本發(fā)明專利技術提出了一種基于人工智能的物聯(lián)網充電樁建設規(guī)劃的方法及系統(tǒng)。該系統(tǒng)主要包括：充電樁選址定容模塊和充電樁利用率評估模塊。充電樁選址定容模塊用于對充電樁選址定容方案的初步探索，主要分為四個子模塊，包括獲取數(shù)據(jù)、建立最小化費用成本和時間成本的充電樁選址模型、基于模擬退火的變步長螢火蟲算法求解、獲取充電樁選址定容初步結果。充電樁利用率評估模塊用于對充電樁選址定容模塊中獲得的結果做進一步的評估分析，主要分為四個子模塊，包括：獲取物聯(lián)網數(shù)據(jù)、數(shù)據(jù)預處理、訓練人工智能模型、充電樁利用率預測與評估。最后，將充電樁利用率評估模塊得到的結果反饋給充電樁選址定容模塊，從而得到充電樁建設規(guī)劃的最優(yōu)方案。最優(yōu)方案。最優(yōu)方案。
【技術實現(xiàn)步驟摘要】
一種基于人工智能的物聯(lián)網充電樁建設規(guī)劃的方法及系統(tǒng)
[0001]本專利技術涉及物聯(lián)網領域，尤其涉及一種基于人工智能的物聯(lián)網充電樁建設規(guī)劃的方法 及系統(tǒng)。
技術介紹
[0002]近年來，隨著環(huán)境污染和能源短缺問題的日益嚴峻，電動汽車作為新型能源汽車備受 人們關注。同時為了保障用戶正常出行，充電樁的規(guī)模也在不斷擴大。尤其國家提出“新 基建”以來，充電樁產業(yè)躍入人們的視線成為熱門話題。充電樁的建設作為充電網、車聯(lián) 網、能源網和物聯(lián)網的連接器，不僅僅連接了充電網絡和電動汽車，打通了物理世界和數(shù) 字世界，還強力推動著交通變革和能源變革。
[0003]隨著海量資本、前沿技術紛紛涌入，物聯(lián)網充電樁的建設一方面迎來空前繁榮、煥發(fā) 出新的生機；另一方面也面臨著很多挑戰(zhàn)。尤其用戶體驗亟需提升，用戶在出行時經常找 不到合適的充電樁，這嚴重影響了用戶的出行體驗。與此同時，充電樁運營企業(yè)存在著大 量的充電樁建好后使用率太低而虧本的情況。因此，構建更優(yōu)的物聯(lián)網充電樁建設規(guī)劃方 案，具有重大的社會意義。其中把充電樁建在人們最需要的地方是社會迫切需要解決的問 題，更好的物聯(lián)網充電樁選址定容系統(tǒng)能夠提升充電樁的使用效率，可以創(chuàng)造重大的社會 價值。
[0004]目前，充電樁運營企業(yè)在進行充電樁選址定容時，大多數(shù)從企業(yè)的角度出發(fā)，主要考 慮充電站的建設成本。為提升充電樁選址定容結果的準確性，本專利技術將物聯(lián)網充電樁選址 定容問題分成兩步進行，首先第一步利用改進的傳統(tǒng)模型進行初步探索，建立了最小化費 用成本和時間成本并限制總預算費用的物聯(lián)網充電樁選址模型；第二步利用人工智能技術， 采用人工智能算法，對第一步模型的結果進行進一步的評估分析，從而得到最優(yōu)的建設規(guī) 劃方案。
技術實現(xiàn)思路
[0005]基于以上
技術介紹
中存在的問題，本專利技術提出了一種基于人工智能的物聯(lián)網充電樁建 設規(guī)劃的方法及系統(tǒng)，以提升物聯(lián)網充電樁選址定容結果的準確性。
[0006]為解決上述問題，本專利技術提出一種基于人工智能的物聯(lián)網充電樁建設規(guī)劃的方法。
[0007]S1.首先，在傳統(tǒng)充電站選址定容的基礎上，把用戶的體驗感考慮了進來，增加了用 戶充電途中電量的使用和時間成本等因素，建立最小化費用成本和時間成本并限制總預算 費用的充電樁選址模型。
[0008]S2.其次，本專利技術在螢火蟲算法的基礎上，引入了模擬退火算法和變步長方法，構建 了基于模擬退火的變步長螢火蟲算法。
[0009]S3.最后，基于以上模型的初步分析結果，利用卷積神經網絡算法，結合POI數(shù)據(jù)， 對結果進行進一步的評估分析，從而得到最優(yōu)的充電樁選址定容方案。
[0010]進一步地，在S1中，建立充電樁選址定容模型。主要考慮充電樁的經濟成本和用戶 的時間成本，經濟成本主要包括充電站的建設費用、充電站周圍道路建設費用、充電站電 能損耗費用、充電站的運行維護費用，然后對各成本進行加權求和，即為模型的目標函數(shù) (以下各符號的具體含義，請參照表1)
[0011][0012]除此之外，約束條件主要包括充電站數(shù)量約束、充電樁數(shù)量約束、充電站之間的距離 約束、交通路口到充電站的距離約束，并加入充電站年費用約束(以下各符號的具體含義， 請參照表1)
[0013][0014]進一步地，在S2中，構建了基于模擬退火的變步長螢火蟲算法。螢火蟲算法 (Glowworm Swarm Optimization,GSO)是模擬螢火蟲在求偶過程中根據(jù)閃光的強弱決定自 身往哪個集群飛的啟發(fā)式算法。
[0015]螢火蟲算法的這一原理與電動汽車聚集到充電站進行充電的現(xiàn)象很相似，螢火蟲的位 置可以看作充電站的位置，螢火蟲的數(shù)量可以看作站內充電樁的數(shù)量。
[0016]但該算法容易陷入局部最優(yōu)，所以本專利技術利用模擬退火算法的變步長螢火蟲群優(yōu)化算 法進行求解。即將模擬退火算子引入到個體螢火蟲的尋優(yōu)中，轉移概率為
[0017][0018]其中，溫度為T＝T0*θC
?1，T0是初始溫度，θ為衰減因子，C為迭代次數(shù)。
[0019]同時，在每一代尋優(yōu)的過程中首先通過螢火蟲不斷移動進行全局尋優(yōu)，然后對熒光素 濃度最高的個體進行模擬退火，實現(xiàn)局部尋優(yōu)。
[0020]除此之外，為防止算法后期最優(yōu)解在峰值附近出現(xiàn)震蕩的現(xiàn)象，即在每一步尋優(yōu)的過 程中加入變步長機制
[0021][0022]其中，
[0023][0024]該算法詳細的流程圖見圖2所示。
[0025]進一步地，在S3中，基于步驟一充電樁選址定容的初步結果，采用卷積神經網絡 (Convolutional Neural Networks,CNN)算法，對步驟一模型得到的充電樁的利用率進行進一步的 評估分析，從而得到充電樁最優(yōu)的建設方案。
[0026]主要包括以下步驟：
[0027](1)獲取一個區(qū)域內已有充電樁的位置數(shù)據(jù)、所屬類型(直流/交流)、使用類型(公 共/專用)以及充電樁附近5公里范圍內POI興趣點數(shù)據(jù)、居民小區(qū)數(shù)據(jù)、停車場數(shù)據(jù)、充 電站數(shù)據(jù)，并收集運營商公布的站點信息，利用這些物聯(lián)網數(shù)據(jù)，將充電樁的使用情況轉 換為模型所需的利用率數(shù)據(jù)；
[0028](2)進行數(shù)據(jù)預處理，并為后續(xù)模型訓練做進一步的數(shù)據(jù)準備。包括刪除原始數(shù)據(jù) 中的噪聲數(shù)據(jù)，補充其中缺失數(shù)據(jù)，并將其進行z
?
score歸一化處理等；
[0029](3)將利用率分為5個等級，從而將充電樁的利用率問題轉化為一個分類問題；
[0030](4)利用已獲得的數(shù)據(jù)，對卷積神經網絡模型進行訓練，然后保存訓練好的模型；
[0031](5)利用訓練好的充電樁選址定容評價模型，對S2中充電樁選址定容的初步結果進 行評估，得到每個充電樁的利用率等級，從而得到充電樁最優(yōu)的建設方案。
[0032]除此之外，本專利技術還提供了一種基于人工智能的物聯(lián)網充電樁建設規(guī)劃的系統(tǒng)。
[0033]該系統(tǒng)包含：物聯(lián)網充電樁選址定容模塊和物聯(lián)網充電樁利用率評估模塊。物聯(lián)網充 電樁選址定容模塊用于對充電樁選址定容方案的初步探索，包括：獲取數(shù)據(jù)子模塊、構建 物聯(lián)網充電樁選址定容模型子模塊、求解模型子模塊、獲取充電樁選址定容初步結果子模 塊。物聯(lián)網充電樁利用率評估模塊用于對物聯(lián)網充電樁選址定容模塊中獲得的結果做進一 步的評估分析，包括：獲取數(shù)據(jù)子模塊、數(shù)據(jù)預處理子模塊、訓練卷積神經網絡模型子模 塊、充電樁利用率預測與評估子模塊。最后，將物聯(lián)網充電樁利用率評估模塊得到的結果 反饋給物聯(lián)網充電樁選址定容模塊，從而得到物聯(lián)網充電樁選址定容的最優(yōu)建設規(guī)劃方案。
附圖說明
[0034]圖1為本專利技術基于人工智能的物聯(lián)網充電樁建設規(guī)劃的方法及系統(tǒng)流程圖；
[0035]圖2為本專利技術基于模擬退火的變步長螢火蟲算法流程圖；
[0036]圖3為本專利技術物聯(lián)網充電樁選址定容評估模塊的流程圖(物聯(lián)網充電樁利用率評估模 塊的流程圖)；圖4為某區(qū)的充電站進行選址定容結果圖。
具體實施方式
[0037]下面將本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種基于人工智能的物聯(lián)網充電樁建設規(guī)劃的系統(tǒng)，其特征在于，包括：物聯(lián)網充電樁選址定容模塊，用于確定預選區(qū)域內充電樁的最佳選址和數(shù)量；物聯(lián)網充電樁利用率評估模塊，用于評估充電樁在投入使用后的有效利用率。2.如權利要求1所述的物聯(lián)網充電樁選址定容模塊，其特征在于，包括：數(shù)據(jù)獲取單元，用于獲取充電站成本數(shù)據(jù)和用戶成本數(shù)據(jù)；模型構建單元，用于構建最小化費用成本和時間成本并限制總預算費用的物聯(lián)網充電樁選址定容模型；模型求解單元，利用基于模擬退火的變步長螢火蟲算法求解，確定所述預設區(qū)域內充電樁的最佳選址和數(shù)量。3.如權利要求1所述的物聯(lián)網充電樁利用率評估模塊，其特征在于，包括：數(shù)據(jù)獲取單元，用于獲取POI數(shù)據(jù)、居民小區(qū)數(shù)據(jù)、停車場數(shù)據(jù)及充電站數(shù)據(jù)；數(shù)據(jù)處理單元，用于做建模前的數(shù)據(jù)準備，包括噪聲數(shù)據(jù)處理、缺失數(shù)據(jù)處理和歸一化處理；利用率分級單元，利用物聯(lián)網充電樁數(shù)據(jù)，即運營商公布的充電樁站點使用數(shù)據(jù)，將充電樁的利用率進行等級劃分；模型訓練單元，利用人工智能算法，訓練充電樁利用率評估模型；模型預測單元，利用已訓練好的物聯(lián)網充電樁利用率評估模型，預測上述權利要求2中選址定容模塊得到的充電樁的有效利用率。4.一種基于人工智能的物聯(lián)網充電樁建設規(guī)劃的方法，其特征在于，包括：建立最小化費用成本和時間成本并限制總預算費用的物聯(lián)網充電樁選址模型，在傳統(tǒng)充電站選址定容的基礎上，加之考慮用戶體驗感，增加了用戶充電途中電量使用和時間成本等因素；構建基于模擬退火的變步長螢火蟲算法，在螢火蟲算法的基礎上，引入模擬退火算法和變步長方法；利用人工智能中卷積神經網絡算法，結合POI數(shù)據(jù)，構建一種對選址定容結果進行有效利用率評價的方法，對選址定容的結果數(shù)據(jù)進一步評估分析，得到最優(yōu)的物聯(lián)網充電樁選址定容方案。5.如權利要求4所述建立的最小...
【專利技術屬性】
技術研發(fā)人員：于靜，王曉林，馬亮，周鵬飛，張新壯，
申請(專利權)人：北京慧辰資道資訊股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。