充电桩动态调度决策方法技术

本发明专利技术涉及充电桩技术领域，并公开了一种充电桩动态调度决策方法

【技术实现步骤摘要】
充电桩动态调度决策方法、装置、设备及存储介质


[0001]本专利技术涉及充电桩
，尤其涉及一种充电桩动态调度决策方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]如今，电动汽车充电桩的调度常用静态调度方法来实现
。
即基于先验信息，如车辆的充电需求预测
、
用户的行为模式和历史数据等，在一开始就确定好每个充电桩的使用计划
。
[0003]然而，这种静态调度方法较为依赖于先验信息和历史数据，但这些信息往往无法完全预测和适应用户需求的变化
。
例如，如果某个地区出现新的充电需求热点或新的充电桩投入使用，静态调度计划可能无法及时调整，导致资源的不合理分配（例如某些充电桩闲置时间较长，而其他充电桩则需求过剩）和满足用户需求的困难（例如用户无法及时获得满足其变化需求的充电服务）
。
因此，目前行业内亟需一种能够根据实时充电情况对充电桩进行动态调度的方法
。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术
。

技术实现思路

[0005]本专利技术的主要目的在于提供了一种充电桩动态调度决策方法
、
装置
、
设备及存储介质，旨在解决现有技术无法根据实时充电情况对充电桩进行动态调度的技术问题
。
[0006]为实现上述目的，本专利技术提供了一种充电桩动态调度决策方法，所述方法包括以下步骤：通过车联网采集实时环境数据，所述实时环境数据包括车辆数据
、
充电桩数据和道路数据；对所述实时环境数据进行数据处理和数据预测，得到优化目标；对所述优化目标进行多目标优化，生成帕累托前沿解集，所述帕累托前沿解集中包含多个调度方案；基于所述帕累托前沿解集确定充电桩最优调度方案
。
[0007]可选地，所述对所述实时环境数据进行数据处理和数据预测，得到优化目标的步骤，包括：对所述实时环境数据进行数据处理，得到处理后数据，所述数据处理包括数据清洗
、
数据去噪和格式化转换；对所述处理后数据进行数据融合，得到分析数据集，并从所述分析数据集中提取预测目标特征；基于所述预测目标特征构建预测模型，并通过所述预测模型对所述实时环境数据进行数据预测，得到优化目标
。
[0008]可选地，所述对所述优化目标进行多目标优化，生成帕累托前沿解集的步骤，包括：对所述优化目标进行多目标优化，得到目标函数；基于遗传算法生成初始种群，所述初始种群中包含多个个体，且每个个体表示一个调度方案；基于所述目标函数和所述初始种群中所有个体的适应度值生成帕累托前沿解集
。
[0009]可选地，所述基于所述帕累托前沿解集确定充电桩最优调度方案的步骤，包括：根据用户的充电需求确定所述优化目标的优先级和权重；基于所述优先级和所述权重从所述帕累托前沿解集中确定充电桩最优调度方案
。
[0010]可选地，所述基于所述优先级和所述权重从所述帕累托前沿解集中确定充电桩最优调度方案的步骤，包括：基于所述优先级和所述权重构建优先级模型，并通过所述优先级模型分别对所述帕累托前沿解集中的每个调度方案进行评分，得到方案评分；基于所述方案评分对所述帕累托前沿解集中的每个调度方案进行排序，并根据排序结果从所述帕累托前沿解集中确定充电桩最优调度方案
。
[0011]可选地，所述通过车联网采集实时环境数据的步骤，包括：为车辆和充电桩安装数据终端，所述数据终端包括通信模块
、
定位模块和数据采集模块；基于专用短距通信协议建立包含所述数据终端的车联网，并通过所述车联网采集实时环境数据
。
[0012]可选地，所述充电桩动态调度决策方法还包括：通过传感器实时获取充电桩的监测数据，并通过所述监测数据判断所述充电桩是否存在故障；若是，则基于充电桩故障和当前区域内充电桩占用情况对所述充电桩进行资源调度
。
[0013]此外，为实现上述目的，本专利技术还提出一种充电桩动态调度决策装置，所述充电桩动态调度决策装置包括：数据采集模块，用于通过车联网采集实时环境数据，所述实时环境数据包括车辆数据
、
充电桩数据和道路数据；数据预测模块，用于对所述实时环境数据进行数据处理和数据预测，得到优化目标；数据优化模块，用于对所述优化目标进行多目标优化，生成帕累托前沿解集，所述帕累托前沿解集中包含多个调度方案；数据决策模块，用于基于所述帕累托前沿解集确定充电桩最优调度方案
。
[0014]此外，为实现上述目的，本专利技术还提出一种充电桩动态调度决策设备，所述设备包括：存储器
、
处理器及存储在所述存储器上并可在所述处理器上运行的充电桩动态调度决策程序，所述充电桩动态调度决策程序配置为实现如上文所述的充电桩动态调度决策方法的步骤
。
[0015]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有充电
桩动态调度决策程序，所述充电桩动态调度决策程序被处理器执行时实现如上文所述的充电桩动态调度决策方法的步骤
。
[0016]本专利技术通过车联网采集实时环境数据，所述实时环境数据包括车辆数据
、
充电桩数据和道路数据；对所述实时环境数据进行数据处理和数据预测，得到优化目标；对所述优化目标进行多目标优化，生成帕累托前沿解集，所述帕累托前沿解集中包含多个调度方案；基于所述帕累托前沿解集确定充电桩最优调度方案
。
相比于现有技术通过静态调度方法来对充电桩进行调度，由于本专利技术上述方法通过对车联网采集到的实时环境数据进行数据处理和数据预测得到优化目标，并基于优化目标生成包含多个调度方案的帕累托前沿解集，最后基于帕累托前沿解集确定充电桩最优调度方案，从而避免了现有的静态调度方法导致的资源分配不合理和用户充电满意度较低的技术弊端，进而能够根据实时充电情况对充电桩进行动态调度
。
附图说明
[0017]图1为本专利技术实施例方案涉及的硬件运行环境的充电桩动态调度决策设备的结构示意图；图2为本专利技术充电桩动态调度决策方法第一实施例的流程示意图；图3为本专利技术充电桩动态调度决策方法第二实施例的流程示意图；图4为本专利技术充电桩动态调度决策方法第三实施例的流程示意图；图5为本专利技术充电桩动态调度决策装置第一实施例的结构框图
。
[0018]本专利技术目的的实现
、
功能特点及优点将结合实施例，参照附图做进一步说明
。
具体实施方式
[0019]应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术
。
[0020]参照图1，图1为本专利技术实施例方案涉及的硬件运行环境的充电桩动态调度决策设备结构示意图
。
[0021]如图1所示，该充电桩动态调度决策设备可以包括：处理器
1001<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种充电桩动态调度决策方法，其特征在于，所述方法包括以下步骤：通过车联网采集实时环境数据，所述实时环境数据包括车辆数据
、
充电桩数据和道路数据；对所述实时环境数据进行数据处理和数据预测，得到优化目标；对所述优化目标进行多目标优化，生成帕累托前沿解集，所述帕累托前沿解集中包含多个调度方案；基于所述帕累托前沿解集确定充电桩最优调度方案
。2.
如权利要求1所述的充电桩动态调度决策方法，其特征在于，所述对所述实时环境数据进行数据处理和数据预测，得到优化目标的步骤，包括：对所述实时环境数据进行数据处理，得到处理后数据，所述数据处理包括数据清洗
、
数据去噪和格式化转换；对所述处理后数据进行数据融合，得到分析数据集，并从所述分析数据集中提取预测目标特征；基于所述预测目标特征构建预测模型，并通过所述预测模型对所述实时环境数据进行数据预测，得到优化目标
。3.
如权利要求1所述的充电桩动态调度决策方法，其特征在于，所述对所述优化目标进行多目标优化，生成帕累托前沿解集的步骤，包括：对所述优化目标进行多目标优化，得到目标函数；基于遗传算法生成初始种群，所述初始种群中包含多个个体，且每个个体表示一个调度方案；基于所述目标函数和所述初始种群中所有个体的适应度值生成帕累托前沿解集
。4.
如权利要求1所述的充电桩动态调度决策方法，其特征在于，所述基于所述帕累托前沿解集确定充电桩最优调度方案的步骤，包括：根据用户的充电需求确定所述优化目标的优先级和权重；基于所述优先级和所述权重从所述帕累托前沿解集中确定充电桩最优调度方案
。5.
如权利要求4所述的充电桩动态调度决策方法，其特征在于，所述基于所述优先级和所述权重从所述帕累托前沿解集中确定充电桩最优调度方案的步骤，包括：基于所述优先级和所述权重构建优先级模型，并通过所述优先级模型分别对所述帕累托前沿解集中的每个调度方案进行...

【专利技术属性】
技术研发人员：苏明辉，郭媛君，吴新宇，楚俊昌，郑奕，孔瑞霞，郑畅蕊，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：