一种电动汽车充电管理方法与流程

本发明涉及电动汽车充电管理，尤其涉及一种电动汽车充电管理方法。

背景技术：

1、电动汽车作为一种新能源汽车，日益得到重视，受限于成本，电动汽车不能像手机一样通过充电宝来进行充电，需要通过专用的充电桩进行充电。但电动汽车快速充电需要瞬时强大的功率电力，充电桩依靠常规电网无法满足，必须依靠专用充电网络，将充电桩建立在专门的电动汽车充电站，因此，电动汽车充电是制约电动汽车发展的瓶颈。现有的电动汽车专用充电站数量比较少，且现有电动汽车专用充电站的建设仍然对常规电网造成冲击，影响家庭用电。

2、专利申请号为202110644277.8的中国发明专利公开了一种电动汽车充电管理方法，将新能源发电作为常规电网的补充为电动汽车充电，将电动汽车充电对常规电网的冲击进行分流，减小电动车充电对家庭用电的影响，促进了电动汽车的发展，并提高了新能源利用率。

3、但是，在实际场景中，由于电网的复杂多变性和新能源发电本身的波动性，给充电桩供电的发电源发电功率的动态变化是一个不可忽视的问题，可能导致供电的不稳定性，并且上述专利中实时监测并调整供电支路对充电桩的分配，遇到波动较大的情况甚至会频繁切换供电支路的分配策略，这种频繁切换可能由于未知供电源的发电功率的稳定情况而带来充电隐患，从而影响充电管理效率。

技术实现思路

1、本技术通过提供一种电动汽车充电管理方法，能够基于多元特征融合向量，差异化各新能源发电支路的稳供预测模型，提高供电效率和充电管理的稳定性。

2、本技术提供了一种电动汽车充电管理方法，包括：

3、s101，获取接入电动汽车充电站的各新能源发电支路以及当前各新能源发电支路的多元特征融合向量；当前各新能源发电支路的多元特征融合向量表示为：[a,b,c]，a为供电时间特征，b为供电环境特征，c为邻近发电-充电协变特征；

4、s102，将各新能源发电支路的多元特征融合向量输入至各新能源发电支路对应的预先训练完成的稳供预测模型中，输出当前各新能源发电支路的稳定性指数；

5、s103，获取充电站的每个待工作充电桩的用电需求功率、各新能源发电支路的额定发电功率及其稳定性指数，根据预设的供电关联算法，确定新能源发电支路的供电对象和供电模式。

6、优选地，所述新能源发电支路的多元特征融合向量的获取过程为：

7、a1、基于第一分配规则，提取当前时间节点对应的供电时间特征，供电时间特征包括高峰期、中峰期、低峰期；

8、a2、基于第二分配规则，提取当前时间节点对应的供电环境特征，供电环境特征设置为环境恶劣等级值，环境恶劣等级值的范围区间为[0,3]；

9、a3、获得该新能源发电支路邻近供电窗口内新能源发电支路的发电功率序列、对应受电充电桩组的充电功率序列，根据第一预设算法得到当前该新能源发电支路的邻近发电-充电协变特征；

10、所述发电功率序列为在邻近供电窗口内按照时间节点顺序依次采样的发电功率形成的发电功率序列；所述充电功率序列为在邻近供电窗口内按照时间节点顺序依次采样的充电功率形成的充电功率序列；所述邻近供电窗口为该新能源发电支路最近一次向充电站发电的时间段；

11、a4、根据供电时间特征、供电环境特征、邻近发电-充电协变特征，生成当前各新能源发电支路的多元特征融合向量。

12、优选地，所述第一分配规则设置为：分别获取该充电站历史上每个工作日、休息日的日电动汽车流量数据的变化曲线，根据日电动汽车流量数据的变化曲线得到工作日和休息日分别对应充电高峰时段、中峰时段、低峰时段，判断当前时间节点所命中的时段，得到当前时间节点的供电时间特征；

13、所述第二分配规则基于环境参数进行设置：依据预先设置的恶劣等级划分机制，分别得到当前环境参数对应的等级值，对环境参数分别对应的等级值进行加权求和，得到环境恶劣等级值。

14、优选地，所述第一预设算法具体为：

15、

16、其中，c为该新能源发电支路的邻近发电-充电协变特征，n为邻近供电窗口内采样的时间节点的总数量，为新能源发电支路在第i个时间节点的发电功率，为发电功率序列中发电功率的均值，为对应受电充电桩组在第i个时间节点的充电功率，为充电功率序列中充电功率的均值，为发电功率序列中发电功率的方差值，为充电功率序列中充电功率的方差值。

17、优选地，所述各新能源发电支路对应的预先训练完成的稳供预测模型的获得方式，包括：

18、b1、收集该新能源发电支路在该充电站历史上的大量多元特征融合向量；

19、b2、对历史上大量的多元特征融合向量进行标签标注，标注内容设置为稳定性指数，形成训练数据集；

20、b3、利用训练数据集对预先确定的神经网络结构进行训练，优化模型参数，得到最终的该新能源发电支路对应的稳供预测模型。

21、优选地，所述b2还包括：

22、c1、获得每个训练数据所在的历史供电窗口内新能源发电支路的发电功率序列[]、对应受电充电桩组的充电功率序列[]；

23、c2、根据训练数据所在历史供电窗口内发电和受电端的功率特征数据，计算得到每个训练数据的稳定性指数。

24、优选地，在所述c2之前，所述方法还包括：

25、d1、基于每个训练数据，根据其所在历史供电窗口内的发电功率序列[]，计算得到每个时间节点的发电波动幅度值：，为第i个时间节点的发电波动幅度值，为发电功率序列中第i个时间节点的发电功率，为发电功率序列中发电功率的均值；

26、d2、统计历史供电窗口内发电波动幅度值大于预设幅度阈值的时间节点的数量t、t个时间节点对应的发电功率和充电功率，形成新的发电功率序列[]、对应受电充电桩组的充电功率序列[]，替换步骤c1中的发电功率序列、充电功率序列。

27、优选地，所述c2中，计算得到每个训练数据的稳定性指数，具体为：

28、

29、其中，为第r个训练数据的稳定性指数，为第r个训练数据的稳定关联因子，t为对应历史供电窗口内发电波动幅度值大于预设幅度阈值的时间节点的总数量，t为时间节点的编号，取值范围为[1,t]，为新的发电功率序列中第t个时间节点的发电功率，为新的发电功率序列中发电功率的均值，为新的充电功率中第t个时间节点的充电功率，为新的充电功率序列中充电功率的均值，为新的发电功率序列中发电功率的方差值，为新的充电功率序列中充电功率的方差值，为稳定关联因子的调整系数。

30、优选地，所述s103中，预设的供电关联算法，具体包括：

31、s201，获取充电站当前所有待工作充电桩及每个待工作充电桩之间的关系属性，关系属性包括并联关系、非并联关系，根据每个待工作充电桩之间的属性关系，得到至少一个充电桩组，每个充电桩组包括至少一个待工作充电桩；

32、s202，对于每个充电桩组，计算其总用电需求功率，获得当前各新能源发电支路的额定发电功率、稳定性指数；

33、s203，对新能源发电支路按照稳定性指数降序排序生成新能源发电支路列表，对充电桩组按照总用电需求功率降序排序生成充电桩组列表；

34、s204，遍历充电桩组列表，对于每个充电桩组，遍历新能源发电支路列表，查找满足功率适配条件的新能源发电支路，若存在，则在满足功率适配的新能源发电支路中，选择稳定性指数最高的一支作为该充电桩组的供电源，若不存在，组合若干稳定性指数最高的新能源发电支路并联以满足功率适配条件作为该充电桩组的供电源，或者在还存在剩余发电功率的新能源发电支路中选择稳定性指数最高的一支与主干电网并联作为该充电桩组的供电源；

35、s205，更新所有新能源发电支路的剩余发电功率，并从新能源发电支路列表中移除已分配完发电功率的支路，重复执行步骤s204至步骤s205，直至遍历完所有充电桩组，生成分配结果，分配结果包括每个充电桩组的供电源。

36、优选地，在所述s103之后，所述方法还包括：

37、s104，基于预先设置的时间间隔，每隔时间间隔周期性地执行步骤s101至步骤s103，更新当前各新能源发电支路的多元特征融合向量，根据上一个时间间隔内各新能源发电支路的供电窗口更新当前各新能源发电支路的邻近供电窗口。

38、本技术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：

39、新能源发电支路当前的多元特征融合向量中，引入邻近发电-充电协变特征，通过监测其上一个供电窗口内发电功率序列和对应受电充电桩组的充电功率序列，能够量化该新能源发电支路距离当前最近的发电与充电之间的供电波动特征，这种历史动态关系对于预测当前及未来供电窗口内的供电稳定性至关重要；该历史协变特征的引入，模型能够更准确地识别该历史波动特征，从而依据更多类似的历史情况下做出更精准、更具针对性的预测；通过引入多元特征融合向量，差异化各新能源发电支路的稳供预测模型的训练，通过综合考虑供电时间、供电环境和邻近发电-充电协变多个维度，更全面地评估新能源发电支路当前对于充电桩供电进行充电的稳定性，结合供电端的稳定性指数和发电功率、受电段的用电需求功率，为后续的供电分配决策提供更准确可靠的信息支撑的依据，能够更合理地分配新能源发电支路和主干电网的供电任务，提高供电效率和充电管理的稳定性；

40、通过智能标注每个训练数据的稳定性指数，替代了人为标注或专家经验标注的过程，减少了人工干预，提高了数据处理的效率和准确性；稳定性指数的计算综合考虑了供电端的实际发电功率和受电端的实际充电功率的特征以及它们之间的波动关联情况，能够更全面地反映新能源发电支路的供电稳定性；针对性的稳定性指数标注为稳供预测模型提供了高质量的训练数据，有助于模型更好地学习不同新能源发电支路供电稳定性的特征，从而提高预测的准确性；

41、通过为每个训练数据的历史供电窗口筛选出发电功率显著波动的时间节点，进一步精细化关联受电端的功率数据特征，更新历史供电窗口中的时间节点对应的序列数据，并基于这些节点计算稳定性指数，从而更准确地评估供电端的稳定性，准确地对发电端-受电端的功率数据特征进行有效关联；进一步为稳供预测模型提供更准确、更有针对性的训练数据，有助于提高模型的预测准确性；

42、基于各新能源发电支路当前的稳定性指数、额定发电功率，利用预设的供电关联算法，即通过划分充电桩组、排序新能源发电支路和充电桩组、以及遍历优先分配条件，确保了供电分配方案的最优化；通过周期性执行供电关联算法，实时更新相关数据参数，并且实时监测充电桩组的充电进度，动态调整周期时间间隔，确保了供电分配方案能够随时适应实际情况的变化，适应了新能源发电和充电需求的动态变化。