具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式。相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构，因而将省略对它们的重复描述。

图1是本发明的充电区域充电余量评估方法的一种实施例的流程图。本发明的实施例提供一种充电区域充电余量评估方法，包括以下步骤：

S110、获取待评估充电桩所在充电区域的历史功率信息。

具体而言，待评估充电桩所在充电区域的历史功率信息可以自电路部门侧的网元设备获取。网元设备例如可以采用电信网络与其它设备进行通信。由于电信网络或者其它网络供应商的网络的高覆盖了，从而能够在步骤S110获得电路部门侧的充电区域的历史功率信息。

S120、根据所述历史功率信息训练功率预测模型，并获取所述功率预测模型预测输出的所述充电区域的总常规用电功率。

具体而言，所述功率预测模型可以根据所述历史功率信息中的环比功率数据进行训练，且所述功率预测模型可以根据所述历史功率信息中的同比功率数据进行测试。由此，提高功率预测模型的预测准确率。

具体而言，步骤S120可以通过如下步骤来实现：根据所述历史功率信息中的环比功率数据执行所述功率预测模型的当前轮次的训练；获取当前轮次的功率预测模型基于所述环比功率数据，预测输出的所述充电区域的准总常规用电功率；随机获取所述历史功率信息中的同比功率数据作为所述充电区域的测试总常规用电功率；根据所述准总常规用电功率以及所述测试总常规用电功率，计算当前轮次的功率预测模型的拟合度；判断当前轮次的功率预测模型的拟合度是否位于设定拟合范围内；若是，则基于所述准总常规用电功率确定所述总常规用电功率；若否，则根据所述历史功率信息中的环比功率数据执行所述功率预测模型的下一轮次的训练。

由此，可以通过拟合度的计算和判断作为功率预测模型的迭代结束的依据，本发明并非以此为限制。进一步地，上述步骤将结合图4进行展开说明和阐述，在此不予赘述。

进一步地，所述功率预测模型例如可以包括多个回归模型，每个回归模型例如可以具有时间属性。例如，回归模型例如可以是每日不同时刻用电回归模型、休息日每日功率回归模型、非休息日每日功率回归模型、夏季每日功率回归模型、冬季每日功率回归模型、春节每日功率回归模型中的一个或多个回归模型。通过多个具有不同时间属性的回归模型，从而可以预测不同时间属性的总常规用电功率，进一步基于所预测的不同时间属性的总常规用电功率，可以提供总的功率预测模型的预测准确率。

S130、根据所述充电区域的最大功率以及所述总常规用电功率计算所述充电区域的估计供电余量。

具体而言，所述充电区域的最大功率可以根据从供电部门的网元设备获取的充电区域的变压器额定容量信息以及实际功率因数信息，推算获得。估计供电余量为所述充电区域的最大功率与所述总常规用电功率之差。

进一步地，所述估计供电余量为功率信息。为了更直观地向用户提供供电余量信息，可以在步骤S130之后计算估计供电余量与所述单个充电桩功率之比，从而可以获得供电余量能够为多少车辆供电的信息。

对于目前的方式存在的缺陷：1)为用户推荐充电区域的应用没有考虑充电桩所在充电区域的用电负荷，导致用户根据推荐信息到达充电区域之后发生充电区域充电桩不开放的问题；2)由于各方受限于网络以及信息的隔离，目前的充电厂商或者充电区域的管理服务器仅能根据有限区域的用电信息对充电服务的状况进行片面的分析；3)受网络限制，建立的用户充电行为模型仅仅适用于特定配电区域，且未考虑电力部门与充电区域相关的功率数据；4)仅使用蒙特卡洛方法、随机森林等分类、聚类算法来建立、优化用户未来可能的充电行为模型，预测用户车辆充电时对区域电网造成的负荷以及可能的用电量，而无法获取电力部门侧与充电区域相关的近几年的功率数据进行更为准确的判断；5)没有对充电区域当前或者未来某一时段还允许进行充电的充电余量信息的预测，以便于向用户进行推送，提高用户充电体验。

本发明根据待评估充电桩所在充电区域的历史功率信息，训练功率预测模型，并获取所述功率预测模型预测输出的所述充电区域的总常规用电功率，并根据基于所述总常规用电功率计算所述充电区域的估计供电余量。由此，一方面，考虑到充电桩所在充电区域的用电负荷，避免用户根据推荐信息到达充电区域之后发生充电区域充电桩不开放的问题；另一方面，能够通过待评估充电桩所在充电区域的历史功率信息实现充电区域的充电服务的全面分析；再一方面，能够对充电区域当前或者未来某一时段还允许进行充电的充电余量信息的估计，以便于向用户进行推送，提高用户充电体验。

图2是本发明的充电区域充电余量评估方法的另一种实施例的流程图。如图2所示，该充电区域充电余量评估方法，在图1实施例中步骤S110、S120、S130的基础上，还包括步骤S100、S140-S170，以下按照步骤顺序逐个说明。

S100、接收充电余量评估请求。

具体而言，所述充电余量评估请求基于用户于候选充电桩中对待评估充电桩的选择触发生成，所述充电余量评估包括所述待评估充电桩的位置信息。

具体而言，充电余量评估请求可以在安装于用户设备的应用程序中生成。用户设备可以包括但不限于智能手机、平板电脑、笔记本电脑、台式电脑、车载设备等。进一步地，前述的应用程序可以获取用户车辆的剩余电量、用户车辆的当前位置、用户车辆的目的地信息。该些信息可以用于计算出路径信息，以便于并在路径信息沿途的充电桩中根据状态信息获取可用或者空闲的充电桩信息作为候选充电桩，提供给用户。用户通过在应用程序中对该些候选充电桩的操作，选取待评估充电桩，以生成充电余量评估请求。

S110、获取待评估充电桩所在充电区域的历史功率信息。

具体而言，待评估充电桩所在充电区域的历史功率信息可以自电路部门侧的网元设备获取。网元设备例如可以采用电信网络与其它设备进行通信。由于电信网络或者其它网络供应商的网络的高覆盖了，从而能够在步骤S110获得电路部门侧的充电区域的历史功率信息。

S120、根据所述历史功率信息训练功率预测模型，并获取所述功率预测模型预测输出的所述充电区域的总常规用电功率。

具体而言，所述功率预测模型可以根据所述历史功率信息中的环比功率数据进行训练，且所述功率预测模型可以根据所述历史功率信息中的同比功率数据进行测试。由此，提高功率预测模型的预测准确率。

具体而言，步骤S120可以通过如下步骤来实现：根据所述历史功率信息中的环比功率数据执行所述功率预测模型的当前轮次的训练；获取当前轮次的功率预测模型基于所述环比功率数据，预测输出的所述充电区域的准总常规用电功率；随机获取所述历史功率信息中的同比功率数据作为所述充电区域的测试总常规用电功率；根据所述准总常规用电功率以及所述测试总常规用电功率，计算当前轮次的功率预测模型的拟合度；判断当前轮次的功率预测模型的拟合度是否位于设定拟合范围内；若是，则基于所述准总常规用电功率确定所述总常规用电功率；若否，则根据所述历史功率信息中的环比功率数据执行所述功率预测模型的下一轮次的训练。

由此，可以通过拟合度的计算和判断作为功率预测模型的迭代结束的依据，本发明并非以此为限制。进一步地，上述步骤将结合图4进行展开说明和阐述，在此不予赘述。

进一步地，所述功率预测模型例如可以包括多个回归模型，每个回归模型例如可以具有时间属性。回归模型例如可以是功率与时间的函数。例如，回归模型例如可以是每日不同时刻用电回归模型、休息日每日功率回归模型、非休息日每日功率回归模型、夏季每日功率回归模型、冬季每日功率回归模型、春节每日功率回归模型中的一个或多个回归模型。通过多个具有不同时间属性的回归模型，从而可以预测不同时间属性的总常规用电功率，进一步基于所预测的不同时间属性的总常规用电功率，可以提供总的功率预测模型的预测准确率。

具体而言，所述功率预测模型可以预测输出实时的或者用户预计到达所述待评估充电桩的时刻的总常规用电功率。在功率预测模型预测输出用户预计到达所述待评估充电桩的时刻的总常规用电功率的实施例中，用户预计到达所述待评估充电桩的时刻可以在根据用户车辆的当前位置以及待评估充电桩的位置进行预测获得。进一步地，用户预计到达所述待评估充电桩的时刻也可以是用户于应用程序中自行选择的到达时间。在一些实施例中，用户预计到达所述待评估充电桩的时刻可以包含在电余量评估请求中。在另一些实施例中，用户预计到达所述待评估充电桩的时刻也可以基于电余量评估请求中信息实时计算获得。本发明可以实现更多的变化方式，在此不予赘述。

S130、根据所述充电区域的最大功率以及所述总常规用电功率计算所述充电区域的估计供电余量。

具体而言，所述充电区域的最大功率可以根据从供电部门的网元设备获取的充电区域的变压器额定容量信息以及实际功率因数信息，推算获得。估计供电余量为所述充电区域的最大功率与所述总常规用电功率之差。

S140、获取待评估充电桩所在充电区域的空闲充电桩总数以及单个充电桩功率。

具体而言，待评估充电桩所在充电区域的空闲充电桩总数以及单个充电桩功率可以自充电区域附近的充电桩侧的网元设备中获取。充电桩侧的网元设备例如可以是商场停车场或者其它停车场侧的网元设备。

S150、根据充电区域的空闲充电桩总数以及单个充电桩功率计算所述充电区域的空闲充电桩的总功率数据。

具体而言，所述充电区域的空闲充电桩的总功率数据为充电区域的空闲充电桩总数以及单个充电桩功率的乘积。

S160、将所述充电区域的空闲充电桩的总功率数据与所述充电区域的估计供电余量中数值较小数据作为基准余量。

S170、根据所述基准余量计算所述充电区域的充电余量信息。

具体而言，充电余量信息可以推送至用户的应用程序中。为了更直观的使用户获得充电余量信息，可以使得所述充电余量信息为所述基准余量与所述单个充电桩功率之比，也可以余量可充电的车辆数。

进一步地，当用户选择多个不同的待评估充电桩时，可以重复上述步骤S110至步骤S170，以分别向用户推送多个不同的待评估充电桩时的充电余量信息，由此，用户可以根据获得的充电余量信息到有足够充电余量(辆数)的充电区域进行充电。

进一步地，图2示出本发明的一个具体实现方式，各步骤的合并、拆分、执行顺序的变化，皆在本发明的保护范围之内。

本发明依托运营商网络的高覆盖率，结合电力部门、充电区域的功率数据，能够很据应用程序推荐信息逐一为用户提供不同充电区域的充电余量(辆)评估，核实充电桩实际的可用性，供用户决策。本发明根据电力部门与充电区域相关的环比与同比功率数据训练、测试、优化各回归模型。本发明的功率预测模型在计算功率预测值时能够根据各回归模型的拟合度的范围来调节各回归模型的权重。

此外，本发明能引导新能源车车主避开推荐充电桩所在充电区域用电高峰，错峰使用充电区域的充电服务。本发明还能协助用户核实充电服务公司的充电桩推荐信息的可信度，增加运营商用户的粘度。在这个过程中，本发明还能实现运营商服务器与电力部门、充电楼宇物业、充电服务提供商服务器之间的通讯和交互，在获取了更加全面的数据之后向用户提供高附加值、差异化的数据分析服务。

下面参见图3，图3是本发明的充电区域充电余量评估系统运行的示意图。

首先是步骤S1：用户201向其用户设备的应用程序203提供车辆剩余电路、用户车辆当前位置信息(或者用户当前位置信息)以及目的地信息。

步骤S1可以由用户201输入实现，也可以由用户设备的应用程序203自定位模块或者其它具有导航功能的应用程序处自动获取，本发明并非以此为限制。

步骤S2：应用程序203将车辆剩余电路、用户车辆当前位置信息(或者用户当前位置信息)以及目的地信息发送至网管平台206。

步骤S3：网管平台206将车辆剩余电路、用户车辆当前位置信息(或者用户当前位置信息)以及目的地信息发送至用户信息获取模块207。

步骤S4：用户信息获取模块207将用户车辆当前位置信息(或者用户当前位置信息)以及目的地信息发送至行车路径获取模块208。

步骤S5：行车路径获取模块208将根据用户车辆当前位置信息(或者用户当前位置信息)以及目的地信息获得的行车路径发送至充电桩的状态分布信息获取模块209。

步骤S6：充电桩的状态分布信息获取模块209将形成路径沿途和周边的充电桩状态分布信息发送至充电桩获取模块210。

步骤S7：充电桩获取模块210根据充电桩状态分布信息将可用以及空闲的充电桩作为候选充电桩发送至网管平台206。

步骤S8：网管平台206将候选充电桩信息推送至应用程序203。

步骤S9：应用程序203将候选充电桩信息显示给用户201。

步骤S10：用户201于应用程序203中，自候选充电桩信息选择待评估充电桩，并确定生成充电余量评估请求，输入或者由应用程序203自动获取待评估充电桩的位置信息。

步骤S11：应用程序203根据待评估充电桩的位置信息确定用户预计到达所述待评估充电桩的时刻，并将充电余量评估请求、充电桩的位置信息、用户预计到达所述待评估充电桩的时刻发送至网管平台206。

充电桩的位置信息、用户预计到达所述待评估充电桩的时刻例如可以包含在充电余量评估请求内。

步骤S12：网管平台206将待评估充电桩的位置信息发送至电力部门侧的电信网元设备204。

步骤S13：电力部门侧的电信网元设备204将待评估充电桩的位置信息发送至电力部门202。

步骤S14：电力部门202将待评估充电桩的位置信息所处的充电区域的历史功率信息发送至电信网元设备204。

在一些实施例中，充电区域例如可以预先划分，由此，当获得待评估充电桩的位置信息时，即可根据待评估充电桩的位置信息落入的充电区域，确定待评估充电桩所处的充电区域。在另一些实施例中，充电区域可以设定为待评估充电桩的位置信息设定距离范围内的区域，由此，充电区域随待评估充电桩的位置动态变化，本发明并非以此为限制。

历史功率信息包括充电区域最近设定时间段(例如6个月、1年、2年、3年等，本发明并非以此为限制)的每日不同时刻的功率信息。

步骤S15：电信网元设备204将待评估充电桩的位置信息所处的充电区域的历史功率信息发送至网管平台206。

步骤S16：网管平台206将待评估充电桩的位置信息所处的充电区域的历史功率信息发送至常规功率评估模块211。

步骤S17：充电桩侧的电信网元设备205将充电区域的空闲充电桩总数m_空闲以及单个充电桩功率P_充电桩发送至网管平台206。

具体而言，充电桩侧的电信网元设备205还可以将充电区域的各充电桩A-N的使用状态信息一并发送给网管平台206。

步骤S18：网管平台206将充电区域的空闲充电桩总数m_空闲以及单个充电桩功率P_充电桩(和各充电桩A-N的使用状态信息)发送至供电负荷评估模块212。

步骤S19：常规功率评估模块211通过功率与时间的功率预测模型环比地预测所述充电区域的总常规用电功率，通过历史功率信息的同比功率信息检测并优化功率预测模型输出最优的指定时间的总常规用电功率P_常规总，并发送至供电负荷评估模块212。

步骤S20：网管平台206根据从供电部门侧的网元设备204获取的充电区域的变压器额定容量信息以及实际功率因数信息，推算获得充电区域的最大功率P_最大，并发送至供电负荷评估模块212。

步骤S21：供电负荷评估模块212将所述充电区域的最大功率P_最大与所述总常规用电功率P_常规总之差作为估计供电余量P_供电余量＝P_最大-P_常规总，根据充电区域的空闲充电桩总数m_空闲以及单个充电桩功率P_充电桩计算所述充电区域的空闲充电桩的总功率数据P_空闲＝m_空闲*P_充电桩，将所述充电区域的空闲充电桩的总功率数据P_空闲与所述充电区域的估计供电余量P_供电余量中数值较小数据作为基准余量，根据所述基准余量计算所述充电区域的充电余量信息m_充电余量＝min(P_空闲，P_供电余量)/P_充电桩，将所述充电区域的充电余量信息m_充电余量发送至网管平台206。

步骤S22：网管平台206将充电余量信息m_充电余量推送至应用程序203。

应用程序203可向用户显示充电余量信息m_充电余量。进一步地，当用户选择多个不同的待评估充电桩时，可以重复上述步骤S10至步骤S21，以分别向用户推送多个不同的待评估充电桩时的充电余量信息，由此，用户可以根据获得的充电余量信息到有足够充电余量(辆数)的充电区域进行充电。

以上仅仅是示意性地描述本发明的具体实现方式，本发明并非也以此为限制，步骤的拆分、合并、执行顺序的变化、模块的拆分、合并、信息传输的变化皆在本发明的保护范围之内。

图4是本发明的实现充电区域的总常规用电功率的示意图。本发明采用了包括多个回归模型的功率预测模型，通过建立充电区域整体的功率信息(千瓦)与时间之间的函数关系来预估充电区域设定时刻的常规用电功率。如附图4所示，从电力部门获取的充电区域的历史功率信息中环比功率数据301和同比功率数据302分别作为训练数据集、测试数据集提供给功率预测模型中的不同回归模型。

如图4所示，功率预测模型包括多个具有不同时间属性的回归模型(例如具有第一时间属性的第一回归模型303、具有第二时间属性的第二回归模型305、具有第三时间属性的第三回归模型307等)。在一个具体实现中，功率预测模型可以包括6个具有不同时间属性的回归模型(每日不同时刻功率回归模型、休息日每日不同时刻功率回归模型、非休息日每日不同时刻功率回归模型、夏季每日不同时刻功率回归模型、冬季每日不同时刻功率回归模型、春节每日不同时刻功率回归模型)，从而充电区域的历史功率信息中环比功率数据301和同比功率数据302可以分别划分为6个具有不同时间属性的数据集：每日不同时刻功率数据集、休息日每日不同时刻功率数据集、非休息日每日不同时刻功率数据集、夏季每日不同时刻功率数据集、冬季每日不同时刻功率数据集、春节每日不同时刻功率数据集。

在附图2中，每一类数据集中环比功率数据(实线箭头)用于训练对应的回归模型(第一回归模型303至第三回归模型307)，比如每日不同时刻功率数据集用于训练每日功率回归模型。依次类推，六个数据集分别对应每日不同时刻用电回归模型、休息日每日功率回归模型、非休息日每日功率回归模型、夏季每日功率回归模型、冬季每日功率回归模型、春节每日功率回归模型。各回归模型分别估计设定时刻的功率(千瓦)数据，分别记为P_常规1i、P_常规2i、P_常规3i、P_常规4i、P_常规5i、P_常规6i。

每一类数据集中同比功率数据(虚线箭头)是作为测试数据来验证各自对应的回归模型的准确性，是通过随机获取功率数据304、306、308的步骤随机获取的功率数据，可分别标记为P_测试1i、P_测试2i、P_测试3i、P_测试4i、P_测试5i、P_测试6i。

结合上一部分的常规功率预测结果，附图4中的模型评估模块309验证各个回归模型的有效性，比如R₁(P_测试1i，P_常规1i)比较的是每日功率回归模型的拟合度。具体的公式如下：

公式中的i代表训练迭代次数，n代表测试样本数量，可以人工调节。进行测试时i为1～n之间的整数。类似地，春节每日功率回归模型对应的拟合函数为：

其中，R₆比较的是春节每日功率回归模型的拟合度。依次类推，可以得出其他4个拟合值R₂～R₅。各拟合值的正常范围在0.4到0.8之间(可以按需设置)，其中i训练迭代次数与n样本数量可以人工调节。

功率预测模型根据拟合值是否超出范围310来调节加权平均值计算步骤311中各回归模型的权重，可以进行权重调整312以及迭代下一轮次的模型训练，例如将正常范围外的模型的权重调小。各回归模型的权重在初始时一样，随后会根据测试结果进行调整。其中，各权重值a_j与拟合函数的关系可以为当0.8<R_j≤1或者0≤R_j<0.4，a_j＝M/R_j ²，即反向相关关系；a_j＝M*R_j ²，当0.4≤R_j≤0.8。整个估计方法会循环进行直到拟合值在可接受范围(0.4～0.8)之内。加权平均值计算步骤的结果P_常规总作为常规功率评估模块的设定时刻的常规用电功率预测结果，公式为：

以上仅仅是示意性的描述本发明的一种实现方式，本发明并非以此为限制。

在本发明中，参考电力部门的每日不同时刻的环比功率数据(千瓦)和同比功率数据(千瓦)来进行训练、检验、优化之后，与现有技术相比功率预测模型的各回归模型的拟合度稳定在设定范围内(例如可以按需设置为0.4到0.65)，避免了过拟合欠和欠拟合问题；功率预测模型最终的加权平均值计算步骤通过调节各回归模型预测值的权重，强调了在本案场景中能够引入实时变量修正预测结果，如气温、时间等，因此预测准确率可达93％，比现有预测模型的准确率提升了5％～10％；本发明依托运营商网络的覆盖率，能够更全面地进行数据的预测和分析，使用户找到实际可用充电服务的时间平均减少了40～50分钟。

由此，本发明可以实现如下有益效果：

1)降低了新能源车车主根据推荐信息到达公用充电桩后充电服务不开放的概率，进一步引导新能源车车主避开推荐充电桩所在充电区域用电高峰，错峰使用充电区域的充电服务。

2)对用户获取的充电推荐信息做出补充，协助用户核实应用程序充电服务推荐信息的可信度，进而增加运营商用户的粘度。

3)提供包括电力部门、充电区域物业部门、运营商用户在内的运营商合作方服务器以及设备之间的数据接口，在获取了更加全面的数据之后向用户提供高附加值、差异化的数据分析服务。

下面提供本发明的多个具体实施例：

实施例1：冬季商城甲充电余量不足

冬天某一周末下午3点，用户一家有2辆电动车需要进行充电。用户获取充电服务推荐应用程序提供的推荐充电桩A信息，打算核实充电桩A所在商场甲的充电余量(还允许几辆车来充电区域同时进行充电)。用户提交充电桩A的位置信息后，网管平台根据位置信息从电力部门侧的电信网元设备获取商场甲近几年的每日不同时刻功率信息，并提供给常规功率评估模块。该模块选取其中前几个月的环比功率数据对功率预测模型中的各回归模型进行训练，选取前几年的同比数据来验证功率预测模型中各回归模型的准确性。经过测试后发现休息日每日功率回归模型的拟合函数R₂的值和冬季每日功率回归模型的拟合函数R₅的值都在0.4和0.8区间内，其余R₁、R₃、R₄、R₆的值均大于0.8。

鉴于R₁、R₃、R₄、R₆对应的各回归模型的权重a_j与对应的拟合函数R_j的平方值成反比(见附图4)，每日功率回归模型、非休息日每日功率回归模型、春季每日功率回归模型、春节每日功率回归模型对应的预测值(即P_常规1、P_常规3、P_常规4、P_常规6)的权重会相应下调。功率预测模型结构再次随机选取不同时刻功率数据集进行训练和测试之后，发现R₁～R₆的值均在0.4到0.8区间内。功率预测模型随即按照现有权重进行加权平均计算，得出当前时间点的常规功率预测值。

供电负荷评估模块随即根据电力部门获得的变压器额定容量信息以及实际功率因数信息得出商场甲的最大功率。在获取了最大功率与常规功率估计值的差值之后，供电负荷评估模块根据商场甲侧的电信网元节点传来的现场空闲充电桩的总功率数据比较二者之后取其中的较小值；在除以现场单个充电桩的功率值之后，向用户提示商场甲还允许1辆车进行充电,即充电余量为1辆。用户随即调整目的地，寻找其他充电区域的空闲充电桩。

实施例2：商城乙充电余量足够

3月份某周三早上11点，用户有1辆汽车需要充电，通过充电服务推荐应用程序提供的充电桩A的位置与信息之后提交了充电桩A所在商场乙的充电余量评估请求。网管平台根据充电桩A的位置信息从电力部门侧的电信网元节点获取商场乙近几年的每日不同时刻功率信息，取其中的前几个月的环比数据来训练各回归模型，然后进行当前时刻商场乙的常规功率值的预测。

网管平台通过从电力部门获取的数据集中的同比数据对各模型的预测结果进行检验，发现非休息日每日功率回归模型和每日功率回归模型的拟合函数R₃(P_测试3i，P_常规3i)和R₁(P_测试1i，P_常规1i)的值在0.4与0.8的区间内。其余4个模型的预测值R₂(P_测试2i，P_常规2i)、R₅(P_测试5i，P_常规5i)小于0.4，R₆(P_测试6i，P_常规6i)、R₄(P_测试4i，P_常规4i)大于0.8。由于R₂、R₄、R₅、R₆拟合函数的值与预测功率值的权重a_j呈反比关系，而R₁与R₃的拟合值与a_j呈正比关系。因此，P_常规2、P_常规4、P_常规5、P_常规6对应的权重a₂、a₄、a₅、a₆会下调，而a₁和a₃相对增加。功率预测模型结构再次随机选取不同时刻功率数据集进行训练和测试若干次之后，发现R₁～R₆的值均在0.4到0.8区间内。最终的加权平均值作为常规功率预测结果。

供电负荷评估模块随即通过充电区域侧的网元节点以及电力部门侧网元节点分别获取现场的空闲充电桩的总功率值和商场乙的最大功率值。结合前面的常规功率预测值以及商场乙的最大功率值，供电负荷评估模块得出商场乙的供电余量，再与商场乙的空闲充电桩总功率做比较，取二者中的较小值除以现场单个充电桩的功率值，得出商场乙的充电余量为3辆。用户随即前往商场乙进行充电，并在途中不定期关注商场乙的充电余量信息。

由此，本发明与现有技术的差异主要在于：

现有技术受网络限制，建立的用户充电行为模型仅仅适用于特定充电站，且未考虑电力部门与充电区域相关的功率数据，而本发明根据用户需求逐一获取电力部门关于不同充电区域的每日不同时刻功率数据训练、测试各回归模型。

现有技术使用蒙特卡洛方法、随机森林等分类、聚类算法来建立、优化用户未来可能的充电行为模型，然后进行预测。而本发明根据电力部门的功率数据中的环比功率数据(千瓦)和同比功率数据(千瓦)训练、检验、优化功率预测模型中各回归模型的拟合度，得出最优解。

现有技术未根据拟合度范围调节回归模型的权重。而本发明经过检验，功率预测模型中各回归模型的拟合度设定范围(例如0.4和0.8)范围外时与回归模型的权重呈反比；反之则呈正比。计算功率预测值时的各模型的权重按此规则调整。

现有技术均未提供充电余量(辆)信息。而本发明比较充电区域的供电余量与总的空闲充电桩功率取其中的较小值后，除以单个充电桩功率值后获得充电余量信息(辆)，再向用户推送该信息。

图5是本发明的充电区域充电余量评估系统的一种实施例的模块示意图。本发明的充电区域充电余量评估系统400，如图5所示，包括但不限于：

获取模块410配置成获取待评估充电桩所在充电区域的历史功率信息。

功率预测模块420配置成根据所述历史功率信息训练功率预测模型，并获取所述功率预测模型预测输出的所述充电区域的总常规用电功率。

余量估计模块430配置成根据所述充电区域的最大功率以及所述总常规用电功率计算所述充电区域的估计供电余量。

上述模块的实现原理参见充电区域充电余量评估方法中的相关介绍，此处不再赘述。

本发明的充电区域充电余量评估系统能够根据待评估充电桩所在充电区域的历史功率信息，训练功率预测模型，并获取所述功率预测模型预测输出的所述充电区域的总常规用电功率，并根据基于所述总常规用电功率计算所述充电区域的估计供电余量。由此，一方面，考虑到充电桩所在充电区域的用电负荷，避免用户根据推荐信息到达充电区域之后发生充电区域充电桩不开放的问题；另一方面，能够通过待评估充电桩所在充电区域的历史功率信息实现充电区域的充电服务的全面分析；再一方面，能够对充电区域当前或者未来某一时段还允许进行充电的充电余量信息的估计，以便于向用户进行推送，提高用户充电体验。

图6是本发明的充电区域充电余量评估系统的另一种实施例的模块示意图。如图6所示，在图4所示装置实施例的基础上，本发明的充电区域充电余量评估系统400’包括但不限于：接收模块401、第一获取模块410、功率预测模块420、余量估计模块430、第二获取模块440、空闲总功率计算模块450、基准余量确定模块460以及余量信息计算模块470。

接收模块401配置成接收充电余量评估请求。

第一获取模块410配置成获取待评估充电桩所在充电区域的历史功率信息。

功率预测模块420配置成根据所述历史功率信息训练功率预测模型，并获取所述功率预测模型预测输出的所述充电区域的总常规用电功率。

余量估计模块430配置成根据所述充电区域的最大功率以及所述总常规用电功率计算所述充电区域的估计供电余量。

第二获取模块440配置成获取待评估充电桩所在充电区域的空闲充电桩总数以及单个充电桩功率。

空闲总功率计算模块450配置成根据充电区域的空闲充电桩总数以及单个充电桩功率计算所述充电区域的空闲充电桩的总功率数据。

基准余量确定模块460配置成将所述充电区域的空闲充电桩的总功率数据与所述充电区域的估计供电余量中数值较小数据作为基准余量。

余量信息计算模块470配置成根据所述基准余量计算所述充电区域的充电余量信息。

上述模块的实现原理参见充电区域充电余量评估方法中的相关介绍，此处不再赘述。

图5和图6仅仅是示意性的分别示出本发明提供的充电区域充电余量评估系统400以及400’，在不违背本发明构思的前提下，模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的充电区域充电余量评估系统400以及400’可以由软件、硬件、固件、插件及他们之间的任意组合来实现，本发明并非以此为限。

本发明实施例还提供一种充电区域充电余量评估设备，包括处理器。存储器，其中存储有处理器的可执行指令。其中，处理器配置为经由执行可执行指令来执行的充电区域充电余量评估方法的步骤。

如上所示，该实施例本发明的充电区域充电余量评估系统能够结合充电区域的历史功率信息进行估计供电余量的预测。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。

图7是本发明的充电区域充电余量评估设备的结构示意图。下面参照图7来描述根据本发明的这种实施方式的电子设备600。图7显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。

其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述充电区域充电余量评估方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。

本发明实施例还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的充电区域充电余量评估方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述充电区域充电余量评估方法部分中描述的根据本发明各种示例性实施方式的步骤。

如上所示，该实施例本发明的充电区域充电余量评估系统能够结合充电区域的历史功率信息进行估计供电余量的预测。

图8是本发明的计算机可读存储介质的结构示意图。参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

综上，根据待评估充电桩所在充电区域的历史功率信息，训练功率预测模型，并获取所述功率预测模型预测输出的所述充电区域的总常规用电功率，并根据基于所述总常规用电功率计算所述充电区域的估计供电余量。由此，一方面，考虑到充电桩所在充电区域的用电负荷，避免用户根据推荐信息到达充电区域之后发生充电区域充电桩不开放的问题；另一方面，能够通过待评估充电桩所在充电区域的历史功率信息实现充电区域的充电服务的全面分析；再一方面，能够对充电区域当前或者未来某一时段还允许进行充电的充电余量信息的估计，以便于向用户进行推送，提高用户充电体验。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。