充电桩选址方法、装置、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115829124A(43)申请公布日2023.03.21(21)申请号202211541897.XG06F18/214(2023.01)(22)申请日2022.12.02(71)申请人四川新仑科技有限公司地址610000四川省成都市成都高新区南华路1616号1栋2单元29层2922号(72)发明人伍岳龚照(74)专利代理机构深圳市育科知识产权代理有限公司44509专利代理师汪剑云(51)Int.Cl.G06Q10/04(2023.01)G06Q10/0639(2023.01)G06Q10/067(2023.01)G06Q10/0631(2023.01)G06F18/23(2023.01)权利要求书3页说明书12页附图4页(54)发明名称充电桩选址方法、装置、设备及存储介质(57)摘要本发明涉及人工智能技术，揭露了一种充电桩选址方法、装置、设备及存储介质。所述方法包括：根据目标区域内充电汽车的充电数据，统计充电需求最大时的车辆集合，并构建最大用电车辆分布地图；根据各个充电站点的充电记录，获取各个充电站点的用户分布范围；根据各地区用户在不同充电站点综合影响下的充电便利度等级，构建用户充电便利度地图，并根据预设阈值，得到充电困难地图，并通过聚类手段获取充电困难地图的中心区域，获取中心区域的人文地理环境类型集合，利用预构建的充电区域规模预测模型进行预测，选择规模最小的环境类型对应地点作为充电桩选址区域。本发明可以提高充电桩选址的有效性，并增加对充电桩的选址与规模之间的协调性。CN115829124ACN115829124A权利要求书1/3页1.一种充电桩选址方法，其特征在于，所述方法包括：利用预设的充电应用的数据埋点，获取目标区域内电动汽车的充电数据，并根据所述充电数据，将所述电动汽车划分为白天充电类型、夜间充电类型及不定时充电类型，并统计每个所述类型的车辆数；根据预设的交并集策略及每个所述类型的车辆数，得到所述目标区域内充电需求最大时的车辆集合，并根据所述车辆集合中各个车辆在所述充电应用中的常驻地址信息及所述目标区域的行政区域图层，构建最大用电车辆分布地图；根据所述最大用电车辆分布地图，获取各个现存的充电站点的充电记录，并根据预设的聚类策略及所述充电记录中各个车辆的常驻地址信息，得到各个所述充电站点的忠诚用户分布范围；利用各个所述充电站点的忠诚用户分布范围及预设的距离比例‑等级配置规则，对所述最大用电车辆分布地图进行图层配置，得到用户充电便利度地图；根据预设阈值对所述用户充电便利度地图进行腐蚀，得到充电困难区域，并根据所述充电困难区域中的车辆分布密度，得到所述充电困难区域的聚类中心，并获取所述聚类中心在预设范围内的人文地理环境类型集合；利用预训练的充电区域规模预测模型，对所述充电困难区域的范围大小及所述人文地理环境类型集合进行充电区域规模预测，得到所述人文地理环境类型集合中各个人文地理环境类型下的充电区域预测规模；选择充电区域预测规模最小的人文地理环境类型对应的地点作为充电桩选址区域。2.如权利要求1所述的充电桩选址方法，其特征在于，所述根据预设的聚类策略及所述充电记录中各个车辆的常驻地址信息，得到各个所述充电站点的忠诚用户分布范围，包括：根据各个充电站点的充电记录及各个车辆的常驻地址信息，筛选出一级用户分布范围；根据各个车辆的常驻地址信息，计算各个车辆与所述充电站点的距离；获取预设时间内各个车辆在所述充电站点中的充电次数，并根据预设的充电依赖公式，对所述距离及充电次数进行计算，得到各个车辆对所述充电站点的依赖程度；根据预设的依赖阈值对所述一级用户分布范围进行范围腐蚀，得到二级用户分布范围，并根据预设的聚类策略，对所述二级用户分布范围内的各个用户进行聚类，得到所述充电站点的忠诚用户分布范围。3.如权利要求1所述的充电桩选址方法，其特征在于，所述利用预训练的充电区域规模预测模型，对所述充电困难区域的范围大小及所述人文地理环境类型集合进行充电区域规模预测之前，所述方法还包括：根据预构建的各个充电站点的构建规模及平均利用率，得到各个充电站点的有效规模标签，并获取各个充电站点的人文地理环境类型，利用各个充电站点的人文地理环境类型、忠诚用户分布范围及所述有效规模标签构建训练样本集；利用预构建的充电站点规模预测模型依次提取一个训练样本进行网络正向传播计算，得到预测充电规模，并利用预设的交叉熵算法计算所述预测充电规模与所述训练样本对应的有效规模标签之间的损失值；计算所述损失值最小化时的模型参数，并将所述模型参数进行网络逆向更新，得到优2CN115829124A权利要求书2/3页化充电区域规模预测模型；判断所述损失值的收敛性；当所述损失值未收敛时，返回上述利用预构建的充电区域规模预测