CN113932824A - 一种基于边缘计算的电动汽车充电导航系统及方法 - Google Patents

Abstract

本发明公开的一种基于边缘计算的电动汽车充电导航系统的导航系统及方法，包括用于采集车载终端和充电站传感器数据的终端层、用于充电导航策略运算的边缘层和用于选择所剩资源比例最多的基站为用户提供充电导航服务的云端层。本发明主要了利用边缘计算提高系统整体计算性能，依靠边缘计算更多的节点来负载流量，使得数据传输速度更快，以及更靠近终端设备，传输更安全，数据处理更即时，从而将云端层的计算性能释放出来进行边缘计算的优化分配，提高了电动汽车充电效率和用户充电体验质量。

Description

一种基于边缘计算的电动汽车充电导航系统及方法

技术领域

本发明属于电力系统通讯技术领域，具体涉及一种基于边缘计算的电动汽车充电导航系统。本发明还涉及一种基于边缘计算的电动汽车充电导航方法。

背景技术

电动汽车的快速发展和推广离不开便捷的充电基础设施体系。电动汽车的持续行驶取决于充电设施的充电能力。电动汽车充电效率与充电设施选择之间存在强耦合。用户的收费行为具有很强的不确定性。集中无序充电会导致排队时间过长，不仅影响电站收益，还会降低用户体验质量，甚至影响电网稳定运行。

目前对电动汽车充电费用和大规模电动汽车的渗透对电网产生的影响研究较多，其优化目标主要为充电成本最小。传统的方法一方面将电力系统与交通网络结合，主要考虑交通网络的影响，利用粒子群优化算法提高供应商整体的经济效益。另一方面提出电动汽车与电网互动的方法，有效降低电网负荷的方差，实现削峰填谷，保证电网安全运行。然而在高度动态的物联网环境中，数据的实时传输是系统稳定运行的保障，而以上研究都未考虑充电系统中计算资源的分配问题和数据传输的延时问题。

发明内容

本发明的目的在于提供一种基于边缘计算的电动汽车充电导航系统，解决了现有技术忽略了系统计算资源分配和数据拥堵的问题。

本发明的另一目的在于提供一种基于边缘计算的电动汽车充电导航方法。

本发明所采用的第一种技术方案是：一种基于边缘计算的电动汽车充电导航系统，包括终端层、边缘层和云端层；

终端层，用于用户在发出充电请求时，采集车载终端的当前电动汽车剩余电量、位置和行驶速度数据以及充电站传感器的充电桩的实时电价和各充电桩的使用情况数据，并将采集的数据传输至区域内边缘层的基站；

边缘层，用于通过基站配有的边缘计算模块对终端层所采集的数据进行策略运算并将运算结果通过本地控制器传输给用户；

云端层，用于区域内终端层传输至基站的数据量超过边缘计算模块的容量时，对比所有可以为基站信号重叠区域提供服务的基站剩余资源大小，选择所剩资源比例最多的基站为用户提供充电导航服务。

本发明第一种技术方案的特点还在于，

边缘层进行策略运算时，根据用户发出充电请求时距充电站的距离、交通情况、充电费用和充电时间做出确定性充电导航策略，然后由本地控制器将充电策略传输至用户。

本发明所采用的第二种技术方案是：一种基于边缘计算的电动汽车充电导航系统的导航方法，包括以下步骤：

步骤1、用户在发出充电请求时，车载智能终端将当前电动汽车剩余电量、位置和行驶速度传输至区域内的基站；同时充电站传感器将充电桩的实时电价和各充电桩的使用情况传输至区域内的基站；

步骤2、若区域内终端层采集的数据量超过基站边缘计算模块能够处理的容量，则云端层通过对比所有可以为基站信号重叠区域提供服务的基站剩余资源大小，选择所剩资源比例最多基站的边缘计算模块进入下一步骤；若区域内终端层的数据量未超过边缘计算模块的容量，则直接进入下一步骤；

步骤3、边缘计算模块根据终端层所测数据进行策略运算得到待确定充电导航策略，由本地控制器传输至用户，用户根据自己的偏好确定充电导航策略。

本发明第二种技术方案的特点还在于，

步骤2中，设定负荷系数η_n,t，

式(1)中，B_n,t表示t时刻编号为n的基站已经占用的计算资源大小，B_n表示编号为n的基站总的计算容量；

若区域内t时刻编号为n的基站的负荷系数值η_n,t>阈值η_set，则云端层通过对比所有可以为基站信号重叠区域提供服务的基站剩余资源大小。

步骤2中，若区域内终端层采集的数据量超过基站边缘计算模块的容量，利用(4)式表示出基站所剩计算资源的比例大小，第n个基站的剩余资源为：

式(4)中，ξ_i,n表示n基站为i辆电动汽车提供服务后剩余的计算资源比例，B_n表示编号为n的基站总的计算容量，CS_n表示n基站所占固定资源大小，

为当前其他电动汽车占用的基站计算资源；

得出剩余资源比例最大基站argmax_n(ξ_i,n)，将等待计算任务转移至argmax_n(ξ_i,n)。

本发明的有益效果是：本发明一种基于边缘计算的电动汽车充电导航系统及方法，主要了利用边缘计算提高系统整体计算性能，依靠边缘计算更多的节点来负载流量，使得数据传输速度更快，以及更靠近终端设备，传输更安全，数据处理更即时，从而将云端层的计算性能释放出来进行边缘计算的优化分配，提高了电动汽车充电效率和用户充电体验质量。

附图说明

图1是本发明一种基于边缘计算的电动汽车充电导航系统示意图；

图2是本发明一种基于边缘计算的电动汽车充电导航方法流程图；

图3是本发明中虚拟计算资源分配示意图；

图4是本发明中边缘计算体系结构示意图；

图5是本发明中基站信号重叠区域示意图；

图6是本发明中伴随数据信息的序列示意图；

图7是本发明中计算不同分配方式下基站负载数示意图；

图8是本发明中不同分配方式下用户充电的平均等待时间示意图。

具体实施方式

下面结合附图以及具体实施方式对本发明进行详细说明。

本发明提供了一种基于边缘计算的电动汽车充电导航系统，如图1所示，包括终端层、边缘层和云端层；

终端层包括车载智能终端和充电站传感器。用户在发出充电请求时，车载智能终端将此时电动汽车剩余电量、当前位置和行驶速度传输至附近基站，同时充电站传感器将充电桩的实时电价和各充电桩的使用情况及时传输至附近配有边缘计算模块的基站，实现基站与车载智能终端和充电站传感器之间的数据交互。由于导航是一个连续的控制过程，对电动汽车充电导航数据进行整理，可以得到各条路的行驶速度。

如图2所示，通过数据的采集和转换，将车载智能终端和充电站传感器所测的数据集中传输至边缘层的边缘计算模块进行处理，边缘计算模块会根据用户发出充电请求时距充电站的距离、交通情况、充电费用和充电时间做出例如距离最短、用时最短和费用最少等充电策略。

如图3所示，利用虚拟化技术将终端层中同一类型的数据采用虚拟化技术进行封装处理，在提高运算速度的同时增加数据的安全性。如果某一基站服务的区域内终端层传输的数据量超过了边缘计算模块处理能力，则需要将该基站的计算任务分配到附近有剩余计算资源的基站，根据基站资源所剩比例的大小进行分配。

如图4所示，当区域内的用户请求突然增多，可以利用云端强大的计算能力为该区域用户提供计算服务，缓解基站压力。

本发明还提供了上述基于边缘计算的电动汽车充电导航系统的导航方法，具体步骤如下：

1)配有边缘计算的基站采集终端层中所测的所有数据，同时对区域内可提供计算服务的基站编号：BS_n，n∈{1,2,……,N}，基站可提供计算资源大小表示为B_n。

2)边缘计算模块根据终端层所测数据确定导航策略，所测数据包含电动汽车当前位置、剩余电量和行驶速度，根据多个车辆在该路段的行驶速度可计算出该路段的拥堵程度，充电站实时电价和充电桩的使用情况，边缘计算模块将根据充电成本最低目标函数计算确定性策略，随后由边缘层中的本地控制器传输至用户。

3)设定符合系数η_n,t，

式(1)中，B_n,t表示t时刻编号为n的基站已经占用的计算资源大小，B_n表示编号为n的基站总的计算容量；负荷系数η_n,t表示编号为n的基站t时刻负载的程度，同时设置负荷系数阈值为η_set。当η_n,t>η_set时，基站出现数据拥堵现象，此时建立数据传输等待模型以表示等待时间，系统需要将该基站的计算任务分配给附近基站，缓解单个基站计算压力，然后重新建立新的等待模型。由于数据量超过了边缘计算能力，如(2)式所示出现数据拥处理时间较长的情况。若需要减少计算时间，则需要将该基站的计算任务转移至附近基站，新的等待模型如(3)式所示，具体包括：

确定典型电动汽车排队模型如下：

T_r＝T_f+N_r*t_r (2)

其中，T_r为某区域内计算出充电策略的等待时间，N_r为T时刻信号重叠区域内等待车辆的数量，t_r为基站对单位车辆的服务时间，T_f为信号重叠区域外基站对车辆的处理时间，T_r′为车辆需要等待的时间，N_r′为T时刻信号重叠区域内等待车辆的数量，N_x为重叠区域内被分配到其他基站的车辆数量。

如图5所示，在出现数据拥堵时，将计算任务分配至其他基站需要建立各基站剩余计算资源数学模型，对比所有可以为基站信号重叠区域提供服务的基站剩余资源大小，选择所剩资源最多的基站为客户提供服务。出现数据拥堵时，利用(4)式表示出基站所剩计算资源的比例大小，然后选择剩余资源较大的基站提供服务，以减少系统等待时间，具体包括：

充分利用区域基站剩余资源，则可以缩短电动汽车请求充电服务响应的等待时间，第n个基站的剩余资源为：

其中，ξ_i,n表示n基站为i辆电动汽车提供服务后剩余的计算资源比例，B_n表示编号为n的基站总的计算容量，CS_n表示n基站所占固定资源大小，

为当前其他电动汽车占用的基站计算资源。

根据基站所剩资源比例ξ_i,n的大小决定如何分配重叠范围内的电动汽车，我们以两个基站重叠区域内的电动汽车为例进行说明：

根据(4)式可求得1基站和2基站的剩余资源比例大小，其中以ξ_i,1、ξ_i,2分别表示基站1和基站2所剩资源比例大小，结果如式(5)、(6)所示。其中CS₁和CS₂分别为基站1、2所占固定资源，

为区域内其他车辆占用的基站计算资源。

argmax_n(ξ_i,n),n∈{1,2} (7)

根据(7)式所示，将比较基站1和基站2所剩计算资源比例大小ξ_i,1、ξ_i,2分别带入(7)式，计算出的基站所生资源比例，然后选择argmax_n(ξ_i,n)作为服务基站，这样就使计算负载在基站之间得到平衡，减少电动车的计算服务延时。

结果分析

通过对就近选择服务基站和智能选择服务基站分别进行仿真实验，明显得出系统的计算效率显著提升，从而实现快速导航。

如图5所示，本发明分析充电站位于基站的重叠区域。在正常情况下，基站为就近的电动汽车提供计算资源，等待计算结果时间为T_r。N_r表示该基站信号重叠区域内服务的电动汽车数量。t_r表示基站单位车辆服务时间。T_f为基站重叠区域外处理车辆导航花费的时间。就近基站如果出现数据拥堵情况，边缘计算模块会将排队的电动汽车自动分配到附近剩余计算资源较多的基站。Tr'为智能算法下车辆需要等待的时间，如式(3)所示，N_x为重叠区域内被分配到其他基站的车辆数。

下面以一个简单的算例说明本方法的实施过程：

将对能够提供服务的多个基站的剩余计算资源进行对比，本发明将和传统的就近服务原则进行对比，计算效率显著提高。利用本发明方法，依据各步骤具体实施，可以得到仿真结果如图7，图8。具体分别从计算负载数和等待时间两个方面进行了仿真实验。如图7所示，本发明选择有5个基站的区域，基站编号分别为BS₁、BS₂、BS₃、BS₄、BS₅，如采取就近服务时会导致BS₂、BS₅的负荷过高，为了缓解BS₂、BS₅的压力，将计算任务分配至BS₁、BS₃和BS₄，同时使区域内每个基站的计算资源都得到有效利用。如图8所示，本发明以BS₁的运行为例，按就近服务原则车辆数达25才需要排队，而在智能分分配方式下车辆数达40时才需要等待，有效提高系统服务效率。图6描述了伴随导航过程的数据信息序列。

Claims (5)

1.一种基于边缘计算的电动汽车充电导航系统，其特征在于，包括终端层、边缘层和云端层；

终端层，用于用户在发出充电请求时，采集车载终端的当前电动汽车剩余电量、位置和行驶速度数据以及充电站传感器的充电桩的实时电价和各充电桩的使用情况数据，并将采集的数据传输至区域内边缘层的基站；

边缘层，用于通过基站配有的边缘计算模块对终端层所采集的数据进行策略运算并将运算结果通过本地控制器传输给用户；

云端层，用于区域内终端层传输至基站的数据量超过边缘计算模块的容量时，对比所有可以为基站信号重叠区域提供服务的基站剩余资源大小，选择所剩资源比例最多的基站为用户提供充电导航服务。

2.如权利要求1所述的一种基于边缘计算的电动汽车充电导航系统，其特征在于，所述边缘层进行策略运算时，根据用户发出充电请求时距充电站的距离、交通情况、充电费用和充电时间做出确定性充电导航策略，然后由本地控制器将充电策略传输至用户。

3.如权利要求1所述的一种基于边缘计算的电动汽车充电导航系统的导航方法，其特征在于，包括以下步骤：

步骤1、用户在发出充电请求时，车载智能终端将当前电动汽车剩余电量、位置和行驶速度传输至区域内的基站；同时充电站传感器将充电桩的实时电价和各充电桩的使用情况传输至区域内的基站；

步骤2、若区域内终端层采集的数据量超过基站边缘计算模块能够处理的容量，则云端层通过对比所有可以为基站信号重叠区域提供服务的基站剩余资源大小，选择所剩资源比例最多基站的边缘计算模块进入下一步骤；若区域内终端层的数据量未超过边缘计算模块的容量，则直接进入下一步骤；

步骤3、边缘计算模块根据终端层所测数据进行策略运算得到待确定充电导航策略，由本地控制器传输至用户，用户根据自己的偏好确定充电导航策略。

4.如权利要求3所述的一种基于边缘计算的电动汽车充电导航系统的导航方法，其特征在于，所述步骤2中，设定负荷系数η_n,t，

式(1)中，B_n,t表示t时刻编号为n的基站已经占用的计算资源大小，B_n表示编号为n的基站总的计算容量；

若区域内t时刻编号为n的基站的负荷系数值η_n,t>阈值η_set，则云端层通过对比所有可以为基站信号重叠区域提供服务的基站剩余资源大小。

5.如权利要求3所述的一种基于边缘计算的电动汽车充电导航系统的导航方法，其特征在于，所述步骤2中，若区域内终端层采集的数据量超过基站边缘计算模块的容量，利用(4)式表示出基站所剩计算资源的比例大小，第n个基站的剩余资源为：

式(4)中，ξ_i,n表示n基站为i辆电动汽车提供服务后剩余的计算资源比例，B_n表示编号为n的基站总的计算容量，CS_n表示n基站所占固定资源大小，

为当前其他电动汽车占用的基站计算资源；

得出剩余资源比例最大基站argmax_n(ξ_i,n)，将等待计算任务转移至argmax_n(ξ_i,n)。

Images