CN113469301B - 基于运行数据分析的新能源汽车充电预警方法和系统 - Google Patents

基于运行数据分析的新能源汽车充电预警方法和系统 Download PDF

Info

Publication number
CN113469301B
CN113469301B CN202111035974.XA CN202111035974A CN113469301B CN 113469301 B CN113469301 B CN 113469301B CN 202111035974 A CN202111035974 A CN 202111035974A CN 113469301 B CN113469301 B CN 113469301B
Authority
CN
China
Prior art keywords
electric quantity
curve
driving distance
automobile
historical
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.)
Active
Application number
CN202111035974.XA
Other languages
English (en)
Other versions
CN113469301A (zh
Inventor
陈春嫘
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.)
Shenzhen Wanjiarong Industrial Co ltd
Original Assignee
Shenzhen Wanjiarong Industrial 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 Shenzhen Wanjiarong Industrial Co ltd filed Critical Shenzhen Wanjiarong Industrial Co ltd
Priority to CN202111035974.XA priority Critical patent/CN113469301B/zh
Publication of CN113469301A publication Critical patent/CN113469301A/zh
Application granted granted Critical
Publication of CN113469301B publication Critical patent/CN113469301B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • 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
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • 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

Abstract

本发明提供了基于运行数据分析的新能源汽车充电预警方法，包括：获取汽车历史电量和相应的行驶路程，建立电量和行驶路程的历史关系曲线；采用K‑means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；得到K类中包含的电量和行驶路程的历史关系曲线；将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；实时获取当前行程汽车电量和行驶路程，明确当前行程所属类别和符合的拟合曲线；并获取汽车当前位置和剩余电量，以及根据GPS确定出导航行程中充电桩的位置；结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及充电桩的位置，作出充电预警，本发明提出的方法准确合理确定出何时进行汽车充电、智能化程度高，极大提高用户体验。

Description

基于运行数据分析的新能源汽车充电预警方法和系统
技术领域
本发明新能源汽车领域，特别是指基于基于运行数据分析的新能源汽车充电预警方法和系统。
背景技术
大力发展电动汽车，对保障能源安全、促进节能减排、防治大气污染、培育新的经济增长点和国际竞争优势具有重要意义。
对于基于电能驱动的新能源汽车来说，正常行驶的前提是汽车在电量不足的情况下能得到及时有效的充电，电量严重不足会导致电池损坏；而且如果车辆此时剩余电量不足以使车辆从当前位置行驶到最近的充电装置时，仍会使车辆陷入困境，影响用户使用体验；因此能够及时合理的进行充电是新能源汽车面临的一大技术难题。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷，提出基于运行数据分析的新能源汽车充电预警方法，通过获取电量和行驶路程的历史关系曲线，进行聚类确定出类别，并拟合出各类别的电量和行驶路程的关系曲线，然后明确当前行程的电量和行驶路程关系曲线，结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警；本发明提出的方法准确合理确定出何时进行汽车充电、智能化程度高，极大提高用户体验。
本发明采用如下技术方案：
基于运行数据分析的新能源汽车充电预警方法，包括如下步骤：
获取汽车历史电量和相应的行驶路程，建立电量和行驶路程的历史关系曲线m条，m为整数；
采用K-means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；首先，预设K，K≥3的正整数，即预先将电量和行驶路程的历史关系曲线划分成K类，从电量和行驶路程的历史关系曲线中任意选择K条曲线分别作为每一类的初始聚类中心，K＜m；m为历史曲线的总条数，计算电量和行驶路程的历史关系曲线中、除上述K条曲线外每条曲线到K个质心的距离，并将它划分到距离最近的质心所在的类；计算新得到的K个类的质心，重复直到每个聚类中的对象不发生变化，得到K类中包含的电量和行驶路程的历史关系曲线；
将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；
实时获取当前行程汽车电量和行驶路程，明确当前行程所属类别和符合的拟合曲线；并获取汽车当前位置和剩余电量，以及根据GPS确定出导航行程中充电桩的位置；
结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警。
具体地，采用K-means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；首先，预设K，K≥3的正整数，即预先将电量和行驶路程的历史关系曲线划分成K类，具体为：
K=3，分别为：高耗电行程、中等耗电行程以及低耗电行程。
具体地，还包括：
根据实时获取的当前行程汽车电量和行驶路程，建立电量和行驶路程的关系曲线，并输入到设置的电量和行驶路程的历史关系曲线库中。
具体地，将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；具体包括：
将得到的K类中电量和行驶路程的历史关系曲线分别通过最小二乘法进行曲线拟合，得到K个拟合曲线。
具体地，结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警，具体包括：
根据汽车当前位置以及剩余电量，结合当前行程符合的拟合曲线，确定出剩余电量阈值时汽车的位置；
根据GPS确定出导航行程中充电桩的位置，以及剩余电量阈值时汽车的位置，作出充电预警。
本发明实施例还提供基于运行数据分析的新能源汽车充电预警系统，包括：
历史关系曲线建立单元：获取汽车历史电量和相应的行驶路程，建立电量和行驶路程的历史关系曲线m条，m为整数；
历史关系曲线聚类单元：采用K-means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；首先，预设K，K≥3的正整数，即预先将电量和行驶路程的历史关系曲线划分成K类，从电量和行驶路程的历史关系曲线中任意选择K条曲线分别作为每一类的初始聚类中心，K＜m；计算电量和行驶路程的历史关系曲线中、除上述K条曲线外每条曲线到K个质心的距离，并将它划分到距离最近的质心所在的类；计算新得到的K个类的质心，重复直到每个聚类中的对象不发生变化，得到K类中包含的电量和行驶路程的历史关系曲线；
曲线拟合单元：将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；
当前行程类别确定单元：实时获取当前行程汽车电量和行驶路程，明确当前行程所属类别和符合的拟合曲线；并获取汽车当前位置和剩余电量，以及根据GPS确定出导航行程中充电桩的位置；
充电预警单元：结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警。
具体地，历史关系曲线聚类单元中，所述采用K-means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；首先，预设K，K≥3的正整数，即预先将电量和行驶路程的历史关系曲线划分成K类，具体为：
K=3，分别为：高耗电行程、中等耗电行程以及低耗电行程。
具体地，还包括：
根据实时获取的当前行程汽车电量和行驶路程，建立电量和行驶路程的关系曲线，并输入到设置的电量和行驶路程的历史关系曲线库中。
具体地，曲线拟合单元中，将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；具体包括：
将得到的K类中电量和行驶路程的历史关系曲线分别通过最小二乘法进行曲线拟合，得到K个拟合曲线。
具体地，充电预警单元中，结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警，具体包括：
根据汽车当前位置以及剩余电量，结合当前行程符合的拟合曲线，确定出剩余电量阈值时汽车的位置；
根据GPS确定出导航行程中充电桩的位置，以及剩余电量阈值时汽车的位置，作出充电预警。
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
（1）本发明提出了基于运行数据分析的新能源汽车充电预警方法，首先获取汽车历史电量和相应的行驶路程，建立电量和行驶路程的历史关系曲线m条，m为整数；采用K-means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；首先，预设K，K≥3的正整数，即预先将电量和行驶路程的历史关系曲线划分成K类，从电量和行驶路程的历史关系曲线中任意选择K条曲线分别作为每一类的初始聚类中心，K＜m；m为历史曲线的总条数，计算电量和行驶路程的历史关系曲线中、除上述K条曲线外每条曲线到K个质心的距离，并将它划分到距离最近的质心所在的类；计算新得到的K个类的质心，重复直到每个聚类中的对象不发生变化，得到K类中包含的电量和行驶路程的历史关系曲线；将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；实时获取当前行程汽车电量和行驶路程，明确当前行程所属类别和符合的拟合曲线；并获取汽车当前位置和剩余电量，以及根据GPS确定出导航行程中充电桩的位置；结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警；本发明提出的方法通过获取电量和行驶路程的历史关系曲线，进行聚类确定出类别，并拟合出各类别的电量和行驶路程的关系曲线，然后明确当前行程的电量和行驶路程关系曲线，结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警；本发明提出的方法准确合理确定出何时进行汽车充电、智能化程度高，极大提高用户体验。
（2）本发明能够提前确定是否在行程中的下一个充电桩或者路程中的临近充电桩进行充电，而不需要在缺少电量时再专门去找充电桩进行充电，节省用户时间，极大提高用户体验。
附图说明
图1为本发明实施例提出的基于运行数据分析的新能源汽车充电预警的方法流程图；
图2为本发明实施例提供的基于运行数据分析的新能源汽车充电预警系统的结构图。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
本发明提出了基于运行数据分析的新能源汽车充电预警方法，进行聚类确定出类别，并拟合出各类别的电量和行驶路程的关系曲线，然后明确当前行程的电量和行驶路程关系曲线，结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警；本发明提出的方法准确合理确定出何时进行汽车充电、智能化程度高，极大提高用户体验。
如图1为本发明方案基于运行数据分析的新能源汽车充电预警方法流程图；具体包括如下步骤：
S101： 获取汽车历史电量和相应的行驶路程，建立电量和行驶路程的历史关系曲线m条，m为整数；
S102：采用K-means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；首先，预设K，K≥3的正整数，即预先将电量和行驶路程的历史关系曲线划分成K类，从电量和行驶路程的历史关系曲线中任意选择K条曲线分别作为每一类的初始聚类中心，K＜m；m为历史曲线的总条数，计算电量和行驶路程的历史关系曲线中、除上述K条曲线外每条曲线到K个质心的距离，并将它划分到距离最近的质心所在的类；计算新得到的K个类的质心，重复直到每个聚类中的对象不发生变化，得到K类中包含的电量和行驶路程的历史关系曲线；
具体地，采用K-means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；首先，预设K，K≥3的正整数，即预先将电量和行驶路程的历史关系曲线划分成K类，具体为：
K=3，分别为：高耗电行程、中等耗电行程以及低耗电行程。
考虑行程的长短、路面平坦与否、汽车所载人数，以及路程中红绿灯的多少，不同的行程耗电率是不同的，本发明实施例中分为高耗电行程、中等耗电行程以及低耗电行程。
S103：将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；
具体地，将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；具体包括：
将得到的K类中电量和行驶路程的历史关系曲线分别通过最小二乘法进行曲线拟合，得到K个拟合曲线。
拟合曲线的算法包括：解析表达式逼近离散数据的方法、最小二乘法，本发明实施例采用的是最小二乘法进行曲线拟合。
S104：实时获取当前行程汽车电量和行驶路程，明确当前行程所属类别和符合的拟合曲线；并获取汽车当前位置和剩余电量，以及根据GPS确定出导航行程中充电桩的位置；
S105：结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警。
结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警，具体包括：
根据汽车当前位置以及剩余电量，结合当前行程符合的拟合曲线，确定出剩余电量阈值时汽车的位置；
其中剩余电量阈值是为汽车需要充电时所剩余的最小电量，如果在电量严重不足时再充电会导致电池损坏，影响汽车使用寿命，因此需要设定这样一个阈值，而这个剩余电量阈值可以根据实际情况进行设置。
根据GPS确定出导航行程中充电桩的位置，以及剩余电量阈值时汽车的位置，作出充电预警。
预警方式可通过设置语音或灯光以提醒用户汽车需要在行程中的下一个充电桩进行充电。
本发明能够提前确定是否在行程中的下一个充电桩或者路程中的临近充电桩进行充电，而不需要在缺少电量时再专门去找充电桩进行充电，节省用户时间，极大提高用户体验。
本发明实施例提出的基于运行数据分析的新能源汽车充电预警方法，还包括：
根据实时获取的当前行程汽车电量和行驶路程，建立电量和行驶路程的关系曲线，并输入到设置的电量和行驶路程的历史关系曲线库中；以更新电量和行驶路程的历史关系曲线库，以提高计算精度。
如图2，本发明另一实施例提供基于运行数据分析的新能源汽车充电预警系统，包括：
本发明实施例还提供基于运行数据分析的新能源汽车充电预警系统，包括：
历史关系曲线建立单元201：获取汽车历史电量和相应的行驶路程，建立电量和行驶路程的历史关系曲线m条，m为整数；
历史关系曲线聚类单元202：采用K-means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；首先，预设K，K≥3的正整数，即预先将电量和行驶路程的历史关系曲线划分成K类，从电量和行驶路程的历史关系曲线中任意选择K条曲线分别作为每一类的初始聚类中心，K＜m；计算电量和行驶路程的历史关系曲线中、除上述K条曲线外每条曲线到K个质心的距离，并将它划分到距离最近的质心所在的类；计算新得到的K个类的质心，重复直到每个聚类中的对象不发生变化，得到K类中包含的电量和行驶路程的历史关系曲线；
具体地，采用K-means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；首先，预设K，K≥3的正整数，即预先将电量和行驶路程的历史关系曲线划分成K类，具体为：
K=3，分别为：高耗电行程、中等耗电行程以及低耗电行程。
考虑行程的长短、路面平坦与否、汽车所载人数，以及路程中红绿灯的多少，不同的行程耗电率是不同的，本发明实施例中分为高耗电行程、中等耗电行程以及低耗电行程。
曲线拟合单元203：将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；
具体地，将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；具体包括：
将得到的K类中电量和行驶路程的历史关系曲线分别通过最小二乘法进行曲线拟合，得到K个拟合曲线。
拟合曲线的算法包括：解析表达式逼近离散数据的方法、最小二乘法，本发明实施例采用的是最小二乘法进行曲线拟合。
当前行程类别确定单元204：实时获取当前行程汽车电量和行驶路程，明确当前行程所属类别和符合的拟合曲线；并获取汽车当前位置和剩余电量，以及根据GPS确定出导航行程中充电桩的位置；
充电预警单元205：结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警。
结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警，具体包括：
根据汽车当前位置以及剩余电量，结合当前行程符合的拟合曲线，确定出剩余电量阈值时汽车的位置；
其中剩余电量阈值是为汽车需要充电时所剩余的最小电量，如果在电量严重不足时再充电会导致电池损坏，影响汽车使用寿命，因此需要设定这样一个阈值，而这个剩余电量阈值可以根据实际情况进行设置。
根据GPS确定出导航行程中充电桩的位置，以及剩余电量阈值时汽车的位置，作出充电预警。
预警方式可通过设置语音或灯光以提醒用户汽车需要在行程中的下一个充电桩进行充电。
本发明能够提前确定是否在行程中的下一个充电桩或者路程中的临近充电桩进行充电，而不需要在缺少电量时再专门去找充电桩进行充电，节省用户时间，极大提高用户体验。
本发明提出了基于运行数据分析的新能源汽车充电预警方法，首先获取汽车历史电量和相应的行驶路程，建立电量和行驶路程的历史关系曲线m条，m为整数；采用K-means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；首先，预设K，K≥3的正整数，即预先将电量和行驶路程的历史关系曲线划分成K类，从电量和行驶路程的历史关系曲线中任意选择K条曲线分别作为每一类的初始聚类中心，K＜m；m为历史曲线的总条数，计算电量和行驶路程的历史关系曲线中、除上述K条曲线外每条曲线到K个质心的距离，并将它划分到距离最近的质心所在的类；计算新得到的K个类的质心，重复直到每个聚类中的对象不发生变化，得到K类中包含的电量和行驶路程的历史关系曲线；将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；实时获取当前行程汽车电量和行驶路程，明确当前行程所属类别和符合的拟合曲线；并获取汽车当前位置和剩余电量，以及根据GPS确定出导航行程中充电桩的位置；结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警；本发明提出的方法通过获取电量和行驶路程的历史关系曲线，进行聚类确定出类别，并拟合出各类别的电量和行驶路程的关系曲线，然后明确当前行程的电量和行驶路程关系曲线，结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警；本发明提出的方法准确合理确定出何时进行汽车充电、智能化程度高，极大提高用户体验。
本发明能够提前确定是否在行程中的下一个充电桩或者路程中的临近充电桩进行充电，而不需要在缺少电量时再专门去找充电桩进行充电，节省用户时间，极大提高用户体验。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (4)

1.基于运行数据分析的新能源汽车充电预警方法，其特征在于，包括如下步骤：
获取汽车历史电量和相应的行驶路程，建立电量和行驶路程的历史关系曲线m条，m为整数；
采用K-means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；首先，预设K，K≥3的正整数，即预先将电量和行驶路程的历史关系曲线划分成K类，从电量和行驶路程的历史关系曲线中任意选择K条曲线分别作为每一类的初始聚类中心，K＜m；m为历史曲线的总条数，计算电量和行驶路程的历史关系曲线中、除上述K条曲线外每条曲线到K个质心的距离，并将它划分到距离最近的质心所在的类；计算新得到的K个类的质心，重复直到每个聚类中的对象不发生变化，得到K类中包含的电量和行驶路程的历史关系曲线；
K=3，分别为：高耗电行程、中等耗电行程以及低耗电行程；
将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；将得到的K类中电量和行驶路程的历史关系曲线分别通过最小二乘法进行曲线拟合，得到K个拟合曲线；
实时获取当前行程汽车电量和行驶路程，明确当前行程所属类别和符合的拟合曲线；并获取汽车当前位置和剩余电量，以及根据GPS确定出导航行程中充电桩的位置；
结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警；
根据汽车当前位置以及剩余电量，结合当前行程符合的拟合曲线，确定出剩余电量阈值时汽车的位置；
根据GPS确定出导航行程中充电桩的位置，以及剩余电量阈值时汽车的位置，作出充电预警。
2.根据权利要求1所述的基于运行数据分析的新能源汽车充电预警方法，其特征在于，还包括：
根据实时获取的当前行程汽车电量和行驶路程，建立电量和行驶路程的关系曲线，并输入到设置的电量和行驶路程的历史关系曲线库中。
3.基于运行数据分析的新能源汽车充电预警系统，其特征在于，包括：
历史关系曲线建立单元：获取汽车历史电量和相应的行驶路程，建立电量和行驶路程的历史关系曲线m条，m为整数；
历史关系曲线聚类单元：采用K-means聚类算法对电量和行驶路程的历史关系曲线进行聚类分析；首先，预设K，K≥3的正整数，即预先将电量和行驶路程的历史关系曲线划分成K类，从电量和行驶路程的历史关系曲线中任意选择K条曲线分别作为每一类的初始聚类中心，K＜m；计算电量和行驶路程的历史关系曲线中、除上述K条曲线外每条曲线到K个质心的距离，并将它划分到距离最近的质心所在的类；计算新得到的K个类的质心，重复直到每个聚类中的对象不发生变化，得到K类中包含的电量和行驶路程的历史关系曲线；
K=3，分别为：高耗电行程、中等耗电行程以及低耗电行程；
曲线拟合单元：将得到的K类中电量和行驶路程的历史关系曲线分别进行曲线拟合，得到K个拟合曲线；将得到的K类中电量和行驶路程的历史关系曲线分别通过最小二乘法进行曲线拟合，得到K个拟合曲线；
当前行程类别确定单元：实时获取当前行程汽车电量和行驶路程，明确当前行程所属类别和符合的拟合曲线；并获取汽车当前位置和剩余电量，以及根据GPS确定出导航行程中充电桩的位置；
充电预警单元：结合当前行程符合的拟合曲线、汽车当前位置、剩余电量以及GPS确定出导航行程中充电桩的位置，作出充电预警；
根据汽车当前位置以及剩余电量，结合当前行程符合的拟合曲线，确定出剩余电量阈值时汽车的位置；
根据GPS确定出导航行程中充电桩的位置，以及剩余电量阈值时汽车的位置，作出充电预警。
4.根据权利要求3所述的基于运行数据分析的新能源汽车充电预警系统，其特征在于，还包括：
根据实时获取的当前行程汽车电量和行驶路程，建立电量和行驶路程的关系曲线，并输入到设置的电量和行驶路程的历史关系曲线库中。
CN202111035974.XA 2021-09-06 2021-09-06 基于运行数据分析的新能源汽车充电预警方法和系统 Active CN113469301B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111035974.XA CN113469301B (zh) 2021-09-06 2021-09-06 基于运行数据分析的新能源汽车充电预警方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111035974.XA CN113469301B (zh) 2021-09-06 2021-09-06 基于运行数据分析的新能源汽车充电预警方法和系统

Publications (2)

Publication Number Publication Date
CN113469301A CN113469301A (zh) 2021-10-01
CN113469301B true CN113469301B (zh) 2021-11-30

Family

ID=77867578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111035974.XA Active CN113469301B (zh) 2021-09-06 2021-09-06 基于运行数据分析的新能源汽车充电预警方法和系统

Country Status (1)

Country Link
CN (1) CN113469301B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230294547A1 (en) * 2022-03-21 2023-09-21 International Business Machines Corporation Detachable powertrain control in autonomous vehicles during collaborative movement
CN115588242B (zh) * 2022-12-09 2023-03-14 中安芯界控股集团有限公司 一种基于物联网的储能电池测试系统及方法
CN116039576B (zh) * 2023-03-22 2023-08-08 宁波禾旭汽车科技有限公司 新能源汽车电池智能更换系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106515478A (zh) * 2016-10-27 2017-03-22 合肥工业大学 电动汽车剩余行驶里程在线预测方法及装置
CN109552338A (zh) * 2018-12-19 2019-04-02 北京理工新源信息科技有限公司 一种纯电动汽车生态驾驶行为评估方法及系统
CN110774940A (zh) * 2019-11-08 2020-02-11 四川省马皇科技有限公司 一种智能运输装置的电量管理方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745111B (zh) * 2014-01-15 2017-06-16 华南农业大学 纯电动乘用车续驶里程预测方法
CN108773279B (zh) * 2018-04-27 2020-09-04 北京交通大学 一种电动汽车充电路径规划方法及装置
CN111670340B (zh) * 2018-09-07 2022-04-26 深圳配天智能技术研究院有限公司 一种车辆剩余行驶里程的获取方法、电子设备及车辆
CN109408955B (zh) * 2018-10-23 2020-08-18 北京理工大学 一种电动汽车的能耗分析方法及系统
CN109747427B (zh) * 2019-02-01 2021-02-19 广州小鹏汽车科技有限公司 估计电动车辆到达目的地时的剩余续驶能力的方法及设备
KR20210031571A (ko) * 2019-09-11 2021-03-22 현대자동차주식회사 차량용 무선 충전 시스템 및 그의 무선 충전 제어 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106515478A (zh) * 2016-10-27 2017-03-22 合肥工业大学 电动汽车剩余行驶里程在线预测方法及装置
CN109552338A (zh) * 2018-12-19 2019-04-02 北京理工新源信息科技有限公司 一种纯电动汽车生态驾驶行为评估方法及系统
CN110774940A (zh) * 2019-11-08 2020-02-11 四川省马皇科技有限公司 一种智能运输装置的电量管理方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
EV Charging Behavior Analysis Using Hybrid;Yi Shen.et al;《electronics》;20200131;第1-17页 *

Also Published As

Publication number Publication date
CN113469301A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN113469301B (zh) 基于运行数据分析的新能源汽车充电预警方法和系统
CN107458259B (zh) 一种新能源电动汽车剩余里程估算方法
CN109927709B (zh) 一种车辆行驶路线工况确定方法、能量管理方法及系统
CN107187442B (zh) 基于工况预测的插电式混合动力电动汽车能量管理系统
CN110174117B (zh) 一种电动汽车充电路线规划方法
CN110936949B (zh) 基于行驶工况的能量控制方法、设备、存储介质及装置
CN110667434A (zh) 一种自适应工况的纯电动汽车行驶里程估计方法及系统
KR100949260B1 (ko) 전기자동차용 전지 충전 시스템
CN103839423A (zh) 环境感知的再生制动能量计算方法
CN110232219B (zh) 一种基于数据挖掘的电动汽车可调度容量核定方法
CN107627872A (zh) 基于电动汽车出行模式的电池充电控制方法和系统
CN106660457B (zh) 电力管理装置、电力管理系统以及汽车
CN109034498A (zh) 考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法
CN110103773A (zh) 一种电动汽车续驶里程预测方法和系统
CN112115385B (zh) 一种考虑充电时间的单向共享汽车系统选址优化方法
CN109919393A (zh) 一种电动出租汽车的充电负荷预测方法
CN109752590B (zh) 一种基于数据驱动的电动公交能耗估计方法
CN115049272A (zh) 一种基于电池交换进行中间站充电的电动公交调度方法
CN112406560B (zh) 调整增程器发电功率的方法、装置、存储介质及车辆
Zhang et al. Analysis on influence factors of energy consumption of electric vehicles based on real-world driving data
WO2021134476A1 (zh) 应用于电动汽车的订单管理的方法和装置
CN117021956B (zh) 一种用于新能源观光电车的续航检测管理方法
Zhou et al. A Study of Charging Demand Estimation Model of Electric Passenger Vehicles in Beijing
CN112053570A (zh) 一种城市交通路网运行状态监测评价方法及系统
CN114943485B (zh) 基于车联网的新能源电池续航数学模型评价方法

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