充电站选址方法和装置与流程

本发明涉及电动汽车充电站选址领域，具体而言，涉及一种充电站选址方法和装置。

背景技术：

随着国内经济的迅速发展及环境问题的日益凸显，由于电动汽车主要以车载电源为动力，对环境影响较小，其使用率越来越高，进而，对电动汽车充电站的需求也日益增加。

目前，主要通过以下几种方式来实现电动汽车充电站的选址：

方式一：将充电站与加油站合建，将已有的加油站站址直接作为充电站的站址。该方式未考虑充电站周边的配电能力。在充电站周边的设施对电能的需求量较高的情况下，在此处建设充电站的建站实施性将大大降低。

方式二：以基于“网格化”的配电网空间布局为基础，将每个配网网格作为一个建设充电站的地址。该方式未考虑到路网现状、客流量等因素，不利于充电站的充分利用。

由此可见，上述几种充电站选址方法，考虑因素较为片面，可能导致充电站的建设或使用不合理，进而使得充电站的使用率降低，浪费资源。

针对上述的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种充电站选址方法和装置，以至少解决由于充电站选址不合理，导致充电站的使用效率低的技术问题。

根据本发明实施例的一个方面，提供了一种充电站选址方法，包括：获取多个选址单元的指标数据，其中，每个选址单元与至少一个充电站对应；基于预设模型对多个选址单元的指标数据进行处理，得到每个选址单元的充电站利用率，其中，预设模型为使用多组数据通过机器学习算法得到的，多组数据中的每组数据包括：每个选址单元的指标数据以及每个选址单元的充电站利用率；根据充电站利用率从多个选址单元中确定目标选址单元。

进一步地，充电站选址方法还包括：获取多个选址单元对应的区域信息；基于预设指标体系从多个选址单元对应的区域信息中抽取多个选址单元对应的指标数据，其中，预设指标体系包括多个指标等级，每个指标等级对应多个指标。

进一步地，充电站选址方法还包括：获取历史充电站信息，其中，历史充电站信息包括如下至少之一：每个指标等级对应的指标数据以及每个充电站的利用率；基于随机森林算法对历史充电站信息进行有监督机器学习，得到预设模型。

进一步地，充电站选址方法还包括：对多个选址单元的充电站利用率以及预设利用率进行比较，得到比对结果；根据比对结果确定多个选址单元对应的充电站使用等级；根据充电站使用等级从多个选址单元中确定目标选址单元。

进一步地，充电站选址方法还包括：根据充电站使用等级从多个选址单元中确定至少一个候选单元；确定至少一个候选单元对应的校正指标的离散值；根据校正指标的离散值确定每个候选单元对应的指标分数；选取指标分数大于预设指标分数的候选单元作为目标选址单元。

进一步地，充电站选址方法还包括：校正指标包括如下至少之一：配网资源指标、成本评估指标、路网资源指标。

根据本发明实施例的另一方面，还提供了一种充电站选址装置，包括：获取模块，用于获取多个选址单元的指标数据，其中，每个选址单元与至少一个充电站对应；处理模块，用于基于预设模型对多个选址单元的指标数据进行处理，得到每个选址单元的充电站利用率，其中，预设模型为使用多组数据通过机器学习算法得到的，多组数据中的每组数据包括：每个选址单元的指标数据以及每个选址单元的充电站利用率；确定模块，用于根据充电站利用率从多个选址单元中确定目标选址单元。

进一步地，确定模块包括：比对模块，用于对多个选址单元的充电站利用率以及预设利用率进行比较，得到比对结果；第一确定模块，用于根据比对结果确定多个选址单元对应的充电站使用等级；第二确定模块，用于根据充电站使用等级从多个选址单元中确定目标选址单元。

根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行充电站选址方法。

根据本发明实施例的另一方面，还提供了一种存储介质，该处理器用于运行程序，其中，程序运行时执行充电站选址方法。

在本发明实施例中，采用大数据技术对充电站选址进行规划的方式，在获取多个选址单元的指标数据之后，基于预设模型对多个选址单元的指标数据进行处理，以得到每个选址单元的充电站利用率，最后根据充电站利用率从过多个选址单元中确定目标选址单元来作为充电站的站址。

在上述过程中，多个选址单元的指标数据为影响充电站选址的关键因素，以机器学习算法为基础，对影响充电站选址的关键因素进行处理，可以精确地确定充电站的目标位置。由于在对充电站的站址进行选址的过程中，考虑到了影响充电站选址的关键因素，因此，得到的目标选址单元为用户使用充电站较多的选址单元，从而提高了充电站的使用效率，避免了资源浪费。

由此可见，本申请所提供的方案可以解决由于充电站选址不合理，导致充电站的使用效率低的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种充电站选址方法的流程图；

图2是根据本发明实施例的一种可选的充电站选址方法的流程图；以及

图3是根据本发明实施例的一种充电站选址装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释：

“网格化”的配电网空间布局，是指“网格化”配网规划按照“自下而上”的方式，以地块用电需求为导向，依据地区控规对不同用地性质和开发深度的地块进行归类，结合典型负荷预测模型，开展系统化负荷预测；按照差异化的规划标准，以提升供电可靠性为目标，分区域开展10千伏一次网架布局，并延伸规划110千伏电网和管沟布局，最终形成多元化规划成果，并与地区发展规划有效对接。

实施例1

根据本发明实施例，提供了一种充电站选址方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的充电站选址方法的流程图，如图1所示，该方法包括如下步骤：

步骤s102，获取多个选址单元的指标数据，其中，每个选址单元与至少一个充电站对应。

需要说明的是，上述选址单元可以为将预设区域划分为多个部分所得到的充电站的选址单元，其中，充电站可以为但不限于电动汽车的充电站。

可选的，多个选址单元的指标数据为对充电站选址产生影响的关键因素。可按照省、市、区或县、乡镇、村庄或街道作为充电站的选址区域(即上述预设区域)，其中，可将村庄或街道作为选址基础单元(即上述选址单元)。然后，通过互联网来获取省市各行政单位的属性信息，例如，人口数量、人口密度、建筑设施的分布、电网容量、电能质量等。最后，确定每个选址单元的属性信息(即上述指标数据)作为数据分析的原始数据。

此外，还需要说明的是，每个选址单元中可以设置一个充电站，也可以设置多个充电站，例如，在人口密度较高的选址单元内设置多个充电站。

步骤s104，基于预设模型对多个选址单元的指标数据进行处理，得到每个选址单元的充电站利用率，其中，预设模型为使用多组数据通过机器学习算法得到的，多组数据中的每组数据包括：每个选址单元的指标数据以及每个选址单元的充电站利用率。

需要说明的是，上述预设模型为根据现有的充电站信息(即历史充电站信息)，综合多维度变量，将指标数据作为响应变量，将每个选址单元的充电站利用率作为目标变量进行训练得到的模型，即每个选址单元的指标数据为上述预设模型的输入数据，每个选址单元的充电站利用率为上述预设模型的输出数据。

步骤s106，根据充电站利用率从多个选址单元中确定目标选址单元。

在一种可选的方案中，在得到每个选址单元的充电站利用率之后，可按照充电站利用率的大小对选址单元进行排序，优先选择充电站利用率大的选址单元作为目标选址单元，以安装充电站。

在另一种可选的方案中，在选址单元中包括多个充电站的情况下，可对多个充电站的充电站利用率求取平均值来作为每个选址单元的充电站利用率，或者，确定每个充电站的权重值，然后再根据选址单元中每个充电站的权重值对每个充电站的充电站利用率进行加权平均，将计算结果作为每个选址单元的充电站利用率。在得到每个选址单元的充电站利用率之后，再按照充电站利用率的大小对选址单元进行排序，优先选择充电站利用率大的选址单元作为目标选址单元，以安装充电站。

基于上述步骤s102至步骤s106所限定的方案，可以获知，采用大数据技术对充电站选址进行规划的方式，在获取多个选址单元的指标数据之后，基于预设模型对多个选址单元的指标数据进行处理，以得到每个选址单元的充电站利用率，最后根据充电站利用率从过多个选址单元中确定目标选址单元来作为充电站的站址。

容易注意到的是，多个选址单元的指标数据为影响充电站选址的关键因素，以机器学习算法为基础，对影响充电站选址的关键因素进行处理，可以精确地确定充电站的目标位置。由于在对充电站的站址进行选址的过程中，考虑到了影响充电站选址的关键因素，因此，得到的目标选址单元为用户使用充电站较多的选址单元，从而提高了充电站的使用效率，避免了资源浪费。

由此可见，本申请所提供的方案可以解决由于充电站选址不合理，导致充电站的使用效率低的技术问题。

在一种可选的方案中，在基于预设模型对多个选址单元的指标数据进行处理之前，需要获取多个选址单元的指标数据。具体的，首先获取多个选址单元对应的区域信息，然后再基于预设指标体系从多个选址单元对应的区域信息中抽取多个选址单元对应的指标数据。

需要说明的是，预设指标体系包括多个指标等级，每个指标等级对应多个指标。可选的，预设指标体系可根据业务分析以及选址模型来确定，其中，预设指标体系可以包括一级指标和二级指标。一级指标可以包括但不限于建筑设施的数量、建筑设施的经纬度、人口密度、路网车速、电网容量、电能质量、配电网的电力平衡状态、充电站利用率等，其中，建筑设施的经纬度可以包括但不限于学校、医院、商场、停车场、小区、写字楼、火车站的位置信息；二级指标可以包括但不限于建筑设施的信息，例如，停车场每日的车流量、学校类别以及学生数量、医院级别、医院门诊量、医院床位数、商场级别以及每日客流量、小区户数以及人数、写字楼或酒店级别以及面积、火车站的日均客流量、火车站的面积、火车站的日发车数、火车站的日到站车数等。

在一种可选的方案中，在基于预设模型对多个选址单元的指标数据进行处理，得到每个选址单元的充电站利用率之前，首先，获取历史充电站信息，然后基于随机森林算法对历史充电站信息进行有监督机器学习，得到预设模型。其中，历史充电站信息包括如下至少之一：每个指标等级对应的指标数据以及每个充电站的利用率。

需要说明的是，上述历史充电信息为从现有的充电站信息中抽取到的充电站数据。

可选的，利用现有的充电站信息，综合多维度变量，将建筑设施(例如，医院、学校、机场、停车场、商场、小区、写字楼、火车站等)的数量、建设设施的位置信息以及二级指标对应的数据作为响应变量，每个充电站的利用率作为目标变量，采用随机森林算法对响应变量和目标变量进行有监督机器学习，得到预设模型。然后再通过大数据技术不断对预设模型进行训练迭代，进而使预设模型能够输出准确的充电站的利用率。

在一种可选的方案中，在得到每个选址单元对应的充电站利用率之后，进一步根据充电站利用率从多个选址单元中确定目标选址单元。具体的，对多个选址单元的充电站利用率以及预设利用率进行比较，得到比对结果，然后根据比对结果确定多个选址单元对应的充电站使用等级，并根据充电站使用等级从多个选址单元中确定目标选址单元。

需要说明的是，预设利用率的数量可以为多个，其中，预设利用率可以通过专家经验法来得到。例如，在充电站利用率大于等于m1的情况下，充电站使用等级为一级；在充电站利用率大于等于m2，但小于m1的情况下，充电站使用等级为二级；在充电站利用率小于m2的情况下，充电站使用等级为三级。可选的，m1>m2，m1为0.8，m2为0.6。

可选的，如果选址单元的充电站使用等级为一级，则该选址单元非常适合建立充电站，优先选择该选址单元作为充电站站址；如果选址单元的充电站使用等级为二级，则该选址单元比较适合建立充电站，次选择该选址单元作为充电站站址；如果选址单元的充电站使用等级为三级，则该选址单元不适合建立充电站，不选择该选址单元作为充电站站址。

需要说明的是，通过充电站使用等级得到的选址单元为基础性的选址单元，得到的选址单元可能并不是最优的选址单元。为得到最优的选址单元，在确定了充电站使用等级之后，再依据配网资源、成本评估、路网资源信息进行校正，并且只对充电站使用等级为一级、二级的选址单元进行校正，充电站使用等级为三级的选址单元直接舍弃。

具体的，首先根据充电站使用等级从多个选址单元中确定至少一个候选单元，然后再确定至少一个候选单元对应的校正指标的离散值，并根据校正指标的离散值确定每个候选单元对应的指标分数，最后选取指标分数大于预设指标的候选单元作为目标选址单元。

需要说明的是，校正指标包括如下至少之一：配网资源指标、成本评估指标、路网资源指标。其中，配网资源指标包括但不限于电力配网电网容量、电力平衡、电能质量；成本评估指标包括但不限于投资成本、运行成本、维护成本、接入充电站后的系统网损费用；路网资源涉指标包括但不限于路网密度、车速。

可选的，可通过如下公式计算每个候选单元对应的指标分数：

在上式中，si表示第i个候选单元对应的指标分数，其中，si的数值越大，表明该候选单元越适合作为目标选址单元；wj为各校正指标的权重值；pij为第i个候选单元中第j个指标值比重；m表示候选单元对应的指标个数。

进一步地，在计算得到每个候选单元对应的指标分数之后，可根据指标分数与预设指标分数的大小来确定该候选单元是否可作为目标选址单元。可选的，如果指标分数小于等于第一指标分数，例如，指标分数大于0，小于等于0.5，则说明该候选单元中的配网资源和路网资源等指标不符合建设充电站的必要条件，不建议在此位置建立充电站；如果指标分数大于第一指标分数，并小于第二指标分数，例如，指标分数大于0.5，小于1，则说明该候选单元符合建站标准，建议在此位置建立充电站。

在一种可选的方案中，图2示出了一种可选的充电站选址方法的流程图，由图2可知，本申请所提供的充电站选址方法主要包括四个步骤，即建立选址基础、构建及抽取选址指标、充电站选址以及校正选址结果。其中，建立选址基础与步骤s102相对应，即获取多个选址单元的指标数据；构建及抽取选址指标为构建预设指标体系，并基于预设指标体系获取指标数据的过程。在充电站选址的步骤中，可通过机器学习的方式确定每个选址单元的充电站利用率，并根据充电站利用率确定目标选址单元。由于充电站选址步骤中得到的选址单元可能并非最优选址单元，为保证得到最优的充电站选址单元，可通过熵值法，合理分配各种因素的权重，优化候选站址，从而得到最优的充电站站址。

由上述内容可知，本申请所提供的方案利用大数据技术，结合随机森林等机器学习算法，准确定位并筛选出候选充电站站址；依据影响充电站选址的关键因素，应用熵值法，合理分配各种因素的权重，优化候选站址。从而可以得出，本发明方法可以迅速而准确地为地区充电站选择最优地址。

实施例2

根据本发明实施例，还提供了一种充电站选址装置的实施例，需要说明的是，该装置可执行实施例1所提供的充电站选址方法，其中，图3是根据本发明实施例的充电站选址装置的结构示意图，如图3所示，该装置包括：获取模块301、处理模块303以及确定模块305。

其中，获取模块301，用于获取多个选址单元的指标数据，其中，每个选址单元与至少一个充电站对应；处理模块303，用于基于预设模型对多个选址单元的指标数据进行处理，得到每个选址单元的充电站利用率，其中，预设模型为使用多组数据通过机器学习算法得到的，多组数据中的每组数据包括：每个选址单元的指标数据以及每个选址单元的充电站利用率；确定模块305，用于根据充电站利用率从多个选址单元中确定目标选址单元。

此处需要说明的是，上述获取模块301、处理模块303以及确定模块305对应于实施例1中的步骤s102至步骤s106，三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。

在一种可选的方案中，获取模块包括：第一获取模块以及抽取模块。其中，第一获取模块，用于获取多个选址单元对应的区域信息；抽取模块，用于基于预设指标体系从多个选址单元对应的区域信息中抽取多个选址单元对应的指标数据，其中，预设指标体系包括多个指标等级，每个指标等级对应多个指标。

在一种可选的方案中，充电站选址装置还包括：第二获取模块以及构建模块。其中，第二获取模块，用于获取历史充电站信息，其中，历史充电站信息包括如下至少之一：每个指标等级对应的指标数据以及每个充电站的利用率；构建模块，用于基于随机森林算法对历史充电站信息进行有监督机器学习，得到预设模型。

在一种可选的方案中，确定模块包括：比对模块、第一确定模块以及第二确定模块。其中，比对模块，用于对多个选址单元的充电站利用率以及预设利用率进行比较，得到比对结果；第一确定模块，用于根据比对结果确定多个选址单元对应的充电站使用等级；第二确定模块，用于根据充电站使用等级从多个选址单元中确定目标选址单元。

在一种可选的方案中，第二确定模块包括：第三确定模块、第四确定模块、第五确定模块以及第六确定模块。其中，第三确定模块，用于根据充电站使用等级从多个选址单元中确定至少一个候选单元；第四确定模块，用于确定至少一个候选单元对应的校正指标的离散值；第五确定模块，用于根据校正指标的离散值确定每个候选单元对应的指标分数；第六确定模块，用于选取指标分数大于预设指标分数的候选单元作为目标选址单元。其中，校正指标包括如下至少之一：配网资源指标、成本评估指标、路网资源指标。

实施例3

根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行实施例1所提供的充电站选址方法。

实施例4

根据本发明实施例的另一方面，还提供了一种存储介质，该处理器用于运行程序，其中，程序运行时执行实施例1所提供的充电站选址方法。

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。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。