(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210999301.4 (22)申请日 2022.08.19 (71)申请人 国网河北省电力有限公司营销服 务 中心 地址 050000 河北省石家庄市高新区湘江 道与兴安大街交口南行100米路西电 力科技园院内C座 申请人 国网河北省电力有限公司 　 中国电力科 学研究院有限公司 　 国家电网有限公司 (72)发明人 武光华　李宏胜　张旭东　葛云龙　 汪洋　李洪宇　陈博　高菲　 (74)专利代理 机构 北京安博达知识产权代理有 限公司 1 1271 专利代理师 徐国文(51)Int.Cl. B60L 53/62(2019.01) B60L 53/63(2019.01) B60L 53/60(2019.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 20/00(2019.01) (54)发明名称 一种基于GOAP的电动汽车充电行为智能控 制系统及方法 (57)摘要 本发明提供了一种基于GOAP的电动汽车充 电行为智能控制系统及方法， 包括： 获取电动汽 车充电状态数据和电动汽车充电行为数据； 基于 所述电动汽车充电状态数据和电动汽车充电行 为数据结合预先训练好的充电行为优化模型得 到最优行为执行列表； 基于所述最优 行为执行列 表提取最优 行为执行序列， 并基于最优行为执行 序列控制电动汽车充电行为； 其中， 所述充电行 为优化模型是以所述电动汽车充电状态数据和 电动汽车充电行为数据为输入， 最优 行为执行序 列为输出进行训练得到的。 本发 明利用电动汽车 的行为和状态数据结合充电行为优化模型的方 法， 解决当前没有一套针对电动汽 车充电行为的 调控系统， 实现一套可适应不同环 境下的电动汽 车充电行为智能实时调控系统。 权利要求书2页 说明书8页 附图2页 CN 115489377 A 2022.12.20 CN 115489377 A 1.一种基于G OAP的电动汽车充电行为智能控制方法， 其特 征在于,包括： 获取电动汽车充电状态数据和电动汽车充电行为数据； 基于所述电动汽车充电状态数据和电动汽车充电行为数据结合预先训练好的充电行 为优化模型 得到最优行为执 行列表； 基于所述最优行为执行列表提取最优行为执行序列， 并基于最优行为执行序列控制电 动汽车充电行为； 其中， 所述充电行为优化模型是以所述电动汽车充电状态数据和电动汽车充电行为数 据为输入， 最优行为执 行序列为输出进行训练得到的。 2.如权利要求1所述的方法， 其特征在于， 所述充电行为优化模型包括： 枚举、 机器学习 或多目标约束。 3.如权利要求2所述的方法， 其特征在于， 当所述充电行为优化模型为枚举时， 所述枚 举的训练包括： 获取电动汽车 可执行行为状态的总数； 将所述电动汽车可执行行为状态的总数组成序列并进行筛选得到可执行目标的序列 组合， 并通过打 分得到最优序列； 由所述电动汽车可执行行为状态的总数作为充电行为优化模型的输入， 所述最优序列 为输出对所述充电行为优化模型进行训练， 得到训练好的充电行为优化模型。 4.如权利要求2所述的方法， 其特征在于， 当所述充电行为优化模型为机器学习时， 所 述机器学习训练包括： 获取电动汽车充电行为数据和电动汽车 行为状态总数； 对所述电动汽车充电行为数据和电动汽车行为状态总数以设定的最长序列长度进行 标注， 并结合损失函数 得到电动汽车最佳序列； 由所述电动汽车充电行为数据和电动汽车行为状态总数作为充电行为优化模型的输 入， 所述电动汽车最佳序列作为输出对所述充电行为优化模型进行训练， 得到训练好的充 电行为优化模型。 5.如权利要求2所述的方法， 其特征在于， 当所述充电行为优化模型为多目标约束时， 对所述多目标约束的训练包括： 获取电动汽车的充电位置和充电功率； 对所述电动汽车的充电位置和充电功率进行寻优得到所述最佳充电站 ‑按最佳充电功 率的序列； 由所述电动汽车的充电位置和充电功率作为充电行为优化模型的输入， 所述最佳充电 站‑按最佳充电功率的序列作为输出对所述充电行为优化模型进行训练， 得到训练好的充 电行为优化模型。 6.如权利要求1所述的方法， 其特征在于， 所述基于所述最优行为执行列表提取最优行 为执行序列， 并基于最优行为执 行序列控制电动汽车充电行为， 包括： 基于所述 最优行为执 行列表以设定的目标状态为标准选择最优行为执 行序列； 若所述最优行为序列满足设定的执行条件， 则控制电动汽车的充电行为， 否则， 不能控 制。 7.如权利要求1所述的方法， 其特征在于， 所述电动汽车充电状态数据和电动汽车充电权　利　要　求　书 1/2 页 2 CN 115489377 A 2行为数据包括： 电动汽车的运行状况、 地理位置、 分时电价、 电网负荷、 待机、 行驶和充电。 8.一种基于GOAP的电动汽车充电行为智能控制系统， 其特征在于， 包括： 数据接口模 块、 行为模块、 代理模块、 状态机和计划决策模块； 行为模块， 用于获取电动汽车充电状态数据； 数据接口模块， 用于获取电动汽车充电行为数据； 计划决策模块， 用于基于所述电动汽车充电状态数据和电动汽车充电行为数据 结合预 先训练好的充电行为优化模型 得到最优行为执 行列表； 代理模块， 用于基于所述最优行为执行列表提取最优行为执行序列， 并基于最优行为 执行序列控制电动汽车充电行为； 其中， 所述充电行为优化模型是以所述电动汽车充电状态数据和电动汽车充电行为数 据为输入， 最优行为执 行序列为输出进行训练得到的。 9.如权利要求8所述的系统， 其特 征在于， 所述代理模块具体用于： 基于所述 最优行为执 行列表以设定的目标状态为标准选择最优行为序列； 若所述最优行为序列满足设定的执行条件， 则控制电动汽车的充电行为， 否则， 不能控 制。 10.如权利要求9所述的系统， 其特征在于， 所述电动汽车充电状态数据和电动汽车充 电行为数据包括： 电动汽车的运行状况、 地理位置、 分时电价、 电网负荷、 待机、 行驶和充电。权　利　要　求　书 2/2 页 3 CN 115489377 A 3