CN110599193B - 一种基于相似性的充电模式智能推荐方法 - Google Patents

一种基于相似性的充电模式智能推荐方法 Download PDF

Info

Publication number
CN110599193B
CN110599193B CN201910669228.2A CN201910669228A CN110599193B CN 110599193 B CN110599193 B CN 110599193B CN 201910669228 A CN201910669228 A CN 201910669228A CN 110599193 B CN110599193 B CN 110599193B
Authority
CN
China
Prior art keywords
charging
modes
recommended
battery
standard
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
Application number
CN201910669228.2A
Other languages
English (en)
Other versions
CN110599193A (zh
Inventor
杨沛宇
董冰
刘奔
黄戬
田绍民
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.)
Shanghai Topower New Energy Technology Co ltd
Original Assignee
Shanghai Topower New Energy Technology Co ltd
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 Shanghai Topower New Energy Technology Co ltd filed Critical Shanghai Topower New Energy Technology Co ltd
Priority to CN201910669228.2A priority Critical patent/CN110599193B/zh
Publication of CN110599193A publication Critical patent/CN110599193A/zh
Application granted granted Critical
Publication of CN110599193B publication Critical patent/CN110599193B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • 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
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services
    • G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
    • G06Q30/016—After-sales
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • 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
    • Y02T90/14—Plug-in electric vehicles
    • 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
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

一种基于相似性的充电模式智能推荐方法，涉及新能源汽车充电技术领域。包括如下步骤a)在系统数据库中获取客户以往在n种充电模式中选择的历史次数，设为a1、a2、……、an；b)在系统数据库中获取n种充电模式的推荐比例，设为b1∶b2∶……∶bn；c)由历史次数生成n种充电模式的评分矩阵；d)由推荐比例生成标准评分向量Y；e)根据公式
Figure DEST_PATH_IMAGE001
计算出各种充电模式的皮尔逊系数；f）将各种充电模式的皮尔逊系数乘以100，得到用户选择各个模式后的推荐评分。本发明可以明显的提升客户在使用充电类应用程序进行充电模式选择时的用户体验，协助客户选择正确的充电模式，避免因为充电模式的错误选择造成电池损伤。

Description

一种基于相似性的充电模式智能推荐方法
技术领域
本发明涉及新能源汽车充电技术领域，具体为一种基于相似性的充电模式智能推荐方法。
背景技术
现有技术中的充电模式主要包括标准充电、快速充电、均衡充电和柔性充电，其中标准充电：使用交流充电桩通过交流充电接口和车载充电机进行充电，充电功率取决于车载充电机功率，充电倍率基本都在0.5C（C:Current，电池充放电倍率）以下。
快速充电：使用直流充电桩通过直流充电接口进行充电，充电功率取决于充电桩输出功率和电池管理系统接受上限两者的较小值。按照国家标准，有预充电、恒流充电和恒压充电步骤，峰值充电倍率基本在1C以上。长期使用快速充电对电池寿命的影响明显。
均衡充电：充电桩在给车辆充电时使用较低的充电倍率（如0.1C）对电池进行深度保养性慢速充电，使得单体电池的电压均衡性得到保障。
柔性充电：充电桩根据用户需求充电时间进行优化充电速率的充电，一般柔性充电的充电倍率介于标准充电和快速充电之间，相对快速充电对电池的损伤减小。
目前充电等技术已经发展，充电服务提供商和客户也越来越了解充电模式对电池寿命的影响。
很多充电应用程序提供了标准充电和快速充电的模式选项，还有一些应用程序还提供了柔性充电、均衡充电等模式选项。但是，往往客户并不会知道什么时候应该使用什么模式。
在充电模式选择步骤的一次问卷调查结果显示：67.63%的用户接触过充电类应用程序，有48.55%的用户在充电应用程序模式选择时会感到迷茫，有32.95%的回答者表示无所谓，只有18.5%的用户对选择适合的充电模式表示清楚，而充电模式的错误选择容易对电池造成严重伤害，从而缩短电池的使用寿命。
发明内容
本发明的目的是提供一种基于相似性的充电模式智能推荐方法，使得客户在使用充电应用程序进行充电模式的选择时，能够通过智能推荐算法对各模式进行评分并向客户进行推荐。
实现上述目的的技术方案是：一种基于相似性的充电模式智能推荐方法，其特征在于：包括如下步骤：
a)在系统数据库中获取客户以往在n种充电模式中选择的历史次数，设为a1、a2、……、an；
b)在系统数据库中获取n种充电模式的推荐比例，设为b1∶b2∶……∶bn；
c)由历史次数生成n种充电模式的评分矩阵：
Figure SMS_1
，评分矩阵每行构 成一个向量X；
d)由推荐比例生成标准评分向量Y：[ s / p *b1, s / p *b2……s / p *bn]，其中s= a1+a2+……an+1，p=b1+b2+……bn；
e) 根据公式
Figure SMS_2
计算出各种充电模式的评分矩阵与标准评分向量的皮尔逊系数；
f）将各种充电模式的皮尔逊系数乘以100，得到用户选择各个模式后的推荐评分；
上述，n为≥2的整数。
其中评分最高的即为系统推荐模式，用户同时结合自身需求选择最终充电模式。
本发明的有益效果：
本发明可以明显的提升客户在使用充电类应用程序进行充电模式选择时的用户体验，协助客户选择正确的充电模式，避免因为充电模式的错误选择造成电池损伤，延长了电池使用寿命。
进一步地，充电模式包括标准充电、快速充电、均衡充电、柔性充电，其中标准充电、快速充电、均衡充电、柔性充电的充电次数分别a1、a2、a3、a4，标准充电、快速充电、均衡充电、柔性充电的推荐比例为b1∶b2∶b3∶b4。
进一步地，系统检测待充电电池为磷酸铁锂电池时，若8*a2<a1，则充电推荐比例b1∶b2∶b3∶b4=(1 +( | T-40 |) / 100) * a1∶ a2 ∶（a1/200+ a2/50）∶ a2；其中T为电池历史平均充电温度。
进一步地，若8*a2 ≥ a1，则充电推荐比例b1：b2：b3：b4= (1 + (| T-40 |)/100) * (a1 + 2*a2) ∶ a2 ∶( a1/200 + a2/50 ) ∶ a2。
本发明将磷酸铁锂电池划分为8*a2<a1和8*a2 ≥ a1两种情况，因为磷酸铁锂电池对快速充电的耐受性较低，所以在标准充电次数小于等于8倍的快速充电次数时，电池的健康程度就不是较高水平，系统提高标准充电的权重，即推荐的标准充电权重基数从a1变为(a1+2*a2)。
进一步地，系统检测待充电电池为三元锂电池时，若4*a2<C1，则充电推荐比例b1∶b2∶b3∶b4= (1 + (|T-25|) / 100) * a1 ∶ a2 ∶(a1/200 + a2/50) ∶a2；其中T为电池历史平均充电温度。
进一步地，若4*a2 ≥ a1，则充电推荐比例b1∶b2∶b3∶b4 =（1 +(|T-25| ) /100)* (a1 + a2) ∶ a2 ∶（a1/200 +a2/50）∶ a2。
本发明将三元锂电池划分4*a2<a1和4*a2 ≥ a1两种情况，因为三元锂电池对快速充电的耐受性较高，所以在标准充电次数小于等于4倍的快速充电次数时，电池的健康程度就不是较高水平，系统提高标准充电的权重，即推荐的标准充电权重基数从a1变为(a1+a2)。
附图说明
图1为充电模式智能推荐系统的原理框图。
具体实施方式
如图1所示，本发明公开了一种基于相似性的充电模式智能推荐方法，使得客户在使用客户应用程序1进行充电模式的选择时，能够通过智能推荐算法对各模式进行评分并向客户进行推荐，本实施例以为系统中设置有标准充电、快速充电、均衡充电、柔性充电四种充电模式为例对技术方案作具体说明，具体包括如下步骤：
a)充电系统3先在充电系统服务器2中获取客户以往选择标准充电、快速充电、均衡充电、柔性充电四种充电模式充电的历史次数，并分别设为 a1、a2、a3、a4；
b) 充电系统3再在充电系统服务器2中获取四种充电模式的推荐比例，并分别设为b1∶b2∶b3∶b4；
c)由充电系统服务器2将历史次数生成四种充电模式的评分矩阵：
Figure SMS_3
，评分矩阵每行构成一个向量X；
d) 由充电系统服务器2将推荐比例生成标准评分向量Y：[ s / p *b1, s / p *b2, s / p *b3, s / p *b4 ]，其中s= a1+a2+a3+a4+1，p=b1+b2+b3+b4；
e) 由充电系统服务器2根据公式
Figure SMS_4
。
计算出四种充电模式的评分矩阵与标准评分向量的皮尔逊系数；
其中，cov(X,Y)指向量X与向量Y的协方差，E代表期望，μX和μY分别表示向量X的期望和向量Y的期望；σX和σY分别表示向量X和向量Y的标准差。综上，皮尔逊相关系数就是用选择某个模式得到的评分向量和标准评分向量的协方差除以两者的标准差；
f）由充电系统服务器2将四种充电模式的皮尔逊系数乘以100，得到用户选择各个模式后的推荐评分。
作为本实施例的进一步说明：
推荐比例的生成原理：首先充电系统服务器2获取当前充电车的历史充电各模式次数a1、a2、a3、a4，充电电池历史平均充电温度T，电池类型主要为两种：磷酸铁锂和三元锂电池。
当充电系统服务器2识别待充电电池为磷酸铁锂时，若8*a2<a1 ，则充电推荐比例b1∶b2∶b3∶b4=(1 +( | T-40 |) / 100) * a1∶ a2∶（a1/200+ a2/50）∶a2。
若8*a2 ≥ a1，则充电推荐比例b1∶b2∶b3∶b4= (1 + (| T-40 |)/ 100) * (a1 +2*a2) ∶ a2 ∶( a1/200 + a2/50 ) ∶a2。
当充电系统服务器2识别待充电电池为三元锂电池时，若4*a2<C1，则充电推荐比例b1∶b2∶b3∶b4= (1 + (|T-25|) / 100) * a1∶ a2 ∶(a1/200 + a2/50) ∶ a2。
若4*a2 ≥ a1，则充电推荐比例b1∶b2∶b3∶b4 =（1 +(|T-25| ) /100) * (a1 +a2) ∶ a2 ∶（1/200 +a2/50）∶ a2。其中T为电池历史平均充电温度。
下面以实例具体说明推荐比例的计算过程：
设待充电电池为三元锂电池，设标准充电次数a1为11次，快速充电次数a2为23次，均衡充电次数a3为1次，柔性充电次数a4为15次，充电电池历史平均充电温度T=45℃，
4*a2=92＞a1，则充电推荐比例b1∶b2∶b3∶b4 =（1 +(|T-25| ) /100) * (a1 +a2) ∶ a2 ∶（1/200 +a2/50）∶a2=40.8:23:0.52:23。
下面以三元锂电池为例、对本实施例的充电模式智能推荐方法进行具体说明：
a）将标准充电、快速充电、均衡充电、柔性充电四种充电模式进行充电的历史次数设为a1=11, a2=23, a3=1, a4=15；
b）将四种充电模式的推荐比例设为b1∶b2∶b3∶b4 =（1 +(|T-25| ) /100) * (a1+ a2) ∶ a2 ∶（1/200 +a2/50）∶ a2=40.8:23:0.52:23。
c）由历史次数生成四种充电模式的评分矩阵：
Figure SMS_5
，评分矩阵每行构成一个向量X；
d) 根据评分向量Y：[ s / p *b1, s / p *b2, s / p *b3, s / p *b4 ]的计算公式，计算出标准评分向量Y： [23.8, 13.4, 0.3, 13.4]；s=51 p=87.32
e）由皮尔逊相关系数公式：
Figure SMS_6
计算出四个充电模式评分矩阵与标准评分向量的皮尔逊相关系数，范围为[0,1]，再将皮尔逊相关系数分别乘以100，最终四种模式的推荐评分为：[55.6, 49.4,48.7,50.9]（取1位小数），具体计算过程为：
选择标准充电模式的皮尔逊相关系数计算：
设：X=[12, 23 ,1, 15]、Y=[23.83, 13.43, 0.3, 13.43]
μX = (12+23+1+15)/4 = 12.75
μY = (23.83, 13.43, 0.3, 13.43)/4 = 12.747
cov(X,Y) = E[(X-μX)(Y-μY)] = E(XY) – μXμY= (12*23.83 +23*13.43 + 1*0.3 +15*13.43)/4 – 12.75*12.7475 = 36.619
σX = sqrt( ((12-12.75)^2 + (23-12.75)^2 + (1-12.75)^2 + (15-12.75)^2) /4 ) = 7.886
σY=sqrt( ((23.83-12.75)^2+(13.43-12.75)^2+ (0.3-12.75)^2 + (13.43-12.75)^2) /4 ) = 8.347
最后
Figure SMS_7
=36.59 /(7.886*8.347) = 0.556。
同理，计算出另外三个充电模式的皮尔逊相关系数，其中评分最高的即为系统推荐模式，用户同时结合自身需求选择充电模式，开始充电。
上述推荐比例的计算过程中除推荐评分外，所有计算数值均取小数点后三位小数。
下表（表1）为选择不同充电模式，电池的能够达到的最大循环充电次数：
Figure SMS_8
表1
根据表1可知，本发明的推荐模式相对全部快充以及快速充电和标注充电交替模式，有效延长了电池寿命，并使得电池寿命接近全部采用标准的充电模式。

Claims (6)

1.一种基于相似性的充电模式智能推荐方法，其特征在于：包括如下步骤：
a)在系统数据库中获取客户以往在n种充电模式中选择的历史次数，设为a1、a2、……、an；
b)在系统数据库中获取n种充电模式的推荐比例，设为b1∶b2∶……∶bn；
c)由历史次数生成n种充电模式的评分矩阵：
Figure QLYQS_1
，评分矩阵每行构成一个向量X；
d)由推荐比例生成标准评分向量Y：[ s / p *b1, s / p *b2……s / p *bn]，其中s=a1+a2+……an+1，p=b1+b2+……bn；
e) 根据公式
Figure QLYQS_2
计算出各种充电模式的评分矩阵与标准评分向量的皮尔逊系数；
f）将各种充电模式的皮尔逊系数乘以100，得到用户选择各个模式后的推荐评分；
上述，n为≥2的整数。
2.根据权利要求1所述的一种基于相似性的充电模式智能推荐方法，其特征在于：充电模式包括标准充电、快速充电、均衡充电、柔性充电，其中标准充电、快速充电、均衡充电、柔性充电的充电次数分别a1、a2、a3、a4，标准充电、快速充电、均衡充电、柔性充电的推荐比例为b1∶b2∶b3∶b4。
3.根据权利要求2所述的一种基于相似性的充电模式智能推荐方法，其特征在于：系统检测待充电电池为磷酸铁锂电池时，若8*a2 < a1，则充电推荐比例b1∶b2∶b3∶b4=(1 +( |T-40 |) / 100) * a1∶ a2 ∶（a1/200 + a2/50）∶ a2；其中T为电池历史平均充电温度。
4.根据权利要求3所述的一种基于相似性的充电模式智能推荐方法，其特征在于：若8*a2 ≥ a1，则充电推荐比例b1：b2：b3：b4= (1 + (| T-40 |)/ 100) * (a1 + 2*a2) ∶ a2∶( a1/200 + a2/50 ) ∶ a2。
5.根据权利要求2所述的一种基于相似性的充电模式智能推荐方法，其特征在于：系统检测待充电电池为三元锂电池时，若4*a2<C1，则充电推荐比例b1∶b2∶b3∶b4= (1 + (|T-25|) / 100) * a1 ∶ a2 ∶(a1/200 + a2/50) ∶a2；其中T为电池历史平均充电温度。
6.根据权利要求5所述的一种基于相似性的充电模式智能推荐方法，其特征在于：若4*a2 ≥ a1，则充电推荐比例b1∶b2∶b3∶b4 =（1 +(|T-25| ) /100) * (a1 + a2) ∶ a2 ∶（a1/200 +a2/50）∶ a2。
CN201910669228.2A 2019-07-24 2019-07-24 一种基于相似性的充电模式智能推荐方法 Active CN110599193B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910669228.2A CN110599193B (zh) 2019-07-24 2019-07-24 一种基于相似性的充电模式智能推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910669228.2A CN110599193B (zh) 2019-07-24 2019-07-24 一种基于相似性的充电模式智能推荐方法

Publications (2)

Publication Number Publication Date
CN110599193A CN110599193A (zh) 2019-12-20
CN110599193B true CN110599193B (zh) 2023-05-19

Family

ID=68853171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910669228.2A Active CN110599193B (zh) 2019-07-24 2019-07-24 一种基于相似性的充电模式智能推荐方法

Country Status (1)

Country Link
CN (1) CN110599193B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116039433B (zh) * 2023-03-30 2023-06-20 常州亿立特新能源科技有限公司 一种基于大数据的车辆充电安全检测系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651524A (zh) * 2016-12-27 2017-05-10 杭州火小二科技有限公司 一种智能生成推荐菜单的方法
CN107967330A (zh) * 2017-11-27 2018-04-27 中山大学 基于下载行为数据及向量表征学习的移动应用推荐方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107563534A (zh) * 2017-09-21 2018-01-09 中创三优（北京）科技有限公司 一种充电桩推荐方法和装置
CN108829778B (zh) * 2018-05-30 2021-05-14 蔚来(安徽)控股有限公司 充电桩智能推荐方法、装置和系统
CN109767055A (zh) * 2018-11-23 2019-05-17 上海电享信息科技有限公司 充电站点评估推荐平台及其采用的评估推荐方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651524A (zh) * 2016-12-27 2017-05-10 杭州火小二科技有限公司 一种智能生成推荐菜单的方法
CN107967330A (zh) * 2017-11-27 2018-04-27 中山大学 基于下载行为数据及向量表征学习的移动应用推荐方法

Also Published As

Publication number Publication date
CN110599193A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
Dallinger et al. Smart grid agent: Plug-in electric vehicle
Liu et al. Charging pattern optimization for lithium-ion batteries with an electrothermal-aging model
Liu et al. Search for an optimal five-step charging pattern for Li-ion batteries using consecutive orthogonal arrays
Singh et al. Real-time coordination of electric vehicles to support the grid at the distribution substation level
Hajforoosh et al. Online optimal variable charge-rate coordination of plug-in electric vehicles to maximize customer satisfaction and improve grid performance
CN106026269A (zh) 快速充电设备及方法
CN112622693A (zh) 一种电池管理方法、装置及车辆
Maia et al. Expanding the lifetime of Li-ion batteries through optimization of charging profiles
CN110599193B (zh) 一种基于相似性的充电模式智能推荐方法
Jiang et al. Optimization of variable-current charging strategy based on SOC segmentation for Li-ion battery
CN103683379A (zh) 对提供给充电电池的电力进行优化的发电系统
CN102255114A (zh) 电池均衡充放电方法及装置
CN109346787B (zh) 一种电动汽车动力电池自适应优化充电方法
CN111301219A (zh) 一种电动车电池控制方法、系统、设备及可读存储介质
CN105119335A (zh) 充电控制方法
Mandli et al. Fast computational framework for optimal life management of lithium ion batteries
Panday et al. Multi-Objective Optimization in Battery Selection for Hybrid Electric Vehicle Applications.
CN106573543A (zh) 用于开关电池组的电池组电池的方法和所属的电池组系统
Jusoh et al. Accurate battery model parameter identification using heuristic optimization
CN103683382B (zh) 使被提供用以启动发电机的功率最优化的发电系统
Kishkin et al. Algorithm for Charging a Supercapacitor Energy Storage System
CN104733793A (zh) 一种锂电池的分段充电方法
CN115357806A (zh) 一种基于用户偏好的电动汽车充电方法
CN110015164A (zh) 一种电池充电方法及系统
CN113884910B (zh) 动力电池残值评估方法、装置、设备及可读存储介质

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