CN115091975A - 一种基于交通三网融合的电动汽车充电优化方法 - Google Patents

一种基于交通三网融合的电动汽车充电优化方法 Download PDF

Info

Publication number
CN115091975A
CN115091975A CN202210956747.9A CN202210956747A CN115091975A CN 115091975 A CN115091975 A CN 115091975A CN 202210956747 A CN202210956747 A CN 202210956747A CN 115091975 A CN115091975 A CN 115091975A
Authority
CN
China
Prior art keywords
charging
target
time
electric vehicle
vehicles
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
Application number
CN202210956747.9A
Other languages
English (en)
Inventor
陈孚
侯武东
黄丽丹
周荣东
翁伟斌
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.)
China ComService Construction Co Ltd
Original Assignee
China ComService Construction 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 China ComService Construction Co Ltd filed Critical China ComService Construction Co Ltd
Priority to CN202210956747.9A priority Critical patent/CN115091975A/zh
Publication of CN115091975A publication Critical patent/CN115091975A/zh
Pending legal-status Critical Current

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种基于交通三网融合的电动汽车充电优化方法，应用于云端服务器，涉及电动汽车充电技术领域。云端服务器连接有车联网、电能网和交通网，当目标电动汽车若剩余电量低于预设阈值或者剩余电量无法满足目标电动汽车从当前位置行驶到行驶目的地，在当前位置和行驶目的地之间实时匹配目标充电桩，使目标电动汽车行驶到行驶目的地的估计时间最短。云端服务器接入了车联网、电能网和交通网实现了三网融合可以获取与电动汽车充电优化相关的车辆数据、充电桩分布运行情况和交通数据，对充电桩的运行情况进行实时监测并与电动汽车的运行情况进行动态分析，匹配最佳的充电桩进行充电，提升用户充电的效率和体验。

Description

一种基于交通三网融合的电动汽车充电优化方法
技术领域
本发明涉及电动汽车充电技术领域，具体涉及一种基于交通三网融合的电动汽车充电优化方法。
背景技术
随着社会向减少碳排放和促进可持续交通的方向发展，电动汽车的使用占比逐步增加，然而电动汽车的电池充电是一个耗时的过程，极大影响用户体验。公用充电站作为电动汽车的配套设施，可以为电动汽车提供快速充电的服务，极大降低了电动汽车的充电时间。
但是随着电动汽车数量的增加，公用充电站可能出现排队充电的情况。而现有技术中，不能对公用充电站及其充电桩的运行情况进行实时监测并与电动汽车的运行情况进行动态分析，匹配最佳的充电桩进行充电，导致用户充电的效率低且体验差。
发明内容
本发明的目的就在于解决上述背景技术的问题，而提出一种基于交通三网融合的电动汽车充电优化方法。
本发明的目的可以通过以下技术方案实现：
本发明实施例提供了一种基于交通三网融合的电动汽车充电优化方法，应用于云端服务器，所述云端服务器连接有车联网、电能网和交通网，所述方法包括：
当接收到目标电动汽车按照预设周期传输的第一行驶数据，根据所述第一行驶数据判断所述目标电动汽车是否需要充电；所述第一行驶数据包括所述目标电动汽车的当前位置、行驶目的地和剩余电量；
若所述剩余电量低于预设阈值或者所述剩余电量无法满足所述目标电动汽车从所述当前位置行驶到所述行驶目的地，则根据所述车联网、所述电能网和所述交通网在所述当前位置和所述行驶目的地之间实时匹配目标充电桩，使目标电动汽车行驶到所述行驶目的地的估计时间最短；所述估计时间包括估计行驶时间和估计充电时间。
可选地，根据所述车联网、所述电能网和所述交通网在所述当前位置和所述行驶目的地之间实时匹配目标充电桩包括：
根据所述交通网获取所述当前位置到所述行驶目的地的规划路线；
根据所述电能网确定在所述规划路线上的待定充电桩；
针对每一待定充电桩，根据所述交通网和所述车联网，计算从所述当前位置经过该待定充电桩到达所述行驶目的地的行驶时间，作为第一行驶时间；
针对每一待定充电桩，根据所述电能网和所述车联网，计算所述目标电动汽车在该充电桩的充电时间，作为第一充电时间；
将第一行驶时间和第一充电时间的和最小的待定充电桩作为目标充电桩。
可选地，针对每一待定充电桩，根据所述交通网和所述车联网，计算从所述当前位置经过该待定充电桩到达所述行驶目的地的行驶时间，作为第一行驶时间包括：
针对每一待定充电桩，根据所述交通网在所述规划路线中确定包含该待定充电桩的目标路线；
根据所述交通网获取所述目标路线的路口信息，根据所述路口信息将所述目标路线划分为多个路段；
根据所述车联网获取所述目标路线的每一路口的交通流量和所述目标路线的每个路段的车辆密度，根据交通流量和车辆密度计算所述目标路线的每段路的平均道路速度；
结合所述目标路线的每段路的平均道路速度和所述目标电动汽车的历史平均速度，计算所述目标电动汽车根据所述目标路线的行驶时间，作为第一行驶时间。
可选地，根据交通流量和车辆密度计算所述目标路线的每段路的平均道路速度包括：
Figure 342900DEST_PATH_IMAGE001
其中，
Figure 335127DEST_PATH_IMAGE002
为所述目标路线的第
Figure 561709DEST_PATH_IMAGE003
段路的平均道路速度，
Figure 396810DEST_PATH_IMAGE004
为第
Figure 406354DEST_PATH_IMAGE003
段路的车辆密 度，
Figure 846563DEST_PATH_IMAGE005
为第
Figure 539319DEST_PATH_IMAGE003
段路的路口的交通流量，
Figure 64978DEST_PATH_IMAGE006
为预设参数。
可选地，计算所述目标电动汽车根据所述目标路线的行驶时间包括：
Figure 612634DEST_PATH_IMAGE007
其中，
Figure 969666DEST_PATH_IMAGE008
为根据所述目标路线的行驶时间，
Figure 272471DEST_PATH_IMAGE009
为所述目标线路包含的路段数，
Figure 223110DEST_PATH_IMAGE010
为所述目标线路第
Figure 200555DEST_PATH_IMAGE003
个路段的道路长度，
Figure 21881DEST_PATH_IMAGE011
为所述目标电动汽车的历史平均速度，
Figure 761167DEST_PATH_IMAGE012
为速 度补偿参数。
可选地，针对每一待定充电桩，根据所述电能网和所述车联网，计算所述目标电动汽车在该充电桩的充电时间，作为第一充电时间，包括：
针对每一待定充电桩，根据所述电能网确定该待定充电桩的额定充电功率，和在该待定充电桩第一预设范围内的其他待定充电桩的数目；
根据所述车联网获取该待定充电桩第二预设范围内的车辆的第二行驶数据，根据所述第二行驶数据确定待充电车辆的数目和每一待充电车辆的充电概率；待充电车辆的当前电量小于预设阈值；
根据该待定充电桩的额定充电功率、其他待定充电桩的数目、待充电车辆的数目和充电概率，计算所述目标电动汽车在该充电桩的充电时间，作为第一充电时间。
可选地，计算所述目标电动汽车在该充电桩的充电时间包括：
Figure DEST_PATH_IMAGE013
其中，
Figure 526997DEST_PATH_IMAGE014
为所述目标电动汽车在该充电桩的充电时间，
Figure DEST_PATH_IMAGE015
为所述目标电动汽车的 电池最大容量，
Figure 836363DEST_PATH_IMAGE016
为所述剩余电量，
Figure DEST_PATH_IMAGE017
为所述目标电动汽车行驶到该充电桩的耗电量，
Figure 636828DEST_PATH_IMAGE018
为该待定充电桩的额定充电功率，
Figure DEST_PATH_IMAGE019
为待充电车辆的数量，
Figure 750278DEST_PATH_IMAGE020
为第
Figure DEST_PATH_IMAGE021
个待充电车辆的充电 概率，
Figure 3405DEST_PATH_IMAGE022
为第
Figure 525915DEST_PATH_IMAGE021
个待充电车辆的电池最大容量，
Figure 446467DEST_PATH_IMAGE023
为第
Figure 465238DEST_PATH_IMAGE021
个待充电车辆的当前电量。
本发明实施例提供了一种基于交通三网融合的电动汽车充电优化方法，应用于云端服务器，云端服务器连接有车联网、电能网和交通网，方法包括：当接收到目标电动汽车按照预设周期传输的第一行驶数据，根据第一行驶数据判断目标电动汽车是否需要充电；第一行驶数据包括目标电动汽车的当前位置、行驶目的地和剩余电量；若剩余电量低于预设阈值或者剩余电量无法满足目标电动汽车从当前位置行驶到行驶目的地，则根据车联网、电能网和交通网在当前位置和行驶目的地之间实时匹配目标充电桩，使目标电动汽车行驶到行驶目的地的估计时间最短；估计时间包括估计行驶时间和估计充电时间。云端服务器接入了车联网、电能网和交通网实现了三网融合可以获取与电动汽车充电优化相关的车辆数据、充电桩分布运行情况和交通数据，对充电桩的运行情况进行实时监测并与电动汽车的运行情况进行动态分析，匹配最佳的充电桩进行充电，提升用户充电的效率和体验。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明实施例提供的一种基于交通三网融合的电动汽车充电优化方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明实施例提供了一种基于交通三网融合的电动汽车充电优化方法。参见图1，图1为本发明实施例提供的一种基于交通三网融合的电动汽车充电优化方法的流程图，应用于云端服务器，云端服务器连接有车联网、电能网和交通网，该方法包括：
S101，当接收到目标电动汽车按照预设周期传输的第一行驶数据，根据第一行驶数据判断目标电动汽车是否需要充电。
S102，若剩余电量低于预设阈值或者所剩余电量无法满足目标电动汽车从当前位置行驶到行驶目的地，则根据车联网、电能网和交通网在当前位置和行驶目的地之间匹配目标充电桩，使目标电动汽车行驶到行驶目的地的估计时间最短。
第一行驶数据包括目标电动汽车的当前位置、行驶目的地和剩余电量。估计时间包括估计行驶时间和估计充电时间。
基于本发明实施例提供的一种基于交通三网融合的电动汽车充电优化方法。云端服务器接入了车联网、电能网和交通网实现了三网融合可以获取与电动汽车充电优化相关的车辆数据、充电桩分布运行情况和交通数据，对充电桩的运行情况进行实时监测并与电动汽车的运行情况进行动态分析，匹配最佳的充电桩进行充电，提升用户充电的效率和体验。
一种实现方式中，云端服务器通过车联网可以获取道路上各个车辆的行驶数据，云端服务器通过电能网可以获取充电桩的分布情况和当前运行情况，云端服务器通过交通网可以进行路径规划。
一种实现方式中，目标电动汽车可以通过车联网按照预设周期向云端服务器传输的第一行驶数据，由云端服务器判断目标电动汽车当前是否需要充电。
另一种实现方式中，目标电动汽车可以通过车联网向云端服务器发送包含第一行驶数据充电请求，云端服务器根据第一行驶数据为目标电动汽车匹配目标充电桩。
在一个实施例中，上述根据车联网、电能网和交通网在当前位置和行驶目的地之间匹配目标充电桩包括：
步骤一，根据交通网获取当前位置到行驶目的地的规划路线。
步骤二，根据电能网确定在规划路线上的待定充电桩。
步骤三，针对每一待定充电桩，根据交通网和车联网，计算从当前位置经过该待定充电桩到达行驶目的地的行驶时间，作为第一行驶时间。
步骤四，针对每一待定充电桩，根据电能网和车联网，计算目标电动汽车在该充电桩的充电时间，作为第一充电时间。
步骤五，将第一行驶时间和第一充电时间的和最小的待定充电桩作为目标充电桩。
一种实现方式中，目标电动汽车的剩余电量能够满足目标电动汽车从当前位置行驶到待定充电桩。
在一个实施例中，上述针对每一待定充电桩，根据交通网和车联网，计算从当前位置经过该待定充电桩到达行驶目的地的行驶时间，作为第一行驶时间包括：
步骤一，针对每一待定充电桩，根据交通网在规划路线中确定包含该待定充电桩的目标路线。
步骤二，根据交通网获取目标路线的路口信息，根据路口信息将目标路线划分为多个路段。
步骤三，根据车联网获取目标路线的每一路口的交通流量和目标路线的每个路段的车辆密度，根据交通流量和车辆密度计算目标路线的每段路的平均道路速度。
步骤四，结合目标路线的每段路的平均道路速度和目标电动汽车的历史平均速度，计算目标电动汽车根据目标路线的行驶时间，作为第一行驶时间。
一种实现方式中，目标路线的路口信息包括目标路线上的红绿灯的数量及位置，根据红绿灯的位置可以将目标路线划分为多个路段。影响每一路段的平均道路速度的因素包括该路段的车辆密度和路口的交通流量。
在一个实施例中，上述根据交通流量和车辆密度计算目标路线的每段路的平均道路速度包括：
Figure 940082DEST_PATH_IMAGE024
（1）
其中，
Figure 295977DEST_PATH_IMAGE025
为目标路线的第
Figure 772832DEST_PATH_IMAGE003
段路的平均道路速度，
Figure 962505DEST_PATH_IMAGE026
为第
Figure 455803DEST_PATH_IMAGE003
段路的车辆密度，
Figure 818652DEST_PATH_IMAGE027
为第
Figure 323582DEST_PATH_IMAGE003
段路的路口的交通流量，
Figure 808790DEST_PATH_IMAGE028
为预设参数。
一种实现方式中，根据交通流量、车辆密度和平均道路速度之间的关系，
Figure 664751DEST_PATH_IMAGE028
可以 设置为4。
在一个实施例中，上述计算目标电动汽车根据目标路线的行驶时间包括：
Figure 863913DEST_PATH_IMAGE029
其中，
Figure 816826DEST_PATH_IMAGE030
为根据目标路线的行驶时间，
Figure 82722DEST_PATH_IMAGE031
为目标线路包含的路段数，
Figure 550613DEST_PATH_IMAGE032
为目标线 路第
Figure 192946DEST_PATH_IMAGE003
个路段的道路长度，
Figure 365DEST_PATH_IMAGE033
为目标电动汽车的历史平均速度，
Figure 60332DEST_PATH_IMAGE012
为速度补偿参数。
一种实现方式中，
Figure 890885DEST_PATH_IMAGE012
由平均道路速度和历史平均速度确定：
Figure 930385DEST_PATH_IMAGE034
在一个实施例中，上述针对每一待定充电桩，根据电能网和车联网，计算目标电动汽车在该充电桩的充电时间，作为第一充电时间，包括：
步骤一，针对每一待定充电桩，根据电能网确定该待定充电桩的额定充电功率，和在该待定充电桩第一预设范围内的其他待定充电桩的数目。
步骤二，根据车联网获取该待定充电桩第二预设范围内的车辆的第二行驶数据，根据第二行驶数据确定待充电车辆的数目和每一待充电车辆的充电概率，待充电车辆的当前电量小于预设阈值。
步骤三，根据该待定充电桩的额定充电功率、其他待定充电桩的数目、待充电车辆的数目和充电概率，计算目标电动汽车在该充电桩的充电时间，作为第一充电时间。
一种实现方式中，预设阈值、第一预设范围和第二预设范围可以有技术人员进行设置，在此不作限定。例如，预设阈值可以为50%、30%等等，第一预设范围可以为100m、1km等等，第二预设范围可以为1km、3km等等。
在一个实施例中，上述计算目标电动汽车在该充电桩的充电时间包括：
Figure 529993DEST_PATH_IMAGE035
其中，
Figure 465588DEST_PATH_IMAGE014
为目标电动汽车在该充电桩的充电时间，
Figure 908071DEST_PATH_IMAGE015
为目标电动汽车的电池最大 容量，
Figure 455989DEST_PATH_IMAGE016
为剩余电量，
Figure 175684DEST_PATH_IMAGE017
为目标电动汽车行驶到该充电桩的耗电量，
Figure 78918DEST_PATH_IMAGE018
为该待定充电桩的 额定充电功率，
Figure 946379DEST_PATH_IMAGE019
为待充电车辆的数量，
Figure 734207DEST_PATH_IMAGE036
为第
Figure 167462DEST_PATH_IMAGE037
个待充电车辆的充电概率，
Figure 208974DEST_PATH_IMAGE022
为第
Figure 298153DEST_PATH_IMAGE037
个 待充电车辆的电池最大容量，
Figure 624092DEST_PATH_IMAGE023
为第
Figure 911854DEST_PATH_IMAGE037
个待充电车辆的当前电量。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (7)

1.一种基于交通三网融合的电动汽车充电优化方法，其特征在于，应用于云端服务器，所述云端服务器连接有车联网、电能网和交通网，所述方法包括：
当接收到目标电动汽车按照预设周期传输的第一行驶数据，根据所述第一行驶数据判断所述目标电动汽车是否需要充电；所述第一行驶数据包括所述目标电动汽车的当前位置、行驶目的地和剩余电量；
若所述剩余电量低于预设阈值或者所述剩余电量无法满足所述目标电动汽车从所述当前位置行驶到所述行驶目的地，则根据所述车联网、所述电能网和所述交通网在所述当前位置和所述行驶目的地之间实时匹配目标充电桩，使目标电动汽车行驶到所述行驶目的地的估计时间最短；所述估计时间包括估计行驶时间和估计充电时间。
2.根据权利要求1所述的一种基于交通三网融合的电动汽车充电优化方法，其特征在于，根据所述车联网、所述电能网和所述交通网在所述当前位置和所述行驶目的地之间实时匹配目标充电桩包括：
根据所述交通网获取所述当前位置到所述行驶目的地的规划路线；
根据所述电能网确定在所述规划路线上的待定充电桩；
针对每一待定充电桩，根据所述交通网和所述车联网，计算从所述当前位置经过该待定充电桩到达所述行驶目的地的行驶时间，作为第一行驶时间；
针对每一待定充电桩，根据所述电能网和所述车联网，计算所述目标电动汽车在该充电桩的充电时间，作为第一充电时间；
将第一行驶时间和第一充电时间的和最小的待定充电桩作为目标充电桩。
3.根据权利要求2所述的一种基于交通三网融合的电动汽车充电优化方法，其特征在于，针对每一待定充电桩，根据所述交通网和所述车联网，计算从所述当前位置经过该待定充电桩到达所述行驶目的地的行驶时间，作为第一行驶时间包括：
针对每一待定充电桩，根据所述交通网在所述规划路线中确定包含该待定充电桩的目标路线；
根据所述交通网获取所述目标路线的路口信息，根据所述路口信息将所述目标路线划分为多个路段；
根据所述车联网获取所述目标路线的每一路口的交通流量和所述目标路线的每个路段的车辆密度，根据交通流量和车辆密度计算所述目标路线的每段路的平均道路速度；
结合所述目标路线的每段路的平均道路速度和所述目标电动汽车的历史平均速度，计算所述目标电动汽车根据所述目标路线的行驶时间，作为第一行驶时间。
4.根据权利要求3所述的一种基于交通三网融合的电动汽车充电优化方法，其特征在于，根据交通流量和车辆密度计算所述目标路线的每段路的平均道路速度包括：
Figure DEST_PATH_IMAGE001
其中，
Figure 692223DEST_PATH_IMAGE002
为所述目标路线的第
Figure DEST_PATH_IMAGE003
段路的平均道路速度，
Figure 125520DEST_PATH_IMAGE004
为第
Figure 968711DEST_PATH_IMAGE003
段路的车辆密度，
Figure DEST_PATH_IMAGE005
为第
Figure 485143DEST_PATH_IMAGE003
段路的路口的交通流量，
Figure 388377DEST_PATH_IMAGE006
为预设参数。
5.根据权利要求4所述的一种基于交通三网融合的电动汽车充电优化方法，其特征在于，计算所述目标电动汽车根据所述目标路线的行驶时间包括：
Figure DEST_PATH_IMAGE007
其中，
Figure 491725DEST_PATH_IMAGE008
为根据所述目标路线的行驶时间，
Figure DEST_PATH_IMAGE009
为所述目标线路包含的路段数，
Figure 935344DEST_PATH_IMAGE010
为所 述目标线路第
Figure 509545DEST_PATH_IMAGE003
个路段的道路长度，
Figure DEST_PATH_IMAGE011
为所述目标电动汽车的历史平均速度，
Figure 144533DEST_PATH_IMAGE012
为速度补 偿参数。
6.根据权利要求2所述的一种基于交通三网融合的电动汽车充电优化方法，其特征在于，针对每一待定充电桩，根据所述电能网和所述车联网，计算所述目标电动汽车在该充电桩的充电时间，作为第一充电时间，包括：
针对每一待定充电桩，根据所述电能网确定该待定充电桩的额定充电功率，和在该待定充电桩第一预设范围内的其他待定充电桩的数目；
根据所述车联网获取该待定充电桩第二预设范围内的车辆的第二行驶数据，根据所述第二行驶数据确定待充电车辆的数目和每一待充电车辆的充电概率；待充电车辆的当前电量小于预设阈值；
根据该待定充电桩的额定充电功率、其他待定充电桩的数目、待充电车辆的数目和充电概率，计算所述目标电动汽车在该充电桩的充电时间，作为第一充电时间。
7.根据权利要求6所述的一种基于交通三网融合的电动汽车充电优化方法，其特征在于，计算所述目标电动汽车在该充电桩的充电时间包括：
Figure 905815DEST_PATH_IMAGE013
其中，
Figure 559650DEST_PATH_IMAGE014
为所述目标电动汽车在该充电桩的充电时间，
Figure 112992DEST_PATH_IMAGE015
为所述目标电动汽车的电池 最大容量，
Figure 233394DEST_PATH_IMAGE016
为所述剩余电量，
Figure 75448DEST_PATH_IMAGE017
为所述目标电动汽车行驶到该充电桩的耗电量，
Figure 565598DEST_PATH_IMAGE018
为该 待定充电桩的额定充电功率，
Figure 848812DEST_PATH_IMAGE019
为待充电车辆的数量，
Figure 530329DEST_PATH_IMAGE020
为第
Figure 266203DEST_PATH_IMAGE021
个待充电车辆的充电概率，
Figure 261841DEST_PATH_IMAGE022
为第
Figure 258616DEST_PATH_IMAGE021
个待充电车辆的电池最大容量，
Figure 251980DEST_PATH_IMAGE023
为第
Figure 301582DEST_PATH_IMAGE021
个待充电车辆的当前电量。
CN202210956747.9A 2022-08-10 2022-08-10 一种基于交通三网融合的电动汽车充电优化方法 Pending CN115091975A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210956747.9A CN115091975A (zh) 2022-08-10 2022-08-10 一种基于交通三网融合的电动汽车充电优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210956747.9A CN115091975A (zh) 2022-08-10 2022-08-10 一种基于交通三网融合的电动汽车充电优化方法

Publications (1)

Publication Number Publication Date
CN115091975A true CN115091975A (zh) 2022-09-23

Family

ID=83300687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210956747.9A Pending CN115091975A (zh) 2022-08-10 2022-08-10 一种基于交通三网融合的电动汽车充电优化方法

Country Status (1)

Country Link
CN (1) CN115091975A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115526519A (zh) * 2022-10-11 2022-12-27 威海广泰空港设备股份有限公司 一种基于服务航班的机场电动车辆充电调度方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115526519A (zh) * 2022-10-11 2022-12-27 威海广泰空港设备股份有限公司 一种基于服务航班的机场电动车辆充电调度方法

Similar Documents

Publication Publication Date Title
Kong et al. Optimal location planning method of fast charging station for electric vehicles considering operators, drivers, vehicles, traffic flow and power grid
CN110046753B (zh) 一种电动汽车充电站最优建设数量和选址方案规划方法
CN110880054B (zh) 一种电动网约车充换电路径的规划方法
CN108981736A (zh) 一种基于用户出行规律的电动汽车充电路径优化方法
CN109612488B (zh) 基于大数据微服务的混合出行方式路径规划系统及方法
CN104184190A (zh) 一种电动汽车动态充电路径规划方法
CN107180274B (zh) 一种电动汽车充电设施规划典型场景选取和优化方法
CN103072572B (zh) 可充电式混合动力汽车远程优化系统
CN107274035B (zh) 一种交通网络和电动汽车充电站协调规划的方法
Li et al. Electric vehicles network with nomadic portable charging stations
CN112330013B (zh) 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法
CN109670674A (zh) 一种考虑交通网-配电网耦合的电动汽车时空分布充电调度方法
CN115091975A (zh) 一种基于交通三网融合的电动汽车充电优化方法
CN110388932A (zh) 一种电动汽车充电导航方法
CN114925483A (zh) 城市交通网络的碳排放测定方法
CN111754686B (zh) 一种高速路智慧灯杆的充电方法、装置和系统
CN110705746B (zh) 电动出租车快速充电站优化配置方法
CN114936666A (zh) 基于车-站-平台系统的电动汽车充电导航方法及系统
CN111199300A (zh) 一种“车-路-网”模式下电动汽车充电负荷时空预测方法
CN116968767A (zh) 基于多维数据融合的新能源汽车充电路径规划方法及系统
CN112115385A (zh) 一种考虑充电时间的单向共享汽车系统选址优化方法
CN114819361A (zh) 一种低碳出行背景下的城市电动汽车需求预测方法
CN110797866B (zh) 电动汽车参与电网调频/调压的动态路径规划方法
CN111915889A (zh) 一种基于遗传蚁群混合算法的车联网路侧单元部署方法
El-Fedany et al. A smart management system of electric vehicles charging plans on the highway charging stations

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