基于多类型大语言模型智能体对电动车辆进行智能充电的方法和系统与流程

摘要: 本公开一般地涉及电动车辆的充电调度,更具体地,涉及一种基于多类型大语言模型智能体对电动车辆进行智能充电的方法和系统。背景技术:1、随着电动车辆的普及,对电动车辆...
基于多类型大语言模型智能体对电动车辆进行智能充电的方法和系统与流程

本公开一般地涉及电动车辆的充电调度,更具体地,涉及一种基于多类型大语言模型智能体对电动车辆进行智能充电的方法和系统。

背景技术:

1、随着电动车辆的普及,对电动车辆进行智能充电的需求不断增加。在当前的智能充电领域,车辆充电站的最优分配面临着一系列复杂的挑战。

2、首先,充电站工作条件的不确定性是一个主要障碍。由于充电站的使用频率和维护情况各不相同,一些充电站可能因故障或拥堵而无法使用,而另一些充电站则可能因车辆电池电量低或距离过远而对于这些车辆不可达。此外,充电站的负载状态和充电速度的实时变化也进一步加剧了这一问题。

3、其次,其他车辆的动态行为不明确,进一步增加了充电站分配的难度。智能充电系统需要实时监测周围其他车辆的状态,包括它们的充电需求、预期充电时间、充电站排队情况等信息。然而,这些信息常常模糊不清且变化迅速。车辆的充电策略和行为并非完全可预测,这使得充电站的实时分配更加复杂。

4、最后,充电站选择与车辆未来行程规划之间的一致性问题也是一个重大挑战。在分配充电站时,智能充电系统必须综合考虑车辆当前的电量水平、充电站的地理位置以及车辆的未来行程规划。如果充电站的选择不符合车辆的行驶路线,可能会导致不必要的绕路和时间浪费,从而影响车辆的整体效率和用户体验。

技术实现思路

1、本公开旨在提供一种基于多类型大语言模型智能体对电动车辆进行智能充电的方法、系统、介质和计算机程序产品。

2、根据本公开的一些实施例,提供了一种基于多类型大语言模型智能体对电动车辆进行智能充电的方法,包括:当电动车辆的剩余电量低于阈值或者所述电动车辆接收到用户的充电指令时,由所述电动车辆中的自由态智能体向大语言模型发送第一请求;响应于接收到第一请求,大语言模型向所述自由态智能体发送第一响应,第一响应至少包括所述电动车辆要去往进行充电的充电站的位置;所述电动车辆以第一响应中包括的充电站的位置为目的地行进;所述充电站中的节点态智能体响应于故障或拥塞向大语言模型发送信息汇总消息,所述信息汇总消息指示所述充电站无法使用;区域边缘服务器中的探索态智能体定期地向大语言模型发送查询消息,其中所述电动车辆位于所述区域边缘服务器的通信范围内;响应于接收到所述查询消息,大语言模型向所述探索态智能体发送第二响应,第二响应至少包括所述电动车辆要去往进行充电的另一充电站的位置;以及所述探索态智能体将第二响应的至少一部分发送给所述电动车辆,从而所述电动车辆以第二响应中包括的所述另一充电站的位置为目的地行进。

3、根据本公开的一些实施例,所述自由态智能体是安装在每个电动车辆中的计算机程序,所述节点态智能体是安装在每个充电站处的计算机程序,并且所述探索态智能体是安装在每个区域边缘服务器中的计算机程序。

4、根据本公开的一些实施例,由区域边缘服务器中的探索态智能体发送的查询消息用于查询所述区域边缘服务器的通信范围内的车辆是否需要调整行进路径。

5、根据本公开的一些实施例,所述节点态智能体被配置为采集第一数据,所述第一数据包括以下的至少一者:充电站是否支持快充、充电站工作状态、充电电价、充电端口总数、可用充电端口数、充电端口类型、单端口最大输出功率、当前排队车辆数、预计等待时间、是否支持预约、预约车辆数、充电电气参数、车位占用信息、周边环境数据、附近交通状况。

6、根据本公开的一些实施例,所述自由态智能体被配置为采集第二数据,所述第二数据包括以下的至少一者:电动车辆的电池余量、电动车辆的剩余可行驶里程、电动车辆支持的充电端口类型、用户偏好的充电速度、周边环境数据、附近交通状况、所在道路类型。

7、根据本公开的一些实施例,所述探索态智能体被配置为接收从节点态智能体发送的第一数据以及从自由态智能体发送的第二数据,并对第一数据和第二数据进行聚合以生成区域负载报告。

8、根据本公开的一些实施例,该方法还包括:至少一个充电站的节点态智能体向大语言模型定期发送第一数据;至少一个电动车辆的自由态智能体向大语言模型定期发送第二数据;以及至少一个区域边缘服务器的探索态智能体向大语言模型定期发送所述区域负载报告。

9、根据本公开的一些实施例,所述大语言模型已经基于第一数据、第二数据、区域负载报告的训练集进行了预训练。

10、根据本公开的一些实施例,还包括以下的至少一者:大语言模型响应于接收到第一数据而向所述至少一个充电站的节点态智能体发送分析结果和/或推荐;大语言模型响应于接收到第二数据而向所述至少一个车辆的自由态智能体发送分析结果和/或推荐;或者大语言模型响应于接收到所述区域负载报告而向所述至少一个区域边缘服务器的探索态智能体发送分析结果和/或推荐。

11、根据本公开的一些实施例,所述节点态智能体被配置为通过内置的智能算法来分析当前负载与需求状况,从而能够动态地调整以下的至少一者:每个充电端口的输出功率、本充电站的排队和预约策略、本充电站内的车辆调度。

12、根据本公开的一些实施例,所述探索态智能体将第二响应的至少一部分发送给所述电动车辆包括:所述探索态智能体广播第二响应;或者所述探索态智能体基于第二响应中包括的标识符,将第二响应的至少一部分发送给所述标识符标识的电动车辆。

13、根据本公开的一些实施例,所述区域负载报告被配置为识别热点区域或者异常充电站。

14、根据本公开一些实施例,提供了一种计算机系统,包括:一个或多个处理器,和与所述一个或多个处理器耦接的存储器,所述存储器存储计算机可读程序指令,所述指令在被所述一个或多个处理器执行时执行如上所述的方法。

15、根据本公开一些实施例,提供了一种计算机可读存储介质,其上存储计算机可读程序指令,所述指令在被所述处理器执行时执行如上所述的方法。

16、根据本公开一些实施例,提供了一种计算机程序产品,包括用于实现如上所述的方法的步骤的代码。

1.一种基于多类型大语言模型智能体对电动车辆进行智能充电的方法,包括:

2.根据权利要求1所述的方法,其中,所述自由态智能体是安装在每个电动车辆中的计算机程序,所述节点态智能体是安装在每个充电站处的计算机程序,并且所述探索态智能体是安装在每个区域边缘服务器中的计算机程序。

3.根据权利要求1所述的方法,其中,由区域边缘服务器中的探索态智能体发送的查询消息用于查询所述区域边缘服务器的通信范围内的车辆是否需要调整行进路径。

4.根据权利要求1所述的方法,其中,所述节点态智能体被配置为采集第一数据,所述第一数据包括以下的至少一者:充电站是否支持快充、充电站工作状态、充电电价、充电端口总数、可用充电端口数、充电端口类型、单端口最大输出功率、当前排队车辆数、预计等待时间、是否支持预约、预约车辆数、充电电气参数、车位占用信息、周边环境数据、附近交通状况,并且

5.根据权利要求4所述的方法,其中,所述探索态智能体被配置为接收从节点态智能体发送的第一数据以及从自由态智能体发送的第二数据,并对第一数据和第二数据进行聚合以生成区域负载报告。

6.根据权利要求5所述的方法,还包括:

7.根据权利要求6所述的方法,其中,所述大语言模型已经基于第一数据、第二数据、区域负载报告的训练集进行了预训练。

8.根据权利要求6所述的方法,还包括以下的至少一者:

9.根据权利要求1所述的方法,其中,所述节点态智能体被配置为通过内置的智能算法来分析当前负载与需求状况,从而能够动态地调整以下的至少一者:每个充电端口的输出功率、本充电站的排队和预约策略、本充电站内的车辆调度。

10.根据权利要求1所述的方法,其中,所述探索态智能体将第二响应的至少一部分发送给所述电动车辆包括:

11.根据权利要求5所述的方法,其中,所述区域负载报告被配置为识别热点区域或者异常充电站。

12.一种计算机系统,包括:

13.一种计算机可读存储介质,其上存储计算机可读程序指令,所述指令在被处理器执行时执行如权利要求1-11中任一项所述的方法。

14.一种计算机程序产品,包括用于实现如权利要求1-11中任一项所述的方法的步骤的代码。