CN112557922A - 一种针对电动公交车的剩余电量预测系统及方法 - Google Patents
一种针对电动公交车的剩余电量预测系统及方法 Download PDFInfo
- Publication number
- CN112557922A CN112557922A CN202011330567.7A CN202011330567A CN112557922A CN 112557922 A CN112557922 A CN 112557922A CN 202011330567 A CN202011330567 A CN 202011330567A CN 112557922 A CN112557922 A CN 112557922A
- Authority
- CN
- China
- Prior art keywords
- prediction
- state information
- power consumption
- soc
- prediction request
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 67
- 238000012549 training Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 230000008676 import Effects 0.000 claims description 3
- 208000019901 Anxiety disease Diseases 0.000 abstract description 3
- 230000036506 anxiety Effects 0.000 abstract description 3
- 238000005265 energy consumption Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种针对电动公交车的剩余电量预测系统及方法,系统包括车辆仪表操作台、车辆监控终端、监控服务器;所述车辆仪表操作台包括预测请求按键和仪表显示屏,预测请求按键用于发出剩余电量预测请求,仪表显示屏用于显示获得的预测结果;监控终端用于采集和上传运营数据,从车辆仪表操作台接收预测请求和发送预测请求至所述监控服务器,从所述监控服务器接收预测结果和传输预测结果至车辆仪表操作台;所述监控服务器用于接收所述监控终端上传的运营数据和预测请求,统计分析耗电量及状态信息,将状态信息导入模型实现耗电量预测,向监控终端回复预测结果。能够对公交车的剩余电量进行准确预测,辅助驾驶员规划充电安排,缓解驾驶员的用电焦虑。
Description
技术领域
本发明涉及控制领域,尤其涉及一种针对电动公交车的剩余电量预测系统及方法。
背景技术
随着新能源技术的发展,新能源汽车技术也在飞速的发展,在未来的几十年里,许多国家和地区的交通工具,将会大规模的被新能源汽车所覆盖,新能源汽车被广泛应用于城市公交系统。电动公交车具有运行路线固定、充电地点固定的特点。由于公交路线途中无法随意停留充电,需要驾驶员在出发前评估车辆当前剩余电量是否能够满足下一个运营周期,保证运行完路线并到达充电地点,否则需要补充电量后再出发。然而,在不同的路况、车况、自然环境、驾驶行为等影响下,即使是相同的公交路线,耗电量也有较大的差异,依靠驾驶员的经验较难预估剩余电量,考虑各类影响因素对电池剩余电量进行准确预测是亟待解决的问题。
目前的实际应用中,主要是整车控制器计算车辆动力电池所支持的总剩余续航里程,通过仪表显示给驾驶员提供参考,但续航里程并没有给驾驶员直观的预期是否能够完成下一个运营路线。同时,续航里程是通过车辆过去一段时间的平均耗电量换算得到,剩余续驶里程未能考虑各类影响因素实现准确地预测。因此,急需一种能够对电动汽车剩余电量进行准确预测的方案。
发明内容
本发明针对当前的剩余续驶里程计算算法单一,结果不准确的现状,提供一种准确预测下一个运营周期后的剩余电量的系统及方法,考虑路况、电池状态、环境温度、驾驶风格、客流量等多种影响因素,通过机器学习算法模型,对公交车下一个运营周期后的剩余电量进行准确预测,直观地告诉驾驶员下一个运营周期后剩余电量的状态,辅助驾驶员规划充电安排,缓解驾驶员的用电焦虑。
本发明解决上述技术问题的技术方案如下:一种针对电动公交车的剩余电量预测系统,所述系统包括车辆仪表操作台、车辆监控终端、监控服务器;
所述车辆仪表操作台包括预测请求按键和仪表显示屏,所述预测请求按键用于发出下一个运行周期后的剩余电量预测请求,所述仪表显示屏用于显示获得的预测结果;
所述监控终端用于采集和上传运营数据,从车辆仪表操作台接收预测请求和发送预测请求至所述监控服务器,从所述监控服务器接收预测结果和传输预测结果至车辆仪表操作台;
所述监控服务器用于接收所述监控终端上传的运营数据和预测请求,统计分析耗电量及状态信息,将状态信息导入模型实现耗电量预测,向监控终端回复预测结果。
进一步地,所述运营数据包括时间戳、SOC、车辆状态、充电状态、电池单体电压、电池单体温度、经纬度信息、起点站位置、驾驶员信息。
进一步地,所述状态信息包括时间段、是否节假日、SOC起始值、电池单体电压、电池单体温度、驾驶员编号。
进一步地,所述监控服务器接收监控原始数据,并对原始数据进行处理,记录电池SOC,统计分析耗电量及状态信息:将当次运营周期的耗电量和对应的状态信息存储至数据库,作为一条训练样本;将处理好的数据存入数据库,以便模型调取使用。
进一步地,所述系统的预测模型采用随机森林算法,监控端调用随机森林函数,首先设置函数参数,选择算法为回归算法,根据训练集的大小设置随机树的数量;参数配置好后,导入历史数据进行训练,其中耗电量信息作为目标变量,对应的状态信息作为自变量;模型训练完成后,输入当前的状态信息获取预测耗电量,当前SOC减去预测消耗SOC即为预测剩余电量SOC。
一种针对电动公交车的剩余电量预测方法,其特征在于:包括以下步骤:
当需要查看车辆当前剩余电量是否能够完成运营时,驾驶员点击车辆仪表操作台预测请求按键触发预测请求指令,监控终端接收所述预测请求指令,将所述预测请求指令和当前状态信息上传监控服务器;所述监控服务器接收到所述预测请求指令和当前状态信息,调取当前驾驶员序列号对应的统计运营信息导入模型进行训练;模型训练完成,输入当前状态信息,输出预测耗电量,将预测结果发送至所述监控终端,车辆仪表操作台从所述监控终端接收预测结果并显示。
本发明的有益效果是:
1.相比于传统的能耗简单估算,本系统考虑了公交路线高峰期/平峰期对耗电量的影响,考虑了节假日对耗电量的影响,考虑了电池特性对耗电量的影响,考虑了驾驶行为对耗电量的影响,从而实现更加全面、精确的耗电量估算。
2.针对公交运营路线固定、充电地点固定的特点,从驾驶目标考虑,以运营周期为单位,预测下一个路线运行完成后的剩余电量,结果直观、准确,驾驶员可根据预测结果决定是否需要充电,缓解用电焦虑的同时,提供充电规划的参考。
3.系统预测的计算过程全都在远程平台实现,减少车载控制器的运算压力,提高整车系统可靠性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的针对电动公交车的剩余电量预测系统的结构框图;
图2为本发明的针对电动公交车的剩余电量预测方法的流程图;
图3为本发明的仪表、监控终端、监控服务器之间的交互过程。’
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
如图1所示,为本发明公开的一种针对电动公交车的剩余电量预测系统,包括车辆仪表操作台、车辆监控终端、监控服务器三个部分。
车辆仪表操作台包括预测请求按键和仪表显示屏,预测请求按键负责发出预测请求,即发出下一个运行周期后的剩余电量请求,仪表显示屏可以显示请求后获得的结果;监控终端负责采集和上传整车数据、接收和发送预测请求、接收和传输请求结果;监控服务器负责接收监控终端上传的数据和预测请求、统计分析耗电及相关状态信息、信息导入模型实现电量预测、向监控终端回复预测结果。
系统的预测功能建立在足够的历史监控数据的基础上,将统计的运营周期信息存储数据库,作为后期模型预测训练集。简要步骤如下:
1.车辆在正常运营过程中,监控终端采集和上传运营数据,包括:时间戳、SOC、车辆状态、充电状态、电池单体电压、电池单体温度、经纬度信息、起点站位置(充电位置)、驾驶员信息。
2.监控服务器接收监控原始数据,并存对原始数据进行处理。统计处理原始数据的步骤如下:
①通过经纬度信息计算车辆距离起点站充电位置的距离,当距离小于100米,标记为进站即回到出发点,记录此时车辆的剩余电量,即SOC。当距离大于100米,标记为出站即离开出发点,记录此时车辆的电池SOC,以及统计影响耗电量的相关信息:出发时的时段(按单位小时划分)、当天是否节假日、出发时的SOC起始值、出发时的电池单体电压、出发时的电池单体温度、出发时识别的驾驶员编号;
②当次运营周期的耗电量=上一次出站时的SOC-当次进站时的SOC;
③将当次运营周期的耗电量和对应出发时的状态信息存储数据库,作为一条训练样本。
3.统计处理好的数据存入数据库,以便模型调取使用。
对统计处理的状态信息解释如下:
(1)时间段:对于相同公交路线,同一天不同的时段车流量不同,对能耗有一定影响,将公交出发时的时间段作为能耗影响变量;
(2)是否节假日:部分公交路线的节假日与非节假日的车流量差异较大,将是否节假日作为能耗影响变量;
(3)SOC起始值:考虑到SOC与实际耗电量的非线性特点,将SOC的起始值大小作为能耗影响变量;
(4)电池单体电压:电池的电压对耗电量有一定影响,统计电池单体最高电压、单体最低电压、单体平均电压作为能耗影响变量;
(5)电池单体温度:电池的温度对耗电量有一定影响,统计电池单体最高温度、单体最低温度、单体平均温度作为能耗影响变量;
(6)驾驶员编号:不同的驾驶员操作风格不同,对耗电有一定影响,通过人脸识别系统识别不同驾驶员并进行编号,可识别每次运营周期对应的驾驶员编号。
为保证模型计算的准确度,需要积累正常运营一个月以上的训练数据集。确保数据集足够,即可实现剩余电量的预测。实现电量预测的工作流程如图2所示。
当需要查看车辆当前剩余电量是否能够完成运营时,驾驶员点击车辆仪表操作台预测请求按键触发预测请求指令,监控终端接收所述预测请求指令,将所述预测请求指令和当前状态信息上传监控服务器;所述监控服务器接收到所述预测请求指令和当前状态信息,调取当前驾驶员序列号对应的统计运营信息导入模型进行训练;模型训练完成,输入当前状态信息,输出预测耗电量,将预测结果发送至所述监控终端,车辆仪表操作台从所述监控终端接收预测结果并显示。
本发明的仪表、监控终端、监控服务器之间的交互过程如图3所示,包括如下步骤:
请求按键触发后,仪表持续发出预测请求CAN报文;
监控终端识别到CAN总线上的预测请求报文后,发出确认收到报文,仪表停止发出预测请求报文;
监控终端向监控服务器上传预测请求;
监控服务器接收到请求后,基于预测模型及历史数据计算得到预测值;
监控服务器将预测结果发送给监控终端;
监控终端收到后回复确认;
监控终端向CAN总线持续发出预测结果报文;
仪表读取到预测结果后显示在仪表显示屏,并返回确认收到报文,监控终端停止发送预测结果报文。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种针对电动公交车的剩余电量预测系统,其特征在于:包括车辆仪表操作台、车辆监控终端、监控服务器;
所述车辆仪表操作台包括预测请求按键和仪表显示屏,所述预测请求按键用于发出下一个运行周期后的剩余电量预测请求,所述仪表显示屏用于显示获得的预测结果;
所述监控终端用于采集和上传运营数据,从车辆仪表操作台接收预测请求和发送预测请求至所述监控服务器,从所述监控服务器接收预测结果和传输预测结果至车辆仪表操作台;
所述监控服务器用于接收所述监控终端上传的运营数据和预测请求,统计分析耗电量及状态信息,将状态信息导入模型实现耗电量预测,向监控终端回复预测结果。
2.根据权利要求1所述的针对电动公交车的剩余电量预测系统,其特征在于:所述运营数据包括时间戳、SOC、车辆状态、充电状态、电池单体电压、电池单体温度、经纬度信息、起点站位置、驾驶员信息。
3.根据权利要求1所述的针对电动公交车的剩余电量预测系统,其特征在于:所述状态信息包括时间段、是否节假日、SOC起始值、电池单体电压、电池单体温度、驾驶员编号。
4.根据权利要求1或2所述的针对电动公交车的剩余电量预测系统,其特征在于:所述监控服务器接收监控原始数据,并对原始数据进行处理,记录电池SOC,统计分析耗电量及状态信息:将当次运营周期的耗电量和对应的状态信息存储至数据库,作为一条训练样本;将处理好的数据存入数据库,以便模型调取使用。
5.根据权利要求4所述的针对电动公交车的剩余电量预测系统,其特征在于:所述系统的预测模型采用随机森林算法,监控端调用随机森林函数,首先设置函数参数,选择算法为回归算法,根据训练集的大小设置随机树的数量;参数配置好后,导入历史数据进行训练,其中耗电量信息作为目标变量,对应的状态信息作为自变量;模型训练完成后,输入当前的状态信息获取预测耗电量,当前SOC减去预测消耗SOC即为预测剩余电量SOC。
6.一种针对电动公交车的剩余电量预测方法,其特征在于:包括以下步骤:
当需要查看车辆当前剩余电量是否能够完成运营时,驾驶员点击车辆仪表操作台预测请求按键触发预测请求指令,监控终端接收所述预测请求指令,将所述预测请求指令和当前状态信息上传监控服务器;所述监控服务器接收到所述预测请求指令和当前状态信息,调取当前驾驶员序列号对应的统计运营信息导入模型进行训练;模型训练完成,输入当前状态信息,输出预测耗电量,将预测结果发送至所述监控终端,车辆仪表操作台从所述监控终端接收预测结果并显示。
7.根据权利要求6所述的针对电动公交车的剩余电量预测方法,其特征在于:当剩余电量低于驾驶员心理最低值时,补充电量后再出发,否则,准备出发。
8.根据权利要求6或7所述的针对电动公交车的剩余电量预测方法,其特征在于:所述状态信息包括时间段、是否节假日、SOC起始值、电池单体电压、电池单体温度、驾驶员编号。
9.根据权利要求6或7所述的针对电动公交车的剩余电量预测方法,其特征在于:所述监控服务器接收监控原始数据,并对原始数据进行处理,记录电池SOC,统计分析耗电量及状态信息:将当次运营周期的耗电量和对应的状态信息存储至数据库,作为一条训练样本;将处理好的数据存入数据库,以便模型调取使用。
10.根据权利要求9所述的针对电动公交车的剩余电量预测方法,其特征在于:预测模型采用随机森林算法,监控端调用随机森林函数,首先设置函数参数,选择算法为回归算法,根据训练集的大小设置随机树的数量;参数配置好后,导入历史数据进行训练,其中耗电量信息作为目标变量,对应的状态信息作为自变量;模型训练完成后,输入当前的状态信息获取预测耗电量,当前SOC减去预测消耗SOC即为预测剩余电量SOC。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011330567.7A CN112557922A (zh) | 2020-11-24 | 2020-11-24 | 一种针对电动公交车的剩余电量预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011330567.7A CN112557922A (zh) | 2020-11-24 | 2020-11-24 | 一种针对电动公交车的剩余电量预测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112557922A true CN112557922A (zh) | 2021-03-26 |
Family
ID=75043392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011330567.7A Pending CN112557922A (zh) | 2020-11-24 | 2020-11-24 | 一种针对电动公交车的剩余电量预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112557922A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116295644A (zh) * | 2023-03-20 | 2023-06-23 | 陕西省君凯电子科技有限公司 | 一种车辆能耗的监测方法 |
CN116338460A (zh) * | 2023-04-11 | 2023-06-27 | 杭州禾美汽车科技有限公司 | 基于多参数分析的新能源汽车电池余量鉴定系统 |
CN116862205A (zh) * | 2023-09-04 | 2023-10-10 | 安徽交欣科技股份有限公司 | 一种电动公交车充电管理方法、系统、装置和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120256588A1 (en) * | 2011-04-07 | 2012-10-11 | Honda Motor Co., Ltd | Electric vehicle charge control system |
CN104442825A (zh) * | 2014-11-28 | 2015-03-25 | 上海交通大学 | 一种电动汽车剩余行驶里程的预测方法和系统 |
CN104952268A (zh) * | 2014-03-31 | 2015-09-30 | 福特全球技术公司 | 告知车辆的驾驶员的方法 |
KR20180088213A (ko) * | 2017-01-26 | 2018-08-03 | 한국과학기술원 | 전기 자동차의 주행거리 예측 방법 및 장치 |
CN109334511A (zh) * | 2018-09-03 | 2019-02-15 | 胡斌 | 一种电动汽车续航里程的预测方法 |
CN110516845A (zh) * | 2019-07-25 | 2019-11-29 | 南京领行科技股份有限公司 | 一种续航里程预测方法及装置 |
CN110751314A (zh) * | 2019-09-16 | 2020-02-04 | 上海电力大学 | 考虑用户充电行为特征数据驱动的电动汽车负荷预测方法 |
CN110888059A (zh) * | 2019-12-03 | 2020-03-17 | 西安科技大学 | 一种基于改进随机森林联合容积卡尔曼动力电池荷电状态估计的算法 |
-
2020
- 2020-11-24 CN CN202011330567.7A patent/CN112557922A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120256588A1 (en) * | 2011-04-07 | 2012-10-11 | Honda Motor Co., Ltd | Electric vehicle charge control system |
CN104952268A (zh) * | 2014-03-31 | 2015-09-30 | 福特全球技术公司 | 告知车辆的驾驶员的方法 |
CN104442825A (zh) * | 2014-11-28 | 2015-03-25 | 上海交通大学 | 一种电动汽车剩余行驶里程的预测方法和系统 |
KR20180088213A (ko) * | 2017-01-26 | 2018-08-03 | 한국과학기술원 | 전기 자동차의 주행거리 예측 방법 및 장치 |
CN109334511A (zh) * | 2018-09-03 | 2019-02-15 | 胡斌 | 一种电动汽车续航里程的预测方法 |
CN110516845A (zh) * | 2019-07-25 | 2019-11-29 | 南京领行科技股份有限公司 | 一种续航里程预测方法及装置 |
CN110751314A (zh) * | 2019-09-16 | 2020-02-04 | 上海电力大学 | 考虑用户充电行为特征数据驱动的电动汽车负荷预测方法 |
CN110888059A (zh) * | 2019-12-03 | 2020-03-17 | 西安科技大学 | 一种基于改进随机森林联合容积卡尔曼动力电池荷电状态估计的算法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116295644A (zh) * | 2023-03-20 | 2023-06-23 | 陕西省君凯电子科技有限公司 | 一种车辆能耗的监测方法 |
CN116295644B (zh) * | 2023-03-20 | 2024-03-29 | 陕西省君凯电子科技有限公司 | 一种车辆能耗的监测方法 |
CN116338460A (zh) * | 2023-04-11 | 2023-06-27 | 杭州禾美汽车科技有限公司 | 基于多参数分析的新能源汽车电池余量鉴定系统 |
CN116338460B (zh) * | 2023-04-11 | 2024-04-09 | 宁波禾旭汽车科技有限公司 | 基于多参数分析的新能源汽车电池余量鉴定系统 |
CN116862205A (zh) * | 2023-09-04 | 2023-10-10 | 安徽交欣科技股份有限公司 | 一种电动公交车充电管理方法、系统、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112557922A (zh) | 一种针对电动公交车的剩余电量预测系统及方法 | |
CN111497679B (zh) | 一种纯电动汽车能耗监测优化方法及系统 | |
CN106427655B (zh) | 公交新能源纯电车预约补电与公交智能调度结合的方法 | |
US20150294329A1 (en) | System and method of predicting usage of a charging station | |
CN202798806U (zh) | 一种车载终端 | |
US9626823B2 (en) | System and method of predicting future demand of a charging station | |
CN109703389B (zh) | 基于新能源公交车的车桩网一体化充电调度装置及方法 | |
CN106274546A (zh) | 一种停车场所智能充电管理系统的充电管理方法 | |
CN108674220B (zh) | 节能型充电桩预约方法及系统 | |
CN106355760A (zh) | 一种电动车充电服务方法及充电服务系统 | |
CN103676923A (zh) | 一种汽车故障诊断处理方法 | |
US10112497B2 (en) | System and method of monitoring usage of a charging station | |
CN109291826B (zh) | 一种根据电动汽车特征自动搜索充电设备的方法和装置 | |
CN113085655B (zh) | 一种车载电动汽车综合服务系统 | |
CN101813927A (zh) | 基于远程信息处理技术的车辆状态监控和用户关注解决 | |
CN111126835B (zh) | 一种北斗卫星定位的公用汽车管理方法 | |
CN114693040A (zh) | 换电站的推荐方法、系统、电子设备及存储介质 | |
CN111832778A (zh) | 一种客车换电提醒预约系统及方法 | |
CN115991117A (zh) | 基于数据处理的汽车电池运行环境监管系统 | |
CN116451949A (zh) | 一种基于云平台的换电智能监控管理系统 | |
CN112193115A (zh) | 一种充电桩用信息推送系统及推送方法 | |
CN113988346A (zh) | 一种针对预约充电的推荐方法、设备及存储介质 | |
CN116198376B (zh) | 一种新能源汽车充电管理方法及系统 | |
CN115583153A (zh) | 一种续航里程计算方法、装置及计算机设备 | |
CN113887834A (zh) | 一种公车的智能管控方法及系统 |
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 |