技术特征：
1.一种充电兼容性评估方法，其特征在于，包括：根据充电桩的下层指标，确定所述下层指标对上层指标的第一指标权重，以及下层指标对总目标的第二指标权重，其中，所述总目标包括：至少一个上层指标，每个所述上层指标包括至少一个所述下层指标；识别所述下层指标所对应的评价指标值；根据所述下层指标的所述评价指标值、所述第一指标权重、和所述第二指标权重，确定充电桩兼容性综合评估值。2.根据权利要求1所述的方法，其特征在于，在所述充电桩为直流充电桩的情况下，所述上层指标包括：电气性能、互通性、协议一致性和功能；所述下层指标包括：与所述电气性能对应的低压辅助电源、恒功率输出、输出电压误差、输出电流误差、输出电压测量误差、输出电流测量误差、稳压精度、稳流精度、限压特性、限流特性、纹波系数；与所述互通性对应的充电模式和连接方式、接口互操作性、连接状态、充电控制时序、充电控制异常响应、充电状态异常响应；与所述协议一致性对应的报文周期、报文格式、报文内容、超时报文处理；与所述功能对应的显示功能、输入功能、充电功能。3.根据权利要求1所述的方法，其特征在于，在所述充电桩为交流充电桩的情况下，所述上层指标包括：互通性、电气性能和功能；所述下层指标包括：与所述互通性对应的充电模式和连接方式、接口互操作性、连接状态、充电控制时序、充电控制异常响应、充电状态异常响应；与所述电气性能对应的电气性能；与所述功能对应的显示功能、输入功能、充电功能。4.根据权利要求1所述的方法，其特征在于，根据充电桩的下层指标，确定所述下层指标对上层指标的第一指标权重，以及下层指标对总目标的第二指标权重包括：采集所述下层指标；使用第一模型对所述下层指标，确定所述下层指标相对于所述上层指标的第一指标权重，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：预先确定的下层指标，和下层指标与上层指标之间的权重；使用第二模型对所述上层指标，确定所述上层指标相对于所述总目标的第二指标权重，其中，所述第二模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：预先确定的上层指标，和上层指标与总目标之间的权重。5.根据权利要求1所述的方法，其特征在于，根据充电桩的下层指标，识别所述下层指标所对应的评价指标值包括：识别所述下层指标的指标类型，其中，所述指标类型包括：定量指标值和定性指标值；在所述下层指标为定量指标值的情况下，基于所述下层指标与对应指标最优值之间的差异确定所述评价指标值；在所述下层指标为定性指标值的情况下，采用集值统计分析法确定所述评价指标值。6.一种充电兼容性评估装置，其特征在于，包括：第一确定单元，用于根据充电桩的下层指标，确定所述下层指标对上层指标的第一指标权重，以及下层指标对总目标的第二指标权重，其中，所述总目标包括：至少一个上层指标，每个所述上层指标包括至少一个所述下层指标；识别单元，用于识别所述下层指标所对应的评价指标值；
第二确定单元，用于根据所述下层指标的所述评价指标值、所述第一指标权重、和所述第二指标权重，确定充电桩兼容性综合评估值。7.根据权利要求6所述的装置，其特征在于，在所述充电桩为直流充电桩的情况下，所述上层指标包括：电气性能、互通性、协议一致性和功能；所述下层指标包括：与所述电气性能对应的低压辅助电源、恒功率输出、输出电压误差、输出电流误差、输出电压测量误差、输出电流测量误差、稳压精度、稳流精度、限压特性、限流特性、纹波系数；与所述互通性对应的充电模式和连接方式、接口互操作性、连接状态、充电控制时序、充电控制异常响应、充电状态异常响应；与所述协议一致性对应的报文周期、报文格式、报文内容、超时报文处理；与所述功能对应的显示功能、输入功能、充电功能。8.根据权利要求6所述的装置，其特征在于，在所述充电桩为交流充电桩的情况下，所述上层指标包括：互通性、电气性能和功能；所述下层指标包括：与所述互通性对应的充电模式和连接方式、接口互操作性、连接状态、充电控制时序、充电控制异常响应、充电状态异常响应；与所述电气性能对应的电气性能；与所述功能对应的显示功能、输入功能、充电功能。9.一种“计算机可读存储介质”或“非易失性存储介质”，其特征在于，所述“计算机可读存储介质”或“非易失性存储介质”包括存储的程序，其中，在所述程序运行时控制所述“计算机可读存储介质”或“非易失性存储介质”所在设备执行权利要求1至5中任意一项所述的充电兼容性评估方法。10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的充电兼容性评估方法。