CN110866686A - 充电负荷评估方法、装置、计算机设备和存储介质 - Google Patents
充电负荷评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110866686A CN110866686A CN201911080928.4A CN201911080928A CN110866686A CN 110866686 A CN110866686 A CN 110866686A CN 201911080928 A CN201911080928 A CN 201911080928A CN 110866686 A CN110866686 A CN 110866686A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- charging
- data
- load evaluation
- behavior
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 77
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 79
- 238000004140 cleaning Methods 0.000 claims abstract description 33
- 230000005611 electricity Effects 0.000 claims abstract description 15
- 230000006399 behavior Effects 0.000 claims description 61
- 238000004590 computer program Methods 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 238000010926 purge Methods 0.000 claims 2
- 238000005457 optimization Methods 0.000 abstract description 4
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 description 23
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- -1 Dtime Chemical group 0.000 description 5
- 238000011010 flushing procedure Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000036962 time dependent Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
Abstract
本申请涉及一种充电负荷评估方法、装置、计算机设备和存储介质。充电负荷评估方法，包括：将获取到的车辆的数据进行格式化处理与分拣；对分拣后的数据进行数据清洗；对车辆行为进行识别与判断；分别对车辆于用电过程和充电过程的电量进行计算；对车辆GPS数据进行分析得到当前车辆状态、时间与位置，并评估车辆当前情况下的充电需求；根据所述车辆的充电需求对所述车辆进行充电。在大量设备接入的趋势下，车辆集群的充电负荷评估结果将作为电力系统负荷预测的数据支撑，从而可以为电力系统运行与优化提供可能，解决了电动汽车充电负荷预测方法存在成本较高且可靠性较低的问题。
Description
技术领域
本申请涉及车辆运行的电力系统分析评估的技术领域，特别是涉及一种充 电负荷评估方法、装置、计算机设备和存储介质。
背景技术
随着世界汽车保有量的急剧增长，传统的内燃机汽车对环境带来的危害日 益严重，环境保护的呼声和石油储量短缺的压力迫使人们重新考虑未来汽车的 动力问题。
电动汽车作为一种绿色交通工具，在减少二氧化碳排放、缓解能源危机等 方面具有巨大的优势和潜能。我国电动汽车用户组成与国外情况有所区别，电 动公交车、电动出租车和电动私家车等类型电动汽车用户的行车行为习惯与充 电行为习惯模式不同。其中，电动出租车以出行时间长，常为全天运营，相较 于私家车与公务车具有充电时间与地点规律性弱等特点，使其充电行为的预测 难度较大。
为削弱无序充电给电网带来的负面影响，近年来国内外许多大学与研究机 构均对电动汽车的充电技术进行了大量的研究工作，以对其充电行为进行有序 控制，使得充电负荷对电网的负面作用被削弱，并提高电网运营的安全性、可 靠性及经济性。为实现对电动汽车充电行为的科学调度，评估电动汽车充电需 求并对充电负荷进行预测至关重要。
目前常用的电动汽车充电负荷预测方法为基于概率统计分布、车流动态微 分方程或蒙特卡洛仿真的预测方法。然而，上述的电动汽车充电负荷预测方法 存在成本较高且可靠性较低的问题。
发明内容
基于此，有必要针对电动汽车充电负荷预测方法存在成本较高且可靠性较 低的问题，提供一种充电负荷评估方法、装置、计算机设备和存储介质。
一种充电负荷评估方法，包括：
将获取到的车辆的数据进行格式化处理与分拣；
对分拣后的所述数据进行数据清洗；
对车辆行为进行识别与判断；
分别对所述车辆于用电过程和充电过程的电量进行计算；
对所述车辆GPS数据进行分析得到当前车辆状态、时间与位置，并评估所 述车辆当前情况下的充电需求；
根据所述车辆的充电需求对所述车辆进行充电。
在其中一个实施例中，对分拣后的数据进行数据清洗的步骤包括清洗数据 缺失、清洗数据冲突或坐标偏移修正中的至少一种，以更好地解决充电负荷评 估方法步骤中所存在的数据缺失、数据冲突或数据转换偏差的问题，提高了充 电负荷评估的精度。
在其中一个实施例中，所述清洗数据缺失的步骤包括：
通过路径匹配的方法将行车路线与路网结构进行比对，得到所述行车路线 的路线缺失数据点；
根据所述车辆的行车的平均速度以及速度区间估计所述路线缺失数据点， 得到所述路线缺失数据点对应的路线填充数据点；
将所述路线填充数据点设置在所述路线缺失数据点对应的前后时间点之 间，使行车路线的数据较完整，提高了充电负荷评估的精度。
在其中一个实施例中，所述清洗数据冲突的步骤具体为：将当前时间点对 应的两个以上的冲突数据点位置的几何中心设定为所述当前时间点的数据点位 置，以去除行车路线的数据中的冲突数据，提高了充电负荷评估的精度。
在其中一个实施例中，所述坐标偏移修正的步骤包括：
将部分所述数据通过应用程序接口进行坐标转换投射在地图坐标系中，并 计算出偏移量的均值；
根据偏移量的均值对剩余所述数据进行修正，使数据准确转换投射在运营 商地图坐标系中，以便充电负荷准确评估。
在其中一个实施例中，所述对车辆行为进行识别与判断的步骤包括：
对所述车辆的行程行为进行识别；
对所述车辆的充电行为进行判断。
在其中一个实施例中，所述对所述车辆的充电行为进行判断的步骤具体为：
设置所述车辆的驻车时间的最低阈值，即充电时间设有一最低阈值，使得 在充电站范围内停车时间过短的阶段不应被视为一次充电行为；
或，设置充电站距离的最高阈值，可考虑不同充电站的服务范围与服务容 量，应对不同充电站的判定的最高阈值设为不同的数值；
或，将所述充电站距离与所述驻车时间的平方的比值小于预设限值，以对 驻车时间和与充电站距离的综合判据，相比简单判据，存在更少的误判与漏判 情况。
一种充电负荷评估装置，所述装置包括：
分拣模块，用于将获取到的车辆的数据进行格式化处理与分拣；
数据清洗模块，用于对分拣后的所述数据进行数据清洗；
识别判断模块，用于对车辆行为进行识别与判断；
电量计算模块，用于分别对所述车辆于用电过程和充电过程的电量进行计 算；
评估模块，用于对所述车辆GPS数据进行分析得到当前车辆状态、时间与 位置，并评估所述车辆当前情况下的充电需求。
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计算机程序时实现上述任一实施例所 述方法的步骤。
一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理 器执行时实现上述任一实施例所述的方法的步骤。
上述的充电负荷评估方法、装置、计算机设备和存储介质，首先将获取到 的车辆的数据进行格式化处理与分拣，以便下一步分析车辆的行程与充电信息； 然后对分拣后的数据进行数据清洗，使数据中的噪音和干扰较少，从而使后续 的分析更加精确；然后对车辆行为进行识别与判断；然后分别对车辆于用电过 程和充电过程的电量进行计算；然后对车辆GPS数据进行分析得到当前车辆状 态、时间与位置，并评估车辆当前情况下的充电需求；最后根据车辆的充电需 求对车辆进行充电；由于在实际运营中得到不同时刻各车辆的充电需求，从而 对充电站的有序充电调度以及电动汽车用户的充电指导均有着指导意义；通过 不涉及隐私信息的公共信息，如公共出租车的信息，仅通过GPS数据的数据提 取与分析即可对其充电负荷进行分析与评估，可以在不改变现有设备与网络结 构的前提下很好地发掘海量数据中的运行规律与价值，为单车辆的驾驶与充电 行为提供估计。此外，在大量设备接入的趋势下，车辆集群的充电负荷评估结 果将作为电力系统负荷预测的数据支撑，从而可以为电力系统运行与优化提供 可能，解决了电动汽车充电负荷预测方法存在成本较高且可靠性较低的问题。
附图说明
图1为一个实施例中充电负荷评估方法的应用环境图；
图2为一个实施例中的充电负荷评估方法的流程图；
图3为图2所示充电负荷评估方法的步骤S107的流程图；
图4为图2所示充电负荷评估方法的步骤S109的流程图；
图5为采用图2所示充电负荷评估方法的步骤S105的基本判据与综合判据 的曲线示意图；
图6为充电负荷评估方法的流程图；
图7为一个实施例中充电负荷评估装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了便于理解本申请，下面将参照相关附图对充电负荷评估方法、装置、 计算机设备和存储介质进行更全面的描述。附图中给出了充电负荷评估方法、 装置、计算机设备和存储介质的首选实施例。但是，充电负荷评估方法、装置、 计算机设备和存储介质可以采用许多不同的形式来实现，并不限于本文所描述 的实施例。相反地，提供这些实施例的目的是使对充电负荷评估方法、装置、 计算机设备和存储介质的公开内容更加透彻全面。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元 件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可 以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂 直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示 是唯一的实施方式。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术 领域的技术人员通常理解的含义相同。本文中在充电负荷评估方法、装置、计 算机设备和存储介质的说明书中所使用的术语只是为了描述具体的实施例的目 的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的 所列项目的任意的和所有的组合。
本申请提供的充电负荷评估方法，可以应用于如图1所示的应用环境中。 其中，终端102通过网络与服务器104通过网络进行通信。其中，终端102可 以但不限于是车载终端设备、各种个人计算机、笔记本电脑、智能手机、平板 电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器 组成的服务器集群来实现。
在一个实施例中，如图3所示，提供了一种充电负荷评估方法，以该方法 应用于图2中的终端为例进行说明，包括以下步骤：
S101，将获取到的车辆的数据进行格式化处理与分拣。
在本实施例中，获取到的车辆的数据为按照接收时间正序依次排列的车辆 ID、日期、时间、经度和纬度的格式。进一步地，通过车辆ID的唯一性，将各 车辆的数据信息分拣到不同的数据库或文件中，以便下一步分析每一辆车的行 程与充电信息。
S103，对分拣后的所述数据进行数据清洗。
在其中一个实施例中，对分拣后的数据进行数据清洗的步骤包括清洗数据 缺失、清洗数据冲突或坐标偏移修正中的至少一种，以更好地解决充电负荷评 估方法步骤中所存在的数据缺失、数据冲突或数据转换偏差的问题，提高了充 电负荷评估的精度。
S105，对车辆行为进行识别与判断。
在本实施例中，车辆为电动汽车。在其中一个实施例中，对车辆行为进行 识别与判断的步骤包括：
S105A，对所述车辆的行程行为进行识别。
在本步骤中，用于对车辆的行程行为进行识别，即对车辆的行车距离进行 计算处理。在其中一个实施例中，针对短时间间隔片段、长时间间隔片段与行 程起始位置三种场景，行车距离的处理方法均不同。
在其中一个实施例中，对于短时间间隔片段的场景，即相邻采样点时间间 隔较小的场景。将短时间间隔片段的行车路线等同为直线。由两点的经纬度以 及地球的半径，根据球面上两点间距计算行车距离的公式为：
Distance＝R·arccos(sin(Lat1)·sin(Lat2)+cos(Lat1)·cos(Lat2)·cos(Lon2-Lon1))
其中，R为地球半径,Lon与Lat分别为采样数据点的经纬度数值。
在其中一个实施例中，对于长时间间隔片段的场景，即对于相邻采样点时 间间隔较大的场景，行车距离的处理方法包括：首先采用清洗数据冲突对缺失 点进行补充；然后采取短时间间隔片段的处理方法进行距离计算。
在其中一个实施例中，对于行程起始位置的场景，计算车辆当前位置与充 电站两点间行车所需的路程与时间的情况。在本实施例中，行车距离的处理方 法包括：首先，采用地图运营商的导航相关的API(Direction API)，通过两点 的经纬度值映射到地图中的位置，即通过行车路程的起点和终点的经纬度值映 射到地图中，并获取对应的路径。其中，终点为充电站所在的位置点。然后， 计算得到从当前地点到对应充电站所需的路程与时间。
S105B，对所述车辆的充电行为进行判断。
在本实施例中，对所述车辆的充电行为进行判断，用于对车辆的充电行为 进行识别。传统的车载相关设备无法直接获取车辆的充电状态与电量信息，需 要根据车辆的GPS信息判断车辆是否正在充电。
在其中一个实施例中，定义停车阶段为在车辆断电时无数据传回的设备离 线时间，在停车阶段，车辆的传感器与车辆的通讯装置的电源同时被切断。充 电行为发生在停车阶段中，由于存在非充电停车和充电停车，为提高充电停车 的识别精度，在其中一个实施例中，对车辆的充电行为的判断方法包括车辆停 车时间、车辆距离充电站的距离、或车辆停车时间/车辆距离充电站的距离的至 少一种。其中，车辆停车时间和车辆距离充电站的距离作为车辆的充电行为的 判断方法的两个基本判据，车辆停车时间/车辆距离充电站的距离为车辆的充电 行为的判断方法的综合判据。换句话说，对车辆的充电行为的判断方法包括两 个基本判据方法和一个综合判据方法。
在其中一个实施例中，所述对所述车辆的充电行为进行判断的步骤具体为：
设置所述车辆的驻车时间的最低阈值，即充电时间设有一最低阈值，使得 在充电站范围内停车时间过短的阶段不应被视为一次充电行为。在本实施例中， 最低阈值大于或等于0.2h。对于快速充电行为的电动出租车，最低阈值大于或 等于0.5h。
Timestop＞0.2h
其中，Timestop为车辆的驻车时间的最低阈值。
在其中一个实施例中，所述对所述车辆的充电行为进行判断的步骤具体为： 设置充电站距离的最高阈值，可考虑不同充电站的服务范围与服务容量，应对 不同充电站的判定的最高阈值设为不同的数值。在本实施例中，根据充电站的 坐标位置的车辆停车位置的分布划定充电站周边地区的范围大小。其中，位于 交通枢纽的充电站充电桩数量较多和服务范围较广，设置较大的充电站距离的 最高阈值；而其他规模较小的充电站距离的最高阈值较小。
DistanceNearestChargingStation＜2km
其中，DistanceNearestChargingStation为充电站距离的最高阈值。
在其中一个实施例中，所述对所述车辆的充电行为进行判断的步骤具体为： 将所述充电站距离与所述驻车时间的平方的比值小于预设限值，以对驻车时间 和与充电站距离的综合判据。如图5所示，相比充电站距离或驻车时间的简单 判据(曲线a1、a2及a3)，综合判据(曲线b)存在更少的误判与漏判情况。
S107，分别对所述车辆于用电过程和充电过程的电量进行计算。
如图3所示，在本实施例中，分别对所述车辆于用电过程和充电过程的电 量进行计算的步骤包括：
S107A，对所述车辆于用电过程的电量进行计算。采用对所述车辆的行程行 为进行识别的识别方法，将全部行程按照每次停车/启动作为分界。将每段行程 定义为行驶阶段rdrive或停车阶段rstop。
rdrive≡((o1,d1),(o2,d2),(o3,d3),...(on,dn))
rstop≡((d1,o2),(d2,o3),(d3,o4),...(dn-1,on))
其中，oi为各行程段的起始点(origin)，di为各行程段的终点(destination)。
在其中一个实施例中，在车辆行驶过程中，车辆耗电量与车辆行驶距离相 关。每段行程信息可表征为：
在其中一个实施例中，将总耗电量视作行驶距离的线性函数，用于得到SoC 的估计值，即：
为使参数更贴近实际车辆的现状，同时计及电池性能衰减和运行工况的影 响等问题，在其中一个实施例中，首先，对车辆的GPS数据，采用对所述车辆 的行程行为进行识别的方法步骤计算得到的行驶里程；然后将行驶里程与仪表 显示电量进行线性拟合，计算得到满电续航里程与单位里程耗电量。
S107B，对所述车辆于充电过程的电量进行计算。
采用对所述车辆的充电行为进行判断的步骤S105B的充电行为判断方法。 充电过程发生在停电过程中
且充电时间满足
在本实施例中，使用快速充电桩的电动出 租车可忽略充电过程中的功率波动现象，视为恒功率充电，即
S109，对所述车辆GPS数据进行分析得到当前车辆状态、时间与位置，并 评估所述车辆当前情况下的充电需求，这样在实际运营中得到不同时刻各车辆 的充电需求，从而对充电站的有序充电调度以及电动汽车用户的充电指导均有 着指导意义。
如图4所示，在其中一个实施例中，对所述车辆GPS数据进行分析得到当 前车辆状态、时间与位置，并评估所述车辆当前情况下的充电需求的步骤S109 包括：
S109A，建立需求评价函数。在本实施例中，需求评价函数包括时间相关的 充电需求评价函数和电量相关的充电需求评价函数。
在其中一个实施例中，通过车辆上一次充电后离开充电站的时间得到下一 次充电时刻的参考值，再根据残差的拟合分布建立t分布的分布函数Tpdf。时间 相关的充电需求评价函数根据车辆上一次离开充电站的时刻Timeref,i，求得当前 时刻时间相关的需求评价函数Dtime(t)。时间相关的充电需求评价函数的公式 为：
在其中一个实施例中，分析并拟合车辆充电起始电量，得到其t分布的分布 函数。通过当前时刻的车辆电量，使用t分布的累计分布函数Tcdf，得到电量相 关的充电需求的评价函数。电量相关的充电需求的评价函数的公式为：
S109B，充电负荷评估方法。
在本实施例中，充电负荷评估方法采用基于需求模型的充电负荷预测方法进 行车辆的充电负荷进行预测。充电负荷评估方法的流程图如图6所示。在其中 一个实施例中，充电站通过对周围车辆状态的刷新与计算，可获知其充电需求 以及可能出现充电行为的概率。根据以上两个评价函数，设置相应的评估阈值。
阈值的选取方式如下：
定义p2hr(DSoC,Thres,Dtime,Thres)为所有车辆的充电数据中，充电2小时前的车辆状态值所对应的需求函数值小于所设定阈值的比例。
定义p30min(DSoC,Thres,Dtime,Thres)为所有车辆的充电数据中，充电30分钟 前的车辆状态值所对应的需求函数值小于所设定阈值的比例。
将两比例值相减，得到：
p(DSoC,Thres,Dtime,Thres)＝p2hr(DSoC,Thres,Dtime,Thres)- p30min(DSoC,Thres,Dtime,Thres)
充电评估参数选取方法为以下优化问题的求解过程。一种有效的阈值应使 p2hr(DSoC,Thres,Dtime,Thres)较小，同时使p30min(DSoC,Thres,Dtime,Thres)较大，且 两者的差值p(DSoC,Thres,Dtime,Thres)也要尽可能大。
maxp(DSoC,Thres,Dtime,Thres)
s.t.
p2hr(DSoC,Thres,Dtime,Thres)＜0.3
p30min(DSoC,Thres,Dtime,Thres)＞0.7
本方法给出一组时间与电量需求函数值的阈值，使得以该阈值作为充电判 据时的误判率和错判率均小于30％，且使得两数据集在这一阈值的判断结果相 差最大。经计算可得，当取
时，可得到目标函数的最大值。此 时p30min(DSoC,Thres,Dtime,Thres)＝0.7283，p2hr(DSoC,Thres,Dtime,Thres)＝0.1592，即 按照此判定标准，可将30分钟后进行充电中72.83％的情况判定正确，同时只会 将15.92％的2小时后才进行充电的行为进行误判。
S111，根据所述车辆的充电需求对所述车辆进行充电。
在其中一个实施例中，所述清洗数据缺失的步骤包括：
通过路径匹配的方法将行车路线与路网结构进行比对，得到所述行车路线 的路线缺失数据点；
根据所述车辆的行车的平均速度以及速度区间估计所述路线缺失数据点， 得到所述路线缺失数据点对应的路线填充数据点；
将所述路线填充数据点设置在所述路线缺失数据点对应的前后时间点之 间，使行车路线的数据较完整，提高了充电负荷评估的精度。
在本实施例中，通过路径匹配的方法将行车路线与路网结构进行比对，将 缺失的数据点设置在路径上。其时间信息可根据行车的平均速度以及合理速度 区间进行估计，设置在缺失数据前后时间点之间。
在其中一个实施例中，所述清洗数据冲突的步骤具体为：将当前时间点对 应的两个以上的冲突数据点位置的几何中心设定为所述当前时间点的数据点位 置，以去除行车路线的数据中的冲突数据，提高了充电负荷评估的精度。在本 实施例中，将该时间点的位置设为返回的两个或多个冲突数据点位置的几何中 心。
在其中一个实施例中，所述坐标偏移修正的步骤包括：
将部分所述数据通过应用程序接口进行坐标转换投射在地图坐标系中，并 计算出偏移量的均值；
根据偏移量的均值对剩余所述数据进行修正，使数据准确转换投射在运营 商地图坐标系中，以便充电负荷准确评估。
在本实施例中，先使用地图运营商API提供的坐标转换功能，将部分数据 通过API转换投射在运营商地图坐标系中，并计算出算出偏移量的均值。之后 用这一偏移量对大量数据进行修正。
上述的充电负荷评估方法，首先将获取到的车辆的数据进行格式化处理与 分拣，以便下一步分析车辆的行程与充电信息；然后对分拣后的数据进行数据 清洗，使数据中的噪音和干扰较少，从而使后续的分析更加精确；然后对车辆 行为进行识别与判断；然后分别对车辆于用电过程和充电过程的电量进行计算； 最后对车辆GPS数据进行分析得到当前车辆状态、时间与位置，并评估车辆当 前情况下的充电需求；由于在实际运营中得到不同时刻各车辆的充电需求，从 而对充电站的有序充电调度以及电动汽车用户的充电指导均有着指导意义；通 过不涉及隐私信息的公共信息，如公共出租车的信息，仅通过GPS数据的数据 提取与分析即可对其充电负荷进行分析与评估，可以在不改变现有设备与网络 结构的前提下很好地发掘海量数据中的运行规律与价值，为单车辆的驾驶与充 电行为提供估计。此外，在大量设备接入的趋势下，车辆集群的充电负荷评估 结果将作为电力系统负荷预测的数据支撑，从而可以为电力系统运行与优化提 供可能，解决了电动汽车充电负荷预测方法存在成本较高且可靠性较低的问题。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显 示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明 确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺 序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段， 这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻 执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它 步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
上述的充电负荷评估方法，通过车载终端设备所记录的GPS数据，实现对 于城区内广泛应用的电动出租车的充电负荷评估。从电动出租汽车车载无线通 讯设备所记载并实时回传至服务器的大量GPS数据入手，通过分析其历史行为 模式得到电动出租车的充电特征及行为模型，进一步结合历史与实时行车信息 的电动汽车充电行为预测与充电负荷评估方法。此方法在实际运营中得到不同 时刻各车辆的充电需求，从而对充电站的有序充电调度以及电动汽车用户的充 电指导均有着指导意义。
在其中一个实施例中，一种充电负荷评估装置，所述装置采用上述任一实 施例所述充电负荷评估方法实现，或者所述装置用于执行上述任一实施例所述 充电负荷评估方法的各步骤。在其中一个实施例中，所述装置具有用于执行上 述任一实施例所述充电负荷评估方法的各步骤的功能模块。在其中一个实施例 中，一种充电负荷评估装置，其包括分拣模块、数据清洗模块、识别判断模块 电量计算模块及评估模块，其中，分拣模块，用于将获取到的车辆的数据进行 格式化处理与分拣。数据清洗模块，用于对分拣后的所述数据进行数据清洗。 识别判断模块，用于对车辆行为进行识别与判断。电量计算模块，用于分别对所述车辆于用电过程和充电过程的电量进行计算。评估模块，用于对所述车辆 GPS数据进行分析得到当前车辆状态、时间与位置，并评估所述车辆当前情况 下的充电需求。其余实施例以此类推。
在一个实施例中，如图7所示，提供了一种充电负荷评估装置，所述装置 包括：分拣模块210、数据清洗模块220、识别判断模块230、电量计算模块240 和评估模块250，其中：
分拣模块，用于将获取到的车辆的数据进行格式化处理与分拣。
数据清洗模块，用于对分拣后的所述数据进行数据清洗。
识别判断模块，用于对车辆行为进行识别与判断。
电量计算模块，用于分别对所述车辆于用电过程和充电过程的电量进行计 算。
评估模块，用于对所述车辆GPS数据进行分析得到当前车辆状态、时间与 位置，并评估所述车辆当前情况下的充电需求。
关于充电负荷评估装置的具体限定可以参见上文中对于充电负荷评估方法 的限定，在此不再赘述。上述充电负荷评估装置中的各个模块可全部或部分通 过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算 机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以 便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器， 其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、 存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控 制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失 性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存 储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用 于存储充电负荷评估数据。该计算机设备的网络接口用于与外部的终端通过网 络连接通信。该计算机程序被处理器执行时以实现一种充电负荷评估方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其 内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、 存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提 供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。 该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存 储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口 用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一 种充电负荷评估方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水 显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计 算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板 或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关 的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定， 具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件， 或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，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计算机程序 时实现上述任一实施例所述方法的步骤。
S101，将获取到的车辆的数据进行格式化处理与分拣；
S103，对分拣后的所述数据进行数据清洗；
S105，对车辆行为进行识别与判断；
S107，分别对所述车辆于用电过程和充电过程的电量进行计算；
S109，对所述车辆GPS数据进行分析得到当前车辆状态、时间与位置，并 评估所述车辆当前情况下的充电需求。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对分拣后的数据进行数据清洗的步骤包括清洗数据缺失、清洗数据冲突或 坐标偏移修正中的至少一种，以更好地解决充电负荷评估方法步骤中所存在的 数据缺失、数据冲突或数据转换偏差的问题，提高了充电负荷评估的精度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
所述清洗数据缺失的步骤包括：
通过路径匹配的方法将行车路线与路网结构进行比对，得到所述行车路线 的路线缺失数据点；
根据所述车辆的行车的平均速度以及速度区间估计所述路线缺失数据点， 得到所述路线缺失数据点对应的路线填充数据点；
将所述路线填充数据点设置在所述路线缺失数据点对应的前后时间点之 间，使行车路线的数据较完整，提高了充电负荷评估的精度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
所述清洗数据冲突的步骤具体为：将当前时间点对应的两个以上的冲突数 据点位置的几何中心设定为所述当前时间点的数据点位置，以去除行车路线的 数据中的冲突数据，提高了充电负荷评估的精度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
所述坐标偏移修正的步骤包括：
将部分所述数据通过应用程序接口进行坐标转换投射在地图坐标系中，并 计算出偏移量的均值；
根据偏移量的均值对剩余所述数据进行修正，使数据准确转换投射在运营 商地图坐标系中，以便充电负荷准确评估。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对所述车辆的行程行为进行识别；
对所述车辆的充电行为进行判断。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
所述对所述车辆的充电行为进行判断的步骤具体为：
设置所述车辆的驻车时间的最低阈值，即充电时间设有一最低阈值，使得 在充电站范围内停车时间过短的阶段不应被视为一次充电行为。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
所述对所述车辆的充电行为进行判断的步骤具体为：
设置充电站距离的最高阈值，可考虑不同充电站的服务范围与服务容量， 应对不同充电站的判定的最高阈值设为不同的数值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
所述对所述车辆的充电行为进行判断的步骤具体为：
将所述充电站距离与所述驻车时间的平方的比值小于预设限值，以对驻车 时间和与充电站距离的综合判据，相比简单判据，综合判据存在更少的误判与 漏判情况。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程 序，所述计算机程序被处理器执行时实现上述任一实施例所述的方法的步骤。
S101，将获取到的车辆的数据进行格式化处理与分拣；
S103，对分拣后的所述数据进行数据清洗；
S105，对车辆行为进行识别与判断；
S107，分别对所述车辆于用电过程和充电过程的电量进行计算；
S109，对所述车辆GPS数据进行分析得到当前车辆状态、时间与位置，并 评估所述车辆当前情况下的充电需求。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对分拣后的数据进行数据清洗的步骤包括清洗数据缺失、清洗数据冲突或 坐标偏移修正中的至少一种，以更好地解决充电负荷评估方法步骤中所存在的 数据缺失、数据冲突或数据转换偏差的问题，提高了充电负荷评估的精度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
所述清洗数据缺失的步骤包括：
通过路径匹配的方法将行车路线与路网结构进行比对，得到所述行车路线 的路线缺失数据点；
根据所述车辆的行车的平均速度以及速度区间估计所述路线缺失数据点， 得到所述路线缺失数据点对应的路线填充数据点；
将所述路线填充数据点设置在所述路线缺失数据点对应的前后时间点之 间，使行车路线的数据较完整，提高了充电负荷评估的精度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
所述清洗数据冲突的步骤具体为：将当前时间点对应的两个以上的冲突数 据点位置的几何中心设定为所述当前时间点的数据点位置，以去除行车路线的 数据中的冲突数据，提高了充电负荷评估的精度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
所述坐标偏移修正的步骤包括：
将部分所述数据通过应用程序接口进行坐标转换投射在地图坐标系中，并 计算出偏移量的均值；
根据偏移量的均值对剩余所述数据进行修正，使数据准确转换投射在运营 商地图坐标系中，以便充电负荷准确评估。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对所述车辆的行程行为进行识别；
对所述车辆的充电行为进行判断。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
所述对所述车辆的充电行为进行判断的步骤具体为：
设置所述车辆的驻车时间的最低阈值，即充电时间设有一最低阈值，使得 在充电站范围内停车时间过短的阶段不应被视为一次充电行为。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
所述对所述车辆的充电行为进行判断的步骤具体为：
设置充电站距离的最高阈值，可考虑不同充电站的服务范围与服务容量， 应对不同充电站的判定的最高阈值设为不同的数值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
所述对所述车辆的充电行为进行判断的步骤具体为：
将所述充电站距离与所述驻车时间的平方的比值小于预设限值，以对驻车 时间和与充电站距离的综合判据，相比简单判据，综合判据存在更少的误判与 漏判情况。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程， 是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于 一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述 各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、 存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。 非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程 ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可 包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限， RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步 DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM (ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus) 直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器 总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对 上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技 术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细， 但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的 普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改 进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要 求为准。
Claims (10)
1.一种充电负荷评估方法，其特征在于，包括：
将获取到的车辆的数据进行格式化处理与分拣；
对分拣后的所述数据进行数据清洗；
对车辆行为进行识别与判断；
分别对所述车辆于用电过程和充电过程的电量进行计算；
对所述车辆GPS数据进行分析得到当前车辆状态、时间与位置，并评估所述车辆当前情况下的充电需求；
根据所述车辆的充电需求对所述车辆进行充电。
2.根据权利要求1所述的充电负荷评估方法，其特征在于，对分拣后的数据进行数据清洗的步骤包括清洗数据缺失、清洗数据冲突或坐标偏移修正中的至少一种。
3.根据权利要求2所述的充电负荷评估方法，其特征在于，所述清洗数据缺失的步骤包括：
通过路径匹配的方法将行车路线与路网结构进行比对，得到所述行车路线的路线缺失数据点；
根据所述车辆的行车的平均速度以及速度区间估计所述路线缺失数据点，得到所述路线缺失数据点对应的路线填充数据点；
将所述路线填充数据点设置在所述路线缺失数据点对应的前后时间点之间。
4.根据权利要求2所述的充电负荷评估方法，其特征在于，所述清洗数据冲突的步骤具体为：将当前时间点对应的两个以上的冲突数据点位置的几何中心设定为所述当前时间点的数据点位置。
5.根据权利要求2所述的充电负荷评估方法，其特征在于，所述坐标偏移修正的步骤包括：
将部分所述数据通过应用程序接口进行坐标转换投射在地图坐标系中，并计算出偏移量的均值；
根据偏移量的均值对剩余所述数据进行修正。
6.根据权利要求1所述的充电负荷评估方法，其特征在于，所述对车辆行为进行识别与判断的步骤包括：
对所述车辆的行程行为进行识别；
对所述车辆的充电行为进行判断。
7.根据权利要求6所述的充电负荷评估方法，其特征在于，所述对所述车辆的充电行为进行判断的步骤具体为：
设置所述车辆的驻车时间的最低阈值；
或，设置充电站距离的最高阈值；
或，将所述充电站距离与所述驻车时间的平方的比值小于预设限值。
8.一种充电负荷评估装置，其特征在于，所述装置包括：
分拣模块，用于将获取到的车辆的数据进行格式化处理与分拣；
数据清洗模块，用于对分拣后的所述数据进行数据清洗；
识别判断模块，用于对车辆行为进行识别与判断；
电量计算模块，用于分别对所述车辆于用电过程和充电过程的电量进行计算；
评估模块，用于对所述车辆GPS数据进行分析得到当前车辆状态、时间与位置，并评估所述车辆当前情况下的充电需求。
9.一种计算机设备，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计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911080928.4A CN110866686A (zh) | 2019-11-07 | 2019-11-07 | 充电负荷评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911080928.4A CN110866686A (zh) | 2019-11-07 | 2019-11-07 | 充电负荷评估方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110866686A true CN110866686A (zh) | 2020-03-06 |
Family
ID=69654387
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911080928.4A Pending CN110866686A (zh) | 2019-11-07 | 2019-11-07 | 充电负荷评估方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110866686A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117465279A (zh) * | 2023-11-29 | 2024-01-30 | 珠海泰坦科技股份有限公司 | 一种电动汽车充电峰值功率智能控制系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103632541A (zh) * | 2012-08-22 | 2014-03-12 | 北京掌城科技有限公司 | 交通事件路链检测与数据填补方法 |
| CN109813327A (zh) * | 2019-02-01 | 2019-05-28 | 安徽中科美络信息技术有限公司 | 一种车辆行驶轨迹缺失补偿方法 |
| CN109919393A (zh) * | 2019-03-22 | 2019-06-21 | 国网上海市电力公司 | 一种电动出租汽车的充电负荷预测方法 |
| CN110351651A (zh) * | 2019-05-22 | 2019-10-18 | 安徽中科美络信息技术有限公司 | 一种车辆轨迹缺失识别及补偿方法 |
-
2019
- 2019-11-07 CN CN201911080928.4A patent/CN110866686A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103632541A (zh) * | 2012-08-22 | 2014-03-12 | 北京掌城科技有限公司 | 交通事件路链检测与数据填补方法 |
| CN109813327A (zh) * | 2019-02-01 | 2019-05-28 | 安徽中科美络信息技术有限公司 | 一种车辆行驶轨迹缺失补偿方法 |
| CN109919393A (zh) * | 2019-03-22 | 2019-06-21 | 国网上海市电力公司 | 一种电动出租汽车的充电负荷预测方法 |
| CN110351651A (zh) * | 2019-05-22 | 2019-10-18 | 安徽中科美络信息技术有限公司 | 一种车辆轨迹缺失识别及补偿方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117465279A (zh) * | 2023-11-29 | 2024-01-30 | 珠海泰坦科技股份有限公司 | 一种电动汽车充电峰值功率智能控制系统及方法 |
| CN117465279B (zh) * | 2023-11-29 | 2024-03-19 | 珠海泰坦科技股份有限公司 | 一种电动汽车充电峰值功率智能控制系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021135653A1 (zh) | 一种识别车辆的异常停留的方法和系统 | |
| US11869091B2 (en) | Recording and reporting of driving characteristics using wireless mobile device | |
| CN110570014B (zh) | 一种基于蒙特卡洛和深度学习的电动汽车充电负荷预测方法 | |
| Shankar et al. | Method for estimating the energy consumption of electric vehicles and plug‐in hybrid electric vehicles under real‐world driving conditions | |
| US20140108058A1 (en) | Method and System to Determine Auto Insurance Risk | |
| Lin et al. | Estimation of energy use by plug-in hybrid electric vehicles: Validating gamma distribution for representing random daily driving distance | |
| US10621214B2 (en) | Systems and methods for database geocoding | |
| Yang et al. | EV charging behaviour analysis and modelling based on mobile crowdsensing data | |
| JP2018019483A (ja) | 車両の走行可能距離算出システムおよび走行可能距離算出方法 | |
| CN109902869B (zh) | 车辆可达里程预测的方法、装置、计算机设备和存储介质 | |
| CN111670340A (zh) | 一种车辆剩余行驶里程的获取方法、电子设备及车辆 | |
| CN110969834B (zh) | 处理方法、装置、计算机设备、存储介质及车辆调度系统 | |
| CN111210537A (zh) | 一种油耗分析方法、装置、设备和存储介质 | |
| Mandev et al. | Empirical charging behavior of plug-in hybrid electric vehicles | |
| CN109484187A (zh) | 信息处理方法和具有电驱动功能的车辆 | |
| CN115496275A (zh) | 城市交通碳排放预测方法、装置、电子设备和存储介质 | |
| CN110866686A (zh) | 充电负荷评估方法、装置、计算机设备和存储介质 | |
| CN113537615B (zh) | 一种充电车辆的预测方法、装置及电子设备 | |
| CN111723835A (zh) | 车辆移动轨迹区分方法、装置和电子设备 | |
| JP2019175507A (ja) | 車両の走行可能距離算出システムおよび走行可能距離算出方法 | |
| CN112765726A (zh) | 一种寿命预测方法及装置 | |
| CN114256523A (zh) | 一种充电桩充电控制方法、装置、电子设备及存储介质 | |
| CN112785044B (zh) | 公共交通工具的实时满载率预测方法、装置、设备和介质 | |
| CN113859029A (zh) | 一种运营商充电设施接入运行情况的监控方法 | |
| KR20220060223A (ko) | 전기 자동차의 충/방전을 고려한 도시별 일 부하 곡선 산출 방법 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201016 Address after: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Address before: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant before: GUANGZHOU POWER SUPPLY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200306 |
|
| RJ01 | Rejection of invention patent application after publication |