买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：义乌市输变电工程有限公司电力实业分公司;国网浙江省电力有限公司义乌市供电公司

摘要：本发明涉及充电站控制技术领域，尤其涉及基于光储荷充一体化的充电站配置方法及系统，包括以下步骤：S1：通过监控平台获取道路沿线监控视频；S2：将监控视频转换成帧图像形式，并按比例进行抽帧操作；S3：采用颜色识别法初步判断待识别图像中是否是新能源绿牌车；S4：颜色识别法在初步判断是否是新能源绿牌车后，采用灰度面积法用于对待识别图像进行分类；S5：将待识别图像输入至深度学习模型中，得到车辆的类型及数量。本发明的优点在于能够使得在需求道路边设置合理数量的充电站，且充电站能自主实现高效发电和储电进行电量调节从而高效实现光储荷充一体化。

主权项：1.基于光储荷充一体化的充电站配置方法，其特征在于，包括以下步骤：S1：通过监控平台获取道路沿线监控视频；S2：将所述监控视频转换成帧图像形式，并按比例进行抽帧操作；S3：采用颜色识别法初步判断待识别图像中是否是新能源绿牌车；若初步判断所述待识别图像是新能源绿牌车，则进入S4，若初步判断所述待识别图像不是新能源绿牌车，则选择下一图像作为待识别图像；S4：所述颜色识别法在初步判断是否是新能源绿牌车后，采用灰度面积法用于对待识别图像进行分类，其中，若所述灰度面积法获取所述待识别图像具有面积大于设定阈值的区域的数量小于等于N，则将所述待识别图像分类至第一图像类别，若所述灰度面积法获取所述待识别图像具有面积大于设定阈值的区域的数量大于N，则将所述待识别图像分类至第二图像类别，N为预设的面积大小数值；S5：将所述待识别图像输入至深度学习模型中，得到车辆的类型及数量；在所述S5中，所述深度学习模型包括第一卷积神经网络模型和第二卷积神经网络模型，其中，第一卷积神经网络模型用于对第一图像类别的待预测图像进行图像识别，得到车辆的类型和数量；所述第二卷积神经网络模型用于对第二图像类别的待预测图像进行图像识别，得到车辆的类型和数量，第一卷积神经网络模型为普通卷积神经网络模型，第二卷积神经网络模型为带残差机制的卷积神经网络模型；S6：根据所述车辆类型和数量以及所述待识别图像发送给技术人员，用于对车辆充电站配置进行预警。

全文数据：

权利要求：

百度查询： 义乌市输变电工程有限公司电力实业分公司 国网浙江省电力有限公司义乌市供电公司 基于光储荷充一体化的充电站配置方法及系统