CN118114912A - 一种充电设备管理方法、装置和系统 - Google Patents

Abstract

本申请涉及一种充电设备管理方法、装置和系统，通过充电管理终端获取多个待充电设备的状态信息以及电力网络的负载信息；并根据多个待充电设备的状态信息，预设电力网络的粒子群优化模型；根据电力网络的负载信息和粒子群优化模型，确定待充电设备的目标充电管理策略，并发送目标充电管理策略至服务器获取服务器发送的充电指令，其中，充电指令用于根据目标充电管理策略向待充电设备提供电力，进而提高了充电管理终端管理充电设备的效率。

Description

一种充电设备管理方法、装置和系统

技术领域

本申请涉及充电管理领域，特别是涉及一种充电设备管理方法、装置和系统。

背景技术

随着新能源产业的飞速发展，配套的电力基础设施规模也变得更加复杂。需要充电的设备数量和管理难度也迅速增长，如何对充电设备进行管理和监控，提高充电效率，同时确保电力网络的安全稳定运行，是当前面临的问题。

现有技术充电管理终端采用集中处理数据的方式，将所有数据汇集到中心服务器进行处理和分析，再根据分析结果执行管理策略。这种方式可以实现对设备的统一管理和监控，在电力设备结构和网络较为简单的时候可以完成目标功能，但是处理大规模或较复杂的电力网络时，即当充电设备数量较多时，数据传输速率慢且服务器压力较大，进而导致管理充电设备的效率较低。

针对相关技术中存在管理充电设备的效率较低的问题，目前还没有提出有效的解决方案。

发明内容

在本实施例中提供了一种充电设备管理方法、装置和系统，以解决相关技术中管理充电设备的效率较低的问题。

第一个方面，在本实施例中提供了一种充电设备管理方法，所述方法包括：

获取多个待充电设备的状态信息以及电力网络的负载信息；

根据多个所述待充电设备的状态信息，预设所述电力网络的粒子群优化模型；

根据所述电力网络的负载信息和所述粒子群优化模型，确定所述待充电设备的目标充电管理策略，并发送所述目标充电管理策略至服务器；

获取所述服务器发送的充电指令，所述充电指令用于根据所述目标充电管理策略向所述待充电设备提供电力。

在其中的一些实施例中，所述根据多个所述待充电设备的状态信息，预设所述电力网络的粒子群优化模型，包括：

确定多个所述待充电设备为所述粒子群优化模型的粒子；

将多个所述待充电设备对应的多个粒子投射至预设坐标系中，得到所述粒子位置；

根据所述待充电设备的状态信息，确定所述粒子速度；

根据所述粒子位置和所述粒子速度，预设所述电力网络的粒子群优化模型。

在其中的一些实施例中，所述粒子群优化模型中的每个粒子均对应适应度函数值；所述适应度函数值用于表征所述待充电设备对应的粒子状态信息；所述粒子状态信息包括所述粒子速度和所述粒子位置。

在其中的一些实施例中，所述根据所述电力网络的负载信息和所述粒子群优化模型，确定所述待充电设备的目标充电管理策略，包括：

根据所述适应度函数值更新所述粒子的粒子速度和粒子位置；

当所述粒子位置更新至历史目标粒子位置时，确定当前的充电管理策略为目标充电管理策略。

在其中的一些实施例中，所述根据所述电力网络的负载信息和所述粒子群优化模型，确定所述待充电设备的目标充电管理策略，还包括：

根据所述电力网络的历史负载信息，生成历史电力需求模型；

根据所述历史电力需求模型，对所述电力网络的负载变化进行预测，得到待充电设备的初始充电管理策略；

根据所述粒子群优化模型，对所述初始充电管理策略进行迭代；

当所述初始充电管理策略中的待充电设备的状态信息达到预设的终止条件时，停止迭代，进而得到所述目标充电管理策略。

在其中的一些实施例中，所述方法还包括：

根据待充电设备的历史数据，确定所述待充电设备的目标函数；

所述历史数据包括充电效率、设备电池寿命以及历史负载率；所述目标函数的变量包括充电时间和充电功率；

根据所述电力网络的负载信息，以及目标函数中的充电时间和充电功率，生成目标充电管理策略。

第二个方面，在本实施例中提供了一种充电设备管理方法，所述方法包括：

获取待充电设备的状态信息和电力网络的负载信息，并生成计算任务；

将所述计算任务分别发送至所述待充电设备对应的充电管理终端，以使所述充电管理终端进行充电设备管理；

接收所述充电管理终端的目标充电管理策略，并向所述充电管理终端发送充电指令，所述充电指令用于控制所述充电管理终端根据所述目标充电管理策略向所述待充电设备提供电力。

第三个方面，在本实施例中提供了一种充电设备管理装置，所述装置包括：采集模块、处理模块、通信模块；

所述采集模块，用于获取多个待充电设备的状态信息以及电力网络的负载信息；

所述处理模块，用于根据多个所述待充电设备的状态信息，预设所述电力网络的粒子群优化模型；还用于根据所述电力网络的负载信息和所述粒子群优化模型，确定所述待充电设备的目标充电管理策略；

所述通信模块，用于并发送所述目标充电管理策略至服务器；获取所述服务器发送的充电指令，所述充电指令用于根据所述目标充电管理策略向所述待充电设备提供电力。

第四个方面，在本实施例中提供了一种充电设备管理装置，所述装置包括：采集模块、处理模块、通信模块；

所述采集模块，用于获取待充电设备的状态信息和电力网络的负载信息；

所述处理模块，用于生成计算任务；

所述通信模块，用于将所述计算任务分别发送至所述待充电设备对应的充电管理终端，以使所述充电管理终端进行充电设备管理；还用于接收所述充电管理终端的目标充电管理策略，并向所述充电管理终端发送充电指令，所述充电指令用于控制所述充电管理终端根据所述目标充电管理策略向所述待充电设备提供电力。

第五个方面，在本实施例中提供了一种充电设备管理系统，所述系统包括：多个充电管理终端和服务器；多个所述充电管理终端和服务器连接；

所述充电管理终端执行如第一个方面中任一项所述的充电设备管理方法；

所述服务器执行如第二个方面中所述的充电设备管理方法。

与相关技术相比，在本实施例中提供的一种充电设备管理方法、装置和系统，通过粒子优化算法对电力网络的负载进行均衡处理，进而获取最优充电策略，进而提高了充电管理终端管理充电设备的效率。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本实施例的充电设备管理方法的终端的硬件结构框图；

图2是本实施例的充电设备管理方法的流程图；

图3是本实施例的另一种充电设备管理方法的流程图；

图4是本具体实施例的充电管理终端的示意图；

图5是本申请实施例中充电设备管理的流程示意图；

图6是本申请实施例的充电设备管理装置的结构框图。

具体实施方式

为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。

除另作定义外，本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元)，而可包括未列出的步骤或模块(单元)，或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”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/或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。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。

在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是本实施例的充电设备管理方法的终端的硬件结构框图。如图1所示，终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的充电设备管理方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(NetworkInterface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

复杂网络是指具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络。在电力系统中，复杂网络由各种用电设备电力线路，变电站等元素组成，其运行状态和管理方法面临巨大挑战。在复杂网络下，现有的充电管理终端一般采用集中处理数据的方式，将所有数据汇集到中心服务器进行处理和分析，再根据分析结果执行管理策略。这种方式可以实现对设备的统一管理和监控，在电力设备结构和网络较为简单的时候可以完成目标功能，但是处理大规模或较复杂的电力网络时，会存在以下缺点：

1.数据传输速率慢，存在延迟：由于数据需要从设备端上传到服务器，经过处理和分析后再返回给充电设备，整个过程涉及到的数据量较大，会导致延迟，影响响应速度和实时性。

2.服务器压力较大：当设备数量较多时，集中式管理的中心服务器负载较大，尤其是处理高并发数据时，难以保证可靠和稳定。

3.拓展能力差：集中式管理网络中的设备最大数量由服务器和网络性能的上限决定，一旦接近最大值，几乎没有可以拓展的余地，只能以较高的代价重新部署新的网络。

4.安全性难以保证：集中式管理网络的数据和处理逻辑大部分放在中心服务器，一旦中心服务器出现异常，整个系统将会瘫痪或产生难以预计的后果。

在本实施例中提供了一种充电设备管理系统，该充电设备管理系统包括：多个充电管理终端和服务器，其中，多个充电管理终端和服务器连接；多个待充电设备接入对应的充电管理终端。在本实例中，采用边缘计算的方法，将计算任务从云端下放到网络末端靠近数据源的终端设备，在充电管理终端中，边缘计算技术可以提高管理效率，降低网络延迟，减少服务器压力。

相比于当前常见的集中式管理网络，采用嵌入式设备边缘计算技术可以更好的解决以上问题，通过将计算任务下方到网络边缘，实现设备本地的数据处理和分析，减少数据传输需要的时间和延迟，提高响应速度和处理效率。同时还可以节省网络资源，减轻服务器压力。此外本地保存数据可以更好地保护数据安全性和隐私性，使得整个系统更加强壮。由于本身占用的资源不多，可以方便的进行拓展和改造，接入现有的网络；通过充电管理终端专门用于管理和监控充电设备的系统和设备，可以实现对充电设备的状态信息采集、分析、处理以及异常状态报警，可以提高充电效率，优化电力分配，确保电力网络稳定。

在本实施例中提供了一种充电设备管理方法，图2是本实施例的充电设备管理方法的流程图，如图2所示，该方法的执行主体是充电管理终端，该流程包括如下步骤：

步骤S210，获取多个待充电设备的状态信息以及电力网络的负载信息。

具体地，多个待充电设备接入充电管理终端后，充电管理终端采集多个待充电设备的状态信息，以及该充电管理终端所在的区域的电力网络的负载信息；其中，待充电设备的状态信息包括：待充电设备的电量、充电状态、设备温度以及设备型号等；电力网络的负载信息包括：目前电力网络可用的电力资源，以及电力网络已分配的电力资源，即电力网络当前的供电能力。

步骤S220，根据多个待充电设备的状态信息，预设电力网络的粒子群优化模型。

具体地，充电管理终端获取接入的多个待充电设备的状态信息后，引入基于生物群体行为智能优化的粒子群优化算法(Particle Swarm Optimization，PSO)，并根据电力网络当前的供电能力，充电设备的设备功率以及充电设备的电池容量，确定当前的充电管理策略，进而预设基于电力网络的粒子群优化模型。其中，充电管理终端获取电力网络的负载信息，并根据待充电设备的数量及状态信息，将电力网络的负载在待充电设备之间进行均衡分配，得到当前的充电管理策略，并根据当前的充电管理策略，以及待充电设备的状态信息，预设电力网络的粒子群优化模型。

步骤S230，根据电力网络的负载信息和粒子群优化模型，确定待充电设备的目标充电管理策略，并发送目标充电管理策略至服务器。

具体地，充电管理终端根据电力网络的负载信息，并通过粒子群优化模型的迭代对待充电设备的功率变换等属性进行计算，进而确定关于待充电设备的目标充电管理策略，并将最终确定的目标充电管理策略发送至服务器中。其中，根据电力网络的实时负载信息，并根据个体和群体的历史最优充电策略，对每个待充电设备的功率等状态信息进行实时调整，当调整至无线逼近最优充电策略后，确定目标充电管理策略。进一步地，目标充电管理策略对应的多个待充电设备的充电功率之和小于等于电力网络的负载功率。

步骤S240，获取服务器发送的充电指令，充电指令用于根据目标充电管理策略向待充电设备提供电力。

具体地，当待充电设备接入充电管理终端后，服务器接收该计算任务，并将待充电设备的计算任务，即充电管理任务分配至对应的充电管理终端；充电管理终端将目标充电管理策略发送至服务器后，服务器根据目标充电管理策略，生成充电指令；充电管理终端根据服务器发送的充电指令，进而根据目标充电管理策略对应的充电指令向待充电设备提供电力，进而完成对待充电设备的充电管理。

通过上述步骤，充电管理终端获取所在的区域的电力网络的负载信息；当多个待充电设备接入充电管理终端后，充电管理终端采集多个待充电设备的状态信息；基于电力网络的负载信息以及多个待充电设备的状态信息，并根据粒子群优化模型，确定目标充电管理策略，进而根据目标管理策略，向待充电设备提供电力网络的电力，进而获取最优充电策略，进而提高了充电管理终端管理充电设备的效率。同时，服务器将充电管理任务分配至待充电设备对应的充电管理终端，进而有利于提高管理效率以及管理安全性。

在其中的一些实施例中，步骤S220包括步骤S221至步骤S224。

步骤S221，确定多个待充电设备为粒子群优化模型的粒子。

步骤S222，将多个待充电设备对应的多个粒子投射至预设坐标系中，得到粒子位置。

步骤S223，根据待充电设备的状态信息，确定粒子速度。

步骤S224，根据粒子位置和粒子速度，预设电力网络的粒子群优化模型。

具体地，充电管理终端将对应接入的多个待充电设备确定为粒子优化模型中的多个基本粒子，并将多个基本粒子投射至预设坐标系中；其中多个待充电设备对应的粒子对应多个不同的位置，不同的位置代表充电管理终端向不同待充电设备提供的充电时间和充电电流；多个待充电设备对应的粒子还具有不同的粒子速度，示例性地，确定粒子速度对应的待充电设备的状态信息包括：待充电设备的功率变化及待充电设备的电量变化等；此处粒子速度根据待充电设备的功率变化确定；其后根据多个待充电设备对应的粒子位置和粒子速度，预设电力网络的粒子群优化模型。

通过上述步骤，将接入充电管理终端的多个待充电设备确定为预设电力网络的粒子群优化模型的粒子，并根据多个待充电设备的状态信息确定粒子位置和粒子速度，进而预设粒子群优化模型，进而有利于针对不同待充电设备的状态信息，确定充电管理策略，进而提高了后续确定目标充电管理策略的有效性。

在其中的一些实施例中，粒子群优化模型中的每个粒子均对应适应度函数值；适应度函数值用于表征待充电设备对应的粒子状态信息；粒子状态信息包括粒子速度和粒子位置。

具体地，预设的粒子群优化模型会根据自身历史最优位置和/或群体历史最优位置进行实时调整迭代，在每次迭代中，每个粒子对应不同的适应度函数，在不同的迭代次数中，每个粒子对应的适应度函数的值不同，其中，适应度函数根据多个粒子的粒子速度和粒子位置确定；即适应度函数值由待充电设备对应的充电时间以及充电功率确定。

在其中的一些实施例中，步骤S230包括步骤S231至步骤S232。

步骤S231，根据适应度函数值更新粒子的粒子速度和粒子位置。

步骤S232，当粒子位置更新至历史目标粒子位置时，确定当前的充电管理策略为目标充电管理策略。

具体地，在不同的迭代更新中，适应度函数值也对应改变，粒子对应的粒子速度和粒子位置也对应更新；当粒子位置更新至历史目标粒子位置时，确定当前粒子速度和粒子位置对应的充电管理策略为目标充电管理策略；其中，历史目标粒子位置为自身历史最优位置和/或群体历史最优位置，即历史目标充电管理策略对应的粒子位置。

通过上述步骤，对适应度函数值进行迭代更新，直至粒子的粒子位置更新至历史目标粒子位置，进而确定目标充电管理策略，进一步提高了确定目标充电管理策略的准确性和效率，进而提高了充电管理终端对待充电设备的管理效率。

在其中的一些实施例中，步骤S230还包括步骤S233至步骤S236。

步骤S233，根据电力网络的历史负载信息，生成历史电力需求模型。

步骤S234，根据历史电力需求模型，对电力网络的负载变化进行预测，得到待充电设备的初始充电管理策略。

步骤S235，根据粒子群优化模型，对初始充电管理策略进行迭代。

步骤S236，当初始充电管理策略中的待充电设备的状态信息达到预设的终止条件时，停止迭代，进而得到目标充电管理策略。

具体地，充电管理终端根据电力网络的历史负载信息，生成历史电力需求模型，并基于目前电力网络的负载信息，对电力网络的负载变化趋势进行预测，并生成待充电设备对应的初始充电管理策略；其后，根据粒子群优化模型，对初始充电管理策略进行迭代更新；并引入边界条件处理机制，当初始充电管理策略中待充电设备的状态信息达到预设的终止条件时，停止迭代更新，并确定当前的充电管理策略为目标充电管理策略。进一步地，待充电设备的状态信息包括待充电设备的充电电流和充电时间等；终止条件包括不同待充电设备的状态信息对应的上限和下限。

通过上述步骤，通过限制待充电设备的状态信息，进而保护后续充电过程中待充电设备不会因为过充或者过放而受到损害，进而保证待充电设备的安全性和稳定性。

在其中的一些实施例中，充电管理终端根据待充电设备的历史数据，确定待充电设备的目标函数，历史数据包括充电效率、设备电池寿命以及历史负载率；目标函数的变量包括充电时间和充电功率。根据电力网络的负载信息，以及目标函数中的充电时间和充电功率，生成目标充电管理策略。

具体地，目标函数可以为根据充电效率、负载平衡以及电池寿命确定的函数，其中，充电效率包括充电速度及充电功率等；负载平衡包括工作负载率及负载波动；该目标函数的变量为目标充电管理策略的变量，可以为待充电设备的充电功率、充电时间等。

在本实施例中还提供了一种充电设备管理方法。图3是本实施例的另一种充电设备管理方法的流程图，如图3所示，该流程包括如下步骤：

步骤S310，获取待充电设备的状态信息和电力网络的负载信息，并生成计算任务。

步骤S320，将计算任务分别发送至待充电设备对应的充电管理终端，以使充电管理终端进行充电设备管理。

步骤S330，接收充电管理终端的目标充电管理策略，并向充电管理终端发送充电指令，充电指令用于控制充电管理终端根据目标充电管理策略向待充电设备提供电力。

通过上述步骤，当待充电设备接入对应的充电管理终端后，服务器获取计算任务，即充电管理任务，并将计算任务发送至待充电设备对应的充电管理终端，利用嵌入式设备边缘计算技术，进而减少数据传输容量，降低延迟，提高响应素的和数据处理效率。

下面通过具体实施例对本实施例进行描述和说明。

图4是本具体实施例的充电管理终端的示意图，如图4所示，该充电设备管理终端包括：数据采集模块10、数据处理模块20、通讯模块30、存储模块40、能源管理和储能模块50、人机交互模块60、诊断和预警模块70。

数据采集模块10用于采集充电设备的状态信息，如电量，充电状态，设备温度，设备型号等，并将信息传输至数据处理模块。此处的充电设备即为前述实施例中的待充电设备。

数据处理模块20和数据采集模块10连接，数据处理模块20用于接收数据采集模块输入的信息，并通过对充电设备的状态信息的分析处理，判断充电设备运行状态，根据预设的电力需求模型对充电设备进行管理。

通讯模块30和数据处理模块20连接，通讯模块30用于将数据处理模块20的结论上传到电力网络中，并接受电力网络的运行状态，根据数据处理模块20的分析处理后，将分析处理结果的相关指令发送给充电设备。

存储模块40和数据处理模块20连接，存储模块40用于存储充电设备的历史数据和运行状态，为数据处理模块20的分析处理提供支持。

能源管理和储能模块50：根据电力网络的运行状态和充电设备的运行状况，优化能源分配和管理方案，提高充电效率，均衡电力负载。当电力网络整体负载较低，而充电管理终端中也没有需要充电的设备时，充电管理终端会将电力网络中盈余的电力能源进行存储，防止电力网络中负载不足造成电力资源浪费。当电力网络整体负载上升时，充电管理终端会将存储的电力能源释放出来，保障电力网络安全稳定运行，同时还可以提高充电效率，减少因为电力网络负载波动造成的充电功率变化。

人机交互模块60：该充电终端设备提供一个易于操作的人机界面，方便管理人员对充电设备进行状态检查和指令下发。同时，充电设备可以支持蓝牙等通讯实现远程控制及状态监控。

诊断和预警模块70，用于自动监测充电管理终端的运行状态，如果发现异常或故障，及时警示用户处理，同时采用断电保护的方法，当充电管理终端的温度异常时，自动断开电源，以停止充电，进而保护现场，防止产生严重的结果。

在一个可能的实施例中，上述负载网络下的充电管理终端可以广泛应用于需要对充电设备进行管理的场景，如住宅区，商业区，公共停车场，高速公路服务区等；通过安装充电管理终端，进而实现对充电设备的集中管理和监控，提高充电效率和管理水平，同时确保电力网络安全运行。除了可以在新建设的充电设备中安装本充电管理终端，也可以用于对现有设备的改造和升级，加入上述充电管理终端后，旧设备也可以实现智能化的充电管理。此外，上述充电管理终端可以灵活的接入智能电网，智慧城市等物联网管理平台，为能源管理和智能控制提供新的解决方案。当复杂网络接入上述的充电管理终端时，首先预计待充电设备的数量和类型，并部署性能满足要求的设备。当充电管理终端并入电力网络后，数据采集模块和数据处理模块会对当前位置的电力负载情况进行动态的捕捉和调整进行系统调试和优化，确保系统的稳定性和可靠性。

在其中一个实施例中，图5是本申请实施例中充电设备管理的流程示意图，参考图5通过上述的充电管理终端，对待充电设备进行充电的流程如下：

步骤S1，充电设备接入终端。

步骤S2，信息交互。

步骤S3，获取当前电网负载状态。

步骤S4，根据动态负载均衡算法，产生最优充电策略。

步骤S5，反馈相关结果至服务器。

步骤S6，获取服务器指令，执行充电操作。

具体地，在步骤S4中，假设某一时刻电力网络负载为K，此时接入充电终端中的充电设备数量为M，每个充电设备需要的功率为P，动态负载均衡算法的目标是使得电力网络负载在充电设备之间均衡分配，其公式可以总结为：

K_avg＝(P1+P2……+PM)/M

其中，K_avg为平均负载，P1,P2,……PM为每个设备需要的充电功率，M为充电数量。此公式可以根据电力网络负载和充电设备功率进行动态调整，实现均衡分配。

其中，最优充电策略是在充电管理终端所在的电力网络中执行的策略，其目的是保障充电效率的同时，尽可能小的影响电力网络，减少波动和突然地负载变化。同时可以避开用电高峰期，实现稳定可靠的充电策略。

在其中一个可能的实施例中，当前电力网络供电能力为W，每个充电设备功率为P，电池容量为B，最优充电策略的目的是在满足供电能力限制的前提下，最大化充电设备的充电效率，最优充电策略的公式可以表示为：

(P1*T1+P2*T2……+PM*TM)<＝S

其中，P1,P2…,PM为每台设备的充电功率，M为充电设备的数量，S为电力网络的负载能力。此公式可以根据当前电力网络的供电能力，充电设备的功率和电池容量进行动态调整，实现最优的充电策略。此处的最优充电策略即为前述实施例中的目标充电管理策略。

由于电力网络面临的情况十分复杂，同时引入粒子群优化算法。粒子群优化算法是一种基于生物群体行为智能优化的算法，通过模拟鸟群，鱼群等生物群体行为规律进行优化搜索。在本终端所在的复杂电力网络中，粒子群优化算法可以用来动态调整电力网络负载，寻找最优充电方案，减少电力网络中的负载变化，提高整体充电效率。

具体来说，PSO算法将每个充电管理终端看作一个基本粒子，并投射到坐标系中，每个粒子有不同的位置，代表充电管理终端给待充电设备充电时间和电流，粒子速度代表充电设备的功率变化，通过动态迭代计算，每个粒子都会根据自身历史最优位置和群体历史最优位置进行实时调整，不断逼近最优解。

在每次迭代中，每个粒子拥有自身的适应度函数，对应充电设备的效率和时间，其公式总结为：

f(t)＝(P1*t1+P2*t2+...+PN*tN)/(t1+t2+...+tN)

其中，f(t)是适应度函数，t1,t2,...,tN是各个充电设备的充电时间，P1,P2,...,PN是各个充电设备的功率。此处的计算适应度函数对应的值即为前述实施例中的适应度函数值。

根据适应度函数计算的结果，粒子会更新自身的速度和位置，向群体历史最优位置移动，粒子速度更新的公式为：

vi＝w*vi+c1*rand()*(pbesti-xi)+c2*rand()*(gbest-xi)

其中，vi是第i个粒子的速度，w是惯性权重，c1和c2是学习因子，rand()是随机函数，pbesti是第i个粒子的历史最优位置，gbest是全局最优位置，xi是第i个粒子的当前位置。

粒子位置更新的公式为：

xi＝xi+vi

其中，xi是第i个粒子的当前位置，vi是第i个粒子的速度。

在其中一个可能的实施例中，为了保证充电设备在充电过程中的安全，引入边界条件处理机制，限制充电电流和充电时间，保护充电设备不会因为过充或者国防过放受到损害，同时可以保证充电过程中的安全和稳定，当粒子速度和位置达到预设的终止条件，算法停止迭代，输出最优解。

边界条件处理机制可以表示为：

其中，lb和ub分别是变量x的下界和上界。

PSO算法通过模拟生物群体行为规律进行优化搜索，在本实施例的充电管理终端中，可以结合电力网络的实时负载情况、充电设备的功率和电池容量等参数，动态调整充电设备的充电时间和充电电流，例如，当电力网络的负载较高时，可以增加充电设备的目标充电时间，以减轻电力网络的负载压力，当电力网络的负载较低时，可以减少充电设备的充电时间，以提高充电效率。

在其中一个可能的实施例中，根据动态负载均衡算法产生最优充电策略的方法包括：首先收集与充电相关的数据，如待充电设备的电池电量，充电需求，电网状态，当前时间等。根据收集到的数据进行深入分析，了解充电需求的趋势，根据当前设备功率和待充电设备的信息，确定充电策略。

示例性地，有一个包含10个充电桩的电动汽车充电站，需要在一天内为多辆电动汽车提供充电服务。每个充电桩有一个最大输出功率限制(如100kW)。通过收集历史数据和分析，发现每天上午8点到晚上10点是电动汽车的集中充电时间。基于此，我们定义如下目标函数f(x)：

f(x)＝a*(充电效率)+b*(系统负载平衡)+c*(电池寿命)

其中，x为充电策略的变量，可以是充电功率，充电时间等。a、b、c分别是权重系数，用于平衡各个指标的重要程度。充电效率包括充电速度和充电功率等方面，单位时间内提供的充电功率越大，或同样时间内充电电量越多，则充电效率越高。系统负载平衡包含工作负载率和负载波动，充电设备在工作过程中负载率越接近平均值，说明系统负载越平衡，负载波动越小，说明越平衡。

在其中一个可能的实施例中，根据当前电力网络的供电能力、充电设备的功率和电池容量对最优充电策略进行动态调整；示例性地，制定以下充电策略，待充电设备实际充功率的公式为：

Pcharge＝(Psupply–Pidle)/N*(1-Bpower/Bcapacity)

其中，Pcharge为待充电设备实际充功率，Psupply为电网负载能力，PIdle为充电终端空闲功率，N为待充电设备数量，Bpower为待充电设备当前电量，Bcapacity为待充电设备电池容量。

示例性地，假设电力网络中存在一个充电管理终端，电力网络的最大负载能力为150kw充电设备最大输出功率为100Kw，待充电设备电池容量为80Kw。根据上述公式，我们可以计算每个设备的充电功率：

充电功率＝(120kW-50kW)/5*(1-0/80kWh)＝12kW

在其中一个具体的实施例中，通过粒子群优化算法生成适用于当前电网的模型，实现负载的调度优化。将每个充电设备作为粒子，每个粒子位置代表该节点电压值，速度代表功率变化率，根据电力网络整体负载情况，调整每个设备的充电功率。得到一个适应度函数f，用来衡量每个粒子当前状态的优劣，适应度函数的公式表示为：

f＝α*(总负载-平均负载)+β*(最大负载-最小负载)

+γ*(总运行成本-平均运行成本)

其中，α、β、γ是权重系数，权重系数可以根据实际情况进行调整，总负载表示电力网络中所有节点的负载之和，平均负载表示总负载除以节点数量，最大负载表示单个节点的最大负载，最小负载表示单个节点的最小负载，总运行成本表示电力网络的运行成本总和，平均运行成本表示总运行成本除以节点数量。

当充电管理终端部署到电网中之后，充电管理终端会对电网的负载情况进行预测，通过收集历史数据建立负载预测模型，通过模型对未来电网负载变化进行预测，并实施对应的充电策略，以更好地实现负载均衡。同时，为了提高电力网络稳定性，在各个充电管理终端节点中配置分布式储能系统，如电池储能系统，通过储能系统发挥削峰填谷的作用；当电力网负载较小时，对储能模块进行充电，进而实现能量回收和再利用；当网络负载较大时，储能设备对外放电，平衡网络负载。在应用中根据每个充电设备对应的粒子不断更新其位置和速度，进而实现最优解即最优充电策略。粒子位置和粒子速度更新的规则可以基于个体经验或群体经验。同时，通过设置边界条件避免过于复杂的计算，以及避免不必要的算力消耗；如设置电池的最大充电功率，最小充电时间，算法迭代的最大次数或偏离量阈值等，如果相关边界条件被触发，则停止迭代。

在其中一个可能的实施例中，采用云计算中心模型实现优化充电策略，充电设备终端仅负责收集数据并上传到云端服务器，由云端服务器计算后下发对应的指令和策略，在此不做具体限定。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中还提供了一种充电设备管理装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图6是本申请实施例的充电设备管理装置的结构框图，如图6所示，该装置包括：采集模块1、处理模块2、通信模块3。

采集模块1，用于获取多个待充电设备的状态信息以及电力网络的负载信息；

处理模块2，用于根据多个待充电设备的状态信息，预设电力网络的粒子群优化模型；还用于根据电力网络的负载信息和粒子群优化模型，确定待充电设备的目标充电管理策略；

通信模块3，用于并发送目标充电管理策略至服务器；获取服务器发送的充电指令，充电指令用于根据目标充电管理策略向待充电设备提供电力。

在其中一个实施例中，采集模块1，用于获取待充电设备的状态信息和电力网络的负载信息；

处理模块2，用于生成计算任务；

通信模块3，用于将计算任务分别发送至待充电设备对应的充电管理终端，以使充电管理终端进行充电设备管理；还用于接收充电管理终端的目标充电管理策略，并向充电管理终端发送充电指令，充电指令用于控制充电管理终端根据目标充电管理策略向待充电设备提供电力。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本申请提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本申请保护范围。

显然，附图只是本申请的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。

“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本申请中描述的实施例在没有冲突的情况下，可以与其它实施例结合。

以上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专利保护范围的限制。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，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种充电设备管理方法，其特征在于，所述方法包括：

获取多个待充电设备的状态信息以及电力网络的负载信息；

根据多个所述待充电设备的状态信息，预设所述电力网络的粒子群优化模型；

根据所述电力网络的负载信息和所述粒子群优化模型，确定所述待充电设备的目标充电管理策略，并发送所述目标充电管理策略至服务器；

获取所述服务器发送的充电指令，所述充电指令用于根据所述目标充电管理策略向所述待充电设备提供电力。

2.根据权利要求1所述的充电设备管理方法，其特征在于，所述根据多个所述待充电设备的状态信息，预设所述电力网络的粒子群优化模型，包括：

确定多个所述待充电设备为所述粒子群优化模型的粒子；

将多个所述待充电设备对应的多个粒子投射至预设坐标系中，得到所述粒子位置；

根据所述待充电设备的状态信息，确定所述粒子速度；

根据所述粒子位置和所述粒子速度，预设所述电力网络的粒子群优化模型。

3.根据权利要求2所述的充电设备管理方法，其特征在于，所述粒子群优化模型中的每个粒子均对应适应度函数值；所述适应度函数值用于表征所述待充电设备对应的粒子状态信息；所述粒子状态信息包括所述粒子速度和所述粒子位置。

4.根据权利要求3所述的充电设备管理方法，其特征在于，所述根据所述电力网络的负载信息和所述粒子群优化模型，确定所述待充电设备的目标充电管理策略，包括：

根据所述适应度函数值更新所述粒子的粒子速度和粒子位置；

当所述粒子位置更新至历史目标粒子位置时，确定当前的充电管理策略为目标充电管理策略。

5.根据权利要求1所述的充电设备管理方法，其特征在于，所述根据所述电力网络的负载信息和所述粒子群优化模型，确定所述待充电设备的目标充电管理策略，还包括：

根据所述电力网络的历史负载信息，生成历史电力需求模型；

根据所述历史电力需求模型，对所述电力网络的负载变化进行预测，得到待充电设备的初始充电管理策略；

根据所述粒子群优化模型，对所述初始充电管理策略进行迭代；

当所述初始充电管理策略中的待充电设备的状态信息达到预设的终止条件时，停止迭代，进而得到所述目标充电管理策略。

6.根据权利要求1所述的充电设备管理方法，其特征在于，所述方法还包括：

根据待充电设备的历史数据，确定所述待充电设备的目标函数；

所述历史数据包括充电效率、设备电池寿命以及历史负载率；所述目标函数的变量包括充电时间和充电功率；

根据所述电力网络的负载信息，以及目标函数中的充电时间和充电功率，生成目标充电管理策略。

7.一种充电设备管理方法，其特征在于，所述方法包括：

获取待充电设备的状态信息和电力网络的负载信息，并生成计算任务；

将所述计算任务分别发送至所述待充电设备对应的充电管理终端，以使所述充电管理终端进行充电设备管理；

接收所述充电管理终端的目标充电管理策略，并向所述充电管理终端发送充电指令，所述充电指令用于控制所述充电管理终端根据所述目标充电管理策略向所述待充电设备提供电力。

8.一种充电设备管理装置，其特征在于，所述装置包括：采集模块、处理模块、通信模块；

所述采集模块，用于获取多个待充电设备的状态信息以及电力网络的负载信息；

所述处理模块，用于根据多个所述待充电设备的状态信息，预设所述电力网络的粒子群优化模型；还用于根据所述电力网络的负载信息和所述粒子群优化模型，确定所述待充电设备的目标充电管理策略；

所述通信模块，用于并发送所述目标充电管理策略至服务器；获取所述服务器发送的充电指令，所述充电指令用于根据所述目标充电管理策略向所述待充电设备提供电力。

9.一种充电设备管理装置，其特征在于，所述装置包括：采集模块、处理模块、通信模块；

所述采集模块，用于获取待充电设备的状态信息和电力网络的负载信息；

所述处理模块，用于生成计算任务；

所述通信模块，用于将所述计算任务分别发送至所述待充电设备对应的充电管理终端，以使所述充电管理终端进行充电设备管理；还用于接收所述充电管理终端的目标充电管理策略，并向所述充电管理终端发送充电指令，所述充电指令用于控制所述充电管理终端根据所述目标充电管理策略向所述待充电设备提供电力。

10.一种充电设备管理系统，其特征在于，所述系统包括：多个充电管理终端和服务器；多个所述充电管理终端和服务器连接；

所述充电管理终端执行如权利要求1至权利要求6中任一项所述的充电设备管理方法；

所述服务器执行如权利要求7中所述的充电设备管理方法。