CN117151760B - 基于自适应算法的换电服务定价方法、装置及存储介质 - Google Patents
基于自适应算法的换电服务定价方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117151760B CN117151760B CN202311123543.8A CN202311123543A CN117151760B CN 117151760 B CN117151760 B CN 117151760B CN 202311123543 A CN202311123543 A CN 202311123543A CN 117151760 B CN117151760 B CN 117151760B
- Authority
- CN
- China
- Prior art keywords
- battery
- city
- price
- user
- demand
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 13
- 230000005611 electricity Effects 0.000 title claims description 4
- 238000009826 distribution Methods 0.000 claims abstract description 16
- 230000036541 health Effects 0.000 claims abstract description 16
- 230000000379 polymerizing effect Effects 0.000 claims abstract description 7
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 238000010801 machine learning Methods 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000006399 behavior Effects 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000013450 outlier detection Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 4
- 238000006116 polymerization reaction Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了基于自适应算法的换电服务定价方法、装置及存储介质,依据具有相似的出行模式和电池需求对不同的用户群体进行需求预测,获得用户的电池需求模式;将城市的电池性能特性与健康状态进行聚合,获得城市专属的kp‑city和SOHcity;考虑城市电力成本和充电站分布,使用综合考虑城市特征因素的综合系数来动态调整电池价格;监测电池的需求量和库存情况,以动态调整电池价格的措施来反应当前的供需状况;根据用户的出行频率和电池使用时长,制定个性化的电池价格;利用机器学习和优化算法将各个定价策略进行模型融合,找到最优的电池定价策略。本发明能够智能化地确定电池换电服务的定价策略,满足不同用户的需求,更有效地管理电池库存和能源成本。
Description
技术领域
本发明属于二轮车电池换电定价技术领域,尤其涉及基于自适应算法的换电服务定价方法、系统及存储介质。
背景技术
随着城市交通需求的增加以及环保意识的提高,电动二轮车已经逐渐成为许多城市日常交通的主要方式。然而,电动二轮车的续航能力和电池品质的差异性问题成为了使用者和运营商面临的挑战。有些电池可能在短时间内失去电量,而另一些电池则可能表现出更好的性能。此外,电动二轮车的充电基础设施在某些城市仍然不足,导致用户充电困难。
为了解决这些问题,电池换电服务已经崭露头角。这项服务允许用户在电池电量耗尽时,前往指定的服务站点,将电池交换为已充电好的电池,从而延长了行驶距离,提高了电动二轮车的可用性。然而,电池换电服务的成功运营面临着一个复杂的挑战,即如何确定公平而准确的电池定价策略,以满足不同用户的需求,同时确保服务的可持续性和效益?这一挑战涉及到多种因素,包括电池的性能、需求情况、充电成本、用户偏好以及城市特征。因此,急需指定良好的电池定价策略来解决上述问题,进而提高电动二轮车服务的质量和可靠性。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供基于自适应算法的换电服务定价方法、装置及存储介质,能够智能化地确定电池换电服务的定价策略,满足不同用户的需求,更有效地管理电池库存和能源成本。
技术方案:为实现上述目的,本发明的基于自适应算法的换电服务定价方法,包括:
数据收集和处理,收集用户的出行数据、电池使用数据以及城市特征数据,包括用户出行时间、行程频率、电池充放电数据、电池健康状况、城市电力成本和充电站分布,并对数据进行预处理;
用户需求分析,依据具有相似的出行模式和电池需求的限制条件,将用户分成多个不同的群体,每个群体代表一类用户,对每个用户群体进行需求预测,获得用户的电池需求模式;
电池状态评估,获取电池的健康状态SOH和性能特性kp,将城市的电池性能特性与健康状态进行聚合,获得城市专属的kp-city和SOHcity;
城市特征考虑,考虑城市电力成本和充电站分布的特征因素,使用综合考虑城市特征因素的综合系数来动态调整电池价格,确保价格反应城市的实际情况;
供需平衡,监测电池的需求量和库存情况,以动态调整电池价格的措施来反应当前的供需状况,确保价格合理;
个性化定价,根据用户的出行频率和电池使用时长,制定以满足用户需求的个性化的电池价格;
算法优化,利用机器学习和优化算法将各个定价策略进行模型融合,找到最优的电池定价策略,并定期更新定价策略,以适应市场变化和用户行为的演变。
进一步地,对数据进行预处理包括数据清洗、特征提取以及异常值检测,以确保数据的质量和可用性。
进一步地,在所述用户需求分析中,使用K均值聚类算法对用户进行群体分类,以实现用户需求预测,公式为:
其中:DK表示群体K的电池需求,NK表示属于群体K的用户数量,Di表示用户i的电池需求。
进一步地,在所述电池状态评估中,收集电池数据,计算电池的健康状态SOH的公式为:
基于Peukert方程和实际数据评估电池的性能特性kp,包括容量和充电周期,公式为:
其中:I(t)是电池的电流,t是电池的使用时间,Q是电池的额定容量,是标准测试时间,kp是Peukert系数,表示电池的性能特性;
将城市的电池性能特性与健康状态进行聚合,获得城市专属的kp-city和SOHcity。
进一步地,在所述城市特征考虑中,考虑城市电力成本为根据城市的电力成本因素来调整电池价格,考虑充电站分布为根据充电站密度和位置来调整电池价格,综合电力成本和充电站分布这两种城市特征因素,使用综合系数来动态调整电池价格的公式为:
Pcity=f(Pbase,W,Cenergy,Dcharging)
其中:Pcity表示考虑城市特征的电池价格,Pbase表示基础电池价格,Cenergy表示城市的电力成本,Dcharging表示城市的充电基础设施分布情况,f为变量到最终定价的一个函数,W为综合系数。
进一步地,在所述供需平衡中,通过监测电池的需求量和库存情况,确保始终有足够的电池可供用户使用,然后动态调整电池价格,以反应当前的供需状况,确保价格合理,公式为:
其中:D表示需求量,S表示电池库存量,Pbase表示基础电池价格,Padjusted表示调整后的电池价格,α表示调整系数。
所述个性化定价的公式为:
Ppersonalized=Pbase+β·F+γ·L
其中:Pbase表示基础电池价格,Ppersonalized表示个性化电池价格,F表示用户的换电频率,L表示用户的使用时长,β和γ表示调整系数。
在所述算法优化中,最优的电池定价策略即为最终定价,表示为:
Poptimal=F(Pbase,DK,kp-city,SOHcity,Pcity,Padjusted,Ppersonalized)
其中:Poptimal表示最终定价,Pbase表示基础电池价格,F表示定价因素的聚合函数。
基于自适应算法的换电服务定价装置,包括:
数据获取模块:用于收集用户的出行数据、电池使用数据以及城市特征数据;
数据处理模块:用于对数据进行预处理;
执行模块:基于处理后的数据执行用户需求分析、电池状态评估、城市特征考虑、供需平衡、个性化定价以及算法优化。
存储介质,其内存储有可执行程序,所述可执行程序被处理器执行可实现基于自适应算法的换电服务定价方法。
有益效果:本发明能够智能化地确定电池换电服务的定价策略,以满足不同用户的需求,考虑城市特征因素,维持供需平衡,鼓励用户更频繁地使用电动二轮车,并最大程度地提高电池服务提供商的效益,在电动二轮车电池服务领域推动可持续发展和创新,可以更有效地管理电池库存和能源成本,提高了运营效率。
附图说明
附图1为本发明的方法流程示意图;
附图2为本发明的方法步骤示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如附图1和附图2所示,基于自适应算法的换电服务定价方法,包括:
数据收集和处理,收集用户的出行数据、电池使用数据以及城市特征数据,包括用户出行时间、行程频率、电池充放电数据、电池健康状况、城市电力成本和充电站分布,并对数据进行预处理。
对数据进行预处理包括数据清洗、特征提取以及异常值检测,以确保数据的质量和可用性。
用户需求分析,依据具有相似的出行模式和电池需求的限制条件,将用户分成多个不同的群体,每个群体代表一类用户,对每个用户群体进行需求预测,获得用户的电池需求模式。
更为具体的,在所述用户需求分析中,使用K均值聚类算法对用户进行群体分类,以实现用户需求预测,公式为:
其中:DK表示群体K的电池需求,NK表示属于群体K的用户数量,Di表示用户i的电池需求。
电池状态评估,获取电池的健康状态SOH和性能特性kp,将城市的电池性能特性与健康状态进行聚合,获得城市专属的kp-city和SOHcity;
在所述电池状态评估中,收集电池数据,包括电池的电压、电流、温度、充电周期计数以及其它相关信息(比如:电池化学成分、制造日期等),计算电池的健康状态SOH的公式为:
基于Peukert方程和实际数据评估电池的性能特性kp,包括容量和充电周期,公式为:
其中:I(t)是电池的电流,t是电池的使用时间,Q是电池的额定容量,是标准测试时间,kp是Peukert系数,表示电池的性能特性;
将城市的电池性能特性与健康状态进行聚合,获得城市专属的kp-city和SOHcity。
城市特征考虑,考虑城市电力成本和充电站分布的特征因素,使用综合考虑城市特征因素的综合系数来动态调整电池价格,确保价格反应城市的实际情况。
在所述城市特征考虑中,考虑城市电力成本为根据城市的电力成本因素来调整电池价格,考虑充电站分布为根据充电站密度和位置来调整电池价格,综合电力成本和充电站分布这两种城市特征因素,使用综合系数来动态调整电池价格的公式为:
Pcity=f(Pbase,W,Cenergy,Dcharging)
其中:Pcity表示考虑城市特征的电池价格,Pbase表示基础电池价格,Cenergy表示城市的电力成本,Dcharging表示城市的充电基础设施分布情况,f为变量到最终定价的一个函数,W为综合系数。
综合系数W用于根据城市的具体情况调整电池价格,而且这个综合系数可以根据城市的不同特点进行动态调整。
将城市的特征因素考虑到定价方法中,基于实际情况制定电池换电服务的定价策略,以确保价格更具有竞争力与合理性。
供需平衡,监测电池的需求量和库存情况,以动态调整电池价格的措施来反应当前的供需状况,确保价格合理。
其中,需求量可以根据历史用户预订或实际交易情况进行更新,库存情况可以根据实际库存数量来更新。
在所述供需平衡中,通过监测电池的需求量和库存情况,确保始终有足够的电池可供用户使用,然后动态调整电池价格,以反应当前的供需状况,确保价格合理,公式为:
其中:D表示需求量,S表示电池库存量,Pbase表示基础电池价格,Padjusted表示调整后的电池价格,α表示调整系数,根据实际情况设置。
个性化定价,根据用户的出行频率和电池使用时长,制定以满足用户需求的个性化的电池价格。
所述个性化定价的公式为:
Ppersonalized=Pbase+β·F+γ·L
其中:Pbase表示基础电池价格,Ppersonalized表示个性化电池价格,F表示用户的换电频率,L表示用户的使用时长,β和γ表示调整系数。
算法优化,利用机器学习和优化算法将各个定价策略进行模型融合,找到最优的电池定价策略,并定期更新定价策略,以适应市场变化和用户行为的演变。
在所述算法优化中,最优的电池定价策略即为最终定价,表示为:
Poptimal=F(Pbase,DK,kp-city,SOHcity,Pcity,Padjusted,Ppersonalized)
其中:Poptimal表示最终定价,Pbase表示基础电池价格,F表示定价因素的聚合函数,包括以下形式:
1)线性聚合:
F=Pbase+α1DK+α2kp+α3SOH+α4Pcity+α5Padjusted+α6Ppersonalized
其中,αl…α6是权重系数,用于调整各个因素的影响力。
2)指数聚合:
其中,αl…α6是权重系数,用于调整各个因素的影响力。
3)对数聚合:
F=Pbase*log(1+α2DK)*log(1+α2kp)*log(1+α3SOH)*log(1+α4Pcity)*log(1+α5Padjusted)*log(1+α6Ppersonalized)
其中,α1…α6是权重系数,用于调整各个因素的影响力。
4)sigmoid聚合:
其中,α1…α6是权重系数,用于调整各个因素的影响力。
基于自适应算法的换电服务定价装置,包括:
数据获取模块:用于收集用户的出行数据、电池使用数据以及城市特征数据;
数据处理模块:用于对数据进行预处理;
执行模块:基于处理后的数据执行用户需求分析、电池状态评估、城市特征考虑、供需平衡、个性化定价以及算法优化。
存储介质,其内存储有可执行程序,所述可执行程序被处理器执行可实现基于自适应算法的换电服务定价方法。
能够智能化地确定电池换电服务的定价策略,以满足不同用户的需求,考虑城市特征因素,维持供需平衡,鼓励用户更频繁地使用电动二轮车,并最大程度地提高电池服务提供商的效益,在电动二轮车电池服务领域推动可持续发展和创新。
本发明还具有以下优点:
(1)提高了电池换电服务的公平性,根据电池的实际使用情况为用户定价,避免了一刀切的定价策略;
(2)降低了电池换电服务的成本,通过智能定价策略,可以更有效地管理电池库存和能源成本,提高了运营效率;
(3)促进了电动二轮车的普及,公平和合理的定价策略可以吸引更多用户使用电动二轮车,并减少了对传统燃油车的依赖,有助于减少城市交通拥堵和环境污染。
本发明将大大改善电池换电服务的运营方式,使之更加智能、高效和用户友好,同时有助于推动电动二轮车在城市交通中的广泛应用。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.基于自适应算法的换电服务定价方法,其特征在于:包括:
数据收集和处理,收集用户的出行数据、电池使用数据以及城市特征数据,包括用户出行时间、行程频率、电池充放电数据、电池健康状况、城市电力成本和充电站分布,并对数据进行预处理;
用户需求分析,依据具有相似的出行模式和电池需求的限制条件,将用户分成多个不同的群体,每个群体代表一类用户,对每个用户群体进行需求预测,获得用户的电池需求模式;
电池状态评估,获取电池的健康状态SOH和性能特性kp,将城市的电池性能特性与健康状态进行聚合,获得城市专属的kp-city和SOHcity;
城市特征考虑,考虑城市电力成本和充电站分布的特征因素,使用综合考虑城市特征因素的综合系数来动态调整电池价格,确保价格反应城市的实际情况;
供需平衡,监测电池的需求量和库存情况,以动态调整电池价格的措施来反应当前的供需状况,确保价格合理;
个性化定价,根据用户的出行频率和电池使用时长,制定以满足用户需求的个性化的电池价格;
算法优化,利用机器学习和优化算法将各个定价策略进行模型融合,找到最优的电池定价策略,并定期更新定价策略,以适应市场变化和用户行为的演变;
在所述用户需求分析中,使用K均值聚类算法对用户进行群体分类,以实现用户需求预测,公式为:
其中:DK表示群体K的电池需求,NK表示属于群体K的用户数量,Di表示用户i的电池需求;
在所述电池状态评估中,收集电池数据,计算电池的健康状态SOH的公式为:
基于Peukert方程和实际数据评估电池的性能特性kp,包括容量和充电周期,公式为:
其中:I(t)是电池的电流,t是电池的使用时间,Q是电池的额定容量,是标准测试时间,kp是Peukert系数,表示电池的性能特性;
将城市的电池性能特性与健康状态进行聚合,获得城市专属的kp-city和SOHcity;
在所述城市特征考虑中,考虑城市电力成本为根据城市的电力成本因素来调整电池价格,考虑充电站分布为根据充电站密度和位置来调整电池价格,综合电力成本和充电站分布这两种城市特征因素,使用综合系数来动态调整电池价格的公式为:
Pcity=f(Pbase,W,Cenergy,Dcharging)
其中:Pcity表示考虑城市特征的电池价格,Pbase表示基础电池价格,Cenergy表示城市的电力成本,Dcharging表示城市的充电基础设施分布情况,f为变量到最终定价的一个函数,W为综合系数;
在所述供需平衡中,通过监测电池的需求量和库存情况,确保始终有足够的电池可供用户使用,然后动态调整电池价格,以反应当前的供需状况,确保价格合理,公式为:
其中:D表示需求量,S表示电池库存量,Pbase表示基础电池价格,Padjusted表示调整后的电池价格,α表示调整系数;
所述个性化定价的公式为:
Ppersonalized=Pbase+β·F+γ·L
其中:Pbase表示基础电池价格,Ppersonalized表示个性化电池价格,F表示用户的换电频率,L表示用户的使用时长,β和γ表示调整系数;
在所述算法优化中,最优的电池定价策略即为最终定价,表示为:
Poptimal=F(Pbase,DK,kp-city,SOHcity,Pcity,Fadjusted,Ppersonalized)
其中:Poptimal表示最终定价,Pbase表示基础电池价格,F表示定价因素的聚合函数。
2.根据权利要求1所述的基于自适应算法的换电服务定价方法,其特征在于:对数据进行预处理包括数据清洗、特征提取以及异常值检测,以确保数据的质量和可用性。
3.基于自适应算法的换电服务定价装置,该装置用于实现权利要求1~2任一项所述的基于自适应算法的换电服务定价方法,其特征在于:包括:
数据获取模块:用于收集用户的出行数据、电池使用数据以及城市特征数据;
数据处理模块:用于对数据进行预处理;
执行模块:基于处理后的数据执行用户需求分析、电池状态评估、城市特征考虑、供需平衡、个性化定价以及算法优化。
4.存储介质,其特征在于:其内存储有可执行程序,所述可执行程序被处理器执行可实现权利要求1~2任一项所述的基于自适应算法的换电服务定价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311123543.8A CN117151760B (zh) | 2023-09-01 | 2023-09-01 | 基于自适应算法的换电服务定价方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311123543.8A CN117151760B (zh) | 2023-09-01 | 2023-09-01 | 基于自适应算法的换电服务定价方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117151760A CN117151760A (zh) | 2023-12-01 |
CN117151760B true CN117151760B (zh) | 2024-04-26 |
Family
ID=88904058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311123543.8A Active CN117151760B (zh) | 2023-09-01 | 2023-09-01 | 基于自适应算法的换电服务定价方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117151760B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985064A (zh) * | 2014-05-16 | 2014-08-13 | 东南大学 | 一种基于实时电价的电动汽车换电模式充电控制方法 |
CN112116133A (zh) * | 2020-08-31 | 2020-12-22 | 华南理工大学 | 共享换电系统优化调度方法、系统、装置和存储介质 |
CN112329215A (zh) * | 2020-10-20 | 2021-02-05 | 华北电力大学 | 含电动汽车换电站的配电网的可靠性评估方法及计算设备 |
CN116596565A (zh) * | 2023-04-19 | 2023-08-15 | 国电南瑞科技股份有限公司 | 一种电动乘用车辅助换电站优化定价方法、装置、介质及设备 |
CN116645124A (zh) * | 2023-05-30 | 2023-08-25 | 浙江大学 | 一种考虑用户有限理性和市场监管的充电站动态定价方法 |
-
2023
- 2023-09-01 CN CN202311123543.8A patent/CN117151760B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985064A (zh) * | 2014-05-16 | 2014-08-13 | 东南大学 | 一种基于实时电价的电动汽车换电模式充电控制方法 |
CN112116133A (zh) * | 2020-08-31 | 2020-12-22 | 华南理工大学 | 共享换电系统优化调度方法、系统、装置和存储介质 |
CN112329215A (zh) * | 2020-10-20 | 2021-02-05 | 华北电力大学 | 含电动汽车换电站的配电网的可靠性评估方法及计算设备 |
CN116596565A (zh) * | 2023-04-19 | 2023-08-15 | 国电南瑞科技股份有限公司 | 一种电动乘用车辅助换电站优化定价方法、装置、介质及设备 |
CN116645124A (zh) * | 2023-05-30 | 2023-08-25 | 浙江大学 | 一种考虑用户有限理性和市场监管的充电站动态定价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117151760A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mohanty et al. | Demand side management of electric vehicles in smart grids: A survey on strategies, challenges, modeling, and optimization | |
CN110472785B (zh) | 一种基于负荷分类的电动汽车群调度方法 | |
CN109177802B (zh) | 一种基于无线通信的电动汽车有序充电系统及其方法 | |
ur Rehman et al. | Sizing battery energy storage and PV system in an extreme fast charging station considering uncertainties and battery degradation | |
KR20210149626A (ko) | 배터리 서비스 제공 시스템 및 방법 | |
Gan et al. | A probabilistic evaluation method of household EVs dispatching potential considering users’ multiple travel needs | |
CN109523087A (zh) | 基于深度学习的电动汽车快充站储能监测系统及其方法 | |
CN114919433B (zh) | 电动汽车集群充放电控制方法、系统及相关设备 | |
CN108573317B (zh) | 一种换电站充放电策略优化控制的方法 | |
CN111310966A (zh) | 含电动汽车充电站的微电网选址及优化配置方法 | |
CN110034561B (zh) | 一种基于云储能租赁服务的风电场储能容量优化方法 | |
CN112183882B (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
CN116436008A (zh) | 一种用于光储充电站的电力调度方法及终端 | |
CN109910670B (zh) | 一种配电网电动汽车时空充放电电价制定方法 | |
CN112001598A (zh) | 基于储能选型的不同用户储能配置评估与运行优化方法 | |
CN112381398B (zh) | 考虑用户有限理性出行的电动汽车充电站选址方法及系统 | |
CN115115268A (zh) | 基于路电耦合与低碳约束的电动汽车充电桩容量规划方法 | |
CN114021880A (zh) | 一种基于电动汽车保有量的充电站选址定容方法 | |
CN114722595A (zh) | 一种含有换电站的微电网优化运行方法 | |
CN112085394A (zh) | 一种计及需求侧响应的用户侧储能评估方法及系统 | |
Wu et al. | Vehicle-to-home operation and multi-location charging of electric vehicles for energy cost optimisation of households with photovoltaic system and battery energy storage | |
CN117151760B (zh) | 基于自适应算法的换电服务定价方法、装置及存储介质 | |
CN116512968B (zh) | 基于换电柜的充电功率分配方法、装置、设备及存储介质 | |
CN117104062A (zh) | 充电桩充电控制方法、装置、存储介质及设备 | |
CN115330062A (zh) | 一种社区场景下的新能源汽车有序充电服务调度优化方法 |
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 |