智能充电决策方法、装置、设备及可读存储介质与流程

1.本发明涉及充电控制技术领域，尤其涉及一种智能充电决策方法、装置、设备及可读存储介质。


背景技术：

2.电动物流车辆包括如agv(automatedguidedvehicle，自动导向车)、电动叉车以及牵引车等，在工厂中使用越来越多，在工厂内设置有充电区域，集中为各类电动物流车辆进行充电，为保障生产计划的按时完成需要及时对电动物流车辆进行充电，然而，目前对电动物流车辆是否进行充电的决策主要由人工作出，存在决策效率低且决策不准确的问题，例如未及时对电动物流车辆充电以至生产计划无法按时完成，过多在电网高电价时段充电造成电费消耗较高等情况经常发生。


技术实现要素：

3.本发明的主要目的在于提供一种智能充电决策方法、装置、设备及可读存储介质，旨在解决目前对电动物流车辆是否进行充电的决策主要由人工作出，存在决策效率低且决策不准确的问题的技术问题。
4.第一方面，本发明提供一种智能充电决策方法，所述智能充电决策方法包括：
5.获取平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率；
6.根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率；
7.根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电。
8.可选的，在所述获取平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率之前，包括：
9.根据各类型电价时长，通过公式一计算得到平谷电价占比率，所述公式一为：
10.平谷电价占比率＝(谷价时长+平价时长)/(谷价时长+平价时长+峰价时长+尖峰价时长)；
11.其中，谷价时长、平价时长、峰价时长和尖峰价时长为预设统计周期内的统计时长，所述预设统计周期从当前时刻之前预设时长的时刻开始至当前时刻之后预设时长的时刻结束；
12.根据工厂变压器的实时电流和额定电流，通过公式二计算得到电网实时负荷率，所述公式二为：
13.电网实时负荷率＝工厂变压器的实时电流/工厂变压器的额定电流；
14.根据生产计划所需车辆的总数量和工厂拥有车辆的总数量，通过公式三计算得到生产计划所需车辆比率，所述公式三为：
15.生产计划所需车辆比率＝生产计划所需车辆的总数量/工厂拥有车辆的总数量；
16.根据使用中的车辆总数量、工厂拥有车辆的总数量、使用中的车辆剩余总电量和工厂拥有车辆的剩余总电量，通过公式四计算得到车辆实时负荷率，所述公式四为：
17.车辆实时负荷率＝(使用中的车辆总数量/工厂拥有车辆的总数量)
×
(使用中的车辆剩余总电量/工厂拥有车辆的剩余总电量)。
18.可选的，所述根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率包括：
19.将平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率输入智能充电决策模型，得到智能充电决策模型输出的第一充电概率；
20.所述根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电包括：
21.若第一充电概率大于等于第一预设概率，则控制电源开通，以供对车辆开始充电；
22.若第一充电概率小于第一预设概率，则控制电源断开，以供对车辆停止充电。
23.可选的，所述根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率还包括：
24.将平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率进行连乘计算，得到第二充电概率；
25.所述根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电还包括：
26.若第二充电概率大于等于第二预设概率，则控制电源开通，以供对车辆开始充电；
27.若第二充电概率小于第二预设概率，则控制电源断开，以供对车辆停止充电。
28.可选的，在所述将平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率输入智能充电决策模型，得到智能充电决策模型输出的第一充电概率之前，包括：
29.获取训练数据集，所述训练数据集包括多条训练数据，每条训练数据包括平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率；
30.对每条训练数据标注充电概率标签，得到标注后的训练数据集；
31.使用标注后的训练数据集，对神经网络进行训练；
32.当神经网络的损失函数收敛时，得到训练好的智能充电决策模型。
33.可选的，在所述根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电之后，包括：
34.当车辆在充电时，若检测到工厂变压器的实时温度大于预设温度，则控制电源断开，以供对车辆停止充电。
35.第二方面，本发明还提供一种智能充电决策装置，所述智能充电决策装置包括：
36.获取模块，用于获取平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率；
37.确定模块，用于根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率；
38.控制模块，用于根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电。
39.可选的，所述智能充电决策装置还包括计算模块，用于：
40.根据各类型电价时长，通过公式一计算得到平谷电价占比率，所述公式一为：
41.平谷电价占比率＝(谷价时长+平价时长)/(谷价时长+平价时长+峰价时长+尖峰价时长)；
42.其中，谷价时长、平价时长、峰价时长和尖峰价时长为预设统计周期内的统计时长，所述预设统计周期从当前时刻之前预设时长的时刻开始至当前时刻之后预设时长的时刻结束；
43.根据工厂变压器的实时电流和额定电流，通过公式二计算得到电网实时负荷率，所述公式二为：
44.电网实时负荷率＝工厂变压器的实时电流/工厂变压器的额定电流；
45.根据生产计划所需车辆的总数量和工厂拥有车辆的总数量，通过公式三计算得到生产计划所需车辆比率，所述公式三为：
46.生产计划所需车辆比率＝生产计划所需车辆的总数量/工厂拥有车辆的总数量；
47.根据使用中的车辆总数量、工厂拥有车辆的总数量、使用中的车辆剩余总电量和工厂拥有车辆的剩余总电量，通过公式四计算得到车辆实时负荷率，所述公式四为：
48.车辆实时负荷率＝(使用中的车辆总数量/工厂拥有车辆的总数量)
×
(使用中的车辆剩余总电量/工厂拥有车辆的剩余总电量)。
49.第三方面，本发明还提供一种智能充电决策设备，所述智能充电决策设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的智能充电决策程序，其中所述智能充电决策程序被所述处理器执行时，实现如上述所述的智能充电决策方法的步骤。
50.第四方面，本发明还提供一种可读存储介质，所述可读存储介质上存储有智能充电决策程序，其中所述智能充电决策程序被处理器执行时，实现如上述所述的智能充电决策方法的步骤。
51.本发明中，获取平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率；根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率；根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电。本发明通过，融合考虑电价性价比因素、充电时的电网安全因素、生产计划所需的车辆因素和车辆的实际负荷因素这四类因素，确定充电概率，根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电，从而实现智能最优充电决策，提升了充电决策的效率和准确度，能够有效避免如未及时对电动物流车辆充电以至生产计划无法按时完成，过多在电网高电价时段充电造成电费消耗较高等情况的发生。
附图说明
52.图1为本发明智能充电决策方法一实施例的流程示意图；
53.图2为本发明智能充电决策方法一实施例的各类型电价的价格及时长示意图；
54.图3为本发明智能充电决策方法一实施例的另一流程示意图；
55.图4为本发明智能充电决策装置一实施例的功能模块示意图；
56.图5为本发明智能充电决策设备一实施例的硬件结构示意图。
57.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
58.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
59.第一方面，本发明实施例提供了一种智能充电决策方法。
60.为了更清楚地展示本技术实施例提供的智能充电决策方法，首先介绍一下本技术实施例提供的智能充电决策方法的应用场景。
61.本技术实施例提供的智能充电决策方法应用在电动物流车辆包括如agv(automatedguidedvehicle，自动导向车)、电动叉车以及牵引车等，在工厂中使用越来越多，在工厂内设置有充电区域，集中为各类电动物流车辆进行充电，为保障生产计划的按时完成需要及时对电动物流车辆进行充电。
62.一实施例中，参照图1，图1为本发明智能充电决策方法一实施例的流程示意图，如图1所示，所述智能充电决策方法包括：
63.步骤s10，获取平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率。
64.本实施例中，平谷电价占比率是指某段时间内平谷电价的时长在各类电价总时长中的占比，各类电价包括谷价、平价、峰价和尖峰价，平谷电价占比率实际反映了在某段时间内进行充电性价比的高低，电网的实时负荷如果过高则会给工厂的生产安全带来一定的隐患，要实现最优充电决策必须加以考虑，生产计划所需车辆比率是生产计划所需的电动物流车辆的总数量在工厂拥有的电动物流车辆的总数量中的占比，车辆实时负荷率是使用中的电动物流车辆总数量及剩余总电量在工厂拥有的电动物流车辆的总数量及剩余总电量中的占比。
65.步骤s20，根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率。
66.本实施例中，根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率，实际是融合考虑了电价性价比因素、充电时的电网安全因素、生产计划所需的车辆因素和车辆的实际负荷因素这四类因素，从而作出最优充电决策，来决定是否对工厂内的电动物流车辆进行充电。
67.步骤s30，根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电。
68.本实施例中，根据步骤s20中确定的充电概率值，控制电源开通或断开，从而对电动物流车辆开始或停止充电。
69.本实施例中，实际是融合考虑了电价性价比因素、充电时的电网安全因素、生产计划所需的车辆因素和车辆的实际负荷因素这四类因素，从而作出最优充电决策，来决定是否对工厂内的电动物流车辆进行充电，提升了充电决策的效率和准确度，能够有效避免如未及时对电动物流车辆充电以至生产计划无法按时完成，过多在电网高电价时段充电造成电费消耗较高等情况的发生。
70.需要说明的是，可以根据具体需求，以预设的周期频率来进行最优充电决策，例如可以每五分钟获取一次关于平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率的实时数据，根据获取的实时数据作出一次充电决策，从而保证决策的实时性，能够及时的对电动物流车辆进行充电。
71.另外，在自动化地进行智能充电决策的基础上，还可以将平谷电价占比率、电网实
时负荷率、生产计划所需车辆比率和车辆实时负荷率等相关的数据指标进行实时的可视化显示，以及进行动态的预警，从而实现更为灵活的充电决策。
72.进一步地，一实施例中，在步骤s10之前包括：
73.根据各类型电价时长，通过公式一计算得到平谷电价占比率，所述公式一为：
74.平谷电价占比率＝(谷价时长+平价时长)/(谷价时长+平价时长+峰价时长+尖峰价时长)；
75.其中，谷价时长、平价时长、峰价时长和尖峰价时长为预设统计周期内的统计时长，所述预设统计周期从当前时刻之前预设时长的时刻开始至当前时刻之后预设时长的时刻结束；
76.根据工厂变压器的实时电流和额定电流，通过公式二计算得到电网实时负荷率，所述公式二为：
77.电网实时负荷率＝工厂变压器的实时电流/工厂变压器的额定电流；
78.根据生产计划所需车辆的总数量和工厂拥有车辆的总数量，通过公式三计算得到生产计划所需车辆比率，所述公式三为：
79.生产计划所需车辆比率＝生产计划所需车辆的总数量/工厂拥有车辆的总数量；
80.根据使用中的车辆总数量、工厂拥有车辆的总数量、使用中的车辆剩余总电量和工厂拥有车辆的剩余总电量，通过公式四计算得到车辆实时负荷率，所述公式四为：
81.车辆实时负荷率＝(使用中的车辆总数量/工厂拥有车辆的总数量)
×
(使用中的车辆剩余总电量/工厂拥有车辆的剩余总电量)。
82.本实施例中，参照图2，图2为本发明智能充电决策方法一实施例的各类型电价的价格及时长示意图，如图2所示，可以从能源管理系统中获取各类电价包括谷价、平价、峰价和尖峰价及对应的时长数据，计算电网实时负荷率所用到的工厂变压器的实时电流和工厂变压器的额定电流的数据可以从动力配电系统中获取，计算生产计划所需车辆比率所用到的生产计划所需车辆的总数量和工厂拥有车辆的总数量的数据可以从工厂的生产系统中获取，其中，生产计划所需车辆的总数量是由生产计划的生产量决定，计算车辆实时负荷率所用到的使用中的车辆总数量、工厂拥有车辆的总数量、使用中的车辆剩余总电量和工厂拥有车辆的剩余总电量的数据可以从工厂的物流车辆管理系统中获取。
83.进一步地，一实施例中，步骤s20包括：
84.将平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率输入智能充电决策模型，得到智能充电决策模型输出的第一充电概率；
85.步骤s30包括：
86.若第一充电概率大于等于第一预设概率，则控制电源开通，以供对车辆开始充电；
87.若第一充电概率小于第一预设概率，则控制电源断开，以供对车辆停止充电。
88.本实施例中，智能充电决策模型为训练好的神经网络模型，根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，使用神经网络模型来进行智能充电决策，随着使用次数的增多，神经网络的决策将越来越精准。
89.进一步地，一实施例中，步骤s20还包括：
90.将平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率进行连乘计算，得到第二充电概率；
91.步骤s30还包括：
92.若第二充电概率大于等于第二预设概率，则控制电源开通，以供对车辆开始充电；
93.若第二充电概率小于第二预设概率，则控制电源断开，以供对车辆停止充电。
94.本实施例中，将平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率进行连乘计算，得到第二充电概率，具有决策简便，准确度高的特点。
95.进一步地，一实施例中，在所述将平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率输入智能充电决策模型，得到智能充电决策模型输出的第一充电概率之前，包括：
96.获取训练数据集，所述训练数据集包括多条训练数据，每条训练数据包括平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率；
97.对每条训练数据标注充电概率标签，得到标注后的训练数据集；
98.使用标注后的训练数据集，对神经网络进行训练；
99.当神经网络的损失函数收敛时，得到训练好的智能充电决策模型。
100.本实施例中，在使用智能充电决策模型前必须要先对神经网络模型进行训练，训练数据集中的每条训练数据包括平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，对每条训练数据标注充电概率标签，使用标注后的训练数据集，对神经网络进行训练，当神经网络的损失函数收敛时，得到训练好的智能充电决策模型，将训练好的智能充电决策模型用于智能充电决策。
101.进一步地，一实施例中，参照图3，图3为本发明智能充电决策方法一实施例的另一流程示意图，如图3所示，在步骤s30之后包括：
102.步骤s40，当车辆在充电时，若检测到工厂变压器的实时温度大于预设温度，则控制电源断开，以供对车辆停止充电。
103.本实施例中，为保障工厂的生产安全，在车辆充电时，如果检测到工厂变压器的实时温度大于预设温度，则控制电源断开，停止车辆充电，以防止发生火情等危险。
104.第二方面，本发明实施例还提供一种智能充电决策装置。
105.参照图4，图4为本发明智能充电决策装置一实施例的功能模块示意图。
106.本实施例中，所述智能充电决策装置包括：
107.获取模块10，用于获取平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率；
108.确定模块20，用于根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率；
109.控制模块30，用于根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电。
110.进一步地，一实施例中，所述智能充电决策装置还包括计算模块，用于：
111.根据各类型电价时长，通过公式一计算得到平谷电价占比率，所述公式一为：
112.平谷电价占比率＝(谷价时长+平价时长)/(谷价时长+平价时长+峰价时长+尖峰价时长)；
113.其中，谷价时长、平价时长、峰价时长和尖峰价时长为预设统计周期内的统计时长，所述预设统计周期从当前时刻之前预设时长的时刻开始至当前时刻之后预设时长的时
刻结束；
114.根据工厂变压器的实时电流和额定电流，通过公式二计算得到电网实时负荷率，所述公式二为：
115.电网实时负荷率＝工厂变压器的实时电流/工厂变压器的额定电流；
116.根据生产计划所需车辆的总数量和工厂拥有车辆的总数量，通过公式三计算得到生产计划所需车辆比率，所述公式三为：
117.生产计划所需车辆比率＝生产计划所需车辆的总数量/工厂拥有车辆的总数量；
118.根据使用中的车辆总数量、工厂拥有车辆的总数量、使用中的车辆剩余总电量和工厂拥有车辆的剩余总电量，通过公式四计算得到车辆实时负荷率，所述公式四为：
119.车辆实时负荷率＝(使用中的车辆总数量/工厂拥有车辆的总数量)
×
(使用中的车辆剩余总电量/工厂拥有车辆的剩余总电量)。
120.进一步地，一实施例中，确定模块20，用于：
121.将平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率输入智能充电决策模型，得到智能充电决策模型输出的第一充电概率；
122.控制模块30，用于：
123.若第一充电概率大于等于第一预设概率，则控制电源开通，以供对车辆开始充电；
124.若第一充电概率小于第一预设概率，则控制电源断开，以供对车辆停止充电。
125.进一步地，一实施例中，确定模块20，还用于：
126.将平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率进行连乘计算，得到第二充电概率；
127.控制模块30，还用于：
128.若第二充电概率大于等于第二预设概率，则控制电源开通，以供对车辆开始充电；
129.若第二充电概率小于第二预设概率，则控制电源断开，以供对车辆停止充电。
130.进一步地，一实施例中，所述智能充电决策装置还包括训练模块，用于：
131.获取训练数据集，所述训练数据集包括多条训练数据，每条训练数据包括平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率；
132.对每条训练数据标注充电概率标签，得到标注后的训练数据集；
133.使用标注后的训练数据集，对神经网络进行训练；
134.当神经网络的损失函数收敛时，得到训练好的智能充电决策模型。
135.进一步地，一实施例中，所述智能充电决策装置还包括断开模块，用于：
136.当车辆在充电时，若检测到工厂变压器的实时温度大于预设温度，则控制电源断开，以供对车辆停止充电。
137.其中，上述智能充电决策装置中各个模块的功能实现与上述智能充电决策方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
138.第三方面，本发明实施例提供一种智能充电决策设备，该智能充电决策设备可以是个人计算机(personalcomputer，pc)、笔记本电脑、服务器等具有数据处理功能的设备。
139.参照图5，图5为本发明智能充电决策设备一实施例的硬件结构示意图。本发明实施例中，智能充电决策设备可以包括处理器1001(例如中央处理器centralprocessingunit，cpu)，通信总线1002，用户接口1003，网络接口1004，存储器1005。
其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真wireless-fidelity，wi-fi接口)；存储器1005可以是高速随机存取存储器(randomaccessmemory，ram)，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图5中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
140.继续参照图5，图5中作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及智能充电决策程序。其中，处理器1001可以调用存储器1005中存储的智能充电决策程序，并执行本发明实施例提供的智能充电决策方法。
141.第四方面，本发明实施例还提供一种可读存储介质。
142.本发明可读存储介质上存储有智能充电决策程序，其中所述智能充电决策程序被处理器执行时，实现如上述的智能充电决策方法的步骤。
143.其中，智能充电决策程序被执行时所实现的方法可参照本发明智能充电决策方法的各个实施例，此处不再赘述。
144.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
145.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
146.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
147.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：
1.一种智能充电决策方法，其特征在于，所述智能充电决策方法包括：获取平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率；根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率；根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电。2.如权利要求1所述的智能充电决策方法，其特征在于，在所述获取平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率之前，包括：根据各类型电价时长，通过公式一计算得到平谷电价占比率，所述公式一为：平谷电价占比率＝(谷价时长+平价时长)/(谷价时长+平价时长+峰价时长+尖峰价时长)；其中，谷价时长、平价时长、峰价时长和尖峰价时长为预设统计周期内的统计时长，所述预设统计周期从当前时刻之前预设时长的时刻开始至当前时刻之后预设时长的时刻结束；根据工厂变压器的实时电流和额定电流，通过公式二计算得到电网实时负荷率，所述公式二为：电网实时负荷率＝工厂变压器的实时电流/工厂变压器的额定电流；根据生产计划所需车辆的总数量和工厂拥有车辆的总数量，通过公式三计算得到生产计划所需车辆比率，所述公式三为：生产计划所需车辆比率＝生产计划所需车辆的总数量/工厂拥有车辆的总数量；根据使用中的车辆总数量、工厂拥有车辆的总数量、使用中的车辆剩余总电量和工厂拥有车辆的剩余总电量，通过公式四计算得到车辆实时负荷率，所述公式四为：车辆实时负荷率＝(使用中的车辆总数量/工厂拥有车辆的总数量)
×
(使用中的车辆剩余总电量/工厂拥有车辆的剩余总电量)。3.如权利要求1所述的智能充电决策方法，其特征在于，所述根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率包括：将平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率输入智能充电决策模型，得到智能充电决策模型输出的第一充电概率；所述根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电包括：若第一充电概率大于等于第一预设概率，则控制电源开通，以供对车辆开始充电；若第一充电概率小于第一预设概率，则控制电源断开，以供对车辆停止充电。4.如权利要求1所述的智能充电决策方法，其特征在于，所述根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率还包括：将平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率进行连乘计算，得到第二充电概率；所述根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电还包括：若第二充电概率大于等于第二预设概率，则控制电源开通，以供对车辆开始充电；若第二充电概率小于第二预设概率，则控制电源断开，以供对车辆停止充电。5.如权利要求3所述的智能充电决策方法，其特征在于，在所述将平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率输入智能充电决策模型，得到智
能充电决策模型输出的第一充电概率之前，包括：获取训练数据集，所述训练数据集包括多条训练数据，每条训练数据包括平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率；对每条训练数据标注充电概率标签，得到标注后的训练数据集；使用标注后的训练数据集，对神经网络进行训练；当神经网络的损失函数收敛时，得到训练好的智能充电决策模型。6.如权利要求1所述的智能充电决策方法，其特征在于，在所述根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电之后，包括：当车辆在充电时，若检测到工厂变压器的实时温度大于预设温度，则控制电源断开，以供对车辆停止充电。7.一种智能充电决策装置，其特征在于，所述智能充电决策装置包括：获取模块，用于获取平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率；确定模块，用于根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率；控制模块，用于根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电。8.如权利要求7所述的智能充电决策装置，其特征在于，所述智能充电决策装置还包括计算模块，用于：根据各类型电价时长，通过公式一计算得到平谷电价占比率，所述公式一为：平谷电价占比率＝(谷价时长+平价时长)/(谷价时长+平价时长+峰价时长+尖峰价时长)；其中，谷价时长、平价时长、峰价时长和尖峰价时长为预设统计周期内的统计时长，所述预设统计周期从当前时刻之前预设时长的时刻开始至当前时刻之后预设时长的时刻结束；根据工厂变压器的实时电流和额定电流，通过公式二计算得到电网实时负荷率，所述公式二为：电网实时负荷率＝工厂变压器的实时电流/工厂变压器的额定电流；根据生产计划所需车辆的总数量和工厂拥有车辆的总数量，通过公式三计算得到生产计划所需车辆比率，所述公式三为：生产计划所需车辆比率＝生产计划所需车辆的总数量/工厂拥有车辆的总数量；根据使用中的车辆总数量、工厂拥有车辆的总数量、使用中的车辆剩余总电量和工厂拥有车辆的剩余总电量，通过公式四计算得到车辆实时负荷率，所述公式四为：车辆实时负荷率＝(使用中的车辆总数量/工厂拥有车辆的总数量)
×
(使用中的车辆剩余总电量/工厂拥有车辆的剩余总电量)。9.一种智能充电决策设备，其特征在于，所述智能充电决策设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的智能充电决策程序，其中所述智能充电决策程序被所述处理器执行时，实现如权利要求1至6中任一项所述的智能充电决策方法的步骤。10.一种可读存储介质，其特征在于，所述可读存储介质上存储有智能充电决策程序，
其中所述智能充电决策程序被处理器执行时，实现如权利要求1至6中任一项所述的智能充电决策方法的步骤。

技术总结
本发明提供一种智能充电决策方法、装置、设备及可读存储介质，智能充电决策方法包括：获取平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率；根据平谷电价占比率、电网实时负荷率、生产计划所需车辆比率和车辆实时负荷率，确定充电概率；根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电。通过本发明，融合考虑电价性价比因素、充电时的电网安全因素、生产计划所需的车辆因素和车辆的实际负荷因素这四类因素，确定充电概率，根据充电概率，控制电源开通或断开，以供对车辆开始或停止充电，从而实现智能最优充电决策，提升了充电决策的效率和准确度。度。度。


技术研发人员：彭艳波 张晶 王燚 全谨慎 冷建平 郭晓宇
受保护的技术使用者：东风汽车股份有限公司
技术研发日：2023.07.21
技术公布日：2023/10/7