CN108288110B - 一种基于电动汽车真实行驶数据的充电桩优化布局方法 - Google Patents
一种基于电动汽车真实行驶数据的充电桩优化布局方法 Download PDFInfo
- Publication number
- CN108288110B CN108288110B CN201810048662.4A CN201810048662A CN108288110B CN 108288110 B CN108288110 B CN 108288110B CN 201810048662 A CN201810048662 A CN 201810048662A CN 108288110 B CN108288110 B CN 108288110B
- Authority
- CN
- China
- Prior art keywords
- electric
- electric automobile
- charging pile
- charging
- driving data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000005457 optimization Methods 0.000 title claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000007405 data analysis Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/30—Constructional details of charging stations
- B60L53/31—Charging columns specially adapted for electric vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/14—Plug-in electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种基于电动汽车真实行驶数据的充电桩优化布局方法，首先，运用大数据的分析方法分析所有电动汽车的真实行驶数据，筛选出电动汽车的停车分布；其次，设定一个时间阈值，从停车分布中筛选出停车时间超过阈值的地点并拟合作为建充电桩的候选位置；最后，以实际所需建设的充电桩位置数量，以及电动汽车的额定续航里程等为约束，以减少电动汽车动力电池过放电次数为目标，运用元启发式算法得出全局最优解，即充电桩的最优化布局方案。通过算例表明，该方法能快速、有效地进行充电桩选址，同时满足充电便捷性和充电设施的高利用率。
Description
技术领域
本发明属于新能源汽车技术领域，涉及一种电动汽车充电桩优化布局方法，具体涉及一种基于电动汽车真实行驶数据的充电桩优化布局方法。
背景技术
电动汽车作为一种发展前景广阔的绿色交通工具，以电能代替石油，能实现“零排放”，噪音小，是解决未来石油危机和环境问题的重要手段。电动汽车充电基础设施，是电动汽车产业链的重要组成部分，电动汽车充电基础设施建设的推进将有力推动电动汽车的发展。
目前对充电设施规划的研究已有初步成果，有的文献运用动态交通网络思想建立了充电站布局及最佳规模的多目标优化模型，以期将充电成本和充电站投资成本最小化；有的文献基于排队论建立了充电设施费用最优模型，研究充电站的最优分布。现有的研究主要集中在电动汽车充电站投资费用的优化，没有考虑消费者使用充电桩的便捷性以及充电桩建成后的利用率。
发明内容
为了解决上述技术问题，本发明提出了一种基于电动汽车真实行驶数据，并以减少过放电率为优化目标的充电桩优化布局方法。
本发明所采用的技术方案是：一种基于电动汽车真实行驶数据的充电桩优化布局方法，其特征在于，包括以下步骤：
步骤1：分析所有电动汽车的真实行驶数据，筛选出电动汽车的停车分布；
步骤2：设定一个时间阈值，从停车分布中筛选出停车时间超过阈值的地点并拟合作为建充电桩的候选位置；
步骤3：以实际所需建设的充电桩位置数量，以及电动汽车的额定续航里程为约束，以减少电动汽车动力电池过放电次数为目标，运用元启发式算法得出全局最优解，即为充电桩的最优化布局方案。
本发明通过分析电动汽车的真实行驶数据，提出一种充电桩侯选位置的选定方法，通过对过放电率的计算，得出较优化的充电桩布局方案。计算结果可以快速确定充电桩的建设位置，为电动汽车的发展提供有力保障。
附图说明
图1为本发明实施例的流程图；
图2为本发明实施例的充电桩优化布局的侯选位置图；
图3为本发明实施例的充电桩优化布局的最终位置图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
请见图1，本发明提供的一种基于电动汽车真实行驶数据的充电桩优化布局方法，其特征在于，包括以下步骤：
步骤1：运用大数据的分析方法分析所有电动汽车的真实行驶数据，筛选出电动汽车的停车分布；
本实施例的电动汽车的真实行驶数据的数据项包括：车辆编号、行程编号、行程开始时间、行程结束时间、行程距离和行程结束时车辆GPS坐标值。
其中运用大数据的分析方法，首先采集电动汽车的所有行驶数据上传到数据库，然后从数据库中抽取预处理过的与停车相关的数据，最后统计分析得出停车分布。后文中的dck、Lick和tck也是通过这些数据计算得出。
步骤2：设定一个时间阈值，从停车分布中筛选出停车时间超过阈值的地点并拟合作为建充电桩的候选位置；
本实施例把真实行驶数据中的超过时间阈值的停车地点作为建充电桩的候选位置。
步骤3：以实际所需建设的充电桩位置数量，以及电动汽车的额定续航里程为约束，以减少电动汽车动力电池过放电次数为目标，运用元启发式算法得出全局最优解，即为充电桩的最优化布局方案。
元启发式算法是一类算法的总称，是现有技术。常见的元启发式算法包括但不局限于：遗传算法、粒子群算法、蚁群算法、人工神经网络、退火算法等等。在这里，该算法主要是作为一个解题的工具。
其中电动汽车动力电池过放电次数的计算方法为：
min∑c∈C∑k∈Kack (1)
ack＝1 if Rck<20％Rc (2)
ack＝0 if Rck≥20％Rc (3)
式中：ack为判断第c辆电动汽车在第k段行程结束时，动力电池是否过放电，1为有过放电，反之为0；Rck为第c辆电动汽车在第k段行程结束时，电池剩余电量能行驶的公里数；Rc为第c辆电动汽车的额定续航里程。C表示电动汽车总数，K表示电动汽车的总行程段数。
式中：Eck-1为第c辆电动汽车在第k-1段行程结束后，通过充电获得的额外的行驶公里数；dck为第c辆电动汽车在第k段行程的行驶距离；bi为判断在地点i是否安装有充电桩；Lick为判断第c辆电动汽车在第k段行程结束时是否停在地点i的服务半径内；I表示充电桩侯选位置数量。
第c辆电动汽车在第k段行程结束后，在第k+1段行程开始前，通过充电获得的额外的行驶公里数Eck的计算方法为：
式中：P为充电桩功率；tck为第c辆电动汽车在第k段行程结束后，在第k+1段行程开始前的停留时间；rc为第c辆电动汽车的电消耗率。
充电桩优化布局方法中包含约束：
∑i∈Ibi≤B (9)
式中：B为拟建设充电桩地点的总数。
本实施例的dck、Lick和tck的取值均来自于电动汽车的真实行驶数据。
本实例所用数据包含196辆纯电动汽车的5347条数据。从中筛选出停车时间超过30分钟的停车地点并进行拟合，得出233个地点作为建设充电桩的侯选位置，如图2。
设拟建设充电桩地点的总数为60，即B为60。利用式(1)～(9)，通过遗传算法进行求解，得出233个候选位置中较优的60个地点作为充电桩布局的最终位置，如图3。本实例的地点位置均通过真实行驶数据中的GPS经纬度坐标点进行确定。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
Claims (4)
1.一种基于电动汽车真实行驶数据的充电桩优化布局方法，其特征在于，包括以下步骤：
步骤1：分析所有电动汽车的真实行驶数据，筛选出电动汽车的停车分布；
所述电动汽车的真实行驶数据，包括车辆编号、行程编号、行程开始时间、行程结束时间、行程距离和行程结束时车辆GPS坐标值；
运用大数据的分析方法分析所有电动汽车的真实行驶数据，其具体实现过程是：首先采集电动汽车的所有行驶数据上传到数据库，然后从数据库中抽取预处理过的与停车相关的数据，最后统计分析得出停车分布；
步骤2：设定一个时间阈值，从停车分布中筛选出停车时间超过阈值的地点并拟合作为建充电桩的候选位置；
步骤3：以实际所需建设的充电桩位置数量，以及电动汽车的额定续航里程为约束，以减少电动汽车动力电池过放电次数为目标，运用元启发式算法得出全局最优解，即为充电桩的最优化布局方案；
其中，电动汽车动力电池过放电次数的计算方法为：
min∑c∈C∑k∈Kack (1)
ack＝1，if Rck＜20％Rc (2)
ack＝0，if Rck≥20％Rc (3)
式中：ack为判断第c辆电动汽车在第k段行程结束时，动力电池是否过放电，1为有过放电，反之为0；Rck为第c辆电动汽车在第k段行程结束时，电池剩余电量能行驶的公里数；Rc为第c辆电动汽车的额定续航里程；C表示电动汽车总数，K表示电动汽车的总行程段数。
2.根据权利要求1所述的基于电动汽车真实行驶数据的充电桩优化布局方法，其特征在于：
式中：Eck-1为第c辆电动汽车在第k-1段行程结束后，通过充电获得的额外的行驶公里数；dck为第c辆电动汽车在第k段行程的行驶距离；bi为判断在地点i是否安装有充电桩；Lick为判断第c辆电动汽车在第k段行程结束时是否停在地点i的服务半径内；C表示电动汽车总数，K表示电动汽车的总行程段数，I表示充电桩侯选位置数量。
3.根据权利要求2所述的基于电动汽车真实行驶数据的充电桩优化布局方法，其特征在于：第c辆电动汽车在第k段行程结束后，在第k+1段行程开始前，通过充电获得的额外的行驶公里数Eck的计算方法为：
式中：P为充电桩功率；tck为第c辆电动汽车在第k段行程结束后，在第k+1段行程开始前的停留时间；rc为第c辆电动汽车的电消耗率。
4.根据权利要求2所述的基于电动汽车真实行驶数据的充电桩优化布局方法，其特征在于，充电桩优化布局方法中包含约束：
∑i∈Ibi≤B (9)
式中，B为拟建设充电桩地点的总数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810048662.4A CN108288110B (zh) | 2018-01-18 | 2018-01-18 | 一种基于电动汽车真实行驶数据的充电桩优化布局方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810048662.4A CN108288110B (zh) | 2018-01-18 | 2018-01-18 | 一种基于电动汽车真实行驶数据的充电桩优化布局方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108288110A CN108288110A (zh) | 2018-07-17 |
| CN108288110B true CN108288110B (zh) | 2021-11-02 |
Family
ID=62835461
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810048662.4A Active CN108288110B (zh) | 2018-01-18 | 2018-01-18 | 一种基于电动汽车真实行驶数据的充电桩优化布局方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108288110B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109800940B (zh) * | 2018-12-03 | 2022-02-18 | 北京掌行通信息技术有限公司 | 一种充电桩选址方法及装置 |
| CN109784558B (zh) * | 2019-01-11 | 2021-05-18 | 浙江工业大学 | 一种基于蚁群算法的电动汽车充电调度优化方法 |
| CN109977527B (zh) * | 2019-03-21 | 2021-04-16 | 华北电力大学 | 一种城市公共充电站网络的充电桩配置方法 |
| CN111709662A (zh) * | 2020-06-23 | 2020-09-25 | 四川中电启明星信息技术有限公司 | 一种基于大数据的电动汽车充电场站定容方法 |
| CN112700117B (zh) * | 2020-12-29 | 2024-04-02 | 吉林大学 | 一种基于数据的电动汽车充电基础设施使用情况估算方法 |
| CN113706220A (zh) * | 2021-09-15 | 2021-11-26 | 华人运通(上海)自动驾驶科技有限公司 | 用户画像确定、用户需求预测方法以及数据处理系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106602626A (zh) * | 2015-10-20 | 2017-04-26 | 苏州宝时得电动工具有限公司 | 电池数据处理方法及系统 |
| CN107153893A (zh) * | 2017-05-19 | 2017-09-12 | 东南大学 | 一种基于城市停车数据的电动汽车充电站选址规划方法 |
| CN107169605A (zh) * | 2017-05-18 | 2017-09-15 | 东南大学 | 基于车辆定位信息的城市电动汽车充电站选址方法 |
| CN107506844A (zh) * | 2017-07-06 | 2017-12-22 | 南京理工大学 | 一种电动汽车充电站新型优化布局方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9817375B2 (en) * | 2014-02-26 | 2017-11-14 | Board Of Trustees Of The University Of Alabama | Systems and methods for modeling energy consumption and creating demand response strategies using learning-based approaches |
-
2018
- 2018-01-18 CN CN201810048662.4A patent/CN108288110B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106602626A (zh) * | 2015-10-20 | 2017-04-26 | 苏州宝时得电动工具有限公司 | 电池数据处理方法及系统 |
| CN107169605A (zh) * | 2017-05-18 | 2017-09-15 | 东南大学 | 基于车辆定位信息的城市电动汽车充电站选址方法 |
| CN107153893A (zh) * | 2017-05-19 | 2017-09-12 | 东南大学 | 一种基于城市停车数据的电动汽车充电站选址规划方法 |
| CN107506844A (zh) * | 2017-07-06 | 2017-12-22 | 南京理工大学 | 一种电动汽车充电站新型优化布局方法 |
Non-Patent Citations (1)
| Title |
|---|
| 城市电动汽车充换电站选址优化研究;赵晓晨;《中国优秀硕士学位论文全文数据库（电子期刊）》;20160215;摘要、第34-35页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108288110A (zh) | 2018-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108288110B (zh) | 一种基于电动汽车真实行驶数据的充电桩优化布局方法 | |
| CN108162771B (zh) | 一种电动汽车智能充电导航方法 | |
| CN108932561B (zh) | 一种考虑非线性充电函数的电动汽车充电路径选择方法 | |
| CN108761509A (zh) | 一种基于历史数据的汽车行驶轨迹及里程预测方法 | |
| US20120203726A1 (en) | Information systems and methods for deployment of charging infrastructure in support of electric vehicles | |
| CN105160428A (zh) | 高速公路电动汽车快速充电站的规划方法 | |
| CN105809962A (zh) | 一种基于手机数据的交通出行方式划分的方法 | |
| CN103295074A (zh) | 具有最佳定位的充电站的电动车辆（ev）充电基础设施的方法和系统 | |
| CN111311122A (zh) | 面向智慧城市的充电站建设方法 | |
| CN102118071A (zh) | 用于车载电池远程维护的方法和装置 | |
| CN113263954B (zh) | 电动汽车续驶里程预测方法、装置、设备和可读存储介质 | |
| CN104778263A (zh) | 一种电动车充电站系统仿真数据挖掘方法 | |
| CN103072572B (zh) | 可充电式混合动力汽车远程优化系统 | |
| CN107153893A (zh) | 一种基于城市停车数据的电动汽车充电站选址规划方法 | |
| CN112036757B (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
| CN112116125A (zh) | 一种基于深度强化学习的电动汽车充电导航方法 | |
| CN112036624B (zh) | 一种基于区域内电动汽车充电负荷预测的电网调度方法 | |
| Yan et al. | Statistical analysis and modeling of plug-in electric vehicle charging demand in distribution systems | |
| CN115481813B (zh) | 基于机器学习的新能源公交车能耗预测方法 | |
| Lin et al. | Dynamic wireless power transfer: Potential impact on plug-in electric vehicle adoption | |
| Sivagnanam et al. | Minimizing energy use of mixed-fleet public transit for fixed-route service | |
| Chen et al. | Data-driven planning of plug-in hybrid electric taxi charging stations in urban environments: A case in the central area of Beijing | |
| CN104700616B (zh) | 城市交通压力预测方法及系统 | |
| CN113183772B (zh) | 一种用于电动车的节能续航控制系统 | |
| CN115345351A (zh) | 一种基于用户行为的电动汽车充电负荷预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |