CN109606183B - 电动汽车的充电方法和装置 - Google Patents
电动汽车的充电方法和装置 Download PDFInfo
- Publication number
- CN109606183B CN109606183B CN201811567248.0A CN201811567248A CN109606183B CN 109606183 B CN109606183 B CN 109606183B CN 201811567248 A CN201811567248 A CN 201811567248A CN 109606183 B CN109606183 B CN 109606183B
- Authority
- CN
- China
- Prior art keywords
- charging
- electric
- data
- electric automobile
- electric vehicle
- 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 36
- 238000003860 storage Methods 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种电动汽车的充电方法和装置。其中,该方法包括:获取电动汽车的运行数据;根据所述电动汽车的运行数据对所述电动汽车进行聚类,得到多个电动汽车组;根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个时段的充电资源数据,获取每个所述电动汽车组对应的充电参数,其中,所述充电参数包括:充电功率和充电时段。本发明解决了现有技术中电动汽车在电网的负荷高峰期充电,导致加剧负荷峰谷差的技术问题。
Description
技术领域
本发明涉及电力领域,具体而言,涉及一种电动汽车的充电方法和装置。
背景技术
电动汽车的零排放和不依赖于石化能源两大优势使其在新能源汽车领域一直备受关注,成为了汽车产业应对环境问题的重要突破口。然而,大量电动汽车的无序并网充电,尤其是负荷高峰时的充电,会加剧了负荷峰谷差,给区域电网带来负荷压力和电能质量影响。为了在满足充电负荷需求的情况下,减少对配电网的影响,需要开展有序充电。
目前控制电动汽车有序充电的策略已有研究,但都是对整体区域进行协调控制,达到改善负荷特性的目的,没考虑区域电网结构与充电负荷分布的影响,不能实际指导有序充电的控制过程。
针对现有技术中电动汽车在电网的负荷高峰期充电,导致加剧负荷峰谷差的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种电动汽车的充电方法和装置,以至少解决现有技术中电动汽车在电网的负荷高峰期充电,导致加剧负荷峰谷差的技术问题。
根据本发明实施例的一个方面,提供了一种电动汽车的充电方法,包括:获取电动汽车的运行数据;根据电动汽车的运行数据对电动汽车进行聚类,得到多个电动汽车组;根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个时段的充电资源数据,获取每个电动汽车组对应的充电参数,其中,充电参数包括:充电功率和充电时段。
进一步地,运行数据包括:充电数据和行驶数据。
进一步地,在获取电动汽车的运行数据之后,对运行数据进行数据清洗。
进一步地,获取用于拟合的拟合超平面;根据电动汽车的运行数据确定电动汽车与拟合超平面之间的距离;根据距离对电动汽车的运行数据进行聚类。
进一步地,根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个时段的充电资源数据,通过遗传算法对每个电动汽车组的充电功率和充电时段进行寻优,得到每个电动汽车组对应的充电参数。
进一步地,时间分段包括:高峰时段、平段和低谷时段。
根据本发明实施例的一个方面,提供了一种电动汽车的充电装置,第一获取模块,用于获取电动汽车的运行数据;聚类模块,用于根据电动汽车的运行数据对电动汽车进行聚类,得到多个电动汽车组;第二获取模块,用于根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个时段的充电资源数据,获取每个电动汽车组对应的充电参数,其中,充电参数包括:充电功率和充电时段。
进一步地,运行数据包括:充电数据和行驶数据。
根据本发明实施例的一个方面,提供了一种存储介质,其特征在于,存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述的电动汽车的充电方法。
根据本发明实施例的一个方面,提供了一种处理器,其特征在于,处理器用于运行程序,其中,程序运行时执行上述的电动汽车的充电方法。
在本发明实施例中,获取电动汽车的运行数据,根据电动汽车的运行数据对电动汽车进行聚类,得到多个电动汽车组,根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个时段的充电资源数据,获取每个电动汽车组对应的充电参数,其中,充电参数包括:充电功率和充电时段。上述方案根据电动汽车的运行数据对电动汽车进行聚类,并基于聚类结果,根据基于中心的电动汽车的运行数据确定其最优的充电参数,并以此作为整组电动汽车的充电参数,从而基于驾驶员行为(即电动汽车数据)分析电动汽车的充电时序规划,并通过调整电动汽车充电的功率与时段,达到了削峰填谷能力最大和充电成本的最低的效果,解决了现有技术中电动汽车在电网的负荷高峰期充电,导致加剧负荷峰谷差的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的电动汽车的充电方法的流程图;
图2是根据本发明实施例的电动汽车的充电的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种电动汽车的充电方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的电动汽车的充电方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取电动汽车的运行数据。
具体的,获取的运行数据可以由驾驶者使用电动汽车时的行为数据生成,下述度电动汽车的运行数据进行分析,即为根据驾驶者的行为数据进行分析。
运行数据可以包括电动汽车在单位时间的行驶量、耗电量以及充电时间等参数。在一种可选的实施例中,获取需要进行有序充电控制的电动汽车的运行数据,以对这些数据的充电进行有序的控制。
步骤S104,根据电动汽车的运行数据对电动汽车进行聚类,得到多个电动汽车组。
由于车辆驾驶者的不同,导致的电动汽车的运行数据也不相同,上述聚类用于将电动汽车根据驾驶者的行为数据进行聚类。
在一种可选的实施例中,可以根据运行数据中,电动汽车充电的时间对电动汽车进行聚类。运行数据中可以包括电动汽车充电的时间,将电动汽车充电的时间进行统计,并获取一年内电动汽车在每个时间充电的次数,确定次数最多的充电时间为该电动汽车所属的充电时间。按照上述方式获取每个电动汽车的充电时间,并将属于同一时间段的电动汽车作为一类,划分至一个电动汽车组。
在另一种可选的实施例中,还可以根据运行数据中的行驶数据对电动汽车进行聚类。运行数据中可以包括电动汽车的行驶数据,获取电动汽车每日的行驶均值,根据电动汽车的每日的行驶均值,对电动汽车进行聚类。
步骤S106,根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个时段的充电资源数据,获取每个电动汽车组对应的充电参数,其中,充电参数包括:充电功率和充电时段。
具体的,聚类中心可以是在多个电动汽车中指定的电动汽车,采用聚类中的电动汽车的运行数据,代表电动汽车组的运行数据,进行充电参数的运算。上述充电资源数据用于表示充电的费用,上述预设的多个时段包括高峰时段、平段和低谷时段。
在一种可选的实施例中,可以使用遗传算法,对每一个电动汽车组的充电功率和时段寻优,从而在满足所有电动汽车充电功率的前提下,同时兼顾削峰填谷能力最大和充电成本的最低。
由上可知,本申请上述实施例获取电动汽车的运行数据,根据电动汽车的运行数据对电动汽车进行聚类,得到多个电动汽车组,根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个时段的充电资源数据,获取每个电动汽车组对应的充电参数,其中,充电参数包括:充电功率和充电时段。上述方案根据电动汽车的运行数据对电动汽车进行聚类,并基于聚类结果,根据基于中心的电动汽车的运行数据确定其最优的充电参数,并以此作为整组电动汽车的充电参数,从而基于驾驶员行为(即电动汽车数据)分析电动汽车的充电时序规划,并通过调整电动汽车充电的功率与时段,达到了削峰填谷能力最大和充电成本的最低的效果,解决了现有技术中电动汽车在电网的负荷高峰期充电,导致加剧负荷峰谷差的技术问题。
作为一种可选的实施例,运行数据包括:充电数据和行驶数据。
具有的,上述运行数据可以从充电平台中导出,在一种可选的实施例中,充电数据可以包括:年总充电量,一天每个时段的年平均充电量,一月每个时段的年平均充电量,一年每个时段的年平均充电量,行驶数据可以包括:年行驶时间,一天每个时段的年平均行驶量,一月每个时段的年平均行驶量,一年每个时段的年平均行驶量。
作为一种可选的实施例,在获取电动汽车的运行数据之后,方法还包括:对运行数据进行数据清洗。
具体的,上述数据清洗用于对数据进行预处理。在一种可选的实施例中,可以通过检测运行数据中的异常数据的方式,将异常数据剔除;在另一种可选的实施例中,可以检测运行数据,然后将异常数据对应的电动汽车剔除。
作为一种可选的实施例,根据电动汽车的运行数据对电动汽车进行聚类,得到多个电动汽车组,包括:获取用于拟合的拟合超平面;根据电动汽车的运行数据确定电动汽车与拟合超平面之间的距离;根据距离对电动汽车的运行数据进行聚类。
第二个拟合超平面也是通过交换正面和负面样品的过程得到的,一旦找到最佳的拟合超平面,测试样本将根据返回超平面的最小距离进行分类。对于K类的多类分类问题,我们找到一个拟合的超平面(wi,bi),i=1,...,K,对于训练集中的每个类,使用决策函数对新的测试样本进行分类:
作为一种可选的实施例,根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个时段的充电资源数据,获取每个电动汽车组对应的充电参数,包括:根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个时段的充电资源数据,通过遗传算法对每个电动汽车组的充电功率和充电时段进行寻优,得到每个电动汽车组对应的充电参数。
作为一种可选的实施例,上述时间分段包括:高峰时段、平段和低谷时段。
在一种可选的实施例中,高峰时段为:10:00-12:00、18:00-22:00(共6小时);平段为:8:00-10:00、12:00-18:00、22:00-24:00(共10个小时);低谷时段为:0:00-8:00(共8个小时)。
实施例2
根据本发明实施例,提供了一种电动汽车的充电装置的实施例,图2是根据本发明实施例的电动汽车的充电的示意图,如图2所示,该装置包括:
第一获取模块20,用于获取电动汽车的运行数据。
聚类模块22,用于根据电动汽车的运行数据对电动汽车进行聚类,得到多个电动汽车组。
第二获取模块24,用于根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个时段的充电资源数据,获取每个电动汽车组对应的充电参数,其中,充电参数包括:充电功率和充电时段。
作为一种可选的实施例,运行数据包括:充电数据和行驶数据。
作为一种可选的实施例,上述装置还包括:清洗模块,用于在获取电动汽车的运行数据之后,对运行数据进行数据清洗。
作为一种可选的实施例,聚类模块包括:获取子模块,用于获取用于拟合的拟合超平面;确定子模块,用于根据电动汽车的运行数据确定电动汽车与拟合超平面之间的距离;聚类子模块,用于根据距离对电动汽车的运行数据进行聚类。
作为一种可选的实施例,第二获取模块包括:寻优子模块,用于根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个时段的充电资源数据,通过遗传算法对每个电动汽车组的充电功率和充电时段进行寻优,得到每个电动汽车组对应的充电参数。
作为一种可选的实施例,时间分段包括:高峰时段、平段和低谷时段。
实施例3
根据本发明实施例,提供了一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行实施例1中所述的电动汽车的充电方法。
实施例4
根据本发明实施例,提供了一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行实施例1中所述的电动汽车的充电方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种电动汽车的充电方法,其特征在于,包括:
获取电动汽车的运行数据;
根据所述电动汽车的运行数据对所述电动汽车进行聚类,得到多个电动汽车组;
根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个所述时段的充电资源数据,获取每个所述电动汽车组对应的充电参数,其中,所述充电参数包括:充电功率和充电时段;
其中,根据所述电动汽车的运行数据对所述电动汽车进行聚类,得到多个电动汽车组,包括:获取用于拟合的拟合超平面,其中,所述拟合超平面通过正面样本和负面样本的交换过程得到;根据所述电动汽车的运行数据确定所述电动汽车与所述拟合超平面之间的距离;根据所述距离对所述电动汽车的运行数据进行聚类;
其中,根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个所述时段的充电资源数据,获取每个所述电动汽车组对应的充电参数,包括:根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个所述时段的充电资源数据,通过遗传算法对每个电动汽车组的充电功率和充电时段进行寻优,得到每个所述电动汽车组对应的充电参数,在满足所述电动汽车充电功率的前提下,同时兼顾削峰填谷能力最大和充电成本最低。
2.根据权利要求1所述的方法,其特征在于,所述运行数据包括:充电数据和行驶数据。
3.根据权利要求1所述的方法,其特征在于,在获取电动汽车的运行数据之后,所述方法还包括:对所述运行数据进行数据清洗。
4.根据权利要求1所述的方法,其特征在于,所述多个时段包括:高峰时段、平段和低谷时段。
5.一种电动汽车的充电装置,其特征在于,包括:
第一获取模块,用于获取电动汽车的运行数据;
聚类模块,用于根据所述电动汽车的运行数据对所述电动汽车进行聚类,得到多个电动汽车组;
第二获取模块,用于根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个所述时段的充电资源数据,获取每个所述电动汽车组对应的充电参数,其中,所述充电参数包括:充电功率和充电时段;
其中,所述聚类模块还用于通过以下步骤根据所述电动汽车的运行数据对所述电动汽车进行聚类,得到多个电动汽车组:获取用于拟合的拟合超平面,其中,所述拟合超平面通过正面样本和负面样本的交换过程得到;根据所述电动汽车的运行数据确定所述电动汽车与所述拟合超平面之间的距离;根据所述距离对所述电动汽车的运行数据进行聚类;
其中,所述第二获取模块还用于通过以下步骤实现根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个所述时段的充电资源数据,获取每个所述电动汽车组对应的充电参数:根据每个电动汽车组中的聚类中心的运行数据,预设的多个时段和每个所述时段的充电资源数据,通过遗传算法对每个电动汽车组的充电功率和充电时段进行寻优,得到每个所述电动汽车组对应的充电参数,在满足所述电动汽车充电功率的前提下,同时兼顾削峰填谷能力最大和充电成本最低。
6.根据权利要求5所述的装置,其特征在于,所述运行数据包括:充电数据和行驶数据。
7.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至4中任意一项所述的电动汽车的充电方法。
8.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至4中任意一项所述的电动汽车的充电方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811567248.0A CN109606183B (zh) | 2018-12-19 | 2018-12-19 | 电动汽车的充电方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811567248.0A CN109606183B (zh) | 2018-12-19 | 2018-12-19 | 电动汽车的充电方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109606183A CN109606183A (zh) | 2019-04-12 |
CN109606183B true CN109606183B (zh) | 2021-05-07 |
Family
ID=66010997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811567248.0A Active CN109606183B (zh) | 2018-12-19 | 2018-12-19 | 电动汽车的充电方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109606183B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111002862B (zh) * | 2019-12-31 | 2021-08-10 | 四川大学 | 一种基于实时恒定功率的谷时段有序充电的方法和系统 |
CN112124135B (zh) * | 2020-08-19 | 2021-12-28 | 国电南瑞科技股份有限公司 | 一种电动汽车共享充电需求分析方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8731730B2 (en) * | 2011-04-27 | 2014-05-20 | Ev Patent Holdings, Llc | Electric vehicle clustered charge distribution and prioritization method, system and apparatus |
CN103633645B (zh) * | 2013-11-28 | 2015-05-20 | 清华大学 | 一种基于单辆电动汽车充电预测的电动汽车实时充电方法 |
CN104953652A (zh) * | 2015-06-11 | 2015-09-30 | 国网山东省电力公司电力科学研究院 | 电动汽车有序充电控制方法 |
CN105262167A (zh) * | 2015-10-22 | 2016-01-20 | 江苏省电力公司南京供电公司 | 区域内电动汽车有序充电控制方法 |
CN105825232A (zh) * | 2016-03-15 | 2016-08-03 | 国网北京市电力公司 | 对电动汽车用户进行分类的方法及装置 |
WO2018195327A1 (en) * | 2017-04-19 | 2018-10-25 | Chase Arnold | Remote control system for intelligent vehicle charging |
CN107392462A (zh) * | 2017-07-18 | 2017-11-24 | 上海电力学院 | 一种考虑分类特性的电动汽车并网调度方法 |
CN107972508A (zh) * | 2017-11-27 | 2018-05-01 | 南京晓庄学院 | 一种电动汽车充电功率控制方法及控制装置 |
CN108229733A (zh) * | 2017-12-21 | 2018-06-29 | 中南大学 | 一种考虑用户满意度评价的电动汽车充电调度方法 |
-
2018
- 2018-12-19 CN CN201811567248.0A patent/CN109606183B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109606183A (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109871860B (zh) | 一种基于核主成分分析的日负荷曲线降维聚类方法 | |
Benítez et al. | Dynamic clustering segmentation applied to load profiles of energy consumption from Spanish customers | |
CN108681973A (zh) | 电力用户的分类方法、装置、计算机设备和存储介质 | |
CN109606183B (zh) | 电动汽车的充电方法和装置 | |
EP3115959A1 (en) | Data analysis system and method | |
CN105760547A (zh) | 一种基于用户聚类的图书推荐方法及系统 | |
CN112308462A (zh) | 电力用户分类方法及装置 | |
CN108681742B (zh) | 用于分析司机驾驶行为对车辆能耗敏感性的分析方法 | |
CN113853528A (zh) | 用电异常识别方法、装置和计算机可读存储介质 | |
CN109657891B (zh) | 一种基于自适应k-means++算法的负荷特性分析方法 | |
CN113257364B (zh) | 基于多目标进化的单细胞转录组测序数据聚类方法及系统 | |
CN109189876B (zh) | 一种数据处理方法及装置 | |
CN105825232A (zh) | 对电动汽车用户进行分类的方法及装置 | |
CN102982077A (zh) | 用户数据处理方法及装置 | |
CN103440539A (zh) | 一种用户用电数据处理方法 | |
CN107248023B (zh) | 一种对标企业名单的筛选方法和装置 | |
Aeron et al. | Data mining framework for customer lifetime value-based segmentation | |
CN106846082A (zh) | 基于硬件信息的旅游冷启动用户产品推荐系统及方法 | |
CN110033307A (zh) | 一种基于机器学习模型的电力优质客户筛选方法 | |
Williams | Clustering household electricity use profiles | |
CN114399367A (zh) | 保险产品推荐方法、装置、设备及存储介质 | |
Wang et al. | Application of clustering technique to electricity customer classification for load forecasting | |
CN116029571A (zh) | 基于元宇宙的数据处理方法及相关装置 | |
CN108763242A (zh) | 标签生成方法及装置 | |
Fan et al. | Forecasting electricity demand by hybrid machine learning model |
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 |