一种根据AI分析基站电源配置的大数据方法与流程

一种根据ai分析基站电源配置的大数据方法
技术领域
1.本发明涉及电动汽车基站电源配置相关技术领域，尤其涉及一种根据ai分析基站电源配置的大数据方法。


背景技术：

2.随着国家新的战略政策的推广，新能源汽车，尤其是电动汽车的必将进入高速发展的道理，现阶段制约电动车发展的其中最关键的问题便是续航里程问题和充电时间问题，即电池技术，而研发更加高级的新型电池非一朝一夕之功，所以作为替代措施，为电动车提供换电池服务，是一种较为合理的操作方式，然而在换电站的配置方面，需要解决，各换电站备用电池或电源数量的问题，以期达到节省换电成本。
3.基于此，本发明研发一种根据ai分析基站电源配置的大数据方法。


技术实现要素：

4.为实现以上为电动车提供换电池服务，是一种较为合理的操作方式，然而在换电站的配置方面，需要解决，各换电站备用电池或电源数量的问题，以期达到节省换电成本的目的，本发明提供一种根据ai分析基站电源配置的大数据方法。
5.本发明的目的是通过以下技术方案实现的：
6.一种根据ai分析基站电源配置的大数据方法，包括ai动环分析平台，所述ai动环分析平台内包括有ai停电模型、负载模型及电池模型；
7.所述ai停电模型用于对辖区内的充电站停电时长、停电频次进行分析；
8.所述负载模型用于对辖区内的充电站历史负载时功率进行分析；
9.所述电池模型用于对通过对辖区内的充电站的电池容量情况进行分析；
10.所述根据ai分析基站电源配置的大数据方法的实施步骤如下：
11.步骤一：通过ai停电模型用于对辖区内一特定阶段内的各个充电站停电时长、停电频次进行分析，得出结论，进而推荐备电时长数据，并建立数据库模型；
12.步骤二：通过负载模型对辖区内一特定阶段内的充电座历史负载功率进行分析，得出推荐电池备用容量数据，建立负载数据库；
13.步骤三：通过电池模型对辖区内一特定阶段内的使用的电池类型、容量使用频率通过吧soc系统工具进行分析，得出电池使用实际需求容量数据；
14.步骤四：将分析所得的备电时长数据、电池备用容量数据、电池使用实际需求容量数据通过ai动环分析平台的智能工具计算得到推荐备电容量。
15.作为进一步说明的，所述据ai分析基站电源配置的大数据方法中采用的数据库为microsoft sql server类型数据库。
16.作为进一步说明的，所述步骤四中采用的算法为cart分类回归树算法。
17.作为进一步说明的，所述ai动环分析平台还包括有处理器、存储器。
18.作为进一步说明的，所述处理器采用meg16系列处理器。
19.综上所述，由于采用了上述技术方案，本发明与现有技术相比，有以下优点：
20.本分析方法能够根据特定范围内的车辆使用状况信息、充电站使用情况信息对车辆换电需求进行估算分析，便于换电站进行配置同等数量或容量的电池、电源，能够节约换电站运营成本以及提高换电效率。
附图说明
21.图1是本发明根据ai分析基站电源配置的大数据方法流程框架示意图。
具体实施方式
22.下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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，都属于本发明保护的范围。
23.在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
24.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
25.参照图1所示，
26.一种根据ai分析基站电源配置的大数据方法，包括ai动环分析平台，所述ai动环分析平台内包括有ai停电模型、负载模型及电池模型；所述ai停电模型用于对辖区内的充电站停电时长、停电频次进行分析；所述负载模型用于对辖区内的充电站历史负载时功率进行分析；所述电池模型用于对通过对辖区内的充电站的电池容量情况进行分析；
27.其中，所述根据ai分析基站电源配置的大数据方法的实施步骤如下：
28.步骤一：通过ai停电模型用于对辖区内一特定阶段内的各个充电站停电时长、停电频次进行分析，得出结论，进而推荐备电时长数据，并建立数据库模型；
29.步骤二：通过负载模型对辖区内一特定阶段内的充电座历史负载功率进行分析，得出推荐电池备用容量数据，建立负载数据库；
30.步骤三：通过电池模型对辖区内一特定阶段内的使用的电池类型、容量使用频率通过吧soc系统工具进行分析，得出电池使用实际需求容量数据；
31.步骤四：将分析所得的备电时长数据、电池备用容量数据、电池使用实际需求容量数据通过ai动环分析平台的智能工具采用的分析算法为cart分类回归树算法计算得到推荐备电容量。
32.作为进一步说明的，所述据ai分析基站电源配置的大数据方法中采用的数据库为microsoft sql server类型数据库。所述ai动环分析平台还包括有处理器、存储器。所述处
理器采用meg16系列处理器。
33.本分析方法能够根据特定范围内的车辆使用状况信息、充电站使用情况信息对车辆换电需求进行估算分析，便于换电站进行配置同等数量或容量的电池、电源，能够节约换电站运营成本以及提高换电效率。
34.以上所述的实施例仅用于说明本发明的技术思想及特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，不能仅以本实施例来限定本发明的专利采用范围，即凡依本发明所揭示的精神所作的同等变化或修饰，仍落在本发明的专利范围内。


技术特征：
1.一种根据ai分析基站电源配置的大数据方法，其特征在于，包括ai动环分析平台，所述ai动环分析平台内包括有ai停电模型、负载模型及电池模型；所述ai停电模型用于对辖区内的充电站停电时长、停电频次进行分析；所述负载模型用于对辖区内的充电站历史负载时功率进行分析；所述电池模型用于对通过对辖区内的充电站的电池容量情况进行分析；所述根据ai分析基站电源配置的大数据方法的实施步骤如下：步骤一：通过ai停电模型用于对辖区内一特定阶段内的各个充电站停电时长、停电频次进行分析，得出结论，进而推荐备电时长数据，并建立数据库模型；步骤二：通过负载模型对辖区内一特定阶段内的充电座历史负载功率进行分析，得出推荐电池备用容量数据，建立负载数据库；步骤三：通过电池模型对辖区内一特定阶段内的使用的电池类型、容量使用频率通过吧soc系统工具进行分析，得出电池使用实际需求容量数据；步骤四：将分析所得的备电时长数据、电池备用容量数据、电池使用实际需求容量数据通过ai动环分析平台的智能工具计算得到推荐备电容量。2.根据权利要求1所述的一种根据ai分析基站电源配置的大数据方法，其特征在于，所述据ai分析基站电源配置的大数据方法中采用的数据库为microsoft sql server类型数据库。3.根据权利要求1所述的一种根据ai分析基站电源配置的大数据方法，其特征在于，所述步骤四中采用的算法为cart分类回归树算法。4.根据权利要求1所述的一种根据ai分析基站电源配置的大数据方法，其特征在于，所述ai动环分析平台还包括有处理器、存储器。5.根据权利要求4所述的一种根据ai分析基站电源配置的大数据方法，其特征在于，所述处理器采用meg16系列处理器。

技术总结
本发明公开一种根据AI分析基站电源配置的大数据方法，包括：步骤一：通过AI停电模型用于对辖区内一特定阶段内的各个充电站停电时长、停电频次进行分析，得出结论，进而推荐备电时长数据，并建立数据库模型；步骤二：通过负载模型对辖区内一特定阶段内的充电座历史负载功率进行分析，得出推荐电池备用容量数据，建立负载数据库；步骤三：通过电池模型对辖区内一特定阶段内的使用的电池类型、容量使用频率通过吧Soc系统工具进行分析，得出电池使用实际需求容量数据；步骤四：将分析所得的备电时长数据、电池备用容量数据、电池使用实际需求容量数据通过AI动环分析平台的智能工具计算得到推荐备电容量。得到推荐备电容量。得到推荐备电容量。


技术研发人员：杨京雨
受保护的技术使用者：北京动力源科技股份有限公司
技术研发日：2021.09.15
技术公布日：2021/12/7