【技术实现步骤摘要】
本专利技术涉及新能源汽车，尤其涉及基于智能算法的新能源汽车充电桩负载平衡与调度方法。
技术介绍
1、随着新能源汽车的普及，充电桩作为重要的基础设施，已成为推动新能源汽车产业发展的关键环节，然而，充电桩的运行效率、资源利用率以及与电网的协同问题仍然面临较大的挑战，充电桩的需求受区域内车辆流量、电网负载以及时间段的多重影响，不同区域和时段的需求差异导致充电桩资源分配不均、部分区域充电桩空闲时间过长，而其他区域则可能出现过度负载的现象，因此，如何实现充电桩网络的负载平衡与调度优化，提升充电桩的资源利用效率，同时保证电网的稳定运行，是目前行业关注的重点和难点。
2、现有技术主要依赖传统的静态调度方法或单一预测模型进行充电桩资源分配，存在多方面的不足，一方面，静态调度方法难以实时响应区域充电需求的动态变化，导致资源分配不均或调度滞后，另一方面，现有的预测模型未能充分考虑充电桩之间的空间关联性及周围环境（如车辆流量、电网负载）的动态变化，导致充电需求预测的准确性较低，此外，现有技术缺乏系统性的优化方法，无法实现从充电需求预测、空间调度到负载分配的全流程优化，资源利用效率和服务能力较低，充电桩的使用效能和电网运行的平衡性难以保证。
3、为了解决现有技术的不足，本专利技术提供了一种基于智能算法的新能源汽车充电桩负载平衡与调度方法，实现充电桩网络与电网之间的高效协同，从而优化充电网络的运行效率，降低电网运行压力，推动新能源汽车充电基础设施的智能化发展。
技术实现思路
1、本专
2、基于智能算法的新能源汽车充电桩负载平衡与调度方法，包括以下步骤：
3、s1，数据采集：实时采集充电桩的运行数据，包括使用情况、周围车辆流量、电池状态和电网负载；
4、s2，充电需求预测：基于采集的充电桩的运行数据，通过图卷积网络（gcn）模型对未来预定时间（1小时）内各充电桩的充电需求进行预测；
5、s3，充电桩空间调度优化：根据充电桩的地理分布情况、周围车辆流量以及充电需求预测的结果，对充电桩的调度进行空间优化，具体包括：
6、s31，区域需求评估：根据充电需求预测结果，对充电桩所在区域的需求进行评估；
7、s32，调度优先级排序：根据区域需求评估的结果，为充电桩资源分配制定优先级，优化资源分布；
8、s33，充电桩位置优化与布局调整：基于调度优先级排序的结果，结合周围车辆流量以及充电需求预测的结果，优化充电桩的布局和位置；
9、s4，负载调度与资源分配：基于充电需求预测以及充电桩空间调度优化的结果，结合电网负载情况，进行资源分配。
10、可选的，所述s1中的数据采集包括：
11、s11，充电桩使用情况：通过安装在充电桩上的智能终端，实时监控充电桩的使用状态、充电功率、充电时长、用户数量；
12、s12，周围车辆流量：通过在充电桩周围安装车辆流量监测设备（交通摄像头），实时采集充电桩周边道路的车辆流量数据，并结合交通数据平台提供的实时车辆流量信息，进行动态更新；
13、s13，电池状态：通过与充电桩连接的新能源汽车电池管理系统（bms），实时获取车辆电池的电量、充电状态、温度；
14、s14，电网负载：通过安装在电网关键节点的电力负荷监测传感器，实时获取电网的负荷情况、电压波动、电流数据。
15、可选的，所述s2中的充电需求预测包括：
16、s21，构建充电桩图结构：根据充电桩之间的地理位置和空间关系构建充电桩的图结构，将充电桩视为图中的节点，节点特征包括充电桩的历史充电桩使用情况、周围车辆流量、电池状态和电网负载，充电桩之间的边表示充电桩之间的空间或交通依赖关系，边权通过欧氏距离、周围车辆流量进行赋值；
17、s22，图卷积操作：在图卷积网络（gcn）模型中，使用图卷积操作对充电桩图结构进行处理，图卷积操作通过邻接矩阵和节点特征矩阵进行传播；
18、s23，充电需求预测：在图卷积网络（gcn）模型的最后一层，通过全连接层将节点特征映射到预测值，即每个充电桩在未来预定时间（1小时）内的充电需求。
19、可选的，所述s31中的区域需求评估包括：
20、s311，收集充电需求预测数据：收集每个充电桩的预测充电需求；
21、s312，计算充电桩权重：通过考虑充电桩周围的交通流量和地理位置（通过欧氏距离）来计算充电桩的权重；
22、s313，评估区域总充电需求：基于每个充电桩的预测充电需求和对应的权重，对整个区域的充电需求进行评估，区域总充电需求是区域内各充电桩需求的加权平均值。
23、可选的，所述s32中的调度优先级排序包括：
24、s321，计算充电桩优先级：根据区域需求评估结果和每个充电桩的预测充电需求，计算每个充电桩的优先级评分，对充电桩进行优先级排序；
25、s322，优先级排序：根据计算得到的充电桩优先级评分，对所有充电桩进行排序，优先级高的充电桩排在前面，充电桩的优先级排序决定了资源分配的先后顺序；
26、s323，资源分配优化：在调度过程中，根据优先级排序结果，按从高到低的顺序分配充电资源，当资源有限时，优先满足优先级高的充电桩。
27、可选的，所述s33中的充电桩位置优化与布局调整包括：
28、s331，确定充电桩优先级位置分布：根据充电桩的优先级排序结果，优先在高优先级区域部署充电桩；
29、s332，基于需求和流量调整布局：结合周围车辆流量和充电需求预测结果，对充电桩的分布进行优化。
30、可选的，所述s332中的基于需求和流量调整布局包括：
31、s3321，需求与流量权重计算：根据区域的充电需求预测结果和周围车辆流量，计算每个充电桩区域的综合需求流量权重；
32、s3322，充电桩布局优化：根据综合需求流量权重，对充电桩的布局进行优化，当超过高需求阈值时，定义为高需求高流量区域，增加充电桩的密度，当低于低需求阈值时，定义为低需求低流量区域，减少充电桩数量或通过共享充电桩的方式优化资源配置。
33、可选的，所述s4中的负载调度与资源分配包括：
34、s41，负载需求调整：根据充电需求预测结果、充电桩空间调度优化的综合需求流量权重，结合电网的实时负载情况，动态调整每个区域的负载优先级；
35、s42，资源分配与执行：基于调整后的区域负载优先级，计算资源分配量。
36、可选的，所述s41中的负载需求调整包括：
37、s411，评估区域需求与电网承载能力：根据区域的综合需求流量权重和电网的实时负载情况，通过计算电网的剩余承载能力，判断是否需要对区域负载进行限制或调整；
38、s412，动态调整区域优先级：结合综合需求流量权重和电网本文档来自技高网...
【技术保护点】
1.基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，所述S1中的数据采集包括：
3.根据权利要求1所述的基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，所述S31中的区域需求评估包括：
4.根据权利要求3所述的基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，所述S32中的调度优先级排序包括：
5.根据权利要求4所述的基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，所述S33中的充电桩位置优化与布局调整包括：
6.根据权利要求5所述的基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，所述S332中的基于需求和流量调整布局包括：
7.根据权利要求6所述的基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，所述S4中的负载调度与资源分配包括：
8.根据权利要求7所述的基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于
9.根据权利要求8所述的基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，所述S42中的资源分配与执行包括：
...【技术特征摘要】
1.基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，所述s1中的数据采集包括：
3.根据权利要求1所述的基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，所述s31中的区域需求评估包括：
4.根据权利要求3所述的基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，所述s32中的调度优先级排序包括：
5.根据权利要求4所述的基于智能算法的新能源汽车充电桩负载平衡与调度方法，其特征在于，所述s33...
【专利技术属性】
技术研发人员：李飞，李亚文，刘敏芳，
申请(专利权)人：山东劳动职业技术学院山东劳动技师学院，
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。