CN117332163A - 一种充电桩充电信息的推送方法及系统 - Google Patents
一种充电桩充电信息的推送方法及系统 Download PDFInfo
- Publication number
- CN117332163A CN117332163A CN202311307380.9A CN202311307380A CN117332163A CN 117332163 A CN117332163 A CN 117332163A CN 202311307380 A CN202311307380 A CN 202311307380A CN 117332163 A CN117332163 A CN 117332163A
- Authority
- CN
- China
- Prior art keywords
- charging
- user
- time point
- average
- charging pile
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000005611 electricity Effects 0.000 claims description 27
- 238000012216 screening Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及智能充电桩技术领域，提供一种充电桩充电信息的推送方法及系统，方法包括：通过获取用户历史充电数据，计算用户平均充电量、平均充电时间点和平均充电间隔时间，以及用户每日用电量；识别通勤用户和充电时间点对应的充电桩；获取用户当前位置、当前时间点和上次充电结束时间点；以可行驶里程预测模型计算预计可行驶里程，基于用户当前位置、第一充电桩位置和用户预计可行驶里程划分充电桩选择区域，将充电桩信息推送给用户；通过对用户的充电数据进行分析处理，获取规律性的数据，预测用户当前的电量，并根据时间点对用户的行驶目的地进行预测，主动为用户推荐充电桩，推送信息，提高用户的充电桩使用体验。
Description
技术领域
本发明涉及智能充电桩技术领域，尤其涉及一种充电桩充电信息的推送方法及系统。
背景技术
新能源汽车行驶的电量续航问题常是影响用户体验的重要原因，为避免用户行驶中出现半路没电的情况，现有技术会在车机上实时对车辆电池的续航里程和行驶信息进行监测，给用户给出及时的充电提示和建议；
但现有技术为驾驶人或车辆自主寻找充电桩，为保护行车隐私和用户安全，在无法获取车辆实时信息的情况下，难以在充电桩端主动为用户进行充电规划和提醒的推送，不利于用户的充电体验。
发明内容
本发明提供了一种充电桩充电信息的推送方法，用于解决现有技术中充电桩在无法获取车辆实时信息的情况下难以为用户提供推送信息的问题。
本发明第一方面提供了一种充电桩充电信息的推送方法，包括：
获取用户历史充电数据，所述历史充电数据包括每次充电量和充电时间点，计算用户平均充电量、平均充电时间点和平均充电间隔时间；计算充电时间点的方差，并根据所述平均充电量和平均充电间隔时间计算用户每日用电量；
当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户；确定通勤用户充电时间点对应的充电桩，得到第一充电桩位置；
当接收到通勤用户的访问信息时，获取用户当前位置、当前时间点和上次充电结束时间点；将当前时间点代入可行驶里程预测模型，得到用户预计可行驶里程；所述可行驶里程预测模型具体为：
；
其中，d为预测剩余电量，E为平均充电量，e为每日用电量，t1为当前时间点，t2为上次充电结束时间点，s为预计可行驶里程，γ为修正系数，v为用户车辆百公里综合耗电；
根据当前时间点与平均充电时间点确定用户通勤状态；基于用户当前位置、第一充电桩位置和用户预计可行驶里程划分充电桩选择区域；根据用户通勤状态确定充电桩选择区域，并筛选空闲充电桩；计算空闲充电桩分别与用户当前位置和第一充电桩位置的距离之和，将对应距离之和最小的空闲充电桩信息推送给用户。
可选的，所述当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户，具体为：
获取用户预设的车型信息，根据车型信息计算每日用电量对应的每日行驶里程；当充电时间点方差小于方差阈值，且用户每日行驶里程小于预设里程阈值时，将对应用户标记为通勤用户。
可选的，还包括：
对通勤用户的预测剩余电量进行监测，当预测剩余电量小于预设电量阈值时，向通勤用户发出充电提示。
可选的，所述计算用户平均充电量、平均充电时间点和平均充电间隔时间，具体为：
计算用户平均充电量和平均充电间隔时间，采用预设聚类算法对各充电时间点进行聚类，得到多个充电时间组，在各充电时间组中分别计算平均充电时间点。
本申请第二方面提供了一种充电桩充电信息的推送系统，包括：
数据处理模块，用于获取用户历史充电数据，所述历史充电数据包括每次充电量和充电时间点，计算用户平均充电量、平均充电时间点和平均充电间隔时间；计算充电时间点的方差，并根据所述平均充电量和平均充电间隔时间计算用户每日用电量；
用户标记模块，用于当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户；确定通勤用户充电时间点对应的充电桩，得到第一充电桩位置；
续航预测模块，用于当接收到通勤用户的访问信息时，获取用户当前位置、当前时间点和上次充电结束时间点；将当前时间点代入可行驶里程预测模型，得到用户预计可行驶里程；所述可行驶里程预测模型具体为：
；
其中，d为预测剩余电量，E为平均充电量，e为每日用电量，t1为当前时间点，t2为上次充电结束时间点，s为预计可行驶里程，γ为修正系数，v为用户车辆百公里综合耗电；
信息推送模块，用于根据当前时间点与平均充电时间点确定用户通勤状态；基于用户当前位置、第一充电桩位置和用户预计可行驶里程划分充电桩选择区域；根据用户通勤状态确定充电桩选择区域，并筛选空闲充电桩；计算空闲充电桩分别与用户当前位置和第一充电桩位置的距离之和，将对应距离之和最小的空闲充电桩信息推送给用户。
可选的，所述用户标记模块中，当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户，具体为：
获取用户预设的车型信息，根据车型信息计算每日用电量对应的每日行驶里程；当充电时间点方差小于方差阈值，且用户每日行驶里程小于预设里程阈值时，将对应用户标记为通勤用户。
可选的，还包括：
充电提示模块，用于对通勤用户的预测剩余电量进行监测，当预测剩余电量小于预设电量阈值时，向通勤用户发出充电提示。
可选的，所述数据处理模块中，计算用户平均充电量、平均充电时间点和平均充电间隔时间，具体为：
计算用户平均充电量和平均充电间隔时间，采用预设聚类算法对各充电时间点进行聚类，得到多个充电时间组，在各充电时间组中分别计算平均充电时间点。
本申请第三方面提供了一种充电桩充电信息的推送方法设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行本发明第一方面任一项所述的一种充电桩充电信息的推送方法。
本申请第四方面提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行本发明第一方面任一项所述的一种充电桩充电信息的推送方法。
从以上技术方案可以看出，本发明具有以下优点：通过获取用户历史充电数据，所述历史充电数据包括每次充电量和充电时间点，计算用户平均充电量、平均充电时间点和平均充电间隔时间；计算充电时间点的方差，并根据所述平均充电量和平均充电间隔时间计算用户每日用电量；当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户；确定通勤用户充电时间点对应的充电桩，得到第一充电桩位置；当接收到通勤用户的访问信息时，获取用户当前位置、当前时间点和上次充电结束时间点；将当前时间点代入可行驶里程预测模型，得到用户预计可行驶里程；根据当前时间点与平均充电时间点确定用户通勤状态；基于用户当前位置、第一充电桩位置和用户预计可行驶里程划分充电桩选择区域；根据用户通勤状态确定充电桩选择区域，并筛选空闲充电桩；计算空闲充电桩分别与用户当前位置和第一充电桩位置的距离之和，将对应距离之和最小的空闲充电桩信息推送给用户；通过对用户的充电数据进行分析处理，获取规律性的数据，预测用户当前的电量，并根据时间点对用户的行驶目的地进行预测，主动为用户推荐充电桩，推送信息，提高用户的充电桩使用体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为一种充电桩充电信息的推送方法的流程图；
图2为一种充电桩充电信息的推送系统结构图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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、完整的描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。
本发明提供了一种充电桩充电信息的推送方法，用于解决现有技术中充电桩在无法获取车辆实时信息的情况下难以为用户提供推送信息的问题。
实施例一
请参阅图1，图1为本发明实施例提供的一种充电桩充电信息的推送方法的第一个流程图。
S100，获取用户历史充电数据，所述历史充电数据包括每次充电量和充电时间点，计算用户平均充电量、平均充电时间点和平均充电间隔时间；计算充电时间点的方差，并根据所述平均充电量和平均充电间隔时间计算用户每日用电量；
需要说明的是，用户在使用充电桩充电时需要先通过移动终端登录与用户信息绑定的账号，本实施例中的充电时间点为用户使用充电桩时在一天中的具体时间节点，例如下午19:00或晚上21:00，可根据用户账号中记录的每次到充电桩开始充电的时间点确定；而根据每次充电的开始和结束时间点，能够计算得到充电间隔时间，即当次充电开始时间点减去上次充电结束时间点可以得到用户的充电间隔时间，并记录每次充电时用户充电的电量；根据用户长期多次的历史充电数据，取平均值后可以得到用户的平均充电量、平均充电时间和平均充电间隔时间，这些平均数据能反映用户的用车情况和用车习惯，将平均充电量除以平均充电间隔时间可以得到用户每日用电量，充电间隔时间可以采用天数为单位；充电时间点的方差反映用户每次前来充电的时间点的规律程度。
新能源汽车慢充可能需要6-8小时才能充满，因此用户常采用充电策略为晚上将新能源汽车停放在充电桩充电一晚上，第二天通勤时再驶离，因此充电间隔时间可以充电结束时间为计算节点来排除充电消耗的时间；虽然存在休息日会导致行驶情况与通勤不符，但经过大量历史充电数据的平均后能减少休息日的异化，且能在渐将休息日的驾驶情况融入到平均数据中，例如用户每周充一次电，且每到周六要去远足，在计算平均数据时，该休息日远足的异化驾驶数据能被平均在通勤各日。
S200，当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户；确定通勤用户充电时间点对应的充电桩，得到第一充电桩位置；
需要说明的是，新能源汽车一般分为两种用途，日常通勤或载货载人商用；商用汽车每日的用电量大，且每日的行程不稳定，随时都可能有充电需求，因此对应的充电时间方差较大，且每日用电量较大；而车辆作为日常通勤用途的用户每日行程稳定，一般多为住处到工作场所，或子女接送，每日的用电量稳定在一个区间，且充电时间多为下班休息时间，其充电时间点也较为固定，因此通勤用户的充电时间点方差较小，且每日用电量较小；本实施例中的方差阈值和预设电量阈值根据多个通勤用户样本计算后进行预设，并可根据不同城市或地区的实际情况进行调整。
通勤用户的充电时间点稳定，且常在平均充电时间点选择的充电桩也常在通勤目的地附近，则可以将平均充电时间点与充电桩绑定，建立对应关系，并获取该充电桩位置，作为第一充电桩位置。
S300，当接收到通勤用户的访问信息时，获取用户当前位置、当前时间点和上次充电结束时间点；将当前时间点代入可行驶里程预测模型，得到用户预计可行驶里程；所述可行驶里程预测模型具体为：
；
其中，d为预测剩余电量，E为平均充电量，e为每日用电量，t1为当前时间点，t2为上次充电结束时间点，s为预计可行驶里程，γ为修正系数，v为用户车辆百公里综合耗电；
需要说明的是，被标记为通勤用户的用户在需要充电时会通过移动终端访问充电桩的服务器，此时可以识别通勤用户有充电需求，且在用户访问服务器时可以请求用户以移动终端授权定位信息，以此获得用户当前位置，通过服务器联网获取当前时间，以及根据用户历史充电数据得到上次充电结束时间点，通过将当前时间点减去上次充电结束时间点得到耗电的时间间隔；通过用户预设的车辆型号信息或者在历史充电时读取的电池包信息，基于联网查询车辆型号或根据电池信息计算，得到用户车辆的百公里综合耗电；各种因素都会影响到车辆实际续航里程，例如冬季夏季都会影响电池续航们同样的剩余电量实际能行驶距离不同，具体的修正系数根据城市交通情况和近期天气进行设置。
通过可行驶里程预测模型，在无需获取用户住所、通勤地点等隐私信息，以及无需与用户车辆通信的情况下，对用户当前的可行驶里程完成预测。
S400，根据当前时间点与平均充电时间点确定用户通勤状态；基于用户当前位置、第一充电桩位置和用户预计可行驶里程划分充电桩选择区域；根据用户通勤状态确定充电桩选择区域，并筛选空闲充电桩；计算空闲充电桩分别与用户当前位置和第一充电桩位置的距离之和，将对应距离之和最小的空闲充电桩信息推送给用户。
需要说明的是，用户通勤状态分为离开住所状态和返回住所状态，一般用户会选择靠近住所的充电桩作为常用充电桩，可采用第一充电桩位置来视为用户的通勤目的地之一；因此若当前时间点与平均充电时间点差值小于预设的时间阈值时，视为用户处于返回住所状态，当大于预设时间阈值时视为离开住所状态，具体的时间阈值根据用户历史充电数据中的充电开始和结束时间设置，例如将用户常选择的22点开始充电，早上8点结束充电，平均充电时间点为22点，将时间阈值设置为(22-8)/2=7小时，即在15：00-22：00之间用户访问服务器有充电需求时视为用户处于返回住所状态；
作用户当前位置和第一充电桩位置的连线，并经过用户当前位置作连线的垂线；以用户当前位置为圆心，以用户预计可行驶里程为半径得到充电桩选择区域，垂线将充电桩选择区域划为两半，以远离第一充电桩位置的充电桩选择区域半圆为第一区域，以靠近第一充电桩位置的充电桩选择区域半圆为第二区域，当用户通勤状态为离开住所状态时候，选择第一区域，当用户通勤状态为返回住所状态时，选择第二区域；在确定的区域中识别空闲充电桩，计算空闲充电桩分别与用户当前位置和第一充电桩位置的距离之和，选择距离之和最小的空闲充电桩为第二充电桩，将第二充电桩的信息推送给用户；
充电桩信息包括充电桩位置、充电桩空闲状态、充电费用等，第二充电桩的信息会推送到用户登录的账号上，在不获取用户隐私信息的情况下，主动为用户推送符合用户需求的充电桩信息。
本实施例中，通过获取用户历史充电数据，所述历史充电数据包括每次充电量和充电时间点，计算用户平均充电量、平均充电时间点和平均充电间隔时间；计算充电时间点的方差，并根据所述平均充电量和平均充电间隔时间计算用户每日用电量；当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户；确定通勤用户充电时间点对应的充电桩，得到第一充电桩位置；当接收到通勤用户的访问信息时，获取用户当前位置、当前时间点和上次充电结束时间点；将当前时间点代入可行驶里程预测模型，得到用户预计可行驶里程；根据当前时间点与平均充电时间点确定用户通勤状态；基于用户当前位置、第一充电桩位置和用户预计可行驶里程划分充电桩选择区域；根据用户通勤状态确定充电桩选择区域，并筛选空闲充电桩；计算空闲充电桩分别与用户当前位置和第一充电桩位置的距离之和，将对应距离之和最小的空闲充电桩信息推送给用户；通过对用户的充电数据进行分析处理，获取规律性的数据，预测用户当前的电量，并根据时间点对用户的行驶目的地进行预测，主动为用户推荐充电桩，推送信息，提高用户的充电桩使用体验。
以上为本申请提供的一种充电桩充电信息的推送方法的第一个实施例的详细说明，下面为本申请提供的一种充电桩充电信息的推送方法的第二个实施例的详细说明。
实施例二
本实施例中，进一步的提供了一种充电桩充电信息的推送方法，前述步骤S200中，当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户，具体为：
获取用户预设的车型信息，根据车型信息计算每日用电量对应的每日行驶里程；当充电时间点方差小于方差阈值，且用户每日行驶里程小于预设里程阈值时，将对应用户标记为通勤用户；
需要说明的是，因用户的车辆型号不同，相同的耗电量可能存在实际每日行驶里程的差异，因此可以根据用户在充电桩服务器中预存的车型信息，对每日用电量进行计算，即对应车型的百公里耗电量下每日用电量的行驶里程，得到用户每日行驶里程；因通勤用户并不会花费过量的时间在通勤上，因此对应的实际行驶里程也会较小，商用汽车必然会有远超通勤用户更多的行驶里程，因此采用里程来判断通勤用户更客观；具体的预设里程阈值根据多个通勤用户样本的数据得到，通勤用户可以预先通过人工分析识别，后续再在应用中进行修正。
进一步的，对通勤用户的预测剩余电量进行监测，当预测剩余电量小于预设电量阈值时，向通勤用户发出充电提示；
需要说明的是，预测剩余电量为，将当前时间点代入后，以该模型预测通勤用户的剩余电量，预留通勤用户驾车前往充电桩的电量作为预设电量阈值，检测预测剩余电量，充电桩服务器主动给用户发出充电提示；在不获取用户隐私信息的情况下，计算用户的剩余电量，对用户主动提示，而非用户在需要充电时候去自主寻找充电桩。
进一步的，前述步骤S100中计算用户平均充电量、平均充电时间点和平均充电间隔时间，具体为：
计算用户平均充电量和平均充电间隔时间，采用预设聚类算法对各充电时间点进行聚类，得到多个充电时间组，在各充电时间组中分别计算平均充电时间点；
需要说明的是，通勤用户除了会在下班回家后在18:00-21:00进行充电，还会在上午通勤到工作地点后充电，二者的充电时间点差异较大，若直接计算平均值会出现平均充电时间点上的较大误差，因此采用聚类算法，将充电时间点聚类后，以不同的组群进行平均值的计算，避免误差；预设的聚类算法可以为k-means或均值漂移聚类算法，最终得到多个平均充电时间点。
以上为本申请提供的第一方面的一种充电桩充电信息的推送方法的详细说明，下面为本申请第二方面提供的一种充电桩充电信息的推送系统的实施例的详细说明。
请参阅图2，图2为一种充电桩充电信息的推送系统结构图。本实施例提供了一种充电桩充电信息的推送系统，包括：
数据处理模块10，用于获取用户历史充电数据，所述历史充电数据包括每次充电量和充电时间点，计算用户平均充电量、平均充电时间点和平均充电间隔时间；计算充电时间点的方差，并根据所述平均充电量和平均充电间隔时间计算用户每日用电量；
用户标记模块20，用于当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户；确定通勤用户充电时间点对应的充电桩，得到第一充电桩位置；
续航预测模块30，用于当接收到通勤用户的访问信息时，获取用户当前位置、当前时间点和上次充电结束时间点；将当前时间点代入可行驶里程预测模型，得到用户预计可行驶里程；所述可行驶里程预测模型具体为：
；
其中，d为预测剩余电量，E为平均充电量，e为每日用电量，t1为当前时间点，t2为上次充电结束时间点，s为预计可行驶里程，γ为修正系数，v为用户车辆百公里综合耗电；
信息推送模块40，用于根据当前时间点与平均充电时间点确定用户通勤状态；基于用户当前位置、第一充电桩位置和用户预计可行驶里程划分充电桩选择区域；根据用户通勤状态确定充电桩选择区域，并筛选空闲充电桩；计算空闲充电桩分别与用户当前位置和第一充电桩位置的距离之和，将对应距离之和最小的空闲充电桩信息推送给用户。
进一步的，所述用户标记模块20中，当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户，具体为：
获取用户预设的车型信息，根据车型信息计算每日用电量对应的每日行驶里程；当充电时间点方差小于方差阈值，且用户每日行驶里程小于预设里程阈值时，将对应用户标记为通勤用户。
进一步的，还包括：充电提示模块50，用于对通勤用户的预测剩余电量进行监测，当预测剩余电量小于预设电量阈值时，向通勤用户发出充电提示。
进一步的，所述数据处理模块10中，计算用户平均充电量、平均充电时间点和平均充电间隔时间，具体为：
计算用户平均充电量和平均充电间隔时间，采用预设聚类算法对各充电时间点进行聚类，得到多个充电时间组，在各充电时间组中分别计算平均充电时间点。
本申请第三方面还提供了一种充电桩充电信息的推送方法设备，包括处理器以及存储器：其中存储器用于存储程序代码，并将程序代码传输给处理器；处理器用于根据程序代码中的指令执行上述一种充电桩充电信息的推送方法。
本申请第四方面提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述一种充电桩充电信息的推送方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述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，作为单元显示的部件可以是或者也可以不是物理单元，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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种充电桩充电信息的推送方法，其特征在于包括：
获取用户历史充电数据，所述历史充电数据包括每次充电量和充电时间点，计算用户平均充电量、平均充电时间点和平均充电间隔时间；计算充电时间点的方差，并根据所述平均充电量和平均充电间隔时间计算用户每日用电量；
当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户；确定通勤用户充电时间点对应的充电桩，得到第一充电桩位置；
当接收到通勤用户的访问信息时，获取用户当前位置、当前时间点和上次充电结束时间点；将当前时间点代入可行驶里程预测模型，得到用户预计可行驶里程；所述可行驶里程预测模型具体为：
；
其中，d为预测剩余电量，E为平均充电量，e为每日用电量，t1为当前时间点，t2为上次充电结束时间点，s为预计可行驶里程，γ为修正系数，v为用户车辆百公里综合耗电；
根据当前时间点与平均充电时间点确定用户通勤状态；基于用户当前位置、第一充电桩位置和用户预计可行驶里程划分充电桩选择区域；根据用户通勤状态确定充电桩选择区域，并筛选空闲充电桩；计算空闲充电桩分别与用户当前位置和第一充电桩位置的距离之和，将对应距离之和最小的空闲充电桩信息推送给用户。
2.根据权利要求1所述的一种充电桩充电信息的推送方法，其特征在于，所述当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户，具体为：
获取用户预设的车型信息，根据车型信息计算每日用电量对应的每日行驶里程；当充电时间点方差小于方差阈值，且用户每日行驶里程小于预设里程阈值时，将对应用户标记为通勤用户。
3.根据权利要求1所述的一种充电桩充电信息的推送方法，其特征在于，还包括：
对通勤用户的预测剩余电量进行监测，当预测剩余电量小于预设电量阈值时，向通勤用户发出充电提示。
4.根据权利要求1所述的一种充电桩充电信息的推送方法，其特征在于，所述计算用户平均充电量、平均充电时间点和平均充电间隔时间，具体为：
计算用户平均充电量和平均充电间隔时间，采用预设聚类算法对各充电时间点进行聚类，得到多个充电时间组，在各充电时间组中分别计算平均充电时间点。
5.一种充电桩充电信息的推送系统，其特征在于，包括：
数据处理模块，用于获取用户历史充电数据，所述历史充电数据包括每次充电量和充电时间点，计算用户平均充电量、平均充电时间点和平均充电间隔时间；计算充电时间点的方差，并根据所述平均充电量和平均充电间隔时间计算用户每日用电量；
用户标记模块，用于当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户；确定通勤用户充电时间点对应的充电桩，得到第一充电桩位置；
续航预测模块，用于当接收到通勤用户的访问信息时，获取用户当前位置、当前时间点和上次充电结束时间点；将当前时间点代入可行驶里程预测模型，得到用户预计可行驶里程；所述可行驶里程预测模型具体为：
；
其中，d为预测剩余电量，E为平均充电量，e为每日用电量，t1为当前时间点，t2为上次充电结束时间点，s为预计可行驶里程，γ为修正系数，v为用户车辆百公里综合耗电；
信息推送模块，用于根据当前时间点与平均充电时间点确定用户通勤状态；基于用户当前位置、第一充电桩位置和用户预计可行驶里程划分充电桩选择区域；根据用户通勤状态确定充电桩选择区域，并筛选空闲充电桩；计算空闲充电桩分别与用户当前位置和第一充电桩位置的距离之和，将对应距离之和最小的空闲充电桩信息推送给用户。
6.根据权利要求5所述的一种充电桩充电信息的推送系统，其特征在于，所述用户标记模块中，当充电时间点方差小于方差阈值，且用户每日用电量小于预设电量阈值时，将对应用户标记为通勤用户，具体为：
获取用户预设的车型信息，根据车型信息计算每日用电量对应的每日行驶里程；当充电时间点方差小于方差阈值，且用户每日行驶里程小于预设里程阈值时，将对应用户标记为通勤用户。
7.根据权利要求5所述的一种充电桩充电信息的推送系统，其特征在于，还包括：
充电提示模块，用于对通勤用户的预测剩余电量进行监测，当预测剩余电量小于预设电量阈值时，向通勤用户发出充电提示。
8.根据权利要求5所述的一种充电桩充电信息的推送系统，其特征在于，所述数据处理模块中，计算用户平均充电量、平均充电时间点和平均充电间隔时间，具体为：
计算用户平均充电量和平均充电间隔时间，采用预设聚类算法对各充电时间点进行聚类，得到多个充电时间组，在各充电时间组中分别计算平均充电时间点。
9.一种充电桩充电信息的推送方法设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的一种充电桩充电信息的推送方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-4任一项所述的一种充电桩充电信息的推送方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311307380.9A CN117332163A (zh) | 2023-10-10 | 2023-10-10 | 一种充电桩充电信息的推送方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311307380.9A CN117332163A (zh) | 2023-10-10 | 2023-10-10 | 一种充电桩充电信息的推送方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117332163A true CN117332163A (zh) | 2024-01-02 |
Family
ID=89278786
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311307380.9A Pending CN117332163A (zh) | 2023-10-10 | 2023-10-10 | 一种充电桩充电信息的推送方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117332163A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117556589A (zh) * | 2024-01-04 | 2024-02-13 | 江阴飞阳电子科技有限公司 | 一种仪表电量智能校准方法及系统 |
| CN117994006A (zh) * | 2024-04-02 | 2024-05-07 | 广汽埃安新能源汽车股份有限公司 | 车辆的充电推荐方法及装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120203726A1 (en) * | 2011-02-09 | 2012-08-09 | Diego Klabjan | Information systems and methods for deployment of charging infrastructure in support of electric vehicles |
| US20180096606A1 (en) * | 2016-09-30 | 2018-04-05 | Nec Europe Ltd. | Method to control vehicle fleets to deliver on-demand transportation services |
| CN111959330A (zh) * | 2020-08-28 | 2020-11-20 | 华北电力大学（保定） | 基于用户充电及出行习惯的用户dr方案定制方法 |
| CN113135100A (zh) * | 2020-07-08 | 2021-07-20 | 长城汽车股份有限公司 | 车辆的充电提醒方法、装置、存储介质及车辆 |
| US20210310819A1 (en) * | 2018-09-07 | 2021-10-07 | Volkswagen Aktiengesellschaft | Method and Apparatus for Recommending a Charging Station |
| CN113733983A (zh) * | 2021-09-01 | 2021-12-03 | 三一汽车制造有限公司 | 充电控制方法、装置和车辆 |
| CN114670707A (zh) * | 2021-11-19 | 2022-06-28 | 北京新能源汽车股份有限公司 | 一种充电路线确定方法、装置和可读存储介质 |
| CN115447433A (zh) * | 2022-09-28 | 2022-12-09 | 广州万城万充新能源科技有限公司 | 一种基于用户行为习惯的充电桩系统优化方案 |
| CN115587246A (zh) * | 2022-09-28 | 2023-01-10 | 东风汽车集团股份有限公司 | 充电站推荐方法、装置、设备及可读存储介质 |
| CN115700717A (zh) * | 2022-10-28 | 2023-02-07 | 国网浙江省电力有限公司杭州供电公司 | 一种基于电动汽车用电需求的配电分析方法 |
| CN116432985A (zh) * | 2023-06-09 | 2023-07-14 | 湖南智慧平安科技有限公司 | 一种基于物联网的智慧社区信息处理方法及系统 |
-
2023
- 2023-10-10 CN CN202311307380.9A patent/CN117332163A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120203726A1 (en) * | 2011-02-09 | 2012-08-09 | Diego Klabjan | Information systems and methods for deployment of charging infrastructure in support of electric vehicles |
| US20180096606A1 (en) * | 2016-09-30 | 2018-04-05 | Nec Europe Ltd. | Method to control vehicle fleets to deliver on-demand transportation services |
| US20210310819A1 (en) * | 2018-09-07 | 2021-10-07 | Volkswagen Aktiengesellschaft | Method and Apparatus for Recommending a Charging Station |
| CN113135100A (zh) * | 2020-07-08 | 2021-07-20 | 长城汽车股份有限公司 | 车辆的充电提醒方法、装置、存储介质及车辆 |
| CN111959330A (zh) * | 2020-08-28 | 2020-11-20 | 华北电力大学（保定） | 基于用户充电及出行习惯的用户dr方案定制方法 |
| CN113733983A (zh) * | 2021-09-01 | 2021-12-03 | 三一汽车制造有限公司 | 充电控制方法、装置和车辆 |
| CN114670707A (zh) * | 2021-11-19 | 2022-06-28 | 北京新能源汽车股份有限公司 | 一种充电路线确定方法、装置和可读存储介质 |
| CN115447433A (zh) * | 2022-09-28 | 2022-12-09 | 广州万城万充新能源科技有限公司 | 一种基于用户行为习惯的充电桩系统优化方案 |
| CN115587246A (zh) * | 2022-09-28 | 2023-01-10 | 东风汽车集团股份有限公司 | 充电站推荐方法、装置、设备及可读存储介质 |
| CN115700717A (zh) * | 2022-10-28 | 2023-02-07 | 国网浙江省电力有限公司杭州供电公司 | 一种基于电动汽车用电需求的配电分析方法 |
| CN116432985A (zh) * | 2023-06-09 | 2023-07-14 | 湖南智慧平安科技有限公司 | 一种基于物联网的智慧社区信息处理方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117556589A (zh) * | 2024-01-04 | 2024-02-13 | 江阴飞阳电子科技有限公司 | 一种仪表电量智能校准方法及系统 |
| CN117994006A (zh) * | 2024-04-02 | 2024-05-07 | 广汽埃安新能源汽车股份有限公司 | 车辆的充电推荐方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2951583C (en) | System and method for recommending charging station for electric vehicle | |
| CN117332163A (zh) | 一种充电桩充电信息的推送方法及系统 | |
| CN112789193B (zh) | 用于预测性地控制机动车辆的电能存储器的充电过程的方法和后端设备 | |
| US20190275893A1 (en) | Intelligent charging network | |
| US9020743B2 (en) | Methods and apparatus for predicting a driver destination | |
| US20180060776A1 (en) | Optimizing Selection of Battery Electric Vehicles to Perform Delivery Tasks | |
| US9384515B2 (en) | Shared vehicle management | |
| WO2015121852A1 (en) | Control system for electric vehicle service network | |
| CN111428137B (zh) | 一种电动汽车充电设施的推荐方法及推荐装置 | |
| JP2021536725A (ja) | 電気自動車送電網管理システムおよび方法 | |
| US11904717B2 (en) | Intelligent preconditioning for high voltage electric vehicle batteries | |
| CN114611021B (zh) | 一种推荐充电桩的方法及设备 | |
| JP2016143246A (ja) | 消費電力量予測装置、消費電力量予測方法、サーバ装置 | |
| US20230303053A1 (en) | Control Device and Method for the Predictive Operation of an On-Board Power Supply System | |
| US20210027214A1 (en) | Systems and methods for managing electrically-assisted personal mobility vehicles | |
| CN113395330A (zh) | 电量提醒方法、电量提醒系统和计算机可读存储介质 | |
| CN113988346A (zh) | 一种针对预约充电的推荐方法、设备及存储介质 | |
| US10783500B1 (en) | Systems and methods for managing electrically-assisted personal mobility vehicles | |
| CN116756509A (zh) | 能量管理优化方法、装置、设备及存储介质 | |
| EP3889856B1 (en) | Power calculation apparatus and power calculation method | |
| CN116373692B (zh) | 一种电池加热控制方法及系统 | |
| CN116691426B (zh) | 一种充电机器人的控制方法和系统 | |
| CN117236662B (zh) | 用于共享电动车自动驾驶的大数据平台 | |
| US20240289700A1 (en) | Vehicle charge intent prediction and recommendation systems and methods | |
| CN116461380A (zh) | 一种电池更换的方法、装置及存储介质 |
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 |