CN112700053A - 电池分配方法、装置及设备 - Google Patents
电池分配方法、装置及设备 Download PDFInfo
- Publication number
- CN112700053A CN112700053A CN202110007395.8A CN202110007395A CN112700053A CN 112700053 A CN112700053 A CN 112700053A CN 202110007395 A CN202110007395 A CN 202110007395A CN 112700053 A CN112700053 A CN 112700053A
- Authority
- CN
- China
- Prior art keywords
- demand
- battery
- supply
- nodes
- node
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 238000010276 construction Methods 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 8
- 230000006735 deficit Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- 230000007812 deficiency Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011480 coordinate descent method Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本说明书实施例公开了一种电池分配方法、装置及设备,所述方法包括获取指定时间所对应的供给节点与需求节点的分布特征,所述分布特征包括各供给节点的电池供给量、各需求节点的电池需求量以及需求节点与供给节点之间的供需关联关系。基于预先配置的电池分配算法对所述指定时间所对应的供给节点与需求节点的分布特征进行处理,得到所述指定时间下供给节点向需求节点提供的电池量数据;其中,所述电池分配算法基于各需求节点的电池量紧缺程度以及所有需求节点的电池总缺量配置。利用本说明书各个实施例,可以使得电池分配更符合实际业务需求,提高电动车骑行率以及用户体验等。
Description
技术领域
本说明书涉及数据处理技术领域,特别地,涉及一种电池分配方法、装置及设备。
背景技术
目前共享电动车受城市规划等条件限制,通常采用固定停车点以及固定电池柜安置点的布设方式,一座城市通常配置有若干共享电动车的停车点以及若干个电池柜安置点。根据实际布设场景的需要,停车点与电池柜安置点的位置可能重合,也可能相隔一段距离。受多种应用场景的限制,电池柜的布设位置通常没有办法根随停车点的布设进行最优调整,因此,高效、低成本的低电量电动车的电池更换,对于保证各停车点电动车的被骑行率以及用户体验等,是非常关键的环节所在。因此,目前急需一种更加合理的电池分配方法,以提高电动车的骑行率以及用户体验。
发明内容
本说明书实施例的目的在于提供一种电池分配方法、装置及设备,可以使得电池分配更符合实际业务需求,提高电动车骑行率以及用户体验等。
本说明书提供一种电池分配方法、装置及设备是包括如下方式实现的:
一种电池分配方法,所述方法包括如下步骤,获取指定时间所对应的供给节点与需求节点的分布特征,所述分布特征包括各供给节点的电池供给量、各需求节点的电池需求量以及需求节点与供给节点之间的供需关联关系。基于预先配置的电池分配算法对所述指定时间所对应的供给节点与需求节点的分布特征进行处理,得到所述指定时间下供给节点向需求节点提供的电池量数据;其中,所述电池分配算法基于各需求节点的电池量紧缺程度以及所有需求节点的电池总缺量配置。
本说明书提供的所述方法的另一些实施例中,所述需求节点与供给节点之间的供需关联关系基于需求节点与供给节点之间的位置关系确定。
本说明书提供的所述方法的另一些实施例中,所述电池分配算法还基于各需求节点的电池缺量所带来的缺量损失配置;所述缺量损失基于相应需求节点在所述指定时间下的预测骑行距离确定。
本说明书提供的所述方法的另一些实施例中,所述电池分配算法还基于电池分配率与电池紧缺程度的接近程度配置;其中,所述电池分配率利用需求节点从所关联的供给节点得到的电池量与相应需求节点的电池需求量的比值表征。
本说明书提供的所述方法的另一些实施例中,所述基于预先配置的电池分配算法对所述指定时间所对应的供给节点与需求节点的分布特征进行处理包括,在下述约束条件下求解电池分配目标函数F的最小值,得到所述指定时间下供给节点向需求节点提供的电池量数据:
约束条件为:
∑i∈Γ(j)xij-uj≥dj
∑i∈Γ(j)xij≤sj
xij,uj≥0
其中,i代表供给节点,j代表需求节点,Γ(j)表示需求节点j所关联的各供给节点所形成的集合,dj代表j的电池需求量,sj代表供给节点的电池供给量,θij表示需求节点j的电池紧缺程度,stj表示需求节点j所关联的供给节点总共能提供的电池量,uj表示需求节点j的电池缺量,pj表示需求节点j的缺量系数,xij表示供给节点i为需求节点j提供的电池量。
本说明书提供的所述方法的另一些实施例中,所述指定时间所对应的供给节点与需求节点的分布特征采用下述方式得到,预测指定时间下各供给节点的电池供给量、各需求节点的电池需求量。将预测得到的供给节点的电池供给量、需求节点的电池需求量与供需关系分布模型中相应供给节点、需求节点所对应的顶点进行关联,得到所述指定时间所对应的供给节点与需求节点的分布特征。其中,所述供需关系分布模型采用下述方式构建,将供给节点、需求节点分别作为二分图的两个顶点子集中的顶点,并利用需求节点与供给节点所对应的顶点之间的连线表征需求节点与供给节点之间的供需关联关系,得到供需关系分布模型。
另一方面,本说明书实施例还提供一种电池分配装置,所述装置包括如下模块,数据获取模块,用于获取指定时间所对应的供给节点与需求节点的分布特征,所述分布特征包括各供给节点的电池供给量、各需求节点的电池需求量以及需求节点与供给节点之间的供需关联关系。电池分配模块,用于基于预先配置的电池分配算法对所述指定时间所对应的供给节点与需求节点的分布特征进行处理,得到所述指定时间下供给节点向需求节点提供的电池量数据;其中,所述电池分配算法基于各需求节点的电池量紧缺程度以及所有需求节点的电池总缺量配置。
本说明书提供的所述装置的另一些实施例中,所述电池分配算法还基于电池分配率与电池紧缺程度的接近程度配置;其中,所述电池分配率利用需求节点从所关联的供给节点得到的电池量与相应需求节点的电池需求量的比值表征。
本说明书提供的所述装置的另一些实施例中,所述装置还包括分布特征构建模块,其中,所述分布特征构建模块包括如下单元。预测单元,用于预测指定时间下各供给节点的电池供给量、各需求节点的电池需求量。关联单元,用于将预测得到的供给节点的电池供给量、需求节点的电池需求量与供需关系分布模型中相应供给节点、需求节点所对应的顶点进行关联,得到所述指定时间所对应的供给节点与需求节点的分布特征。其中,所述供需关系分布模型由模型构建单元采用下述方式构建,将供给节点、需求节点分别作为二分图的两个顶点子集中的顶点,并利用需求节点与供给节点所对应的顶点之间的连线表征需求节点与供给节点之间的供需关联关系,得到供需关系分布模型。
另一方面,本说明书还提供一种电池分配设备,所述设备包括至少一个处理器及用于存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现上述任意一个或者多个实施例所述方法的步骤。
本说明书一个或多个实施例提供的电池分配方法、装置及设备,可以通过预测指定时间下各需求节点的电池需求量以及供给节点的电池供给量,并基于构建的需求节点以及供给节点的供需关联关系,得到指定时间下的供给节点与需求节点的电池供需分布特征数据。然后,可以将该分布特征数据作为基础数据,利用基于各需求节点的电池量紧缺程度以及所有需求节点的电池总缺量所配置的电池分配算法,对该分布特征数据进行处理,得到电池分配结果。通过该电池分配方式,可以使得电池分配更符合实际业务需求,使得各需求节点的电动车在骑行高峰期有足够的满电量电动车,从而大幅提高用户骑行体验感以及整体收益。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本说明书提供的一种电池分配方法实施例的流程示意图;
图2为本说明书提供的一个实施例中的电池柜与停车点的位置关系示意图;
图3为本说明书提供的一个实施例中的供给节点与需求节点的分布特征示意图;
图4为本说明书提供的一种电池分配装置的模块结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是说明书一部分实施例,而不是全部的实施例。基于说明书一个或多个实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书实施例方案保护的范围。
目前共享电动车通常采用固定停车点以及固定电池柜安置点的布设方式,一座城市通常配置有若干共享电动车的停车点以及若干个电池柜安置点。根据实际布设场景的需要,停车点与电池柜安置点的位置可能重合,也可能相隔一段距离。受多种应用场景的限制,电池柜的布设位置通常没有办法根随停车点的布设进行最优调整,因此,高效、低成本的低电量电动车的电池更换,对于保证各停车点电动车的骑行率、换电成本以及用户体验等,是非常关键的环节所在。相应的,本说明书实施例提供一种电池分配方法,可以提高各电池柜向各停车点提供电池更符合实际业务需求,进而提高电动车的骑行率、换电成本以及用户体验等。如图1所示,本说明书实施例提供一种电池分配方法,应用于服务器。所述方法可以包括如下步骤。
S20:获取指定时间所对应的供给节点与需求节点的分布特征,所述分布特征包括各供给节点的电池供给量、各需求节点的电池需求量以及需求节点与供给节点之间的供需关联关系。
服务器可以获取指定时间所对应的供给节点与需求节点的分布特征。
所述供给节点可以是指电池提供节点。一个供给节点可以对应存放电池的单个电池柜,也可以对应一个或者多个电池柜所对应的某个安置点。电池柜安置点可以按照地理位置进行划分,也可以根据业务需求进行划分。
所述需求节点可以包括需求电池的电动车停车点。各停车点可能存在需要替换电池的低电量电动车,可以将各停车点作为电池的需求节点。各停车点根据实际业务场景需要,可以根据地理位置进行划分,也可以根据业务需求进行划分。相应的,一个需求节点可以对应一个停车点,也可以对应在距离小于指定阈值的多个停车点。
需求节点以及供给节点的划分方式可以参考上述方式,也可以根据实际业务场景需要,采用其他的划分方式,这里不做限定。
所述指定时间可以是指任意待电池分配的时间点或时间区间。实际应用场景中,电池柜中的电池并不是随时都是满电的,低电量电池放入电柜中需要较长的一段时间后才能充满,而被取走的电池必须定量也需大于一定的值,以保证电池的寿命。受电池实际被取用以及充电时间等因素的影响,供给节点的电池供给量通常是随时间动态变化的。共享电动车作为一项交通工具,各停车点通常对应有相应的被骑行时高峰期,受电动车实际被骑行、所处的位置、骑行谷峰时间区间等因素影响,各需求节点的电池需求量通常也是随时间动态变化的。通过考虑时间点或者时间区间进行电池取用分配,可以使得电池取用分配更符合实际复杂的应用场景。
所述分布特征可以包括各供给节点的电池供给量、各需求节点的电池需求量以及需求节点与供给节点之间的供需关联关系。可以将需求节点与可向该需求节点供给电池的供给节点之间建立关联,得到需求节点与相应供给节点之间的供需关联关系。
各供给节点的电池供给量、各需求节点的电池需求量因通常是随时间动态变化的,则可以先对指定时间下各供给节点的电池供给量、各需求节点的电池需求量进行预测。例如,可以基于历史电池供给以及电池需求数据预测指定时间下各供给节点的电池供给量、各需求节点的电池需求量。或者,也可以在基于历史数据的基础上,进一步考虑电池柜以及停车点的新配置位置、电池以及电动车的性能更新等因素,对指定时间下各供给节点的电池供给量、各需求节点的电池需求量进行预测。
如,可以先基于一定的时间周期,对时间进行初步划分。如每天电池供给以及电池需求规律存在一定的重复性,则可以以一天作为一个周期对时间进行初步划分。通常周一至周五,与周六、周日的电池供给以及电池需求规律是存在一定的差异性的,则也可以将周一至周五与周六、周日区分来分析。然后,可以进一步对每一天进行时间细分,划分得到多个时间区间。然后,可以获取历史上一段时间下各需求节点的电池需求量以及各供给节点的电池供给量数据。如可以获取半年内或者一年内各需求节点的电池需求量以及各供给节点的电池供给量数据。并统计历史上各时间区间下各需求节点的电池需求量以及各供给节点的电池供给量数据,基于各需求节点的电池需求量以及各供给节点的电池供给量的历史分布特征,预测未来某指定时间下各需求节点的电池需求量以及各供给节点的电池供给量。
一些实施例中,可以根据需求节点以及供给节点之间的位置关系配置供给节点与需求节点之间的供需关联关系。对于任意需求节点而言,如果供给节点距离其位置太远,受低电量电动车本身可行驶的距离限制,距离较远的供给节点可能无法向该需求节点的电动车提供电池,或者即使可以提供,操作起来也较为麻烦或者效率较低。比如,如图2所示,有A、B、C三个电池柜,和1、2、3三个停车点,它们在地图上的位置如图2所示。停车点1可以去电池柜A、B换电,因为距离足够近,但是C就较远,这时候即使电池柜C有电池也不能给停车点1用。停车点2距离电池柜A较远,所以停车点2只能取用电池柜B、C里的电池。而停车点3距离电池柜A、B、C都不远,所以停车点3可以取用任何一个电池柜里的电池。通过基于需求节点以及供给节点的位置关系,配置可向该需求节点供给电池的供给节点,可以使得电池分配更符合实际业务需要,较低操作复杂性。
或者,也可以进一步考虑低电量电动车的换电成本、运维人员的维护范围以及便于管理等因素,配置可向某需求节点供给电池的供给节点,并在二者之间建立关联关系,从而得到各需求节点与供给节点之间的供需关联关系。
供需关联关系通常无需特别频繁的调整,因此,在电池供给量以及电池需求量预测时,可以无需同时对供需关联关系进行配置或调整,以降低数据处理量。如可以根据需要间隔一段时间对供需关联关系进行调整。在每次预测得到电池供给量以及电池需求量后,可以将预测的电池供给量以及电池需求量与相应的供给节点、需求节点关联,即可得到指定时间所对应的供给节点与需求节点的分布特征。
基于上述场景示例,一些实施例中,可以先预测指定时间下各供给节点的电池供给量、各需求节点的电池需求量。然后,可以将预测得到的供给节点的电池供给量、需求节点的电池需求量与供需关系分布模型中相应供给节点、需求节点所对应的顶点进行关联,得到所述指定时间所对应的供给节点与需求节点的分布特征。其中,所述供需关系分布模型可以采用下述方式构建,将供给节点、需求节点分别作为二分图的两个顶点子集中的顶点,并利用需求节点与供给节点所对应的顶点之间的连线表征需求节点与供给节点之间的供需关联关系,得到供需关系分布模型。
图3为指定时间所对应的供给节点与需求节点的分布特征示意图。如图3所示,图3中将一个电池柜作为一个供给节点,将一个停车点作为一个需求节点。可以将供给节点以及需求节点分别作为二分图的两个顶点子集中的顶点,并利用需求节点与供给节点所对应的顶点之间的连线来表征需求节点与供给节点之间的供需关联关系,得到供需关系分布模型。在每次电池供给量、电池需求量预测后,可以将预测得到的电池供给量、电池需求量与相应的供给节点、需求节点所对应的顶点进行关联。
图3中的连线表征了需求节点与供给节点之间的供需关联关系。对于停车点1,可向其供给电池的电池柜分别为电池柜A和电池柜B。对于停车点2,可向其供给电池的电池柜分别为电池柜B和电池柜C。对于停车点3,可向其供给电池的电池柜分别为电池柜A、电池柜B以及电池柜C。预测得到的电池柜A、B、C的电池供给量分别为24块、31块以及16块,停车点1、停车点2以及停车点3的电池需求量分别为20块、26块以及19块,分别与两个子集中相应供给节点或需求节点所对应的顶点进行关联。
通过上述方式构建指定时间所对应的供给节点与需求节点的分布特征,然后,将该分布特征作为输入数据,进行所述指定时间下的电池分配预估,可以更加简单准确的表征供给与需求之间的关系以及不同节点之间的电池供需随时间的动态变化特征,进而可以提高电池分配数据处理的效率,同时还可以使得电池分配结果更符合实际业务需求变化规律。
S22:基于预先配置的电池分配算法对所述指定时间所对应的供给节点与需求节点的分布特征进行处理,得到所述指定时间下供给节点向需求节点提供的电池量数据;其中,所述电池分配算法基于各需求节点的电池量紧缺程度以及所有需求节点的电池总缺量配置。
服务器可以基于有预先配置的电池分配算法,对所述指定时间所对应的供给节点与需求节点的分布特征进行处理,得到所述指定时间下供给节点向需求节点提供的电池量数据。所述电池分配算法可以预先配置后,存储在所述服务器中,也可以存储在其他服务器或者数据库中。服务器可以从本地存储中或者其他服务器或数据库中获取该电池分配算法,以对指定时间所对应的供给节点与需求节点的分布特征进行处理。
所述电池分配算法可以基于各需求节点的电池量紧缺程度以及所有需求节点的电池总缺量配置。所述电池紧缺程度可以通过该需求节点的电池需求量与该需求节点所关联的各供给节点的电池供给总量的比值来表征。所有需求节点的电池总缺量可以为电池分配后各需求节点的电池缺量的加和。
如图3所示,停车点1所关联的供给节点A、B总共能向其提供的电池量为55块,相应的,停车点1的电池紧缺程度为20/55。停车点2所关联的供给节点B、C总共能向其提供的电池量为47块,相应的,停车点2的电池紧缺程度为26/47。停车点3所关联的供给节点A、B、C总共能向其提供的电池量为71块,相应的,停车点3的电池紧缺程度为19/71。通过考虑电池紧缺程度进行电池分配的情况下,供给节点A向停车点1提供的电池量多于向停车点3提供的电池量;供给节点B向停车点2提供的电池量多于向停车点1提供的电池量,向停车点1提供的电池量多于向停车点3提供的电池量;供给节点C向停车点2提供的电池量多于向停车点3提供的电池量。
由上述场景示例可知,在考虑所有需求节点的电池总缺量的因素上,进一步考虑各需求节点的电池紧缺程度,可以使得电池需求量越大的需求节点被分配到更多的电池。因各需求节点的电池需求量是根据该需求节点在相应时间的历史需求量预测得到的,该需求节点在相应时间历史需求量较大,则该需求节点在该时间越可能处于电动车骑行高峰期。基于此,通过考虑该需求节点的电池紧缺程度进行电池量的倾向性分配,可以使得该需求节点的电动车在骑行高峰期有足够的满电量电动车,进而可以大幅提高用户骑行体验感,同时还可以提高电动车提供方的收益。
参考图2,当停车点1和停车点3目前都有需求的时候,A、B应该首先满足停车点1,因为停车点3还可以靠电柜C提供电池,而如果优先给停车点3,则会造成电柜C的电池没有被取用,停车点1又无电池可用的尴尬情况。因此,在电池分配的时候,在考虑基于供给节点以及需求节点的供需预测结果所得到的各需求节点的电池紧缺程度、电池总缺量的情况下,通过进一步考虑各需求节点与各供给节点之间的供需关联关系,还可以有效降低分配失衡所带来的问题。
上述实施例的方案,通过在电池分配过程中,首先构建需求节点与供给节点之间的供需关联关系,在此基础上,进一步预测各需求节点、供给节点在不同时间下的电池供需量,以此作为基础数据。然后,再通过考虑各需求节点的电池紧缺程度、电池总缺量等因素来构建电池分配算法。之后,再利用该电池分配算法对不同时间下的电池分配基础数据进行处理,可以进一步保证最终得到的电池分配结果更加符合实际业务需求且更均衡,从而进一步提高用户使用体验感以及整体收益。
另一些实施例中,所述电池分配算法还可以基于各需求节点的电池缺量所带来的缺量损失配置。所述缺量损失可以基于相应需求节点在所述指定时间下的预测骑行距离确定。可以统计需求节点在不同时间点下电动车被骑行的距离,骑行距离越长,则可带来的收益越大,相应的,如果该需求节点的缺量越大,则造成的损失也越大,从而使得所有需求节点的电池总缺量所带来的整体损失越大。相应的,可以进一步基于各需求节点内电动车总骑行距离历史数据,预测指定时间下相应需求节点的各电动车可能的总骑行距离,作为指定时间下相应需求节点的预测骑行距离。然后,基于该预测骑行距离确定所有需求节点的电池总缺量所可能造成的损失,进而通过考虑该损失进行电池分配,以进一步降低电池缺量总体所导致的经济损失。
一个场景示例中,如停车点1的电池缺量为5块,停车点2的电池缺量为5块,整体缺量是10块。停车点1的电池缺量为1块,停车点2的电池缺量为9块,整体缺量也是10块。显然在两个停车点的电池紧缺程度以及预测骑行距离相近的情况下,第一种分配方案更好些,供给节点向其关联的各需求节点在其他因素相同的情况下电池分配更为均衡,从而使得用户体验更高。相应的,另一些实施例中,还可以进一步构建电池分配率,所述电池分配率可以通过需求节点从其所关联的某供给节点得到的电池量与该需求节点的电池需求量的比值来表征。然后,可以进一步考虑电池分配率与电池紧缺程度的接近程度来配置电池分配算法,以进一步提高电池分配均衡性,从而进一步提高用户体验感以及收益。
一些实施例中,还可以在下述约束条件下求解电池分配目标函数F的最小值,得到所述指定时间下供给节点向需求节点提供的电池量数据。
约束条件为:
∑i∈Γ(j)xij-uj≥dj
∑i∈Γ(j)xij≤sj
xij,uj≥0
其中,i代表供给节点,j代表需求节点,Γ(j)表示需求节点j所关联的各供给节点所形成的集合,dj代表需求节点j的电池需求量,sj代表供给节点的电池供给量,θij表示需求节点j的电池紧缺程度,stj表示需求节点j所关联的供给节点总共能提供的电池量,uj表示需求节点j的电池缺量,pj表示需求节点j的缺量系数,xij表示供给节点i为需求节点j提供的电池量。一些实施例中,所述缺量系数pj可以基于需求节点j在所述指定时间下的预测骑行距离确定,以降低总缺量所带来的整体损失。上述约束中,第一项为需求约束,表征的含义是需求节点j分配到的电池量和缺量之和须大于需求量。第二项为供给约束,表征的含义是供给节点i提供给所有需求节点的电池量不能大于该供给节点i本身的电池供给量。第三项约束为非负约束,表征的含义为分配的电池量不可能负数,缺量也不可能是负数。
基于上述目标函数进行电池分配,可以使得电池分配更符合实际电池供给以及电池需求的动态变化特征,使得电池分配更符合实际业务场景,分配更加均衡,从而进一步提高电动车供给方的整体收益,以及提高用户的使用体验感。
一些实施方式中,可以利用拉格朗日乘子法对上述目标函数的最小值问题进行求解。如可以取αj为需求约束的对偶变量;βi为供给约束的对偶变量;和γij分别为uj和xij的对偶变量。由KKT条件可知,最优解通常满足如下条件,
αj=0or∑i∈Γ(j)xij+uj=dj
βi=0or∑i∈Γ(j)xij=sj
γij=0orxij=0
可解出,
xij=θijdj(1+αj-βi+γij)
由于γij=0orxij=0可知γij会保证xij≥0,于是可得,
xij=max{0,θijdj(1+αj-βi+γij)}
为了方便计算,可令,
max{0,θijdj(1+αj-βi+γij)}=gij(1+αj-βi+γij)
可以利用坐标下降法进行求解,
初始化αj=0;
循环如下(1)和(2)计算,直到收敛,
(1)对所有的电池i,求解βi满足,∑j∈Γ(i)gij(1+αj-βi+γij)=1
(2)对所有的停车点j,求解αj满足,∑i∈Γ(j)gij(1+αj-βi+γij)=dj
然后,通过xij=max{0,θijdj(1+αj-βi+γij)}计算得出xij。
上述等式约束难以直接求出解,可以使用二分法求解,求解误差在sj/2n以内。
当然,上述求解方式为优选举例说明,具体实施时还可以通过其他方式进行求解,这里不做限定。
一些实施方式中,服务器还可以基于上述电池分配算法构建电池分配模型,并基于历史数据对模型进行训练,将训练得到的模型进行存储。还可以间隔预设时间对模型进行动态更新优化。所述电池分配模型如可以根据神经网络模型或其他深度学习模型构建。在具体应用中,可以基于上述方式构建指定时间所对应的供给节点与需求节点的分布特征,并作为输入数据,输入预先构建的电池分配模型中,得到所述指定时间下供给节点向需求节点提供的电池量数据。
服务器可以将所述指定时间下供给节点向需求节点提供的电池量数据,分别发送给供给节点所对应的终端设备、以及需求节点所对应的终端设备,以展示给运维人员或用户。
供给节点所对应的终端设备如可以为电池柜,服务器可以向该电池柜发送该电池柜所在供给节点在指定时间向其关联的各需求节点提供的电池量,并通过电池柜展示给用户或者运维人员。当然,供给节点所对应的终端设备也可以为运维人员或用户的终端设备,以基于运维人员或用户的需求,向服务器发送指定的供给节点的电池分配数据请求。相应的,服务器可以基于该请求向相应的终端设备反馈在指定时间下该指定的供给节点向其关联的各需求节点可提供的电池量数据。
需求节点所对应的终端设备如可以为需求节点对应配置的控制终端,也可以为停放在需求节点的电动车,或者也可以为运维人员或用户的终端设备等。基于上述类似的方式,需求节点所对应的终端设备也可以与服务器交互,从服务器获取相应需求节点可从哪些供给节点获取电池以及从各供给节点获取的电池量等数据,并展示给运维人员或用户。
上述实施例提供的方案,可以使得电池的分配更加符合实际的业务需求,提高用户使用体验感以及收益,并尽可能的降低电池缺量所带来的损失。并可以让运维人员或用户更加简单方便的了解到其可以获取电池的电池柜以及可获取量情况,提高电动车维护的便捷性以及高效性,进而提高用户使用体验感。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。具体的可以参照前述相关处理相关实施例的描述,在此不做一一赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于上述所述的电池分配方法,本说明书一个或多个实施例还提供一种电池分配装置,如图4所示,所述装置可以包括如下模块。
数据获取模块402,可以用于获取指定时间所对应的供给节点与需求节点的分布特征,所述分布特征包括各供给节点的电池供给量、各需求节点的电池需求量以及需求节点与供给节点之间的供需关联关系。
电池分配模块404,可以用于基于预先配置的电池分配算法对所述指定时间所对应的供给节点与需求节点的分布特征进行处理,得到所述指定时间下供给节点向需求节点提供的电池量数据。其中,所述电池分配算法基于各需求节点的电池量紧缺程度以及所有需求节点的电池总缺量配置。
另一些实施例中,所述电池分配算法还可以基于电池分配率与电池紧缺程度的接近程度配置。其中,所述电池分配率利用需求节点从所关联的供给节点得到的电池量与相应需求节点的电池需求量的比值表征。
另一些实施例中,所述电池分配算法还可以基于所有需求节点的电池总缺量所造成的损失配置。所述损失基于需求节点在所述指定时间下的预测骑行距离确定。
另一些实施例中,所述装置还可以包括分布特征构建模块,其中,所述分布特征构建模块可以包括模型构建单元、预测单元以及关联单元。其中,
预测单元,可以用于预测指定时间下各供给节点的电池供给量、各需求节点的电池需求量。
关联单元,可以用于将预测得到的供给节点的电池供给量、需求节点的电池需求量与供需关系分布模型中相应供给节点、需求节点所对应的顶点进行关联,得到所述指定时间所对应的供给节点与需求节点的分布特征。
其中,所述供需关系分布模型可以由模型构建单元采用下述方式构建,将供给节点以及需求节点分别作为二分图的两个顶点子集中的顶点,并利用需求节点与供给节点所对应的顶点之间的连线表征需求节点与供给节点之间的供需关联关系,得到供需关系分布模型。
需要说明的,上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上,所述的存储介质可以计算机读取并执行,实现本说明书实施例所描述方案的效果。因此,本说明书还提供一种电池分配设备,应用于服务器,所述设备可以包括处理器及存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现包括上述任意一个实施例所述方法的步骤。
需要说明的,上述所述的设备根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书实施例并不局限于必须是符合标准数据模型/模板或本说明书实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例,仍然可以属于本说明书的可选实施方案范围之内。
所述存储介质可以包括用于存储信息的物理装置,通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括:利用电能方式存储信息的装置如,各式存储器,如RAM、ROM等;利用磁能方式存储信息的装置如,硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘;利用光学方式存储信息的装置如,CD或DVD。当然,还有其他方式的可读存储介质,例如量子存储器、石墨烯存储器等等。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。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、机构、材料或者特点包含于本说明书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并不必须针对的是相同的实施例或示例。而且,描述的具体特征、机构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种电池分配方法,其特征在于,所述方法包括:
获取指定时间所对应的供给节点与需求节点的分布特征,所述分布特征包括各供给节点的电池供给量、各需求节点的电池需求量以及需求节点与供给节点之间的供需关联关系;
基于预先配置的电池分配算法对所述指定时间所对应的供给节点与需求节点的分布特征进行处理,得到所述指定时间下供给节点向需求节点提供的电池量数据;其中,所述电池分配算法基于各需求节点的电池量紧缺程度以及所有需求节点的电池总缺量配置。
2.根据权利要求1所述的方法,其特征在于,所述需求节点与供给节点之间的供需关联关系基于需求节点与供给节点之间的位置关系确定。
3.根据权利要求1所述的方法,其特征在于,所述电池分配算法还基于各需求节点的电池缺量所带来的缺量损失配置;所述缺量损失基于相应需求节点在所述指定时间下的预测骑行距离确定。
4.根据权利要求1所述的方法,其特征在于,所述电池分配算法还基于电池分配率与电池紧缺程度的接近程度配置;其中,所述电池分配率利用需求节点从所关联的供给节点得到的电池量与相应需求节点的电池需求量的比值表征。
5.根据权利要求1所述的方法,其特征在于,所述基于预先配置的电池分配算法对所述指定时间所对应的供给节点与需求节点的分布特征进行处理,包括:
在下述约束条件下求解电池分配目标函数F的最小值,得到所述指定时间下供给节点向需求节点提供的电池量数据:
约束条件为:
∑i∈Γ(j)xij-uj≥dj
∑i∈Γ(j)xij≤sj
xij,uj≥0
其中,i代表供给节点,j代表需求节点,Γ(j)表示需求节点j所关联的各供给节点所形成的集合,dj代表j的电池需求量,sj代表供给节点的电池供给量,θij表示需求节点j的电池紧缺程度,stj表示需求节点j所关联的供给节点总共能提供的电池量,uj表示需求节点j的电池缺量,pj表示需求节点j的缺量系数,xij表示供给节点i为需求节点j提供的电池量。
6.根据权利要求1所述的方法,其特征在于,所述指定时间所对应的供给节点与需求节点的分布特征采用下述方式得到:
预测指定时间下各供给节点的电池供给量、各需求节点的电池需求量;
将预测得到的供给节点的电池供给量、需求节点的电池需求量与供需关系分布模型中相应供给节点、需求节点所对应的顶点进行关联,得到所述指定时间所对应的供给节点与需求节点的分布特征;其中,所述供需关系分布模型采用下述方式构建:
将供给节点、需求节点分别作为二分图的两个顶点子集中的顶点,并利用需求节点与供给节点所对应的顶点之间的连线表征需求节点与供给节点之间的供需关联关系,得到供需关系分布模型。
7.一种电池分配装置,其特征在于,所述装置包括:
数据获取模块,用于获取指定时间所对应的供给节点与需求节点的分布特征,所述分布特征包括各供给节点的电池供给量、各需求节点的电池需求量以及需求节点与供给节点之间的供需关联关系;
电池分配模块,用于基于预先配置的电池分配算法对所述指定时间所对应的供给节点与需求节点的分布特征进行处理,得到所述指定时间下供给节点向需求节点提供的电池量数据;其中,所述电池分配算法基于各需求节点的电池量紧缺程度以及所有需求节点的电池总缺量配置。
8.根据权利要求7所述的装置,其特征在于,所述电池分配算法还基于电池分配率与电池紧缺程度的接近程度配置;其中,所述电池分配率利用需求节点从所关联的供给节点得到的电池量与相应需求节点的电池需求量的比值表征。
9.根据权利要求7所述的装置,其特征在于,所述装置还包括分布特征构建模块,其中,所述分布特征构建模块包括:
预测单元,用于预测指定时间下各供给节点的电池供给量、各需求节点的电池需求量;
关联单元,用于将预测得到的供给节点的电池供给量、需求节点的电池需求量与供需关系分布模型中相应供给节点、需求节点所对应的顶点进行关联,得到所述指定时间所对应的供给节点与需求节点的分布特征;其中,所述供需关系分布模型由模型构建单元采用下述方式构建:
将供给节点、需求节点分别作为二分图的两个顶点子集中的顶点,并利用需求节点与供给节点所对应的顶点之间的连线表征需求节点与供给节点之间的供需关联关系,得到供需关系分布模型。
10.一种电池分配设备,其特征在于,所述设备包括至少一个处理器及用于存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110007395.8A CN112700053B (zh) | 2021-01-05 | 2021-01-05 | 电池分配方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110007395.8A CN112700053B (zh) | 2021-01-05 | 2021-01-05 | 电池分配方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112700053A true CN112700053A (zh) | 2021-04-23 |
CN112700053B CN112700053B (zh) | 2022-11-22 |
Family
ID=75514711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110007395.8A Active CN112700053B (zh) | 2021-01-05 | 2021-01-05 | 电池分配方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700053B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013240154A (ja) * | 2012-05-11 | 2013-11-28 | Toshiba Corp | 電力需給調整装置及びその方法 |
US20160134145A1 (en) * | 2013-03-01 | 2016-05-12 | Nec Corporation | Supply and demand adjustment system, supply and demand adjustment method, and supply and demand adjustment program |
CN108045243A (zh) * | 2017-12-05 | 2018-05-18 | 杭州骑迹科技有限公司 | 一种电动车的换电分配方法和服务器 |
CN110378537A (zh) * | 2019-07-25 | 2019-10-25 | 四川青霄信息科技有限公司 | 一种机场停机位智能分配的方法及系统 |
CN110676843A (zh) * | 2019-09-25 | 2020-01-10 | 中国南方电网有限责任公司 | 发电量分配方法、装置、计算机设备及存储介质 |
CN110796286A (zh) * | 2019-09-25 | 2020-02-14 | 国网山西省电力公司经济技术研究院 | 一种适用于电动汽车规模化应用的配电系统的灵活规划方法 |
CN111132056A (zh) * | 2019-08-07 | 2020-05-08 | 上海钧正网络科技有限公司 | 一种电池管理方法、装置、电池及服务器 |
CN111176838A (zh) * | 2019-12-18 | 2020-05-19 | 北京百度网讯科技有限公司 | 为二分图中的节点分配嵌入向量的方法以及装置 |
CN111832600A (zh) * | 2019-12-31 | 2020-10-27 | 北京骑胜科技有限公司 | 数据处理方法、装置、电子设备和计算机可读存储介质 |
CN112116133A (zh) * | 2020-08-31 | 2020-12-22 | 华南理工大学 | 共享换电系统优化调度方法、系统、装置和存储介质 |
-
2021
- 2021-01-05 CN CN202110007395.8A patent/CN112700053B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013240154A (ja) * | 2012-05-11 | 2013-11-28 | Toshiba Corp | 電力需給調整装置及びその方法 |
US20160134145A1 (en) * | 2013-03-01 | 2016-05-12 | Nec Corporation | Supply and demand adjustment system, supply and demand adjustment method, and supply and demand adjustment program |
CN108045243A (zh) * | 2017-12-05 | 2018-05-18 | 杭州骑迹科技有限公司 | 一种电动车的换电分配方法和服务器 |
CN110378537A (zh) * | 2019-07-25 | 2019-10-25 | 四川青霄信息科技有限公司 | 一种机场停机位智能分配的方法及系统 |
CN111132056A (zh) * | 2019-08-07 | 2020-05-08 | 上海钧正网络科技有限公司 | 一种电池管理方法、装置、电池及服务器 |
CN110676843A (zh) * | 2019-09-25 | 2020-01-10 | 中国南方电网有限责任公司 | 发电量分配方法、装置、计算机设备及存储介质 |
CN110796286A (zh) * | 2019-09-25 | 2020-02-14 | 国网山西省电力公司经济技术研究院 | 一种适用于电动汽车规模化应用的配电系统的灵活规划方法 |
CN111176838A (zh) * | 2019-12-18 | 2020-05-19 | 北京百度网讯科技有限公司 | 为二分图中的节点分配嵌入向量的方法以及装置 |
CN111832600A (zh) * | 2019-12-31 | 2020-10-27 | 北京骑胜科技有限公司 | 数据处理方法、装置、电子设备和计算机可读存储介质 |
CN112116133A (zh) * | 2020-08-31 | 2020-12-22 | 华南理工大学 | 共享换电系统优化调度方法、系统、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112700053B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111095721B (zh) | 聚合能量资源 | |
JP6820905B2 (ja) | 交換可能エネルギー貯蔵装置ステーションを管理するためのシステムおよび方法 | |
Moradipari et al. | Pricing and routing mechanisms for differentiated services in an electric vehicle public charging station network | |
Aghajani et al. | Operational scheduling of electric vehicles parking lot integrated with renewable generation based on bilevel programming approach | |
Khalkhali et al. | Application of data envelopment analysis theorem in plug‐in hybrid electric vehicle charging station planning | |
US11769094B2 (en) | System and method for real-time distributed micro-grid optimization using price signals | |
US20120133337A1 (en) | Method and system for charging a fleet of batteries | |
CN108281989B (zh) | 一种风电电力系统经济调度方法及装置 | |
Tucker et al. | Online charge scheduling for electric vehicles in autonomous mobility on demand fleets | |
CN109754136B (zh) | 电池均衡方法及系统 | |
CN111055716B (zh) | 确定充电策略的方法及装置、存储介质与处理器 | |
ur Rehman et al. | A robust optimization method for optimizing day-ahead operation of the electric vehicles aggregator | |
Gümrükcü et al. | Optimal load management strategy for large electric vehicle charging stations with undersized charger clusters | |
Janjic et al. | Optimal scheduling of utility electric vehicle fleet offering ancillary services | |
CN112700053B (zh) | 电池分配方法、装置及设备 | |
Wang et al. | Inventory management of battery swapping and charging stations considering uncertainty | |
Ahadi et al. | Cooperative learning for smart charging of shared autonomous vehicle fleets | |
Wu et al. | Incentivized self-rebalancing fleet in electric vehicle sharing | |
US20200070680A1 (en) | Vehicle-to-grid energy for use with hydrogen generation | |
Samadi et al. | EVSE effectiveness in multi-unit residential buildings using composite optimization and heuristic search | |
Wang et al. | A day‐ahead bidding strategy for battery swapping and charging system participating in the regulation market | |
WO2023210209A1 (ja) | リソース管理装置、リソース管理方法、および、リソース管理プログラム | |
Lee | Predicting key features of a substation without monitoring | |
Chawal et al. | Optimizing a system of electric vehicle charging stations using mixed integer linear programming computer experiments | |
You | Scheduling of EV battery swapping in microgrids |
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 |