一种充电桩及其充电稳压控制方法技术

一种充电桩及其充电稳压控制方法，其获取充电桩在预定时间段的电压信号；用基于深度学习的人工智能技术，挖掘充电桩的电压信号在时间维度上的时序分布特征信息，基于此来准确地进行电压稳定性的检测评估，以进行功率参考值的精准确定，避免过载或欠载等问题，保证充电桩的电压稳定，提高充电效率。提高充电效率。提高充电效率。

【技术实现步骤摘要】
一种充电桩及其充电稳压控制方法


[0001]本申请涉及智能化控制
，并且更具体地，涉及一种充电桩及其充电稳压控制方法。

技术介绍

[0002]电动汽车作为一种可控负荷和移动储能设备，通过合理规划，在适当的控制策略下可以为电力系统提供调峰、调频、调压等辅助服务，减少了对系统备用容量的要求，一定程度上降低了系统的投资建设成本，同时还能够增加系统运行稳定性，其中稳定电压是保证电力系统安全性与稳定性的重要条件。
[0003]随着电动汽车的不断普及，电动汽车的灵活可控的充放电特性日益得到重视，特别是对电网企业而言，电动汽车具有移动储能特性，可有力支撑电网安全稳定运行，特别是对电压稳定性的支撑。但是，目前电动汽车对电网电压的贡献集中在稳态功率支撑层面，如果采用传统解决方法解决短时变动问题，即在电网中增加动态电压恢复器等治理设备，会增加投入资金，造成不必要的资源浪费。
[0004]因此，期望一种优化的充电桩的充电稳压控制方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种充电桩及其充电稳压控制方法，其获取充电桩在预定时间段的电压信号；用基于深度学习的人工智能技术，挖掘充电桩的电压信号在时间维度上的时序分布特征信息，基于此来准确地进行电压稳定性的检测评估，从而进行功率参考值的精准确定，避免过载或欠载等问题，保证充电桩的电压稳定，提高充电效率。
[0006]第一方面，提供了一种充电桩及其充电稳压控制方法，其包括：
[0007]获取充电桩在预定时间段的电压信号；
[0008]对所述电压信号进行基于傅里叶变换的频域分析以得到多个电压频域统计值；
[0009]将所述多个电压频域统计值通过包含第一卷积层和第二卷积层的电压频域关联特征提取器以得到多尺度电压频域关联特征向量；
[0010]将所电压信号的波形图通过作为过滤器的卷积神经网络模型以得到电压信号波形特征向量；
[0011]融合所述多尺度电压频域关联特征向量和所述电压信号波形特征向量以得到解码特征向量；以及
[0012]将所述解码特征向量通过解码器以得到解码值，所述解码值用于表示当前时间点的推荐的功率参考值。
[0013]在上述充电桩及其充电稳压控制方法中，将所述多个电压频域统计值通过包含第一卷积层和第二卷积层的电压频域关联特征提取器以得到多尺度电压频域关联特征向量，包括：将所述多个电压频域统计值输入所述电压频域关联特征提取器的第一卷积层以得到
第一尺度电压频域特征向量，其中，所述第一卷积层具有第一尺度的感受野；将所述多个电压频域统计值输入所述电压频域关联特征提取器的第二卷积层以得到第二尺度电压频域特征向量，其中，所述第二卷积层具有第二尺度的感受野，所述第一尺度不同于所述第二尺度；以及，将所述第一尺度电压频域特征向量和所述第二尺度电压频域特征向量进行级联以得到所述多尺度电压频域关联特征向量。
[0014]在上述充电桩及其充电稳压控制方法中，将电压信号的波形图通过作为过滤器的卷积神经网络模型以得到电压信号波形特征向量，包括：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述电压信号波形特征向量，所述作为过滤器的卷积神经网络模型的第一层的输入为所述电压信号的波形图。
[0015]在上述充电桩及其充电稳压控制方法中，融合所述多尺度电压频域关联特征向量和所述电压信号波形特征向量以得到解码特征向量，包括：以如下融合公式融合所述多尺度电压频域关联特征向量和所述电压信号波形特征向量以得到解码特征向量；其中，所述融合公式为：
[0016][0017]其中，V为所述解码特征向量，V1为所述多尺度电压频域关联特征向量，V2为所述电压信号波形特征向量，表示按位置加法，λ和β为用于控制所述多尺度电压频域关联特征向量和所述电压信号波形特征向量之间的平衡的加权参数。
[0018]在上述充电桩及其充电稳压控制方法中，将所述解码特征向量通过解码器以得到解码值，所述解码值用于表示当前时间点的推荐的功率参考值，包括：使用所述解码器以如下解码公式对所述解码特征向量进行解码回归以得到所述解码值；其中，所述解码公式为：其中，V
d
表示所述解码特征向量，Y表示解码值，W表示权重矩阵，B表示偏置向量，表示矩阵乘。
[0019]在上述充电桩及其充电稳压控制方法中，还包括对所述包含第一卷积层和第二卷积层的电压频域关联特征提取器、所述作为过滤器的卷积神经网络模型和所述解码器进行训练；其中，对所述包含第一卷积层和第二卷积层的电压频域关联特征提取器、所述作为过滤器的卷积神经网络模型和所述解码器进行训练，包括：获取训练数据，所述训练数据包括充电桩在预定时间段的训练电压信号，以及，所述当前时间点的推荐的功率参考值的真实值；对所述训练电压信号进行基于傅里叶变换的频域分析以得到多个训练电压频域统计值；将所述多个训练电压频域统计值通过所述包含第一卷积层和第二卷积层的电压频域关联特征提取器以得到训练多尺度电压频域关联特征向量；将所述训练电压信号的波形图通过所述作为过滤器的卷积神经网络模型以得到训练电压信号波形特征向量；融合所述训练多尺度电压频域关联特征向量和所述训练电压信号波形特征向量以得到训练解码特征向量；对所述训练解码特征向量进行特征分布优化以得到优化训练解码特征向量；将所述优化训练解码特征向量通过所述解码器以得到解码损失函数值；以及，基于所述解码损失函数值并通过梯度下降的反向传播来对所述包含第一卷积层和第二卷积层的电压频域关联
特征提取器、所述作为过滤器的卷积神经网络模型和所述解码器进行训练。
[0020]在上述充电桩及其充电稳压控制方法中，对所述训练解码特征向量进行特征分布优化以得到优化训练解码特征向量，包括：以如下优化公式对所述训练解码特征向量进行耿贝尔正态周期性重参数化以得到所述优化训练解码特征向量；其中，所述优化公式为：
[0021][0022]其中，v
i
表示所述训练解码特征向量的各个位置的特征值，μ和σ分别是所述训练解码特征向量的各个位置的特征值集合的均值和方差，log表示以2为底的对数函数，arcsin(
·
)表示反正弦函数，arccos(
·
)表示反余弦函数，v
i
′
表示所述优化训练解码特征向量的各个位置的特征值。
[0023]在上述充电桩及其充电稳压控制方法中，将所述优化训练解码特征向量通过所述解码器以得到解码损失函数值，包括：使用所述解码器以如下训练解码公式对所述训练解码特征矩阵进行解码回归以获得训练解码值；其中，所述训练解码公式为：其中，X是所述优化训练解码特征向量，Y是所述训练解码值，W是权重矩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种充电桩的充电稳压控制方法，其特征在于，包括：获取充电桩在预定时间段的电压信号；对所述电压信号进行基于傅里叶变换的频域分析以得到多个电压频域统计值；将所述多个电压频域统计值通过包含第一卷积层和第二卷积层的电压频域关联特征提取器以得到多尺度电压频域关联特征向量；将电压信号的波形图通过作为过滤器的卷积神经网络模型以得到电压信号波形特征向量；融合所述多尺度电压频域关联特征向量和所述电压信号波形特征向量以得到解码特征向量；以及将所述解码特征向量通过解码器以得到解码值，所述解码值用于表示当前时间点的推荐的功率参考值。2.根据权利要求1所述的充电桩的充电稳压控制方法，其特征在于，将所述多个电压频域统计值通过包含第一卷积层和第二卷积层的电压频域关联特征提取器以得到多尺度电压频域关联特征向量，包括：将所述多个电压频域统计值输入所述电压频域关联特征提取器的第一卷积层以得到第一尺度电压频域特征向量，其中，所述第一卷积层具有第一尺度的感受野；将所述多个电压频域统计值输入所述电压频域关联特征提取器的第二卷积层以得到第二尺度电压频域特征向量，其中，所述第二卷积层具有第二尺度的感受野，所述第一尺度不同于所述第二尺度；以及将所述第一尺度电压频域特征向量和所述第二尺度电压频域特征向量进行级联以得到所述多尺度电压频域关联特征向量。3.根据权利要求2所述的充电桩的充电稳压控制方法，其特征在于，将电压信号的波形图通过作为过滤器的卷积神经网络模型以得到电压信号波形特征向量，包括：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述电压信号波形特征向量，所述作为过滤器的卷积神经网络模型的第一层的输入为所述电压信号的波形图。4.根据权利要求3所述的充电桩的充电稳压控制方法，其特征在于，融合所述多尺度电压频域关联特征向量和所述电压信号波形特征向量以得到解码特征向量，包括：以如下融合公式融合所述多尺度电压频域关联特征向量和所述电压信号波形特征向量以得到解码特征向量；其中，所述融合公式为：其中，V为所述解码特征向量，V1为所述多尺度电压频域关联特征向量，V2为所述电压信号波形特征向量，表示按位置加法，λ和β为用于控制所述多尺度电压频域关联特征向量和所述电压信号波形特征向量之间的平衡的加权参数。
5.根据权利要求4所述的充电桩的充电稳压控制方法，其特征在于，将所述解码特征向量通过解码器以得到解码值，所述解码值用于表示当前时间点的推荐的功率参考值，包括：使用所述解码器以如下解码公式对所述解码特征向量进行解码回归以得...

【专利技术属性】
技术研发人员：金辉，戴广翀，杨天普，翟睿，徐素萍，谢中炜，王昶，
申请(专利权)人：浙江奕电科技有限公司，
类型：发明
国别省市：