一种可自动分配控制功率的充电方法技术

本发明专利技术涉及智能电力分配技术领域，尤其涉及一种可自动分配控制功率的充电方法。所述方法包括以下步骤：通过自动充电桩系统采集汽车电源数据；对汽车电源数据进行数据预处理，生成汽车电源噪声数据，其中汽车电源噪声数据包括充电枪状态数据和汽车电源需求数据；基于自然语言技术对充电枪状态数据进行语义信息转换处理，生成充电枪状态语义数据；对充电枪状态语义数据进行特征提取处理，生成充电枪功率特征数据；对充电枪功率特征数据进行信息需求编码处理，生成充电枪功率需求编码数据；本发明专利技术通过对电源数据进行噪声收集以及语义化处理，建立功率控制模型，以实现可自动分配控制功率的充电方法。功率的充电方法。功率的充电方法。

【技术实现步骤摘要】
一种可自动分配控制功率的充电方法


[0001]本专利技术涉及智能电力分配
，尤其涉及一种可自动分配控制功率的充电方法。

技术介绍

[0002]过去，传统的充电方法通常是固定功率充电，无法智能地根据电网负荷和用户需求进行动态调整，这种方法存在诸多问题，如充电时长不确定、充电效率低和电网负荷过高等，随着能源管理和智能电网技术的发展，自动分配控制功率的充电方法应运而生，智能充电桩具备通信能力和数据处理功能，能够实时监测充电需求、电网负荷以及用户优先级等信息，利用物联网技术，将充电桩与电网、用户终端等设备连接在一起，实现实时数据传输和信息交换，通过对历史数据和实时数据进行分析，以及运用统计学和机器学习等方法，预测用户充电需求和电网负荷情况，根据预测结果和设定的优先级规则，自动分配充电桩的功率输出，并灵活调整充电速度，以最大程度地满足用户需求同时保证电网稳定运行。然而，目前现有技术仍存在一些缺陷，充电需求预测模型仍有改进空间，特别是在考虑到用户行为的复杂性、海量数据的处理和变化情况下，模型的预测精度有待提高。

技术实现思路

[0003]基于此，有必要提供一种可自动分配控制功率的充电方法，以解决至少一个上述技术问题。
[0004]为实现上述目的，一种可自动分配控制功率的充电方法，所述方法包括以下步骤：步骤S1：通过自动充电桩系统采集汽车电源数据；对汽车电源数据进行数据预处理，生成汽车电源噪声数据，其中汽车电源噪声数据包括充电枪状态数据和汽车电源需求数据；步骤S2：基于自然语言技术对充电枪状态数据进行语义信息转换处理，生成充电枪状态语义数据；对充电枪状态语义数据进行特征提取处理，生成充电枪功率特征数据；对充电枪功率特征数据进行信息需求编码处理，生成充电枪功率需求编码数据；步骤S3：根据时间序列分析技术对充电枪功率需求编码数据进行功率需求预测处理，生成充电枪功率预测数据；基于长短期记忆网络对充电枪功率预测数据进行深度学习处理，从而生成充电枪实时功率预测数据；步骤S4：利用Q
‑
learning强化学习方法对汽车电源需求数据进行模型构建处理，生成自适应充电控制策略模型；通过动态特征权重调整公式将充电枪实时功率预测数据导入至自适应充电控制策略模型中进行动态调整，生成充电功率控制策略模型；步骤S5：基于元学习技术对充电功率控制策略模型进行模型优化处理，生成充电功率控制策略优化模型；根据历史性能指导优化公式对充电功率控制策略优化模型进行策略优化处理，生成充电功率元学习优化数据；步骤S6：通过无监督学习根据充电功率元学习优化数据对充电功率控制策略优化
模型进行无监督训练处理，生成充电功率控制策略监督模型；利用模型解释技术对充电功率控制策略监督模型进行结果调整处理，生成充电控制策略；步骤S7：根据充电控制策略对充电枪进行功率分配处理，生成充电枪功率控制数据；基于实时数据流处理技术对充电枪功率控制数据进行实施结果收集处理，得到充电枪控制实施结果数据；对充电枪控制实施结果数据根据反馈控制理论进行系统循环反馈控制处理，实现充电枪功率控制的自动分配。
[0005]本专利技术通过自动充电桩系统采集汽车电源数据，对汽车电源数据进行数据预处理，可以去除数据中的噪声和异常值，提高数据的准确性和可靠性，生成汽车电源噪声数据，可以模拟实际充电环境中的噪声干扰，有助于评估充电功率优化算法的鲁棒性和性能，通过自动充电桩系统采集数据，可以实现自动化采集和处理，提高数据采集和处理的效率和准确性；通过自然语言技术对充电枪状态数据进行语义信息转换处理，可以将数据转化为可解释的语义信息，提高数据的可读性和可理解性，通过对充电枪状态语义数据进行特征提取处理，可以提取出与充电功率相关的特征，为后续充电功率优化提供有用的特征数据，通过对充电枪功率特征数据进行信息需求编码处理，可以将数据编码为规范化的数据格式，方便后续算法的处理和分析，并且可以帮助克服数据维度高、数据难以理解等问题，提高数据分析的效率和准确性；通过时间序列分析技术对充电枪功率需求编码数据进行功率需求预测处理，可以预测未来一段时间内的充电功率需求，为充电功率优化提供有用的参考信息，基于长短期记忆网络对充电枪功率预测数据进行深度学习处理，可以提高充电功率预测的准确性和精度，为充电功率优化提供更准确的预测结果，通过生成充电枪实时功率预测数据，可以根据历史数据和当前状态分析出未来的充电功率趋势，帮助决策者制定更加合理的充电策略，可以帮助优化充电功率的管理和控制，提高充电桩的利用效率，降低充电成本，提高用户体验；利用Q
‑
learning强化学习方法对汽车电源需求数据进行模型构建处理，可以根据历史数据和当前状态构建出自适应的充电控制策略模型，为充电功率优化提供有用的参考信息, 通过动态特征权重调整公式将充电枪实时功率预测数据导入至自适应充电控制策略模型中进行动态调整，可以根据实时的充电功率需求预测结果动态调整充电控制策略，提高充电功率控制的准确性和精度, 生成充电功率控制策略模型后，可以根据该模型对充电功率进行自适应控制，优化充电效率，提高充电桩的利用效率，降低充电成本，提高用户体验；基于元学习技术对充电功率控制策略模型进行模型优化处理，可以提高充电功率控制策略的效果和性能，进一步优化充电功率的管理和控制，根据历史性能指导优化公式对充电功率控制策略优化模型进行策略优化处理，可以根据历史数据和经验提高充电功率控制策略的性能和准确性，生成充电功率元学习优化数据后，可以根据该数据进一步优化充电功率控制策略，提高充电效率和用户体验；通过无监督学习根据充电功率元学习优化数据对充电功率控制策略优化模型进行无监督训练处理，可以进一步提高充电功率控制策略的效果和性能，为充电功率优化提供更准确的控制策略，利用模型解释技术对充电功率控制策略监督模型进行结果调整处理，可以通过可视化和解释模型的方式帮助决策者理解模型的预测结果和控制策略，提高决策的可靠性和可信度，生成充电控制策略后，可以根据该策略对充电功率进行动态控制，进一步提高充电效率和用户体验；根据充电控制策略对充电枪进行功率分配处理后，可以根据充电功率需求实时调整充电枪的功率输出，提高充电效率和用户体验，基于实时数据流处理技术对充电枪功率控制数据进行
实施结果收集处理，可以实时监测和收集充电枪功率控制实施的结果数据，对充电枪控制实施结果数据根据反馈控制理论进行系统循环反馈控制处理后，可以根据实时的反馈信息动态调整充电枪功率输出，进一步提高充电效率和用户体验，实现充电功率的自动分配和控制，提高充电桩的利用效率，降低充电成本，提高用户体验。因此，本专利技术通过将噪声数据视为有价值的信息并进行语义化处理，利用噪声来增强电力控制数据的精度，以及使用自我适应的分类模型和元学习的方法，根据之前模型的控制结果进行动态优化，进一步提高模型的电力功率控制精度。
[0006]本专利技术的有益效果在于通过自动充电桩系统采集汽车电源数据，并对其进行预处理，以生成汽车电源噪声数据，有助于准确地预测电源需求和充电枪状态，从而提高充电功率控制的精度，使用自然语言技术对充电枪状本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可自动分配控制功率的充电方法，其特征在于，包括以下步骤：步骤S1：通过自动充电桩系统采集汽车电源数据；对汽车电源数据进行数据预处理，生成汽车电源噪声数据，其中汽车电源噪声数据包括充电枪状态数据和汽车电源需求数据；步骤S2：基于自然语言技术对充电枪状态数据进行语义信息转换处理，生成充电枪状态语义数据；对充电枪状态语义数据进行特征提取处理，生成充电枪功率特征数据；对充电枪功率特征数据进行信息需求编码处理，生成充电枪功率需求编码数据；步骤S3：根据时间序列分析技术对充电枪功率需求编码数据进行功率需求预测处理，生成充电枪功率预测数据；基于长短期记忆网络对充电枪功率预测数据进行深度学习处理，从而生成充电枪实时功率预测数据；步骤S4：利用Q
‑
learning强化学习方法对汽车电源需求数据进行模型构建处理，生成自适应充电控制策略模型；通过动态特征权重调整公式将充电枪实时功率预测数据导入至自适应充电控制策略模型中进行动态调整，生成充电功率控制策略模型；步骤S5：基于元学习技术对充电功率控制策略模型进行模型优化处理，生成充电功率控制策略优化模型；根据历史性能指导优化公式对充电功率控制策略优化模型进行策略优化处理，生成充电功率元学习优化数据；步骤S6：通过无监督学习根据充电功率元学习优化数据对充电功率控制策略优化模型进行无监督训练处理，生成充电功率控制策略监督模型；利用模型解释技术对充电功率控制策略监督模型进行结果调整处理，生成充电控制策略；步骤S7：根据充电控制策略对充电枪进行功率分配处理，生成充电枪功率控制数据；基于实时数据流处理技术对充电枪功率控制数据进行实施结果收集处理，得到充电枪控制实施结果数据；对充电枪控制实施结果数据根据反馈控制理论进行系统循环反馈控制处理，实现充电枪功率控制的自动分配。2.根据权利要求1所述的一种可自动分配控制功率的充电方法，其特征在于，步骤S1包括以下步骤：步骤S11：通过设置的自动充电桩系统采集汽车电源数据；步骤S12：对汽车电源数据进行缺失值检测处理，若汽车电源数据存在缺失值，则对汽车电源数据进行缺失值填充处理，生成汽车电源缺失值数据；对汽车电源缺失值数据进行异常检测处理，若汽车电源缺失值数据存在异常值，则对汽车电源缺失值数据进行平滑处理，生成汽车电源异常处理数据；步骤S13：将汽车电源异常处理数据进行数据清洗处理，生成汽车电源清洗数据；步骤S14：基于数据湖对业务清洗数据进行数据集成处理，生成汽车电源集成数据；步骤S15：利用维度规约方法对汽车电源集成数据进行数据规约处理，从而生成汽车电源规约数据；步骤S16：通过噪声传感器对汽车电源规约数据进行数据噪声收集处理，从而得到汽车电源噪声数据，其中汽车电源噪声数据包括充电枪状态数据和汽车电源需求数据。3.根据权利要求2所述的一种可自动分配控制功率的充电方法，其特征在于，步骤S2包括以下步骤：步骤S21：基于NLP语义解析技术对充电枪状态数据进行数据降维处理，生成充电枪状态降维数据；
步骤S22：根据词嵌入技术对充电枪状态降维数据进行语义转换处理，生成充电枪语义向量；将充电枪语义向量进行矩阵组合处理，生成充电枪状态语义数据；步骤S23：对充电枪状态语义数据进行特征提取处理，得到充电枪功率数据；步骤S24：根据方差统计分析方法对充电枪功率数据进行特征分析处理，生成充电枪功率特征数据；步骤S25：利用二进制编码技术对充电枪功率特征数据进行信息需求编码处理，生成充电枪功率需求编码数据。4.根据权利要求3所述的一种可自动分配控制功率的充电方法，其特征在于，步骤S3包括以下步骤：步骤S31：通过滑动窗口法对充电枪功率需求编码数据进行时间序列切割处理，生成时间序列切割数据；步骤S32：利用季节性分解的时间序列方法对时间序列切割数据进行季节性趋势分解处理，生成时间序列分解数据；步骤S33：基于自回归移动平均模型对时间序列分解数据进行时间序列预测处理，生成充电枪功率预测数据；步骤S34：根据深度学习框架对充电枪功率预测数据进行数据标准化处理，生成标准充电枪功率预测数据；步骤S35：通过标准充电枪功率预测数据对基于长短期记忆网络的预设的序列模型进行模型训练处理，生成充电时间序列预测模型；将标准...

【专利技术属性】
技术研发人员：李剑锋，朱斌，张旭，周震霄，李加军，陈莉，赵锋，钱天翔，
申请(专利权)人：江苏充动科技有限公司，
类型：发明
国别省市：