一种有序充电智能推荐方法和系统与流程

1.本发明涉及新能源汽车充电管理领域，尤其是一种有序充电智能推荐方法和系统。


背景技术：

2.新能源汽车的保有量越来越多，配套建设的充电站也相应的增加，如何将车主的充电需求与充电站建设的充电柱数量进行良好的匹配，将回均衡车主的充电权益以及充电站的使用价值。
3.通常，车主考虑充电的因素有两个：充电时间和充电费用。大多数车主主要考虑的是充电费用，这就出现了在低电价时间，扎堆进行充电的情形，而在平价时段，充电站非常空闲，这就致使了无法充分发挥社区的充电效率。另外，大量车主扎堆在同一时间充电，由于无法知晓充电站的充电状态，不知道需要等待的大概时间，极可能导致最后车主没有充上电。
4.现有技术中，有对充电站用电趋势进行预估，然后基于预估的用电趋势对充电桩的功率进行分配的方案，例如cn114598006a公开的一种基于人工智能的软件驱动处理方法及云平台。但是，这类方案主要考虑的是均衡正在执行充电任务的充电桩，虽然对用电趋势也有预估，但是并未用到对预约充电的推荐上，即有未来充电计划的用户仍不知道什么时间去充电比较合适。


技术实现要素：

5.本发明的发明目的在于：针对上述存在的问题，提供一种有序充电智能推荐方法，以未有未来充电计划的用户推荐与其预期较为接近的充电计划，避免其长时间等待。
6.本发明采用的技术方案如下：
7.一种有序充电智能推荐方法，该方法包括：
8.分别收集各用户的充电请求，所述充电请求包含预计开始充电时间和充电度数；
9.对于当前用户，根据其他用户的充电请求及充电函数，预测充电站的充电状态，所述充电站的充电状态包括满载时间点；每个用户的充电函数，根据该用户的历史充电数据拟合得出；
10.将预测的充电站的充电状态与当前用户的充电请求进行比对分析，在预计开始充电时间处于满载时间点时，向用户推荐至少一个非满载时间点作为开始充电时间。
11.优选的，拟合用户的充电函数的方法，包括：
12.根据每一个用户的历史充电数据构建充电数据集，所述历史充电数据包括每个用户在预定时间段内，每一天充电的开始时间以及充电时长；
13.根据充电数据集，采用多元回归方法，分别拟合各用户的充电函数。
14.优选的，所述根据每一个用户的历史充电数据构建充电数据集，包括：
15.以预定时间单位，分别对每个用户的历史充电数据构建每一天的时间-是否充电
的关系组，从而得到每个用户在历史时间内多个单天的充电数据集。
16.优选的，所述根据充电数据集，采用多元回归方法，分别拟合各用户的充电函数，包括：
17.分别利用每一个用户的时间-是否充电的关系组，拟合多项式pi＝a*x^3+b*x^2+c*x+d，其中pi表示用户i是否充电，i＝1
……
n，n表示用户总数，x表示时间，a、b、c、d均为函数系数；
18.选择拟合的多项式中均方根误差最低的一组函数系数所对应的多项式方程作为对应用户的充电函数。
19.优选的，所述分别收集各用户的充电请求，所述充电请求包含预计开始充电时间和充电度数，包括：
20.解析用户在充电请求中填写的预计开始充电时间和充电度数，或者，
21.在用户的充电请求中不包含预计开始充电时间和充电度数时，参考该用户历史充电请求中的预计开始充电时间和充电度数，或者，
22.在用户未发送过历史充电请求，或历史充电请求中不包含预计开始充电时间和充电度数时，以当前时间为该用户的预计开始充电时间，以所有用户的平均充电度数作为该用户预期的充电度数。
23.优选的，所述对于当前用户，根据其他用户的充电请求及充电函数，预测充电站的充电状态，包括：
24.对于当前用户，将其他用户的充电请求对应的充电时间段，替换掉这些用户的充电函数反映的充电时间段，如果没有对应的充电函数则不进行替换；
25.统计当天每一预定时间单位正在充电的用户数，标注出满载时间点。
26.优选的，所述将预测的充电站的充电状态与当前用户的充电请求进行比对分析，在预计开始充电时间处于满载时间点时，向用户推荐至少一个非满载时间点作为开始充电时间，包括：
27.将预测的充电站的充电状态，与当前用户的充电请求对应的预计开始充电时间进行比对；
28.在所述预计开始充电时间处于非满载时间点时，确认该充电请求；
29.在所述预计开始充电时间处于满载时间点时，提示至少一个可行的开始充电时间，该可行的开始充电时间为非满载时间点。
30.优选的，所述可行的开始充电时间为：
31.在预计开始充电时间基础上，向前或向后平移到的最近或最合理的非满载时间点。
32.优选的，在所述预计开始充电时间处于满载时间点时，提示至少一个可行的开始充电时间，还包括：提示所提示的可行的开始充电时间对应的充电完成时间。
33.为解决上述问题，本发明还提供了一种有序充电智能推荐系统，包括充电站、客户端以及服务器；
34.所述服务器被配置为：分别收集各用户通过客户端发送的充电请求，所述充电请求包含预计开始充电时间和充电度数；以及
35.针对当前客户端，根据其他用户通过客户端发送的充电请求，以及这些用户对应
的充电函数，预测充电站的充电状态，所述充电站的充电状态包括满载时间点；每个用户的充电函数，根据该用户的历史充电数据拟合得出；以及
36.将预测的充电站的充电状态与当前客户端的充电请求进行比对分析，在预计开始充电时间处于满载时间点时，向当前客户端推荐至少一个非满载时间点作为开始充电时间。
37.综上所述，由于采用了上述技术方案，本发明的有益效果是：
38.1、本发明能够为有未来充电计划的用户展示充电站整天的充电状态，以便于用户进行充电计划决策，避免其长时间排队。
39.2、本发明在用户期望的充电时间出现满载时，能够为其推荐最接近的时间点开展充电计划，并进一步的，可以根据用户的合理性条件定制出充电计划，除了能够避免排位充电外，还能够使用户衔接其他的安排。
40.3、本发明进一步的，系统在运转一段时间后，可以收集最新的历史数据来更新充电数据集，进一步更新各用户的充电函数，使得与最新的用户充电习惯相吻合。
41.4、本发明所拟合的充电函数，充分考虑了函数的自变量和因变量之间的关系，拟合结果与真实曲线最为接近，使得所反映出的充电站的充电状态与实际情况吻合度高，进而所推荐的充电方案与实际情况贴合度高。
附图说明
42.本发明将通过例子并参照附图的方式说明，其中：
43.图1是有序充电智能推荐方法完整的运行流程图。
具体实施方式
44.本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
45.本说明书(包括任何附加权利要求、摘要)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
46.本发明执行的设计思路为：
47.分别收集各用户的充电请求，所述充电请求包含预计开始充电时间和充电度数；
48.对于当前用户，根据其他用户的充电请求及充电函数，预测充电站的充电状态，所述充电站的充电状态包括满载时间点；每个用户的充电函数，根据该用户的历史充电数据拟合得出；
49.将预测的充电站的充电状态与当前用户的充电请求进行比对分析，在预计开始充电时间处于满载时间点时，向用户推荐至少一个非满载时间点作为开始充电时间。
50.在此构思下，每一位有充电计划的用户，均能了解到其预计开始充电时间充电站的充电/预约情况，并进一步的，在该时间已满载时，获取到离该事件较为接近的、合理的充电计划。
51.实施例一
52.一种有序充电智能推荐方法，可以减少用户(车主)的等待时间，如图1所示，该方
法包括：
53.a.根据每一个用户的历史充电数据构建充电数据集。
54.收集每一个用户在一段时间内每一天充电的开始时间以及充电时长，以分钟(或其他较短的时间)为单位，构建每一天的时间-是否充电的关系组，从而得到每个用户在这段时间内多个单天的充电数据集。所述的关系组，为方便起见，可以是以单位时间(例如：分钟)为横坐标，是否充电为纵坐标构建的点线图。在一些实施例中，收集的数据以最近的3个月的充电数据为佳，该时间段既能够反应用户的充电习惯，又可以有效避免假期带来的影响，并且收集的数据不至于过老。
55.b.根据充电数据集分别拟合各用户的充电函数。
56.将每一个用户在该段时间的时间-是否充电的数据作为数据源，采用数据回归-多元回归方法，拟合充电函数：多项式方程pi＝a*x^3+b*x^2+c*x+d，其中pi表示用户i是否充电(i＝1
……
n，n表示用户总数)，x表示时间，a、b、c、d均为函数系数。
57.基于用户i的历史数据拟合的充电函数，可能存在拟合出多组函数系数的情况，对此，选择rmse(均方根误差)最低的一组函数系数，将对应的多项式方程作为用户i的充电函数。这样，pi有值的时间即为用户i在充电的时间，pi第一个有值的时间即为用户i当天开始充电的时间。
58.通过上述方法，可以得到反映所有用户开始充电时间和充电时长的充电函数。
59.在上述基础上，即可实施对用户充电需求的智能推荐。即，上述步骤a、b为预处理步骤，在实施智能推荐前已经完成，其与智能推荐步骤的实施甚至可以在两个系统中分别执行，在执行智能推荐时，可以在默认已执行步骤a、b后，直接从步骤c开始。
60.c.收集用户的充电请求，该充电请求包含预计开始充电时间以及充电度数(功率)。
61.用户可以使用app进行请求，或者通过小程序、网页等进行请求，方式不限。在请求时，需要填写本次请求充电预计开始充电时间和充电度数，根据该充电度数和充电桩功率即可换算本次充电预期的充电时长，根据预计开始充电时间以及预期的充电时长，即可确定出预期的充电时间段。例如，用户请求充电k度电，充电桩功率为7kw，则换算的充电时长为k/7小时。如果在请求时，用户没有填写预计开始充电时间和充电度数，则参考该用户的历史充电请求获取预计开始充电时间和充电度数，若没有历史充电请求，则以当前时间作为预计开始充电时间，以所有用户的平均充电时长(或平均充电度数)作为该用户预期的充电时长(充电度数)。
62.d.根据用户的充电请求及充电函数，预测充电站的充电状态。
63.定义充电站同时刻能服务的最多充电用户数为满载状态，即同时刻能工作的充电桩的最大量为满载量。根据步骤b得到的充电函数pi(x)，能够预测出当天任一分钟的正在充电的用户数。根据步骤c中各用户的充电请求，能够增加当天的变量，在增加变量后，则会影响对充电函数的统计结果。
64.对于某一个用户(当前用户)而言，将其他用户的(在先)充电请求对应的充电时间段，替换掉这些用户的充电函数反映的充电时间段，如果没有对应的充电函数则不进行替换，替换后的结果，即是增加变量后对于总的充电函数的统计结果的影响结果，根据替换后的结果统计当天任一分钟正在充电的用户数，标注出“满载”的时间点。以便提醒用户，如果
选择在这些时间点充电，则会产生满载，实际可能要等待至多久才开始充电，预计多久才能完成充电。例如，用户1请求在22:00开始充电，而根据统计分析，20:00-23:00为满载时间点，则该用户1实际最早可能要23:00才能开始充电，假设充电桩功率不变，实际充电完成时间最早要向后推迟1个小时。
65.e.推荐充电计划。
66.在收集到用户请求的预计开始充电时间和充电度数后，根据对除该用户外的其他用户的充电函数及充电请求的分析统计，即上述将其他用户的充电请求对应的时间段替换掉其对应的充电函数反映的充电时间段后的统计结果(即充电站的充电状态)，与该用户的预计开始充电时间进行比对分析，若预计开始充电时间处于非满载时间点，则确认该充电请求(表示可以执行，或者与用户进行确认以预约该充电请求)，若预计开始充电时间处于满载时间点，则提示预计开始充电时间处于满载状态，提示至少一个可行的开始充电时间，该可行的开始充电时间为非满载时间点，在一些实施例中，为在预计开始充电时间基础上，向前或向后平移到的最近或者最合理的非满载时间点。合理性的考虑，可以是基于无法向前平移或者向后平移的考虑，例如预计开始充电时间则为最晚开始充电时间，不能再延后，则合理的开始充电时间只能向前平移；又或者，用户必须在当天23:59前充电完成，则需要以预期的充电时长在23:59截止向前推算合理的开始充电时间，该时间未必就是离预期开始充电时间最近的非满载时间点。对于合理性判断的条件，例如充电完成最晚/最早时间、最早/最晚开始充电时间等，可以考虑提前设定，在进行可行的开始充电时间提示时，则会考虑该条件。提示内容可以是搜索到的该非满载时间点，或者是在预计开始充电时间基础上提前/延后的时长。除此之外，还可以提示每一个提示的可行的开始充电时间对应的充电完成时间，以便于在存在多个提示时，用户能够合理地进行选择。
67.实施例二
68.本实施例对应于实施例一中的有序充电智能推荐方法，提供了一种有序充电智能推荐系统，该系统包括充电站、客户端以及服务器。充电站包括多个充电桩，每一个充电桩在同一时间最多供一个用户充电，充电站同时可以提供服务的最大充电桩量，即为该充电桩的满载量。
69.本系统中的客户端的配置，即为实施例一中用户执行的操作，即用户是通过客户端来执行相应的操作，则本系统中的客户端可以配置/执行实施一中用户相关的特征。
70.本系统中的服务器，则执行实施例一中除了用户和充电站以外所要执行的操作，例如构建充电数据集、拟合充电函数、收集充电请求、预测充电站的充电状态、推荐充电计划等。即服务器执行这些操作具体的(包括进一步限定的)技术特征。例如：
71.服务器被配置为：分别收集各用户通过客户端发送的充电请求，所述充电请求包含预计开始充电时间和充电度数；以及
72.针对当前客户端，根据其他用户通过客户端发送的充电请求，以及这些用户对应的充电函数，预测充电站的充电状态，所述充电站的充电状态包括满载时间点；每个用户的充电函数，根据该用户的历史充电数据拟合得出；以及
73.将预测的充电站的充电状态与当前客户端的充电请求进行比对分析，在预计开始充电时间处于满载时间点时，向当前客户端推荐至少一个非满载时间点作为开始充电时间。
74.上述对服务器配置的各特征，均可以参照实施例一中推荐方法中的细化特征进行限定。
75.本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

技术特征：
1.一种有序充电智能推荐方法，其特征在于，包括：分别收集各用户的充电请求，所述充电请求包含预计开始充电时间和充电度数；对于当前用户，根据其他用户的充电请求及充电函数，预测充电站的充电状态，所述充电站的充电状态包括满载时间点；每个用户的充电函数，根据该用户的历史充电数据拟合得出；将预测的充电站的充电状态与当前用户的充电请求进行比对分析，在预计开始充电时间处于满载时间点时，向用户推荐至少一个非满载时间点作为开始充电时间。2.如权利要求1所述的有序充电智能推荐方法，其特征在于，拟合用户的充电函数的方法，包括：根据每一个用户的历史充电数据构建充电数据集，所述历史充电数据包括每个用户在预定时间段内，每一天充电的开始时间以及充电时长；根据充电数据集，采用多元回归方法，分别拟合各用户的充电函数。3.如权利要求2所述的有序充电智能推荐方法，其特征在于，所述根据每一个用户的历史充电数据构建充电数据集，包括：以预定时间单位，分别对每个用户的历史充电数据构建每一天的时间-是否充电的关系组，从而得到每个用户在历史时间内多个单天的充电数据集。4.如权利要求3所述的有序充电智能推荐方法，其特征在于，所述根据充电数据集，采用多元回归方法，分别拟合各用户的充电函数，包括：分别利用每一个用户的时间-是否充电的关系组，拟合多项式pi＝a*x^3+b*x^2+c*x+d，其中pi表示用户i是否充电，i＝1
……
n，n表示用户总数，x表示时间，a、b、c、d均为函数系数；选择拟合的多项式中均方根误差最低的一组函数系数所对应的多项式方程作为对应用户的充电函数。5.如权利要求1所述的有序充电智能推荐方法，其特征在于，所述分别收集各用户的充电请求，所述充电请求包含预计开始充电时间和充电度数，包括：解析用户在充电请求中填写的预计开始充电时间和充电度数，或者，在用户的充电请求中不包含预计开始充电时间和充电度数时，参考该用户历史充电请求中的预计开始充电时间和充电度数，或者，在用户未发送过历史充电请求，或历史充电请求中不包含预计开始充电时间和充电度数时，以当前时间为该用户的预计开始充电时间，以所有用户的平均充电度数作为该用户预期的充电度数。6.如权利要求1所述的有序充电智能推荐方法，其特征在于，所述对于当前用户，根据其他用户的充电请求及充电函数，预测充电站的充电状态，包括：对于当前用户，将其他用户的充电请求对应的充电时间段，替换掉这些用户的充电函数反映的充电时间段，如果没有对应的充电函数则不进行替换；统计当天每一预定时间单位正在充电的用户数，标注出满载时间点。7.如权利要求1所述的有序充电智能推荐方法，其特征在于，所述将预测的充电站的充电状态与当前用户的充电请求进行比对分析，在预计开始充电时间处于满载时间点时，向用户推荐至少一个非满载时间点作为开始充电时间，包括：
将预测的充电站的充电状态，与当前用户的充电请求对应的预计开始充电时间进行比对；在所述预计开始充电时间处于非满载时间点时，确认该充电请求；在所述预计开始充电时间处于满载时间点时，提示至少一个可行的开始充电时间，该可行的开始充电时间为非满载时间点。8.如权利要求7所述的有序充电智能推荐方法，其特征在于，所述可行的开始充电时间为：在预计开始充电时间基础上，向前或向后平移到的最近或最合理的非满载时间点。9.如权利要求7所述的有序充电智能推荐方法，其特征在于，在所述预计开始充电时间处于满载时间点时，提示至少一个可行的开始充电时间，还包括：提示所提示的可行的开始充电时间对应的充电完成时间。10.一种有序充电智能推荐系统，包括充电站、客户端以及服务器；其特征在于，所述服务器被配置为：分别收集各用户通过客户端发送的充电请求，所述充电请求包含预计开始充电时间和充电度数；以及针对当前客户端，根据其他用户通过客户端发送的充电请求，以及这些用户对应的充电函数，预测充电站的充电状态，所述充电站的充电状态包括满载时间点；每个用户的充电函数，根据该用户的历史充电数据拟合得出；以及将预测的充电站的充电状态与当前客户端的充电请求进行比对分析，在预计开始充电时间处于满载时间点时，向当前客户端推荐至少一个非满载时间点作为开始充电时间。

技术总结
本发明公开了一种有序充电智能推荐方法和系统。根据每个用户的历史充电数据构建充电数据集，根据充电数据集拟合充电函数。执行时，分别收集各用户的充电请求，根据用户的充电请求及充电函数，预测充电站的充电状态，该充电状态能反映满载时间点。分析用户充电请求的预计开始充电时间是否位于满载时间点，若否，则确认充电请求并执行，若是，则向用户推荐附近非满载时间点的充电计划。本发明能够使有未来充电计划的用户了解到充电站的充电状态，以便其决策充电计划，并且，在期望的充电时间与实际冲突时，能够推荐出合理的充电计划。能够推荐出合理的充电计划。能够推荐出合理的充电计划。


技术研发人员：赖俊楠 熊峰 张祥 袁财军
受保护的技术使用者：成都易佰电科技有限公司
技术研发日：2023.06.15
技术公布日：2023/10/5