CN117556971A - 一种基于人工智能的有序充电推荐系统及方法 - Google Patents
一种基于人工智能的有序充电推荐系统及方法 Download PDFInfo
- Publication number
- CN117556971A CN117556971A CN202311446933.9A CN202311446933A CN117556971A CN 117556971 A CN117556971 A CN 117556971A CN 202311446933 A CN202311446933 A CN 202311446933A CN 117556971 A CN117556971 A CN 117556971A
- Authority
- CN
- China
- Prior art keywords
- charging
- vehicle owner
- vehicle
- platform
- data
- 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 48
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000013439 planning Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 16
- 238000007405 data analysis Methods 0.000 claims description 13
- 238000013500 data storage Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000013523 data management Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000011425 standardization method Methods 0.000 claims 1
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000002759 z-score normalization Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于人工智能的有序充电推荐系统及方法，涉及人工智能技术领域，具体为：平台接收到车主发出的充电请求，获取到车主的位置信息和车辆状态，对车主的充电需求度进行分析；根据车主的位置信息，获取到车主所在区域内的移动充电桩相关数据；根据车主所在区域内的移动充电桩相关数据对车主可用移动充电桩进行筛选，并对筛选出的移动充电桩进行分析，生成推荐充电方案集；车主选择推荐充电方案集中提供的任一方案作为执行方案，并根据平台规划执行方案；平台对车主行驶过程进行监测，并根据对监测数据的分析结果向车主发出相应提示；提供个性化的充电方案，减少车主寻找充电设备的时间，帮助车主有序充电，提高充电效率。
Description
技术领域
本发明涉及人工智能技术领域，具体为一种基于人工智能的有序充电推荐系统及方法。
背景技术
交通运输是人类能源消耗较大的领域之一，电动汽车作为一种高效、低碳、环保的交通工具，对能源的高效利用具有显著的积极作用。随着电动汽车的普及，充电桩的数量也随之增加，需要的电量呈爆发式增长。
有序充电意为有秩序的充电，为了保障电动汽车车主的充电需求，同时降低对电网负荷的影响，很多地区已经实现了对电动汽车有序充电的智能管理。
现有技术中，对有序充电进行研究时，主要对固定充电桩的历史充电数据进行分析，基于历史用电趋势变化向用户推荐合适的充电计划，通过实时电价反映电力供需情况，以此引导车主参与智能充电，帮助用户控制充电成本和充电时间。但是，这类方案主要考虑的是车主的日常充电需求，随着移动充电桩的出现，向电车车主提供了一种新的充电选择。针对移动充电桩在实际应用时与待充电车辆的双向选择，本发明提供了一种基于人工智能的有序充电推荐系统及方法，帮助电动汽车车主在紧急情况下满足充电需求。
发明内容
本发明的目的在于提供一种基于人工智能的有序充电推荐系统及方法，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有序充电推荐方法，包括以下步骤：
S1：平台接收到车主发出的充电请求，获取到车主的位置信息和车辆状态，对车主的充电需求度进行分析；
S2：根据车主的位置信息，获取到车主所在区域内的移动充电桩相关数据，包括移动充电桩编号、移动充电桩位置、移动充电桩的剩余电量和移动充电桩的已有订单；
S3：根据车主所在区域内的移动充电桩相关数据对车主可用移动充电桩进行筛选，并对筛选出的移动充电桩进行分析，通过各移动充电桩的优选度对移动充电桩进行排序，生成推荐充电方案集；
S4：车主通过终端设备接收到平台提供的充电方案集，选择推荐充电方案集中提供的任一方案作为执行方案，将执行方案中相应的移动充电桩作为第一目标，车主根据平台规划路线向第一目标行驶；
S5：平台对车主行驶过程进行监测，当监测到行驶过程中存在另一移动充电桩满足车主的充电需求且该移动充电桩的优选度大于第一目标的优选度时，将该移动充电桩作为第二目标，向车主发出推荐提示，若车主选择忽略第二目标，则按照原规划路线继续行驶；若车主选中第二目标，则将执行方案更换为第二目标所属的充电方案，并更新路线规划。
进一步的，所述S1中，车主通过个人终端向平台发起充电请求，平台根据车主提供的车辆信息，获取到数据库中存储的当前车辆相应的车辆特性，包括车辆的电容量、充电接口类型和车辆支持的充电功率；
平台通过获取车主的个人终端权限，采集到车主的位置坐标信息，并通过车联网或车主手动键入的形式获取到车辆的当前电量e；
车主向平台提供的信息包括出行规划和充电请求响应时长上限t，根据以下公式计算车主的充电需求度D：
其中，η1、η2、η3为重要性权重，具体为一个0到1之间的值，由相关人员预设；E表示车辆的电容量，Y表示车辆所在区域内可用的移动充电桩数量，δ为平滑项；t′表示车主的充电请求的等待时间。
平台根据车主的充电需求度分配订单，当同区域内的移动充电桩不能够满足所有车主的用电需求时，优先对需求度较高的车主进行响应。
进一步的，所述S2中，根据S1中获取的车主位置坐标信息，使用地理信息系统(GIS)或地理编码服务来实现区域的划定；确定车主所在区域，将车主所在区域作为查询条件，在相关数据存储系统中查询车主所在区域内的移动充电桩数据；通过实时查询相关数据存储系统获取的移动充电桩相关数据包括：
移动充电桩编号，所述编号为各移动充电桩具备的唯一标识符，用于识别和区分不同充电桩设备；
移动充电桩位置数据，包括移动充电桩的位置坐标；
移动充电桩的剩余电量，包括移动充电桩当前的电池剩余电量和按照当前电量变化趋势的剩余电量变化预测数据；
移动充电桩的已有订单，包括正在使用和已经预约该移动充电桩的订单，所述订单包括充电位置、充电功率和充电时间。
进一步的，所述S3包括以下步骤：
步骤S3-1：根据车主需要的充电功率和充电时间限制，筛选出满足车主需求的m个移动充电桩；
步骤S3-2：通过评分模型对筛选出的m个移动充电桩的优选度进行评估包括以下步骤：
步骤S3-2-1：对m个移动充电桩，每个移动充电桩有n个指标，包括离车主位置的距离、移动充电桩当前是否处于可使用状态、移动充电桩剩余电量、移动充电桩的历史订单数量、所需费用等因素；构建一个m*n的数据矩阵X，其中第i行j列的元素为Xij；对数据矩阵X进行标准化处理，得到标准化处理后的矩阵X′；使得每个指标都具有零均值和单位方差，使用z-score标准化方法对矩阵X′进行计算：
其中，X′ij表示标准化处理后的矩阵X′中的第i行j列的元素；
步骤S3-2-2：根据标准化处理后的矩阵X′计算协方差矩阵C：
其中，X′T表示矩阵X′的转置；
步骤S3-2-3：对协方差矩阵C进行特征值分解，根据以下特征方程得到特征值λ和对应的特征向量v：
C*v＝λ*v；
将特征值λ按从大到小的顺序排序，选择前k个特征值相应的特征向量作为主成分，组成的矩阵V；将矩阵X′与矩阵V进行点乘，得到主成分得分矩阵Z：
Z＝X′×V；
步骤S3-2-4：根据以下公式计算移动充电桩的优选度Fi：
其中，k表示主成分的数量，Wj表示第j个主成分的权重，将每个主成分的特征值除以总特征值之和，并将其作为对应主成分的权重，根据主成分的特征值占总特征值的比例来确定权重，Zij表示主成分得分矩阵Z中的第i行j列的元素；
步骤S3-3：根据上述评分模型的结果，对m个移动充电桩进行排序，选出优选度排名前g个的移动充电桩，作为推荐充电桩；将g个推荐充电桩及其相应的位置、距离、电量信息和充电等待时间进行组合，得到推荐充电方案集S，S＝{s1,s2,...,sg},其中，s1、s2、...、sg分别表示推荐充电方案集中的第1、2、...、g个推荐充电方案，将生成的推荐充电方案集按照排序反馈至车主端，供车主选择充电方案。
进一步的，所述S4中，车主通过终端设备接收到平台提供的充电方案集，车主浏览充电方案集中的方案信息并选择其中一个作为执行方案；当车主确定执行方案后，将当前执行方案中的移动充电桩设为第一目标，平台根据第一目标的位置信息和二者之间的可停车位置信息向车主提供路线规划，并引导车主根据导航路线行驶；
所述导航路线包括地图和路标，能够进行语音提示和交通信息反馈。
平台提供实时的操作指引、路线优化和交通信息等服务，以确保车主能够安全、快速、便捷地到达充电点。同时，为了保护用户隐私，平台遵守相关规定，保证用户隐私的安全。
进一步的，所述S5包括：
步骤S5-1：通过车载设备或其他方式实时获取车主的位置和行驶状态，根据车辆的实时位置变化对车主对应区域内的移动充电桩数据进行更新；
优选的，获取车主权限后，通过车联网技术实时获取车主的电量情况、目的地距离和其他因素，对车主的充电需求度进行更新，并对其他相应数据进行更新；
步骤S5-2：根据更新的移动充电桩数据重复步骤S3-1和步骤S3-2，当评分模型的结果表示存在移动充电桩y，其优选度大于当前第一目标的优选度时，将移动充电桩E作为第二目标，并向车主发出推荐提示；
步骤S5-3：当车主在收到推荐提示后选择忽略第二目标时，则平台将引导车主继续按照原规划路线行驶，继续执行原规划的充电方案和路线；当车主选择接受第二目标的替换请求时，平台将根据第二目标所属的充电方案更新路线规划；包括导航指引、预计到达时间等。车辆行驶到达预设目的地后，车主停车并将车辆与移动充电桩连接进行充电。
一种基于人工智能的有序充电推荐系统，所述系统包括：车主端数据获取模块、平台数据管理模块、充电推荐分析模块和实时数据反馈模块；
所述车主端数据获取模块用于对车主的终端设备权限进行获取，并根据车主提供的车辆信息，对车主发起的充电请求进行传输；
所述平台数据管理模块用于对平台所监管区域内的移动充电桩及移动充电桩的相关数据进行获取，对监管区域内车主发起的充电请求进行接收，并对平台订单的相关数据进行获取，根据订单相关数据对平台数据库中的相应数据进行实时更新；
所述充电推荐分析模块用于根据获取的车主端数据和平台数据判断是否响应车主的充电请求，并根据车主的充电请求向车主提供充电推荐方案；
所述实时数据反馈模块用于对车主端的充电方案选择进行反馈，并对车主的订单执行全程进行监测，将监测的数据变更情况反馈至平台。
进一步的，所述平台数据管理模块包括：移动充电桩数据获取单元、订单数据监管单元和平台数据存储单元；
所述移动充电桩数据获取单元用于获取平台所监管区域内移动充电桩的相关数据，包括移动充电桩的位置、电量、可用时间等信息。获取方式包括定时轮询和推送通知；
所述订单数据监管单元用于接收监管区域内车主发起的充电请求，并对其进行监管；
所述平台数据存储单元用于实时更新平台数据库中的数据，根据订单相关数据，平台数据存储单元会对平台数据库中的充电桩信息、用户信息和订单信息进行更新，以确保平台数据的准确性和完整性。
平台数据管理模块是一个核心模块，负责监管和管理平台的充电服务。
进一步的，所述充电推荐分析模块包括：充电请求响应单元、综合数据分析单元和充电推荐方案生成单元；
所述充电请求响应单元用于根据车主端发起的充电请求，判断是否响应请求，并确定响应方式，响应方式包括指示车主前往指定位置、派遣移动充电桩进行充电服务等。若不响应车主请求，充电请求响应单元会向车主端发送相应的提示信息，告知原因和解决办法；
所述综合数据分析单元用于对平台内车主、移动充电桩、停车场和交通相关数据进行综合分析，提供全面和准确的信息支持；
所述充电推荐方案生成单元根据数据分析结果，生成充电推荐方案并向车主发送推荐信息，该单元会考虑充电时间、车辆类型、充电费用等因素，结合综合数据分析单元的分析结果，制定出最合适的充电方案，并将推荐信息发送给车主端，以便车主进行选择和决策。
综合使用充电请求响应单元、综合数据分析单元和充电推荐方案生成单元三个组成部分，充电推荐分析模块可以更加智能地响应车主的充电请求，提供优质的充电服务。同时，该模块也可以通过连续的数据分析和调整，不断提升推荐精度和服务质量，提高用户满意度和忠诚度。
进一步的，所述实时数据反馈模块包括：车主端数据监测单元和订单执行反馈单元；
所述车主端数据监测单元对车主端的充电方案选择情况进行监测，并对车主端的充电方案变更进行反馈；
所述订单执行反馈单元用于对平台中的订单执行全流程进行监测，对订单执行过程中的移动充电桩相关数据进行反馈，平台接收到反馈数据后，对平台数据库中的相应数据进行更新。
与现有技术相比，本发明所达到的有益效果是：
本发明基于人工智能算法和车主端数据，系统可以根据车主的车辆信息、充电需求和偏好等因素，以便于平台方根据车主所在区域的移动充电桩情况，提供最合适的充电桩选择，减少车主寻找充电桩的时间和成本，为其提供个性化的充电推荐方案，提高充电的效率和便捷性。
通过平台数据管理模块能够实时获取监管区域内移动充电桩和订单相关数据，并对平台数据库进行实时更新，确保了数据的准确性和及时性，提高用户体验和服务质量。
通过实时数据反馈模块，系统能够及时将车主的充电方案选择情况反馈给平台，同时对车主的订单执行全程进行监测。确保了充电过程中的安全和可靠性，并及时解决可能出现的问题，提升用户满意度。
充电推荐分析模块利用人工智能技术对车主端数据和平台数据进行分析和处理，能够更加智能地判断是否响应车主的充电请求，并给出最适合的充电推荐方案，车主可以根据自己的需求选择执行方案。这样可以提高充电服务的效率和准确性，避免车主因为无法找到适用充电桩而浪费时间和精力，从而提高充电服务的智能化水平。帮助平台用户有序充电，提高了充电效率。
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有序充电推荐系统的模块结构示意图；
图2是本发明一种基于人工智能的有序充电推荐方法的流程示意图。
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2和具体实施例对本发明作进一步的说明。
实施例1：如图1所示，本实施例提供了一种基于人工智能的有序充电推荐系统，所述系统包括：车主端数据获取模块、平台数据管理模块、充电推荐分析模块和实时数据反馈模块；
车主端数据获取模块用于对车主的终端设备权限进行获取，并根据车主提供的车辆信息，对车主发起的充电请求进行传输；
平台数据管理模块用于对平台所监管区域内的移动充电桩及移动充电桩的相关数据进行获取，对监管区域内车主发起的充电请求进行接收，并对平台订单的相关数据进行获取，根据订单相关数据对平台数据库中的相应数据进行实时更新；平台数据管理模块包括：移动充电桩数据获取单元、订单数据监管单元和平台数据存储单元；
移动充电桩数据获取单元用于获取平台所监管区域内移动充电桩的相关数据，包括移动充电桩的位置、电量、可用时间等信息。获取方式包括定时轮询和推送通知；
订单数据监管单元用于接收监管区域内车主发起的充电请求，并对其进行监管；例如，收到车主的充电请求后，订单数据监管单元可能会进行身份验证、计费确认等操作，并将订单相关数据传递给其他模块进行处理。
平台数据存储单元用于实时更新平台数据库中的数据，根据订单相关数据，平台数据存储单元会对平台数据库中的充电桩信息、用户信息和订单信息进行更新，以确保平台数据的准确性和完整性。
平台数据管理模块是一个核心模块，负责监管和管理平台的充电服务。
充电推荐分析模块用于根据获取的车主端数据和平台数据判断是否响应车主的充电请求，并根据车主的充电请求向车主提供充电推荐方案；充电推荐分析模块包括：充电请求响应单元、综合数据分析单元和充电推荐方案生成单元；
充电请求响应单元用于根据车主端发起的充电请求，判断是否响应请求，并确定响应方式，响应方式包括指示车主前往指定位置、派遣移动充电桩进行充电服务等。若不响应车主请求，充电请求响应单元会向车主端发送相应的提示信息，告知原因和解决办法；
综合数据分析单元用于对平台内车主、移动充电桩、停车场和交通相关数据进行综合分析，提供全面和准确的信息支持；例如，根据车主的历史订单记录、当前位置、充电需求等信息，综合数据分析单元可以推荐适合的移动充电桩，并计算出充电费用。
充电推荐方案生成单元根据数据分析结果，生成充电推荐方案并向车主发送推荐信息，该单元会考虑充电时间、车辆类型、充电费用等因素，结合综合数据分析单元的分析结果，制定出最合适的充电方案，并将推荐信息发送给车主端，以便车主进行选择和决策。
实时数据反馈模块用于对车主端的充电方案选择进行反馈，并对车主的订单执行全程进行监测，将监测的数据变更情况反馈至平台；实时数据反馈模块包括：车主端数据监测单元和订单执行反馈单元；
通过车主端数据监测单元对车主端的充电方案选择情况进行监测，并对车主端的充电方案变更进行反馈；
通过订单执行反馈单元对平台中的订单执行全流程进行监测，对订单执行过程中的移动充电桩相关数据进行反馈，平台接收到反馈数据后，对平台数据库中的相应数据进行更新。
实施例2：如图2所示，本实施例提供了一种基于人工智能的有序充电推荐方法，其基于实施例中的一种基于人工智能的有序充电推荐系统实现，具体包括以下步骤：
S1：平台接收到车主发出的充电请求，获取到车主的位置信息和车辆状态，对车主的充电需求度进行分析；
电动汽车车主在实际驾驶过程中面对车辆能源不足的情况时，车主向提供移动充电桩服务的平台发起对移动充电桩的使用请求，移动充电桩受平台管理调配，平台接收到车主的充电意向时，对车主提供的信息进行分析。在S1中，车主通过个人终端向平台发起充电请求，平台根据车主提供的车辆信息，获取到数据库中存储的当前车辆相应的车辆特性，包括车辆的电容量、充电接口类型和车辆支持的充电功率；
平台通过获取车主的个人终端权限，采集到车主的位置坐标信息，并通过车联网或车主手动键入的形式获取到车辆的当前电量e；
车主向平台提供的信息包括出行规划和充电请求响应时长上限t，根据以下公式计算车主的充电需求度D：
其中，η1、η2、η3为重要性权重，具体为一个0到1之间的值，由相关人员预设；E表示车辆的电容量，Y表示车辆所在区域内可用的移动充电桩数量，δ为平滑项；t′表示车主的充电请求的等待时间。
S2：根据车主的位置信息，获取到车主所在区域内的移动充电桩相关数据，包括移动充电桩编号、移动充电桩位置、移动充电桩的剩余电量和移动充电桩的已有订单；
在S2中，根据S1中获取的车主位置坐标信息，使用地理信息系统(GIS)或地理编码服务来实现区域的划定；确定车主所在区域，将车主所在区域作为查询条件，在相关数据存储系统中查询车主所在区域内的移动充电桩数据；通过实时查询相关数据存储系统获取的移动充电桩相关数据包括：
移动充电桩编号，所述编号为各移动充电桩具备的唯一标识符，用于识别和区分不同充电桩设备；
移动充电桩位置数据，包括移动充电桩的位置坐标；
移动充电桩的剩余电量，包括移动充电桩当前的电池剩余电量和按照当前电量变化趋势的剩余电量变化预测数据；
移动充电桩的已有订单，包括正在使用和已经预约该移动充电桩的订单，所述订单包括充电位置、充电功率和充电时间。
S3：根据车主所在区域内的移动充电桩相关数据对车主可用移动充电桩进行筛选，并对筛选出的移动充电桩进行分析，通过各移动充电桩的优选度对移动充电桩进行排序，生成推荐充电方案集；
步骤S3-1：根据车主需要的充电功率和充电时间限制，筛选出满足车主需求的m个移动充电桩，例如，如果车主需要快速充电，则筛选出支持快速充电的移动充电桩，如果车主需要的电量较多则筛选出剩余电量满足车主需求的移动充电桩。
步骤S3-2：通过评分模型对筛选出的m个移动充电桩的优选度进行评估包括以下步骤：
步骤S3-2-1：对m个移动充电桩，每个移动充电桩有n个指标，包括离车主位置的距离、移动充电桩当前是否处于可使用状态、移动充电桩剩余电量、移动充电桩的历史订单数量、所需费用等因素；构建一个m*n的数据矩阵X，其中第i行j列的元素为Xij；对数据矩阵X进行标准化处理，得到标准化处理后的矩阵X′；使得每个指标都具有零均值和单位方差，使用z-score标准化方法对矩阵X′进行计算：
其中，Xi′j表示标准化处理后的矩阵X′中的第i行j列的元素；
步骤S3-2-2：根据标准化处理后的矩阵X′计算协方差矩阵C：
其中，X′T表示矩阵X′的转置；
步骤S3-2-3：对协方差矩阵C进行特征值分解，根据以下特征方程得到特征值λ和对应的特征向量v：
C*v＝λ*v；
将特征值λ按从大到小的顺序排序，选择前k个特征值相应的特征向量作为主成分，组成的矩阵V；将矩阵X′与矩阵V进行点乘，得到主成分得分矩阵Z：
Z＝X′×V；
步骤S3-2-4：根据以下公式计算移动充电桩的优选度Fi：
其中，k表示主成分的数量，Wj表示第j个主成分的权重，将每个主成分的特征值除以总特征值之和，并将其作为对应主成分的权重，根据主成分的特征值占总特征值的比例来确定权重，Zij表示主成分得分矩阵Z中的第i行j列的元素；
步骤S3-3：根据上述评分模型的结果，对m个移动充电桩进行排序，选出优选度排名前10个的移动充电桩，作为推荐充电桩；将10个推荐充电桩及其相应的位置、距离、电量信息和充电等待时间进行组合，得到推荐充电方案集S，S＝{s1,s2,...,s10},其中，s1、s2、...、s10分别表示推荐充电方案集中的第1、2、...、10个推荐充电方案，任一推荐充电方案sc中包括具体的充电点信息、推荐的充电桩使用顺序和路线等；将生成的推荐充电方案集按照排序反馈至车主端，供车主选择充电方案。
S4：车主通过终端设备接收到平台提供的充电方案集，选择推荐充电方案集中提供的任一方案作为执行方案，将执行方案中相应的移动充电桩作为第一目标，车主根据平台规划路线向第一目标行驶；
在S4中，车主通过终端设备接收到平台提供的充电方案集，车主浏览充电方案集中的方案信息并选择其中一个作为执行方案；根据个人需求和实际情况，车主可以在充电方案集中选择任意一个可行的执行方案，例如，选择距离当前位置最近的充电桩，或选择总体评分最高的充电桩等。当车主确定执行方案后，将当前执行方案中的移动充电桩设为第一目标，平台根据第一目标的位置信息和二者之间的可停车位置信息向车主提供路线规划，并引导车主根据导航路线行驶；
所述导航路线包括地图和路标，能够进行语音提示和交通信息反馈。
平台提供实时的操作指引、路线优化和交通信息等服务，以确保车主能够安全、快速、便捷地到达充电点。同时，为了保护用户隐私，平台遵守相关规定，保证用户隐私的安全。
S5：平台对车主行驶过程进行监测，当监测到行驶过程中存在另一移动充电桩满足车主的充电需求且该移动充电桩的优选度大于第一目标的优选度时，将该移动充电桩作为第二目标，向车主发出推荐提示，若车主选择忽略第二目标，则按照原规划路线继续行驶；若车主选中第二目标，则将执行方案更换为第二目标所属的充电方案，并更新路线规划。
步骤S5-1：通过车载设备或其他方式实时获取车主的位置和行驶状态，根据车辆的实时位置变化对车主对应区域内的移动充电桩数据进行更新；
步骤S5-2：根据更新的移动充电桩数据重复步骤S3-1和步骤S3-2，当评分模型的结果表示存在移动充电桩y，其优选度大于当前第一目标的优选度时，将移动充电桩E作为第二目标，并向车主发出推荐提示；
步骤S5-3：当车主在收到推荐提示后选择忽略第二目标时，则平台将引导车主继续按照原规划路线行驶，继续执行原规划的充电方案和路线；当车主选择接受第二目标的替换请求时，平台将根据第二目标所属的充电方案更新路线规划；包括导航指引、预计到达时间等。车辆行驶到达预设目的地后，车主停车并将车辆与移动充电桩连接进行充电。
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 (10)
1.一种基于人工智能的有序充电推荐方法，其特征在于：包括以下步骤：
S1：平台接收到车主发出的充电请求，获取到车主的位置信息和车辆状态，对车主的充电需求度进行分析；
S2：根据车主的位置信息，获取到车主所在区域内的移动充电桩相关数据，包括移动充电桩编号、移动充电桩位置、移动充电桩的剩余电量和移动充电桩的已有订单；
S3：根据车主所在区域内的移动充电桩相关数据对车主可用移动充电桩进行筛选，并对筛选出的移动充电桩进行分析，通过各移动充电桩的优选度对移动充电桩进行排序，生成推荐充电方案集；
S4：车主通过终端设备接收到平台提供的充电方案集，选择推荐充电方案集中提供的任一方案作为执行方案，将执行方案中相应的移动充电桩作为第一目标，车主根据平台规划路线向第一目标行驶；
S5：平台对车主行驶过程进行监测，当监测到行驶过程中存在另一移动充电桩满足车主的充电需求且该移动充电桩的优选度大于第一目标的优选度时，将该移动充电桩作为第二目标，向车主发出推荐提示，若车主选择忽略第二目标，则按照原规划路线继续行驶；若车主选中第二目标，则将执行方案更换为第二目标所属的充电方案，并更新路线规划。
2.根据权利要求1所述的一种基于人工智能的有序充电推荐方法，其特征在于：所述S1中，车主通过个人终端向平台发起充电请求，平台根据车主提供的车辆信息，获取到数据库中存储的当前车辆相应的车辆特性，包括车辆的电容量、充电接口类型和车辆支持的充电功率；
平台通过获取车主的个人终端权限，采集到车主的位置坐标信息，并通过车联网或车主手动键入的形式获取到车辆的当前电量e；
车主向平台提供的信息包括出行规划和充电请求响应时长上限t，根据以下公式计算车主的充电需求度D：
其中，η1、η2、η3为重要性权重，由相关人员预设；E表示车辆的电容量，Y表示车辆所在区域内可用的移动充电桩数量，δ为平滑项；t′表示车主的充电请求的等待时间。
3.根据权利要求1所述的一种基于人工智能的有序充电推荐方法，其特征在于：所述S2中，根据S1中获取的车主位置坐标信息，确定车主所在区域，将车主所在区域作为查询条件，在相关数据存储系统中查询车主所在区域内的移动充电桩数据；通过实时查询相关数据存储系统获取的移动充电桩相关数据包括：
移动充电桩编号，所述编号为各移动充电桩具备的唯一标识符；
移动充电桩位置数据，包括移动充电桩的位置坐标；
移动充电桩的剩余电量，包括移动充电桩当前的电池剩余电量和按照当前电量变化趋势的剩余电量变化预测数据；
移动充电桩的已有订单，包括正在使用和已经预约该移动充电桩的订单，所述订单包括充电位置、充电功率和充电时间。
4.根据权利要求1所述的一种基于人工智能的有序充电推荐方法，其特征在于：所述S3包括以下步骤：
步骤S3-1：根据车主需要的充电功率和充电时间限制，筛选出满足车主需求的m个移动充电桩；
步骤S3-2：通过评分模型对筛选出的m个移动充电桩的优选度进行评估包括以下步骤：
步骤S3-2-1：对m个移动充电桩，每个移动充电桩有n个指标，构建一个m*n的数据矩阵X，其中第i行j列的元素为Xij；对数据矩阵X进行标准化处理，得到标准化处理后的矩阵X′，使用z-score标准化方法对矩阵X′进行计算：
其中，Xi′j表示标准化处理后的矩阵X′中的第i行j列的元素；
步骤S3-2-2：根据标准化处理后的矩阵X′计算协方差矩阵C：
其中，X′T表示矩阵X′的转置；
步骤S3-2-3：对协方差矩阵C进行特征值分解，根据以下特征方程得到特征值λ和对应的特征向量v：
C*v＝λ*v；
将特征值λ按从大到小的顺序排序，选择前k个特征值相应的特征向量作为主成分，组成的矩阵V；将矩阵X′与矩阵V进行点乘，得到主成分得分矩阵Z；
步骤S3-2-4：根据以下公式计算移动充电桩的优选度Fi：
其中，k表示主成分的数量，Wj表示第j个主成分的权重，Zij表示主成分得分矩阵Z中的第i行j列的元素；
步骤S3-3：根据上述评分模型的结果，对m个移动充电桩进行排序，选出优选度排名前g个的移动充电桩，作为推荐充电桩；将g个推荐充电桩及其相应的位置、距离、电量信息和充电等待时间进行组合，得到推荐充电方案集S，S＝{s1,s2,...,sg},其中，s1、s2、...、sg分别表示推荐充电方案集中的第1、2、...、g个推荐充电方案，将生成的推荐充电方案集按照排序反馈至车主端，供车主选择充电方案。
5.根据权利要求1所述的一种基于人工智能的有序充电推荐方法，其特征在于：所述S4中，车主通过终端设备接收到平台提供的充电方案集，车主浏览充电方案集中的方案信息并选择其中一个作为执行方案；当车主确定执行方案后，将当前执行方案中的移动充电桩设为第一目标，平台根据第一目标的位置信息和二者之间的可停车位置信息向车主提供路线规划，并引导车主根据导航路线行驶；
所述导航路线包括地图和路标，能够进行语音提示和交通信息反馈。
6.根据权利要求1所述的一种基于人工智能的有序充电推荐方法，其特征在于：所述S5包括：
步骤S5-1：通过车载设备或其他方式实时获取车主的位置和行驶状态，根据车辆的实时位置变化对车主对应区域内的移动充电桩数据进行更新；
步骤S5-2：根据更新的移动充电桩数据重复步骤S3-1和步骤S3-2，当评分模型的结果表示存在移动充电桩y，其优选度大于当前第一目标的优选度时，将移动充电桩E作为第二目标，并向车主发出推荐提示；
步骤S5-3：当车主在收到推荐提示后选择忽略第二目标时，则平台将引导车主继续按照原规划路线行驶，当车主选择接受第二目标的替换请求时，平台将根据第二目标所属的充电方案更新路线规划。
7.一种基于人工智能的有序充电推荐系统，其特征在于：所述系统包括：车主端数据获取模块、平台数据管理模块、充电推荐分析模块和实时数据反馈模块；
所述车主端数据获取模块用于对车主的终端设备权限进行获取，并根据车主提供的车辆信息，对车主发起的充电请求进行传输；
所述平台数据管理模块用于对平台所监管区域内的移动充电桩及移动充电桩的相关数据进行获取，对监管区域内车主发起的充电请求进行接收，并对平台订单的相关数据进行获取，根据订单相关数据对平台数据库中的相应数据进行实时更新；
所述充电推荐分析模块用于根据获取的车主端数据和平台数据判断是否响应车主的充电请求，并根据车主的充电请求向车主提供充电推荐方案；
所述实时数据反馈模块用于对车主端的充电方案选择进行反馈，并对车主的订单执行全程进行监测，将监测的数据变更情况反馈至平台。
8.根据权利要求7所述的一种基于人工智能的有序充电推荐系统，其特征在于：所述平台数据管理模块包括：移动充电桩数据获取单元、订单数据监管单元和平台数据存储单元；
所述移动充电桩数据获取单元用于获取平台所监管区域内移动充电桩的相关数据，获取方式包括定时轮询和推送通知；
所述订单数据监管单元用于接收监管区域内车主发起的充电请求，并对其进行监管；
所述平台数据存储单元用于实时更新平台数据库中的数据，根据订单相关数据，平台数据存储单元会对平台数据库中的充电桩信息、用户信息和订单信息进行更新。
9.根据权利要求7所述的一种基于人工智能的有序充电推荐系统，其特征在于：所述充电推荐分析模块包括：充电请求响应单元、综合数据分析单元和充电推荐方案生成单元；
所述充电请求响应单元用于根据车主端发起的充电请求，判断是否响应请求，并确定响应方式，若不响应车主请求，充电请求响应单元会向车主端发送相应的提示信息；
所述综合数据分析单元用于对平台内车主、移动充电桩、停车场和交通相关数据进行综合分析，提供信息支持；
所述充电推荐方案生成单元根据数据分析结果，生成充电推荐方案并向车主发送推荐信息。
10.根据权利要求7所述的一种基于人工智能的有序充电推荐系统，其特征在于：所述实时数据反馈模块包括：车主端数据监测单元和订单执行反馈单元；
所述车主端数据监测单元对车主端的充电方案选择情况进行监测，并对车主端的充电方案变更进行反馈；
所述订单执行反馈单元用于对平台中的订单执行全流程进行监测，对订单执行过程中的移动充电桩相关数据进行反馈，平台接收到反馈数据后，对平台数据库中的相应数据进行更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311446933.9A CN117556971A (zh) | 2023-11-02 | 2023-11-02 | 一种基于人工智能的有序充电推荐系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311446933.9A CN117556971A (zh) | 2023-11-02 | 2023-11-02 | 一种基于人工智能的有序充电推荐系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117556971A true CN117556971A (zh) | 2024-02-13 |
Family
ID=89819510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311446933.9A Pending CN117556971A (zh) | 2023-11-02 | 2023-11-02 | 一种基于人工智能的有序充电推荐系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117556971A (zh) |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933466A (zh) * | 2015-07-13 | 2015-09-23 | 武汉大学 | 一种基于电动汽车充电优先级的充电调度系统及方法 |
| CN106515492A (zh) * | 2016-12-01 | 2017-03-22 | 湖南大学 | 一种基于cps的电动汽车充电方法 |
| CN107813725A (zh) * | 2017-11-10 | 2018-03-20 | 江西爱驰亿维实业有限公司 | 用于电动汽车的充电方法及装置 |
| CN109858659A (zh) * | 2017-11-30 | 2019-06-07 | 北京嘀嘀无限科技发展有限公司 | 充电桩站点推荐方法、装置、服务器和可读存储介质 |
| CN110081900A (zh) * | 2019-03-27 | 2019-08-02 | 苏州市黑甲智能科技有限公司 | 一种充电桩智能推荐方法、装置、服务终端和存储介质 |
| CN110119824A (zh) * | 2019-04-30 | 2019-08-13 | 广州大学 | 一种充电桩适配调度系统及方法 |
| CN110225081A (zh) * | 2019-04-30 | 2019-09-10 | 广州大学 | 充电桩信息推送系统及方法 |
| CN110704731A (zh) * | 2019-09-12 | 2020-01-17 | 广州大学 | 一种充电桩链式推荐方法和装置 |
| CN111209493A (zh) * | 2020-01-09 | 2020-05-29 | 杭州中恒电气股份有限公司 | 充电场站推荐方法、装置、设备及介质 |
| CN111415021A (zh) * | 2020-04-02 | 2020-07-14 | 福建工程学院 | 基于智能车载终端的充电桩最优位置推荐管理系统及方法 |
| CN112288293A (zh) * | 2020-11-03 | 2021-01-29 | 浙江华电器材检测研究所有限公司 | 一种大型充电站电能质量综合评估方法 |
| CN113486261A (zh) * | 2021-04-09 | 2021-10-08 | 东风小康汽车有限公司重庆分公司 | 基于大数据分析的充电推荐方法及装置 |
| CN114298770A (zh) * | 2021-12-31 | 2022-04-08 | 北京四维图新科技股份有限公司 | 充电站推荐方法、设备、存储介质及程序产品 |
| CN114676969A (zh) * | 2022-02-28 | 2022-06-28 | 国网电动汽车服务有限公司 | 一种电动汽车充电调度方法及装置 |
| CN115577614A (zh) * | 2022-09-02 | 2023-01-06 | 合肥工业大学 | 基于二次聚类的电动汽车集群可调度容量建模方法 |
| CN115907719A (zh) * | 2022-10-26 | 2023-04-04 | 国网冀北电力有限公司计量中心 | 充电站分级运维管理方法及装置 |
| CN115936205A (zh) * | 2022-11-28 | 2023-04-07 | 深圳市豪位科技有限公司 | 一种用于停车场的车辆充电规划方法 |
| CN116295501A (zh) * | 2023-02-27 | 2023-06-23 | 深圳市田科信息技术有限公司 | 基于多维数据挖掘技术的新能源汽车充电路径规划系统 |
| CN116823042A (zh) * | 2023-06-21 | 2023-09-29 | 中国南方电网有限责任公司 | 充电桩安全评估方法和系统 |
| CN116910494A (zh) * | 2023-09-13 | 2023-10-20 | 南京安充智能科技有限公司 | 一种智慧社区智能化充电桩服务方法、系统及存储介质 |
-
2023
- 2023-11-02 CN CN202311446933.9A patent/CN117556971A/zh active Pending
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933466A (zh) * | 2015-07-13 | 2015-09-23 | 武汉大学 | 一种基于电动汽车充电优先级的充电调度系统及方法 |
| CN106515492A (zh) * | 2016-12-01 | 2017-03-22 | 湖南大学 | 一种基于cps的电动汽车充电方法 |
| CN107813725A (zh) * | 2017-11-10 | 2018-03-20 | 江西爱驰亿维实业有限公司 | 用于电动汽车的充电方法及装置 |
| CN109858659A (zh) * | 2017-11-30 | 2019-06-07 | 北京嘀嘀无限科技发展有限公司 | 充电桩站点推荐方法、装置、服务器和可读存储介质 |
| CN110081900A (zh) * | 2019-03-27 | 2019-08-02 | 苏州市黑甲智能科技有限公司 | 一种充电桩智能推荐方法、装置、服务终端和存储介质 |
| CN110119824A (zh) * | 2019-04-30 | 2019-08-13 | 广州大学 | 一种充电桩适配调度系统及方法 |
| CN110225081A (zh) * | 2019-04-30 | 2019-09-10 | 广州大学 | 充电桩信息推送系统及方法 |
| CN110704731A (zh) * | 2019-09-12 | 2020-01-17 | 广州大学 | 一种充电桩链式推荐方法和装置 |
| CN111209493A (zh) * | 2020-01-09 | 2020-05-29 | 杭州中恒电气股份有限公司 | 充电场站推荐方法、装置、设备及介质 |
| CN111415021A (zh) * | 2020-04-02 | 2020-07-14 | 福建工程学院 | 基于智能车载终端的充电桩最优位置推荐管理系统及方法 |
| CN112288293A (zh) * | 2020-11-03 | 2021-01-29 | 浙江华电器材检测研究所有限公司 | 一种大型充电站电能质量综合评估方法 |
| CN113486261A (zh) * | 2021-04-09 | 2021-10-08 | 东风小康汽车有限公司重庆分公司 | 基于大数据分析的充电推荐方法及装置 |
| CN114298770A (zh) * | 2021-12-31 | 2022-04-08 | 北京四维图新科技股份有限公司 | 充电站推荐方法、设备、存储介质及程序产品 |
| CN114676969A (zh) * | 2022-02-28 | 2022-06-28 | 国网电动汽车服务有限公司 | 一种电动汽车充电调度方法及装置 |
| CN115577614A (zh) * | 2022-09-02 | 2023-01-06 | 合肥工业大学 | 基于二次聚类的电动汽车集群可调度容量建模方法 |
| CN115907719A (zh) * | 2022-10-26 | 2023-04-04 | 国网冀北电力有限公司计量中心 | 充电站分级运维管理方法及装置 |
| CN115936205A (zh) * | 2022-11-28 | 2023-04-07 | 深圳市豪位科技有限公司 | 一种用于停车场的车辆充电规划方法 |
| CN116295501A (zh) * | 2023-02-27 | 2023-06-23 | 深圳市田科信息技术有限公司 | 基于多维数据挖掘技术的新能源汽车充电路径规划系统 |
| CN116823042A (zh) * | 2023-06-21 | 2023-09-29 | 中国南方电网有限责任公司 | 充电桩安全评估方法和系统 |
| CN116910494A (zh) * | 2023-09-13 | 2023-10-20 | 南京安充智能科技有限公司 | 一种智慧社区智能化充电桩服务方法、系统及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| J.A. DOMINGUEZ等: "Optimal Charging Scheduling of Electric Vehicles based on Principal Component Analysis and Convex Optimization", 《2020 IEEE 29TH INTERNATIONAL SYMPOSIUM ON INDUSTRIAL ELECTRONICS (ISIE)》, 30 July 2020 (2020-07-30), pages 935 - 940 * |
| 洪华伟;王峰;郑鹏;温步瀛;: "基于模糊综合评价与主成分分析的客户用电能效研究", 电气技术, no. 10, 15 October 2020 (2020-10-15) * |
| 苏粟等: "考虑实时动态能耗的电动汽车充电路径规划", 《电力系统自动化》, vol. 43, no. 7, 10 April 2019 (2019-04-10), pages 136 - 143 * |
| 薛松;姚阳;蔡嘉隽;黄志芳;: "电动汽车充电桩的选址和定容问题探究", 产业与科技论坛, no. 18, 15 September 2017 (2017-09-15) * |
| 贾鉴等: "基于循环神经网络的空载电动出租车的充电桩推荐方法", 《网络与信息安全学报 》, vol. 6, no. 6, 31 December 2020 (2020-12-31), pages 152 - 162 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101341415B1 (ko) | 전기차량의 예약충전 시스템 | |
| CN107945503B (zh) | 顺风车的拼车方法和系统 | |
| CN111497671B (zh) | 基于车牌自动识别与引导的电动汽车有序充电方法与系统 | |
| CN111532166A (zh) | 一种电动汽车充电路径规划方法、装置、汽车及计算机存储介质 | |
| CN107031433A (zh) | 可接受的车辆充电站的识别 | |
| CN110047318A (zh) | 周边停车位推送方法、装置及计算机可读存储介质 | |
| CN105637543A (zh) | 电动车辆的运行管理装置及运行计划方法 | |
| CN111428137B (zh) | 一种电动汽车充电设施的推荐方法及推荐装置 | |
| JP7068852B2 (ja) | 車両選択装置および方法 | |
| CN105789717B (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 | |
| CN112659974B (zh) | 一种无人驾驶车辆充电控制方法及车载控制设备 | |
| CN110986986A (zh) | 基于语音识别的电动汽车充电导航系统设计 | |
| DE112016006780T5 (de) | Verfahren und Vorrichtungen zum Aufladen von Elektrofahrzeugen | |
| CN110254285B (zh) | 一种基于车联网的对里程焦虑用户提供服务的方法及系统 | |
| CN112308389A (zh) | 基于云计算的电动汽车有序充电调度系统及方法 | |
| Vignesh et al. | Novel based intelligent parking system | |
| CN112801512A (zh) | 应聘人员与工作岗位的匹配方法、装置、介质及电子设备 | |
| CN111559270A (zh) | 基于互联网的电动汽车充电方法 | |
| Wang et al. | Towards accessible shared autonomous electric mobility with dynamic deadlines | |
| CN117556971A (zh) | 一种基于人工智能的有序充电推荐系统及方法 | |
| CN113029176A (zh) | 面向多层级体验的电动汽车最优充电路径规划方法 | |
| CN116451949A (zh) | 一种基于云平台的换电智能监控管理系统 | |
| CN113313276B (zh) | 汽车充电的预约方法、装置、电子设备及存储介质 | |
| Fu et al. | Optimization of Freight Charging Infrastructure Placement Using Multiday Travel Data | |
| CN114861998A (zh) | 一种基于混沌猫群算法的移动补电车调度方法及其系统 |
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 |