【技术实现步骤摘要】
本专利技术涉及智能用电，具体涉及一种用于家庭充电桩的充电控制方法、系统、装置、设备及存储介质。
技术介绍
1、随着电动汽车充电桩、电瓶车充电桩的快速普及，当前充电桩不仅仅设置在公共场所以及停车场等地方，越来越多的居民也对家庭用电进行改造，以安装充电桩，来满足用户个人充电需求。目前的充电桩，大多采用即时充电的方式，这种无序充电的方式，使得无序充电负荷占电网负荷的比例越来越大，若不加规范，配电系统将无法承受如此大规模的无序充电负荷。
2、为解决这一问题，目前虽然已有具备有序充电的充电桩，但其只满足预约充电功能，即根据用户所选时间进行充电，其中，每个时段的电费不同，但这并未考虑电网负荷的运行情况，仍然会出现电网过载问题，影响电网的稳定运行。
技术实现思路
1、有鉴于此，本专利技术提供了一种用于家庭充电桩的充电控制方法、系统、装置、设备及存储介质，以解决现有技术中在设计有序充电方案时，并未考虑电网负荷的运行情况的问题。
2、第一方面，本专利技术提供了一种用于家庭充电桩的充电控制方法，该方法包括：
3、获取用户选取的充电类型，充电类型包括：有序充电与无序充电；
4、在确定充电类型为有序充电的情况下，基于预测模型，预测基础用电负荷曲线，基础用电负荷曲线包括根据居民历史用电数据预测出的未来预设时间内不同时刻对应的平均用电负荷以及当前时刻对应的平均用电负荷；
5、确定待充电车辆的充电时长；
6、基于基础用电负荷曲线以及充电时长
7、本实施方式中，在有序充电的情况下，可以通过居民历史用电数据预测基础用电负荷曲线，并根据预测出的基础用电负荷曲线确定计划充电时间，最终充电桩根据计划充电时间对待充电车辆进行充电，这样可以避免由于电网负荷的突然增加，造成电网过载的问题，从而确保电网的平稳运行，降低对电网负荷的影响，提高电网可靠性。
8、在一种可选的实施方式中，基于基础用电负荷曲线以及充电时长，确定待充电车辆的计划充电时间，包括：
9、以当前时刻为起点，依次判断充电时长内的平均用电负荷是否超过预设用电负荷；
10、在判断出存在充电时长内的平均用电负荷未超过预设用电负荷的情况下，确定对应的起点时刻，并停止判断，将起点时刻作为计划充电时间。
11、本实施方式中，选择满足条件下，距离当前时刻最近的时间作为计划充电时间，这样可以有效缩短用户充电的等待时间，提高充电效率。
12、在一种可选的实施方式中，在将计划充电时间发送至对应充电桩之后，还包括：
13、将待充电车辆的充电负荷叠加至基础用电负荷曲线上的对应时刻；
14、判断是否存在过载点；
15、在存在过载点的情况下，切割过载点，确定切割出的切割时间段，切割时间段为不包含过载点的时间段；
16、判断切割时间段是否满足待充电车辆的剩余充电时长；
17、若满足待充电车辆的剩余充电时长，则选取最近的切割时间段进行充电。
18、若不满足待充电车辆的剩余充电时长，则选取至少两个最大切割时间段进行充电。
19、本实施方式中，根据负载情况和充电需求，合理地划分时间段进行充电，可以有效避免电网负载过载，最终实现有序规划的充电，提高电网的运行效率和稳定性。
20、在一种可选的实施方式中，通过以下步骤建立预测模型：
21、获取居民历史用电数据，居民历史用电数据包括用户用电数据以及充电桩用电数据；
22、将居民历史用电数据按照划分比例8：2，划分样本集和测试集；
23、基于样本集和测试集，通过麻雀搜索算法-神经网络训练预设初始模型，其中，麻雀搜索算法-神经网络的输入层个数为7、隐含层个数为15、输出层个数为7；其中，隐含层的隐含层函数的最大训练次数为500次、学习速率为0.1、发现者对应的训练误差为0.2、预警值对应的训练误差为0.6；
24、将训练好的预设初始模型，作为预测模型。
25、本实施例中，精确的设置了各个层数以及训练次数等，通过合理设置神麻雀搜索算法-神经网络的结构和训练参数，可以更好地拟合数据，提高模型的性能和泛化能力。且限定了最大训练次数和设置合适的学习速率可以加速模型的收敛过程，有效提高模型的训练效率。
26、在一种可选的实施方式中，基于样本集和测试集，通过麻雀搜索算法-神经网络训练预设初始模型，包括：
27、初始化麻雀搜索算法中的预设参数，获得初始麻雀搜索算法；
28、初始化神经网络的层数、每一层的节点数以及每一层的传递函数，获得初始神经网络；
29、将样本集和测试集中的居民历史用电数据输入初始麻雀搜索算法，迭代更新发现者、追随者以及警戒值的位置；
30、基于更新后的发现者、追随者以及警戒值的位置，更新麻雀个体新位置的适应度值；
31、将最终迭代更新后的麻雀个体新位置的适应度值输入初始神经网络，获得预设初始模型。
32、本实施例中，采用麻雀搜索算法结合神经网络的方法可以提高神经网络的优化效果，加快参数搜索速度，提高模型的泛化能力和鲁棒性。
33、在一种可选的实施方式中，获取居民历史用电数据之前，还包括：
34、每隔第一预设时间，获取一次居民用电数据，并更新居民历史用电数据；
35、每隔第二预设时间，触发优化预测模型的指令，以基于更新后的居民历史用电数据，优化预测模型。
36、本实施例中，定期获取居民用电数据并更新用于预测的居民历史用电数据，可以保持数据的实时性和准确性，有助于提高预测模型的准确性，从而能够更好地预测计划充电时间，降低对电网负荷的影响，提高电网可靠性。
37、第二方面，本专利技术提供了一种用于家庭充电桩的有序充电控制系统，该系统包括：
38、电能表，用于计量用户用电；
39、充电桩，用于为待充电车辆充电；
40、集中器，与电能表以及充电桩通信连接，用于采集电能表的用户用电数据，还用于监控充电桩的充电桩用电数据，集中器适用于上述任一实施方式的用于家庭充电桩的充电控制方法。
41、本实施方式中，可以将集中器采集的电能表的用户用电数据以及充电桩的充电桩用电数据作为居民历史用电数据，并基于该居民历史用电数据预测基础用电负荷曲线，并根据预测出的基础用电负荷曲线确定计划充电时间，最终充电桩根据计划充电时间对待充电车辆进行充电。这样可以避免由于电网负荷的突然增加，造成电网过载的问题，从而确保电网的平稳运行，降低对电网负荷的影响，提高电网可靠性。
42、第三方面，本专利技术提供了一种用于家庭充电桩的有序充电控制装置，该装置包括：
43、获取模块，用于获取用户选取的充电类型，充电类型包括：有序充电与无序充电；
44、预测模块，用于在确定充本文档来自技高网...
【技术保护点】
1.一种用于家庭充电桩的充电控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述基础用电负荷曲线以及充电时长，确定待充电车辆的计划充电时间，包括：
3.根据权利要求2所述的方法，其特征在于，在将所述计划充电时间发送至对应充电桩之后，还包括：
4.根据权利要求1所述的方法，其特征在于，通过以下步骤建立所述预测模型：
5.根据权利要求4所述的方法，其特征在于，所述基于所述样本集和所述测试集，通过麻雀搜索算法-神经网络训练预设初始模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述获取所述居民历史用电数据之前，还包括：
7.一种用于家庭充电桩的有序充电控制系统，其特征在于，所述系统包括：
8.一种用于家庭充电桩的有序充电控制装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-6任一项所
...【技术特征摘要】
1.一种用于家庭充电桩的充电控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述基础用电负荷曲线以及充电时长，确定待充电车辆的计划充电时间，包括：
3.根据权利要求2所述的方法，其特征在于，在将所述计划充电时间发送至对应充电桩之后，还包括：
4.根据权利要求1所述的方法，其特征在于，通过以下步骤建立所述预测模型：
5.根据权利要求4所述的方法，其特征在于，所述基于所述样本集和所述测试集，通过麻雀搜索算法-神经网络训练预设初...
【专利技术属性】
技术研发人员：尹卿，仝晨华，张忠，燕伯峰，刘宇鹏，黄欣，雷少波，王林融，
申请(专利权)人：内蒙古电力集团有限责任公司电能计量分公司，
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。