一种基于深度学习的充电管理系统及方法技术方案

本发明专利技术涉及充电管理技术领域，公开了一种基于深度学习的充电管理系统及方法，包括充电能力执行管理单元以及充电能力训练优化单元，充电能力执行管理单元与充电能力训练优化单元连接，充电能力训练优化单元根据预先训练的深度学习时间序列预测算法模型，结合充电站充电设施系统的实际充电容量与待充电电动汽车的充电需求量，生成充电功率分配指令，充电能力执行管理单元根据所述充电功率分配指令控制电能分配到各充电设施，以使充电设施通过充电终端对待充电电动汽车进行充电。本发明专利技术提供的基于深度学习的充电管理系统及方法，利用深度学习建立持续优化的管理控制模型，使充电设施管理系统具备动态分配充电功率的供能，提高充电设施利用效率。充电设施利用效率。充电设施利用效率。

【技术实现步骤摘要】
一种基于深度学习的充电管理系统及方法


[0001]本专利技术涉及充电管理
，特别涉及一种基于深度学习的充电管理系统及方法。

技术介绍

[0002]现有充电设施数量多，充电容量大，但充电设施一旦建成，充电输出接口和停车位是相对固定的，同时还受到接入的供电能力的影响。由于被充电电动汽车的流动性，充电设施所连接的被充电电动汽车的数量，需要充电的时间以及所需充电容量均不确定，经常会出现高峰时段车找桩困难，车辆需排队充电且等候时间长，低峰时段又会出现充电设施闲置、利用率不高的现象；有时，还会出现即使充电设施满充电输出工作，由于存在充电过程功率需求曲线的因素，受充电枪与停车位的限制，高峰时段也会出现充电设施能力富裕，而被迫车等位的现象，即电动汽车处于均充阶段仍然在继续充电。
[0003]现有的充电能力管理系统虽然具备一定的自动监控处理手段，但综合调度能力有限，没有充电供需预测能力，仅靠人工结合实际充电使用而调整，效率低且车辆充电过程中矛盾突出。同时，受节能环保与政策拉动等多方面促进，新能源电动车辆及其电动汽车作为新基建建设的一部分，呈动态快速增长趋势，充电桩的管理和匹配因为周边地区的新增车辆数量和种类不同，也呈快速增长的动态变化过程，且季节不同导致电动汽车动力电池耗电速度不同，也改变着充电需求和用电负荷。而充电设施受停车位与供电能力的限制，无法快速增长。
[0004]这些问题与需求，包括自动驾驶技术的突破及新能源电动汽车与自动驾驶的整合趋势，要求新的智能充电设施能主动参与到供电充电能力与储能充电需求的优化配置与管理中。

技术实现思路

[0005]本专利技术的目的旨在解决现有技术的缺陷，提供一种基于深度学习的充电管理系统及方法，利用深度学习建立持续优化的管理控制模型，使充电设施管理系统具备动态分配充电功率的供能，优化充电设施的供能与充电能力资源，提高利用效率。
[0006]本专利技术为实现上述技术目的采用的技术方案是：一种基于深度学习的充电管理系统，包括充电能力执行管理单元以及充电能力训练优化单元，所述充电能力执行管理单元与所述充电能力训练优化单元连接；
[0007]所述充电能力训练优化单元，用于对收集的充电站电能供能变配电信息、充电设施能力信息、充电终端输出信息以及电动汽车充电需求信息进行处理，得到充电站充电设施系统的充电能力、供电能力与实际充电容量；
[0008]所述充电能力训练优化单元，还用于根据预先训练的深度学习时间序列预测算法模型，结合充电站充电设施系统的实际充电容量与待充电电动汽车的充电需求量，生成充电功率分配指令；
[0009]所述充电能力执行管理单元，用于接收所述充电功率分配指令，并根据所述充电功率分配指令控制电能分配到各充电设施，以使所述充电设施通过充电终端对待充电电动汽车进行充电。
[0010]通过采用上述技术方案，本专利技术提供的充电管理系统，利用深度学习及时间序列预测动态分析和优化等技术，提供一种具备深度自我学习后的动态分配充电功率能力的智能充电设施管理系统，优化充电设施的供能与充电能力资源，提高充电设施的利用效率。
[0011]本专利技术提供的充电管理系统，实现本充电站在最佳满足电动汽车的充电需求下，实现充电输出与用电供能效率的最大化，使充电设施及相应的供电效率高效，并利用AI深度学习建立持续优化的管理控制模型，实现充电设施系统的充电与用电效率最大化。
[0012]作为本专利技术的进一步设置：还包括云服务器，所述云服务器与所述充电能力训练优化单元通讯连接，用于将深度学习时间序列预测算法模型及模型训练环境迁移并置入到所述充电能力训练优化单元。
[0013]作为本专利技术的进一步设置：所述充电能力执行管理单元包括供能变配电站、充电设施分配控制模块以及若干个充电设施，所述充电设施设置有若干个充电终端，所述充电设施均与所述充电设施分配控制模块连接，所述充电设施分配控制模块连接至所述供能变配电站；
[0014]所述充电设施分配控制模块，用于接收所述充电能力训练优化单元发送的所述充电功率分配指令，并根据所述充电功率分配指令控制电能分配至所述充电设施；
[0015]所述充电设施，用于将所述电能转换成所述待充电电动汽车所需的工作电源，通过所述充电终端对所述待充电电动汽车进行充电。
[0016]作为本专利技术的进一步设置：所述充电能力训练优化单元包括数据管理模块、数据采集模块、数据库模块、数据训练模块以及数据输出模块，所述数据采集模块、所述数据库模块以及所述数据训练模块均通过所述数据管理模块与所述充电设施分配控制模块连接；
[0017]所述数据管理模块，用于对系统各数据进行综合处理与储存，并与所述云服务器通讯连接；
[0018]所述数据采集模块，用于采集所述供能变配电站、所述充电设施分配控制模块、所述充电设施以及所述充电终端的供电能力与实际使用数据，还用于采集所述待充电电动汽车的充电需求和环境参数；
[0019]所述数据库模块，用于收集和存储历史数据，并处理所述数据采集模块采集到的实时数据，根据所述历史数据和所述数据采集模块采集到的实时数据，建立历史数据库与实时数据库；
[0020]所述数据训练模块，用于结合所述历史数据库和所述实时数据库的数据，对预置的深度学习时间序列预测算法模型进行训练，以生成新的供电充电能力模型，根据所述供电充电能力模型输出结果制定充电功率分配指令；
[0021]所述数据输出模块，用于将接收到的所述充电功率分配指令输出至所述充电能力执行管理单元。
[0022]作为本专利技术的进一步设置：所述充电能力训练优化单元还包括人机交互调度模块和通讯模块，所述人机交互调度模块分别与所述数据管理模块和所述通讯模块连接，所述通讯模块与所述数据输出模块连接；
[0023]所述人机交互调度模块，用于使用户对深度学习时间序列预测算法模型的数据进行修改与调节，参与模型输出结果发出操作控制指令；
[0024]所述通讯模块，用于接收所述人机交互调度模块发出的所述操作控制指令，并将所述操作控制指令输出至所述充电能力执行管理单元。
[0025]此外，为实现上述技术目的，本专利技术还提出一种基于深度学习的充电管理系统的充电管理方法，所述方法包括：
[0026]S10，充电能力训练优化单元对收集的充电站电能供能变配电信息、充电设施能力信息、充电终端输出信息以及电动汽车充电需求信息进行处理，得到充电站充电设施系统的充电能力、供电能力与实际充电容量；
[0027]S20，充电能力训练优化单元根据预先训练的深度学习时间序列预测算法模型，结合充电站充电设施系统的实际充电容量与待充电电动汽车的充电需求量，生成充电功率分配指令；
[0028]S30，充电能力执行管理单元接收所述充电功率分配指令，并根据所述充电功率分配指令控制电能分配到各充电设施；
[0029]S40，充电设施通过充电终端对待充电电动汽车进行充电。
[0030]作为本专利技术的进一步设置：在所述S10，充电能力训练优化单元对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的充电管理系统，其特征在于：包括充电能力执行管理单元(1)以及充电能力训练优化单元(2)，所述充电能力执行管理单元(1)与所述充电能力训练优化单元(2)连接；所述充电能力训练优化单元(2)，用于对收集的充电站电能供能变配电信息、充电设施(13)能力信息、充电终端(14)输出信息以及电动汽车(4)充电需求信息进行处理，得到充电站充电设施系统的充电能力、供电能力与实际充电容量；所述充电能力训练优化单元(2)，还用于根据预先训练的深度学习时间序列预测算法模型，结合充电站充电设施系统的实际充电容量与待充电电动汽车(4)的充电需求量，生成充电功率分配指令；所述充电能力执行管理单元(1)，用于接收所述充电功率分配指令，并根据所述充电功率分配指令控制电能分配到各充电设施(13)，以使所述充电设施(13)通过充电终端(14)对待充电电动汽车(4)进行充电。2.根据权利要求1所述的基于深度学习的充电管理系统，其特征在于：还包括云服务器(3)，所述云服务器(3)与所述充电能力训练优化单元(2)通讯连接，用于将深度学习时间序列预测算法模型及模型训练环境迁移并置入到所述充电能力训练优化单元(2)。3.根据权利要求2所述的基于深度学习的充电管理系统，其特征在于：所述充电能力执行管理单元(1)包括供能变配电站(11)、充电设施分配控制模块(12)以及若干个充电设施(13)，所述充电设施(13)设置有若干个充电终端(14)，所述充电设施(13)均与所述充电设施分配控制模块(12)连接，所述充电设施分配控制模块(12)连接至所述供能变配电站(11)；所述充电设施分配控制模块(12)，用于接收所述充电能力训练优化单元(2)发送的所述充电功率分配指令，并根据所述充电功率分配指令控制电能分配至所述充电设施(13)；所述充电设施(13)，用于将所述电能转换成所述待充电电动汽车(4)所需的工作电源，通过所述充电终端(14)对所述待充电电动汽车(4)进行充电。4.根据权利要求3所述的基于深度学习的充电管理系统，其特征在于：所述充电能力训练优化单元(2)包括数据管理模块(21)、数据采集模块(22)、数据库模块(23)、数据训练模块(24)以及数据输出模块(25)，所述数据采集模块(22)、所述数据库模块(23)以及所述数据训练模块(24)均通过所述数据管理模块(21)与所述充电设施分配控制模块(12)连接；所述数据管理模块(21)，用于对系统各数据进行综合处理与储存，并与所述云服务器(3)通讯连接；所述数据采集模块(22)，用于采集所述供能变配电站(11)、所述充电设施分配控制模块(12)、所述充电设施(13)以及所述充电终端(14)的供电能力与实际使用数据，还用于采集所述待充电电动汽车(4)的充电需求和环境参数；所述数据库模块(23)，用于收集和存储历史数据，并处理所述数据采集模块(22)采集到的实时数据，根据所述历史数据和所述数据采集模块(22)采集到的实时数据，建立历史数据库与实时数据库；所述数据训练模块(24)，用于结合所述历史数据库和所述实时数据库的数据，对预置的深度学习时间序列预测算法模型进行训练，以生成新的供电充电能力模型，根据所述供电充电能力模型输出结果制定充电功率分配指令；
所述数据输出模块(25)，用于将接收到的所述充电功率分配指令输出至所述充电能力执行管理单元(1)。5.根据权利要求4所述的基于深度学习的充电管理系统，其特征在于：所述充电能力训练优化单元(2)还包括人机交互调度模块(26)和通讯模块(27)，所述人机交互调度模块(26)分别与所述数据管理模块(21)和所述通讯模块(27)连接，所述通讯模块(27)与所述数据输出模块(25)连接；所述人机交互调度模块(26)，用于使用户对深度学习时间序列预测算法模型的数据进行修改与调节，参与模型输出结果发出操作控制指令；所述...

【专利技术属性】
技术研发人员：潘非，孙玉鸿，戴珂，康勇，
申请(专利权)人：湖北追日电气股份有限公司，
类型：发明
国别省市：