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() 一种车桩网场景多主体数据要素服务成效评估方法及系统技术方案_技高网

一种车桩网场景多主体数据要素服务成效评估方法及系统技术方案

技术编号:41190002 阅读:4 留言:0更新日期:2024-05-07 22:20
本发明专利技术所述方法及系统,涉及智慧能源和电网管理技术领域,包括通过收集车桩网场景下的多主体数据要素数据;基于数据要素处理数学模型和权重参数数学模型构建车桩网场景下的多主体数据要素服务模型;通过量化数据服务对用户满意度和业务效益的影响,构建数据服务的价值指标数学模型;根据数据要素服务和数据服务价值指标,进行服务成效评估和定价。本发明专利技术所述方法提供的车桩网场景多主体数据要素服务成效评估方法,通过构建车桩网场景下的多主体数据要素服务模型,全面衡量数据服务的绩效和质量,使评估结果更准确和可靠,通过服务成效评估和定价,促进资源的高效使用,本发明专利技术在准确性、运营效率以及资源利用率方面都取得更加良好的效果。

【技术实现步骤摘要】

本专利技术涉及智慧能源和电网管理,具体为一种车桩网场景多主体数据要素服务成效评估方法及系统


技术介绍

1、随着城市电动汽车(ev)的普及和智慧城市基础设施的发展,车桩网——即电动汽车充电桩网络的规划、管理和优化变得愈发重要。在此背景下,车桩网的数据服务成为了提高能源效率、优化资源分配、提升用户体验的关键。近年来,物联网(iot)技术的进步极大地促进了数据的高效收集与处理,使得从车辆、充电桩、充电站等多个主体中实时获取数据成为可能。此外,大数据分析和智能算法的应用也为车桩网的数据处理提供了强大支持,能够对海量数据进行深入分析,提取有价值的信息,从而实现更精准的资源调配和服务优化。同时,数学模型的应用在电网管理、能源需求预测、以及价格策略制定等方面也发挥着重要作用。

2、在车桩网场景中,数据要素的服务成效评估技术尚未充分发展。缺乏综合的评估方法:现有技术中主要采用定性分析和经验法则等方法对数据服务进行评估,而缺乏一个综合的评估方法。这使得评估结果往往是片面的或不准确的,无法准确反映数据服务的综合价值。缺乏量化评估方法:现有技术中也缺乏对数据服务效果、价值和用户满意度等因素的量化评估方法。这导致现有技术无法为各主体方提供合理的服务成效评估和成果展示。缺乏量化评估方法不仅影响了数据服务的决策和优化,还限制了各主体方在共享数据和合作中的信任和利益分配。缺乏统一的评估指标体系:由于缺乏统一的评估指标体系,不同主体方往往使用不同的评估标准和方法,这导致各主体方评估结果产生了很大的差异,无法实现统一的数据服务成效评估。这不仅增加了沟通和协商成本,而且会对数据服务效果和价值的评估产生不利影响。


技术实现思路

1、鉴于上述存在的问题,提出了本专利技术。

2、因此,本专利技术解决的技术问题是:现有的数据要素的服务成效评估技术方法存在缺乏综合的评估方法,准确率低,缺乏量化评估方法,以及如何缺乏统一的评估指标体系的问题。

3、为解决上述技术问题,本专利技术提供如下技术方案:一种车桩网场景多主体数据要素服务成效评估方法,包括通过收集车桩网场景下的多主体数据要素数据;基于数据要素处理数学模型和权重参数数学模型构建车桩网场景下的多主体数据要素服务模型;通过量化数据服务对用户满意度和业务效益的影响,构建数据服务的价值指标数学模型;根据数据要素服务和数据服务价值指标,进行服务成效评估和定价。

4、作为本专利技术所述的车桩网场景多主体数据要素服务成效评估方法的一种优选方案,其中:所述收集车桩网场景下的多主体数据要素数据包括收集数据服务的车辆数据、充电桩数据、充电站数据、电网数据以及数据中心数据;

5、其中,车辆数据包括车辆的基本信息、运行状态以及充电需求;

6、其中,充电桩数据包括充电桩的基本信息、运行状态以及充电记录;

7、其中,充电站数据包括充电站的基本信息、运营状态以及服务记录;

8、其中,电网数据包括电网的基本信息、运行状态以及调度指令;

9、其中,数据中心数据包括数据中心的基本信息、运行状态以及数据处理。

10、作为本专利技术所述的车桩网场景多主体数据要素服务成效评估方法的一种优选方案,其中:所述基于数据要素处理数学模型和权重参数数学模型构建车桩网场景下的多主体数据要素服务模型包括构建数据处理数学模型;

11、构建车辆数据处理数学模型表示为:

12、

13、其中,vbattery为车辆的电池容量,vcharge为车辆当前的电量,vrange为车辆的续航里程;

14、构建充电桩数据处理数学模型表示为:

15、fpile=ppower×cos(π×pstatus)+log(1+ppower)

16、其中,ppower为充电桩的功率,pstatus为充电桩的状态;

17、构建充电站数据处理数学模型表示为:

18、

19、其中,sload为充电站的总负荷,srevenue为充电站的总收入;

20、构建电网数据处理数学模型表示为:

21、

22、其中,gpower为电网的功率,ginstruction为电网的调度指令;

23、构建数据中心数据处理数学模型表示为:

24、

25、其中,dload为数据中心的负荷,ddata_process为数据中心的数据处理能力。

26、作为本专利技术所述的车桩网场景多主体数据要素服务成效评估方法的一种优选方案,其中:所述基于数据要素处理数学模型和权重参数数学模型构建车桩网场景下的多主体数据要素服务模型包括基于运行指标输出权重参数;

27、车辆数据权重数学模型表示为:

28、

29、其中,average range为车辆的平均续航里程,total vehicles为总车辆数;

30、充电桩数据权重模型表示为:

31、

32、其中,total power output为充电桩的总功率输出,total piles为充电桩总数;

33、充电站数据权重模型表示为:

34、

35、其中,total revenue为充电站的总收入,total stations为充电站总数;

36、电网数据权重模型表示为:

37、

38、其中,average load为电网的平均负载,peak load为电网的峰值负载;

39、电网数据权重模型表示为:

40、

41、其中,total data processed为数据中心处理的总数据量,total centers为数据中心总数。

42、作为本专利技术所述的车桩网场景多主体数据要素服务成效评估方法的一种优选方案,其中:所述基于数据要素处理数学模型和权重参数数学模型构建车桩网场景下的多主体数据要素服务模型包括构建车桩网场景下的多主体数据要素服务模型表示为:

43、

44、其中,fvehicle(x)为车辆数据处理数学模型,fpile(x)为充电桩数据处理数学模型,fstation(x)为充电站数据处理数学模型,fgrid(x)为电网数据处理数学模型,fdata_center(x)为数据中心数据处理数学模型;

45、当80≤f≤100时,车桩网场景下的多主体数据要素服务模型评定为高总综合评分,对高总综合评分中数据服务的效果、可靠性、时效性和可用性指标进行记录保存,预测需求和服务;

46、当50≤f<80时,车桩网场景下的多主体数据要素服务模型评定为中等总综合评分;

47、当0≤f<50时,车桩网场景下的多主体数据要素服务模型评定为低总综合评分;

48、当f<80时,对车辆数据处理、充电桩数据处理、充电站数据处理、电网数据处理以及数据中心数据处理中分数最低的两项指标本文档来自技高网...

【技术保护点】

1.一种车桩网场景多主体数据要素服务成效评估方法,其特征在于,包括:

2.如权利要求1所述的车桩网场景多主体数据要素服务成效评估方法,其特征在于:所述收集车桩网场景下的多主体数据要素数据包括收集数据服务的车辆数据、充电桩数据、充电站数据、电网数据以及数据中心数据;

3.如权利要求2所述的车桩网场景多主体数据要素服务成效评估方法,其特征在于:所述基于数据要素处理数学模型和权重参数数学模型构建车桩网场景下的多主体数据要素服务模型包括构建数据处理数学模型;

4.如权利要求3所述的车桩网场景多主体数据要素服务成效评估方法,其特征在于:所述基于数据要素处理数学模型和权重参数数学模型构建车桩网场景下的多主体数据要素服务模型包括基于运行指标输出权重参数;

5.如权利要求4所述的车桩网场景多主体数据要素服务成效评估方法,其特征在于:所述基于数据要素处理数学模型和权重参数数学模型构建车桩网场景下的多主体数据要素服务模型包括构建车桩网场景下的多主体数据要素服务模型表示为:

6.如权利要求5所述的车桩网场景多主体数据要素服务成效评估方法,其特征在于:所述通过量化数据服务对用户满意度和业务效益的影响,构建数据服务的价值指标数学模型包括构建业务效益数学模型表示为:

7.如权利要求6所述的车桩网场景多主体数据要素服务成效评估方法,其特征在于:所述根据数据要素服务和数据服务价值指标,进行服务成效评估和定价包括通过绩效分析、用户满意度调查、业务影响评估、成本效益分析以及风险和合规性评估输出服务成效评估;

8.一种采用如权利要求1~7任一所述的车桩网场景多主体数据要素服务成效评估方法的系统,其特征在于:包括初始化模块,数据处理模型构建模块,多主体数据要素服务模型评估模块,数据服务的价值指标数学模型构建模型,服务成效评估和定价模块;

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的车桩网场景多主体数据要素服务成效评估方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的车桩网场景多主体数据要素服务成效评估方法的步骤。

...

【技术特征摘要】

1.一种车桩网场景多主体数据要素服务成效评估方法,其特征在于,包括:

2.如权利要求1所述的车桩网场景多主体数据要素服务成效评估方法,其特征在于:所述收集车桩网场景下的多主体数据要素数据包括收集数据服务的车辆数据、充电桩数据、充电站数据、电网数据以及数据中心数据;

3.如权利要求2所述的车桩网场景多主体数据要素服务成效评估方法,其特征在于:所述基于数据要素处理数学模型和权重参数数学模型构建车桩网场景下的多主体数据要素服务模型包括构建数据处理数学模型;

4.如权利要求3所述的车桩网场景多主体数据要素服务成效评估方法,其特征在于:所述基于数据要素处理数学模型和权重参数数学模型构建车桩网场景下的多主体数据要素服务模型包括基于运行指标输出权重参数;

5.如权利要求4所述的车桩网场景多主体数据要素服务成效评估方法,其特征在于:所述基于数据要素处理数学模型和权重参数数学模型构建车桩网场景下的多主体数据要素服务模型包括构建车桩网场景下的多主体数据要素服务模型表示为:

6.如权利要求5所述的车桩网场景多主体数据要素服务成效评估方法,其特征在...

【专利技术属性】
技术研发人员:张莉娜张逸彬王天安李俊达白彪胡健毛正雄朱延杰张玎一邓益勇赵媛媛
申请(专利权)人:云南电网有限责任公司信息中心
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1