CN108470224A - 基于电动汽车充电的充电站选择方法、介质以及设备 - Google Patents

基于电动汽车充电的充电站选择方法、介质以及设备 Download PDF

Info

Publication number
CN108470224A
CN108470224A CN201810231883.5A CN201810231883A CN108470224A CN 108470224 A CN108470224 A CN 108470224A CN 201810231883 A CN201810231883 A CN 201810231883A CN 108470224 A CN108470224 A CN 108470224A
Authority
CN
China
Prior art keywords
electric vehicle
charging station
cost
mileage
charging
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.)
Pending
Application number
CN201810231883.5A
Other languages
English (en)
Inventor
李琰
徐天奇
张学英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201810231883.5A priority Critical patent/CN108470224A/zh
Publication of CN108470224A publication Critical patent/CN108470224A/zh
Pending legal-status Critical Current

Links

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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明提供了一种基于电动汽车充电的充电站选择方法、介质及设备。所述方法，包括：获取一定区域内的电动汽车当前的第一数据信息和至少一个充电站当前的第二数据信息；根据所述第一数据信息和第二数据信息，获得所述电动汽车到达所述充电站的里程成本和时间成本；根据所述里程成本和时间成本，选择所述电动汽车充电的最佳充电站。本发明通过获取一定区域内电动汽车和充电站的数据信息，能够根据两者的数据信息，计算获得电动汽车到达每个充电站的里程成本和时间成本，通过里程成本和时间成本，能够为电动汽车选择最佳的充电站。这样，能够帮助需要充电的电动汽车选择最节省成本的充电站进行充电，进而能够节省资源，提高用户体验。

Description

基于电动汽车充电的充电站选择方法、介质以及设备
技术领域
本发明涉及路径选择技术领域，具体涉及一种基于电动汽车充电的充电站选择方法、介质以及设备。
背景技术
现有技术中，当电动汽车电量较少时，用户经常会随机选择充电站对电动汽车充电，用户会在不了解周围充电站充电状态信息的情况下，随机选择一个充电站，这样，经常会使用户在充电站排队等待较长时间，或者，用户会选择较远的充电站，消耗更多的电量，不仅用电成本较高，而且会给用户出行带来不便。
发明内容
针对现有技术中的缺陷，本发明提供一种基于电动汽车充电的充电站选择方法、介质以及设备，能够节省成本，提高用户体验。
第一方面，本发明提供了一种基于电动汽车充电的充电站选择方法，包括：
获取一定区域内的电动汽车当前的第一数据信息和至少一个充电站当前的第二数据信息；
根据所述第一数据信息和第二数据信息，获得所述电动汽车到达所述充电站的里程成本和时间成本；
根据所述里程成本和时间成本，选择所述电动汽车充电的最佳充电站。
可选的，所述第一数据信息，包括：电动汽车当前的荷电状态、额定功率、续航里程、第一位置信息和平均速度；
所述第二数据信息，包括：充电站的等级系数、排队时间、第二位置信息和当前至少一个充电桩的状态信息。
可选的，根据所述第一数据信息和第二数据信息，获得所述电动汽车到达所述充电站的里程成本和时间成本，包括：
里程成本计算过程：
根据所述第一位置信息和第二位置信息，获得电动汽车到达所述区域内每个充电站的里程信息。
可选的，根据所述第一数据信息和第二数据信息，获得所述电动汽车到达所述充电站的里程成本和时间成本，包括：
时间成本计算过程：
根据所述电动汽车当前的荷电状态、额定功率、续航里程和里程信息，获得电动汽车到达充电站的预设荷电状态；
根据所述电动汽车当前的荷电状态、所述预设荷电状态和所述额定功率，获得电动汽车从当前位置到达充电站消耗的电能折算成的额外充电时间；
根据所述额外充电时间、等级系数、排队时间、里程信息和平均速度，获得所述电动汽车到达所述充电站的时间成本。
可选的，所述排队时间计算方法为：
基于排队论基本原理，计算电动汽车在充电站的平均排队时间。
可选的，根据所述里程成本和时间成本，选择所述电动汽车充电的最佳充电站，包括：
对所述里程成本和时间成本进行归一化处理，获得归一化处理后的里程数值和时间数值；
根据所述里程数值和时间数值，获得电动汽车到达所述充电站的成本目标函数；
结合预先设置的约束条件，计算所述成本目标函数，获得所述电动汽车充电的最佳充电站。
可选的，对所述里程成本和时间成本进行归一化处理，获得归一化处理后的里程数值和时间数值，包括：
根据所述电动汽车的里程成本中的第一最大值，对所述里程成本进行归一化处理，获得归一化处理后的里程数值；
根据所述电动汽车的时间成本中的第二最大值，对所述时间成本进行归一化处理，获得归一化处理后的时间数值。
可选的，所述约束条件，包括以下至少一个：
所述最佳充电站的数量为1；
所述电动汽车到达充电站的最大距离，小于所述电动汽车可以行使的最远距离；
所述充电站中电动汽车的充电桩数量大于1；
所述充电站的系统容量大于所述充电站中充电桩的数量；或者，
所述充电站的充电桩的利用率小于1。
第二方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种基于电动汽车充电的充电站选择方法。
第三方面，本发明提供一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现一种基于电动汽车充电的充电站选择方法。
本发明通过获取一定区域内电动汽车和充电站的数据信息，能够根据两者的数据信息，计算获得电动汽车到达每个充电站的里程成本和时间成本，通过里程成本和时间成本，能够为电动汽车选择最佳的充电站。这样，能够帮助需要充电的电动汽车选择最节省成本的充电站进行充电，进而能够节省资源，提高用户体验。
本发明提供的一种计算机可读存储介质和一种计算机设备，与上述一种基于电动汽车充电的充电站选择方法出于相同的发明构思，具有相同的有益效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明提供的一种基于电动汽车充电的充电站选择方法的流程图；
图2为本发明提供的一种基于电动汽车充电的充电站选择方法的逻辑图；
图3为本发明提供的一种实现基于电动汽车充电的充电站选择方法的结构图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
本发明提供了一种基于电动汽车充电的充电站选择方法、介质及设备。下面结合附图对本发明的实施例进行说明。
第一实施例：
请参考图1，图1为本发明具体实施例提供的一种基于电动汽车充电的充电站选择方法的流程图，本实施例提供的一种基于电动汽车充电的充电站选择方法，包括：
步骤S101：获取一定区域内的电动汽车当前的第一数据信息和至少一个充电站当前的第二数据信息；
步骤S102：根据所述第一数据信息和第二数据信息，获得所述电动汽车到达所述充电站的里程成本和时间成本；
步骤S103：根据所述里程成本和时间成本，选择所述电动汽车充电的最佳充电站。
本发明的执行主体可以为服务器、处理器等，可以获取电动汽车的第一数据信息，也可以获取到每个充电站的第二数据信息。
通过获取一定区域内电动汽车和充电站的数据信息，能够根据两者的数据信息，计算获得电动汽车到达每个充电站的里程成本和时间成本，通过里程成本和时间成本，能够为电动汽车选择最佳的充电站。这样，能够帮助需要充电的电动汽车选择最节省成本的充电站进行充电，进而能够节省资源，提高用户体验。
在本发明中，在一定区域内，可以有多辆电动汽车，多个充电站。其中，所述第一数据信息，包括：电动汽车当前的荷电状态、额定功率、续航里程、第一位置信息、平均速度等；所述第二数据信息，包括：充电站的等级系数、排队时间、第二位置信息、当前至少一个充电桩的状态信息、系统容量信息等。充电站的系统容量信息是指充电站能够容纳的充电汽车数量。
本发明选择最佳充电站的方案思路如图2所示，具体功能模块如图3所示。
在本发明中，需要设定：
(1)设定一个区域范围内，运营的充电站数量和电动汽车的数量是有限的。电动汽车的数目为m辆，充电站的数量为n个。
(2)在电动汽车需要充电的时候，电动汽车用户选择充电站的时间比较短。电动汽车用户有且只能选择一个充电站并且进行提前预约。电动汽车的充电状态用xij进行表示，取值1表示第i辆电动汽车选择第j个充电站充电，取值0表示第i辆电动汽车不选择第j个充电站充电。
(3)根据GPS导航系统反馈的信息，假设最近两次调度之间的平均速度为电动汽车从当前位置运动到充电站位置的速度vij。
(4)需要考虑每个充电站的系统容量Nj，当待充电动汽车的数目超过站内充电桩的数量位置时，电动汽车需要进行排队等待。
(5)电动汽车的行驶里程l与电动汽车的荷电状态Soc近似呈线性关系。
(6)等待时间与充电站的规模呈线性关系，充电站的规模越小，等待时间越长。
电动汽车充电站的特点：
(1)客户源是无限的，电动汽车用户到达的时间有明显的随机特征
(2)对于一个确定的充电站来说充电桩的数量是固定的Pj，每台充电装的工作效率是一样的，且相互独立。充电桩的数量大于1。
(3)电动汽车的充电时长和电池的剩余容量相关，具有一定的明显随机特征。
(4)充电站的服务能力是固定的，一般都是给固定区域的电动汽车充电。当充电站没有充电的地方，电动汽车可以选择排队等待一直到完成充电服务，也可以直接寻找其他充电站接受服务。
在本发明中，电动汽车的第一位置信息，可以通过定位导航系统来获得，定位导航系统可以通过移动网络将定位的数据发送至数据处理模块，数据处理模块可以根据获得的第一位置信息以及充电站的第二位置信息，得到电动汽车与多个充电站之间的里程信息，该里程信息可以作为里程成本。数据处理模块还可以根据第一数据信息和第二数据信息，获得电动汽车到达多个充电站的时间成本。其中，数据处理模块可以分为充电站运行数据信息处理模块、引导算法实现模块和电动汽车数据处理模块。
在本发明中，每个充电站内有多个充电桩，充电桩可能处于充电状态，也可能处于非充电状态，假设有n个充电站，每个充电站内有Pn个充电桩，则：
(1)n个充电站的状态信息可以表示为：
其中，每个充电站对应的充电站数目分别为：p1,p2,...pj...pn.(Pj>1)且j∈(1,2,3…n)。
(2)充电站对应的系统容量状态信息为：
(N1，N2，N3…Nj…Nn)T
(3)充电站的第二位置信息：
(L1,L2,L3,…Lj…Ln)T
电动汽车的相关信息：
(1)m辆电动汽车在当前位置的荷电状态信息：
(Soc1,Soc2,Soc3…Soci…Socm)T
(2)第i辆电动汽车距离不同充电站j的里程信息矩阵：
(3)电动汽车的第二位置信息：
(L1,L2,L3,…Li…Lm)T
在本发明中，电动汽车可以与充电站之间进行信息交互，当获得充电的最佳充电站时，可以根据实际情况提前预约充电站，充电站根据电动汽车反馈的信息采取一定的具体方案。
在本发明提供的一个具体实施例中，根据所述第一数据信息和第二数据信息，获得所述电动汽车到达所述充电站的里程成本和时间成本，包括：
时间成本计算过程：
根据所述电动汽车当前的荷电状态、额定功率、续航里程和里程信息，获得电动汽车到达充电站的预设荷电状态；
根据所述电动汽车当前的荷电状态、所述预设荷电状态和所述额定功率，获得电动汽车从当前位置到达充电站消耗的电能折算成的额外充电时间；
根据所述额外充电时间、等级系数、排队时间、里程信息和平均速度，获得所述电动汽车到达所述充电站的时间成本。
在计算完里程成本后，需要计算电动汽车充电的时间成本，第i辆电动汽车到达第j个充电站充电时的时间成本为：
其中，δj为充电站的优先等级系数；lij电动汽车到达充电站的里程，vi取最近2次调度时间之间的平均速度；为电动汽车排队时间；为电动汽车从当前位置到达充电站消耗的电能折算成的额外充电时间；
通过将排队时间、额外充电时间和充电站的优先等级考虑到时间成本中，能够提高计算的时间成本的准确性，进而为用户提供更加准确的最佳充电站。
在本发明中，所述排队时间计算方法为：基于排队论基本原理，计算电动汽车在充电站的平均排队时间。
以第i辆电动汽车到达第j个充电站的排队等候时间为例计算，本文采用M/G/Pj/Nj排队论的相关知识，分别对应：
M为电动汽车充电的时间间隔，该时间间隔满足指数分布，假设单位时间到达的电动汽车数量为λ，则1/λ表示电动汽车到达充电站的平均间隔时间；
G为充电站的服务时间，该服务时间满足正态分布，假设u为单位时间能完成电动汽车充电的电动汽车数量，则1/u表示平均服务充电时间；
第j个充电站中的充电桩数量为Pj；
第j个充电站的系统容量为Nj。
排队论基本原理：
设电动汽车的排队系统平稳分布，记Pn＝P{N＝n}
n＝0,1,2,...为系统达到平稳队长N的概率分布，可以得到电动汽车充电站服务系统的平衡方程：
λn为状态为n的系统到下一辆电动汽车到达时刻止的到达率；Un为状态为n的系统到下一辆电动汽车离开时止的平均服务率，对于充电桩个数为Pj的系统：
λn＝λj＝λ n＝0,1,2...
求解的：
ρ是电动汽车充电站系统中正在接受充电服务的电动汽车的平均数量。表示充电站的服务强度，反映了该充电站的繁忙程度:
u为单位时间能完成电动汽车充电的数量。
对于有Pj个充电桩的充电服务系统，用表示充电设施的利用率：
在电动汽车等待排队的模型中，要求电动汽车的平均到达率小于充电站的平均服务率，才可以使充电站达到系统平衡，满足条件
p0表示服务台都处于空闲状态的概率：
电动汽车充电站服务系统的平均排队长度Lq
平均排队时间：
由于充电站系统的空间有限性，必须考虑电动汽车的有效到达率λe：
在本发明中，电动汽车从当前位置到达充电站消耗的电能折算成的额外充电时间为：
第i辆电动汽车从当前位置到达Nj充电站消耗的电能需要进行充电时间的折算：
其中，Soci第i辆电动汽车在当前位置的荷电状态；Socij第i辆电动汽车到达充电站Nj的荷电状态；PN表示电动汽车充电的额定功率；
其中，ls表示电动汽车总的续航里程；Stotal表示电动汽车荷电容量。
在本发明提供的一个具体实施例中，根据所述里程成本和时间成本，选择所述电动汽车充电的最佳充电站，包括：对所述里程成本和时间成本进行归一化处理，获得归一化处理后的里程数值和时间数值；根据所述里程数值和时间数值，获得电动汽车到达所述充电站的成本目标函数；结合预先设置的约束条件，计算所述成本目标函数，获得所述电动汽车充电的最佳充电站。
对所述里程成本和时间成本进行归一化处理，获得归一化处理后的里程数值和时间数值，包括：根据所述电动汽车的里程成本中的第一最大值，对所述里程成本进行归一化处理，获得归一化处理后的里程数值；根据所述电动汽车的时间成本中的第二最大值，对所述时间成本进行归一化处理，获得归一化处理后的时间数值。
时间成本的归一化处理：
第i辆电动汽车到达第j辆充电站的时间成本可由如下时间矩阵表示：
在对时间成本进行归一化处理时，可以根据所述电动汽车的时间成本中的第二最大值，对所述时间成本进行归一化处理，获得归一化处理后的时间数值。
对于第i辆电动汽车，取
对第i辆电动汽车时间成本归一化处理后的时间数值为：
对应的αij数值越大，选择该充电站的机会越小。
里程成本的归一化处理：
第i辆电动汽车到达第j个充电站的里程成本可由以下里程矩阵表示：
在对里程成本进行归一化处理时，根据所述电动汽车的里程成本中的第一最大值，对所述里程成本进行归一化处理，获得归一化处理后的里程数值；
对于第i辆电动汽车，到达n个充电站的里程成本中，第一最大值为：
利用该第一最大值，对第i辆电动汽车到达n个充电站的里程成本进行归一化处理后的里程数值为：
对应的βij数值越大，选择该充电站的机会越小。
根据里程数值和时间数值，可以建立第i辆电动汽车选择不同充电站的成本目标函数：
其中，F表示第i辆电动汽车到达不同充电站j的成本值。
在求解该成本目标函数时，需要结合预先设置的约束条件。
其中，约束条件包括以下至少一个约束条件：
所述最佳充电站的数量为1；
所述电动汽车到达充电站的最大距离，小于所述电动汽车可以行使的最远距离；
所述充电站中电动汽车的充电桩数量大于1；
所述充电站的系统容量大于所述充电站中充电桩的数量；或者，
所述充电站的充电桩的利用率小于1。
其中，最佳充电站的数量为1，相应的公式为：
其中，电动汽车到达充电站的最大距离，小于所述电动汽车可以行使的最远距离，相应的公式为：其中，表示电动汽车可以行使的最远距离。
其中，充电站中电动汽车的充电桩数量大于1，相应的公式为：Pj>1。
其中，充电站的系统容量大于所述充电站中充电桩的数量，相应的公式为：Nj>Pj。
其中，充电站的充电桩的利用率小于1，相应的公式为：
以上，为本发明提供的一种基于电动汽车充电的充电站选择方法。
第二实施例：
在上述的第一实施例中，提供了一种基于电动汽车充电的充电站选择方法，结合上述第一实施例，本发明第二实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一实施例提供的一种基于电动汽车充电的充电站选择方法。
由上述技术方案可知，本实施例提供的计算机可读存储介质，能够在处理器的控制下，获取一定区域内电动汽车和充电站的数据信息，能够根据两者的数据信息，计算获得电动汽车到达每个充电站的里程成本和时间成本，通过里程成本和时间成本，能够为电动汽车选择最佳的充电站。这样，能够帮助需要充电的电动汽车选择最节省成本的充电站进行充电，进而能够节省资源，提高用户体验。
第三实施例：
结合第一实施例提供的一种基于电动汽车充电的充电站选择方法，本发明还提供一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述第一实施例提供的一种基于电动汽车充电的充电站选择方法。
由上述技术方案可知，本实施例提供的计算机设备，通过获取一定区域内电动汽车和充电站的数据信息，能够根据两者的数据信息，计算获得电动汽车到达每个充电站的里程成本和时间成本，通过里程成本和时间成本，能够为电动汽车选择最佳的充电站。这样，能够帮助需要充电的电动汽车选择最节省成本的充电站进行充电，进而能够节省资源，提高用户体验。
本发明的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种基于电动汽车充电的充电站选择方法，其特征在于，包括：
获取一定区域内的电动汽车当前的第一数据信息和至少一个充电站当前的第二数据信息；
根据所述第一数据信息和第二数据信息，获得所述电动汽车到达所述充电站的里程成本和时间成本；
根据所述里程成本和时间成本，选择所述电动汽车充电的最佳充电站。
2.根据权利要求1所述的方法，其特征在于，所述第一数据信息，包括：电动汽车当前的荷电状态、额定功率、续航里程、第一位置信息和平均速度；
所述第二数据信息，包括：充电站的等级系数、排队时间、第二位置信息和当前至少一个充电桩的状态信息。
3.根据权利要求2所述的方法，其特征在于，根据所述第一数据信息和第二数据信息，获得所述电动汽车到达所述充电站的里程成本和时间成本，包括：
里程成本计算过程：
根据所述第一位置信息和第二位置信息，获得电动汽车到达所述区域内每个充电站的里程信息。
4.根据权利要求3所述的方法，其特征在于，根据所述第一数据信息和第二数据信息，获得所述电动汽车到达所述充电站的里程成本和时间成本，包括：
时间成本计算过程：
根据所述电动汽车当前的荷电状态、额定功率、续航里程和里程信息，获得电动汽车到达充电站的预设荷电状态；
根据所述电动汽车当前的荷电状态、所述预设荷电状态和所述额定功率，获得电动汽车从当前位置到达充电站消耗的电能折算成的额外充电时间；
根据所述额外充电时间、等级系数、排队时间、里程信息和平均速度，获得所述电动汽车到达所述充电站的时间成本。
5.根据权利要求2所述的方法，其特征在于，所述排队时间计算方法为：
基于排队论基本原理，计算电动汽车在充电站的平均排队时间。
6.根据权利要求4所述的方法，其特征在于，根据所述里程成本和时间成本，选择所述电动汽车充电的最佳充电站，包括：
对所述里程成本和时间成本进行归一化处理，获得归一化处理后的里程数值和时间数值；
根据所述里程数值和时间数值，获得电动汽车到达所述充电站的成本目标函数；
结合预先设置的约束条件，计算所述成本目标函数，获得所述电动汽车充电的最佳充电站。
7.根据权利要求6所述的方法，其特征在于，对所述里程成本和时间成本进行归一化处理，获得归一化处理后的里程数值和时间数值，包括：
根据所述电动汽车的里程成本中的第一最大值，对所述里程成本进行归一化处理，获得归一化处理后的里程数值；
根据所述电动汽车的时间成本中的第二最大值，对所述时间成本进行归一化处理，获得归一化处理后的时间数值。
8.根据权利要求6所述的方法，其特征在于，所述约束条件，包括以下至少一个：
所述最佳充电站的数量为1；
所述电动汽车到达充电站的最大距离，小于所述电动汽车可以行使的最远距离；
所述充电站中电动汽车的充电桩数量大于1；
所述充电站的系统容量大于所述充电站中充电桩的数量；或者，
所述充电站的充电桩的利用率小于1。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8之一所述的方法。
10.一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-8之一所述的方法。
CN201810231883.5A 2018-03-20 2018-03-20 基于电动汽车充电的充电站选择方法、介质以及设备 Pending CN108470224A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810231883.5A CN108470224A (zh) 2018-03-20 2018-03-20 基于电动汽车充电的充电站选择方法、介质以及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810231883.5A CN108470224A (zh) 2018-03-20 2018-03-20 基于电动汽车充电的充电站选择方法、介质以及设备

Publications (1)

Publication Number Publication Date
CN108470224A true CN108470224A (zh) 2018-08-31

Family

ID=63265650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810231883.5A Pending CN108470224A (zh) 2018-03-20 2018-03-20 基于电动汽车充电的充电站选择方法、介质以及设备

Country Status (1)

Country Link
CN (1) CN108470224A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109492791A (zh) * 2018-09-27 2019-03-19 西南交通大学 基于充电引导的城际高速路网光储充电站定容规划方法
CN109697876A (zh) * 2018-10-30 2019-04-30 百度在线网络技术（北京）有限公司 用于提供车辆信息的方法、装置、设备和存储介质
CN110154816A (zh) * 2019-05-16 2019-08-23 盐城品迅智能科技服务有限公司 一种用于自动引导小车的充电管理系统及方法
CN110549896A (zh) * 2019-08-28 2019-12-10 哈尔滨工程大学 一种基于强化学习的充电站选择方法
CN110782113A (zh) * 2019-07-11 2020-02-11 北京嘀嘀无限科技发展有限公司 充电调度方法及装置、电子设备、计算机可读存储介质
CN113222248A (zh) * 2021-05-12 2021-08-06 广东工业大学 一种自动驾驶出租车充电桩选择方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012194935A (ja) * 2011-03-18 2012-10-11 Internatl Business Mach Corp <Ibm> リソース・コスト最適化システム、方法及びプログラム
CN105095611A (zh) * 2015-09-25 2015-11-25 东南大学 一种高速公路电动汽车快速充电站排队算法
CN105186592A (zh) * 2015-07-16 2015-12-23 许继电气股份有限公司 一种快速充电站的充电管理系统及方法
CN106197459A (zh) * 2016-08-15 2016-12-07 浙江爱充网络科技有限公司 考虑航程及充电站位置的电动汽车路径寻优方法
CN106427635A (zh) * 2016-11-03 2017-02-22 六安市科宇专利技术开发服务有限公司 一种电动汽车
CN106548246A (zh) * 2015-11-30 2017-03-29 深圳北斗应用技术研究院有限公司 一种电动车辆实时充电推荐方法及其系统
CN106951972A (zh) * 2017-03-27 2017-07-14 广州市果豆科技有限责任公司 一种充电桩预约系统及方法
CN107323300A (zh) * 2017-07-26 2017-11-07 河海大学 一种基于路‑站‑车联合模型的电动汽车预约充电方法
CN107730049A (zh) * 2017-10-30 2018-02-23 武汉理工大学 电动汽车快速充电最优位置选择方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012194935A (ja) * 2011-03-18 2012-10-11 Internatl Business Mach Corp <Ibm> リソース・コスト最適化システム、方法及びプログラム
CN105186592A (zh) * 2015-07-16 2015-12-23 许继电气股份有限公司 一种快速充电站的充电管理系统及方法
CN105095611A (zh) * 2015-09-25 2015-11-25 东南大学 一种高速公路电动汽车快速充电站排队算法
CN106548246A (zh) * 2015-11-30 2017-03-29 深圳北斗应用技术研究院有限公司 一种电动车辆实时充电推荐方法及其系统
CN106197459A (zh) * 2016-08-15 2016-12-07 浙江爱充网络科技有限公司 考虑航程及充电站位置的电动汽车路径寻优方法
CN106427635A (zh) * 2016-11-03 2017-02-22 六安市科宇专利技术开发服务有限公司 一种电动汽车
CN106951972A (zh) * 2017-03-27 2017-07-14 广州市果豆科技有限责任公司 一种充电桩预约系统及方法
CN107323300A (zh) * 2017-07-26 2017-11-07 河海大学 一种基于路‑站‑车联合模型的电动汽车预约充电方法
CN107730049A (zh) * 2017-10-30 2018-02-23 武汉理工大学 电动汽车快速充电最优位置选择方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109492791A (zh) * 2018-09-27 2019-03-19 西南交通大学 基于充电引导的城际高速路网光储充电站定容规划方法
CN109492791B (zh) * 2018-09-27 2021-10-08 西南交通大学 基于充电引导的城际高速路网光储充电站定容规划方法
CN109697876A (zh) * 2018-10-30 2019-04-30 百度在线网络技术（北京）有限公司 用于提供车辆信息的方法、装置、设备和存储介质
CN110154816A (zh) * 2019-05-16 2019-08-23 盐城品迅智能科技服务有限公司 一种用于自动引导小车的充电管理系统及方法
CN110782113A (zh) * 2019-07-11 2020-02-11 北京嘀嘀无限科技发展有限公司 充电调度方法及装置、电子设备、计算机可读存储介质
CN110549896A (zh) * 2019-08-28 2019-12-10 哈尔滨工程大学 一种基于强化学习的充电站选择方法
CN110549896B (zh) * 2019-08-28 2022-08-02 哈尔滨工程大学 一种基于强化学习的充电站选择方法
CN113222248A (zh) * 2021-05-12 2021-08-06 广东工业大学 一种自动驾驶出租车充电桩选择方法

Similar Documents

Publication Publication Date Title
CN108470224A (zh) 基于电动汽车充电的充电站选择方法、介质以及设备
Iacobucci et al. Modeling shared autonomous electric vehicles: Potential for transport and power grid integration
You et al. Scheduling of EV battery swapping—Part I: Centralized solution
TWI748109B (zh) 換電等待時間確定系統及方法、換電站、換電系統以及記錄介質
Tan et al. Queueing network models for electric vehicle charging station with battery swapping
CN109670661B (zh) 用于确定换电站内的欠电电池的充电策略的方法和装置
CN107031444B (zh) 用于确定移动充电车充电路径的方法和设备
KR101560957B1 (ko) 충전기 배치 계획 지원 장치, 충전기 배치 계획 지원 방법, 및 프로그램
CN106066942B (zh) 一种充电服务满意度计算方法及系统
CN109489676A (zh) 一种计及电网信息与充电站信息的电动汽车充电导航方法
Mirchandani et al. New logistical issues in using electric vehicle fleets with battery exchange infrastructure
CN107563534A (zh) 一种充电桩推荐方法和装置
CN106203652A (zh) 一种基于预估电量的租车系统web预约租车方法
JP2013069226A (ja) 配車装置および配車方法
CN105760949A (zh) 一种电动汽车快充站充电机台数优化配置方法
CN115100896B (zh) 一种考虑机会充电策略的电动需求响应公交调度方法
CN106627239B (zh) 移动充换电设备调度方法
CN108944500B (zh) 一种分布式站点联合控制的电动汽车充电调度方法
CN109754136B (zh) 电池均衡方法及系统
CN112383107A (zh) 换电站信息显示方法、装置、计算机设备和存储介质
CN111284347A (zh) 一种充电场站车辆接入控制中的状态聚类编码方法
CN109978241A (zh) 一种电动汽车充电负荷的确定方法及装置
CN108734876A (zh) 一种基于预估电量和等待时间的后台预约租车方法
CN112907153B (zh) 一种混合场景下考虑用户多种需求的电动汽车调度方法
EP3885181A1 (en) Power information processing apparatus, power information processing system, and power information processing method

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180831