充电策略的生成方法、装置和计算机设备与流程

本技术涉及电力，特别是涉及一种充电策略的生成方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、随着电力技术的不断发展，电动汽车已经成为一种越来越受欢迎的交通工具。电动汽车由于其储能装置而具有快速、灵活调节的优势，使得电动汽车具有强大的调度潜力。随着电动汽车的不断发展，电动汽车强大的调度潜力也越来越受关注，出现了车联网（v2g）技术，车联网技术可以实现电动汽车与电网的双向互联，对充放电功率进行调节，以实现电网降低负荷高峰，填补负荷低谷，进而满足大电网供需平衡和安全稳定运行的需要。

2、传统技术中，车联网技术通常会利用电网负荷数据、汽车行驶里程、充电时间、电池状态数据等设计智能算法，以实现自动化地降低负荷高峰，填补负荷低谷。然而，采用这种方式，无法充分了解汽车的充放电需求，使得充放电的生成策略不准确，严重影响了用户的出行。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够充电策略的生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种充电策略的生成方法。所述方法包括：

3、获取样本电动汽车的日出行时刻、日停车时刻、充放电功率；

4、根据所述日出行时刻、日停车时刻、充放电功率，对电动汽车建立充电时间模型；

5、获取使用车联网充电的电动汽车数量以及充电的电动汽车数量；

6、根据所述使用车联网充电的电动汽车数量和充电的电动汽车数量，确定车联网的补偿系数；

7、获取电网基础负荷和电动汽车的充电负荷；

8、根据所述电网基础负荷和电动汽车的充电负荷，拟合确定电网负荷峰谷函数；

9、根据所述电网负荷峰谷函数、所述补偿系数、所述充电时间模型，确定目标充电策略。

10、在其中一个实施例中，根据所述日出行时刻、日停车时刻、充放电功率，对电动汽车建立充电时间模型，包括：

11、对所述日出行时刻和日停车时刻进行均值和方差计算，得到所述日出行时刻和日停车时刻的均值和方差；

12、根据所述日出行时刻的均值和方差，确定所述电动汽车的日出行时刻的概率密度函数；

13、根据所述日停车时刻的均值和方差，确定所述电动汽车的日停车时刻的概率密度函数；

14、根据所述电动汽车的荷电状态、充放电功率、行驶距离、电池容量、能量转换率和最大充放电功率，确定所述电动汽车的功耗模型；

15、根据所述日出行时刻的概率密度函数、日停车时刻的概率密度函数以及功耗模型，对电动汽车的出行建立充电时间模型。

16、在其中一个实施例中，所述根据所述使用车联网充电的电动汽车数量和充电的电动汽车数量，确定车联网的补偿系数，包括：

17、获取每个时刻电网负荷；

18、根据所述使用车联网充电的电动汽车的数量和每个时刻充电的电动汽车数量，确定车联网的使用系数；

19、根据所述每个时刻电网负荷，确定初始补偿系数；

20、根据所述使用系数和初始补充系数，确定目标补偿系数。

21、在其中一个实施例中，所述根据所述电网负荷峰谷函数、所述补偿系数、所述充电时间模型，确定目标充电策略，包括：

22、获取电动汽车使用车联网充电的资源量和未使用车联网的充电的资源量；

23、根据所述使用车联网充电的资源量和未使用车联网的充电的资源量，建立充电资源函数；

24、对所述电网负荷峰谷函数和充电资源函数进行加权处理，得到目标函数；

25、根据所述电网负荷峰谷函数、所述补偿系数、所述充电时间模型、所述目标函数，确定目标充电策略。

26、在其中一个实施例中，所述根据所述电网负荷峰谷函数、所述补偿系数、所述充电时间模型，确定目标充电策略，包括：

27、建立电动汽车的充电约束条件；

28、根据所述电网负荷峰谷函数、所述补偿系数、所述充电时间模型、所述充电约束条件，确定目标充电策略。

29、在其中一个实施例中，所述约束条件至少包括以下一种：充放电约束、荷电状态约束、充放电互斥约束、出行功率约束，所述建立电动汽车的充电约束条件，包括：

30、根据电动汽车的最大充放电功率，确定所述充放电约束；

31、根据电动汽车的荷电状态、充放电功率、停车时刻与出行时刻的差值、电池容量、行驶距离和能量转换率，确定所述荷电状态约束；

32、根据电动汽车的充电状态与放电状态，确定所述充放电互斥约束；

33、根据电动汽车的荷电状态、最大放电深度、电池容量、行驶距离和能量转换率，确定所述出行功率约束。

34、第二方面，本技术还提供了一种充电策略的生成装置。所述装置包括：

35、数据获取模块，用于获取样本电动汽车的日出行时刻、日停车时刻、充放电功率；

36、模型建立模块，用于根据所述日出行时刻、日停车时刻、充放电功率，对电动汽车的出行建立充电时间模型；

37、所述数据获取模块，还用于获取使用车联网充电的电动汽车数量以及充电的电动汽车数量；

38、系数确定模块，用于根据所述使用车联网充电的电动汽车数量和充电的电动汽车数量，确定车联网的补偿系数；

39、所述数据获取模块，还用于获取电网基础负荷和电动汽车的充电负荷；

40、峰谷确认模块，用于根据所述电网基础负荷和电动汽车的充电负荷，拟合确定电网负荷峰谷函数；

41、策略生成模块，用于根据所述电网负荷峰谷函数、所述补偿系数、所述充电时间模型，确定目标充电策略。

42、在其中一个实施例中，所述模型建立模块，包括：

43、数据计算子模块，用于对所述日出行时刻和日停车时刻进行均值和方差计算，得到所述日出行时刻和日停车时刻的均值和方差；

44、函数确定子模块，用于根据所述日出行时刻的均值和方差，确定所述电动汽车的日出行时刻的概率密度函数；

45、所述函数确定子模块，还用于根据所述日停车时刻的均值和方差，确定所述电动汽车的日停车时刻的概率密度函数；

46、模型建立子模块，用于根据所述电动汽车的荷电状态、充放电功率、行驶距离、电池容量、能量转换率和最大充放电功率，确定所述电动汽车的功耗模型；

47、所述模型建立子模块，还用于根据所述日出行时刻的概率密度函数、日停车时刻的概率密度函数以及功耗模型，对电动汽车的出行建立充电时间模型。

48、在其中一个实施例中，所述系数确定模块，包括：

49、数据获取子模块，用于获取每个时刻电网负荷；

50、系数确认子模块，用于根据所述使用车联网充电的电动汽车的数量和每个时刻充电的电动汽车数量，确定车联网的使用系数；

51、所述系数确认子模块，还用于根据所述每个时刻电网负荷，确定初始补偿系数；

52、系数计算子模块，用于对所述使用系数和初始补充系数进行求积计算，得到目标补偿系数。

53、在其中一个实施例中，所述策略生成模块，包括：

54、数据获取子模块，用于获取电动汽车使用车联网充电的资源量和未使用车联网的充电的资源量；

55、目标确认子模块，用于根据所述使用车联网充电的资源量和未使用车联网的充电的资源量，建立充电资源函数；

56、所述目标确认子模块，还用于对所述电网负荷峰谷函数和充电资源函数进行加权处理，得到目标函数；

57、策略生成子模块，用于根据所述电网负荷峰谷函数、所述补偿系数、所述充电时间模型、所述目标函数，确定目标充电策略。

58、在其中一个实施例中，所述策略生成模块，包括：

59、约束生成子模块，用于建立电动汽车的充电约束条件；

60、策略生成子模块，还用于根据所述电网负荷峰谷函数、所述补偿系数、所述充电时间模型、所述充电约束条件，确定目标充电策略。

61、在其中一个实施例中，所述约束生成子模块，包括：

62、放电约束单元，用于根据电动汽车的最大充放电功率，确定所述充放电约束；

63、荷电约束单元，用于根据电动汽车的荷电状态、充放电功率、停车时刻与出行时刻的差值、电池容量、行驶距离和能量转换率，确定所述荷电状态约束；

64、互斥约束单元，用于根据电动汽车的充电状态与放电状态，确定所述充放电互斥约束；

65、功率约束单元，用于根据电动汽车的荷电状态、最大放电深度、电池容量、行驶距离和能量转换率，确定所述出行功率约束。

66、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如本公开实施例任一项所述的充电策略的生成方法。

67、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本公开实施例任一项所述的充电策略的生成方法。

68、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如本公开实施例任一项所述的充电策略的生成方法。

69、上述充电策略的生成方法、装置、计算机设备、存储介质和计算机程序产品，通过为电动汽车的出行建立充电时间模型，并建立补偿系数以及电网负荷峰谷函数，根据所述电网负荷峰谷函数、所述补偿系数、所述充电时间模型，得到目标调度策略。通过建立电动汽车出行的出行模型，充分考虑了电动汽车的使用习惯，使得模型更加贴近真实场景，充分模拟了电动汽车的使用行为，为目标充电策略的生成提供了便利。通过引入车联网的补偿系数，使得充电策略的生成更加合理和全面。这不仅可以提高电网的负荷平衡能力，避免电网过载，还可以提高电动汽车的充电效率，缩短充电时间，提升充电体验。此外，该方法还通过电网负荷峰谷函数和补偿系数，实现了电网优化调度和电动汽车高效充电的目标。