率返馈回来。可选的，在确定预测充电负荷后，还可以根据预先制定的需求响应协议，确定预测充电负荷对应的限制功率。由于可以控制负荷预测模型输出的预测结果为一个二维矩阵，即多个时间以及与各个时间对应的预测充电负荷的矩阵，可以通过该矩阵得到目标日期内预测充电负荷随时间变化的曲线，通过该曲线就可以确定目标充电站的响应功率限制曲线。
S105，在所述目标日期内，获取所述目标充电站中正在工作的各个目标充电桩的充电参数。
具体实施时，可以通过电联互联互通协议中电动汽车充换电服务信息交换部分协议，直接在所述目标日期内，获取目标充电站中正在工作的各个目标充电桩的充电参数。可选的，目标充电桩主要指正在工作的充电桩。可选的，该充电参数可以包括正在充电的电压和电流、正在充电车辆型号、SOC（荷电状态）、需求电流、需求电压等信息。荷电状态是蓄电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值，常用百分数表示。可选的，荷电状态的取值范围为0~1，当SOC=0时表示电池放电完全，当SOC=1时表示电池完全充满。
S106，基于所述充电参数与所述响应功率限制曲线控制各个所述目标充电桩为电动汽车充电的负荷。
具体实施时，在确定了目标充电站的目标日期的响应功率限制曲线，以及各个目标充电桩的充电参数后，根据这两个参数控制各个所述目标充电桩为电动汽车充电的负荷，以使目标充电站在目标日期的限制功率被合理的分配到各个目标充电桩内。通过本步骤可以使得每个目标充电桩均可以为电动汽车充电，并且根据每个电动汽车对应的充电参数，合理配置了每个目标充电桩的充电功率，进一步将限制功率更多的分配给更需要充电的电动汽车，进一步提高了用户的充电体验。可选的，在一些实施例中，还可以直接将限制功率平均分配到各个目标充电桩。
在一些实施例中，基于所述充电参数与所述响应功率限制曲线控制各个所述目标充电桩为电动汽车充电的负荷，具体包括：
基于所述响应功率限制曲线确定所述目标充电站的总限制充电负荷；
对于每个目标充电桩，基于所述目标充电桩的充电参数确定所述目标充电站的配电权重；
基于所述总限制充电负荷以及所述各个所述目标充电站的配电权重控制各个所述目标充电桩为电动汽车充电的负荷。
具体实施时，为了准确的控制各个所述目标充电桩为电动汽车充电的负荷，可以先通过所述响应功率限制曲线确定所述目标充电站在各个时段的总限制充电负荷，然后根据充电参数确定每个所述目标充电站的配电权重，该配电权重决定了每个充电桩被分配电荷的多少。可选的，当通过电动汽车电池剩余量来确定配电权重时，可以直接令电动汽车电池剩余量与配电权重成反比。需要说明的是，一般情况下，总限制充电负荷并不能满足给每个充电桩均提供充足的充电负荷（功率），因此，需要通过配电权重来确定给哪些目标充电桩分配更多的充电负荷。
在一些实施例中，基于所述目标充电桩的充电参数确定所述目标充电站的配电权重，具体包括：
通过所述充电参数中确定所述目标充电桩对应的电动汽车电池剩余量；其中，所述充电参数包括所述电动汽车电池剩余量；
基于所述电动汽车电池剩余量以及预设权重曲线确定所述目标充电站的配电权重。
具体实施时，考虑到，那些电动汽车电池剩余量越少的车辆，越需要及时的提供电能，因此，本实施例中，在获取了充电参数后，主要通过电动汽车电池剩余量来确定正在工作的目标充电站的配电权重，即哪个目标充电桩对应的电动汽车的电池剩余量越少，优先给哪个充电桩分配充电负荷。可选的，可以通过预设设置预设权重曲线来准确的确定不同的电动汽车电池剩余量对应的配电权重。可选的，该预设权重曲线可以是一次函数曲线，并令电动汽车电池剩余量与配电权重成反比。为了更好的反应电动汽车的用户情况，并使得电动汽车的剩余电量越接近0时充电功率越大，越接近1（100%）时充电功率越小，可以设置预设权重曲线为反比例函数曲线，并使得电动汽车电池剩余量与配电权重成反比。可选的，还可以根据实际要设置各种样式的预设权重曲线，对此不做限定。例如，可以将预设权重曲线设置为三段式曲线，其中每段曲线均为斜率为负值的线段，而且斜率的绝对值越来越大。
需要说明的是，为了统一判断不同电动汽车的电池剩余量，本申请实施例中的电动汽车电池剩余量通过上述SOC来表示。
在一些实施例中，基于所述总限制充电负荷以及所述各个所述目标充电站的配电权重控制各个所述目标充电桩为电动汽车充电的负荷，具体包括：
通过所述充电参数获取各个所述目标充电桩对应的电动汽车的需求电流和需求电压；
基于所述需求电流和所述需求电压确定各个所述目标充电桩对应的电动汽车的最大充电负荷；
基于所述总限制充电负荷、各个所述目标充电站的最大充电负荷以及各个所述目标充电站的配电权重控制各个所述目标充电桩为电动汽车充电的负荷。
具体实施时，考虑到不同的电动汽车在充电时的充电需求负荷不同，这时仅通过配电权重与总限制充电负荷来给目标充电桩分配电荷时，可能导致分配的电荷大于当前电动汽车需要的最大充电需求负荷，进而导致分配电荷的浪费，因此，在本实施例中，先通过所述充电参数获取各个所述目标充电桩对应的电动汽车的需求电流和需求电压，然后根据所述需求电流和所述需求电压确定各个所述目标充电桩对应的电动汽车的最大充电负荷，最后，根据所述总限制充电负荷、各个所述目标充电站的最大充电负荷以及各个所述目标充电站的配电权重控制各个所述目标充电桩为电动汽车充电的负荷，其中，对于每个目标充电桩，当通过所述总限制充电负荷以及所述目标充电站的配电权重确定出的分配负荷大于等于该目标充电桩的最大充电负荷时，按照该最大充电负荷控制所述目标充电桩为电动汽车充电的负荷，即将该最大充电负荷作为电动汽车的分配负荷。当通过所述总限制充电负荷以及所述目标充电站的配电权重确定出的分配负荷小于该目标充电桩的最大充电负荷时，按照该确定出的分配负荷控制所述目标充电桩为电动汽车充电的负荷。
在一些实施例中，当某电力运营商同时经营多个充电站时，可以以运营商作为需求响应的主体，并将限制功率在不同的充电站中的各个充电桩中分配，此时的电动汽车充电负荷控制方法包括：
确定目标电力运营系统的各个充电站；
对于每个充电站，获取所述充电站的目标日期的目标条件信息；从所述充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，并确定所述相似历史条件信息对应的相似历史日期；获取所述相似历史日期对应的历史充电负荷，并将所述历史充电负荷以及所述相似历史条件信息输入到训练获取的负荷预测模型中，得到所述目标日期的预测充电负荷；
基于所有所述预测充电负荷确定所述目标电力运营系统的响应功率限制曲线；
在所述目标日期内，获取所述目标电力运营系统中正在工作的目标充电桩的充电参数；
基于所述充电参数与所述响应功率限制曲线控制所述目标充电桩为电动汽车充电的负荷。
在一些实施例中，电动汽车充电负荷控制方法可以通过按照的负荷控制系统来执行，该系统在安装后，首先会判断是否存在场站信息和设备信息，如果在本地数据库中未发现相关数据，则通过中电联互联互通协议中电动汽车充换电服务信息交换部分协议开发的接口进行场站信息和设备信息的同步，并将信息保存在本地结构化数据库中。在确定存在场站和设备信息后，通过互联互通协议采集电动汽车充电数据，包括订单信息、电动汽车型号、充电桩实时电流和电压、电动汽车BMS（电池管理系统）实时需求电流和电压等，将这些信息保存在本地时序库中。然后系统会自动定时对所有场站进行未来24（目标日期）小时的充电负荷预测，并将预测结果保存到数据库中。接着会根据限电需求，首先根据充电负荷预测判断未来场站的需求响应潜力，然后在系统中进行需求响应的配置。当到达响应时间时，任务调度器触发定时任务执行，调用上述电动汽车充电负荷控制，将需求负荷分解到当前场站中充电的车辆。并间隔判断当前时间是否超过需求响应结束时间，如果没有则更新定时任务的执行时间到下一个节点，继续执行上述负荷分解过程，如果超过，就结束流程。此外，通过推送的场站实时功率以及下发功率可以进行需求响应功率曲线跟踪。
本申请提供的电动汽车充电负荷控制方法，获取目标充电站的目标日期的目标条件信息；从所述目标充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，并确定所述相似历史条件信息对应的相似历史日期；获取所述相似历史日期对应的历史充电负荷，并将所述历史充电负荷以及所述相似历史条件信息输入到训练获取的负荷预测模型中，得到所述目标日期的预测充电负荷；基于所述预测充电负荷确定所述目标充电站的响应功率限制曲线；在所述目标日期内，获取所述目标充电站中正在工作的各个目标充电桩的充电参数；基于所述充电参数与所述响应功率限制曲线控制各个所述目标充电桩为电动汽车充电的负荷，通过对目标充电站的充电负荷进行准确预测，掌握各个时段内场站的调节潜力，使运营商更有效地参与需求响应，得到准确的限定负荷；同时根据当前充电站内充电桩的充电参数，结合限电需求，综合控制各个充电桩为电动汽车充电的负荷，在满足限电需求的情况下，使每辆车能够有电可充，最大限度地提升用户的充电体验。
需要说明的是，本申请实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是，上述对本申请的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思，与上述任意实施例方法相对应的，本申请还提供了一种电动汽车充电负荷控制装置。
参考图3，所述电动汽车充电负荷控制装置，包括：
第一获取模块201，获取目标充电站的目标日期的目标条件信息；
第一确定模块202，从所述目标充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，并确定所述相似历史条件信息对应的相似历史日期；
预测模块203，获取所述相似历史日期对应的历史充电负荷，并将所述历史充电负荷以及所述相似历史条件信息输入到训练获取的负荷预测模型中，得到所述目标日期的预测充电负荷；
第二确定模块204，基于所述预测充电负荷确定所述目标充电站的响应功率限制曲线；
第二获取模块205，在所述目标日期内，获取所述目标充电站中正在工作的各个目标充电桩的充电参数；
控制模块206，基于所述充电参数与所述响应功率限制曲线控制各个所述目标充电桩为电动汽车充电的负荷。
在一些实施例中，所述第一确定模块包括：
计算单元，计算所述目标条件信息与各个历史条件信息的距离，得到多个距离结果；
排序单元，对所述多个距离结果按照从小到大的顺序进行排序，并将处于预设排名的距离结果对应的历史条件信息确定为相似历史条件信息。
在一些实施例中，所述计算单元，具体用于：
获取目标条件信息包括的各个目标分量条件信息；其中，所述目标分量条件信息包括目标日期类型信息、目标温度信息或目标天气类型信息；
获取历史条件信息包括的各个历史分量条件信息；其中，所述历史分量条件信息包括历史日期类型信息、历史温度信息或历史天气类型信息；
对于每个分量条件信息，计算所述分量条件信息与其对应的历史分量条件信息的距离，得到所述分量条件信息的分量距离结果；
将所述距离结果加权求和后，得到所述目标条件信息与历史条件信息的距离结果。
在一些实施例中，所述控制模块包括：
限制单元，基于所述响应功率限制曲线确定所述目标充电站的总限制充电负荷；
配电权重单元，对于每个目标充电桩，基于所述目标充电桩的充电参数确定所述目标充电站的配电权重；
负荷单元，基于所述总限制充电负荷以及所述各个所述目标充电站的配电权重控制各个所述目标充电桩为电动汽车充电的负荷。
在一些实施例中，所述配电权重单元，具体用于：
通过所述充电参数中确定所述目标充电桩对应的电动汽车电池剩余量；其中，所述充电参数包括所述电动汽车电池剩余量；
基于所述电动汽车电池剩余量以及预设权重曲线确定所述目标充电站的配电权重。
在一些实施例中，所述负荷单元，具体用于：
通过所述充电参数获取各个所述目标充电桩对应的电动汽车的需求电流和需求电压；
基于所述需求电流和所述需求电压确定各个所述目标充电桩对应的电动汽车的最大充电负荷；
基于所述总限制充电负荷、各个所述目标充电站的最大充电负荷以及各个所述目标充电站的配电权重控制各个所述目标充电桩为电动汽车充电的负荷。
在一些实施例中，训练所述负荷预测模型的基准模型为时间卷积网络模型。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述任一实施例中相应的电动汽车充电负荷控制方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，与上述任意实施例方法相对应的，本申请还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上任意一实施例所述的电动汽车充电负荷控制方法。
图4示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图， 该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线 1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU（Central Processing Unit，中央处理器）、微处理器、应用专用集成电路（Application Specific Integrated Circuit，ASIC）、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM（Read Only Memory，只读存储器）、RAM（Random AccessMemory，随机存取存储器）、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中（图中未示出），也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块（图中未示出），以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信。
总线1050包括一通路，在设备的各个组件（例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040）之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的电动汽车充电负荷控制方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，与上述任意实施例方法相对应的，本申请还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的电动汽车充电负荷控制方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存（PRAM）、静态随机存取存储器（SRAM）、动态随机存取存储器（DRAM）、其他类型的随机存取存储器（RAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、快闪记忆体或其他内存技术、只读光盘只读存储器（CD-ROM）、数字多功能光盘（DVD）或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的电动汽车充电负荷控制方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本申请的范围（包括权利要求）被限于这些例子；在本申请的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本申请实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路（IC）芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本申请实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请实施例的平台的（即，这些细节应当完全处于本领域技术人员的理解范围内）。在阐述了具体细节（例如，电路）以描述本申请的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构（例如，动态RAM（DRAM））可以使用所讨论的实施例。
本申请实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本申请实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种电动汽车充电负荷控制方法，其特征在于，包括：
获取目标充电站的目标日期的目标条件信息；
从所述目标充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，并确定所述相似历史条件信息对应的相似历史日期；
获取所述相似历史日期对应的历史充电负荷，并将所述历史充电负荷以及所述相似历史条件信息输入到训练获取的负荷预测模型中，得到所述目标日期的预测充电负荷；
基于所述预测充电负荷确定所述目标充电站的响应功率限制曲线；
在所述目标日期内，获取所述目标充电站中正在工作的各个目标充电桩的充电参数；
基于所述充电参数与所述响应功率限制曲线控制各个所述目标充电桩为电动汽车充电的负荷。
2.根据权利要求1所述的方法，其特征在于，从所述目标充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，具体包括：
计算所述目标条件信息与各个历史条件信息的距离，得到多个距离结果；
对所述多个距离结果按照从小到大的顺序进行排序，并将处于预设排名的距离结果对应的历史条件信息确定为相似历史条件信息。
3.根据权利要求2所述的方法，其特征在于，计算所述目标条件信息与各个历史条件信息的距离，具体包括：
获取目标条件信息包括的各个目标分量条件信息；其中，所述目标分量条件信息包括目标日期类型信息、目标温度信息或目标天气类型信息；
获取历史条件信息包括的各个历史分量条件信息；其中，所述历史分量条件信息包括历史日期类型信息、历史温度信息或历史天气类型信息；
对于每个分量条件信息，计算所述分量条件信息与其对应的历史分量条件信息的距离，得到所述分量条件信息的分量距离结果；
将所述距离结果加权求和后，得到所述目标条件信息与历史条件信息的距离结果。
4.根据权利要求1所述的方法，其特征在于，基于所述充电参数与所述响应功率限制曲线控制各个所述目标充电桩为电动汽车充电的负荷，具体包括：
基于所述响应功率限制曲线确定所述目标充电站的总限制充电负荷；
对于每个目标充电桩，基于所述目标充电桩的充电参数确定所述目标充电站的配电权重；
基于所述总限制充电负荷以及所述各个所述目标充电站的配电权重控制各个所述目标充电桩为电动汽车充电的负荷。
5.根据权利要求4所述的方法，其特征在于，基于所述目标充电桩的充电参数确定所述目标充电站的配电权重，具体包括：
通过所述充电参数中确定所述目标充电桩对应的电动汽车电池剩余量；其中，所述充电参数包括所述电动汽车电池剩余量；
基于所述电动汽车电池剩余量以及预设权重曲线确定所述目标充电站的配电权重。
6.根据权利要求4所述的方法，其特征在于，基于所述总限制充电负荷以及所述各个所述目标充电站的配电权重控制各个所述目标充电桩为电动汽车充电的负荷，具体包括：
通过所述充电参数获取各个所述目标充电桩对应的电动汽车的需求电流和需求电压；
基于所述需求电流和所述需求电压确定各个所述目标充电桩对应的电动汽车的最大充电负荷；
基于所述总限制充电负荷、各个所述目标充电站的最大充电负荷以及各个所述目标充电站的配电权重控制各个所述目标充电桩为电动汽车充电的负荷。
7.根据权利要求1所述的方法，其特征在于，训练所述负荷预测模型的基准模型为时间卷积网络模型。
8.一种电动汽车充电负荷控制装置，其特征在于，包括：
第一获取模块，获取目标充电站的目标日期的目标条件信息；
第一确定模块，从所述目标充电站的多个历史条件信息中确定与所述目标条件信息对应的相似历史条件信息，并确定所述相似历史条件信息对应的相似历史日期；
预测模块，获取所述相似历史日期对应的历史充电负荷，并将所述历史充电负荷以及所述相似历史条件信息输入到训练获取的负荷预测模型中，得到所述目标日期的预测充电负荷；
第二确定模块，基于所述预测充电负荷确定所述目标充电站的响应功率限制曲线；
第二获取模块，在所述目标日期内，获取所述目标充电站中正在工作的各个目标充电桩的充电参数；
控制模块，基于所述充电参数与所述响应功率限制曲线控制各个所述目标充电桩为电动汽车充电的负荷。
9.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器执行所述程序时实现如权利要求1至7中任意一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行根据权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311620733.0A CN117301936B (zh) | 2023-11-30 | 2023-11-30 | 电动汽车充电负荷控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311620733.0A CN117301936B (zh) | 2023-11-30 | 2023-11-30 | 电动汽车充电负荷控制方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117301936A true CN117301936A (zh) | 2023-12-29 |
| CN117301936B CN117301936B (zh) | 2024-02-06 |
Family
ID=89285259
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311620733.0A Active CN117301936B (zh) | 2023-11-30 | 2023-11-30 | 电动汽车充电负荷控制方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117301936B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104318332A (zh) * | 2014-10-29 | 2015-01-28 | 国家电网公司 | 一种电力负荷预测方法和装置 |
| CN105469163A (zh) * | 2015-12-08 | 2016-04-06 | 国家电网公司 | 一种用于光伏电站功率预测的相似日的选择方法 |
| CN109583503A (zh) * | 2018-12-03 | 2019-04-05 | 国网江苏省电力有限公司扬州供电分公司 | 一种可中断负荷预测方法 |
| CN112132351A (zh) * | 2020-09-28 | 2020-12-25 | 华北电力大学 | 电动汽车充电负荷聚类预测方法及装置 |
| CN113627661A (zh) * | 2021-08-02 | 2021-11-09 | 深圳供电局有限公司 | 一种电动汽车充电负荷预测的方法 |
| CN115587645A (zh) * | 2022-09-06 | 2023-01-10 | 国电南瑞科技股份有限公司 | 一种考虑充电行为随机性的电动汽车充电管理方法及系统 |
| CN116683508A (zh) * | 2023-05-23 | 2023-09-01 | 中国长江三峡集团有限公司 | 一种目标对象储能容量的确定方法、装置及电子设备 |
| CN116749810A (zh) * | 2023-06-30 | 2023-09-15 | 北京嘀嘀无限科技发展有限公司 | 一种控制放电的方法、装置、设备和介质 |
| CN117104062A (zh) * | 2023-08-31 | 2023-11-24 | 国网北京市电力公司 | 充电桩充电控制方法、装置、存储介质及设备 |
-
2023
- 2023-11-30 CN CN202311620733.0A patent/CN117301936B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104318332A (zh) * | 2014-10-29 | 2015-01-28 | 国家电网公司 | 一种电力负荷预测方法和装置 |
| CN105469163A (zh) * | 2015-12-08 | 2016-04-06 | 国家电网公司 | 一种用于光伏电站功率预测的相似日的选择方法 |
| CN109583503A (zh) * | 2018-12-03 | 2019-04-05 | 国网江苏省电力有限公司扬州供电分公司 | 一种可中断负荷预测方法 |
| CN112132351A (zh) * | 2020-09-28 | 2020-12-25 | 华北电力大学 | 电动汽车充电负荷聚类预测方法及装置 |
| US20220101097A1 (en) * | 2020-09-28 | 2022-03-31 | North China Electric Power University | Method and device for clustering forecasting of electric vehicle charging load |
| CN113627661A (zh) * | 2021-08-02 | 2021-11-09 | 深圳供电局有限公司 | 一种电动汽车充电负荷预测的方法 |
| CN115587645A (zh) * | 2022-09-06 | 2023-01-10 | 国电南瑞科技股份有限公司 | 一种考虑充电行为随机性的电动汽车充电管理方法及系统 |
| CN116683508A (zh) * | 2023-05-23 | 2023-09-01 | 中国长江三峡集团有限公司 | 一种目标对象储能容量的确定方法、装置及电子设备 |
| CN116749810A (zh) * | 2023-06-30 | 2023-09-15 | 北京嘀嘀无限科技发展有限公司 | 一种控制放电的方法、装置、设备和介质 |
| CN117104062A (zh) * | 2023-08-31 | 2023-11-24 | 国网北京市电力公司 | 充电桩充电控制方法、装置、存储介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117301936B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sun et al. | Optimal battery purchasing and charging strategy at electric vehicle battery swap stations | |
| CN109532549A (zh) | 充电功率调整方法、装置、计算机设备和存储介质 | |
| CN111126740B (zh) | 共享汽车充电调度方法、电子设备及存储介质 | |
| EP2476578B1 (en) | Dynamic load profiling | |
| Schlund et al. | Flexability-modeling and maximizing the bidirectional flexibility availability of unidirectional charging of large pools of electric vehicles | |
| CN109767033B (zh) | 光伏电的调度方法、装置、计算机设备和存储介质 | |
| JP5542284B2 (ja) | 車両利用支援装置 | |
| CN112550044B (zh) | 充电站负荷调整方法、系统、装置、设备和存储介质 | |
| CN110929921A (zh) | 充电站负荷预测方法、装置、计算机设备和存储介质 | |
| CN111967804A (zh) | 基于移动充电设备主动配电的调度系统、方法、装置 | |
| CN117301936B (zh) | 电动汽车充电负荷控制方法、装置、电子设备及存储介质 | |
| CN116562427A (zh) | 充电站的充电负荷预测方法及装置、存储介质、设备 | |
| CN117087482A (zh) | 一种新能源公交车充电时间控制方法、装置、设备和介质 | |
| CN113650515B (zh) | 电动汽车充电控制方法、装置、终端设备及存储介质 | |
| US11897361B2 (en) | Power calculation apparatus and power calculation method | |
| Zhao et al. | Mobile battery energy storage system control with knowledge‐assisted deep reinforcement learning | |
| US20230045214A1 (en) | Systems and methods for dynamic charger reservations | |
| CN116862036A (zh) | 一种负载预测方法以及装置 | |
| CN113673753A (zh) | 针对电动汽车充电的负荷调控方法及装置 | |
| CN112330017A (zh) | 电力负荷预测方法、装置、电子设备和存储介质 | |
| Pedersen et al. | Generating geospatially realistic driving patterns derived from clustering analysis of real EV driving data | |
| JPWO2019171728A1 (ja) | 電力管理システム、電力管理方法、およびプログラム | |
| Rahmani-Andebili et al. | Studying the effects of optimal fleet management of plug-in electric vehicles on the unit commitment problem considering the technical and social aspects | |
| CN116862134B (zh) | 电动公交车站的充电桩数量确定方法、装置、介质及设备 | |
| Gohlke et al. | Towards a short-term forecasting framework to efficiently charge company EV fleets |
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 |