CN112406567A - 电动汽车的充电预测方法、装置、计算机设备和存储介质 - Google Patents

电动汽车的充电预测方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112406567A
CN112406567A CN202011146628.4A CN202011146628A CN112406567A CN 112406567 A CN112406567 A CN 112406567A CN 202011146628 A CN202011146628 A CN 202011146628A CN 112406567 A CN112406567 A CN 112406567A
Authority
CN
China
Prior art keywords
charging
predicted
electric vehicle
charging station
electric
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
CN202011146628.4A
Other languages
English (en)
Other versions
CN112406567B (zh
Inventor
彭鹏
陈满
李勇琦
胡振恺
李毓烜
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.)
Peak and Frequency Regulation Power Generation Co of China Southern Power Grid Co Ltd
Original Assignee
Peak and Frequency Regulation Power Generation Co of China Southern Power Grid 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 Peak and Frequency Regulation Power Generation Co of China Southern Power Grid Co Ltd filed Critical Peak and Frequency Regulation Power Generation Co of China Southern Power Grid Co Ltd
Priority to CN202011146628.4A priority Critical patent/CN112406567B/zh
Publication of CN112406567A publication Critical patent/CN112406567A/zh
Application granted granted Critical
Publication of CN112406567B publication Critical patent/CN112406567B/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
    • 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
    • B60L53/60—Monitoring or controlling charging stations
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本申请涉及一种电动汽车的充电预测方法、装置、计算机设备和存储介质。所述方法包括：在检测到充电预测指令之后，获取电动汽车从初始位置到目的位置之间的预测轨迹；根据预测轨迹，确定电动汽车的充电需求时空信息；根据充电需求时空信息，确定电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量；根据第一预测损耗量和第二预测损耗量，确定电动汽车的预测充电站；根据充电需求时空信息和预测充电站，生成充电提示信息；充电提示信息用于在电动汽车实际产生充电需求时进行提示。采用本方法，能够在电动汽车实际产生充电需求时进行提示，从而提高了电动汽车的充电效率。

Description

电动汽车的充电预测方法、装置、计算机设备和存储介质
技术领域
本申请涉及电动汽车技术领域，特别是涉及一种电动汽车的充电预测方法、装置、计算机设备和存储介质。
背景技术
随着新能源技术的发展，具备低功耗、无污染的电动汽车受到了大力推崇；由于电动汽车是采用电量驱动的，故需要在电动汽车的剩余电量较低时，对电动汽车进行及时充电，以保证电动汽车能够顺利驾驶。
传统技术中，电动汽车的充电方法，一般是驾驶员在观察到电动汽车的剩余电量较低时，将电动汽车驾驶到附近的充电站进行充电；但是，这种充电方法，需要驾驶员时刻关注电动汽车的剩余电量，且人工查询附近的充电站，过程比较繁琐，导致电动汽车的充电效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高电动汽车的充电效率的电动汽车的充电预测方法、装置、计算机设备和存储介质。
一种电动汽车的充电预测方法，所述方法包括：
在检测到充电预测指令之后，获取电动汽车从初始位置到目的位置之间的预测轨迹；所述充电预测指令中携带有所述电动汽车的所述初始位置和所述目的位置；
根据所述预测轨迹，确定所述电动汽车的充电需求时空信息；
根据所述充电需求时空信息，确定所述电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量；所述第一类型充电站为参与调峰调频的充电站，所述第二类型充电站为不参与调峰调频的充电站；
根据所述第一预测损耗量和所述第二预测损耗量，从所述第一类型充电站和所述第二类型充电站中确定所述电动汽车的预测充电站；
根据所述充电需求时空信息和所述预测充电站，生成充电提示信息；所述充电提示信息用于在所述电动汽车实际产生充电需求时进行提示。
在其中一个实施例中，根据所述初始位置和所述目的位置，确定所述电动汽车所在的路网拓扑结构矩阵；
查询所述路网拓扑结构矩阵，得到所述电动汽车从所述初始位置到所述目的位置之间的最短路径集合；
根据所述最短路径集合，生成所述电动汽车从所述初始位置到所述目的位置之间的预测轨迹。
在其中一个实施例中，所述根据所述预测轨迹，确定所述电动汽车的充电需求时空信息，包括：
查询所述路网拓扑结构矩阵，得到所述最短路径集合中的各个最短路径的距离信息；
通过预设的改进速度流量模型，确定所述电动汽车在各个最短路径上的行驶速度；
获取所述电动汽车的初始电量以及单位距离耗电量；
根据所述初始电量、所述单位距离耗电量以及各个最短路径上的行驶速度、距离信息，确定所述电动汽车的剩余电量小于或者等于预设电量时，所述电动汽车的位置信息和总行驶时间，作为所述电动汽车的充电需求时空信息。
在其中一个实施例中，所述根据所述初始电量、所述单位距离耗电量以及各个最短路径上的行驶速度、距离信息，确定所述电动汽车的剩余电量小于或者等于预设电量时，所述电动汽车的位置信息和总行驶时间，作为所述电动汽车的充电需求时空信息，包括：
根据所述初始电量、所述单位距离耗电量以及各个最短路径上的行驶速度、距离信息，确定所述电动汽车的剩余电量轨迹图和总行驶时间轨迹图；所述剩余电量轨迹图用于表示所述电动汽车在所述预测轨迹上的各个位置所对应的剩余电量，所述总行驶时间轨迹图用于表示所述电动汽车在所述预测轨迹上的各个位置所对应的总行驶时间；
根据所述电动汽车的剩余电量轨迹图和总行驶时间轨迹图，确定所述电动汽车的剩余电量小于或者等于预设电量时，所述电动汽车的位置信息和总行驶时间，作为所述电动汽车的充电需求时空信息。
在其中一个实施例中，所述根据所述充电需求时空信息，确定所述电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量，包括：
根据所述充电需求时空信息，确定所述电动汽车在产生充电需求时前往第一类型充电站的第一预测耗电量和第一预测剩余电量，以及前往第二类型充电站的第二预测耗电量和第二预测剩余电量；
根据所述第一预测剩余电量和所述第二预测剩余电量，确定所述电动汽车在所述第一类型充电站的第一预测充电成本和在所述第二类型充电站的第二预测充电成本；
根据所述第一预测耗电量和所述第一预测充电成本，确定所述第一预测损耗量；根据所述第二预测耗电量和所述第二预测充电成本，确定所述第二预测损耗量。
在其中一个实施例中，所述根据所述第一预测损耗量和所述第二预测损耗量，从所述第一类型充电站和所述第二类型充电站中确定所述电动汽车的预测充电站，包括：
若所述第一预测损耗量大于所述第二预测损耗量，确定所述电动汽车的预测充电站为所述第二类型充电站；
若所述第一预测损耗量小于所述第二预测损耗量，确定所述电动汽车的预测充电站为所述第一类型充电站。
在其中一个实施例中，所述方法还包括：
向所述电动汽车的车载终端发送所述充电提示信息；所述车载终端用于根据所述充电提示信息，在检测到所述电动汽车到达所述充电需求时空信息中的位置信息时进行提示，并引导所述电动汽车到达所述预测充电站。
一种电动汽车的充电预测装置，所述装置包括：
轨迹获取模块，用于在检测到充电预测指令之后，获取电动汽车从初始位置到目的位置之间的预测轨迹；所述充电预测指令中携带有所述电动汽车的所述初始位置和所述目的位置；
信息确定模块，用于根据所述预测轨迹，确定所述电动汽车的充电需求时空信息；
损耗量确定模块，用于根据所述充电需求时空信息，确定所述电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量；所述第一类型充电站为参与调峰调频的充电站，所述第二类型充电站为不参与调峰调频的充电站；
充电站预测模块，用于根据所述第一预测损耗量和所述第二预测损耗量，从所述第一类型充电站和所述第二类型充电站中确定所述电动汽车的预测充电站；
充电提示模块，用于根据所述充电需求时空信息和所述预测充电站，生成充电提示信息；所述充电提示信息用于在所述电动汽车实际产生充电需求时进行提示。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
在检测到充电预测指令之后，获取电动汽车从初始位置到目的位置之间的预测轨迹；所述充电预测指令中携带有所述电动汽车的所述初始位置和所述目的位置；
根据所述预测轨迹，确定所述电动汽车的充电需求时空信息；
根据所述充电需求时空信息，确定所述电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量；所述第一类型充电站为参与调峰调频的充电站，所述第二类型充电站为不参与调峰调频的充电站；
根据所述第一预测损耗量和所述第二预测损耗量，从所述第一类型充电站和所述第二类型充电站中确定所述电动汽车的预测充电站；
根据所述充电需求时空信息和所述预测充电站，生成充电提示信息；所述充电提示信息用于在所述电动汽车实际产生充电需求时进行提示。
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以下步骤：
在检测到充电预测指令之后，获取电动汽车从初始位置到目的位置之间的预测轨迹；所述充电预测指令中携带有所述电动汽车的所述初始位置和所述目的位置；
根据所述预测轨迹，确定所述电动汽车的充电需求时空信息；
根据所述充电需求时空信息，确定所述电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量；所述第一类型充电站为参与调峰调频的充电站，所述第二类型充电站为不参与调峰调频的充电站；
根据所述第一预测损耗量和所述第二预测损耗量，从所述第一类型充电站和所述第二类型充电站中确定所述电动汽车的预测充电站；
根据所述充电需求时空信息和所述预测充电站，生成充电提示信息；所述充电提示信息用于在所述电动汽车实际产生充电需求时进行提示。
上述电动汽车的充电预测方法、装置、计算机设备和存储介质，在检测到充电预测指令之后，获取电动汽车从初始位置到目的位置之间的预测轨迹；接着根据预测轨迹，确定电动汽车的充电需求时空信息；然后根据充电需求时空信息，确定电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量；第一类型充电站为参与调峰调频的充电站，第二类型充电站为不参与调峰调频的充电站；并根据第一预测损耗量和第二预测损耗量，从第一类型充电站和第二类型充电站中确定电动汽车的预测充电站；最后根据充电需求时空信息和预测充电站，生成充电提示信息；充电提示信息用于在电动汽车实际产生充电需求时进行提示；实现了提前预测电动汽车的充电需求的目的，并基于充电需求时空信息和预测充电站生成的充电提示信息，在电动汽车实际产生充电需求时进行提示，整个过程无需人工参与预测，从而简化了电动汽车的充电过程，进而提高了电动汽车的充电效率。
附图说明
图1为一个实施例中电动汽车的充电预测方法的应用环境图；
图2为一个实施例中电动汽车的充电预测方法的流程示意图；
图3为一个实施例中获取电动汽车从初始位置到目的位置之间的预测轨迹的步骤的流程示意图；
图4为一个实施例中路网拓扑结构矩阵的示意图；
图5为一个实施例中一种计及调峰调频收益的电动汽车充电需求预测方法的流程示意图；
图6为一个实施例中电动汽车的充电预测装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的电动汽车的充电预测方法，可以应用于如图1所示的应用环境中；其中，电动汽车的车载终端110通过网络与车载服务器120进行通信。参考图1，车载终端110检测到车主的充电预测操作，生成充电预测指令，并将该充电预测指令发送至车载服务器120；车载服务器120在检测到充电预测指令之后，确定电动汽车的初始位置和目的位置，并获取电动汽车从初始位置到目的位置之间的预测轨迹；根据预测轨迹，确定电动汽车的充电需求时空信息；根据充电需求时空信息，确定电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量；第一类型充电站为参与调峰调频的充电站，第二类型充电站为不参与调峰调频的充电站；根据第一预测损耗量和第二预测损耗量，从第一类型充电站和第二类型充电站中确定电动汽车的预测充电站；根据充电需求时空信息和预测充电站，生成充电提示信息，并将充电提示信息发送至车载终端110，触发车载终端110在电动汽车实际产生充电需求时进行提示。其中，车载终端110是指安装在电动汽车内的智能设备，一般由触摸屏、语音播放器、外接摄像机、汽车防盗器等各种设备组成，车载服务器120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2所示，提供了一种电动汽车的充电预测方法，以该方法应用于图1中的车载服务器为例进行说明，包括以下步骤：
步骤S201，在检测到充电预测指令之后，获取电动汽车从初始位置到目的位置之间的预测轨迹；充电预测指令中携带有电动汽车的初始位置和目的位置。
其中，充电预测指令是指对电动汽车的充电需求进行预测的指令。
举例说明，在驾驶电动汽车出行前，需确定电动汽车在行驶过程是否需要充电；例如，用户在车载终端的终端界面上输入电动汽车的初始位置和目的位置，触发车载终端生成充电预测指令，并通过车载终端将充电预测指令发送至对应的车载服务器；车载服务器对充电预测指令进行解析，得到电动汽车的初始位置和目的位置，根据电动汽车的初始位置和目的位置，基于最短路径算法(比如Dijkstra最短路径算法)，生成电动汽车从初始位置到目的位置之间的预测轨迹。
步骤S202，根据预测轨迹，确定电动汽车的充电需求时空信息。
其中，充电需求时空信息是指电动汽车产生充电需求时的位置信息和总行驶时间，总行驶时间基于电动汽车的初始位置计算。电动汽车产生充电需求是指电动汽车的剩余电量小于或者等于预设电量，比如电动汽车的剩余电量小于或者等于电动汽车的电池额定容量的10％。
具体地，车载服务器根据预测轨迹，实时检测电动汽车的剩余电量；若检测到电动汽车的剩余电量小于或者等于预设电量，则确定电动汽车产生充电需求；获取电动汽车产生充电需求时的位置信息和总行驶时间，作为电动汽车的充电需求时空信息。
步骤S203，根据充电需求时空信息，确定电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量；第一类型充电站为参与调峰调频的充电站，第二类型充电站为不参与调峰调频的充电站。
其中，第一类型充电站为参与调峰调频，且距离电动汽车产生充电需求时的位置信息最近的充电站，第二类型充电站为不参与调峰调频，且距离电动汽车产生充电需求时的位置信息最近的充电站。需要的是，第一类型充电站在各个时间段的充电优惠系数和充电价格不一样。
其中，第一预测损耗量包括电动汽车在产生充电需求时前往第一类型充电站的路途中的电量损耗量所对应的成本以及在第一类型充电站进行充电的充电成本；第二预测损耗量包括电动汽车在产生充电需求时前往第二类型充电站的路途中的电量损耗量所对应的成本以及在第二类型充电站进行充电的充电成本。
步骤S204，根据第一预测损耗量和第二预测损耗量，从第一类型充电站和第二类型充电站中确定电动汽车的预测充电站。
其中，预测充电站是指预测损耗量较低的充电站。
步骤S205，根据充电需求时空信息和预测充电站，生成充电提示信息；充电提示信息用于在电动汽车实际产生充电需求时进行提示。
举例说明，车载服务器根据充电需求时空信息和预测充电站，生成充电提示信息，并将充电提示信息发送至电动汽车的车载终端，触发车载终端在电动汽车实际产生充电需求时进行提示，比如通过车载终端的终端屏幕提示，或者基于通过车载终端的语音播放器广播。
上述电动汽车的充电预测方法中，在检测到充电预测指令之后，获取电动汽车从初始位置到目的位置之间的预测轨迹；接着根据预测轨迹，确定电动汽车的充电需求时空信息；然后根据充电需求时空信息，确定电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量；第一类型充电站为参与调峰调频的充电站，第二类型充电站为不参与调峰调频的充电站；并根据第一预测损耗量和第二预测损耗量，从第一类型充电站和第二类型充电站中确定电动汽车的预测充电站；最后根据充电需求时空信息和预测充电站，生成充电提示信息；充电提示信息用于在电动汽车实际产生充电需求时进行提示；实现了提前预测电动汽车的充电需求的目的，并基于充电需求时空信息和预测充电站生成的充电提示信息，在电动汽车实际产生充电需求时进行提示，整个过程无需人工参与预测，从而简化了电动汽车的充电过程，进而提高了电动汽车的充电效率。
在一个实施例中，如图3所示，在步骤S201中，获取电动汽车从初始位置到目的位置之间的预测轨迹，具体包括如下步骤：
步骤S301，根据初始位置和目的位置，确定电动汽车所在的路网拓扑结构矩阵。
其中，路网拓扑结构矩阵是指采用邻接结点关系矩阵和邻接结点权矩阵表达路网中结点和路段的拓扑关系，比如图4。
具体地，车载服务器根据初始位置和目的位置，确定电动汽车所在的路网；根据电动汽车所在的路网，查询预设的路网与路网拓扑结构矩阵的对应关系，得到电动汽车所在的路网拓扑结构矩阵。
步骤S302，查询路网拓扑结构矩阵，得到电动汽车从初始位置到目的位置之间的最短路径集合。
其中，最短路径集合是指电动汽车从初始位置到目的位置之间的各段最短路径的集合。
举例说明，车载服务器根据路网拓扑结构矩阵，基于Dijkstra最短路径算法，得到电动汽车从初始位置到目的位置之间的最短路径集合。
步骤S303，根据最短路径集合，生成电动汽车从初始位置到目的位置之间的预测轨迹。
举例说明，车载服务器依次将最短路径集合中的各段最短路径连接在一起，得到一条轨迹，作为电动汽车从初始位置到目的位置之间的预测轨迹。
本实施例提供的技术方案，通过路网拓扑结构矩阵以及最短路径算法，有利于准确生成电动汽车从初始位置到目的位置之间的预测轨迹。
在一个实施例中，在步骤S202中，根据预测轨迹，确定电动汽车的充电需求时空信息，包括：查询路网拓扑结构矩阵，得到最短路径集合中的各个最短路径的距离信息；通过预设的改进速度流量模型，确定电动汽车在各个最短路径上的行驶速度；获取电动汽车的初始电量以及单位距离耗电量；根据初始电量、单位距离耗电量以及各个最短路径上的行驶速度、距离信息，确定电动汽车的剩余电量小于或者等于预设电量时，电动汽车的位置信息和总行驶时间，作为电动汽车的充电需求时空信息。
其中，路网拓扑结构矩阵中存储有各个路径的距离信息。
举例说明，车载服务器基于如下的预设的改进速度流量模型，确定电动汽车在各个最短路径上的行驶速度：
Figure BDA0002739929190000101
其中
Figure BDA0002739929190000102
其中，Vij·m代表路段(i，j)自由流车速，即车辆在完全自由状态下的平均车速，qij(t)代表t时刻路段(i，j)的车流量；Cij代表路段最大交通流量；qij(t)与Cij的比值代表t时刻的饱和度，b、c、n均为常数。
接着，车载服务器根据初始电量、单位距离耗电量以及各个最短路径上的距离信息，确定电动汽车在预测轨迹上的各个位置的剩余电量；根据电动汽车在各个最短路径上的行驶速度、距离信息，得到电动汽车在各个最短路径上的行驶时间，从而得到电动汽车在预测轨迹上的各个位置的总行驶时间；根据电动汽车在预测轨迹上的各个位置的剩余电量和总行驶时间，检测电动汽车的剩余电量是否小于或者等于电动汽车的电池额定容量的10％，若是，则确定电动汽车产生充电需求；获取电动汽车产生充电需求时的位置信息和总行驶时间，作为电动汽车的充电需求时空信息。
本实施例提供的技术方案，根据预测轨迹，确定电动汽车的充电需求时空信息，有利于后续根据充电需求时空信息，确定电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量。
在一个实施例中，根据初始电量、单位距离耗电量以及各个最短路径上的行驶速度、距离信息，确定电动汽车的剩余电量小于或者等于预设电量时，电动汽车的位置信息和总行驶时间，作为电动汽车的充电需求时空信息，包括：根据初始电量、单位距离耗电量以及各个最短路径上的行驶速度、距离信息，确定电动汽车的剩余电量轨迹图和总行驶时间轨迹图；剩余电量轨迹图用于表示电动汽车在预测轨迹上的各个位置所对应的剩余电量，总行驶时间轨迹图用于表示电动汽车在预测轨迹上的各个位置所对应的总行驶时间；根据电动汽车的剩余电量轨迹图和总行驶时间轨迹图，确定电动汽车的剩余电量小于或者等于预设电量时，电动汽车的位置信息和总行驶时间，作为电动汽车的充电需求时空信息。
举例说明，车载服务器根据电动汽车的剩余电量轨迹图，确定电动汽车的剩余电量小于或者等于预设电量时的位置信息，结合电动汽车的总行驶时间轨迹图，确定电动汽车的剩余电量小于或者等于预设电量时的总行驶时间，从而得到电动汽车的充电需求时空信息。
本实施例提供的技术方案，根据电动汽车的剩余电量轨迹图和总行驶时间轨迹图，有利于准确确定电动汽车的充电需求时空信息。
在一个实施例中，根据充电需求时空信息，确定电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量，包括：根据充电需求时空信息，确定电动汽车在产生充电需求时前往第一类型充电站的第一预测耗电量和第一预测剩余电量，以及前往第二类型充电站的第二预测耗电量和第二预测剩余电量；根据第一预测剩余电量和第二预测剩余电量，确定电动汽车在第一类型充电站的第一预测充电成本和在第二类型充电站的第二预测充电成本；根据第一预测耗电量和第一预测充电成本，确定第一预测损耗量；根据第二预测耗电量和第二预测充电成本，确定第二预测损耗量。
其中，第一预测耗电量是指电动汽车在产生充电需求时前往第一类型充电站的路途中的电量损耗量，第一预测剩余电量是指电动汽车到达第一类型充电站时的剩余电量，第一预测充电成本是指电动汽车在第一类型充电站进行充电的充电成本。
其中，第二预测耗电量是指电动汽车在产生充电需求时前往第二类型充电站的路途中的电量损耗量，第二预测剩余电量是指电动汽车到达第二类型充电站时的剩余电量，第二预测充电成本是指电动汽车在第二类型充电站进行充电的充电成本。
举例说明，车载服务器根据充电需求时空信息，确定电动汽车的剩余电量小于或者等于预设电量时，电动汽车的位置信息和总行驶时间；结合路网拓扑结构矩阵、预设的改进速度流量模型，确定电动汽车在产生充电需求时前往第一类型充电站的路途中的电量损耗量，作为第一预测耗电量，以及电动汽车到达第二类型充电站的时刻；将电动汽车在产充电需求时的剩余电量与第一预测耗电量进行相减，可以得到电动汽车到达第二类型充电站时的剩余电量，作为第一预测剩余电量；同理，可以得到电动汽车前往第二类型充电站的第二预测耗电量和第二预测剩余电量；接着，由于第一类型充电站是参与调峰调频的，车载服务器可以基于第一预测剩余电量、电动汽车到达第二类型充电站的时刻所对应的充电优惠系数和充电价格，确定电动汽车在第一类型充电站进行充电的充电成本，作为第一预测充电成本；然后，由于第二类型充电站是不参与调峰调频的，充电优惠系数和充电价格是固定的，车载服务器可以基于第二预测剩余电量、固定的充电优惠系数和充电价格，确定电动汽车在第二类型充电站进行充电的充电成本，作为第二预测充电成本；最后，将第一预测耗电量对应的成本和第一预测充电成本进行相加，得到第一预测损耗量；将第二预测耗电量对应的成本和第二预测充电成本进行相加，得到第二预测损耗量。
本实施例提供的技术方案，通过充电需求时空信息，有利于准确确定电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量。
在一个实施例中，在步骤S204中，根据第一预测损耗量和第二预测损耗量，从第一类型充电站和第二类型充电站中确定电动汽车的预测充电站，包括：若第一预测损耗量大于第二预测损耗量，确定电动汽车的预测充电站为第二类型充电站；若第一预测损耗量小于第二预测损耗量，确定电动汽车的预测充电站为第一类型充电站。
需要说明的是，若第一预测损耗量等于第二预测损耗量，确定电动汽车的预测充电站为第一类型充电站或者第二类型充电站。
本实施例提供的技术方案，根据第一预测损耗量和第二预测损耗量，有利于从第一类型充电站和第二类型充电站中确定出电动汽车的预测充电站。
在一个实施例中，本申请提供的电动汽车的充电预测方法还包括以下步骤：向电动汽车的车载终端发送充电提示信息；车载终端用于根据充电提示信息，在检测到电动汽车到达充电需求时空信息中的位置信息时进行提示，并引导电动汽车到达预测充电站。
举例说明，在接收到充电提示信息之后，电动汽车的车载终端对电动汽车的位置信息进行检测，若检测到电动汽车的位置信息为充电需求时空信息中的位置信息，说明电动汽车产生充电需求，则进行提示，比如通过车载终端的终端屏幕提示，或者基于通过车载终端的语音播放器广播；而且，车载终端生成引导电动汽车到达预测充电站的充电引导信息，并根据充电引导信息控制电动汽车到达预测充电站。
本实施例提供的技术方案，在电动汽车实际产生充电需求时进行提示，并根据充电引导信息控制电动汽车到达预测充电站，无需时刻关注电动汽车的剩余电量，且人工查询附近的充电站，从而简化了电动汽车前往充电站的过程，进而提高了电动汽车的充电效率。
为了更清晰阐明本申请实施例提供的电动汽车的充电预测方法，以下以一个具体的实例对该电动汽车的充电预测方法进行说明；在一个实施例中，如图5所示，提供了一种计及调峰调频收益的电动汽车充电需求预测方法，具体包括如下内容：
(1)利用图论的原理获得城市交通路网的拓扑矩阵，统计得到电动汽车的OD出行概率矩阵(origin-destination matrix)。
(2)建立电动汽车初始SOC模型和t时刻的剩余电量模型；电动汽车初始电池荷电状态服从正态分布NSOC(0.6,0.12)。根据初始电量，由式一可以计算得到电动汽车在t时刻的荷电状态。式二为当电量小于总电量的10％时，产生充电需求。
Capt＝Capt-1-Δl·ΔCap 式一
Capt≤0.1Capr 式二
其中：Capt为t时刻电动汽车的电量，Δl为从t-1时刻到t时刻行驶距离；ΔCap为百公里耗电量，Capr为该电动汽车电池额定容量。
(3)利用蒙特卡洛方法模拟生成电动汽车一天中初始出行时刻、初始运行电量和初始位置。结合该时刻所对应的出行概率矩阵，随机生成该时刻目的地。假设司机选择最短路径前往目的地，通过Dijkstra最短路径算法得到起始位置和目的地之间最短路径集合R，通过路网拓扑结构矩阵得到各路段距离l；设集合R中有s个路段，利用改进速度流量模型，通过式三和式四算出第h个路段上的车速Vh(t)和该路段行驶时间ΔTh。最后根据式一，式二计算电动汽车是否有充电需求。
Figure BDA0002739929190000141
Figure BDA0002739929190000142
其中，dh为路网两节点之间的距离，ΔTij为起始点到目的地的总行驶时间。
(4)对于产生充电需求的电动车，可以前往参与调峰调频的充电站A进行充电和前往不参与调峰调频的充电站B进行充电，当充电站A给予车主参与调峰调频带来的收益，大于电动汽车在途中耗时成本时，用户选择去充电站A参与调峰调频。通过式五计算参与调峰调频的收益以及通过式六计算前往两种不同充电站带来的途中耗时成本差距，则根据收益和耗时成本的大小来判断电动汽车用户的充电决策，计算各充电站的充电需求：
Figure BDA0002739929190000143
Figure BDA0002739929190000151
其中：pj为第j个时间段的电价，Qij为第i辆电动汽车在第j个时间段的充电电量，λj为第j个时间段充电的优惠系数。式中Yt为途中耗时成本，Δh为前往最近不参与调峰调频与前往最近参与调峰调频充电站的距离之差，d为每小时的耗时成本。
(5)根据步骤4中各充电站的充电需求，分析参与调峰调频和不参与调峰调频充电站一天接受充电需求的大小，当参与调峰调频的充电站接受充电需求更多时，说明考虑调峰调频收益将影响电动汽车用户的充电决策。
上述实施例可以达到以下技术效果：(1)与以往预测电动汽车出行充电需求相比，本申请从经济性因素出发，考虑了充电站和电动汽车作为一个整体参与调峰调频，并给予充电用户一定优惠，从而影响电动汽车用户的充电决策；(2)考虑将出行概率矩阵同蒙特卡洛结合起来，加上电动汽车的荷电模型，模拟了汽车日常的出行状态，较为真实的反映了电动汽车实际的日常出行和计及调峰调频收益的充电需求。
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步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种电动汽车的充电预测装置，包括：轨迹获取模块610、信息确定模块620、损耗量确定模块630、充电站预测模块640和充电提示模块650，其中：
轨迹获取模块610，用于在检测到充电预测指令之后，获取电动汽车从初始位置到目的位置之间的预测轨迹；充电预测指令中携带有电动汽车的初始位置和目的位置。
信息确定模块620，用于根据预测轨迹，确定电动汽车的充电需求时空信息。
损耗量确定模块630，用于根据充电需求时空信息，确定电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量；第一类型充电站为参与调峰调频的充电站，第二类型充电站为不参与调峰调频的充电站。
充电站预测模块640，用于根据第一预测损耗量和第二预测损耗量，从第一类型充电站和第二类型充电站中确定电动汽车的预测充电站。
充电提示模块650，用于根据充电需求时空信息和预测充电站，生成充电提示信息；充电提示信息用于在电动汽车实际产生充电需求时进行提示。
在一个实施例中，轨迹获取模块610，还用于根据初始位置和目的位置，确定电动汽车所在的路网拓扑结构矩阵；查询路网拓扑结构矩阵，得到电动汽车从初始位置到目的位置之间的最短路径集合；根据最短路径集合，生成电动汽车从初始位置到目的位置之间的预测轨迹。
在一个实施例中，信息确定模块620，还用于查询路网拓扑结构矩阵，得到最短路径集合中的各个最短路径的距离信息；通过预设的改进速度流量模型，确定电动汽车在各个最短路径上的行驶速度；获取电动汽车的初始电量以及单位距离耗电量；根据初始电量、单位距离耗电量以及各个最短路径上的行驶速度、距离信息，确定电动汽车的剩余电量小于或者等于预设电量时，电动汽车的位置信息和总行驶时间，作为电动汽车的充电需求时空信息。
在一个实施例中，信息确定模块620，还用于根据初始电量、单位距离耗电量以及各个最短路径上的行驶速度、距离信息，确定电动汽车的剩余电量轨迹图和总行驶时间轨迹图；剩余电量轨迹图用于表示电动汽车在预测轨迹上的各个位置所对应的剩余电量，总行驶时间轨迹图用于表示电动汽车在预测轨迹上的各个位置所对应的总行驶时间；根据电动汽车的剩余电量轨迹图和总行驶时间轨迹图，确定电动汽车的剩余电量小于或者等于预设电量时，电动汽车的位置信息和总行驶时间，作为电动汽车的充电需求时空信息。
在一个实施例中，损耗量确定模块630，还用于根据充电需求时空信息，确定电动汽车在产生充电需求时前往第一类型充电站的第一预测耗电量和第一预测剩余电量，以及前往第二类型充电站的第二预测耗电量和第二预测剩余电量；根据第一预测剩余电量和第二预测剩余电量，确定电动汽车在第一类型充电站的第一预测充电成本和在第二类型充电站的第二预测充电成本；根据第一预测耗电量和第一预测充电成本，确定第一预测损耗量；根据第二预测耗电量和第二预测充电成本，确定第二预测损耗量。
在一个实施例中，充电站预测模块640，还用于若第一预测损耗量大于第二预测损耗量，确定电动汽车的预测充电站为第二类型充电站；若第一预测损耗量小于第二预测损耗量，确定电动汽车的预测充电站为第一类型充电站。
在一个实施例中，本申请提供的电动汽车的充电预测装置还包括信息发送模块，用于向电动汽车的车载终端发送充电提示信息；车载终端用于根据充电提示信息，在检测到电动汽车到达充电需求时空信息中的位置信息时进行提示，并引导电动汽车到达预测充电站。
关于电动汽车的充电预测装置的具体限定可以参见上文中对于电动汽车的充电预测方法的限定，在此不再赘述。上述电动汽车的充电预测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7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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电动汽车的充电需求时空信息、第一预测损耗量、第二预测损耗量、预测充电站、充电提示信息等数据。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电动汽车的充电预测方法。
本领域技术人员可以理解，图7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，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上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发明专利范围的限制。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，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种电动汽车的充电预测方法，其特征在于，所述方法包括：
在检测到充电预测指令之后，获取电动汽车从初始位置到目的位置之间的预测轨迹；所述充电预测指令中携带有所述电动汽车的所述初始位置和所述目的位置；
根据所述预测轨迹，确定所述电动汽车的充电需求时空信息；
根据所述充电需求时空信息，确定所述电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量；所述第一类型充电站为参与调峰调频的充电站，所述第二类型充电站为不参与调峰调频的充电站；
根据所述第一预测损耗量和所述第二预测损耗量，从所述第一类型充电站和所述第二类型充电站中确定所述电动汽车的预测充电站；
根据所述充电需求时空信息和所述预测充电站，生成充电提示信息；所述充电提示信息用于在所述电动汽车实际产生充电需求时进行提示。
2.根据权利要求1所述的方法，其特征在于，所述获取电动汽车从初始位置到目的位置之间的预测轨迹，包括：
根据所述初始位置和所述目的位置，确定所述电动汽车所在的路网拓扑结构矩阵；
查询所述路网拓扑结构矩阵，得到所述电动汽车从所述初始位置到所述目的位置之间的最短路径集合；
根据所述最短路径集合，生成所述电动汽车从所述初始位置到所述目的位置之间的预测轨迹。
3.根据权利要求2所述的方法，其特征在于，所述根据所述预测轨迹，确定所述电动汽车的充电需求时空信息，包括：
查询所述路网拓扑结构矩阵，得到所述最短路径集合中的各个最短路径的距离信息；
通过预设的改进速度流量模型，确定所述电动汽车在各个最短路径上的行驶速度；
获取所述电动汽车的初始电量以及单位距离耗电量；
根据所述初始电量、所述单位距离耗电量以及各个最短路径上的行驶速度、距离信息，确定所述电动汽车的剩余电量小于或者等于预设电量时，所述电动汽车的位置信息和总行驶时间，作为所述电动汽车的充电需求时空信息。
4.根据权利要求3所述的方法，其特征在于，所述根据所述初始电量、所述单位距离耗电量以及各个最短路径上的行驶速度、距离信息，确定所述电动汽车的剩余电量小于或者等于预设电量时，所述电动汽车的位置信息和总行驶时间，作为所述电动汽车的充电需求时空信息，包括：
根据所述初始电量、所述单位距离耗电量以及各个最短路径上的行驶速度、距离信息，确定所述电动汽车的剩余电量轨迹图和总行驶时间轨迹图；所述剩余电量轨迹图用于表示所述电动汽车在所述预测轨迹上的各个位置所对应的剩余电量，所述总行驶时间轨迹图用于表示所述电动汽车在所述预测轨迹上的各个位置所对应的总行驶时间；
根据所述电动汽车的剩余电量轨迹图和总行驶时间轨迹图，确定所述电动汽车的剩余电量小于或者等于预设电量时，所述电动汽车的位置信息和总行驶时间，作为所述电动汽车的充电需求时空信息。
5.根据权利要求1所述的方法，其特征在于，所述根据所述充电需求时空信息，确定所述电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量，包括：
根据所述充电需求时空信息，确定所述电动汽车在产生充电需求时前往第一类型充电站的第一预测耗电量和第一预测剩余电量，以及前往第二类型充电站的第二预测耗电量和第二预测剩余电量；
根据所述第一预测剩余电量和所述第二预测剩余电量，确定所述电动汽车在所述第一类型充电站的第一预测充电成本和在所述第二类型充电站的第二预测充电成本；
根据所述第一预测耗电量和所述第一预测充电成本，确定所述第一预测损耗量；根据所述第二预测耗电量和所述第二预测充电成本，确定所述第二预测损耗量。
6.根据权利要求1所述的方法，其特征在于，所述根据所述第一预测损耗量和所述第二预测损耗量，从所述第一类型充电站和所述第二类型充电站中确定所述电动汽车的预测充电站，包括：
若所述第一预测损耗量大于所述第二预测损耗量，确定所述电动汽车的预测充电站为所述第二类型充电站；
若所述第一预测损耗量小于所述第二预测损耗量，确定所述电动汽车的预测充电站为所述第一类型充电站。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：
向所述电动汽车的车载终端发送所述充电提示信息；所述车载终端用于根据所述充电提示信息，在检测到所述电动汽车到达所述充电需求时空信息中的位置信息时进行提示，并引导所述电动汽车到达所述预测充电站。
8.一种电动汽车的充电预测装置，其特征在于，所述装置包括：
轨迹获取模块，用于在检测到充电预测指令之后，获取电动汽车从初始位置到目的位置之间的预测轨迹；所述充电预测指令中携带有所述电动汽车的所述初始位置和所述目的位置；
信息确定模块，用于根据所述预测轨迹，确定所述电动汽车的充电需求时空信息；
损耗量确定模块，用于根据所述充电需求时空信息，确定所述电动汽车在产生充电需求时前往第一类型充电站进行充电的第一预测损耗量和前往第二类型充电站进行充电的第二预测损耗量；所述第一类型充电站为参与调峰调频的充电站，所述第二类型充电站为不参与调峰调频的充电站；
充电站预测模块，用于根据所述第一预测损耗量和所述第二预测损耗量，从所述第一类型充电站和所述第二类型充电站中确定所述电动汽车的预测充电站；
充电提示模块，用于根据所述充电需求时空信息和所述预测充电站，生成充电提示信息；所述充电提示信息用于在所述电动汽车实际产生充电需求时进行提示。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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中任一项所述的方法的步骤。
10.一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，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。
CN202011146628.4A 2020-10-23 2020-10-23 电动汽车的充电预测方法、装置、计算机设备和存储介质 Active CN112406567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011146628.4A CN112406567B (zh) 2020-10-23 2020-10-23 电动汽车的充电预测方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011146628.4A CN112406567B (zh) 2020-10-23 2020-10-23 电动汽车的充电预测方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112406567A true CN112406567A (zh) 2021-02-26
CN112406567B CN112406567B (zh) 2022-02-11

Family

ID=74840917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011146628.4A Active CN112406567B (zh) 2020-10-23 2020-10-23 电动汽车的充电预测方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112406567B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2013136464A1 (ja) * 2012-03-14 2015-08-03 パイオニア株式会社 非接触充電制御装置、非接触充電制御方法及びコンピュータプログラム
CN105705371A (zh) * 2013-11-06 2016-06-22 本田技研工业株式会社 电动车辆的接触充电方法及接触充电系统
CN105932741A (zh) * 2016-06-02 2016-09-07 中国南方电网有限责任公司电网技术研究中心 电动汽车群的充电控制方法和系统
EP3197706A1 (en) * 2014-09-25 2017-08-02 Efacec Electric Mobility, S.A. Wall mountable dc electric vehicle charger
CN107253446A (zh) * 2013-07-15 2017-10-17 高通股份有限公司 关于电动车辆及充电站的相互检测及识别的系统、方法及设备
CN110011342A (zh) * 2019-04-04 2019-07-12 华北电力大学 一种集群电动汽车充放电功率优化管理方法
CN110481384A (zh) * 2019-07-05 2019-11-22 广东工业大学 基于多因素影响条件下的电动汽车调峰容量计算方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2013136464A1 (ja) * 2012-03-14 2015-08-03 パイオニア株式会社 非接触充電制御装置、非接触充電制御方法及びコンピュータプログラム
CN107253446A (zh) * 2013-07-15 2017-10-17 高通股份有限公司 关于电动车辆及充电站的相互检测及识别的系统、方法及设备
CN105705371A (zh) * 2013-11-06 2016-06-22 本田技研工业株式会社 电动车辆的接触充电方法及接触充电系统
EP3197706A1 (en) * 2014-09-25 2017-08-02 Efacec Electric Mobility, S.A. Wall mountable dc electric vehicle charger
CN105932741A (zh) * 2016-06-02 2016-09-07 中国南方电网有限责任公司电网技术研究中心 电动汽车群的充电控制方法和系统
CN110011342A (zh) * 2019-04-04 2019-07-12 华北电力大学 一种集群电动汽车充放电功率优化管理方法
CN110481384A (zh) * 2019-07-05 2019-11-22 广东工业大学 基于多因素影响条件下的电动汽车调峰容量计算方法

Also Published As

Publication number Publication date
CN112406567B (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
CN102959358B (zh) 车辆的电力消耗量计算装置、信息提供装置及信息提供方法
CN103236179B (zh) 一种计及交通信息与电网信息的电动汽车充电导航方法
US9090255B2 (en) Hybrid vehicle fuel efficiency using inverse reinforcement learning
US20170176195A1 (en) Vehicle power management utilizing operator schedule data
CN109177802B (zh) 一种基于无线通信的电动汽车有序充电系统及其方法
US10776168B2 (en) Vehicle and computing system
Mkahl et al. An optimal solution for charging management of electric vehicles fleets
CN111891130B (zh) 一种车辆运行方法和装置
JP2000209707A (ja) 電気自動車の充電計画装置
CN102859324A (zh) 信息提供装置和信息提供方法
Cussigh et al. Optimal charging and driving strategies for battery electric vehicles on long distance trips: A dynamic programming approach
CN113306448A (zh) 充电提示方法、装置、设备及存储介质
CN111754686B (zh) 一种高速路智慧灯杆的充电方法、装置和系统
Gu et al. Pedestrian-aware engine management strategies for plug-in hybrid electric vehicles
CN114936666B (zh) 基于车-站-平台系统的电动汽车充电导航方法及系统
US11794605B2 (en) Power calculation apparatus and power calculation method
CN115122938A (zh) 行驶控制装置、行驶控制方法以及非临时性存储介质
Saatloo et al. Hierarchical user-driven trajectory planning and charging scheduling of autonomous electric vehicles
Jin et al. Two-scale based energy management for connected plug-in hybrid electric vehicles with global optimal energy consumption and state-of-charge trajectory prediction
CN112406567B (zh) 电动汽车的充电预测方法、装置、计算机设备和存储介质
CN112330025B (zh) 用于城市电动汽车的时空充电负荷的预测方法
Liu et al. Integrated longitudinal speed decision-making and energy efficiency control for connected electrified vehicles
CN115689083A (zh) 一种预见性能量管理方法、装置、电子设备及存储介质
CN112406874B (zh) 一种电动汽车远距离充电辅助决策方法
CN112018794B (zh) 管理装置、管理方法及存储介质

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