CN112085564A - 一种电动汽车电源共享系统及充电方法 - Google Patents

一种电动汽车电源共享系统及充电方法 Download PDF

Info

Publication number
CN112085564A
CN112085564A CN202010928890.8A CN202010928890A CN112085564A CN 112085564 A CN112085564 A CN 112085564A CN 202010928890 A CN202010928890 A CN 202010928890A CN 112085564 A CN112085564 A CN 112085564A
Authority
CN
China
Prior art keywords
request
charging
power supply
sharing
supply
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.)
Granted
Application number
CN202010928890.8A
Other languages
English (en)
Other versions
CN112085564B (zh
Inventor
陈勇
朱培坤
陈章勇
李猛
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202010928890.8A priority Critical patent/CN112085564B/zh
Publication of CN112085564A publication Critical patent/CN112085564A/zh
Application granted granted Critical
Publication of CN112085564B publication Critical patent/CN112085564B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0605—Supply or demand aggregation
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

Abstract

本发明公开了一种电动汽车电源共享系统及充电方法，涉及电动汽车充电领域。该系统包括：请求端和供应端，请求端为任何一辆电动汽车，供应端为具有电源共享能力的电动汽车。该方法包括：系统采集请求端的充电请求信息，所述充电请求包括电动汽车的具体位置、需求电量、应急程度指数、接受的充电总时间；系统结合供应端的具体情况形成一个大数据分析平台筛选出一系列最优次优的电源共享汽车；系统推送给请求端供其选择，如果请求端不满意，系统再次筛选一系列最优次优的电源共享汽车推送给请求端；请求端选择一个供应端推送的电源共享电动汽车，建立充电联系。本发明通过电动汽车电源共享，提高了电源的利用率，为电动汽车提供了一种新的充电途径。

Description

一种电动汽车电源共享系统及充电方法
技术领域
本发明属于电动汽车充电技术领域，更为具体地讲，涉及一种电动汽车电源共享系统及充电方法。
背景技术
随着电动汽车发展突飞猛进，充电基础设施建设滞后日益凸显，甚至已影响到电动汽车的进一步发展。充电站规划成本高、规划位置不合理、城市土地资源短缺、昂贵等一系列原因造就了充电站的规划迟缓，当前市面上电动汽车的充电方式单一，充电时间长等一系列原因严重影响到了电动汽车的发展与用户的体验感。
当今世界越来越繁荣，各个国家也越来越注重环境污染问题，所以无污染的纯电动汽车必定是未来发展的趋势，目前电动汽车的续航里程都能够做到在充满电的情况下续航达到300公里以上，但主要存在的问题还是充电问题，充电设施缺乏、充电形式单一、充电时间长等，严重阻碍了电动汽车的市场占有率。
发明内容
本发明的技术解决问题是：克服目前技术的不足，提供一种基于多目标优化的电动汽车充电平台的选取方法，进行多角度综合考虑，充分体现了各个优化子目标的差异性与相似性，提高了选取决策的准确性和智能性。
鉴于上述问题，提出了本发明以便提供一种新的电动汽车充电方式丰富充电途径，给驾驶员一种多的充电选择，实现资源共享，提高电动汽车电源的利用率，提高电动汽车用户体验。
依照本发明的一个方法，提供了一种电动汽车电源共享系统及充电方法，所述系统包括：
请求端和供应端，请求端为任何一辆电动汽车，供应端为具有电源共享能力的电动汽车。
所述充电方法包括以下步骤：
步骤1：系统采集请求端的充电请求信息，所述充电请求包括电动汽车的具体位置、需求电量、应急程度指数、接受的充电总时间；
步骤2：系统结合供应端的具体情况形成一个大数据分析平台筛选出一系列最优次优的电源共享汽车；
步骤3：系统推送给请求端供其确认，如果请求端不满意，系统再次筛选一系列最优次优的电源共享汽车推送给请求端；；
步骤4：请求端确认供应端推送的电源共享电动汽车，建立充电联系。
所述步骤1中，系统采集到请求端的具体位置用于计算各个供应端到请求端的实时距离以及需要行驶的时间；
所述步骤1中，系统采集到请求端的应急程度指数是系统根据请求端的剩余电量与需求电量做出的一个应急指标，剩余电量越少、需求电量越大应急指标越大。
所述步骤1中，所述的应急程度指数越大，在同等情况下，系统优先为应急程度指数大的请求端的需求服务。
所述步骤1中，所述的接受的充电总时间是请求端的驾驶员根据需要自行设定的，充电总时间是供应端到请求端的行驶时间加上充满到请求端需求电量所需要的总时间，如果系统通过实时大数据搜寻系统中发现没有满足接受的充电总时间的供应端，系统则要求请求端的驾驶员增大接受的充电总时间再次发起充电请求。
所述步骤2的具体步骤为：
步骤2-1：系统根据请求端接受的充电总时间和需求电量筛选出满足充电时间需求和需求电量的供应端作为候选车辆；
步骤2-2：系统结合所有候选车辆的具体情况形成一个大数据分析平台，对候选车辆进行目标选择数据分析，得出所有候选车辆目标选择结果。
所述步骤2-2的具体步骤为：
步骤2-2-1：系统通过大数据分析获取到各候选车辆之前提供电源共享服务所得到请求端的评价平均分数，其评价项目包括：供应端的服务态度、供应端的电源供应性能、供应端到达请求端地点的准点情况、请求端对供应端的总体评分；
步骤2-2-2：系统实时获取所有候选车辆的实时位置与剩余电量百分比，实时位置用于预估服务总时长，系统对于所有候选车辆的预估服务总时长和剩余电量百分比进行打分；
步骤2-2-3：系统对所有候选车辆的打分情况进行归一化；
步骤2-2-4：系统构建多层神经网络进行深度学习，分别将所有候选车辆归一化的分数作为神经网络的输入进行计算，得出所有候选车辆的目标选择结果。
所述步骤3的具体步骤为：
步骤3-1：系统将筛选出的电源共享电动汽车的基本信息按照目标选择结果从大到小依次作为最优次优推送给请求端，供其选择；
步骤3-2：如果请求端从推送的共享电源电动汽车选出一个满意的电动汽车作为供应端，并调整深度学习神经网络的参数；如果请求端不满意，系统跳到步骤2再次筛选出一系列最优次优的电源共享汽车推送给请求端供其选择。
所述步骤4，请求端确认供应端推送的电源共享电动汽车，建立充电联系，请求端驶向供应端为其提供充电服务。
本发明提供的一种电动汽车电源共享系统及方法，通过大数据收集到的需求端为供应端的服务态度、供应端的电源供应性能、供应端到达请求端地点的准点情况、请求端对供应端的总体评分等方面的评分，结合系统对供应端的剩余电量预估的服务总时长就行的评分作为神经网络的输入，从而算出各个供应端的目标选择结果，将候选车辆的信息以目标选择结果按照大到小的顺序推送给需求端供其选择。
本发明提供的一种电动汽车电源共享系统及方法，为电动汽车领域提供了一种充电新途径，有效地缓解了充电难、充电方式单一等问题，通过本电动汽车电源共享系统对电动汽车空余电量的整合实现电动汽车电源共享，提高了电动汽车电源的利用率，为用户增加了新体验。
本发明的目的是这样实现的。
本发明电动汽车电源共享系统及充电方法，涉及电动汽车充电领域。该系统包括：请求端和供应端，请求端为任何一辆电动汽车，供应端为具有电源共享能力的电动汽车。该方法包括：系统采集请求端的充电请求信息，所述充电请求包括电动汽车的具体位置、需求电量、应急程度指数、接受的充电总时间；统结合供应端的具体情况形成一个大数据分析平台筛选出一系列最优次优的电源共享汽车；系统推送给请求端供其选择，如果请求端不满意，系统再次筛选一系列最优次优的电源共享汽车推送给请求端；请求端选择一个供应端推送的电源共享电动汽车，建立充电联系。本发明通过电动汽车电源共享，提高了电源的利用率，为电动汽车提供了一种新的充电途径。
附图说明
图1是本发明电动汽车电源共享系统及充电方法一种具体实施方式的流程图；
图2是本发明中基于深度学习的多层神经网络目标选择模型示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
本发明电动汽车电源共享系统及充电方法，该系统包括：请求端和供应端，请求端为任何一辆电动汽车，供应端为具有电源共享能力的电动汽车。
参考图1，一种电动汽车电源共享系统及充电方法，该方法包括以下步骤：
步骤1：系统采集请求端的充电请求信息，所述充电请求包括电动汽车的具体位置、需求电量、应急程度指数、接受的充电总时间；
步骤2：系统结合供应端的具体情况形成一个大数据分析平台筛选出一系列最优次优的电源共享汽车；
步骤3：系统推送给请求端供其确认，如果请求端不满意，系统再次筛选一系列最优次优的电源共享汽车推送给请求端；
步骤4：请求端确认供应端推送的电源共享电动汽车，建立充电联系。
所述步骤1，充电请求中的具体位置用于计算各个供应端到请求端的实时距离以及需要行驶的时间；
所述步骤1，充电请求中的需求电量，是驾驶员根据自己的需要而提出的充电需求；
所述步骤1，充电请求中的应急程度指数是系统根据请求端的剩余电量与需求电量做出的一个应急指标，剩余电量越少、需求电量越大应急指标越大。
所述步骤1，充电请求中的接受的充电总时间是请求端的驾驶员根据需要自行设定的，充电总时间是供应端到请求端的行驶时间加上充满到请求端需求电量所需要的总时间，如果系统通过实时大数据搜寻系统中发现没有满足接受的充电总时间的供应端，系统则要求请求端的驾驶员增大接受的充电总时间再次发起充电请求。
所述步骤2的具体步骤为：
步骤2-1：系统根据请求端接受的充电总时间和需求电量筛选出满足充电时间需求和需求电量的供应端作为候选车辆，假设候选车辆数为n；
步骤2-2：系统结合所有候选车辆的具体情况形成一个大数据分析平台，
对候选车辆进行目标选择数据分析，得出n个候选车辆目标选择结果。
所述步骤2-2的具体步骤为：
步骤2-2-1：系统通过大数据分析获取到各候选车辆之前提供电源共享服务所得到请求端的评价平均分数，这里的总分为10分，其评价项目包括：供应端的服务态度x1、供应端的电源供应性能x2、供应端到达请求端地点的准点情况x3、请求端对供应端的总体评分x4。
分别用xi1、xi2、xi3、xi4代表第i辆(i＝1,2,…,n)候选车的服务态度、电源供应性能、到达请求端地点的准点情况、请求端对供应端的总体评分的平均分数；
步骤2-2-2：系统实时获取所有候选车辆的实时位置与剩余电量百分比，实时位置用于预估服务总时长，系统对于所有候选车辆的预估服务总时长和剩余电量进行打分。分别用xi5、xi6代表系统对第i辆(i＝1,2,…,n)候选车辆预估服务总时长和剩余电量百分比的打分。
所述步骤2-2-2中，系统对候选车辆预估服务总时长和剩余电量进行打分的具体步骤如下：
步骤2-2-2-1：系统对所有候选车辆进行服务总时长预估，这里用ti表示第i辆(i＝1,2,…,n)候选车辆的服务总时长；
步骤2-2-2-2：用公式(1)对预估的服务总时长进行归一化：
Figure BDA0002669440970000051
步骤2-2-2-3：系统根据归一化的的数值用公式(2)进行打分：
xi5＝xi′*10 (i＝1,2,3,…,n) (2)
步骤2-2-2-4：系统获取到候选车辆的剩余电量的百分比为pi，(i＝1,2,3,…,n)。
步骤2-2-2-5：用公式(3)对剩余电量的百分比进行归一化：
Figure BDA0002669440970000061
步骤2-2-2-6：系统根据归一化的数值用公式(4)进行打分：
xi6＝pi′*10 (i＝1,2,3,…,n) (4)
步骤2-2-3：系统用公式(5)对所有候选车辆的打分情况进行归一化；
Figure BDA0002669440970000062
步骤2-2-4：系统构建多层神经网络进行深度学习，分别将所有候选车辆归一化的分数作为神经网络的输入进行计算，得出n辆候选车辆的目标选择结果。
所述步骤2-2-4的具体步骤为：
步骤2-2-4-1：参考图2，构建多层神经网络目标选择模型，输入层节点数为6个，分别对应每辆候选车辆的6个归一化的分数xi1′、xi2′、xi3′、xi4′、xi5′、xi6′；
步骤2-2-4-2：系统将所有候选车辆归一化的分数作为多层神经网络的输入进行计算，得到每一辆候选车的目标选择结果；
所述步骤3的具体步骤为：
步骤3-1：系统将筛选出的候选电源共享电动汽车的基本信息按目标选择结果从大到小推送给请求端，供其选择。这里的基本信息有：系统预估的服务时长、该电动汽车距离请求端的实时距离与预估到达时间、剩余电量、驾驶员的基本信息等。
步骤3-2：如果请求端挑选出了一个满意共享电源电动汽车，则执行步骤4，并调整深度学习神经网络的参数；如果请求端不满意，系统跳到步骤2再次筛选一系列最优次优的电源共享电动汽车推送给请求端。
所述步骤4，请求端确认供应端推送的电源共享电动汽车，建立充电联系，请求端驶向供应端为其提供充电服务。
本发明提供的一种电动汽车电源共享系统及充电方法，将需求充电的电动汽车与具有电源共享能力的电动汽车组成一个系统，通过建立多层神经网络进行深度学习的目标选择模型对候选车辆进行目标选择一系列最优次优的电源共享电动汽车推动给请求端供其选择，为电动汽车领域提供了一种新的充电途径。
本发明提供的一种电动汽车电源共享系统及充电方法，通过将电动汽车电源共享的方式，提高了电动汽车空闲电源的利用率，在一定程度上缓解了电动汽车充电难、充电方式单一的局限等问题。
本发明提供的一种电动汽车电源共享系统及充电方法，让每一辆具有电源共享能力的电动汽车都成为一个移动电源电动汽车供以电源共享，在一定程度上节省了充电站的规划与建设费用缓解了充电难的问题，更提高了电动汽车用户的体验感。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (9)

1.一种电动汽车电源共享系统及充电方法，其系统包括：请求端和供应端，请求端为任何一辆电动汽车，供应端为具有电源共享能力的电动汽车；
所述一种电动汽车电源共享系统及充电方法，其特征在于包括以下步骤：
步骤1：系统采集请求端的充电请求信息，所述充电请求包括电动汽车的具体位置、需求电量、应急程度指数、接受的充电总时间；
步骤2：系统结合供应端的具体情况形成一个大数据分析平台筛选出一系列最优次优的电源共享汽车；
步骤3：系统推送给请求端供其确认，如果请求端不满意，系统再次筛选一系列最优次优的电源共享汽车推送给请求端；
步骤4：请求端选择一个供应端推送的电源共享电动汽车，建立充电联系。
2.根据权利要求1所述一种电动汽车电源共享系统及充电方法，其特征在于，步骤1所述的具体位置用于计算各个供应端到请求端的实时距离以及需要行驶的时间。
3.根据权利要求1所述一种电动汽车电源共享系统及充电方法，其特征在于，步骤1所述的应急程度指数是系统根据请求端的剩余电量与需求电量做出的一个应急指标，剩余电量越少、需求电量越大应急指标越大。
4.根据权利要求1所述一种电动汽车电源共享系统及充电方法，其特征在于，步骤1所述的应急程度指数越大，在同等情况下，系统优先为应急程度指数大的请求端的需求服务。
5.根据权利要求1所述一种电动汽车电源共享系统及充电方法，其特征在于，步骤1所述的接受的充电总时间是请求端的驾驶员根据需要自行设定的，充电总时间是供应端到请求端的行驶时间加上充满到请求端需求电量所需要的总时间，如果系统通过实时大数据搜寻系统中发现没有满足接受的充电总时间的供应端，系统则要求请求端的驾驶员增大接受的充电总时间再次发起充电请求。
6.根据权利要求1所述一种电动汽车电源共享系统及充电方法，其特征在于，步骤2所述的具体步骤为：
步骤2-1：系统根据请求端接受的充电总时间和需求电量筛选出满足充电时间需求和需求电量的供应端作为候选车辆；
步骤2-2：系统结合所有候选车辆的具体情况形成一个大数据分析平台，对候选车辆进行目标选择数据分析，得出所有候选车辆目标选择结果。
7.根据权利要求6所述一种电动汽车电源共享系统及充电方法，其特征在于，步骤2-2所述的具体步骤为：
步骤2-2-1：系统通过大数据分析获取到各候选车辆之前提供电源共享服务所得到请求端的评价平均分数，其评价项目包括：供应端的服务态度、供应端的电源供应性能、供应端到达请求端地点的准点情况、请求端对供应端的总体评分；
步骤2-2-2：系统实时获取所有候选车辆的实时位置与剩余电量百分比，实时位置用于预估服务总时长，系统对于所有候选车辆的预估服务总时长和剩余电量百分比进行打分；
步骤2-2-3：系统对所有候选车辆的打分情况进行归一化；
步骤2-2-4：系统构建多层神经网络进行深度学习，分别将所有候选车辆归一化的分数作为神经网络的输入进行计算，得出所有候选车辆的目标选择结果。
8.根据权利要求1所述一种电动汽车电源共享系统及充电方法，其特征在于，步骤3所述的具体步骤为：
步骤3-1：系统将筛选出的电源共享电动汽车的基本信息按照目标选择结果从大到小依次作为最优次优推送给请求端，供其选择；
步骤3-2：如果请求端从推送的共享电源电动汽车选出一个满意的电动汽车作为供应端，并调整深度学习神经网络的参数；如果请求端不满意，系统跳到步骤2再次筛选出一系列最优次优的电源共享汽车推送给请求端供其选择。
9.根据权利要求1所述一种电动汽车电源共享系统及充电方法，其特征在于，步骤4为请求端确认供应端推送的电源共享电动汽车，建立充电联系，请求端驶向供应端为其提供充电服务。
CN202010928890.8A 2020-09-07 2020-09-07 一种电动汽车电源共享系统及充电方法 Active CN112085564B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010928890.8A CN112085564B (zh) 2020-09-07 2020-09-07 一种电动汽车电源共享系统及充电方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010928890.8A CN112085564B (zh) 2020-09-07 2020-09-07 一种电动汽车电源共享系统及充电方法

Publications (2)

Publication Number Publication Date
CN112085564A true CN112085564A (zh) 2020-12-15
CN112085564B CN112085564B (zh) 2023-04-07

Family

ID=73731533

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010928890.8A Active CN112085564B (zh) 2020-09-07 2020-09-07 一种电动汽车电源共享系统及充电方法

Country Status (1)

Country Link
CN (1) CN112085564B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011156776A2 (en) * 2010-06-10 2011-12-15 The Regents Of The University Of California Smart electric vehicle (ev) charging and grid integration apparatus and methods
CN102377220A (zh) * 2010-08-24 2012-03-14 株式会社日立制作所 电动汽车的充电控制方法、充电监视控制中心及车载导航装置
CN109217414A (zh) * 2018-09-04 2019-01-15 南京理工大学 一种用于变电站巡检机器人的自动充电装置及充电方法
WO2019140279A1 (en) * 2018-01-12 2019-07-18 Johnson Controls Technology Company Building energy optimization system with battery powered vehicle cost optimization
CN110048483A (zh) * 2019-04-30 2019-07-23 河海大学常州校区 高功耗WRSNs中基于SOM神经网络的多基站协同充电方法
CN110110993A (zh) * 2019-04-30 2019-08-09 广州大学 一种为电动汽车提供充电服务的调度系统
CN110322120A (zh) * 2019-06-12 2019-10-11 深圳大学 一种基于效益最大化的电动车充电调度方法和系统
JP2020047198A (ja) * 2018-09-21 2020-03-26 株式会社豊田中央研究所 移動体配置最適化装置
CN111325402A (zh) * 2020-02-21 2020-06-23 东南大学 基于bp神经网络的电动汽车用户充电行为的预测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011156776A2 (en) * 2010-06-10 2011-12-15 The Regents Of The University Of California Smart electric vehicle (ev) charging and grid integration apparatus and methods
CN102377220A (zh) * 2010-08-24 2012-03-14 株式会社日立制作所 电动汽车的充电控制方法、充电监视控制中心及车载导航装置
WO2019140279A1 (en) * 2018-01-12 2019-07-18 Johnson Controls Technology Company Building energy optimization system with battery powered vehicle cost optimization
CN109217414A (zh) * 2018-09-04 2019-01-15 南京理工大学 一种用于变电站巡检机器人的自动充电装置及充电方法
JP2020047198A (ja) * 2018-09-21 2020-03-26 株式会社豊田中央研究所 移動体配置最適化装置
CN110048483A (zh) * 2019-04-30 2019-07-23 河海大学常州校区 高功耗WRSNs中基于SOM神经网络的多基站协同充电方法
CN110110993A (zh) * 2019-04-30 2019-08-09 广州大学 一种为电动汽车提供充电服务的调度系统
CN110322120A (zh) * 2019-06-12 2019-10-11 深圳大学 一种基于效益最大化的电动车充电调度方法和系统
CN111325402A (zh) * 2020-02-21 2020-06-23 东南大学 基于bp神经网络的电动汽车用户充电行为的预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HENGJING ZHANG: "Optimized Scheduling for Urban-Scale Mobile Charging Vehicle", 《2019 2ND WORLD SYMPOSIUM ON COMMUNICATION ENGINEERING (WSCE)》 *
XIAOHONG HUANG: "An optimal scheduling algorithm for hybrid EV charging scenario using consortium blockchains", 《FUTURE GENERATION COMPUTER SYSTEMS》 *

Also Published As

Publication number Publication date
CN112085564B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN108162771B (zh) 一种电动汽车智能充电导航方法
CN108773279B (zh) 一种电动汽车充电路径规划方法及装置
CN112700639A (zh) 一种基于联邦学习与数字孪生的智能交通路径规划方法
CN112703518B (zh) 剩余里程预测的方法和电池远程服务的系统
CN108810846B (zh) 一种基于城市公共交通的车载网络群感知覆盖方法
CN109784523B (zh) 一种基于多目标优化的网约车智能分配订单方法
CN107730049B (zh) 电动汽车快速充电最优位置选择方法
CN109785611B (zh) 无人驾驶车辆控制方法、装置、服务器及存储介质
Roorda et al. Incorporating within-household interactions into mode choice model with genetic algorithm for parameter estimation
CN115209426A (zh) 一种边缘车联网内数字孪生服务器动态部署方法
Lv et al. Edge computing task offloading for environmental perception of autonomous vehicles in 6G networks
CN113140108B (zh) 一种网联智能交通系统中的云端交通态势预测方法
CN112418742B (zh) 信息物理融合的电动汽车换电站网络双层控制方法
CN112085564B (zh) 一种电动汽车电源共享系统及充电方法
CN115514787B (zh) 用于车联网环境的智能无人机辅助决策规划方法及装置
Gao et al. Control strategy for PHEB based on actual driving cycle with driving style characteristic
CN113222248B (zh) 一种自动驾驶出租车充电桩选择方法
CN112989194B (zh) 一种车联网用户请求与服务偏好融合的推荐方法及系统
Mariyasagayam et al. Electric vehicle route assistance using forecast on charging station
CN115359646A (zh) 一种基于车载终端的换电车辆调度方法及系统
CN111121806B (zh) 出行方式规划方法、装置、计算机设备和存储介质
CN114154729A (zh) 一种混合动力汽车复合储能系统能量管理系统及方法
CN107292402B (zh) 基于日程预匹配的时间金额约束拼车方法
Cheng et al. ETC Intelligent Navigation Path Planning Method
Mei et al. Optimizing the configuration of electric vehicle charging piles in public parking lots based on a multi-agent 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