一种光储充一体充电桩的制作方法

1.本发明属于充电桩技术领域，具体为一种光储充一体充电桩。


背景技术：

2.充电桩其功能类似于加油站里面的加油机，可以固定在地面或墙壁，安装于公共建筑(公共楼宇、商场、公共停车场等)和居民小区停车场或充电站内，可以根据不同的电压等级为各种型号的电动汽车充电。充电桩的输入端与交流电网直接连接，输出端都装有充电插头用于为电动汽车充电。充电桩一般提供常规充电和快速充电两种充电方式，人们可以使用特定的充电卡在充电桩提供的人机交互操作界面上刷卡使用，进行相应的充电方式、充电时间、费用数据打印等操作，充电桩显示屏能显示充电量、费用、充电时间等数据。
3.在现有的充电桩中，主要的用电方式为通过主网进行供电，而针对于新能源的利用较少。


技术实现要素：

4.本技术实施例提供一种光储充一体充电桩，通过在充电桩内配置有总供电线路控制方法，实现在不同情况下对于充电模式的选择。通过充电模式的选择，实现了在不同的环境下针对于充电桩的平稳充电，在利用新能源充电方式的同时提高了充电的稳定性。
5.为了达到上述目的，本技术实施例采用的技术方案如下：
6.第一方面，一种光储充一体充电桩，包括充电桩主体以及与所述充电桩主体通信的服务器；所述充电桩主体包括供电系统以及与所述供电系统连接的充电枪，所述供电系统包括主网供电系统和光伏供电系统，所述主网供电系统包括主网供电线路，所述光伏供电系统包括光伏供电线路；所述主网供电线路和所述光伏供电线路通过汇聚母线与总供电线路连接，所述总供电线路与所述充电枪连接；还包括控制装置以及通信装置，所述控制装置通过所述通信装置与所述服务器通信；所述服务器内配置有处理模块，所述处理模块通过通信装置与所述控制装置连接，所述处理模块内配置有总供电线路控制方法，所述总供电线路控制方法用于确定供电模式并基于所述供电模式确定主网供电线路和光伏供电线路的开断处理：所述供电模式包括光伏供电、光伏与主网同步供电和主网供电任一模式，对于所述主网供电线路和所述光伏供电线路的开断处理通过设置在所述主网供电线路和所述光伏供电线路上的开关实现，所述主网供电线路和所述光伏供电线路上的开关与所述控制装置连接。
7.在第一方面的第一种可能的实现方式中，所述供电模式的确定包括以下方法：确定待充电设备的所需充电量和所述光伏供电系统的最大输出量；确定所述光伏供电系统的最大输出量是否满足待充电设备的所需充电量，基于确定结果选择对应的充电模式，具体包括：当所述光伏系统的最大输出量满足待充电设备的所需充电量时，选择光伏供电模式；当所述光伏系统的最大输出量小于所述待充电设备的所需充电量时，选择主网供电模式或光伏与主网同步供电模式。
8.结合第一方面的第一种可能的实现方式，在第二种可能的实现方式，所述光伏供电系统包括光伏板和储能组件，所述储能组件包括储能部和三相储能变换器，所述三相储能变换器与所述升压变压器和降压变压器连接；所述光伏供电系统的最大输出量的为所述储能组件的实时输出量以及所述光伏板在充电周期内的电能转化输出量之和；所述光伏板在充电周期内的电能转化输出量的确定包括以下方法：确定充电周期内的光伏板的输出功率，确定存储电能转化率，基于所述输出功率与所述电能转化率确定光伏板在充电周期内的电能转换输出量；所述充电周期内的光伏板的输出功率的确定包括以下方法：追踪所述光伏板的最大功率点，基于所述最大功率点确定充电周期内的光伏板的输出功率。
9.结合第一方面的第二种可能的实现方式，在第三种可能的实现方式，最终所述光伏板的最大功率点包括以下方法：获得光伏板的目标机器学习模型；接收采集的测点数据；并基于所述目标机器学习模型、测点数据构建最优输出功率阈值范围，并基于所述最优输出功率阈值范围确定最优输出电压；控制光伏板工作在所述最优输出电压。
10.结合第一方面的第三种可能的实现方式，在第四种可能的实现方式，获得光伏板的目标机器学习模型包括：基于预先建立的数据库获取多个键，得到候选键集合；基于所述候选键集合进行采样，得到多个目标特征数据；基于所述目标特征从所述数据库中查询对应的功率值，基于所述目标特征与所述对应的功率值建立独立特征曲线，融合多个独立特征曲线获得特征表达模型；将所述特征表达模型与最优曲线进行比对，确定影响参数，基于所述影响参数、所述最优曲线得到功率目标数据；所述目标功率数据用于作为训练样本训练目标机器学习模型。
11.结合第一方面的第四种可能的实现方式，在第五种可能的实现方式，所述目标功率数据用于作为训练样本训练目标机器学习模型包括：根据所述目标功率数据获取已知信息和私有信息；根据所述已知信息生成第一类环境特征和向量特征，以及根据所述已知信息和私有信息生成第二类环境特征；通过预设的第一模型基于所述第一类环境特征和向量特征，获取第一预测值；通过预设的第二模型基于第二类环境特征和向量特征，获取第二预测值；基于所述第一预测值和第二预测值对所述第一模型进行训练，得到训练后的第一模型。
12.结合第一方面的第五种可能的实现方式，在第六种可能的实现方式，根据所述已知信息生成第一类环境特征和向量特征，以及根据所述已知信息和私有信息生成第二类环境特征包括：对第一信息进行特征提取，生成多通道的第一类环境特征；对所述第二信息进行特征转换，生成向量特征；对第一信息和所述私有信息进行特征提取，生成多通道的第二类环境特征。
13.结合第一方面的第四种可能，在第七种可能的实现方式，所述数据库的建立步骤包括：对于功率曲线的每一坐标点，提取所述功率曲线的特征，得到对应的特征数据；获取功率曲线的标识信息，根据所述标识信息及所述坐标点的横坐标和纵坐标得到所述功率曲线的标识信息；将所述功率曲线的标识信息存储为键，将所述功率曲线对应的特征数据存储为对应的值，以建立所述数据库。
14.结合第一方面的第一种可能，在第八种可能的实现方式，还包括配置于所述控制装置上的调节模块以及设置在光伏供电线路上的升压变压器和降压变压器，所述调节模块过调节所述升压变压器或所述降压变压器调节所述光伏供电线路上的功率至最优功率，所
述调节方法包括：获取所述光伏供电线路上的实时功率；将所述实时功率与对应的最优功率进行比较获得实时调节功率；基于所述实时调节功率对所述光伏供电系统进行功率调节，具体包括：通过所述升压变压器或所述降压变压器对所述光伏供电系统进行升压或降压处理。
15.结合第一方面的第七种可能的实现方式，在第九种可能的实现方式，所述最优功率的确定包括：通过实时运行数据采集系统，实时采集当前所述光伏供电系统的实时调节功率下的频率偏差和联络线功率偏差，得到实时频率偏差和实时支路功率偏差；通过调压处理直至将所述实时频率偏差和实时支路功率偏差为零，并记录调压初始数值和调压终值，基于所述调压初始数值、所述调压终值、实时频率偏差、实时支路功率偏差建立调节模型；重复以上的过程获得多个调节模型，将多个调节模型进行比对获得关键调节参数，将关键调节参数与历史支路功率进行结合得到最优功率，具体为：获得历史支路功率的中位值，基于历史支路功率的中位值与关键调节参数的结果获取最优功率。
16.本技术实施例提供的技术方案中，与现有的充电桩相比本技术方案中的充电桩为光储充一体充电桩，不仅能够通过主网供电线路实现对于充电的电力提供还可以通过光伏系统实现对于充电的电力提供。并且在充电装置内设置控制装置以及在控制装置内配置有总供电线路控制方法，实现了光伏系统与主网供电系统的切换。并且在总供电线路控制方法中配置有光伏系统的最大输出量的确定方法，实现对于充电模式的选择，保证了充电桩对于充电效果以及节能减排的最优配置。
附图说明
17.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中示例数字在附图的各个视图中代表相似的机构。
19.图1是本技术的一些实施例所示的光储充一体充电桩的框架图。
20.图2时本技术的一些实施例所示的光储充一体充电桩的系统框架图。
21.图3是本技术的一些实施例所示的光储充一体充电桩的总供电线路控制方法处理示意图。
具体实施方式
22.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
23.在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本申
请。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本技术的方面。
24.本技术中使用流程图说明根据本技术的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
25.参阅图1，本技术实施例提供一种光储充一体充电桩，充电桩用于对待充电装置及物体进行充电。在本实施例中，待充电装置为待充电系能源车。其中，光储充一体充电桩包括充电桩主体结构即充电桩，以及与充电桩通信的服务器。
26.其中，充电桩主体包括供电系统以及与供电系统连接的充电枪。供电系统用于对充电枪供电，充电枪与待充电新能源车辆连接实现对于新能源车辆的充电。在本实施例中，因为充电桩为光储充一体充电桩，则供电系统不仅包括传统的主网供电系统，还包括光伏供电系统。其中，主网供电系统包括主网供电线路，光伏供电系统包括光伏供电线路。主网供电线路和光伏供电线路通过汇聚母线与总供电线路连接，并且总供电线路与充电枪连接。光伏供电系统还包括光伏板以及与光伏板连接的储能组件，其中储能部件与光伏供电线路连接。在本实施例中，为了实现光伏供电系统与主网供电系统的输出电压一致能够实现二者的并网，针对于储能组件包括储能部以及三相储能变换器，其中三相储能变换器对于储能部输出的电压进行调节以满足并网的要求。其中，三项储能变换器包括升压变压器和降压变压器，通过升压变压器和降压变压器对储能部输出电压进行升压和降压处理。
27.在本实施例中，充电桩主体内还设置有控制装置以及与控制装置连接通信装置，其中控制装置通过通信装置与服务器进行通信。其中在本实施例中服务器内配置有处理模块，其中处理模块通过通信装置与控制装置实现通信。在本实施例中，处理模块内配置有总供电线路控制方法，总供电线路控制方法用于确定供电模式并基于供电模式确定主网供电线路和光伏供电线路的开断处理。处理模块将主网供电线路和光伏供电线路的开断处理结果通过通信装置发送至控制装置内，控制装置通过设置在主网供电线路和光伏供电线路上的开关对于主网供电线路和光伏供电线路进行开断处理。
28.在本实施例中，供电模式包括光伏供电、光伏与主网同步供电和主网供电中的任一模式。
29.本实施例提供的光储充一体充电桩通过以上的设置，能够实现光伏供电和主网供电配合使用，与现有的单一主网供电相比提高了光伏在新能源供电中的使用。
30.下面请参阅图2，针对于光储充一体充电桩的供电模式的确定进行详细的说明。
31.本实施例中的供电模式的确定包括以下过程：
32.步骤s210.确定充电设备的所需充电量和光伏供电系统的最大输出量。
33.在本实施例中，针对于充电设备的所需充电量的获得包括使用者进行设置的数据，还可以包括设置在充电枪上的电量获取模块对于充电设备中所需最大电量的获取。其中电量获取模块为现有技术，在本实施例中不进行累述。
34.其中，针对于光伏供电系统的最大输出量为储能组件的实时输出量以及光伏板在充电周期内的电能转化输出量之和。在本实施例中，充电周期的确定基于充电设备的所需充电量和实时输出充电量之间的除积。
35.并且，针对于光伏板在充电周期内的电能转化输出量的确定包括以下方法：
36.s211.确定充电周期内的光伏板的输出功率，确定存储电能转化率，基于输出功率与电能转化率确定光伏板在充电周期内的电能转换输出量。
37.其中针对于充电周期内的光伏板的输出功率的确定包括以下方法：
38.追踪光伏板的最大功率点，基于最大功率点确定充电周期内的光伏板的输出功率。
39.其中针对于光伏板的最大功率点的确定方法包括以下过程：
40.s2111.获得光伏板的目标机器学习模型。
41.在本实施例中，光伏板的目标机器学习模型为基于历史数据进行构建得到，具体包括以下过程：
42.基于预先建立的数据库获取多个键，得到候选键集合。
43.在本实施例中，数据库中的源数据对应的标识信息存储为键，源数据对应的特征数据存储为对应的值。
44.其中，源数据指的是用于训练机器学习模型的训练样本的原始数据。例如，在本实施例中源数据主要是进行追踪前获取的光伏电池中的数据，包括但不限于照强度、环境温度、电压强度、电流强度。其中针对于源数据的获取主要基于分布式控制系统进行采集，还可以为与光伏电池关联的环境数据，可以通过其他配套或者相同环境下的其他采集系统采集的具有影响的数据。源数据对应的标识信息用于对源数据进行标识。源数据对应的特征数据为对源数据的特征信息进行描述的数据。
45.具体地，在本实施例中，预先获取源数据，基于源数据建立数据库，将源数据对应的标识信息存储为键(key)，将源数据对应的特征数据存储为对应的值(value)。在进行数据采样时，服务器首先基于预先建立的数据库获取多个键，得到候选键集合。
46.基于候选键集合进行采样，得到至少一个目标键。
47.基于至少一个目标键从数据库中查询对应的值，得到目标特征数据；目标特征数据用于作为训练样本训练目标机器学习模型。
48.其中，目标键指的是采样得到的键。目标特征数据为目标键对应的值。
49.具体地，服务器基于候选键集合进行采样，得到至少一个目标键，服务器进一步基于至少一个目标健从数据库中查询对应的值，得到目标特征数据。
50.在一些实施例中，服务器在进行采样时，采样得到多个目标键，服务器进一步可以根据多个目标键生成键列表(key list)，后续在进行机器学习模型训练时，服务器可以基于该key list从数据库查询对应的值，得到目标特征数据以作为机器学习模型的训练样本。
51.上述数据采样方法中，首先基于预先建立的数据库获取多个健，得到候选键集合，数据库中，源数据对应的标识信息存储为键，源数据对应的特征数据存储为对应的值，服务器进一步基于候选键集合进行采样，得到至少一个目标键，最后基于至少一个目标键从数据库中查询对应的值，得到目标特征数据，目标特征数据用于作为训练样本训练目标机器学习模型，本技术中，由于将源数据存储为健值对的形式，在进行采样时，基于健进行采样，基于采样结果来获取到训练样本，相较于传统技术中直接采样训练样本数据，耗时明显减少。
52.基于目标特征数据从所述数据库中查询对应的功率值，基于目标特征与对应的功率值建立独立特征曲线，融合多个独立特征曲线获得特征表达模型。
53.在本实施例中，通过目标特征数据可以实现对应功率值的确定，基于目标特征数据以及功率值可以建立每一个目标特征的特征曲线即独立特征曲线，通过将多个独立特征曲线进行融合得到特征表达模型。
54.在本实施例中，目标特征为具体的环境特征，包括环境温度、电压、电流、光照强度等特征，目标特征数据为特征对应的竖直，例如环境温度为35℃，其中环境温度为特征，35℃为数值。功率值则为选择其中任一特征作为变量其余特征作为理想非变量条件下的功率的具体的值，其中当两组特征数据中的特征以及数值都相同时则选择其一作为处理特征数据。在本实施例中，目标特征数据的种类以及数量决定了功率值的种类以及数量，将其功率值与对应的特征进行结合建立特征曲线，基于多个特征的特征曲线获得特征表达模型，特征表达模型用于表示多特征情况下的功率值的变化情况和与外部的关联情况。
55.将特征表达模型与最优曲线进行比对，确定影响参数，基于影响参数、最优曲线得到功率目标数据。
56.在本实施例中，最优曲线为功率值无外界影响下的变化函数构成的曲线，即将具有外界影响产生的反应现实的特征表达模型与理想条件下的最优曲线进行比对，主要用于确定其差异性的表达，基于差异性的表达中最大差异的确定则说明其外界特征对于功率值影响情况即影响参数，影响参数为权重值。并基于影响参数、最优功率曲线确定目标功率数据，在本实施例中目标功率数据为初步预测值，即通过多特征情况下权重对于功率值的预测。
57.但仅基于权重进行预判的进准度较低，需要对目标功率数据进行训练得到更优的预测值。
58.将目标功率数据用于作为训练样本训练目标机器学习模型。
59.具体为：根据目标功率数据获取已知信息和私有信息；根据已知信息生成第一类环境特征和向量特征，以及根据已知信息和私有信息生成第二类环境特征；通过预设的第一模型基于第一类环境特征和向量特征，获取第一预测值；通过预设的第二模型基于第二类环境特征和向量特征，获取第二预测值；基于第一预测值和第二预测值对第一模型进行训练，得到训练后的第一模型。
60.以上的过程包括以下具体的处理手段：
61.对第一信息进行特征提取，生成多通道的第一类环境特征；对第二信息进行特征转换，生成向量特征；对第一信息和私有信息进行特征提取，生成多通道的第二类环境特征。
62.本实施例提供的处理方法相当于将目标功率数据作为初始数据再进行切割，并基于切割后的数据对模型进行训练得到最优的结果。
63.步骤s2112.接收采集的测点数据。
64.光伏板的测点数据由dcs系统采集，包括光照强度、环境温度、电压强度、电流强度等。
65.接收到dcs系统采集的测点数据后，将测点数据按照设定单位进行转换，具体的，光照强度的设定单位为瓦/平方米，环境温度的设定单位为摄氏度，电压强度的设定单位为
伏，电流强度的设定单位为安培。
66.s2113.基于目标机器学习模型、测点数据构建最优输出功率阈值范围，并基于最优输出功率阈值范围确定最优输出电压。
67.在本实施例中，目标机器学习模型主要输出结果为最优输出功率，因为模型无法做到百分之百精准的预测，所以需要设置阈值机制，即在输出结果上下调动一定的比例产生阈值，并且基于阈值确定功率对应的电压值。
68.s2114.控制光伏电池工作在最优输出电压。
69.根据最优输出电压，控制光伏电池工作在该最优输出电压上，能使得太阳能光伏电池工作在最大功率点上。
70.s2115.基于充电周期以及最优输出电压下的最大输出功率得到光伏供电系统的最大输出量。
71.基于最优输出电压以及电流确定最大输出功率。
72.基于最大输出功率以及充电周期确定光伏供电系统的最大输出量。
73.步骤s220.确定光伏供电系统的最大输出量是否满足待充电设备的所需充电量，基于确定结果选择对应的充电模式。
74.在本实施例中，为了实现充电需要以及在充电过程中的平稳和连续性，需要对充电模式进行选择。
75.具体包括以下过程：
76.当光伏系统的最大输出量小于待充电设备的所需充电量时，选择主网供电莫使或光伏与主网同步供电模式。
77.当光伏系统的最大输出量大于待充电设备的所需充电量时，选择光伏供电模式。
78.在本实施例中针对于充电模式的选择基于设置在主网供电线路和光伏供电线路上的开关实现，具体为当确定供电模式为光伏供电模式时，通过控制装置对设置在光伏供电线路上的开关进行开启，对主网供电线路上的开关进行关断。当确定供电模式为主网供电模式时，通过控制装置对设置在光伏供电线路上的开关进行关断，对主网供电线路上的开关进行开启。当确定供电模式为光伏与主网同步供电模式时，通过控制装置对设置在光伏供电线路上的开关进行开启，对主网供电线路上的开关进行开启。
79.并且，在本实施例中，为了保证光伏供电模式以及光伏与主网同步供电模式下的光伏与主网的并网以及充电枪对于电压的需要，需要对输出电压进行调节。
80.调节方法包括以下过程：
81.获取光伏供电线路上的实时功率，在本实施例中，针对于实时功率基于不同的方式供电模式具有不同。当供电模式为光伏供电模式时，实时功率为步骤s2115中的最大输出功率；当供电模式为光伏与主网同步供电模式时，实时功率即为实时输出功率。
82.将实时功率与对应的最优功率进行比较获得实时调节功率。
83.基于实时调节功率对光伏供电系统进行功率调节，具体包括：
84.通过升压变压器或降压变压器对所述光伏供电系统进行升压或降压处理。
85.而针对于最优功率则基于历史数据以及建立对应的最优功率模型进行最优功率的确定，包括以下方法：
86.通过实时运行数据采集系统，实时采集当前光伏供电系统下的实时调节功率下的
频率偏差和光伏供电线路功率偏差，得到实时频率偏差和实时支路功率偏差。
87.通过调压处理直至将实时频率偏差和实时支路功率偏差为零，并记录调压初始数值和调压终值，基于调压初始数值、调压终值、实时频率偏差、实时支路功率偏差建立调节模型。
88.并重复以上的过程获得多个调节模型，将多个调节模型进行比对获得关键调节参数。
89.获得重复过程中历史光伏供电线路功率的中位值，基于历史光伏供电线路功率的中位值与关键调节参数的结果获取最优功率。
90.在本实施例中，最优功率用于指导光伏供电线路输出功率的调节，通过最优功率与支路输出功率的差值来确定实时调节功率。
91.基于实时调节功率对光伏供电系统进行功率调节。
92.在本实施例中，针对于功率调节主要是通过电压调节的方式来实现功率的调节，具体为通过升压变压器或降压变压器对多源机组进行升压或降压处理。
93.在本实施例中，最优功率为与主网实时输出功率并网的所需要达到的功率。
94.本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，当计算机程序在计算机上执行时，使得计算机执行本技术实施例提供的总供电线路控制方法。
95.需要理解的是，针对上述内容没有进行名词解释的技术术语，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义，例如针对一些阈值、系数等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0.1～1，又例如1～10，再例如50～100，在此均不作限定。
96.本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及偏好标签的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“示例”、“目标”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“集合”、“列表”等，也可以根据前后文进行毫无疑义地推导和确定。
97.本技术实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本技术所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
98.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可以对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
99.同时，本技术使用了特定术语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本技术的至少一个实施例中的某
些特征、结构或特点可以进行适当的组合。
100.另外，本领域普通技术人员可以理解的是，本技术的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本技术的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
101.计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、rf、或类似介质、或任何上述介质的组合。
102.本技术各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net，python等，或类似的常规程序编程语言，如"c"编程语言，visual basic，fortran 2003，perl，cobol 2002，php，abap，动态编程语言如python，ruby和groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
103.此外，除非申请专利范围中明确说明，本技术所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。
104.同样应当理解的是，为了简化本技术揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

技术特征：
1.一种光储充一体充电桩，其特征在于，包括充电桩主体以及与所述充电桩主体通信的服务器；所述充电桩主体包括供电系统以及与所述供电系统连接的充电枪，所述供电系统包括主网供电系统和光伏供电系统，所述主网供电系统包括主网供电线路，所述光伏供电系统包括光伏供电线路；所述主网供电线路和所述光伏供电线路通过汇聚母线与总供电线路连接，所述总供电线路与所述充电枪连接；还包括控制装置以及通信装置，所述控制装置通过所述通信装置与所述服务器通信；所述服务器内配置有处理模块，所述处理模块通过通信装置与所述控制装置连接，所述处理模块内配置有总供电线路控制方法，所述总供电线路控制方法用于确定供电模式并基于所述供电模式确定主网供电线路和光伏供电线路的开断处理：所述供电模式包括光伏供电、光伏与主网同步供电和主网供电任一模式，对于所述主网供电线路和所述光伏供电线路的开断处理通过设置在所述主网供电线路和所述光伏供电线路上的开关实现，所述主网供电线路和所述光伏供电线路上的开关与所述控制装置连接。2.根据权利要求1所述的光储充一体充电桩，其特征在于，所述供电模式的确定包括以下方法：确定待充电设备的所需充电量和所述光伏供电系统的最大输出量；确定所述光伏供电系统的最大输出量是否满足待充电设备的所需充电量，基于确定结果选择对应的充电模式，具体包括：当所述光伏系统的最大输出量满足待充电设备的所需充电量时，选择光伏供电模式；当所述光伏系统的最大输出量小于所述待充电设备的所需充电量时，选择主网供电模式或光伏与主网同步供电模式。3.根据权利要求2所述的光储充一体充电桩，其特征在于，所述光伏供电系统包括光伏板和储能组件，所述储能组件包括储能部和三相储能变换器，所述三相储能变换器包括升压变压器和降压变压器连接；所述光伏供电系统的最大输出量的为所述储能组件的实时输出量以及所述光伏板在充电周期内的电能转化输出量之和；所述光伏板在充电周期内的电能转化输出量的确定包括以下方法：确定充电周期内的光伏板的输出功率，确定存储电能转化率，基于所述输出功率与所述电能转化率确定光伏板在充电周期内的电能转换输出量；所述充电周期内的光伏板的输出功率的确定包括以下方法：追踪所述光伏板的最大功率点，基于所述最大功率点确定充电周期内的光伏板的输出功率。4.根据权利要求3所述的光储充一体充电桩，其特征在于，确定所述光伏板的最大功率点包括以下方法：获得光伏板的目标机器学习模型；接收采集的测点数据；并基于所述目标机器学习模型、测点数据构建最优输出功率阈值范围，并基于所述最优输出功率阈值范围确定最优输出电压；控制光伏板工作在所述最优输出电压。5.根据权利要求4所述的光储充一体充电桩，其特征在于，获得光伏板的目标机器学习模型包括：
基于预先建立的数据库获取多个键，得到候选键集合；基于所述候选键集合进行采样，得到多个目标特征数据；基于所述目标特征从所述数据库中查询对应的功率值，基于所述目标特征与所述对应的功率值建立独立特征曲线，融合多个独立特征曲线获得特征表达模型；将所述特征表达模型与最优曲线进行比对，确定影响参数，基于所述影响参数、所述最优曲线得到功率目标数据；所述目标功率数据用于作为训练样本训练目标机器学习模型。6.根据权利要求5所述的光储充一体充电桩，其特征在于，所述目标功率数据用于作为训练样本训练目标机器学习模型包括：根据所述目标功率数据获取已知信息和私有信息；根据所述已知信息生成第一类环境特征和向量特征，以及根据所述已知信息和私有信息生成第二类环境特征；通过预设的第一模型基于所述第一类环境特征和向量特征，获取第一预测值；通过预设的第二模型基于第二类环境特征和向量特征，获取第二预测值；基于所述第一预测值和第二预测值对所述第一模型进行训练，得到训练后的第一模型。7.根据权利要求6所述的光储充一体充电桩，其特征在于，根据所述已知信息生成第一类环境特征和向量特征，以及根据所述已知信息和私有信息生成第二类环境特征包括：对第一信息进行特征提取，生成多通道的第一类环境特征；对所述第二信息进行特征转换，生成向量特征；对第一信息和所述私有信息进行特征提取，生成多通道的第二类环境特征。8.根据权利要求5所述的光储充一体充电桩，其特征在于，所述数据库的建立步骤包括：对于功率曲线的每一坐标点，提取所述功率曲线的特征，得到对应的特征数据；获取功率曲线的标识信息，根据所述标识信息及所述坐标点的横坐标和纵坐标得到所述功率曲线的标识信息；将所述功率曲线的标识信息存储为键，将所述功率曲线对应的特征数据存储为对应的值，以建立所述数据库。9.根据权利要求2所述的光储充一体充电桩，其特征在于，还包括配置于所述控制装置上的调节模块以及设置在光伏供电线路上的升压变压器和降压变压器，所述调节模块过调节所述升压变压器或所述降压变压器调节所述光伏供电线路上的功率至最优功率，所述调节方法包括：获取所述光伏供电线路上的实时功率；将所述实时功率与对应的最优功率进行比较获得实时调节功率；基于所述实时调节功率对所述光伏供电系统进行功率调节，具体包括：通过所述升压变压器或所述降压变压器对所述光伏供电系统进行升压或降压处理。10.根据权利要求8所述的光储充一体充电桩，其特征在于，所述最优功率的确定包括：通过实时运行数据采集系统，实时采集当前所述光伏供电系统的实时调节功率下的频率偏差和联络线功率偏差，得到实时频率偏差和实时支路功率偏差；通过调压处理直至将所述实时频率偏差和实时支路功率偏差为零，并记录调压初始数值和调压终值，基于所述调压初始数值、所述调压终值、实时频率偏差、实时支路功率偏差建立调节模型；重复以上的过程获得多个调节模型，将多个调节模型进行比对获得关键调节参数，将
关键调节参数与历史支路功率进行结合得到最优功率，具体为：获得历史支路功率的中位值，基于历史支路功率的中位值与关键调节参数的结果获取最优功率。

技术总结
本发明属于充电桩技术领域，具体为一种光储充一体充电桩；包括充电桩主体以及与所述充电桩主体通信的服务器；所述充电桩主体包括供电系统以及与所述供电系统连接的充电枪，所述供电系统包括主网供电系统和光伏供电系统，所述主网供电系统包括主网供电线路，所述光伏供电系统包括光伏供电线路；所述主网供电线路和所述光伏供电线路通过汇聚母线与总供电线路连接，所述总供电线路与所述充电枪连接；本发明不仅能够通过主网供电线路实现对于充电的电力提供还可以通过光伏系统实现对于充电的电力提供，并且能够实现了光伏系统与主网供电系统的切换。系统的切换。系统的切换。


技术研发人员：项超 温从卫 孙丙功 雷鸣 李俊辉 胡东方
受保护的技术使用者：浙江晨泰科技股份有限公司
技术研发日：2023.03.29
技术公布日：2023/6/27