一种基于大数据的电动汽车充电站选址定容方法与流程

本发明涉及一种基于大数据的电动汽车充电站选址定容方法，属于电动汽车充电设施规划与建设。

背景技术：

1、随着电动汽车的普及，越来越多的电动汽车投入实际使用，因此，充电站的建设成为城市基础设施的重要组成部分。与之相对应的是，如何准确的对电动汽车充电站进行选址定容，成为了亟待解决的问题。

2、目前，充电站选址定容的方法往往依赖于经验判断或简单的数据统计。

3、虽然上述方法能够实现对充电站的选址定容，但是在对充电站进行选址定容时未考虑结合大数据技术对实际待进行充电站选址定容的区域进行拟定，造成充电站选址定容时存在，准确性、灵活性较差的问题。

技术实现思路

1、本发明提供一种基于大数据的电动汽车充电站选址定容方法、装置及计算机可读存储介质，其主要目的在于解决充电站选址定容时存在准确性、灵活性较差的问题。

2、为实现上述目的，本发明提供的一种基于大数据的电动汽车充电站选址定容方法，包括：

3、接收选址定容指令，基于所述选址定容指令确认用于选址定容的选址系统，其中，选址系统包括：区域拟定单元及选址反馈单元；

4、确认接收来自区域拟定单元的区域拟定指令后，利用区域拟定指令确认出居住位置集；

5、利用居住位置集获取多个目标充电区域，对多个目标充电区域中的每一个目标充电区域均执行如下操作：

6、利用目标充电区域获取目标能耗，基于所述目标能耗获取一种或多种充电站配置方案；

7、根据所述一种或多种充电站配置方案获取充电站配置方案序列；

8、利用选址反馈单元将所述充电站配置方案序列发送至选址定容指令的发起端，实现对充电站的选址定容。

9、可选地，所述利用区域拟定指令确认出居住位置集，包括：

10、解析所述区域拟定指令，得到选址区域，基于选址区域获取参考车辆集，其中，参考车辆集中包括多个参考车辆，对参考车辆集中的参考车辆均执行如下操作：

11、获取参考车辆的相关信息，基于所述相关信息对参考车辆执行标识操作，得到第一标识车辆，其中，相关信息包括：参考车辆实际所在地、参考车辆种类及参考车辆的识别码，且参考车辆种类包括：纯电动车辆及其他车辆，汇总所述第一标识车辆，得到第一标识车辆集；

12、获取选址区域的道路信息，其中，道路信息由路口、路段及位于路段中的充电站所构成，根据路段中是否存在充电站，将路段标识为第一路段及第二路段，其中，第一路段中包括充电站；

13、在每一个路口处监测并记录目标车辆的目标信息，其中，目标信息包括每个路口的路口通行时间、车辆类型及识别码，且车辆类型包括：纯电动车辆及其它车辆，基于所述目标信息对目标车辆执行标识操作，得到第二标识车辆，当第二标识车辆的车辆类型为纯电动车辆时，获取用于参考的折算系数，利用第二标识车辆及折算系数计算参考停留时间，计算公式如下所示：

14、t＝(β+α)(t1-t0)

15、其中，t为参考停留时间，t1表示第一路口的通行时间，t0表示第二路口的通行时间，其中，第一路口及第二路口为相邻的两个路口，α表示折算系数,β表示预设的系数；

16、若第一路口及第二路口所对应的路段为第一路段，则比较参考停留时间与预设的时间阈值，若参考停留时间大于或等于所述时间阈值，则确认所述第二标识车辆为目标标识车辆，汇总所述目标标识车辆，得到目标标识车辆集；

17、基于所述第一标识车辆集及目标标识车辆集获取居住位置集。

18、可选地，所述获取用于参考的折算系数，包括：

19、获取车辆的驶入充电数据集，其中，驶入充电数据集由多个参考充电数据集所构成，且参考充电数据集中包括多个驶入充电数据，且参考充电数据集与第一路段一一对应，其中，驶入充电数据由：第一路口的通行时间、充电路程及充电站驶出时间所构成，且驶入充电数据所对应的路段为同一第一路段；

20、对驶入充电数据集中的参考充电数据集均执行如下操作：

21、对参考充电数据集中的驶入充电数据均执行如下操作：

22、基于驶入充电数据获取驶入时间，其中，驶入时间由：第一路口的通行时间与充电站驶出时间的绝对差值所构成；

23、汇总所述驶入时间，得到驶入时间集，基于所述驶入时间集获取驶入均值及驶入方差，其中，驶入均值为驶入时间集中驶入时间的均值，驶入方差为驶入时间集中驶入时间的方差；

24、比较所述驶入方差与预设的方差阈值，若驶入方差大于所述方差阈值，则对驶入时间集中的驶入时间均执行如下操作：

25、计算驶入时间与驶入均值的绝对差值，得到参考差值，汇总所述参考差值，得到参考差值集，按照从大到小的顺序对参考差值集中的参考差值执行排序操作，得到参考差值序列；

26、从所述参考差值序列中依次提取参考差值，并对所提取的参考差值执行如下操作：

27、在驶入时间集中剔除该参考差值所对应的驶入时间，汇总所保留的驶入时间，得到更新时间集，以更新时间集为驶入时间集并返回所述基于所述驶入时间集获取驶入均值及驶入方差的步骤，直至驶入方差小于或等于方差阈值后，汇总驶入时间，得到第一充电数据集，汇总多个第一充电数据集，得到目标充电数据集，基于所述目标充电数据集计算折算系数。

28、可选地，所述基于所述目标充电数据集计算折算系数，计算公式如下所示：

29、

30、其中，tl表示第一充电数据集中第l个驶入时间，m表示第一充电数据集共有m个驶入时间，si表示目标充电数据集中第i个充电路程，sj表示目标充电数据集中第j个充电路程，n表示目标充电数据集中共有n个充电路程。

31、可选地，所述基于所述第一标识车辆集及目标标识车辆集获取居住位置集，包括：

32、从所述第一标识车辆集中依次提取参考车辆种类为纯电动车辆的第一标识车辆，并对所提取的第一标识车辆执行如下操作：

33、基于所提取的第一标识车辆获取一个或多个外出时间，利用一个或多个外出时间计算外出频率，计算公式如下所示：

34、

35、其中，q表示外出频率，yh表示一个或多个外出时间中第h个外出时间，f表示所述一个或多个外出时间中共有f个外出时间；

36、比较外出频率与预设的外出阈值；

37、若外出频率小于等于外出阈值，则确认所提取的第一标识车辆为目标充电车辆；

38、从所述目标标识车辆集中依次提取第二标识车辆，并对所提取的第二标识车辆执行如下操作：

39、基于所提取的第二标识车辆获取一个或多个进入时间，基于所述一个或多个进入时间计算进入频率，比较进入频率与预设的进入阈值，若进入频率大于等于所述进入阈值，则确认所提取的第二标识车辆为目标充电车辆，汇总所述目标充电车辆，得到目标充电车辆集；

40、基于所述目标充电车辆集中目标充电车辆所对应的识别码获取居住位置集，其中，居住位置集中包括多个居住位置。

41、可选地，所述利用居住位置集获取多个目标充电区域，包括：

42、利用预构建的手肘法、预构建的轮廓系数法、预设的聚类簇值阈值、预构建的k-means聚类法及居住位置集分别获取手肘拟合曲线及轮廓系数折线，其中，手肘拟合曲线的横坐标为聚类簇值，纵坐标为sse，轮廓系数折线的横坐标为聚类簇值，纵坐标为轮廓系数；

43、在轮廓系数曲线中获取一个或多个局部峰值，其中，局部峰值与轮廓系数一一对应，按照从大到小的顺序对局部峰值执行排序操作，得到局部峰值序列；

44、在手肘拟合曲线中获取多个局部导数，其中，局部导数与聚类簇值一一对应；

45、从所述局部峰值序列中依次提取局部峰值，并对所提取的局部峰值执行如下操作：

46、基于该局部峰值所对应的聚类簇值，在多个局部导数中确认出目标局部导数，基于所提取的局部峰值与目标局部导数计算综合评估值，计算公式如下所示：

47、

48、其中，z表示综合评估值，f(ka)表示所提取的局部峰值，ka表示与该局部峰值所对应的聚类簇值，n(ka)′表示目标局部导数，ω均为预设的系数；

49、汇总所述综合评估值，得到综合评估值集，基于所述综合评估值集确认出目标聚类簇值，其中，目标聚类簇值为综合评估值集中最大的综合评估值所对应的聚类簇值；

50、利用所述目标聚类簇值及所述k-means聚类法将所述居住位置集划分为m个充电区域簇，其中，m与所述目标聚类簇值相同；

51、从所述m个充电区域簇中依次提取充电区域簇，并对所提取的充电区域簇执行如下操作：

52、利用所提取的充电区域簇获取充电区域，其中，充电区域为圆形，当充电区域内不包括充电站时，确认该充电区域为目标充电区域，汇总所述目标充电区域，得到多个目标充电区域。

53、可选地，所述利用目标充电区域获取目标能耗，包括：

54、对多个目标充电区域中每一个目标充电区域均执行如下操作：

55、根据所述目标充电区域获取一个或多个目标充电位置，确认出目标充电区域中的目标充电车辆集，从所述一个或多个目标充电位置中依次提取目标充电位置，并对所提取的目标充电位置执行如下操作：

56、利用所述目标充电车辆集中目标充电车辆所对应的居住位置及所述所提取的目标充电位置获取拟合路径；

57、根据所述拟合路径获取拟合路程，基于所述居住位置获取现存充电站，利用现存充电站及居住位置获取现存路程；

58、获取现存充电站的能耗数据，其中，能耗数据包括：充电桩种类及现存充电桩数量，其中，充电桩种类与现存充电桩数量一一对应，利用能耗数据、现存路程及拟合路程计算目标能耗，计算公式如下所示：

59、

60、其中，u表示拟合充电站的目标能耗，q表示目标充电车辆集所对应的居住位置共有q个，lp1表示目标充电车辆集中第p个目标车辆所对应的现存路程，lp0表示目标充电车辆集中第p个目标车辆所对应的拟合路程，ws表示第s个充电桩种类所对应的现存充电桩数量，d表示现存充电站中充电桩种类共有d种，gs表示现存充电站中第s种充电桩的平均能耗。

61、可选地，所述基于所述目标能耗获取一种或多种充电站配置方案，包括：

62、获取用于拟合的拟合能耗数据集，其中，拟合能耗数据集中包括多个拟合能耗数据，且拟合能耗数据由：拟合充电桩的拟合充电桩种类及拟合充电桩的拟合平均能耗所构成；

63、基于拟合能耗数据集及预构建的充电站约束关系式获取一种或多种充电站配置方案，其中，充电站约束关系式如下所示：

64、

65、其中，o表示拟合充电站中共有o种充电桩，ri表示在拟合充电站中，选用拟合能耗数据集中第i种拟合充电桩种类，其所对应拟合充电桩的数量，hi表示在拟合充电站中，选用拟合能耗数据集中第i种拟合充电桩，其所对应的拟合平均能耗。

66、可选地，所述根据所述一种或多种充电站配置方案获取充电站配置方案序列，包括：

67、从所述一种或多种充电站配置方案中依次提取充电站配置方案，并对所提取的充电站配置方案执行如下操作：

68、基于所提取的充电站配置方案及预构建的综合充电站能耗关系式计算综合充电站能耗，其中，综合充电站能耗关系式如下所示：

69、

70、其中，mc表示第c种充电配置方案所对应的综合充电站能耗，gc表示第c种充电配置方案所对应的固定场地能耗，wc表示第c种充电配置方案所对应的拟合充电桩的数量，xc表示第c个充电配置方案所对应的拟合充电桩的固定配置能耗,b表示所提取的充电站配置方案中共有b种拟合充电桩；

71、利用综合充电站能耗对所提取的充电站配置方案执行标识操作，得到标识充电站配置方案；

72、汇总所述标识充电站配置方案，得到标识充电站配置方案集；

73、基于所述标识充电站配置方案集获取充电站配置方案序列。

74、可选地，所述基于所述标识充电站配置方案集获取充电站配置方案序列，包括：

75、从所述标识充电站配置方案集中依次提取标识充电站配置方案，并对所提取的标识充电站配置方案执行如下操作：

76、基于所提取的标识充电站配置方案及预构建的综合评估关系式计算综合配置评估值，其中，综合评估关系式如下所示：

77、x＝∈mc+θb

78、其中，x表示综合配置评估值，∈、λ均为预设的系数，

79、汇总所述综合配置评估值，得到综合配置评估值集，按照从大到小的顺序对综合配置评估值集中的综合配置评估值执行排序操作，得到综合评估序列，基于所述综合评估序列获取充电站配置方案序列。

80、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

81、至少一个处理器；以及，

82、与所述至少一个处理器通信连接的存储器；其中，

83、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现上述所述的基于大数据的电动汽车充电站选址定容方法。

84、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于大数据的电动汽车充电站选址定容方法。

85、相比于背景技术所述问题，本发明先接收选址定容指令，基于所述选址定容指令确认用于选址定容的选址系统，其中，选址系统包括：区域拟定单元及选址反馈单元。可见本发明所确认的选址系统包括用于拟定区域的区域拟定单元，通过该区域拟定单元能够在选址系统中确认出想要进行选址定容的区域，进而提高对电动汽车充电站选址定容的灵活性，此外，本发明确认接收来自区域拟定单元的区域拟定指令后，利用区域拟定指令确认出居住位置集，可见本发明在选址区域中分别对第一标识车辆及第二标识车辆进行了不同的处理，进而，使得处理后的第一标识车辆及第二标识车辆更加符合选址区域中所包含纯电动车辆的情况，进而，提高基于第一标识车辆及第二标识车辆确认出居住位置集的准确性。本发明利用居住位置集获取多个目标充电区域，对多个目标充电区域中的每一个目标充电区域均执行如下操作：利用目标充电区域获取目标能耗，基于所述目标能耗获取一种或多种充电站配置方案，根据所述一种或多种充电站配置方案获取充电站配置方案序列，可见本发明实施例不仅考虑了结合现存充电站对拟合充电站所需的目标能耗进行计算，还根据目标能耗拟合出了一种或多种充电站配置方案，并且根据充电站配置方案计算出综合配置评估值，并根据综合配置评估值获取充电站配置方案序列，使得所给出的充电站配置方案序列更加准确且灵活。因此本发明提出的基于大数据的电动汽车充电站选址定容方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决充电站选址定容时存在准确性、灵活性较差的问题。