数据处理方法、装置、设备、存储介质和计算机产品制造方法及图纸

本申请涉及一种数据处理方法、装置、设备、存储介质和计算机产品。该方法包括：根据充电场站的输入电量数据、输出电量数据和激励电量数据，获取充电场站的初始充电代价模型；对初始充电代价模型进行线性化处理，得到目标充电代价模型，目标充电代价模型对应的数据指标维度小于初始充电代价模型对应的数据指标维度；根据目标充电代价模型，确定充电场站对应的充电代价值。本方法对于充电代价模型进行线性化处理，以使线性化处理后的目标充电代价模型的数据指标维度小于初始充电代价模型，降低数据处理时的数据维度，可以对充电代价值进行实时调整，大大提高了数据处理的效率。大大提高了数据处理的效率。大大提高了数据处理的效率。

【技术实现步骤摘要】
数据处理方法、装置、设备、存储介质和计算机产品


[0001]本申请涉及计算机处理
，特别是涉及一种数据处理方法、装置、设备、存储介质和计算机产品。

技术介绍

[0002]随着电动汽车的大规模普及，用于电动汽车充电的充电场站也越来越多，充电场站在能源控制调度方面发挥着重要的作用。在实际应用的过程中，电动汽车的充电行为具有随机性，因此，可以通过充电代价值对上述充电行为进行引导，例如将电动汽车引导至利用率较低的充电场站进行充电，从而提高该充电场站的利用率。
[0003]现有技术在确定充电代价值时，需要结合多指标维度的数据，在进行数据处理时，需要处理的数据量大，数据处理效率低。如何提高数据处理效率，可以实时的对充电代价值进行调整，是亟待解决的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高数据处理效率的数据处理方法、装置、设备、存储介质和计算机产品。
[0005]第一方面，本申请提供了一种数据处理方法。该方法包括：
[0006]根据充电场站的输入电量数据、输出电量数据和激励电量数据，获取充电场站的初始充电代价模型；
[0007]对初始充电代价模型进行线性化处理，得到目标充电代价模型，目标充电代价模型对应的数据指标维度小于初始充电代价模型对应的数据指标维度；
[0008]根据目标充电代价模型，确定充电场站对应的充电代价值。
[0009]在其中一个实施例中，对初始充电代价模型进行线性化处理，得到目标充电代价模型，包括：
>[0010]对初始充电代价模型中输出电量数据对应的输出电量因子进行线性化处理，得到处理后的输出电量因子，并对初始充电代价模型中激励电量数据对应的激励电量因子进行线性化处理，得到处理后的激励电量因子；
[0011]根据处理后的输出电量因子、处理后的激励电量因子和初始充电代价模型中输入电量数据对应的输入电量因子，获取目标充电代价模型。
[0012]在其中一个实施例中，输出电量因子包括充电选择参数、单位输出功率参数和充电代价值参数；对初始充电代价模型中输出电量数据对应的输出电量因子进行线性化处理，得到处理后的输出电量因子，包括：
[0013]将单位输出功率参数变换为比值参数，比值参数用于表征整体输出功率与输出功率时长的比值；
[0014]将充电选择参数和充电代价值参数合并为充电参数；
[0015]对比值参数和充电参数进行线性化，得到处理后的输出电量因子。
[0016]在其中一个实施例中，处理后的输出电量因子包括第一约束条件，第一约束条件是根据充电选择参数和充电代价值参数配置的，第一约束条件用于对充电参数的数据范围进行约束。
[0017]在其中一个实施例中，激励电量因子包括激励代价值参数和激励功率参数；对初始充电代价模型中激励电量数据对应的激励电量因子进行线性化处理，得到处理后的激励电量因子，包括：
[0018]将激励代价值参数和激励功率参数合并为激励参数；
[0019]对激励参数进行线性化，得到处理后的激励电量因子。
[0020]在其中一个实施例中，处理后的激励电量因子包括第二约束条件，第二约束条件是根据激励代价值参数和激励功率参数配置的，第二约束条件用于对激励参数的范围进行约束。
[0021]第二方面，本申请还提供了一种数据处理装置。该装置包括：
[0022]初始模型获取模块，用于根据充电场站的输入电量数据、输出电量数据和激励电量数据，获取充电场站的初始充电代价模型；
[0023]模型优化模块，用于对初始充电代价模型进行线性化处理，得到目标充电代价模型，目标充电代价模型对应的数据指标维度小于初始充电代价模型对应的数据指标维度；
[0024]确定模块，用于根据目标充电代价模型，确定充电场站对应的充电代价值。
[0025]第三方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
[0026]根据充电场站的输入电量数据、输出电量数据和激励电量数据，获取充电场站的初始充电代价模型；
[0027]对初始充电代价模型进行线性化处理，得到目标充电代价模型，目标充电代价模型对应的数据指标维度小于初始充电代价模型对应的数据指标维度；
[0028]根据目标充电代价模型，确定充电场站对应的充电代价值。
[0029]第四方面，本申请还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0030]根据充电场站的输入电量数据、输出电量数据和激励电量数据，获取充电场站的初始充电代价模型；
[0031]对初始充电代价模型进行线性化处理，得到目标充电代价模型，目标充电代价模型对应的数据指标维度小于初始充电代价模型对应的数据指标维度；
[0032]根据目标充电代价模型，确定充电场站对应的充电代价值。
[0033]第五方面，本申请还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0034]根据充电场站的输入电量数据、输出电量数据和激励电量数据，获取充电场站的初始充电代价模型；
[0035]对初始充电代价模型进行线性化处理，得到目标充电代价模型，目标充电代价模型对应的数据指标维度小于初始充电代价模型对应的数据指标维度；
[0036]根据目标充电代价模型，确定充电场站对应的充电代价值。
[0037]上述数据处理方法、装置、设备、存储介质和计算机产品，根据充电场站的输入电
量数据、输出电量数据和激励电量数据，获取充电场站的初始充电代价模型；对初始充电代价模型进行线性化处理，得到目标充电代价模型，目标充电代价模型对应的数据指标维度小于初始充电代价模型对应的数据指标维度；根据目标充电代价模型，确定充电场站对应的充电代价值。本申请提供的方法在确定充电代价值时构建充电代价模型，通过充电代价模型可以综合考虑到输入电量数据、输出电量数据额和激励电量数据对充电代价的影响，数据处理的准确度高。同时，本申请对于充电代价模型进行线性化处理，以使线性化处理后的目标充电代价模型的数据指标维度小于初始充电代价模型，降低数据处理时的数据维度，可以对充电代价值进行实时调整，大大提高了数据处理的效率。
附图说明
[0038]图1为一个实施例中数据处理方法的应用环境图；
[0039]图2为一个实施例中数据处理方法的流程图；
[0040]图3为一个实施例中获取目标充电代价模型的流程图；
[0041]图4为另一个实施例中数据处理方法的流程图；
[0042]图5为一个实施例中数据处理装置的结构框图；
[0043]图6为一个实施例中计算机设备的内部结构图。
具体实施方式
[0044]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：根据充电场站的输入电量数据、输出电量数据和激励电量数据，获取所述充电场站的初始充电代价模型；对所述初始充电代价模型进行线性化处理，得到目标充电代价模型，所述目标充电代价模型对应的数据指标维度小于所述初始充电代价模型对应的数据指标维度；根据所述目标充电代价模型，确定所述充电场站对应的充电代价值。2.根据权利要求1所述的方法，其特征在于，所述对所述初始充电代价模型进行线性化处理，得到目标充电代价模型，包括：对所述初始充电代价模型中所述输出电量数据对应的输出电量因子进行线性化处理，得到处理后的输出电量因子，并对所述初始充电代价模型中所述激励电量数据对应的激励电量因子进行线性化处理，得到处理后的激励电量因子；根据所述处理后的输出电量因子、所述处理后的激励电量因子和所述初始充电代价模型中所述输入电量数据对应的输入电量因子，获取所述目标充电代价模型。3.根据权利要求2所述的方法，其特征在于，所述输出电量因子包括充电选择参数、单位输出功率参数和充电代价值参数；所述对所述初始充电代价模型中所述输出电量数据对应的输出电量因子进行线性化处理，得到处理后的输出电量因子，包括：将所述单位输出功率参数变换为比值参数，所述比值参数用于表征整体输出功率与输出功率时长的比值；将所述充电选择参数和所述充电代价值参数合并为充电参数；对所述比值参数和所述充电参数进行线性化，得到处理后的输出电量因子。4.根据权利要求3所述的方法，其特征在于，所述处理后的输出电量因子包括第一约束条件，所述第一约束条件是根据所述充电选择参数和所述充电代价值参数配置的，所述第一约...

【专利技术属性】
技术研发人员：高岩峰，李勋，黄鹏，嘉有为，史梦鸽，王涵，
申请(专利权)人：南方电网电动汽车服务有限公司，
类型：发明
国别省市：