CN114187137A - 充电桩用电容量分配方法、装置、计算机设备和存储介质 - Google Patents
充电桩用电容量分配方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114187137A CN114187137A CN202111503740.3A CN202111503740A CN114187137A CN 114187137 A CN114187137 A CN 114187137A CN 202111503740 A CN202111503740 A CN 202111503740A CN 114187137 A CN114187137 A CN 114187137A
- Authority
- CN
- China
- Prior art keywords
- power
- charging pile
- building
- unit
- electricity utilization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000005611 electricity Effects 0.000 claims abstract description 187
- 238000004590 computer program Methods 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 15
- 238000004378 air conditioning Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种充电桩用电容量分配方法、装置、计算机设备和存储介质。所述方法包括：获取目标区域的变压器容量阈值；其中，目标区域内包括楼宇侧的楼宇用电单元和充电桩侧的充电桩用电单元；获取楼宇用电单元的当前用电负荷数据，根据当前用电负荷数据以及预先建立的用电负荷预测模型，预测楼宇用电单元在目标时间下的楼宇用电负荷；根据楼宇用电负荷以及变压器容量阈值，计算目标时间下可分配于充电桩用电单元的可分配用电容量阈值。采用本方法能够提高整个目标区域的电力资源利用率。
Description
技术领域
本申请涉及电力调控技术领域，特别是涉及一种充电桩用电容量分配方法、装置、计算机设备和存储介质。
背景技术
伴随着经济的高速发展，新能源汽车持续增加，在住宅区或办公区等社区增加符合新能源汽车充电需求的充电设备是国家以及地方大力推动的基础设施建设项目。像新能源汽车的充电桩这样的间歇式能源供给设备的增加，势必会增加电网调度运行的难度，这也对用电系统的电力调控能力提出了新的重大挑战。
然而，大量的新能源汽车充电负荷与楼宇侧的用户用电负荷相叠加，会给社区的配电网造成压力，是现有社区配电网难以承受的。目前传统的社区新能源汽车充电方案是，根据社区配电规划后的固定的剩余容量进行充电桩的规划建设，但是，剩余容量有限，分配给充电桩侧使用的电量很少，不仅很难满足日益增加的新能源汽车的充电需求，而且整个社区的电力资源利用率很低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高社区用电资源利用率的充电桩用电容量分配方法、装置、计算机设备和存储介质。
一种充电桩用电容量分配方法，该方法包括：
获取目标区域的变压器容量阈值；其中，目标区域内包括楼宇侧的楼宇用电单元和充电桩侧的充电桩用电单元；
获取楼宇用电单元的当前用电负荷数据，根据当前用电负荷数据以及预先建立的用电负荷预测模型，预测楼宇用电单元在目标时间下的楼宇用电负荷；
根据楼宇用电负荷以及变压器容量阈值，计算目标时间下可分配于充电桩用电单元的可分配用电容量阈值。
在一个实施例中，用电负荷预测模型的构建方法，包括：采集一定时间周期内楼宇用电单元的历史用电负荷数据；根据深度学习算法，将历史用电负荷数据作为模型训练数据，得到训练后的用电负荷预测模型。
在一个实施例中，根据楼宇用电负荷以及变压器容量阈值，计算目标时间下可分配于充电桩用电单元的可分配用电容量阈值，包括：获取充电桩用电单元在目标时间下的用电需求值；根据楼宇用电负荷、变压器容量阈值及用电需求值计算目标时间下充电桩用电单元的可分配用电容量阈值。
在一个实施例中，该方法还包括：根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率。
在一个实施例中，一个充电桩用电单元包括多个功率挡位，根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率，包括：通过切换充电桩用电单元的功率挡位以调节充电桩用电单元的输出功率。
在一个实施例中，根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率，包括：根据可分配用电容量阈值均匀调节各充电桩用电单元在目标时间下的输出功率。
在一个实施例中，根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率，包括：获取各充电桩用电单元的优先级，根据可分配用电容量阈值及优先级调节一个或多个充电桩用电单元在目标时间下的输出功率。
在一个实施例中，该方法还包括：在目标时间下监测到楼宇用电单元的实际用电负荷值超过楼宇用电负荷时，控制充电桩用电单元降低实际输出功率。
一种充电桩用电容量分配装置，该装置包括：
总用电负荷获取模块，用于获取目标区域的变压器容量阈值；其中，目标区域内包括楼宇侧的楼宇用电单元和充电桩侧的充电桩用电单元；
楼宇侧用电预测模块，用于获取楼宇用电单元的当前用电负荷数据，根据当前用电负荷数据以及预先建立的用电负荷预测模型，预测楼宇用电单元在目标时间下的楼宇用电负荷；
充电桩用电分配模块，用于根据楼宇用电负荷以及变压器容量阈值，计算目标时间下可分配于充电桩用电单元的可分配用电容量阈值。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的充电桩用电容量分配方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的充电桩用电容量分配方法的步骤。
上述充电桩用电容量分配方法、装置、计算机设备和存储介质，通过预先构建用电负荷预测模型，并基于该用电负荷预测模型预测楼宇侧的楼宇用电单元在目标时间下的用电负荷阈值，并结合整个目标区域的变压器容量阈值，计算目标时间下可供充电桩侧的充电桩用电单元使用的用电容量阈值。由于楼宇用电单元的电量使用并不是固定不变的，不同时间下楼宇用电单元的用电负荷最大值是不同的，因此，可以根据预测得到的楼宇用电负荷的变化，动态计算可分配给充电桩用电单元使用的用电容量，从而可以实现整个目标区域内的用电容量的柔性调控，提高整个目标区域的电力资源的利用率。
附图说明
图1为一个实施例中充电桩用电容量分配方法的应用环境图；
图2为一个实施例中充电桩用电容量分配方法的流程示意图；
图3为一个实施例中住宅区域的空调用电单元的日、年用电负荷趋势曲线的示意图；
图4为一个实施例中写字楼区域的空调用电单元的日、年用电负荷趋势曲线的示意图；
图5为传统的充电桩用电容量分配方法以及本申请一个实施例的用电容量分配方法的对比示意图；
图6为一个实施例中均匀调节各充电桩用电单元的输出功率的示意图；
图7为一个实施例中根据优先级调节充电桩用电单元的输出功率的示意图；
图8为一个实施例中充电桩用电容量分配装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
在一个实施例中，本申请提供的充电桩用电容量分配方法，可以应用于如图1所示的应用环境中。具体地，服务器100可以获取目标区域的变压器容量阈值，目标区域可以包括楼宇侧的楼宇用电单元和充电桩侧的充电桩用电单元，服务器100可以通过配电系统获取楼宇用电单元的当前用电负荷数据，根据当前用电负荷数据以及预先建立的用电负荷预测模型，预测楼宇用电单元在目标时间下的楼宇用电负荷，根据楼宇用电负荷以及变压器容量阈值，计算目标时间下可分配于充电桩用电单元的可分配用电容量阈值。
进一步地，服务器100还可以根据计算得到的可分配用电容量阈值，通过与充电桩平台通信，调整充电桩用电单元的用电容量。更进一步地，服务器100还可以通过配电系统获取充电桩用电单元的实际用电负荷数据从而计算充电桩用电单元的用电需求值等。
其中，服务器100可以是EMS(Energy Management System，能源管理系统)平台的任意一台或多台物理服务器或云服务器，EMS平台是以计算机技术和用电系统应用软件技术为支撑的现代用电综合自动化系统，也是能量系统和信息系统的一体化或集成系统。目标区域可以包括社区、购物中心综合体、写字楼、酒店等区域。对于楼宇用电单元的用电负荷数据可以通过配电系统进行监测，服务器100可以通过与配电系统之间建立通信。对于充电桩用电单元的用电容量的调控可以通过充电桩平台进行，服务器100可以与充电桩平台之间建立通信。上述的通信可以通过网络进行，也可以通过调用硬件接口的方式等实现。
在一个实施例中，如图2所示，提供了一种充电桩用电容量分配方法，以该方法应用于图1中的服务器为例进行说明，可以包括以下步骤：
步骤S202：获取目标区域的变压器容量阈值；其中，目标区域内包括楼宇侧的楼宇用电单元和充电桩侧的充电桩用电单元。
其中，目标区域是指选定的区域，该目标区域可以是配置有新能源充电设备的任何社区，例如，可以是各种住宅区、办公区或商区等。该目标区域可以划分为楼宇侧的用电区域和充电桩侧的用电区域。变压器容量阈值是指该目标区域内可以使用的总的用电容量的上限值。
其中，楼宇侧的用电区域内可以包括至少一个楼宇用电单元，示例性地，楼宇用电单元可以包括楼宇照明用电单元、公区照明用电单元、车库片区用电单元、动力电梯(主用)用电单元、动力电梯(备用)用电单元、风机用电单元、总泵房用电单元、锅炉房用电单元、喷淋泵动力用电单元、消防泵动力(主用)用电单元、消防泵动力(备用)用电单元、热源泵电源用电单元、地下车库风机用电单元、空调用电单元、底层商铺用电单元和绿化区域用电单元之中的至少一个。充电桩侧的用电区域内可以包括至少一个充电桩用电单元，一个充电桩用电单元可以由一个充电桩构成，也可以由包括多个充电桩的充电桩集群构成。
在本步骤中，可以通过配置在EMS平台的任意一台或多台服务器采集包括楼宇用电单元和充电桩用电单元的目标区域被配置的总的用电容量的上限值，将其作为该目标区域的变压器容量阈值。
步骤S204：获取楼宇用电单元的当前用电负荷数据，根据当前用电负荷数据以及预先建立的用电负荷预测模型，预测楼宇用电单元在目标时间下的楼宇用电负荷。
其中，用电负荷预测模型是指用于预测楼宇侧的楼宇用电单元在未来一定时间范围的用电负荷趋势曲线的预测模型。该用电负荷预测模型可以基于楼宇用电单元的历史用电负荷数据以及深度学习算法生成。上述的深度学习算法可以包括卷积神经网络算法、循环神经网络算法、生成对抗网络算算法或深度强化学习算法等。目标时间是指未来一定时间范围内的某一时间段或时间点。楼宇用电负荷是指通过该用电负荷预测模型输出的目标时间下楼宇侧的楼宇用电单元的预计用电负荷的上限值。
在本步骤中，可以通过配置在EMS平台的任意一台或多台服务器通过与配电系统进行通信，从而获取通过配电系统采集得到的楼宇用电单元的当前用电负荷数据，并可以将获取的当前用电负荷数据作为预先建立的用电负荷预测模型的输入参数以进行预测计算，得到该用电负荷预测模型输出的目标时间下楼宇侧的楼宇用电单元的预计用电负荷的上限值，并将其作为楼宇用电负荷。
在一个实施例中，上述的用电负荷预测模型的构建方法，可以包括：采集一定时间周期内楼宇用电单元的历史用电负荷数据，根据深度学习算法，将历史用电负荷数据作为模型训练数据，得到训练后的用电负荷预测模型。
在本实施例中，可以预先对楼宇侧的各楼宇用电单元的历史用电负荷数据进行数据沉淀处理，当数据沉淀时间序列满足预设周期后，再利用深度学习算法和模拟算法建立用电负荷预测模型。其中，预设周期可以自定义设置，例如，一日、一个月、一年等。
其中，历史用电负荷数据可以包括：历史一定预设周期内的每栋楼宇的照明用电值域、每块公区的照明用电值域、每个车库片区的用电值域、每个动力电梯(主用)用电值域、每个动力电梯(备用)用电值域、每套风机用电值域、总泵房用电值域、锅炉房用电值域、喷淋泵动力用电值域、消防泵动力(主用)用电值域、消防泵动力(备用)用电值域、热源泵电源用电值域、地下车库风机用电值域、空调用电值域、其他用电值域(包括底商、绿化等)。其中，值域指的是阈值区域，即，用电负荷趋势曲线的上限值和下限值之间的区域。
示例性地，对于同一种楼宇用电单元，若其所在区域的业态、项目不同或数据采集的时间不同，都会得到不同的用电值域。以空调用电单元为例，若在住宅区域的业态中，参考图3所示，图3示出了一个实施例中住宅区域的空调用电单元的日、年用电负荷趋势曲线的示意图。图3中的(a)为住宅区域中空调用电单元的日用电负荷的趋势曲线，图3中的(b)为住宅区域中空调用电单元的年用电负荷的趋势曲线。若在写字楼区域的业态中，参考图4所示，图4示出了另一个实施例中写字楼区域的空调用电单元的日、年用电负荷趋势曲线的示意图。图4中的(a)为写字楼区域中空调用电单元的日用电负荷的趋势曲线，图4中的(b)为写字楼区域中空调用电单元的年用电负荷的趋势曲线。
从图3至图4可以看出，对于同一种楼宇用电单元，若其所在区域的业态、项目不同或数据采集的时间不同，都会得到不同的用电值域。因此，用电负荷预测模型可以分别针对不同的区域业态、项目或不同时间区间所采集的楼宇用电单元的历史用电负荷数据分别进行模型构建。例如，目标区域的用电负荷和预测模型可以根据目标区域的业态、项目、用电特征等进行数据采集和模型构建。分别构建用电负荷预测模型可以提高楼宇用电负荷预测的准确性，从而可以提高充电桩用电单元的可分配用电容量的预测准确性。
步骤S206：根据楼宇用电负荷以及变压器容量阈值，计算目标时间下可分配于充电桩用电单元的可分配用电容量阈值。
在本步骤中，服务器可以通过用电负荷预测模型输出的楼宇用电单元在目标时间下的楼宇用电负荷，以及获取的整个目标区域的变压器容量阈值，将变压器容量阈值与楼宇用电负荷进行差值计算，或其他关联关系计算等，得到该目标区域的充电桩用电单元可以被分配使用的可分配用电容量阈值。
示例性地，服务器可以根据预测出的各楼宇用电单元的用电负荷之和，例如，利用如下的关系式：各用电单元(包括各楼宇用电单元与充电桩用电单元)用电负荷之和*预设系数(可以是0.2～0.3之间，也可以根据业务需求设定)≤变压器容量阈值*预设百分比(例如，80％)，从而确定出可以被分配使用的可分配用电容量阈值。
上述的充电桩用电容量分配方法，通过预先构建用电负荷预测模型，并基于该用电负荷预测模型预测楼宇侧的楼宇用电单元在目标时间下的用电负荷阈值，并结合整个目标区域的变压器容量阈值，计算目标时间下可供充电桩侧的充电桩用电单元使用的用电容量阈值。由于楼宇用电单元的电量使用并不是固定不变的，不同时间下楼宇用电单元的用电负荷最大值是不同的，因此，可以根据预测得到的楼宇用电负荷的变化，动态计算可分配给充电桩用电单元使用的用电容量，从而可以实现整个目标区域内的用电容量的柔性调控，提高整个目标区域的电力资源的利用率。
下面，结合图5对本申请实施例的有益效果进行详细说明，参考图5所示，图5示出了传统的充电桩用电容量分配方法以及本申请一个实施例的用电容量分配方法的对比示意图。传统的充电桩用电容量分配方法仅使用社区建设时为楼宇规划的楼宇侧可用容量之外的固定剩余容量进行充电桩的规划，充电桩可分配到的容量只有这部分剩余容量，因此，可建设的充电桩的数量较少，不能满足日益增长的新能源汽车的充电需求。然而，本申请的用电容量分配方法，由于对楼宇侧使用的用电负荷阈值进行了预测，预测得到的楼宇用电负荷会随着时间的不同在安全预留容量的上限值和楼宇侧可用容量的上限值之间变化，也即是，其在柔性容量的取值范围之间变化，因此，这部分柔性容量也可以被充分利用起来，可以根据预测的楼宇用电负荷相应地分配部分或全部柔性容量给充电桩侧使用，不仅提高了社区内电力资源的利用率，而且可以规划建设更多的充电桩，满足充电需求。
在一个实施例中，根据楼宇用电负荷以及变压器容量阈值，计算目标时间下可分配于充电桩用电单元的可分配用电容量阈值，包括：获取充电桩用电单元在目标时间下的用电需求值；根据楼宇用电负荷、变压器容量阈值及用电需求值计算目标时间下充电桩用电单元的可分配用电容量阈值。
在本实施例中，还可以进一步结合充电桩用电单元在目标时间下的用电需求进行可分配用电容量阈值的计算。更为具体地，可以通过实时采集充电桩用电单元的用电负荷数据，并建立用于预测充电桩用电需求的需求预测模型，预测目标时间下充电桩用电单元的用电需求值，若该用电需求值大于变压器容量阈值与楼宇用电负荷的差值，则可以基于该差值确定可分配用电容量阈值；若该用电需求值小于变压器容量阈值与楼宇用电负荷的差值，则可以根据该用电需求值确定可分配用电容量阈值。
本实施例，通过结合充电桩用电单元的用电需求值计算可分配用电容量阈值，可以更好地匹配充电桩用电单元的用电需求，在充电桩用电单元的用电需求较小的时候，也可以将超过需求的用电容量分配给其他更需要电量的用电单元，从而进一步提高整个区域的用电资源的利用率。
在一个实施例中，该方法还包括：根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率。
在本实施例中，可以根据预测得到的可分配用电容量阈值，在不超过该可分配用电容量阈值的情况下，通过控制充电桩用电单元在目标时间下的输出功率以控制其在目标时间下的用电负荷，从而实现柔性且准确地为充电桩用电单元分配用电容量的目的。例如，在计算得到的可分配用电容量阈值升高时，可以相应调高充电桩用电单元的输出功率；在计算得到的可分配用电容量阈值降低时，可以相应调低充电桩用电单元的输出功率。也即是，在充电桩侧的充电桩用电单元的总输出功率不超过可分配用电容量阈值时，可以根据预先配置的任意调节策略进行调节。
示例性地，服务器调节充电桩用电单元的输出功率的方式可以包括：生成控制指令，并将控制指令发送至充电桩平台，以使得充电桩平台根据收到的控制指令对于充电桩用电单元的输出功率进行调节。
在一个实施例中，一个充电桩用电单元包括多个功率挡位，根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率，包括：通过切换充电桩用电单元的功率挡位以调节充电桩用电单元的输出功率。
在本实施例中，一个充电桩用电单元包括多个功率挡位，例如，可以包括4个挡位，从1挡位至4挡位的输出功率可以依次增加。由于可以通过挡位切换来调节充电桩用电单元的输出功率，因此，在有限的可分配用电容量阈值下，能够启用更多的充电桩单元。例如，在计算得到可分配用电容量阈值为21kW时，若各充电桩单元没有设置挡位，则最多可以启用3个最大功率为7kW的充电桩，然而，若充电桩单元设置了4个挡位(1.75kW、3.5kW、5.25kW、7kW)，则在充电桩用电单元的总输出功率不超过21kW的情况下，可以启用的充电桩用电单元的数量最多可以增至四倍。
在一个实施例中，根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率，包括：根据可分配用电容量阈值均匀调节各充电桩用电单元在目标时间下的输出功率。
示例性地，参考图6所示，图6示出了一个实施例中均匀调节各充电桩用电单元的输出功率的示意图。具体地，如果目标区域内包括4个充电桩用电单元(充电桩)，各充电桩用电单元的最大输出功率是7kW，计算得到可分配用电容量阈值为21kW，则在4个充电桩用电单元的总输出功率不超过21kW的情况下，可以均匀调节各充电桩用电单元的输出功率。如，可以将这21kW的输出功率平均分配给4个充电桩用电单元，每个充电桩用电单元可以将输出功率控制在最大输出功率7kW的75％，即，5.25kW。
在一个实施例中，根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率，包括：获取各充电桩用电单元的优先级，根据可分配用电容量阈值及优先级调节一个或多个充电桩用电单元在目标时间下的输出功率。
示例性地，参考图7所示，图7示出了一个实施例中根据优先级调节充电桩用电单元的输出功率的示意图。具体地，如果目标区域内包括4个充电桩用电单元(充电桩)，各充电桩用电单元的最大输出功率是7kW，计算得到可分配用电容量阈值为21kW，在4个充电桩用电单元的总输出功率不超过21kW的情况下，获取4个充电桩用电单元的优先级，例如，根据优先级，判定充电桩2和充电桩4的优先级高于充电桩1和充电桩3，在可分配用电容量阈值不变的情况下，可以按照优先级的高低优先确保优先级较高的充电桩用电单元的输出功率，如，将充电桩1和充电桩3的输出功率调节为最大输出功率7kW的50％，即，3.5kW，而充电桩2和充电桩4的单元输出功率可以保持最大输出功率7kW不变。
其中，充电桩的优先级可以根据业务需求自定义设置，例如，可以通过监测充电桩的使用情况，将在目标时间下正在被使用的充电桩的优先级设为较高；或者，也可以采集充电桩的预约数据，将目标时间下被预约的充电桩的优先级设为较高。充电桩输出功率的调节策略也可以根据需求进行自定义设置，只要满足总输出功率不超过计算得到的可分配用电容量阈值即可。
在一个实施例中，该方法还包括：在目标时间下监测到楼宇用电单元的实际用电负荷值超过楼宇用电负荷时，控制充电桩用电单元降低实际输出功率。
在本实施例中，还可以实时监测楼宇用电单元的实际用电负荷值，由于本方案中的可分配用电容量是基于用电负荷预测模型预测的楼宇用电负荷得到的，因此，在个别情况下，可能存在楼宇用电单元的实际用电负荷值发生了难以预料的异常变化的情况，在这样的情况下，可以控制降低充电桩用电单元的实际输出功率，一方面，可以在总用电容量不扩容的情况下优先保证目标区域内的楼宇侧的楼宇用电单元的用电需求，避免楼宇侧的楼宇用电单元因配电过载导致的停电的发生，另一方面，可以提高充电桩用电单元的充电安全性，作为除了充电桩平台以外的充电桩充电安全保护的后备保护机制，避免过载给充电桩用电单元带来的安全风险和经济损失。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图8所示，提供了一种充电桩用电容量分配装置，包括：总用电负荷获取模块810、楼宇侧用电预测模块820和充电桩用电分配模块830，其中：
总用电负荷获取模块810，用于获取目标区域的变压器容量阈值；其中，目标区域内包括楼宇侧的楼宇用电单元和充电桩侧的充电桩用电单元。
楼宇侧用电预测模块820，用于获取楼宇用电单元的当前用电负荷数据，根据当前用电负荷数据以及预先建立的用电负荷预测模型，预测楼宇用电单元在目标时间下的楼宇用电负荷。
充电桩用电分配模块830，用于根据楼宇用电负荷以及变压器容量阈值，计算目标时间下可分配于充电桩用电单元的可分配用电容量阈值。
在一个实施例中，楼宇侧用电预测模块820还用于构建用电负荷预测模型，具体地，楼宇侧用电预测模块820采集一定时间周期内楼宇用电单元的历史用电负荷数据；根据深度学习算法，将历史用电负荷数据作为模型训练数据，得到训练后的用电负荷预测模型。
在一个实施例中，充电桩用电分配模块830获取充电桩用电单元在目标时间下的用电需求值；根据楼宇用电负荷、变压器容量阈值及用电需求值计算目标时间下充电桩用电单元的可分配用电容量阈值。
在一个实施例中，充电桩用电分配模块830，还用于根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率。
在一个实施例中，一个充电桩用电单元包括多个功率挡位，充电桩用电分配模块830通过切换充电桩用电单元的功率挡位以调节充电桩用电单元的输出功率。
在一个实施例中，充电桩用电分配模块830根据可分配用电容量阈值均匀调节各充电桩用电单元在目标时间下的输出功率。
在一个实施例中，充电桩用电分配模块830获取各充电桩用电单元的优先级，根据可分配用电容量阈值及优先级调节一个或多个充电桩用电单元在目标时间下的输出功率。
在一个实施例中，充电桩用电分配模块830，好用于在目标时间下监测到楼宇用电单元的实际用电负荷值超过楼宇用电负荷时，控制充电桩用电单元降低实际输出功率。
关于充电桩用电容量分配装置的具体限定可以参见上文中对于充电桩用电容量分配方法的限定，在此不再赘述。上述充电桩用电容量分配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种充电桩用电容量分配方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：获取目标区域的变压器容量阈值；其中，目标区域内包括楼宇侧的楼宇用电单元和充电桩侧的充电桩用电单元；获取楼宇用电单元的当前用电负荷数据，根据当前用电负荷数据以及预先建立的用电负荷预测模型，预测楼宇用电单元在目标时间下的楼宇用电负荷；根据楼宇用电负荷以及变压器容量阈值，计算目标时间下可分配于充电桩用电单元的可分配用电容量阈值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：采集一定时间周期内楼宇用电单元的历史用电负荷数据；根据深度学习算法，将历史用电负荷数据作为模型训练数据，得到训练后的用电负荷预测模型.
在一个实施例中，处理器执行计算机程序实现根据楼宇用电负荷以及变压器容量阈值，计算目标时间下可分配于充电桩用电单元的可分配用电容量阈值时，具体实现以下步骤：获取充电桩用电单元在目标时间下的用电需求值；根据楼宇用电负荷、变压器容量阈值及用电需求值计算目标时间下充电桩用电单元的可分配用电容量阈值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率。在一个实施例中，处理器执行计算机程序实现根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率时，具体实现以下步骤：通过切换充电桩用电单元的功率挡位以调节充电桩用电单元的输出功率。
在一个实施例中，处理器执行计算机程序实现根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率时，具体实现以下步骤：根据可分配用电容量阈值均匀调节各充电桩用电单元在目标时间下的输出功率。在一个实施例中，处理器执行计算机程序实现根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率时，具体实现以下步骤：获取各充电桩用电单元的优先级，根据可分配用电容量阈值及优先级调节一个或多个充电桩用电单元在目标时间下的输出功率。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在目标时间下监测到楼宇用电单元的实际用电负荷值超过楼宇用电负荷时，控制充电桩用电单元降低实际输出功率。在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取目标区域的变压器容量阈值；其中，目标区域内包括楼宇侧的楼宇用电单元和充电桩侧的充电桩用电单元；获取楼宇用电单元的当前用电负荷数据，根据当前用电负荷数据以及预先建立的用电负荷预测模型，预测楼宇用电单元在目标时间下的楼宇用电负荷；根据楼宇用电负荷以及变压器容量阈值，计算目标时间下可分配于充电桩用电单元的可分配用电容量阈值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采集一定时间周期内楼宇用电单元的历史用电负荷数据；根据深度学习算法，将历史用电负荷数据作为模型训练数据，得到训练后的用电负荷预测模型.
在一个实施例中，计算机程序被处理器执行实现根据楼宇用电负荷以及变压器容量阈值，计算目标时间下可分配于充电桩用电单元的可分配用电容量阈值时，具体实现以下步骤：获取充电桩用电单元在目标时间下的用电需求值；根据楼宇用电负荷、变压器容量阈值及用电需求值计算目标时间下充电桩用电单元的可分配用电容量阈值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率。在一个实施例中，计算机程序被处理器执行实现根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率时，具体实现以下步骤：通过切换充电桩用电单元的功率挡位以调节充电桩用电单元的输出功率。
在一个实施例中，计算机程序被处理器执行实现根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率时，具体实现以下步骤：根据可分配用电容量阈值均匀调节各充电桩用电单元在目标时间下的输出功率。在一个实施例中，计算机程序被处理器执行实现根据可分配用电容量阈值调节充电桩用电单元在目标时间下的输出功率时，具体实现以下步骤：获取各充电桩用电单元的优先级，根据可分配用电容量阈值及优先级调节一个或多个充电桩用电单元在目标时间下的输出功率。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在目标时间下监测到楼宇用电单元的实际用电负荷值超过楼宇用电负荷时，控制充电桩用电单元降低实际输出功率。
本领域普通技术人员可以理解实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种充电桩用电容量分配方法，所述方法包括：
获取目标区域的变压器容量阈值；其中，所述目标区域内包括楼宇侧的楼宇用电单元和充电桩侧的充电桩用电单元；
获取所述楼宇用电单元的当前用电负荷数据，根据所述当前用电负荷数据以及预先建立的用电负荷预测模型，预测所述楼宇用电单元在所述目标时间下的楼宇用电负荷；
根据所述楼宇用电负荷以及所述变压器容量阈值，计算所述目标时间下可分配于所述充电桩用电单元的可分配用电容量阈值。
2.根据权利要求1所述的方法，其特征在于，所述用电负荷预测模型的构建方法，包括：
采集一定时间周期内所述楼宇用电单元的历史用电负荷数据；
根据深度学习算法，将所述历史用电负荷数据作为模型训练数据，得到训练后的所述用电负荷预测模型。
3.根据权利要求1所述的方法，其特征在于，所述根据所述楼宇用电负荷以及所述变压器容量阈值，计算所述目标时间下可分配于所述充电桩用电单元的可分配用电容量阈值，包括：
获取所述充电桩用电单元在所述目标时间下的用电需求值；
根据所述楼宇用电负荷、所述变压器容量阈值及所述用电需求值计算所述目标时间下所述充电桩用电单元的可分配用电容量阈值。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述可分配用电容量阈值调节所述充电桩用电单元在所述目标时间下的输出功率。
5.根据权利要求4所述的方法，其特征在于，一个所述充电桩用电单元包括多个功率挡位，所述根据所述可分配用电容量阈值调节所述充电桩用电单元在所述目标时间下的输出功率，包括：
通过切换所述充电桩用电单元的功率挡位以调节所述充电桩用电单元的输出功率。
6.根据权利要求4所述的方法，其特征在于，所述根据所述可分配用电容量阈值调节所述充电桩用电单元在所述目标时间下的输出功率，包括：
根据所述可分配用电容量阈值均匀调节各所述充电桩用电单元在所述目标时间下的输出功率；和/或，
获取各所述充电桩用电单元的优先级，根据所述可分配用电容量阈值及所述优先级调节一个或多个所述充电桩用电单元在所述目标时间下的输出功率。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若在所述目标时间下监测到所述楼宇用电单元的实际用电负荷值超过所述楼宇用电负荷，控制所述充电桩用电单元降低实际输出功率。
8.一种充电桩用电容量分配装置，其特征在于，所述装置包括：
总用电负荷获取模块，用于获取目标区域的变压器容量阈值；其中，所述目标区域内包括楼宇侧的楼宇用电单元和充电桩侧的充电桩用电单元；
楼宇侧用电预测模块，用于获取所述楼宇用电单元的当前用电负荷数据，根据所述当前用电负荷数据以及预先建立的用电负荷预测模型，预测所述楼宇用电单元在所述目标时间下的楼宇用电负荷；
充电桩用电分配模块，用于根据所述楼宇用电负荷以及所述变压器容量阈值，计算所述目标时间下可分配于所述充电桩用电单元的可分配用电容量阈值。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111503740.3A CN114187137A (zh) | 2021-12-10 | 2021-12-10 | 充电桩用电容量分配方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111503740.3A CN114187137A (zh) | 2021-12-10 | 2021-12-10 | 充电桩用电容量分配方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114187137A true CN114187137A (zh) | 2022-03-15 |
Family
ID=80604230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111503740.3A Pending CN114187137A (zh) | 2021-12-10 | 2021-12-10 | 充电桩用电容量分配方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114187137A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106208044A (zh) * | 2016-08-05 | 2016-12-07 | 海南电力技术研究院 | 充电桩与配电变压器协调运行方法和装置 |
| CN108944543A (zh) * | 2018-08-07 | 2018-12-07 | 深圳市海鹏信新能源有限公司 | 充电桩的充电调控方法以及充电桩的充电调控系统 |
| CN111864759A (zh) * | 2020-08-19 | 2020-10-30 | 合肥博软电子科技有限公司 | 一种充电桩的智能配电系统及方法 |
| CN112330077A (zh) * | 2021-01-04 | 2021-02-05 | 南方电网数字电网研究院有限公司 | 电力负荷预测方法、装置、计算机设备和存储介质 |
-
2021
- 2021-12-10 CN CN202111503740.3A patent/CN114187137A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106208044A (zh) * | 2016-08-05 | 2016-12-07 | 海南电力技术研究院 | 充电桩与配电变压器协调运行方法和装置 |
| CN108944543A (zh) * | 2018-08-07 | 2018-12-07 | 深圳市海鹏信新能源有限公司 | 充电桩的充电调控方法以及充电桩的充电调控系统 |
| CN111864759A (zh) * | 2020-08-19 | 2020-10-30 | 合肥博软电子科技有限公司 | 一种充电桩的智能配电系统及方法 |
| CN112330077A (zh) * | 2021-01-04 | 2021-02-05 | 南方电网数字电网研究院有限公司 | 电力负荷预测方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113614460B (zh) | 空调系统的管理方法、控制方法及系统、存储介质 | |
| Wang et al. | Integrated energy exchange scheduling for multimicrogrid system with electric vehicles | |
| Kandasamy et al. | Virtual storage capacity using demand response management to overcome intermittency of solar PV generation | |
| US20140350743A1 (en) | Tiered power management system for microgrids | |
| US20150324935A1 (en) | Control system for power system | |
| CN117077974A (zh) | 虚拟电厂资源优化调度方法、装置、设备及存储介质 | |
| WO2015192110A1 (en) | Agent-based microgrid architecture for generation following protocols | |
| JP2012517207A (ja) | 分散型電力生産システムおよびその制御の方法 | |
| Xu et al. | Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation | |
| CN113690885B (zh) | 一种供电控制方法及供电平台 | |
| KR20200144726A (ko) | 신재생 에너지와 연계된 에너지 저장 시스템의 용량을 산정하는 방법 및 이를 위한 장치 | |
| CN118017563B (zh) | 一种用户侧共享储能系统的配置方法和系统 | |
| CN112602247A (zh) | 用于在平衡条件下控制能量子系统之间的能量交换的方法；控制中心；能量系统；计算机程序和存储介质 | |
| CN104272548A (zh) | 电力管理装置、电力管理系统以及电力管理方法 | |
| CN113872228A (zh) | 一种应用于电网调峰调频的电动汽车调度方法和装置 | |
| CN116632839B (zh) | 一种基于能碳监测的园区电力管理调节方法及装置 | |
| CN114187137A (zh) | 充电桩用电容量分配方法、装置、计算机设备和存储介质 | |
| Miletić et al. | Load management in smart grids with utilization of load-shifting potential in building climate control | |
| KR101581684B1 (ko) | 에너지 저장장치의 방전심도 제어를 통한 충방전 스케줄링 장치 및 방법 | |
| Arafat et al. | Maximum Reserved Capacity of Aggregated Electric Water Heaters Virtual Battery for Peak Management | |
| US11128166B2 (en) | Predictive operational planning in a microgrid taking into account high-load time windows of a main electricity grid | |
| CN111130107B (zh) | 电网负荷预测方法及装置 | |
| KR102253741B1 (ko) | 인공신경망을 이용한 다중적 전력 수요 예측 방법 | |
| KR102253736B1 (ko) | 인공신경망을 이용한 재귀적 전력 수요 예측 방법 | |
| US20210175717A1 (en) | Controlling microgrids |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |