CN116359656B - 一种基于人工智能的充电车道设备测试管理系统及方法 - Google Patents
一种基于人工智能的充电车道设备测试管理系统及方法 Download PDFInfo
- Publication number
- CN116359656B CN116359656B CN202310620796.XA CN202310620796A CN116359656B CN 116359656 B CN116359656 B CN 116359656B CN 202310620796 A CN202310620796 A CN 202310620796A CN 116359656 B CN116359656 B CN 116359656B
- Authority
- CN
- China
- Prior art keywords
- charging
- installation
- equipment
- lane
- unit
- 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
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 87
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000009434 installation Methods 0.000 claims abstract description 148
- 238000004458 analytical method Methods 0.000 claims abstract description 63
- 238000004088 simulation Methods 0.000 claims abstract description 33
- 238000007726 management method Methods 0.000 claims abstract description 10
- 238000012423 maintenance Methods 0.000 claims abstract description 9
- 230000009471 action Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000002087 whitening effect Effects 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 230000009123 feedback regulation Effects 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012550 audit Methods 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 2
- 208000019901 Anxiety disease Diseases 0.000 abstract description 2
- 230000036506 anxiety Effects 0.000 abstract description 2
- 238000013439 planning Methods 0.000 abstract description 2
- 239000000446 fuel Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于人工智能的充电车道设备测试管理系统及方法,属于充电车道设备测试技术领域。本系统包括区域划分模块、预安装分析模块、无线充电设备测试模块、人工智能审核模块以及反馈调节模块;所述区域划分模块的输出端与所述预安装分析模块的输入端相连接;所述预安装分析模块的输出端与所述无线充电设备测试模块的输入端相连接;所述无线充电设备测试模块的输出端与所述人工智能审核模块的输入端相连接。本发明能够基于不同路段的特殊因素,以人工智能的形式精确分析充电车道的定位选址,并且根据模拟系统下的设备测试数据,解决设备维护对充电车道带来的约束,解决电动汽车里程焦虑,实现更前瞻的车道规划。
Description
技术领域
本发明涉及充电车道设备测试技术领域,具体为一种基于人工智能的充电车道设备测试管理系统及方法。
背景技术
从电动汽车诞生以来,人类的出行模型发生了巨大的改变,其带来的环保、经济效益让燃油车无法比拟,但是尽管电动汽车未来向好,但电动汽车的动力技术变革始终无法跟上市场需求的速度。当电动车充电还在以小时为单位时,面对燃油车以分为单位的加满能量,显得如此格格不入,因为完全不在一个竞争维度。更关键在于,燃油车可以随时随地,在随处可加的密布城市各个角落的加油站网络得到能量补给,而电动车目前还做不到,原因之一,就是被充电的线缆所困住。
也正因此,无线充电车道应运而生,2013年,韩国在世界上建成首条无线充电公交车车道。2017年,美国在世界上首次实现速度100km/h条件无线充电技术。2019年,瑞士在世界上开建首条2000公里无线充电高速公路。由此可见,无线充电车道将成为未来发展的重要趋势之一,但在目前,由于充电车道造价昂贵,使用率与投入不成正比,因此如何在缺乏历史数据的情况下对充电车道上的设备进行预先测试,如何解决因速度、维护等因素造成的充电车道缺陷,成为了目前充电车道研究的主流方向。
发明内容
本发明的目的在于提供一种基于人工智能的充电车道设备测试管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于人工智能的充电车道设备测试管理方法,该方法包括以下步骤:
S1、获取高速道路上充电车道预安装区域,获取预安装区域内高速路口,获取预安装区域内历史车流量数据;
S2、构建充电车道预安装分析模型,输出充电车道安装长度,根据输出的充电车道安装长度,构建充电车道模拟系统,在模拟系统中安装无线充电设备;
S3、构建无线充电设备测试系统,模拟汽车最高速度行驶下的设备故障数据,构建设备测试分析模型,预测输出设备故障时间点至审核端口;
S4、审核端口设置有检修阈值,若存在预测输出的设备故障时间点超出检修阈值,反馈至充电车道预安装分析模型,重新调节充电车道安装长度,直至存在预测输出的设备故障时间点满足检修阈值后,将充电车道安装长度输出至系统输出端。
根据上述技术方案,所述构建充电车道预安装分析模型包括:
获取预安装区域内高速路口数据,以预安装充电车道的车道中心点作为划分点,车辆在充电车道的行进方向作为主方向,分为上区域与下区域,所述上区域指车辆进入预安装区域但未到达车道中心点时的上一个区域;所述下区域指车辆在经过车道中心点后驶出预安装区域到达的下一个区域;
所述高速路口数据包括上区域路口与下区域路口;所述上区域路口指车辆进入预安装区域但未到达车道中心点时的各个路口以及上区域与预安装区域的连接路;所述下区域路口指车辆在经过车道中心点后驶出预安装区域的各个路口以及下区域与预安装区域的连接路;
获取预安装区域内历史车流量数据,任选一下区域路口I,计算固定时间周期内车辆从下区域路口I离开预安装区域的概率数据PI=Hj/H0;其中,Hj代表下区域路口I的离开车辆总数;H0代表车流量总数;
获取所有下区域路口的概率数据,选取概率最大数据对应的下区域路口,分析下区域路口类型,所述下区域路口类型包括持续高速路口、停止高速路口;所述持续高速路口指经过路口后继续在高速路段行驶;所述停止高速路口指经过路口后离开高速路段行驶;
获取选取的下区域路口距离车道中心点的距离,记为S0;计算需求电量:E1=S0*e0*k0;其中,e0为每单位公里内的需求电量平均值;k0为下区域路口类型影响系数,在下区域路口为持续高速路口时,系统设置影响系数大于1;在下区域路口为停止高速路口时,k0等于1;
获取车道中心点路段车辆行驶的速度区间,记为[vmin、vmax];其中,vmin指平均最低车速,vmax指平均最高车速;所述速度区间的计算为选取一系统设置的时间周期t0,在t0内采集车辆经过车道中心点的速度,每一时间周期内选取一个最高车速与最低车速,遍历U个时间周期,以最低车速的平均值记为vmin,以最高车速的平均值记为vmax;
在速度区间内取一速度vj,生成充电车道长度L=vj*E1/c;其中c代表充电公路单位时间充电量,其与充电车道设置的线圈方式有关。
根据上述技术方案,所述构建设备测试分析模型包括:
构建充电车道模拟系统,在模拟系统中安装无线充电设备,所述无线充电设备包括电路设备、传输设备;所述电路设备包括与电网连接的整流滤波电路、与整流滤波电路连接的高频逆变电路、与高频逆变电路相连接的补偿电路以及分别与高频逆变电路、补偿电路相连接的反馈控制电路;所述传输设备包括线圈;
构建无线充电设备测试系统,模拟汽车最高速度行驶下的设备故障数据,所述最高速度选取速度区间中的vmax;
构建设备测试分析模型:
模拟汽车以最高速度行驶在充电车道上方,记录设备故障的测试数据,所述故障测试数据包括出现故障时的时间点,记录设备故障的测试数据时间点为集合{m1、m2、……、mn};
对集合{m1、m2、……、mn}做灰色累加生成处理,生成新集合A1,再对A1进行紧邻均值处理,生成新集合A2;
对A1建立白化微分方程,利用A1的白化微分方程输出发展系数p和灰作用量q:q=dA1(i)/dt+pA1(i);
其中,A1(i)代表集合A1中的任一元素;
基于初始集合以及A1、A2,利用最小二乘法求解可得:
Y(n+1)=(1-ep)(m1-q/p)e-pn
其中,Y(n+1)代表预测输出设备故障时间点;将Y(n+1)送至审核端口。
根据上述技术方案,所述重新调节充电车道安装长度包括:
构建检修阈值,若存在Y(n+1)超出检修阈值,降低车辆最高速度,降低值系统自行设置;
将降低后的车辆最高速度反馈至充电车道预安装分析模型,重新调节充电车道安装长度,直至存在预测输出的设备故障时间点满足检修阈值后,将充电车道安装长度输出至系统输出端。
一种基于人工智能的充电车道设备测试管理系统,该系统包括区域划分模块、预安装分析模块、无线充电设备测试模块、人工智能审核模块以及反馈调节模块;
所述区域划分模块用于获取高速道路上充电车道预安装区域,获取预安装区域内高速路口,获取预安装区域内历史车流量数据;所述预安装分析模块用于构建充电车道预安装分析模型,输出充电车道安装长度,根据输出的充电车道安装长度,构建充电车道模拟系统,在模拟系统中安装无线充电设备;所述无线充电设备测试模块用于构建无线充电设备测试系统,模拟汽车最高速度行驶下的设备故障数据,构建设备测试分析模型,预测输出设备故障时间点至审核端口;所述人工智能审核模块用于设置检修阈值,若存在预测输出的设备故障时间点超出检修阈值,反馈至充电车道预安装分析模型;所述反馈调节模块用于重新调节充电车道安装长度,直至存在预测输出的设备故障时间点满足检修阈值后,将充电车道安装长度输出至系统输出端;
所述区域划分模块的输出端与所述预安装分析模块的输入端相连接;所述预安装分析模块的输出端与所述无线充电设备测试模块的输入端相连接;所述无线充电设备测试模块的输出端与所述人工智能审核模块的输入端相连接;所述人工智能审核模块的输出端与所述反馈调节模块的输入端相连接。
根据上述技术方案,所述区域划分模块包括区域划分单元和数据获取单元;
所述区域划分单元用于获取高速道路上充电车道预安装区域;所述数据获取单元用于获取预安装区域内高速路口和预安装区域内历史车流量数据;
所述区域划分单元的输出端与所述数据获取单元的输入端相连接。
根据上述技术方案,所述预安装分析模块包括预安装分析单元和充电车道模拟单元;
所述预安装分析单元用于构建充电车道预安装分析模型,输出充电车道安装长度;所述充电车道模拟单元用于根据输出的充电车道安装长度,构建充电车道模拟系统,在模拟系统中安装无线充电设备;
所述预安装分析单元的输出端与所述充电车道模拟单元的输入端相连接。
所述无线充电设备测试模块包括无线充电设备测试单元和预测单元;
所述无线充电设备测试单元用于构建无线充电设备测试系统,模拟汽车最高速度行驶下的设备故障数据;所述预测单元用于构建设备测试分析模型,预测输出设备故障时间点至审核端口;所述无线充电设备测试单元的输出端与所述预测单元的输入端相连接。
根据上述技术方案,所述人工智能审核模块包括阈值设立单元和反馈单元;
所述阈值设立单元用于设置检修阈值;所述反馈单元用于存在预测输出的设备故障时间点超出检修阈值,反馈至充电车道预安装分析模型;
所述阈值设立单元的输出端与所述反馈单元的输入端相连接。
根据上述技术方案,所述反馈调节模块包括调节单元与输出单元;
所述调节单元用于重新调节充电车道安装长度,直至存在预测输出的设备故障时间点满足检修阈值;所述输出单元用于最终将充电车道安装长度输出至系统输出端;
所述调节单元的输出端与所述输出单元的输入端相连接。
与现有技术相比,本发明所达到的有益效果是:本发明能够基于不同路段的特殊因素,以人工智能的形式根据模拟系统下的设备测试数据,解决设备维护对充电车道带来的约束,提高模型的精准程度,本发明能够在推动充电车道普及,解决行业目前存在的相关困难,提高充电车道设备的测试水准,解决电动汽车里程焦虑,实现更前瞻的车道规划。
附图说明
附图用来提供对本发明的进一步理解,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,并不构成对本发明的限制。在附图中:
图1是本发明一种基于人工智能的充电车道设备测试管理系统及方法的流程示意图;
图2是本发明一种基于人工智能的充电车道设备测试管理系统及方法的充电车道示意图;
图3是本发明一种基于人工智能的充电车道设备测试管理系统及方法的无线充电设备安装部分示意图。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图3,在本实施例一中:获取高速道路上充电车道预安装区域,获取预安装区域内高速路口,获取预安装区域内历史车流量数据;
构建充电车道预安装分析模型,获取预安装区域内高速路口数据,以预安装充电车道的车道中心点作为划分点,车辆在充电车道的行进方向作为主方向,分为上区域与下区域,所述上区域指车辆进入预安装区域但未到达车道中心点时的上一个区域;所述下区域指车辆在经过车道中心点后驶出预安装区域到达的下一个区域;
如图2所示,各区域之间存在连接关系,主要分析的是用户是否会在这一区域离开高速路段,若不离开,则设置相应的系数数据,以达到多充电的目的,若在这一区域大量车辆离开高速,进入城区,则不需要设置过长的充电车道,只需要在每一区域内保证电量足够走完区域内高速即可。
所述高速路口数据包括上区域路口与下区域路口;所述上区域路口指车辆进入预安装区域但未到达车道中心点时的各个路口以及上区域与预安装区域的连接路;所述下区域路口指车辆在经过车道中心点后驶出预安装区域的各个路口以及下区域与预安装区域的连接路;
获取预安装区域内历史车流量数据,任选一下区域路口I,计算固定时间周期内车辆从下区域路口I离开预安装区域的概率数据PI=Hj/H0;其中,Hj代表下区域路口I的离开车辆总数;H0代表车流量总数;
获取所有下区域路口的概率数据,选取概率最大数据对应的下区域路口,分析下区域路口类型,所述下区域路口类型包括持续高速路口、停止高速路口;所述持续高速路口指经过路口后继续在高速路段行驶;所述停止高速路口指经过路口后离开高速路段行驶;
获取选取的下区域路口距离车道中心点的距离,记为S0;计算需求电量:E1=S0*e0*k0;其中,e0为每单位公里内的需求电量平均值;k0为下区域路口类型影响系数,在下区域路口为持续高速路口时,系统设置影响系数大于1;在下区域路口为停止高速路口时,k0等于1;
获取车道中心点路段车辆行驶的速度区间,记为[vmin、vmax];其中,vmin指平均最低车速,vmax指平均最高车速;所述速度区间的计算为选取一系统设置的时间周期t0,在t0内采集车辆经过车道中心点的速度,每一时间周期内选取一个最高车速与最低车速,遍历U个时间周期,以最低车速的平均值记为vmin,以最高车速的平均值记为vmax;
在速度区间内取一速度vj,生成充电车道长度L=vj*E1/c;其中c代表充电公路单位时间充电量,其与充电车道设置的线圈方式有关。
构建无线充电设备测试系统,模拟汽车最高速度行驶下的设备故障数据,构建设备测试分析模型:
构建充电车道模拟系统,在模拟系统中安装无线充电设备,所述无线充电设备包括电路设备、传输设备;所述电路设备包括与电网连接的整流滤波电路、与整流滤波电路连接的高频逆变电路、与高频逆变电路相连接的补偿电路以及分别与高频逆变电路、补偿电路相连接的反馈控制电路;所述传输设备包括线圈;
构建无线充电设备测试系统,模拟汽车最高速度行驶下的设备故障数据,所述最高速度选取速度区间中的vmax;
构建设备测试分析模型:
模拟汽车以最高速度行驶在充电车道上方,记录设备故障的测试数据,所述故障测试数据包括出现故障时的时间点,记录设备故障的测试数据时间点为集合{m1、m2、……、mn};
由于数据的缺乏,因此设置灰色模型来尽可能提高数据的精确;
对集合{m1、m2、……、mn}做灰色累加生成处理,生成新集合A1,再对A1进行紧邻均值处理,生成新集合A2;
对集合{m1、m2、……、mn}作灰色累加生成处理,例如,集合{m1、m2、……、mn}为集合{10、12、13、11},灰色累加生成A1={10、22、35、46};
对A1建立白化微分方程,利用A1的白化微分方程输出发展系数p和灰作用量q:q=dA1(i)/dt+pA1(i);
其中,A1(i)代表集合A1中的任一元素;
基于初始集合以及A1、A2,利用最小二乘法求解可得:
Y(n+1)=(1-ep)(m1-q/p)e-pn
其中,Y(n+1)代表预测输出设备故障时间点;将Y(n+1)送至审核端口。
所述重新调节充电车道安装长度包括:
构建检修阈值,若存在Y(n+1)超出检修阈值,降低车辆最高速度,降低值系统自行设置;
车辆的高速行驶会加快地下设备的损坏,因此在这一步骤中,系统会每次设置速度最大值降低,例如每次降低5km/时,以这样的方式不断处理,从而实现调节路段长度;
将降低后的车辆最高速度反馈至充电车道预安装分析模型,重新调节充电车道安装长度,直至存在预测输出的设备故障时间点满足检修阈值后,将充电车道安装长度输出至系统输出端。
在本实施例二中,提供一种基于人工智能的充电车道设备测试管理系统,该系统包括区域划分模块、预安装分析模块、无线充电设备测试模块、人工智能审核模块以及反馈调节模块;
所述区域划分模块用于获取高速道路上充电车道预安装区域,获取预安装区域内高速路口,获取预安装区域内历史车流量数据;所述预安装分析模块用于构建充电车道预安装分析模型,输出充电车道安装长度,根据输出的充电车道安装长度,构建充电车道模拟系统,在模拟系统中安装无线充电设备;所述无线充电设备测试模块用于构建无线充电设备测试系统,模拟汽车最高速度行驶下的设备故障数据,构建设备测试分析模型,预测输出设备故障时间点至审核端口;所述人工智能审核模块用于设置检修阈值,若存在预测输出的设备故障时间点超出检修阈值,反馈至充电车道预安装分析模型;所述反馈调节模块用于重新调节充电车道安装长度,直至存在预测输出的设备故障时间点满足检修阈值后,将充电车道安装长度输出至系统输出端;
所述区域划分模块的输出端与所述预安装分析模块的输入端相连接;所述预安装分析模块的输出端与所述无线充电设备测试模块的输入端相连接;所述无线充电设备测试模块的输出端与所述人工智能审核模块的输入端相连接;所述人工智能审核模块的输出端与所述反馈调节模块的输入端相连接。
所述区域划分模块包括区域划分单元和数据获取单元;
所述区域划分单元用于获取高速道路上充电车道预安装区域;所述数据获取单元用于获取预安装区域内高速路口和预安装区域内历史车流量数据;
所述区域划分单元的输出端与所述数据获取单元的输入端相连接。
所述预安装分析模块包括预安装分析单元和充电车道模拟单元;
所述预安装分析单元用于构建充电车道预安装分析模型,输出充电车道安装长度;所述充电车道模拟单元用于根据输出的充电车道安装长度,构建充电车道模拟系统,在模拟系统中安装无线充电设备;
所述预安装分析单元的输出端与所述充电车道模拟单元的输入端相连接。
所述无线充电设备测试模块包括无线充电设备测试单元和预测单元;
所述无线充电设备测试单元用于构建无线充电设备测试系统,模拟汽车最高速度行驶下的设备故障数据;所述预测单元用于构建设备测试分析模型,预测输出设备故障时间点至审核端口;所述无线充电设备测试单元的输出端与所述预测单元的输入端相连接。
所述人工智能审核模块包括阈值设立单元和反馈单元;
所述阈值设立单元用于设置检修阈值;所述反馈单元用于存在预测输出的设备故障时间点超出检修阈值,反馈至充电车道预安装分析模型;
所述阈值设立单元的输出端与所述反馈单元的输入端相连接。
所述反馈调节模块包括调节单元与输出单元;
所述调节单元用于重新调节充电车道安装长度,直至存在预测输出的设备故障时间点满足检修阈值;所述输出单元用于最终将充电车道安装长度输出至系统输出端;
所述调节单元的输出端与所述输出单元的输入端相连接。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于人工智能的充电车道设备测试管理方法,其特征在于:该方法包括以下步骤:
S1、获取高速道路上充电车道预安装区域,获取预安装区域内高速路口,获取预安装区域内历史车流量数据;
S2、构建充电车道预安装分析模型,输出充电车道安装长度,根据输出的充电车道安装长度,构建充电车道模拟系统,在模拟系统中安装无线充电设备;
S3、构建无线充电设备测试系统,模拟汽车最高速度行驶下的设备故障数据,构建设备测试分析模型,预测输出设备故障时间点至审核端口;
S4、审核端口设置有检修阈值,若存在预测输出的设备故障时间点超出检修阈值,反馈至充电车道预安装分析模型,重新调节充电车道安装长度,直至存在预测输出的设备故障时间点满足检修阈值后,将充电车道安装长度输出至系统输出端;
所述构建充电车道预安装分析模型包括:
获取预安装区域内高速路口数据,以预安装充电车道的车道中心点作为划分点,车辆在充电车道的行进方向作为主方向,分为上区域与下区域,所述上区域指车辆进入预安装区域但未到达车道中心点时的上一个区域;所述下区域指车辆在经过车道中心点后驶出预安装区域到达的下一个区域;
所述高速路口数据包括上区域路口与下区域路口;所述上区域路口指车辆进入预安装区域但未到达车道中心点时的各个路口以及上区域与预安装区域的连接路;所述下区域路口指车辆在经过车道中心点后驶出预安装区域的各个路口以及下区域与预安装区域的连接路;
获取预安装区域内历史车流量数据,任选一下区域路口I,计算固定时间周期内车辆从下区域路口I离开预安装区域的概率数据PI=Hj/H0;其中,Hj代表下区域路口I的离开车辆总数;H0代表车流量总数;
获取所有下区域路口的概率数据,选取概率最大数据对应的下区域路口,分析下区域路口类型,所述下区域路口类型包括持续高速路口、停止高速路口;所述持续高速路口指经过路口后继续在高速路段行驶;所述停止高速路口指经过路口后离开高速路段行驶;
获取选取的下区域路口距离车道中心点的距离,记为S0;计算需求电量:E1=S0*e0*k0;其中,e0为每单位公里内的需求电量平均值;k0为下区域路口类型影响系数,在下区域路口为持续高速路口时,系统设置影响系数大于1;在下区域路口为停止高速路口时,k0等于1;
获取车道中心点路段车辆行驶的速度区间,记为[vmin、vmax];其中,vmin指平均最低车速,vmax指平均最高车速;所述速度区间的计算为选取一系统设置的时间周期t0,在t0内采集车辆经过车道中心点的速度,每一时间周期内选取一个最高车速与最低车速,遍历U个时间周期,以最低车速的平均值记为vmin,以最高车速的平均值记为vmax;
在速度区间内取一速度vj,生成充电车道长度L=vj*E1/c;其中c代表充电公路单位时间充电量,其与充电车道设置的线圈方式有关;
所述构建设备测试分析模型包括:
构建充电车道模拟系统,在模拟系统中安装无线充电设备,所述无线充电设备包括电路设备、传输设备;所述电路设备包括与电网连接的整流滤波电路、与整流滤波电路连接的高频逆变电路、与高频逆变电路相连接的补偿电路以及分别与高频逆变电路、补偿电路相连接的反馈控制电路;所述传输设备包括线圈;
构建无线充电设备测试系统,模拟汽车最高速度行驶下的设备故障数据,所述最高速度选取速度区间中的vmax;
构建设备测试分析模型:
模拟汽车以最高速度行驶在充电车道上方,记录设备故障的测试数据,所述设备故障的测试数据包括出现故障时的时间点,记录设备故障的测试数据时间点为集合{m1、m2、……、mn};
对集合{m1、m2、……、mn}做灰色累加生成处理,生成新集合A1,再对A1进行紧邻均值处理,生成新集合A2;
对A1建立白化微分方程,利用A1的白化微分方程输出发展系数p和灰作用量q:q=dA1(i)/dt+pA1(i);
其中,A1(i)代表集合A1中的任一元素;
基于初始集合以及A1、A2,利用最小二乘法求解可得:
Y(n+1)=(1-ep)(m1-q/p)e-pn
其中,Y(n+1)代表预测输出设备故障时间点;将Y(n+1)送至审核端口。
2.根据权利要求1所述的一种基于人工智能的充电车道设备测试管理方法,其特征在于:所述重新调节充电车道安装长度包括:
构建检修阈值,若存在Y(n+1)超出检修阈值,降低车辆最高速度,降低值系统自行设置;
将降低后的车辆最高速度反馈至充电车道预安装分析模型,重新调节充电车道安装长度,直至存在预测输出的设备故障时间点满足检修阈值后,将充电车道安装长度输出至系统输出端。
3.应用权利要求1所述的一种基于人工智能的充电车道设备测试管理方法的一种基于人工智能的充电车道设备测试管理系统,其特征在于:该系统包括区域划分模块、预安装分析模块、无线充电设备测试模块、人工智能审核模块以及反馈调节模块;
所述区域划分模块用于获取高速道路上充电车道预安装区域,获取预安装区域内高速路口,获取预安装区域内历史车流量数据;所述预安装分析模块用于构建充电车道预安装分析模型,输出充电车道安装长度,根据输出的充电车道安装长度,构建充电车道模拟系统,在模拟系统中安装无线充电设备;所述无线充电设备测试模块用于构建无线充电设备测试系统,模拟汽车最高速度行驶下的设备故障数据,构建设备测试分析模型,预测输出设备故障时间点至审核端口;所述人工智能审核模块用于设置检修阈值,若存在预测输出的设备故障时间点超出检修阈值,反馈至充电车道预安装分析模型;所述反馈调节模块用于重新调节充电车道安装长度,直至存在预测输出的设备故障时间点满足检修阈值后,将充电车道安装长度输出至系统输出端;
所述区域划分模块的输出端与所述预安装分析模块的输入端相连接;所述预安装分析模块的输出端与所述无线充电设备测试模块的输入端相连接;所述无线充电设备测试模块的输出端与所述人工智能审核模块的输入端相连接;所述人工智能审核模块的输出端与所述反馈调节模块的输入端相连接。
4.根据权利要求3所述的一种基于人工智能的充电车道设备测试管理系统,其特征在于:所述区域划分模块包括区域划分单元和数据获取单元;
所述区域划分单元用于获取高速道路上充电车道预安装区域;所述数据获取单元用于获取预安装区域内高速路口和预安装区域内历史车流量数据;
所述区域划分单元的输出端与所述数据获取单元的输入端相连接。
5.根据权利要求3所述的一种基于人工智能的充电车道设备测试管理系统,其特征在于:所述预安装分析模块包括预安装分析单元和充电车道模拟单元;
所述预安装分析单元用于构建充电车道预安装分析模型,输出充电车道安装长度;所述充电车道模拟单元用于根据输出的充电车道安装长度,构建充电车道模拟系统,在模拟系统中安装无线充电设备;
所述预安装分析单元的输出端与所述充电车道模拟单元的输入端相连接。
6.根据权利要求3所述的一种基于人工智能的充电车道设备测试管理系统,其特征在于:所述无线充电设备测试模块包括无线充电设备测试单元和预测单元;
所述无线充电设备测试单元用于构建无线充电设备测试系统,模拟汽车最高速度行驶下的设备故障数据;所述预测单元用于构建设备测试分析模型,预测输出设备故障时间点至审核端口;
所述无线充电设备测试单元的输出端与所述预测单元的输入端相连接。
7.根据权利要求3所述的一种基于人工智能的充电车道设备测试管理系统,其特征在于:所述人工智能审核模块包括阈值设立单元和反馈单元;
所述阈值设立单元用于设置检修阈值;所述反馈单元用于存在预测输出的设备故障时间点超出检修阈值,反馈至充电车道预安装分析模型;
所述阈值设立单元的输出端与所述反馈单元的输入端相连接。
8.根据权利要求3所述的一种基于人工智能的充电车道设备测试管理系统,其特征在于:所述反馈调节模块包括调节单元与输出单元;
所述调节单元用于重新调节充电车道安装长度,直至存在预测输出的设备故障时间点满足检修阈值;所述输出单元用于最终将充电车道安装长度输出至系统输出端;
所述调节单元的输出端与所述输出单元的输入端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310620796.XA CN116359656B (zh) | 2023-05-30 | 2023-05-30 | 一种基于人工智能的充电车道设备测试管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310620796.XA CN116359656B (zh) | 2023-05-30 | 2023-05-30 | 一种基于人工智能的充电车道设备测试管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116359656A CN116359656A (zh) | 2023-06-30 |
CN116359656B true CN116359656B (zh) | 2023-08-08 |
Family
ID=86928534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310620796.XA Active CN116359656B (zh) | 2023-05-30 | 2023-05-30 | 一种基于人工智能的充电车道设备测试管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116359656B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116628561B (zh) * | 2023-07-25 | 2023-09-29 | 江苏嘉杨机电配件有限公司 | 一种电子水泵智能测试系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018026512A1 (en) * | 2016-08-02 | 2018-02-08 | Here Global B.V. | Vehicle charging lanes |
CN108407640A (zh) * | 2018-03-06 | 2018-08-17 | 吉林大学 | 带有充电车道的高速公路车辆引导系统及引导方法 |
CN111291999A (zh) * | 2020-02-21 | 2020-06-16 | 东南大学 | 一种基于层次凝聚聚类的动态无线充电路段负荷建模方法 |
CN112060944A (zh) * | 2020-08-31 | 2020-12-11 | 华南理工大学 | 动态无线充电路段优化配置方法、系统、装置及存储介质 |
CN112858915A (zh) * | 2021-01-06 | 2021-05-28 | 江勇 | 一种基于大数据的新能源汽车充电提醒分析系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6081941B2 (ja) * | 2014-02-28 | 2017-02-15 | 三菱重工業株式会社 | 電力需要予測装置、電力供給システム、電力需要予測方法及びプログラム |
-
2023
- 2023-05-30 CN CN202310620796.XA patent/CN116359656B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018026512A1 (en) * | 2016-08-02 | 2018-02-08 | Here Global B.V. | Vehicle charging lanes |
CN108407640A (zh) * | 2018-03-06 | 2018-08-17 | 吉林大学 | 带有充电车道的高速公路车辆引导系统及引导方法 |
CN111291999A (zh) * | 2020-02-21 | 2020-06-16 | 东南大学 | 一种基于层次凝聚聚类的动态无线充电路段负荷建模方法 |
CN112060944A (zh) * | 2020-08-31 | 2020-12-11 | 华南理工大学 | 动态无线充电路段优化配置方法、系统、装置及存储介质 |
CN112858915A (zh) * | 2021-01-06 | 2021-05-28 | 江勇 | 一种基于大数据的新能源汽车充电提醒分析系统 |
Non-Patent Citations (1)
Title |
---|
基于NaSch模型的无线充电道路布局分析;姚凯明;《中国科技信息》;第588卷(第16期);第103-107页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116359656A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4030365A1 (en) | Multi-mode multi-service rail transit analog simulation method and system | |
CN110610260B (zh) | 行车能耗预测系统、方法、存储介质和设备 | |
Yao et al. | Comparison of electric vehicle’s energy consumption factors for different road types | |
CN109558988B (zh) | 一种基于大数据融合的电动汽车能耗预测方法及系统 | |
WO2019047905A1 (zh) | 一种交通路况分析系统、方法以及装置 | |
CN112874589B (zh) | 一种列车计划运行图自动调整系统及方法 | |
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 | |
CN116359656B (zh) | 一种基于人工智能的充电车道设备测试管理系统及方法 | |
CN110299011A (zh) | 一种基于收费数据的高速公路任意断面的交通流预测方法 | |
CN111340289A (zh) | 一种基于遗传算法的公交发车与车速调整优化方法及系统 | |
CN104064049B (zh) | 一种智能交通道路容量短信播报系统 | |
CN111275965A (zh) | 一种基于互联网大数据的实时交通仿真分析系统与方法 | |
CN111583628B (zh) | 基于数据质量控制的道路网重型货车交通流量预测方法 | |
CN116052435B (zh) | 一种城市道路拥堵影响范围界定与道路影响力计算方法 | |
Wang et al. | Automatic estimation method for intersection saturation flow rate based on video detector data | |
CN113435777A (zh) | 一种电动运营车辆充电站规划方法及系统 | |
CN109816978B (zh) | 考虑驾驶员动态响应行为的区域群体交通诱导系统及方法 | |
CN111861145A (zh) | 考虑高速公路路网的服务区电动汽车充电站配置方法 | |
CN113920727B (zh) | 一种由施工引发道路拥堵的预测方法及系统 | |
Zhang et al. | Analysis of spatial-temporal characteristics of operations in public transport networks based on multisource data | |
CN114997493A (zh) | 一种高速公路车辆碳排放量预测方法及系统 | |
CN117593167A (zh) | 基于大数据的智能城市规划管理方法及系统 | |
CN109190935B (zh) | 一种考虑服务区和车辆事故的高速公路充电站规划方法 | |
Sekhar et al. | Analysis of travel time reliability of an urban corridor using micro simulation techniques | |
CN203931199U (zh) | 一种智能交通道路容量短信播报系统 |
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 |