System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据处理,具体涉及一种充电桩数据处理方法及其系统。
技术介绍
1、充电桩是用于为电动汽车提供充电服务的设备,随着新能源汽车的普及,充电桩作为配套设施在数量和规模上不断扩大,充电桩数据处理系统也得到了广泛使用。充电桩数据处理系统主要用于对新能源汽车充电桩的数据进行采集、监测、处理、预测分析和存储。然而,现有的充电桩数据处理系统往往依赖于有限的监测手段,智能化程度欠佳,数据处理能力较为薄弱,在充电桩数据的传输和更新时常带有严重数据缺失、数据重复和不确定性等问题,导致系统难以做到对预测结果做到精准的预测分析;同时,由于各个充电桩差异不同,获取到的数据也有所不同,传统系统的预测分析并不能很好的适配各个运行阶段的充电桩,一旦出现预测不及时或不精准,就无法准确地将充电桩和车辆进行匹配推荐,这无疑影响了系统的数据处理效率,无法满足日益增长的用户需求。
2、因此,本专利技术的目的在于提供一种充电桩数据处理方法及其系统,以解决现有技术存在的问题。
技术实现思路
1、本申请的目的是提供一种充电桩数据处理方法及其系统,以加强数据监测和处理能力,并起到精准预测分析作用,能够准确地将充电桩和车辆进行匹配推荐,从而满足日益增长的用户需求。
2、第一方面,本申请实施例提供了一种充电桩数据处理方法,包括以下步骤:
3、获取监测区域内的多个充电桩在历史时间段内的充电桩充电时序数据和充电桩运行时序数据;
4、对充电桩充电时序数据和充电桩运行时序数据进行预处理后
5、通过对充电桩充电预测数据和充电桩运行预测数据进行推荐阈值计算,输出第一推荐阈值;
6、获取实时充电桩鉴权数据和充电桩历史使用频率;
7、根据充电桩历史使用频率进行阶段分析,生成阶段阈值调整区间;
8、按照阶段阈值调整区间对第一推荐阈值进行动态调整,输出第二推荐阈值;
9、将充电桩充电预测数据、充电桩运行预测数据和实时充电桩鉴权数据输入至推荐模型中,生成充电桩表示,推荐模型包括第二推荐阈值;
10、获取监测区域的时空特征,基于时空特征获取监测区域内的车辆的特征信息,特征信息包括能耗数据、历史评价信息和用户习惯信息;
11、对特征信息进行多模态编码,生成所述特征信息对应的各个模态向量;
12、基于注意力网络,对模态向量进行加权求和,生成车辆对应的车辆表示;
13、根据车辆表示与充电桩表示的关联度,向监测区域内的车辆生成第一推送信息。
14、在所述向监测区域内的车辆生成第一推送信息之后,还包括:
15、获取监测区域外的车辆对应的第一参数向量;
16、根据预设特征选择模型,从第一参数向量中获取第一特征参数向量;
17、根据关联度生成第二参数向量;
18、将第二参数向量与第一参数向量进行比较;
19、若第二参数向量与第一参数向量相似,则向监测区域外的车辆生成第二推送信息。
20、所述预测模型包括顺序连接的编码器、解码器和映射网络;
21、编码器,用于多视角学习充电桩充电时序数据和充电桩运行时序数据的shapelet特征,得到每个视角对应的shapelet特征;
22、将多个视角对应的shapelet特征进行线性合并,得到合并视角特征;
23、解码器,用于根据合并视角特征得到二次恢复的时序;
24、映射网络,包括多层全连接神经网络,用于根据二次恢复的时序得到充电桩充电预测数据和充电桩运行预测数据。
25、所述的方法,按照以下方式预先训练所述预测模型:
26、获取监测区域内多个充电桩的历史充电数据和历史运行数据,并统计为相同时间间隔内的时间序列,得到监测区域内的多个充电桩的历史充电时序数据样本和历史运行数据样本;
27、对历史充电时序数据样本和历史运行数据样本进行预处理后,分别将历史充电时序数据样本和历史运行数据样本转化为充电桩充电有监督数据和充电桩运行有监督数据;
28、设置目标函数,将充电桩充电有监督数据和充电桩运行有监督数据输入初始的预测模型中进行训练,在达到预设训练截止条件后得到训练好的预测模型。
29、所述将充电桩充电预测数据、充电桩运行预测数据和实时充电桩鉴权数据输入至推荐模型中,生成充电桩表示,包括:
30、搭建推荐模型,其中推荐模型为三层全连接的神经网络,包括充电桩充电预测层、充电桩运行预测层和充电桩鉴权层;
31、将充电桩充电预测数据、充电桩运行预测数据和实时充电桩鉴权数据输入推荐模型进行处理,获取充电桩充电预测结果、充电桩运行预测结果和充电桩鉴权结果;
32、若充电桩充电预测结果、充电桩运行预测结果和充电桩鉴权结果均予以推荐,生成充电桩表示。
33、所述若充电桩充电预测结果、充电桩运行预测结果和充电桩鉴权结果均予以推荐,生成充电桩表示,包括;
34、判断充电桩充电预测数据是否大于第二推荐阈值,若充电桩充电预测数据大于第二推荐阈值,则予以推荐;
35、判断充电桩运行预测数据是否大于第二推荐阈值,若充电桩运行预测数据大于第二推荐阈值,则予以推荐;
36、判断实时充电桩鉴权数据是否为空,若实时充电桩鉴权数据不为空,则予以推荐。
37、所述基于注意力网络,对模态向量进行加权求和,生成车辆对应的车辆表示,包括:
38、基于注意力网络,确定能耗数据模态向量、历史评价模态向量和用户习惯模态向量对应的模态的注意力权重;
39、对能耗数据模态向量、历史评价模态向量和用户习惯模态向量,与能耗数据模态向量、历史评价模态向量和用户习惯模态向量对应的注意力权重进行加权求和运算,生成车辆对应的车辆表示。
40、所述的方法,还包括:
41、分别对第一推送信息和第二推送信息进行评分,得到第一推送信息对应的第一评分,以及第二推送信息对应的第二评分;
42、比对第一评分和第二评分,确定第一推送信息和第二推送信息的推送顺序。
43、所述获取监测区域的时空特征,基于时空特征获取监测区域内的车辆的特征信息,包括:
44、获取监测区域的周边环境参数,并结合监测区域的时空特征和车辆种类信息,获取监测区域的车辆特征;
45、基于gis电子地图,获取所有监测区域之间的相对距离,并将相对距离在预设值内的监测区域进行聚类,定义为一类监测区域,对一类监测区域的车辆特征进行结合,并使用灰色关联法获取一类监测区域车辆特征之间的关联值,若关联值大于预设值,则将一类监测区域划分为二类监测区域;
46、二类监测区域实时监控本文档来自技高网...
【技术保护点】
1.一种充电桩数据处理方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,在所述向监测区域内的车辆生成第一推送信息之后,还包括:
3.根据权利要求1所述的方法,其特征在于,按照以下方式预先训练所述预测模型:
4.根据权利要求1所述的方法,其特征在于,所述预测模型包括顺序连接的编码器、解码器和映射网络;
5.根据权利要求1所述的方法,其特征在于,所述将充电桩充电预测数据、充电桩运行预测数据和实时充电桩鉴权数据输入至推荐模型中,生成充电桩表示,包括:
6.如权利要求5所述的方法,其特征在于,所述若充电桩充电预测结果、充电桩运行预测结果和充电桩鉴权结果均予以推荐,生成充电桩表示,包括;
7.根据权利要求1所述的方法,其特征在于,所述基于注意力网络,对模态向量进行加权求和,生成车辆对应的车辆表示,包括:
8.根据权利要求1或2所述的方法,其特征在于,还包括:
9.根据权利要求1所述的方法,其特征在于,所述获取监测区域的时空特征,基于时空特征获取监测区域内的车辆的特征信息
10.一种充电桩数据处理系统,其特征在于,包括:
...【技术特征摘要】
1.一种充电桩数据处理方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,在所述向监测区域内的车辆生成第一推送信息之后,还包括:
3.根据权利要求1所述的方法,其特征在于,按照以下方式预先训练所述预测模型:
4.根据权利要求1所述的方法,其特征在于,所述预测模型包括顺序连接的编码器、解码器和映射网络;
5.根据权利要求1所述的方法,其特征在于,所述将充电桩充电预测数据、充电桩运行预测数据和实时充电桩鉴权数据输入至推荐模型中,生成充电桩表示,包括:
<...【专利技术属性】
技术研发人员:赖道海,
申请(专利权)人:福州一城天天出行科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。