本發明涉及充電負載均衡管理領域，具體是涉及一種電動車充電負載均衡的智能管理系統及方法。

背景技術：

1、隨著電動車數量和需求的增加，對設置電動車充電裝置區域的電網擴容能力的要求越來越高，若在設置電動車充電裝置的數量和充電功率發生不平衡時，由于電網擴容不及時，存在不足，導致供電短缺、電壓不穩等問題，從而影響居民的正常用電，因此，在設置電動車充電裝置，需要根據小區實際情況和用電需求，合理規劃充電樁的布局和數量，同時，需要考慮不同類型的電動車電池組的狀態情況，優化電動車充電負載均衡的智能管理將具有非常重要的意義。

2、現有的電動車充電裝置技術主要集中在通過固定的充電功率對全時段的電動車進行充電，然而這樣的方式缺乏對區域用電需求和電動車充電功率的綜合分析和評估，以及對不同類型待充電電動車電池組充電功率的綜合分配，導致在用電高峰期時出現供電短缺、電壓不穩等問題，從而影響居民的正常用電。

技術實現思路

1、為解決上述技術問題，提供一種電動車充電負載均衡的智能管理系統及方法，本技術方案解決了上述背景技術中提出的缺乏對區域用電需求和電動車充電功率的綜合分析和評估，以及對不同類型待充電電動車電池組充電功率的綜合分配，導致在用電高峰期時出現供電短缺、電壓不穩等問題，從而影響居民的正常用電問題。

2、為達到以上目的，本發明采用的技術方案為：

3、一種電動車充電負載均衡的智能管理方法，包括：

4、基于大數據，獲取不同型號電動車電池組類型特征，并建立電動車電池組類型特征庫；

5、根據安時積分法，獲取待充電電動車待充電時間，并建立全區域待充電電動車待充電時間矩陣；

6、根據設置電動車充電裝置區域的實際需求情況，設置該區域的額定功率和電動車充電裝置數量；

7、根據模糊綜合評價算法，確定待充電電動車電池組狀態的模糊綜合評價矩陣；

8、基于神經網絡算法，結合待充電電動車電池組狀態的模糊綜合評價矩陣，建立待充電電動車電池組狀態的模糊神經網絡綜合評價模型；

9、建立人機互動平臺，用于查詢、預約、顯示和更新電動車的排隊信息和充電信息。

10、優選的，所述基于大數據，獲取不同型號電動車電池組類型特征，并建立電動車電池組類型特征庫具體包括：

11、基于大數據，提取不同型號電動車電池組類型特征，并根據不同型號的電動車電池組的出廠信息，確定不同型號電動車電池組類型特征的變化范圍；

12、所述不同型號電動車電池組類型特征包括：額定電壓、電池容量、最大輸入電流、充電功率、最大輸入功率和限定溫度；

13、根據不同型號電動車電池組類型特征的變化范圍，根據歸一化公式，對不同型號電動車電池組類型特征數據進行消除量綱和歸一化處理；

14、對歸一化處理后的不同型號電動車電池組類型特征數據進行分類和整理，并建立電動車電池組類型特征庫；

15、所述歸一化公式為：

16、式中，為歸一化后的不同型號電動車電池組類型特征數據，為不同型號電動車電池組類型特征的原始數據，為不同型號電動車電池組類型特征原始數據的均值，為不同型號電動車電池組類型特征原始數據的標準差。

17、優選的，所述根據安時積分法，獲取待充電電動車待充電時間，并建立全區域待充電電動車待充電時間矩陣具體包括：

18、設置待充電電動車電池組狀態的硬件讀取設備，獲取待充電電動車電池組的狀態信息；

19、根據待充電電動車電池組的使用情況，獲取待充電電動車電池組的電池使用情況和剩余電量；

20、根據待充電電動車電池組的電池使用情況和剩余電量，獲取待充電電動車電池組的待充電電量；

21、根據安時積分法，結合待充電電動車電池組的待充電電量，確定待充電電動車電池組的待充時間；

22、根據待充電電動車電池組的待充電時間，獲取全區域待充電電動車待充電時間，并建立全區域待充電電動車待充電時間矩陣；

23、所述安時積分法表達式為：

24、式中，為充電電動車電池組第時刻的荷電狀態，為初始荷電狀態的電量值，為充電電動車電池組的額定電容，為充電電動車電池組在第時刻的充電電流，為充電電動車電池組的充電時間。

25、優選的，所述根據設置電動車充電裝置區域的實際需求情況，設置該區域的額定功率和電動車充電裝置數量具體包括：

26、根據設置電動車充電裝置區域的實際需求情況，獲取該區域的不同時間段的實際用電情況和用電需求；

27、根據待設置電動車充電裝置區域的用電情況，結合設置電動車充電裝置的規范和標準，設定該區域的額定功率和電動車充電裝置數量；

28、結合待設置電動車充電裝置區域的用電情況，對每個電動車充電裝置平均設置額定充電功率的初始值。

29、基于大數據，設置不同時間段電動車充電的最高額定充電功率閾值。

30、優選的，所述根據模糊綜合評價算法，確定待充電電動車電池組狀態的模糊綜合評價矩陣具體包括：

31、根據不同型號電動車電池組類型特征、全區域待充電電動車待充電時間矩陣和不同時間段電動車充電的最高額定充電功率閾值，確定模糊綜合評價算法的模糊子集和隸屬度；

32、根據序偶表示法，確定待充電電動車電池組狀態的模糊子集的表達式；

33、根據模糊綜合評價算法的模糊子集和隸屬程度，確定待充電電動車電池組狀態的模糊子集的隸屬函數；

34、基于大數據分析，設定不同型號電動車電池組類型特征、全區域待充電電動車待充電時間矩陣和不同時間段電動車充電的最高額定充電功率閾值中不同數據的重要權重；

35、根據待充電電動車電池組狀態的論域、隸屬程度和不同數據的重要權重，建立待充電電動車電池組狀態的模糊綜合評價矩陣；

36、所述模糊綜合評價算法的模糊子集和隸屬度的關系式為：

37、式中，為待充電電動車電池組狀態的模糊子集，指的是不同型號電動車電池組類型特征、全區域待充電電動車待充電時間矩陣和不同時間段電動車充電的最高額定充電功率閾值所有數據的集合，為模糊子集的論域，為模糊子集的隸屬函數，為模糊子集中的元素值，為對模糊子集的隸屬程度，即隸屬度，為論域的區間范圍；

38、所述待充電電動車電池組狀態的模糊子集的表達式為：

39、式中，為模糊子集中的第個元素值，為模糊子集中的第個元素值對的隸屬程度；

40、所述待充電電動車電池組狀態的模糊子集的隸屬函數為：

41、式中，、為評價待充電電動車電池組狀態分界值的參數。

42、優選的，所述基于神經網絡算法，結合待充電電動車電池組狀態的模糊綜合評價矩陣，建立待充電電動車電池組狀態的模糊神經網絡綜合評價模型具體包括：

43、根據待充電電動車電池組狀態的模糊綜合評價矩陣，對矩陣內的數據進行歸一化處理；

44、將歸一化后的待充電電動車電池組狀態的模糊綜合評價矩陣數據作為神經網絡算法模型的輸入矩陣；

45、基于大數據，結合待充電電動車電池組狀態的模糊綜合評價矩陣數據，建立訓練樣本集和目標樣本集；

46、建立待充電電動車電池組狀態的模糊神經網絡綜合評價模型，結合訓練樣本集和目標樣本集，篩選出待充電電動車的最優充電功率和充電時長。

47、優選的，所述建立人機互動平臺，用于查詢、預約、顯示和更新電動車的排隊信息和充電信息具體包括：

48、建立人機互動平臺，用于搭建待充電電動車電池組狀態的模糊神經網絡綜合評價模型運行的硬件環境；

49、基于人機互動平臺，便于用戶通過顯示界面獲取電動車充電裝置的狀態，以及電動車的充電情況；

50、基于人機互動平臺，用于更新和優化待充電電動車電池組狀態的模糊神經網絡綜合評價模型參數和樣本數據；

51、基于人機互動平臺，用于接收和反饋用戶體驗和意見反饋，保證電動車充電的良好互通性。

52、進一步的，本方案提出一種電動車充電負載均衡的智能管理系統，用于實現如上述的電動車充電負載均衡的智能管理方法，包括：

53、特征提取模塊，所述特征提取模塊用于基于大數據，獲取不同型號電動車電池組類型特征，并建立電動車電池組類型特征庫；

54、硬件設置模塊，所述硬件設置模塊用于根據設置電動車充電裝置區域的實際需求情況，設置該區域的額定功率和電動車充電裝置數量；

55、最優充電模塊，所述最優充電模塊用于根據安時積分法，獲取待充電電動車待充電時間，并建立全區域待充電電動車待充電時間矩陣；根據模糊綜合評價算法，確定待充電電動車電池組狀態的模糊綜合評價矩陣；基于神經網絡算法，結合待充電電動車電池組狀態的模糊綜合評價矩陣，建立待充電電動車電池組狀態的模糊神經網絡綜合評價模型；

56、交互平臺模塊，所述交互平臺模塊用于建立人機互動平臺，用于查詢、預約、顯示和更新電動車的排隊信息和充電信息。

57、優選的，所述最優充電模塊包括：

58、全域充電時間單元，所述全域充電時間單元用于根據安時積分法，獲取待充電電動車待充電時間，并建立全區域待充電電動車待充電時間矩陣；

59、狀態評估單元，所述狀態評估單元用于根據模糊綜合評價算法，確定待充電電動車電池組狀態的模糊綜合評價矩陣；

60、最優充電單元，所述最優充電單元用于基于神經網絡算法，結合待充電電動車電池組狀態的模糊綜合評價矩陣，建立待充電電動車電池組狀態的模糊神經網絡綜合評價模型。

61、與現有技術相比，本發明的有益效果在于：

62、通過獲取不同型號電動車電池組類型特征，對不同型號電動車電池組類型特征歸一化處理，并通過獲取待充電電動車電池組的狀態信息，基于安時積分法，計算出待充電電動車的待充電時間，從而確定全區域待充電電動車待充電時間，其次，通過模糊綜合評價算法，根據不同型號電動車電池組類型特征、全區域待充電電動車待充電時間矩陣和不同時間段電動車充電的最高額定充電功率閾值的數據，對待充電電動車電池組狀態進行模糊綜合評價，并建立待充電電動車電池組狀態的模糊綜合評價矩陣，最后，基于神經網絡算法，結合待充電電動車電池組狀態的模糊綜合評價矩陣，建立待充電電動車電池組狀態的模糊神經網絡綜合評價模型，篩選出待充電電動車的最優充電功率和充電時長，從而有效評估全域電動車充電的運行情況，合理地對每一輛充電電動車分配最優的充電功率和充電時間，從而提高充電效率，保障區域電網的穩定運行，避免在用電高峰期時出現供電短缺、電壓不穩等問題。