CN114801834B - 新能源汽车剩余充电时长预估方法、装置、设备及介质 - Google Patents

新能源汽车剩余充电时长预估方法、装置、设备及介质 Download PDF

Info

Publication number
CN114801834B
CN114801834B CN202210405145.4A CN202210405145A CN114801834B CN 114801834 B CN114801834 B CN 114801834B CN 202210405145 A CN202210405145 A CN 202210405145A CN 114801834 B CN114801834 B CN 114801834B
Authority
CN
China
Prior art keywords
charging
target
information
training
time
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
CN202210405145.4A
Other languages
English (en)
Other versions
CN114801834A (zh
Inventor
阮耀灿
王增华
陈浩杰
夏嘉豪
张�浩
吕雯禧
廖锦星
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.)
Guangdong Jianyi Investment Co ltd
Original Assignee
Guangdong Jianyi Investment 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 Guangdong Jianyi Investment Co ltd filed Critical Guangdong Jianyi Investment Co ltd
Priority to CN202210405145.4A priority Critical patent/CN114801834B/zh
Publication of CN114801834A publication Critical patent/CN114801834A/zh
Application granted granted Critical
Publication of CN114801834B publication Critical patent/CN114801834B/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
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
    • 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
    • B60L53/66—Data transfer between charging stations and vehicles
    • B60L53/665—Methods related to measuring, billing or payment
    • 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]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉提供了一种新能源汽车剩余充电时长预估方法、装置、设备及介质，该方法包括：获取目标配置信息、实时荷电状态和目标荷电状态，其中，所述目标配置信息包括目标车型信息和充电桩实时功率信息；针对所述目标配置信息，将所述实时荷电状态和所述目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，其中，所述时长预估模型与所述目标配置信息对应；将所述目标剩余充电时长信息发送至用户终端，以使所述用户终端显示所述目标剩余充电时长信息。根据本发明实施例提供的方案，能够准确预估各个车型的新能源汽车在对应的充电功率下的剩余充电时长，从而避免影响用户的使用体验。

Description

新能源汽车剩余充电时长预估方法、装置、设备及介质
技术领域
本发明涉及但不限于新能源汽车技术领域，尤其涉及一种新能源汽车剩余充电时长预估方法、装置、设备及介质。
背景技术
新能源充电站是为新能源汽车充电的站点，新能源汽车包括纯电动汽车、增程式电动汽车和混合动力汽车等，不同型号的新能源汽车之间存在技术差异，导致各个型号的新能源汽车实际充电功率不同，新能源充电站设置有多种充电桩，充电桩可以根据不同的电压等级为各种型号的电动汽车充电。
目前，为了预估新能源汽车剩余充电时长，利用线性运算，通过充电桩的充电功率和新能源汽车的实时荷电状态计算剩余充电时长，由于在充电过程中新能源汽车的荷电状态不是线性变化，而且不同车型的新能源汽车的充电效率存在差异，以及同一车型的新能源汽车在不同充电功率下的充电效率存在差异，导致新能源汽车剩余充电时长的预估结果不准确，用户无法得到准确的剩余充电时长，影响用户的使用体验。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供了一种新能源汽车剩余充电时长预估方法、装置、设备及介质，能够准确预估各个车型的新能源汽车在对应的充电功率下的剩余充电时长，从而避免影响用户的使用体验。
第一方面，本发明还提供了一种新能源汽车剩余充电时长预估方法，应用于新能源充电站，所述方法包括：获取目标配置信息、实时荷电状态和目标荷电状态，其中，所述目标配置信息包括目标车型信息和充电桩实时功率信息；针对所述目标配置信息，将所述实时荷电状态和所述目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，其中，所述时长预估模型与所述目标配置信息对应；将所述目标剩余充电时长信息发送至用户终端，以使所述用户终端显示所述目标剩余充电时长信息；
其中，所述时长预估模型通过如下步骤训练得到：获取多个训练配置信息和各个所述训练配置对应的历史充电数据，其中，所述训练配置信息包括训练车型信息和充电桩训练功率信息，所述历史充电数据包括多个历史荷电状态和各个所述历史荷电状态对应的历史充电时刻；针对各个所述训练配置信息，基于所述历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，所述时长预估模型与所述训练配置信息对应。
在一些实施例中，所述充电桩训练功率信息是指所述充电桩的最大输出功率，所述充电桩训练功率信息至少包括如下之一：第一功率信息、第二功率信息和第三功率信息；所述针对各个所述训练配置信息，基于所述历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，包括：针对各个所述训练配置信息，基于所述历史充电数据对预设的回归模型进行训练，以得到第一时长预估模型、第二时长预估模型或第三时长预估模型，其中，所述第一时长预估模型与所述第一功率信息对应，所述第二时长预估模型与所述第二功率信息对应，所述第三时长预估模型与所述第三功率信息对应。
在一些实施例中，所述针对所述目标配置信息，将所述实时荷电状态和所述目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，包括：根据所述目标配置信息，确定对应的时长预估模型，并生成目标拟合曲线；根据所述实时荷电状态、所述目标荷电状态和所述目标拟合曲线，确定目标剩余充电时长信息。
在一些实施例中，所述获取目标配置信息和实时荷电状态的步骤之前，还包括：获取目标车辆识别码；基于预设的车型识别码数据库和所述目标车辆识别码，确定所述目标车型信息。
在一些实施例中，所述获取目标配置信息和实时荷电状态的步骤之前，还包括：获取目标车辆图像；基于图像处理，提取所述目标车辆图像的目标车辆特征；将所述目标车辆特征输入预设的车型识别模型，确定所述目标车型信息。
在一些实施例中，所述新能源充电站设置有多个充电桩，所述方法还包括：获取各个所述充电桩对应的目标剩余充电时长信息；根据所述目标剩余充电时长信息，从所有所述充电桩中确定目标充电桩；根据所述目标充电桩对应的目标剩余充电时长信息，确定充电推荐信息；将所述充电推荐信息发送至所述用户终端。
第二方面，本发明还提供了一种新能源汽车剩余充电时长预估方法，应用于用户终端，所述方法包括：接收来自新能源充电站的目标剩余充电时长信息；显示所述目标剩余充电时长信息；其中，所述目标剩余充电时长信息由所述新能源充电站针对目标配置信息，将实时荷电状态和目标荷电状态输入对应的时长预估模型而确定，所述时长预估模型与所述目标配置信息对应，所述目标配置信息、所述实时荷电状态和所述目标荷电状态由所述新能源充电站获取而得到，所述目标配置信息包括目标车型信息和充电桩实时功率信息；
其中，所述时长预估模型通过如下步骤训练得到：获取多个训练配置信息和各个所述训练配置对应的历史充电数据，其中，所述训练配置信息包括训练车型信息和充电桩训练功率信息，所述历史充电数据包括多个历史荷电状态和各个所述历史荷电状态对应的历史充电时刻；针对各个所述训练配置信息，基于所述历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，所述时长预估模型与所述训练配置信息对应。
第三方面，本发明还提供了一种新能源汽车剩余充电时长预估装置，应用于新能源充电站，所述装置包括：获取单元，用于获取目标配置信息、实时荷电状态和目标荷电状态，其中，所述目标配置信息包括目标车型信息和充电桩实时功率信息；预估单元，用于针对所述目标配置信息，将所述实时荷电状态和所述目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，其中，所述时长预估模型与所述目标配置信息对应；发送单元，用于将所述目标剩余充电时长信息发送至用户终端，以使所述用户终端显示所述目标剩余充电时长信息；
其中，所述时长预估模型通过如下步骤训练得到：获取多个训练配置信息和各个所述训练配置对应的历史充电数据，其中，所述训练配置信息包括训练车型信息和充电桩训练功率信息，所述历史充电数据包括多个历史荷电状态和各个所述历史荷电状态对应的历史充电时刻；针对各个所述训练配置信息，基于所述历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，所述时长预估模型与所述训练配置信息对应。
第四方面，本发明实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述的新能源汽车剩余充电时长预估方法。
第五方面，本发明实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上第一方面所述的新能源汽车剩余充电时长预估方法，或者如上第二方面所述的新能源汽车剩余充电时长预估方法。
本发明实施例包括：获取目标配置信息、实时荷电状态和目标荷电状态，其中，所述目标配置信息包括目标车型信息和充电桩实时功率信息；针对所述目标配置信息，将所述实时荷电状态和所述目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，其中，所述时长预估模型与所述目标配置信息对应；将所述目标剩余充电时长信息发送至用户终端，以使所述用户终端显示所述目标剩余充电时长信息；其中，所述时长预估模型通过如下步骤训练得到：获取多个训练配置信息和各个所述训练配置对应的历史充电数据，其中，所述训练配置信息包括训练车型信息和充电桩训练功率信息，所述历史充电数据包括多个历史荷电状态和各个所述历史荷电状态对应的历史充电时刻；针对各个所述训练配置信息，基于所述历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，所述时长预估模型与所述训练配置信息对应。根据本发明实施例提供的方案，针对不同的训练车型信息和不同的充电桩训练功率信息，通过历史充电数据对预设的回归模型进行训练，得到对应的时长预估模型；在充电过程中，通过目标车型信息和充电桩实时功率信息确定所需的时长预估模型，将实时荷电状态和目标荷电状态输入对应的时长预估模型，进而通过时长预估模型确定目标剩余充电时长信息，能够准确预估各个车型的新能源汽车在对应的充电功率下的剩余充电时长，从而避免影响用户的使用体验。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1是本发明一个实施例提供的一种应用于新能源充电站的新能源汽车剩余充电时长预估方法的流程图；
图2是本发明一个实施例提供的一种时长预估模型训练方法的流程图；
图3是本发明另一个实施例提供的一种训练多种时长预估模型的流程图；
图4是本发明另一个实施例提供的一种确定目标剩余充电时长信息的流程图；
图5是本发明另一个实施例提供的一种确定目标车型信息的流程图；
图6是本发明另一个实施例提供的另一种确定目标车型信息的流程图；
图7是本发明另一个实施例提供的一种发送充电推荐信息的流程图；
图8是本发明另一个实施例提供的一种应用于用户终端的新能源汽车剩余充电时长预估方法的流程图；
图9是本发明另一个实施例提供的新能源充电站的系统框图；
图10是本发明另一个实施例提供的第一种拟合曲线的示意图；
图11是本发明另一个实施例提供的第二种拟合曲线的示意图；
图12是本发明另一个实施例提供的新能源汽车剩余充电时长预估装置的结构图；
图13是本发明另一个实施例提供的电子设备的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
在本发明的描述中，若干个的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释：
车辆识别代码(Vehicle Identification Number，VIN)，VIN码由17位字符组成，车辆识别代码就是汽车的身份证号，包含了车辆的生产厂家、年代、车型、车身型式及代码、发动机代码及组装地点等信息。
荷电状态(State Of Charge，SOC)，蓄电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值，常用百分数表示，其取值范围为0～1，当SOC＝0时表示电池放电完全，当SOC＝1时表示电池完全充满。
最小二乘法，是一种在误差估计、不确定度、系统辨识及预测、预报等数据处理诸多学科领域得到广泛应用的数学工具。
目前，为了预估新能源汽车剩余充电时长，利用线性运算，通过充电桩的充电功率和新能源汽车的实时荷电状态计算剩余充电时长，由于在充电过程中新能源汽车的荷电状态不是线性变化，而且不同车型的新能源汽车的充电效率存在差异，以及同一车型的新能源汽车在不同充电功率下的充电效率存在差异，导致新能源汽车剩余充电时长的预估结果不准确，用户无法得到准确的剩余充电时长，影响用户的使用体验。
针对新能源汽车剩余充电时长的预估结果不准确的问题，本发明提供了一种新能源汽车剩余充电时长预估方法、装置、设备及介质，该方法包括：获取目标配置信息、实时荷电状态和目标荷电状态，其中，目标配置信息包括目标车型信息和充电桩实时功率信息；针对目标配置信息；在充电过程中，通过目标车型信息和充电桩实时功率信息确定所需的时长预估模型，将实时荷电状态和目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，其中，时长预估模型与目标配置信息对应；将目标剩余充电时长信息发送至用户终端，以使用户终端显示目标剩余充电时长信息；其中，时长预估模型通过如下步骤训练得到：获取多个训练配置信息和各个训练配置对应的历史充电数据，其中，训练配置信息包括训练车型信息和充电桩训练功率信息，历史充电数据包括多个历史荷电状态和各个历史荷电状态对应的历史充电时刻；针对各个训练配置信息，基于历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，时长预估模型与训练配置信息对应。根据本发明实施例提供的方案，针对不同的训练车型信息和不同的充电桩训练功率信息，通过历史充电数据对预设的回归模型进行训练，得到对应的时长预估模型；在充电过程中，通过目标车型信息和充电桩实时功率信息确定所需的时长预估模型，将实时荷电状态和目标荷电状态输入对应的时长预估模型，进而通过时长预估模型确定目标剩余充电时长信息，能够准确预估各个车型的新能源汽车在对应的充电功率下的剩余充电时长，从而避免影响用户的使用体验。
如图1所示，图1是本发明一个实施例提供的一种新能源汽车剩余充电时长预估方法的流程图，该新能源汽车剩余充电时长预估方法可以应用于新能源充电站，该新能源汽车剩余充电时长预估方法包括但不限于如下步骤：
步骤S110，获取目标配置信息、实时荷电状态和目标荷电状态，其中，目标配置信息包括目标车型信息和充电桩实时功率信息；
步骤S120，针对目标配置信息；在充电过程中，通过目标车型信息和充电桩实时功率信息确定所需的时长预估模型，将实时荷电状态和目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，其中，时长预估模型与目标配置信息对应；
步骤S130，将目标剩余充电时长信息发送至用户终端，以使用户终端显示目标剩余充电时长信息；
如图2所示，图2为本发明一个实施例提供的一种时长预估模型训练方法的流程图，步骤S120的时长预估模型的训练方法，包括但不限于有以下步骤：
步骤S210，获取多个训练配置信息和各个训练配置对应的历史充电数据，其中，训练配置信息包括训练车型信息和充电桩训练功率信息，历史充电数据包括多个历史荷电状态和各个历史荷电状态对应的历史充电时刻；
步骤S220，针对各个训练配置信息，基于历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，时长预估模型与训练配置信息对应。
可以理解的是，在新能源充电站内，充电桩的最大充电功率是固定的，在实际使用中，有时候充电功率存在盈余，有时候充电功率无法达到新能源汽车的需求，而且新能源汽车的需求在不同的荷电状态SOC下会发生变化，因此，为了预估新能源汽车剩余充电时长，需要先获取训练配置信息和历史充电数据，训练配置信息包括训练车型信息和充电桩训练功率信息，训练车型信息用于表征新能源汽车的车型，充电桩训练功率信息用于表征充电功率，对于不同的车型或者不同的充电功率，将多个历史荷电状态和历史充电时刻作为训练数据，通过大量的训练数据训练出对应的时长预估模型；训练完成后，通过目前配置信息，即通过目标车型信息和充电桩实时功率信息确定对应的时长预估模型，输入实时荷电状态和目标荷电状态后，能够预估充电完成的时刻，从而确定剩余充电时长；时长预估模型为回归模型，针对不同的车型或者不同的充电功率，都能准确的预估出剩余充电时长；基于此，针对不同的训练车型信息和不同的充电桩训练功率信息，通过历史充电数据对预设的回归模型进行训练，得到对应的时长预估模型；在充电过程中，通过目标车型信息和充电桩实时功率信息确定所需的时长预估模型，将实时荷电状态和目标荷电状态输入对应的时长预估模型，进而通过时长预估模型确定目标剩余充电时长信息，能够准确预估各个车型的新能源汽车在对应的充电功率下的剩余充电时长，从而避免影响用户的使用体验。
需要说明的是，在充电过程中，新能源充电站能够获取充电桩的充电桩实时功率信息，也能够获取目标车型信息，充电桩与新能源汽车建立连接后，新能源充电站能够通过充电桩获取实时荷电状态，目标荷电状态默认为充满电的状态，用户也可自行设定，新能源充电站能够获取用户设定的目标荷电状态。
值得注意的是，回归模型的训练方法，属于本领域技术人员熟知的技术，在此不多作赘述。
另外，参照图3，在一实施例中，充电桩训练功率信息是指充电桩的最大输出功率，充电桩训练功率信息至少包括如下之一：第一功率信息、第二功率信息和第三功率信息；图2所示实施例中的步骤S220，包括但不限于有以下步骤：
步骤S310，针对各个训练配置信息，基于历史充电数据对预设的回归模型进行训练，以得到第一时长预估模型、第二时长预估模型或第三时长预估模型，其中，第一时长预估模型与第一功率信息对应，第二时长预估模型与第二功率信息对应，第三时长预估模型与第三功率信息对应。
在具体实践中，第一功率信息是指充电桩的输出功率为120kW，第二功率信息是指充电桩的输出功率为240kW，第三功率信息是指充电桩的输出功率为480kW，对于不同的充电桩输出功率，生成不同种类的时长预估模型，能够针对不同的充电功率，准确的预估出剩余充电时长。
需要说明的是，在新能源充电站内，充电桩的输出功率可根据新能源汽车的充电需求而设计，除了120kW、240kW和480kW，还可以采用其他输出功率的充电桩，例如760kW，1000kW等，在此不作出限定；采用其他输出功率的充电桩后，会生成对应的时长预估模型。
另外，参照图4，在一实施例中，图1所示实施例中的步骤S120，包括但不限于有以下步骤：
步骤S410，根据目标配置信息，确定对应的时长预估模型，并生成目标拟合曲线；
步骤S420，根据实时荷电状态、目标荷电状态和目标拟合曲线，确定目标剩余充电时长信息。
可以理解的是，时长预估模型为回归模型，时长预估模型训练完成后，时长预估模型能够生成准确的拟合曲线，拟合曲线能够指示荷电状态和时间的关系，也能够指示充电输出功率和时间的关系，结合实时荷电状态和目标荷电状态，通过在拟合曲线上截取实时荷电状态和目标荷电状态对应的时刻，从而计算出确定剩余充电时长，利用大量的历史充电数据对回归模型进行训练，能够准确预估各个车型的新能源汽车在对应的充电功率下的剩余充电时长，从而避免影响用户的使用体验。
需要说明的是，针对不同车型的新能源汽车，以及不同的充电功率，通过大量的训练数据，训练得到时长预估模型，时长预估模型能够输出荷电状态由0～100的功率拟合曲线。
在具体实践中，回归模型为多项式拟合回归模型，多项式拟合回归模型能够生成拟合曲线，能够保证剩余充电时长预估的准确性，训练回归模型用到的算法包括但不限于：平均法和最小二乘法。
另外，参照图5，在一实施例中，图1所示实施例中的步骤S110之前，包括但不限于有以下步骤：
步骤S510，获取目标车辆识别码；
步骤S520，基于预设的车型识别码数据库和目标车辆识别码，确定目标车型信息。
可以理解的是，新能源充电站的充电桩与新能源汽车建立连接后，新能源充电站能够获取新能源汽车的目标车辆识别VIN码，车型识别码数据库内预设有各个车型对应的VIN码，通过识别VIN码，能够准确的确定目标车型信息。
如图6所示，在一实施例中，图1所示实施例中的步骤S110之前，包括但不限于有以下步骤：
步骤S610，获取目标车辆图像；
步骤S620，基于图像处理，提取目标车辆图像的目标车辆特征；
步骤S630，将目标车辆特征输入预设的车型识别模型，确定目标车型信息。
需要说明的是，新能源充电站设置有图像采集设备，例如摄像头，新能源充电站内每个充电车位均配置有至少一个摄像头，至少一个摄像头的镜头正对放置在充电车位内的新能源汽车的车头，新能源汽车进入充电车位后，新能源充电站通过摄像头获取目标车辆图像，通过图像处理，提取对应的目标车辆特征，目标车辆特征是指车脸特征，例如，车标、车灯等特征，将目标车辆特征输入车型识别模型能够确定目标车型信息。
值得注意的是，车型识别模型可采用SVM分类器，车型识别模型的获取方法，属于本领域技术人员熟知的技术，在此不多作赘述。
如图7所示，在一实施例中，新能源充电站设置有多个充电桩，该新能源汽车剩余充电时长预估方法还包括但不限于如下步骤：
步骤S710，获取各个充电桩对应的目标剩余充电时长信息；
步骤S720，根据目标剩余充电时长信息，从所有充电桩中确定目标充电桩；
步骤S730，根据目标充电桩对应的目标剩余充电时长信息，确定充电推荐信息；
步骤S740，将充电推荐信息发送至用户终端。
可以理解的是，目前在充电高峰的时间段，新能源充电站所有充电桩都处于充电状态，若新能源充电站无法准确的预估各个新能源汽车的剩余充电时长，正在等待的用户就无法准确得知能够开始为新能源汽车充电的时间；通过获取各个充电桩的目标剩余充电时长信息，确定最快能够进行充电的目标充电桩，根据对应的目标剩余充电时长信息，生成充电推荐信息，并将充电推荐信息发送至处于等待状态的用户终端，用户能够准确得知能够开始为新能源汽车充电的时间，合理安排充电时间，避免影响用户的使用体验。
在具体实践中，充电推荐信息还包含目标充电桩的位置信息，方便用户找到对应的充电桩。
值得注意的是，确定充电桩的位置信息的方法，属于本领域技术人员熟知的技术，在此不多作赘述。
如图8所示，图8是本发明一个实施例提供的一种新能源汽车剩余充电时长预估方法的流程图，该新能源汽车剩余充电时长预估方法可以应用于用户终端，该新能源汽车剩余充电时长预估方法包括但不限于如下步骤：
步骤S810，接收来自新能源充电站的目标剩余充电时长信息；
步骤S820，显示目标剩余充电时长信息；
其中，目标剩余充电时长信息由新能源充电站针对目标配置信息，将实时荷电状态和目标荷电状态输入对应的时长预估模型而确定，时长预估模型与目标配置信息对应，目标配置信息、实时荷电状态和目标荷电状态由新能源充电站获取而得到，目标配置信息包括目标车型信息和充电桩实时功率信息；
其中，时长预估模型通过如下步骤训练得到：
获取多个训练配置信息和各个训练配置对应的历史充电数据，其中，训练配置信息包括训练车型信息和充电桩训练功率信息，历史充电数据包括多个历史荷电状态和各个历史荷电状态对应的历史充电时刻；
针对各个训练配置信息，基于历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，时长预估模型与训练配置信息对应。
可以理解的是，该应用于用户终端的新能源汽车剩余充电时长预估方法与上述应用于新能源充电站的新能源汽车剩余充电时长预估方法的具体实施例基本相同，在此不再赘述；基于此，针对不同的训练车型信息和不同的充电桩训练功率信息，通过历史充电数据对预设的回归模型进行训练，得到对应的时长预估模型；在充电过程中，通过目标车型信息和充电桩实时功率信息确定所需的时长预估模型，将实时荷电状态和目标荷电状态输入对应的时长预估模型，进而通过时长预估模型确定目标剩余充电时长信息，能够准确预估各个车型的新能源汽车在对应的充电功率下的剩余充电时长，从而避免影响用户的使用体验。
需要说明的是，用户终端可以是无线终端设备也可以是有线终端设备，无线终端设备可以是指一种具有无线收发功能的设备，包括但不限于手机、平板电脑(Pad)和带无线收发功能的电脑；用户终端设置有显示器，利用显示器能够有效显示剩余充电时长信息。
如图9所示，图9是本发明另一个实施例提供的新能源充电站的系统框图。
可以理解的是，新能源充电站设置有管理终端、充电桩和摄像头，管理终端包括云端，云端设置有管理系统，用户终端、充电桩和摄像头分别与管理终端通信连接，新能源汽车能够与充电桩建立连接，用户终端能够发送开始充电指令和停止充电指令至管理终端，从而控制充电桩的工作状态，在新能源汽车的充电过程中，管理终端能够准确预估各个车型的新能源汽车在对应的充电功率下的剩余充电时长，并向用户发送剩余充电时长，从而避免影响用户的使用体验。
需要说明的是，通过设置摄像头，能够获取目标车辆图像，从而确定目标车型信息。
另外，参考图10至图11，图10是本发明另一个实施例提供的第一种拟合曲线的示意图，图11是本发明另一个实施例提供的第二种拟合曲线的示意图。
可以理解的是，针对不同的车型的新能源汽车，以及不同的充电输出功率，时长预估模型生成的拟合曲线不同，能够准确预估各个车型的新能源汽车在对应的充电功率下的剩余充电时长，从而避免影响用户的使用体验。
另外，参考图12，本发明还提供了一种新能源汽车剩余充电时长预估装置1200，应用于新能源充电站，包括：
获取单元1210，用于获取目标配置信息、实时荷电状态和目标荷电状态，其中，目标配置信息包括目标车型信息和充电桩实时功率信息；
预估单元1220，用于针对目标配置信息；在充电过程中，通过目标车型信息和充电桩实时功率信息确定所需的时长预估模型，将实时荷电状态和目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，其中，时长预估模型与目标配置信息对应；
发送单元1230，用于将目标剩余充电时长信息发送至用户终端，以使用户终端显示目标剩余充电时长信息；
其中，时长预估模型通过如下步骤训练得到：
获取多个训练配置信息和各个训练配置对应的历史充电数据，其中，训练配置信息包括训练车型信息和充电桩训练功率信息，历史充电数据包括多个历史荷电状态和各个历史荷电状态对应的历史充电时刻；
针对各个训练配置信息，基于历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，时长预估模型与训练配置信息对应。
可以理解的是，该新能源汽车剩余充电时长预估装置1200的具体实施方式与上述新能源汽车剩余充电时长预估方法的具体实施例基本相同，在此不再赘述；基于此，针对不同的训练车型信息和不同的充电桩训练功率信息，通过历史充电数据对预设的回归模型进行训练，得到对应的时长预估模型；在充电过程中，通过目标车型信息和充电桩实时功率信息确定所需的时长预估模型，将实时荷电状态和目标荷电状态输入对应的时长预估模型，进而通过时长预估模型确定目标剩余充电时长信息，能够准确预估各个车型的新能源汽车在对应的充电功率下的剩余充电时长，从而避免影响用户的使用体验。
另外，参照图13，本发明的一个实施例还提供了一种电子设备，该电子设备1300包括：存储器1310、处理器1320及存储在存储器1310上并可在处理器1320上运行的计算机程序。
处理器1320和存储器1310可以通过总线或者其他方式连接。
实现上述实施例的新能源汽车剩余充电时长预估方法所需的非暂态软件程序以及指令存储在存储器1310中，当被处理器1320执行时，执行上述实施例中应用于新能源充电站的新能源汽车剩余充电时长预估方法，例如，执行以上描述的图1中的方法步骤S110至步骤S130、图3中的方法步骤S310、图4中的方法步骤S410至步骤S420、图5中的方法步骤S510至步骤S520、图6中的方法步骤S610至步骤S630、图7中的方法步骤S710至步骤S740，新能源充电站通过获取目标配置信息、实时荷电状态和目标荷电状态，其中，目标配置信息包括目标车型信息和充电桩实时功率信息；针对目标配置信息；在充电过程中，通过目标车型信息和充电桩实时功率信息确定所需的时长预估模型，将实时荷电状态和目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，其中，时长预估模型与目标配置信息对应；将目标剩余充电时长信息发送至用户终端，以使用户终端显示目标剩余充电时长信息；其中，时长预估模型通过如下步骤训练得到：获取多个训练配置信息和各个训练配置对应的历史充电数据，其中，训练配置信息包括训练车型信息和充电桩训练功率信息，历史充电数据包括多个历史荷电状态和各个历史荷电状态对应的历史充电时刻；针对各个训练配置信息，基于历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，时长预估模型与训练配置信息对应。基于此，针对不同的训练车型信息和不同的充电桩训练功率信息，通过历史充电数据对预设的回归模型进行训练，得到对应的时长预估模型；在充电过程中，通过目标车型信息和充电桩实时功率信息确定所需的时长预估模型，将实时荷电状态和目标荷电状态输入对应的时长预估模型，进而通过时长预估模型确定目标剩余充电时长信息，能够准确预估各个车型的新能源汽车在对应的充电功率下的剩余充电时长，从而避免影响用户的使用体验。
此外，本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述电子设备实施例中的一个处理器执行，可使得上述处理器执行上述实施例中应用于新能源充电站的新能源汽车剩余充电时长预估方法，例如，执行以上描述的图1中的方法步骤S110至步骤S130、图3中的方法步骤S310、图4中的方法步骤S410至步骤S420、图5中的方法步骤S510至步骤S520、图6中的方法步骤S610至步骤S630、图7中的方法步骤S710至步骤S740，新能源充电站通过获取目标配置信息、实时荷电状态和目标荷电状态，其中，目标配置信息包括目标车型信息和充电桩实时功率信息；针对目标配置信息；在充电过程中，通过目标车型信息和充电桩实时功率信息确定所需的时长预估模型，将实时荷电状态和目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，其中，时长预估模型与目标配置信息对应；将目标剩余充电时长信息发送至用户终端，以使用户终端显示目标剩余充电时长信息；其中，时长预估模型通过如下步骤训练得到：获取多个训练配置信息和各个训练配置对应的历史充电数据，其中，训练配置信息包括训练车型信息和充电桩训练功率信息，历史充电数据包括多个历史荷电状态和各个历史荷电状态对应的历史充电时刻；针对各个训练配置信息，基于历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，时长预估模型与训练配置信息对应；或者执行上述实施例中应用于用户终端的新能源汽车剩余充电时长预估方法，例如，执行以上描述的图8中的方法步骤S810至步骤S820。基于此，针对不同的训练车型信息和不同的充电桩训练功率信息，通过历史充电数据对预设的回归模型进行训练，得到对应的时长预估模型；在充电过程中，通过目标车型信息和充电桩实时功率信息确定所需的时长预估模型，将实时荷电状态和目标荷电状态输入对应的时长预估模型，进而通过时长预估模型确定目标剩余充电时长信息，能够准确预估各个车型的新能源汽车在对应的充电功率下的剩余充电时长，从而避免影响用户的使用体验。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。

Claims (8)

1.一种新能源汽车剩余充电时长预估方法，其特征在于，应用于新能源充电站，所述方法包括：
获取目标配置信息、实时荷电状态和目标荷电状态，其中，所述目标配置信息包括目标车型信息和充电桩实时功率信息；
针对所述目标配置信息，将所述实时荷电状态和所述目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，其中，所述时长预估模型与所述目标配置信息对应；
将所述目标剩余充电时长信息发送至用户终端，以使所述用户终端显示所述目标剩余充电时长信息；
其中，所述获取目标配置信息、实时荷电状态和目标荷电状态的步骤之前，还包括：
获取目标车辆识别码；
基于预设的车型识别码数据库和所述目标车辆识别码，确定所述目标车型信息；
其中，所述时长预估模型通过如下步骤训练得到：
获取多个训练配置信息和各个所述训练配置对应的历史充电数据，其中，所述训练配置信息包括训练车型信息和充电桩训练功率信息，所述历史充电数据包括多个历史荷电状态和各个所述历史荷电状态对应的历史充电时刻，所述充电桩训练功率信息用于表征充电功率；
针对各个所述训练配置信息，基于所述历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，所述时长预估模型与所述训练配置信息对应。
2.根据权利要求1所述的方法，其特征在于，所述充电桩训练功率信息是指所述充电桩的最大输出功率，所述充电桩训练功率信息至少包括如下之一：第一功率信息、第二功率信息和第三功率信息；
所述针对各个所述训练配置信息，基于所述历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，包括：
针对各个所述训练配置信息，基于所述历史充电数据对预设的回归模型进行训练，以得到第一时长预估模型、第二时长预估模型或第三时长预估模型，其中，所述第一时长预估模型与所述第一功率信息对应，所述第二时长预估模型与所述第二功率信息对应，所述第三时长预估模型与所述第三功率信息对应。
3.根据权利要求1所述的方法，其特征在于，所述针对所述目标配置信息，将所述实时荷电状态和所述目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，包括：
根据所述目标配置信息，确定对应的时长预估模型，并生成目标拟合曲线；
根据所述实时荷电状态、所述目标荷电状态和所述目标拟合曲线，确定目标剩余充电时长信息。
4.根据权利要求1所述的方法，其特征在于，所述新能源充电站设置有多个充电桩，所述方法还包括：
获取各个所述充电桩对应的目标剩余充电时长信息；
根据所述目标剩余充电时长信息，从所有所述充电桩中确定目标充电桩；
根据所述目标充电桩对应的目标剩余充电时长信息，确定充电推荐信息；
将所述充电推荐信息发送至所述用户终端。
5.一种新能源汽车剩余充电时长预估方法，其特征在于，应用于用户终端，所述方法包括：
接收来自新能源充电站的目标剩余充电时长信息；
显示所述目标剩余充电时长信息；
其中，所述目标剩余充电时长信息由所述新能源充电站针对目标配置信息，将实时荷电状态和目标荷电状态输入对应的时长预估模型而确定，所述时长预估模型与所述目标配置信息对应，所述目标配置信息、所述实时荷电状态和所述目标荷电状态由所述新能源充电站获取而得到，所述目标配置信息包括目标车型信息和充电桩实时功率信息，所述目标车型信息由所述新能源充电站基于预设的车型识别码数据库和目标车辆识别码而确定，所述目标车辆识别码由所述新能源充电站获取得到；其中，所述时长预估模型通过如下步骤训练得到：
获取多个训练配置信息和各个所述训练配置对应的历史充电数据，其中，所述训练配置信息包括训练车型信息和充电桩训练功率信息，所述历史充电数据包括多个历史荷电状态和各个所述历史荷电状态对应的历史充电时刻，所述充电桩训练功率信息用于表征充电功率；
针对各个所述训练配置信息，基于所述历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，所述时长预估模型与所述训练配置信息对应。
6.一种新能源汽车剩余充电时长预估装置，其特征在于，应用于新能源充电站，所述装置包括：
获取单元，用于获取目标配置信息、实时荷电状态和目标荷电状态，其中，所述目标配置信息包括目标车型信息和充电桩实时功率信息；
预估单元，用于针对所述目标配置信息，将所述实时荷电状态和所述目标荷电状态输入对应的时长预估模型，确定目标剩余充电时长信息，其中，所述时长预估模型与所述目标配置信息对应；
发送单元，用于将所述目标剩余充电时长信息发送至用户终端，以使所述用户终端显示所述目标剩余充电时长信息；
其中，所述获取目标配置信息、实时荷电状态和目标荷电状态的步骤之前，还包括：
获取目标车辆识别码；
基于预设的车型识别码数据库和所述目标车辆识别码，确定所述目标车型信息；
其中，所述时长预估模型通过如下步骤训练得到：
获取多个训练配置信息和各个所述训练配置对应的历史充电数据，其中，所述训练配置信息包括训练车型信息和充电桩训练功率信息，所述历史充电数据包括多个历史荷电状态和各个所述历史荷电状态对应的历史充电时刻，所述充电桩训练功率信息用于表征充电功率；
针对各个所述训练配置信息，基于所述历史充电数据对预设的回归模型进行训练，以得到对应的时长预估模型，其中，所述时长预估模型与所述训练配置信息对应。
7.一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的新能源汽车剩余充电时长预估方法。
8.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于执行如权利要求1至4中任意一项所述的新能源汽车剩余充电时长预估方法，或者如权利要求5所述的新能源汽车剩余充电时长预估方法。
CN202210405145.4A 2022-04-18 2022-04-18 新能源汽车剩余充电时长预估方法、装置、设备及介质 Active CN114801834B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210405145.4A CN114801834B (zh) 2022-04-18 2022-04-18 新能源汽车剩余充电时长预估方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210405145.4A CN114801834B (zh) 2022-04-18 2022-04-18 新能源汽车剩余充电时长预估方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN114801834A CN114801834A (zh) 2022-07-29
CN114801834B true CN114801834B (zh) 2022-12-20

Family

ID=82536042

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210405145.4A Active CN114801834B (zh) 2022-04-18 2022-04-18 新能源汽车剩余充电时长预估方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN114801834B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115593265B (zh) * 2022-09-20 2024-02-23 广州汽车集团股份有限公司 充电时长的预测方法、装置、计算机设备以及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215434A (zh) * 2020-10-22 2021-01-12 深圳市加码能源科技有限公司 一种lstm模型的生成方法、充电时长预测方法及介质
CN112874369A (zh) * 2021-01-12 2021-06-01 上海追日电气有限公司 一种充电管理系统的充电与供能优化方法及装置
CN113335125A (zh) * 2021-07-01 2021-09-03 广州锐速智能科技股份有限公司 车辆充电方法、装置、系统、充电模型训练方法
JP2021176063A (ja) * 2020-05-01 2021-11-04 株式会社Rexev 充電管理装置、充電管理方法、及び充電管理プログラム
CN113869713A (zh) * 2021-09-26 2021-12-31 国网江苏省电力有限公司经济技术研究院 一种移动充电车的优化调度方法和系统
CN114347834A (zh) * 2021-12-03 2022-04-15 北京车和家汽车科技有限公司 车辆控制方法、充电时长预测模型的生成方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109871985B (zh) * 2019-01-23 2021-09-10 深圳智链物联科技有限公司 充电时长预估方法、装置、终端设备及存储介质
US11820249B2 (en) * 2020-04-30 2023-11-21 Bayerische Motoren Werke Aktiengesellschaft Managing the charging of a fleet of vehicles to align with a renewable energy supply curve for an electric grid
US20220055496A1 (en) * 2020-08-20 2022-02-24 International Business Machines Corporation Electric vehicle charging optimization based on predictive analytics utilizing machine learning

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021176063A (ja) * 2020-05-01 2021-11-04 株式会社Rexev 充電管理装置、充電管理方法、及び充電管理プログラム
CN112215434A (zh) * 2020-10-22 2021-01-12 深圳市加码能源科技有限公司 一种lstm模型的生成方法、充电时长预测方法及介质
CN112874369A (zh) * 2021-01-12 2021-06-01 上海追日电气有限公司 一种充电管理系统的充电与供能优化方法及装置
CN113335125A (zh) * 2021-07-01 2021-09-03 广州锐速智能科技股份有限公司 车辆充电方法、装置、系统、充电模型训练方法
CN113869713A (zh) * 2021-09-26 2021-12-31 国网江苏省电力有限公司经济技术研究院 一种移动充电车的优化调度方法和系统
CN114347834A (zh) * 2021-12-03 2022-04-15 北京车和家汽车科技有限公司 车辆控制方法、充电时长预测模型的生成方法及装置

Also Published As

Publication number Publication date
CN114801834A (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN106467034B (zh) 充电控制系统
CN108357382B (zh) 电池充电方法和系统、远程监控平台和存储介质
CN105071502B (zh) 一种电动汽车充电桩选择方法和系统
CN109871985B (zh) 充电时长预估方法、装置、终端设备及存储介质
CN112519631B (zh) 电池控制装置、充放电系统、停车场系统、二次电池再利用系统、电池控制方法及存储介质
CN109872186B (zh) 充满自停预收费用计算方法、装置、终端设备及存储介质
JP2016513241A (ja) バッテリの状態を推定する方法、装置、システム、車両、およびコンピュータ・プログラム
CN106921199B (zh) 智能充电站的电力系统及智能充电方法
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
CN113466716A (zh) 电池健康状态测算方法以及相关设备
WO2018184422A1 (zh) 一种电池管理方法、装置及系统
US20200101865A1 (en) Diagnosis device, diagnosis system, diagnosis method, and program
CN114801834B (zh) 新能源汽车剩余充电时长预估方法、装置、设备及介质
CN111791732A (zh) 电动汽车充电桩的控制系统及方法
CN110027438A (zh) 电动汽车充电系统和充电座识别充电枪方法
CN108985966B (zh) 电量消耗计算方法、装置、车辆及计算机可读存储介质
CN110015162A (zh) 电池健康状态检测方法、装置和系统以及存储介质
CN114624615A (zh) 一种储能电池寿命预测方法、装置、电子设备及存储介质
CN113094403B (zh) 信息提供服务器、信息提供系统及存储介质
CN113580981A (zh) 充电检测方法、终端以及系统
CN115765104A (zh) 功率调节方法、装置、车载充电器及车辆
CN107662506A (zh) 一种智能监控无线充电的方法和装置
CN110706415A (zh) 基于生物识别的充电桩控制系统及其人脸识别方法
CN115593265B (zh) 充电时长的预测方法、装置、计算机设备以及存储介质
US20240166084A1 (en) Server, System, and Method for Obtaining Battery Information

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