本发明涉及充电场站管控，具体为一种基于人工智能的充电场站调控数据管理系统及方法。
背景技术：
1、充电场站是指为电动汽车提供充电服务的场所，包括充电桩和充电仓设施；利用充电桩为新能源汽车上的动力电池在不需要更换情况下的直接充电，充电桩充电速度快，可以在短时间内为电动汽车充电，充电桩的充电功率较大，可以满足电动汽车快速充电的需求，但是，由于充电桩的充电功率较大，如果同时有多辆电动汽车进行充电，会对电网造成较大的负荷压力；利用充电仓为从新能源汽车上更换下来的动力电池充电，充电仓充电速度较慢，需要较长时间才能为电动汽车充电，同时充电仓的充电功率较小，可以减少对电网的负荷压力，但是，由于充电仓的充电速度较慢，如果需要为多辆电动汽车充电，需要较长时间才能完成充电；
2、随着新能源汽车的普及，以及人们对充电方式需求的变化，给充电场站的管理提出了越来越严格的要求，未来的充电场站不仅需要适应充电方式需求的变化，在平衡满足充电场站的不同充电方式功率需求的同时，降低充电场站的负荷风险。
技术实现思路
1、本发明的目的在于提供一种基于人工智能的充电场站调控数据管理系统及方法，以解决上述背景技术中提出的问题。
2、为了解决上述技术问题，本发明提供如下技术方案：
3、一种基于人工智能的充电场站调控数据管理系统，本系统包括：数据识别模块、数据整合模块、数据分析处理模块和优化调控模块；
4、所述数据识别模块，用于实时缓存充电场站中充电仓端的实时负荷数据和充电桩端的实时负荷数据；划分时间片段，并对每一个时间片段附加循环数字标签；
5、所述数据整合模块，用于建立负荷曲线样本库，根据循环数字标签，将每个时间片段下产生的负荷曲线转化成数据样本，并建立负荷曲线关联样本对；
6、所述数据分析处理模块，根据负荷曲线关联样本对，并结合充电仓端的实时负荷数据和充电桩端的实时负荷数据，模拟出充电场站总体负荷曲线函数，并对循环数字标签进行异常和正常两类状态划分，得到循环监测序列集合；根据循环监测序列集合，分析充电仓和充电桩两种充电方式之间的关联值；
7、所述优化调控模块，根据充电方式之间的关联情况，对时间片段下的充电行为进行监督，输出不同时间片段下充电方式的关联关系，并结合输出的关联关系，指导充电场站在不同的时间片段内采取不同的充电方式。
8、进一步的，所述数据识别模块还包括数据缓存单元和数字标签单元；
9、所述数据缓存单元，用于实时缓存充电场站的充电仓使用状态信息和充电场站的充电桩使用状态信息；所述充电仓用于存放从新能源汽车上更换下来的动力电池并为从新能源汽车上更换下来的动力电池充电，所述充电桩用于为新能源汽车上的动力电池在不需要更换情况下的直接充电；所述充电仓使用状态信息和所述充电桩使用状态信息中分别相应记录有每个动力电池对应的实时负荷数据；
10、所述数字标签单元，用于将一天内的时间范围划分成k个时间片段，并以天为循环时间周期，循环记录每个时间片段内充电仓和充电桩对应的实时负荷数据，将其中任意一个时间片段记为，其中，s表示时间片段的序号，则对第w个循环时间周期内，时间片段附加循环数字标签，记为，即表示时间片段在第w个循环时间周期内对应附加的循环数字标签。
11、进一步的，所述数据整合模块还包括分类汇总单元和数据关联单元；
12、所述分类汇总单元，用于建立负荷曲线数据样本库，所述负荷曲线数据样本库中存储每个循环数字标签下对应形成的两种负荷曲线数据样本，所述两种负荷曲线包括充电仓负荷曲线和充电桩负荷曲线；根据循环数字标签，将时间片段在第w个循环时间周期内产生的全部实时负荷数据进行分类汇总，并按照实时负荷数据对应的数据类别，分别转化成所述充电仓负荷曲线样本和所述充电桩负荷曲线数据样本，其中，所述数据类别包括充电仓使用状态信息和充电桩使用状态信息，所述分类汇总，即按照所述数据类别分别进行汇总；
13、所述数据关联单元，根据循环数字标签，对在同一个循环数字标签下形成的两种负荷曲线数据样本，建立负荷曲线关联样本对，记为，其中，表示在循环数字标签下形成的充电仓负荷曲线函数，表示在循环数字标签下形成的充电桩负荷曲线函数。
14、进一步的，所述数据分析处理模块还包括数据分析单元和数据处理单元；
15、所述数据分析单元，根据负荷曲线关联样本对，模拟在循环数字标签时的充电场站总体负荷曲线函数，记为，且；摘取充电场站总体负荷曲线函数中的波峰数据和波谷数据，并获取相连的波峰数据和波谷数据之间的差值，根据在循环数字标签下获取的差值数量，得到在循环数字标签下的差值平均数，预设曲线波动阈值，如果在循环数字标签下的差值平均数大于等于曲线波动阈值，则对循环数字标签进行异常标记，否则对循环数字标签进行正常标记；
16、所述数据处理单元，用于按照循环数字标签的顺序，对正常和异常的标记结果进行排序，得到循环监测序列集合，记为，其中，q表示第q个循环时间周期的序号；获取循环监测序列集合中第x个被标记为正常的循环数字标签到第x+1个被标记为正常的循环数字标签之间包含的被标记为异常的循环数字标签数量，记为第x个关联组数量，并计算在同一个时间片段下充电仓和充电桩两种充电方式之间的关联值，具体计算公式如下：
17、
18、其中，表示在时间片段下充电仓和充电桩两种充电方式之间的关联值，表示第x+1个关联组数量，y表示循环监测序列集合中关联组的总数量。
19、进一步的，所述优化调控模块还包括关联行为优化单元和调控决策单元；
20、所述关联行为优化单元，用于预设关联阈值，如果在时间片段下充电仓和充电桩两种充电方式之间的关联值大于等于关联阈值，则将充电仓和充电桩两种充电方式在时间片段下的关联关系标记为强关联，否则标记为弱关联；
21、所述调控决策单元，用于指导充电场站的充电行为，如果充电仓和充电桩两种充电方式在时间片段下的关联关系为强关联，则充电场站对在时间片段内到来的充电用户，优先推荐充电仓充电，否则推荐充电桩充电。
22、一种基于人工智能的充电场站调控数据管理方法，本方法包括以下步骤：
23、步骤s100：实时缓存充电场站中充电仓端的实时负荷数据和充电桩端的实时负荷数据；划分时间片段，并对每一个时间片段附加循环数字标签；
24、步骤s200：建立负荷曲线样本库，根据循环数字标签，将每个时间片段下产生的负荷曲线转化成数据样本，并建立负荷曲线关联样本对；
25、步骤s300：根据负荷曲线关联样本对，并结合充电仓端的实时负荷数据和充电桩端的实时负荷数据，模拟出充电场站总体负荷曲线函数，并对循环数字标签进行异常和正常两类状态划分，得到循环监测序列集合；根据循环监测序列集合，分析充电仓和充电桩两种充电方式之间的关联值；
26、步骤s400：根据充电方式之间的关联情况，对时间片段下的充电行为进行监督，输出不同时间片段下充电方式的关联关系，并结合输出的关联关系，指导充电场站在不同的时间片段内采取不同的充电方式。
27、进一步的，所述步骤s100的具体实施过程包括：
28、步骤s101：实时缓存充电场站的充电仓使用状态信息和充电场站的充电桩使用状态信息；所述充电仓用于存放从新能源汽车上更换下来的动力电池并为从新能源汽车上更换下来的动力电池充电，所述充电桩用于为新能源汽车上的动力电池在不需要更换情况下的直接充电；所述充电仓使用状态信息和所述充电桩使用状态信息中分别相应记录有每个动力电池对应的实时负荷数据；
29、步骤s102：将一天内的时间范围划分成k个时间片段，并以天为循环时间周期，循环记录每个时间片段内充电仓和充电桩对应的实时负荷数据，将其中任意一个时间片段记为，其中，s表示时间片段的序号，则对第w个循环时间周期内，时间片段附加循环数字标签，记为，即表示时间片段在第w个循环时间周期内对应附加的循环数字标签。
30、根据上述方法，充电场站一般包括只通过充电仓换电模式进行运营、只通过充电桩充电模式进行运营，或者通过充电仓换电模式和充电桩充电模式的两种模式融合进行运营；充电仓换电模式进行运营的主要特点体现在，利用充电仓为从新能源汽车上更换下来的动力电池充电，充电仓充电速度较慢，需要较长时间才能为电动汽车充电，同时充电仓的充电功率较小，可以减少对电网的负荷压力，但是，由于充电仓的充电速度较慢，如果需要为多辆电动汽车充电，需要较长时间才能完成充电；充电桩充电模式进行运营的主要特点体现在，利用充电桩为新能源汽车上的动力电池在不需要更换情况下的直接充电，充电桩充电速度快，可以在短时间内为电动汽车充电，充电桩的充电功率较大，可以满足电动汽车快速充电的需求，但是，由于充电桩的充电功率较大，如果同时有多辆电动汽车进行充电，会对电网造成较大的负荷压力；本技术中介绍的两种模式融合进行运营的主要特点体现在平衡充电场站对充电仓和充电桩两种方式下的功率需求，从而以充电场站综合管理为第一视角，以用户需求为第二视角，在满足用户充电需求的同时，优化降低充电场站的负荷波动风险；本技术发明，首先通过缓存的方式，存储充电仓和充电桩的实时负荷数据，并通过划分时间片段，以天为循环时间周期的方式，记录每个时间片段下的负荷数据，通过这种微量化的方式便于分析负荷规律特征，以及分析用户充电习惯特征。
31、进一步的，所述步骤s200的具体实施过程包括：
32、步骤s201：建立负荷曲线数据样本库，所述负荷曲线数据样本库中存储每个循环数字标签下对应形成的两种负荷曲线数据样本，所述两种负荷曲线包括充电仓负荷曲线和充电桩负荷曲线；根据循环数字标签，将时间片段在第w个循环时间周期内产生的全部实时负荷数据进行分类汇总，并按照实时负荷数据对应的数据类别，分别转化成所述充电仓负荷曲线样本和所述充电桩负荷曲线数据样本，其中，所述数据类别包括充电仓使用状态信息和充电桩使用状态信息，所述分类汇总，即按照所述数据类别分别进行汇总；
33、步骤s202：根据循环数字标签，对在同一个循环数字标签下形成的两种负荷曲线数据样本，建立负荷曲线关联样本对，记为，其中，表示在循环数字标签下形成的充电仓负荷曲线函数，表示在循环数字标签下形成的充电桩负荷曲线函数。
34、根据上述方法，本技术发明对于以两种模式混合进行运营的充电场站，进行负荷规律特征的分析，分析的前提是要在统一尺度下进行，即以负荷曲线函数的形式，表现出每个时间片段在不同循环时间周期下的负荷波动特征，从而在以天为循环时间周期单位划分出不同的时间片段后，将不同的充电方式，即充电桩充电和充电仓充电，在每个循环时间周期内每个时间片段中的实时负荷数据，进行分类汇总，形成充电仓负荷曲线函数和充电桩负荷曲线函数；负荷曲线是指在一定时间内接入电网时所需的负荷变化情况，通常以时间为横轴，以功率为纵轴绘制出来，本技术发明负荷曲线函数是在不同循环时间周期内每个时间片段中两种充电方式充电端口处的负荷变化情况拟合而成，通过负荷曲线函数来表征不同循环时间周期内每个时间片段中的负荷规律，w个循环时间周期，则得到w个时间片段下的负荷曲线。
35、进一步的，所述步骤s300的具体实施过程包括：
36、步骤s301：根据负荷曲线关联样本对，模拟在循环数字标签时的充电场站总体负荷曲线函数，记为，且；摘取充电场站总体负荷曲线函数中的波峰数据和波谷数据，并获取相连的波峰数据和波谷数据之间的差值，根据在循环数字标签下获取的差值数量，得到在循环数字标签下的差值平均数，预设曲线波动阈值，如果在循环数字标签下的差值平均数大于等于曲线波动阈值，则对循环数字标签进行异常标记，否则对循环数字标签进行正常标记；
37、步骤s302：按照循环数字标签的顺序，对正常和异常的标记结果进行排序，得到循环监测序列集合，记为，其中，q表示第q个循环时间周期的序号；获取循环监测序列集合中第x个被标记为正常的循环数字标签到第x+1个被标记为正常的循环数字标签之间包含的被标记为异常的循环数字标签数量，记为第x个关联组数量，并计算在同一个时间片段下充电仓和充电桩两种充电方式之间的关联值，具体计算公式如下：
38、
39、其中，表示在时间片段下充电仓和充电桩两种充电方式之间的关联值，表示第x+1个关联组数量，y表示循环监测序列集合中关联组的总数量。
40、根据上述方法，本技术中充电场站的总体负荷包括充电仓和充电桩的负荷，通过划分时间片段后，以时间片段为统一尺度，在同一个时间片段中，对充电仓和充电桩的负荷曲线进行拟合，得到充电场站的总体负荷曲线；再结合波峰和波谷的交替变化特征，对循环数字标签进行正常和异常的两类划分，正常情况下表示充电场站在循环数字标签下的总体负荷曲线波动较小，则在循环数字标签下充电场站负荷风险较低，但是，当异常情况出现时，则表示充电场站在循环数字标签下的总体负荷曲线波动较大，则在循环数字标签下充电场站负荷风险较高；同时，不同的循环数字标签下，这种异常和正常情况出现的特征可能存在不同，不同的原因是人们的充电需求可能会发生变化，进而，对于同一个时间片段，在不同的循环时间周期中表现出正常和异常的交替变化，这种变化体现了在同一个时间片段下，充电场站的负荷规律，以及用户充电习惯规律，继而，生成循环监测序列集合，通过关联值计算公式，得到充电仓和充电桩两种充电方式之间的关联值，如果循环数字标签下的波动为正常状态，则两种充电方式关联特征明显，明显体现在充电仓的低功率充电和充电桩的高功率充电结合下的充电场站的总体负荷曲线波动较小，则两种充电方式的结合性较强，否则结合性较弱，结合性强弱的交替即伴随着正常和异常的交替变化而变化，从而分析出两种充电方式的强弱关联关系，关联值越大表示两种充电方式的关联性越强，即为强关联。
41、进一步的，所述步骤s400的具体实施过程包括：
42、步骤s401：预设关联阈值，如果在时间片段下充电仓和充电桩两种充电方式之间的关联值大于等于关联阈值，则将充电仓和充电桩两种充电方式在时间片段下的关联关系标记为强关联，否则标记为弱关联；
43、步骤s402：如果充电仓和充电桩两种充电方式在时间片段下的关联关系为强关联，则充电场站对在时间片段内到来的充电用户，优先推荐充电仓充电，否则推荐充电桩充电；
44、根据上述方法，在强关联中，由于充电桩的充电功率较大，为避免充电场站的负荷风险，优先推荐充电功率较小的充电仓充电；相反的，在弱关联中，优先推荐充电桩充电；从而，平衡充电场站对充电仓和充电桩两种方式下的功率需求，在满足用户充电需求的同时，优化降低充电场站的负荷波动风险。
45、与现有技术相比，本发明所达到的有益效果是：本发明提供的一种基于人工智能的充电场站调控数据管理系统及方法中，存储充电仓和充电桩的实时负荷数据，通过划分时间片段，记录每个时间片段下的负荷数据，生成循环数字标签；以负荷曲线函数的形式，表现出每个时间片段在不同循环时间周期下的负荷波动特征，建立负荷曲线关联样本对；以时间片段为统一尺度，在同一个时间片段中，对负荷曲线进行拟合，并对循环数字标签进行正常和异常的两类划分，得到循环数字标签正常和异常的交替变化特征；分析出不同充电方式之间的强弱关联关系，输出充电场站的充电调控决策；从而帮助充电场站适应充电方式需求的变化，在平衡满足充电场站功率需求的同时，降低充电场站的负荷风险。
1.一种基于人工智能的充电场站调控数据管理方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的充电场站调控数据管理方法，其特征在于，所述步骤s100的具体实施过程包括：
3.根据权利要求2所述的一种基于人工智能的充电场站调控数据管理方法，其特征在于，所述步骤s200的具体实施过程包括：
4.根据权利要求3所述的一种基于人工智能的充电场站调控数据管理方法，其特征在于，所述步骤s300的具体实施过程包括：
5.根据权利要求4所述的一种基于人工智能的充电场站调控数据管理方法，其特征在于，所述步骤s400的具体实施过程包括：
6.一种基于人工智能的充电场站调控数据管理系统，其特征在于，所述系统包括：数据识别模块、数据整合模块、数据分析处理模块和优化调控模块；
7.根据权利要求6所述的一种基于人工智能的充电场站调控数据管理系统，其特征在于：所述数据识别模块还包括数据缓存单元和数字标签单元；
8.根据权利要求7所述的一种基于人工智能的充电场站调控数据管理系统，其特征在于：所述数据整合模块还包括分类汇总单元和数据关联单元；
9.根据权利要求8所述的一种基于人工智能的充电场站调控数据管理系统，其特征在于：所述数据分析处理模块还包括数据分析单元和数据处理单元；
10.根据权利要求9所述的一种基于人工智能的充电场站调控数据管理系统，其特征在于：所述优化调控模块还包括关联行为优化单元和调控决策单元；
