CN117573994A - 一种电动汽车能源管理方法及系统 - Google Patents
一种电动汽车能源管理方法及系统 Download PDFInfo
- Publication number
- CN117573994A CN117573994A CN202410065034.2A CN202410065034A CN117573994A CN 117573994 A CN117573994 A CN 117573994A CN 202410065034 A CN202410065034 A CN 202410065034A CN 117573994 A CN117573994 A CN 117573994A
- Authority
- CN
- China
- Prior art keywords
- charging
- charging pile
- information
- energy management
- optimal
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 101
- 238000013499 data model Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000009472 formulation Methods 0.000 abstract description 5
- 239000000203 mixture Substances 0.000 abstract description 5
- 206010063385 Intellectualisation Diseases 0.000 description 9
- 238000005065 mining Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000001953 sensory effect Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012884 algebraic function Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
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
-
- 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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
- Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Transportation (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mechanical Engineering (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Power Engineering (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种电动汽车能源管理方法及系统，涉及电动汽车技术领域，该方法包括：通过智能终端或车载设备向云端服务器发送充电请求，计算最优的充电桩匹配值，以匹配最优充电桩；从智能终端或车载设备中采集电动汽车的能源管理信息，发送至云端服务器；根据能源管理信息，利用人工智能算法建立数据模型，并根据数据模型输出用户偏好信息；获取最优充电桩周围的外部条件，根据外部条件和用户偏好信息，计算出最优充电方案，将最优充电方案下发至智能终端或车载设备以及最优充电桩，以按照最优充电方案充电，本发明能够解决现有技术中忽略用户和外部条件对能源管理的影响，导致能源管理的策略制定方面智能化不足的技术问题。
Description
技术领域
本发明涉及电动汽车技术领域，具体涉及一种电动汽车能源管理方法及系统。
背景技术
电动汽车是指以车载电源为动力，用电机驱动车轮行驶，符合道路交通、安全法规各项要求的车辆。由于对环境影响相对传统汽车较小，其前景被广泛看好，电动汽车在近几年已经备受各界的高度重视，在各个应用领域都有了飞跃式的增长，但仍处于发展初期。
目前比较常见的电动汽车的能源管理方法为通过电动汽车与云端交互，通过云端的AI算法对数据进行评估，以提供更好的电池管理策略和电池故障预警功能，保障电动汽车的安全性，但是没有考虑到用户在能源管理过程中的体验和需求，以及没有考虑到环境、气象以及电网运行装置等外部条件对能源管理的影响，缺乏对电源管理服务全面的挖掘、预测、推荐、匹配、以及调度，智能化不足。
发明内容
针对现有技术的不足，本发明的目的在于提供一种电动汽车能源管理方法及系统，旨在解决现有技术中忽略用户和外部条件对能源管理的影响，导致能源管理的策略制定方面智能化不足的技术问题。
本发明一方面在于提供一种电动汽车能源管理方法，所述方法包括：
通过智能终端或车载设备向云端服务器发送充电请求，根据所述充电请求，通过所述云端服务器为电动汽车计算最优的充电桩匹配值，并将所述充电桩匹配值推荐至所述智能终端或所述车载设备，以匹配最优充电桩，包括：
通过智能终端或车载设备向云端服务器发送充电请求，所述充电请求包括电动汽车的位置、电量、所需充电时间、以及所剩充电费用，
通过所述云端服务器获取充电桩信息，所述充电桩信息包括充电桩位置、充电桩未负载状态、充电桩给电动汽车充电的所需时间、以及充电价格，
基于所述充电请求和所述充电桩信息，计算最优的充电桩匹配值，
，
其中，P为充电桩匹配值，S为电动汽车的电量，Ri为第i个充电桩的充电价格，fs为所剩充电费用，Li为第i个充电桩的位置到电动汽车的位置的距离，Fi为第i个充电桩的未负载状态，ts为电动汽车所需充电时间，Ti为第i个充电桩给电动汽车充电所需时间，k1，k2，k3，k4为权重系数，
将所述充电桩匹配值推荐至所述智能终端或所述车载设备，以匹配最优充电桩；
从智能终端或车载设备中采集电动汽车的能源管理信息，所述能源管理信息包括历史位置信息、历史充电信息以及用户的基本信息，发送至所述云端服务器；
根据所述能源管理信息，利用人工智能算法建立数据模型，并根据所述数据模型输出用户偏好信息；
获取最优充电桩周围的外部条件，所述外部条件包括电网运行状态、气象条件以及市场价格，根据所述外部条件和所述用户偏好信息，计算出最优充电方案，将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电。
与现有技术相比，本发明的有益效果在于：通过本发明提供的电动汽车能源管理方法，能提高能源管理的智能化，具体为，根据所述充电请求，通过所述云端服务器为电动汽车计算最优的充电桩匹配值以便于匹配最优充电桩，提高充电桩的管理水平和利用效率；根据所述能源管理信息，利用人工智能算法建立数据模型，并根据所述数据模型输出用户偏好信息；对能源管理信息进行深度分析和学习，实现对用户偏好的充电行为、充电需求等特征的挖掘和预测，实现智能推荐、匹配、调度等功能，提高用户的体验感，提高能源管理的智能化；获取最优充电桩周围的外部条件，所述外部条件包括电网运行状态、气象条件以及市场价格，根据所述外部条件和所述用户偏好信息，计算出最优充电方案，将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电，将用户偏好信息和外部条件结合，制定最优的充电方案，提高用户的体验和需求，并且加入外部条件对能源管理的影响，对电源管理服务进行全面的挖掘、预测、推荐、匹配、以及调度，进一步提高智能化，优化能源资源的管理和利用，从而解决了现有技术中忽略用户和外部条件对能源管理的影响，导致能源管理的策略制定方面智能化不足的技术问题。
根据上述技术方案的一方面，根据所述能源管理信息，利用人工智能算法建立数据模型，并根据所述数据模型输出用户偏好信息的步骤，具体包括：
对所述能源管理信息进行预处理，以筛选掉异常信息；
将所述历史位置信息、所述历史充电信息作为输入值，将所述用户的基本信息作为输出值，建立数据模型；
将所述能源管理信息划分为训练集和测试集，将所述训练集进行前向传播计算，得到输出层的预测值；
将所述预测值进行反向传播计算，得出与所述历史位置信息以及所述历史充电信息所对应的所述用户的基本信息的误差值；
根据所述误差值更新建立所述数据模型；
根据所述数据模型，输出用户偏好信息，所述用户偏好信息包括用户偏好的充电行为、充电需求。
根据上述技术方案的一方面，预测值的计算公式为：
，
其中，α（l）为第l层的预测值，α（l-1）为第l-1层的预测值，z（l）为第l层的输入值，W（l）为第l层的权重矩阵，b（l）为第l层的偏置向量，f为预测函数。
根据上述技术方案的一方面，误差值的计算公式为：
，
其中，为第l层的误差值，/>为第l+1层的误差值，C为代价函数，/>为预测函数的导数，/>为哈达玛积，W（l+1）为第l+1层的权重矩阵。
根据上述技术方案的一方面，根据所述误差值更新建立所述数据模型的步骤，具体包括：
根据所述误差值，更新权重矩阵和偏置向量；
其中，为学习率，/>为预设函数的转置；
直到所述误差值满足预设阈值，完成所述数据模型的更新；
再利用测试集对所述数据模型进行评估，得到完整的数据模型。
根据上述技术方案的一方面，根据所述外部条件和所述用户偏好信息，计算出最优充电方案，将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电的步骤，具体包括：
建立多目标优化模型，以所述外部条件和所述用户偏好信息为输入值，以充电满意度、充电碳排放为目标函数，输出最优充电方案；
将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电。
根据上述技术方案的一方面，所述方法还包括：
在电动汽车充电的过程中，仿真和交互建立虚拟充电场景，利用虚拟现实设备运行所述虚拟充电场景，使用户体验虚拟充电场景，并通过语音或手势控制充电的过程；
在电动汽车充电完成后，利用生物识别设备为用户提供身份认证和支付认证，完成充电费用支付。
根据上述技术方案的一方面，所述方法还包括：
在电动汽车充电完成后，则云端服务器下发反馈信息至所述智能终端或车载设备，以对所述最优充电桩进行评价和反馈。
本发明另一方面在于提供了一种电动汽车能源管理系统，所述电动汽车能源管理系统用于实现上述电动汽车能源管理方法，所述电动汽车能源管理系统包括：
充电桩匹配模块，用于通过智能终端或车载设备向云端服务器发送充电请求，根据所述充电请求，通过所述云端服务器为电动汽车计算最优的充电桩匹配值，并将所述充电桩匹配值推荐至所述智能终端或所述车载设备，以匹配最优充电桩；
信息采集模块，用于从智能终端或车载设备中采集电动汽车的能源管理信息，所述能源管理信息包括历史位置信息、历史充电信息以及用户的基本信息，发送至所述云端服务器；
模型构建模块，用于根据所述能源管理信息，利用人工智能算法建立数据模型，并根据所述数据模型输出用户偏好信息；
充电方案计算模块，用于获取最优充电桩周围的外部条件，所述外部条件包括电网运行状态、气象条件以及市场价格，根据所述外部条件和所述用户偏好信息，计算出最优充电方案，将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电。
附图说明
本发明的上述与/或附加的方面与优点从结合下面附图对实施例的描述中将变得明显与容易理解，其中：
图1为本发明第一实施例中的电动汽车能源管理方法的流程示意图；
图2为本发明第二实施例中的电动汽车能源管理系统的结构框图；
附图元器件符号说明：
充电桩匹配模块100，信息采集模块200，模型构建模块300，充电方案计算模块400。
具体实施方式
为使本发明的目的、特征与优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”以及类似的表述只是为了说明的目的，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造与操作，因此不能理解为对本发明的限制。
在本发明中，除非另有明确的规定与限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的与所有的组合。
实施例一
请参阅图1，所示本发明的第一实施例提供的一种电动汽车能源管理方法，所述方法包括步骤S10-步骤S13：
步骤S10，通过智能终端或车载设备向云端服务器发送充电请求，根据所述充电请求，通过所述云端服务器为电动汽车计算最优的充电桩匹配值，并将所述充电桩匹配值推荐至所述智能终端或所述车载设备，以匹配最优充电桩，包括：
通过智能终端或车载设备向云端服务器发送充电请求，所述充电请求包括电动汽车的位置、电量、所需充电时间、以及所剩充电费用，
通过所述云端服务器获取充电桩信息，所述充电桩信息包括充电桩位置、充电桩未负载状态、充电桩给电动汽车充电的所需时间、以及充电价格，
基于所述充电请求和所述充电桩信息，计算最优的充电桩匹配值，
，
其中，P为充电桩匹配值，S为电动汽车的电量，Ri为第i个充电桩的充电价格，fs为所剩充电费用，Li为第i个充电桩的位置到电动汽车的位置的距离，Fi为第i个充电桩的未负载状态，ts为电动汽车所需充电时间，Ti为第i个充电桩给电动汽车充电所需时间，k1，k2，k3，k4为权重系数，
将所述充电桩匹配值推荐至所述智能终端或所述车载设备，以匹配最优充电桩；
需要说明的是，通过充电请求和充电桩信息，计算出最优的充电桩方案，以便于匹配最优充电桩，提高充电桩的管理水平和利用效率。
进一步地，所述方法还包括：
为了提高用户的体验感，充电桩匹配值推荐至智能终端或车载设备，则用户可通过智能终端和车载设备确认充电桩匹配值或者是修改充电桩匹配值。
在一些优选的实施例中，用户确认修改充电桩匹配值时，云端服务器将根据用户的位置信息，利用地理信息系统（GIS）技术，查询附近的充电桩的位置、状态、类型、价格等信息，并将这些信息以地图的形式展示给用户，让用户可以自主选择合适的充电桩。
步骤S11，从智能终端或车载设备中采集电动汽车的能源管理信息，所述能源管理信息包括历史位置信息、历史充电信息以及用户的基本信息，发送至所述云端服务器；
其中，采集大量的历史位置信息、历史充电信息以及用户的基本信息，以利于学习分析用户的偏好信息，提高用户体验感。
步骤S12，根据所述能源管理信息，利用人工智能算法建立数据模型，并根据所述数据模型输出用户偏好信息；
具体为，对所述能源管理信息进行预处理，以筛选掉异常信息；
需要说明的是，对收集到的能源管理信息进行预处理，首先，对能源管理信息进行清洗和处理，去除无效、重复、异常、缺失等数据，保证数据的质量和完整性；其次，对清洗和处理后的数据进行分析，利用统计分析、关联分析、聚类分析、分类分析等方法，提取数据的特征、规律、模式等信息，为数据模型建立提供依据。
将所述历史位置信息、所述历史充电信息作为输入值，将所述用户的基本信息作为输出值，建立数据模型；
将所述能源管理信息划分为训练集和测试集，将所述训练集进行前向传播计算，得到输出层的预测值；
进一步地，预测值的计算公式为：
，
其中，α（l）为第l层的预测值，α（l-1）为第l-1层的预测值，z（l）为第l层的输入值，W（l）为第l层的权重矩阵，b（l）为第l层的偏置向量，f为预测函数。
将所述预测值进行反向传播计算，得出与所述历史位置信息以及所述历史充电信息所对应的所述用户的基本信息的误差值；
进一步地，误差值的计算公式为：
，
其中，为第l层的误差值，/>为第l+1层的误差值，C为代价函数，/>为预测函数的导数，/>为哈达玛积(对应元素相乘)，W（l+1）为第l+1层的权重矩阵。
根据所述误差值更新建立所述数据模型；
具体为，根据所述误差值，更新权重矩阵和偏置向量；
其中，为学习率，/>为预设函数的转置；
直到所述误差值满足预设阈值，完成所述数据模型的更新；
在一些优选的实施例当中，误差值满足预设阈值或者是代数函数达到最小值或是代数函数满足预设阈值，才能完成数据模型的更新。
再利用测试集对所述数据模型进行评估，得到完整的数据模型。
具体为，利用测试集进行评估，计算准确率、召回率、F1值等指标，能有效地评估数据模型的性能和泛化能力。
根据所述数据模型，输出用户偏好信息，所述用户偏好信息包括用户偏好的充电行为、充电需求。
需要说明的是，对能源管理信息进行深度分析和学习，实现对用户偏好的充电行为、充电需求等特征的挖掘和预测，实现智能推荐、匹配、调度等功能，提高用户的体验感；
步骤S13，获取最优充电桩周围的外部条件，所述外部条件包括电网运行状态、气象条件以及市场价格，根据所述外部条件和所述用户偏好信息，计算出最优充电方案，将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电。
具体为，建立多目标优化模型，以所述外部条件和所述用户偏好信息为输入值，以充电满意度、充电碳排放为目标函数，输出最优充电方案；
进一步地，利用多目标优化算法，如遗传算法、粒子群算法、模拟退火算法等方法，求解多目标优化问题，得到一组非劣解，即帕累托最优解，这些解在各个目标函数上都无法同时改善，反映了不同目标之间的权衡和折中；最后，利用选择策略，如最大最小法、理想点法、综合评价法等方法，从非劣解中选择出一个最优的充电方案。
将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电。
需要说明的是，将用户偏好信息和外部条件结合，制定最优的充电方案，提高用户的体验和需求，并且加入外部条件对能源管理的影响，对电源管理服务进行全面的挖掘、预测、推荐、匹配、以及调度，提高智能化，优化能源资源的管理和利用。
另外，所述方法还包括：
在电动汽车充电的过程中，仿真和交互建立虚拟充电场景，利用虚拟现实设备运行所述虚拟充电场景，使用户体验虚拟充电场景，并通过语音或手势控制充电的过程；
在一些优选的实施例当中，虚拟充电场景是用户在充电过程中可以选择的不同的虚拟环境，如森林、海滩、星空等，视觉听觉触觉是用户在虚拟充电场景中可以感受到的不同的感官刺激，如颜色、光线、声音、温度、气味等，虚拟充电场景和视觉听觉触觉相互配合，共同构成用户的沉浸式体验；
进一步地，虚拟充电场景的建立：利用三维建模软件，如3ds Max、Maya、Blender等，创建不同的虚拟充电场景的三维模型，包括场景的几何形状、纹理、材质、光照等属性，并导出为标准的三维格式，如OBJ、FBX、GLTF等；
其次，利用虚拟现实引擎，如Unity、Unreal、CryEngine等，导入不同的虚拟充电场景的三维模型，设置场景的物理属性、动画效果、交互逻辑等，并添加相应的声音、温度、气味等感官刺激的数据和控制器，生成可运行的虚拟现实应用程序；
最后，利用虚拟现实设备，如眼镜、耳机、手套、温度控制器、气味发生器等，运行虚拟现实应用程序，将虚拟充电场景的三维模型和感官刺激呈现给用户，让用户感受到逼真的视觉、听觉、触觉等感官刺激，实现充电场景的仿真和交互。
在电动汽车充电完成后，利用生物识别设备为用户提供身份认证和支付认证，完成充电费用支付。
此外，所述方法还包括：
在电动汽车充电完成后，则云端服务器下发反馈信息至所述智能终端或车载设备，以对所述最优充电桩进行评价和反馈。
具体为，通过智能终端或车载设备评价和反馈，包括用户的满意度、建议、意见等信息，并将这些信息存储到云端服务器；
对收集到的评价和反馈进行分析，找出用户不满意的方面，如充电桩的位置、状态、类型、价格等，充电桩的推荐、匹配、调度等，虚拟充电场景的选择、仿真、交互等，以及用户的其他需求和期望等；
根据分析结果，对云端服务器的功能进行优化和改进，如调整数据采集的方法或方式，更新数据模型的算法，修改多目标优化算法和选择策略，增加或删除虚拟充电场景和感官刺激，或者改进生物识别设备的身份认证和支付认证方式等；
通过持续改进，提高充电服务的质量和用户满意度，增加用户粘性和忠诚度，实现持续发展和竞争优势。
与现有技术相比，采用本实施例当中的电动汽车能源管理方法，有益效果在于：通过本发明提供的电动汽车能源管理方法，能提高能源管理的智能化，具体为，根据所述充电请求，通过所述云端服务器为电动汽车计算最优的充电桩匹配值以便于匹配最优充电桩，提高充电桩的管理水平和利用效率；根据所述能源管理信息，利用人工智能算法建立数据模型，并根据所述数据模型输出用户偏好信息；对能源管理信息进行深度分析和学习，实现对用户偏好的充电行为、充电需求等特征的挖掘和预测，实现智能推荐、匹配、调度等功能，提高用户的体验感，提高能源管理的智能化；获取最优充电桩周围的外部条件，所述外部条件包括电网运行状态、气象条件以及市场价格，根据所述外部条件和所述用户偏好信息，计算出最优充电方案，将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电，将用户偏好信息和外部条件结合，制定最优的充电方案，提高用户的体验和需求，并且加入外部条件对能源管理的影响，对电源管理服务进行全面的挖掘、预测、推荐、匹配、以及调度，进一步提高智能化，优化能源资源的管理和利用，从而解决了现有技术中忽略用户和外部条件对能源管理的影响，导致能源管理的策略制定方面智能化不足的技术问题。
实施例二
请参阅图2，所示为本发明的第二实施例提供的一种电动汽车能源管理系统，所述系统包括：
充电桩匹配模块100，用于通过智能终端或车载设备向云端服务器发送充电请求，根据所述充电请求，通过所述云端服务器为电动汽车计算最优的充电桩匹配值，并将所述充电桩匹配值推荐至所述智能终端或所述车载设备，以匹配最优充电桩，包括：
通过智能终端或车载设备向云端服务器发送充电请求，所述充电请求包括电动汽车的位置、电量、所需充电时间、以及所剩充电费用，
通过所述云端服务器获取充电桩信息，所述充电桩信息包括充电桩位置、充电桩未负载状态、充电桩给电动汽车充电的所需时间、以及充电价格，
基于所述充电请求和所述充电桩信息，计算最优的充电桩匹配值，
，
其中，P为充电桩匹配值，S为电动汽车的电量，Ri为第i个充电桩的充电价格，fs为所剩充电费用，Li为第i个充电桩的位置到电动汽车的位置的距离，Fi为第i个充电桩的未负载状态，ts为电动汽车所需充电时间，Ti为第i个充电桩给电动汽车充电所需时间，k1，k2，k3，k4为权重系数，
将所述充电桩匹配值推荐至所述智能终端或所述车载设备，以匹配最优充电桩；
信息采集模块200，用于从智能终端或车载设备中采集电动汽车的能源管理信息，所述能源管理信息包括历史位置信息、历史充电信息以及用户的基本信息，发送至所述云端服务器；
模型构建模块300，用于根据所述能源管理信息，利用人工智能算法建立数据模型，并根据所述数据模型输出用户偏好信息；
充电方案计算模块400，用于获取最优充电桩周围的外部条件，所述外部条件包括电网运行状态、气象条件以及市场价格，根据所述外部条件和所述用户偏好信息，计算出最优充电方案，将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电。
与现有技术相比，采用本实施例当中所示的电动汽车能源管理系统，有益效果在于：通过本发明提供的电动汽车能源管理系统，能提高能源管理的智能化，具体为，通过充电桩匹配模块匹配最优充电桩，提高充电桩的管理水平和利用效率；根据所述能源管理信息，通过模型构建模块对能源管理信息进行深度分析和学习，实现对用户偏好的充电行为、充电需求等特征的挖掘和预测，实现智能推荐、匹配、调度等功能，提高用户的体验感，提高能源管理的智能化；通过充电方案计算模块将用户偏好信息和外部条件结合，制定最优的充电方案，提高用户的体验和需求，并且加入外部条件对能源管理的影响，对电源管理服务进行全面的挖掘、预测、推荐、匹配、以及调度，进一步提高智能化，优化能源资源的管理和利用，从而解决了现有技术中忽略用户和外部条件对能源管理的影响，导致能源管理的策略制定方面智能化不足的技术问题。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体与详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形与改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种电动汽车能源管理方法，其特征在于，所述方法包括：
通过智能终端或车载设备向云端服务器发送充电请求，根据所述充电请求，通过所述云端服务器为电动汽车计算最优的充电桩匹配值，并将所述充电桩匹配值推荐至所述智能终端或所述车载设备，以匹配最优充电桩，包括：
通过智能终端或车载设备向云端服务器发送充电请求，所述充电请求包括电动汽车的位置、电量、所需充电时间、以及所剩充电费用，
通过所述云端服务器获取充电桩信息，所述充电桩信息包括充电桩位置、充电桩未负载状态、充电桩给电动汽车充电的所需时间、以及充电价格，
基于所述充电请求和所述充电桩信息，计算最优的充电桩匹配值，
，
其中，P为充电桩匹配值，S为电动汽车的电量，Ri为第i个充电桩的充电价格，fs为所剩充电费用，Li为第i个充电桩的位置到电动汽车的位置的距离，Fi为第i个充电桩的未负载状态，ts为电动汽车所需充电时间，Ti为第i个充电桩给电动汽车充电所需时间，k1，k2，k3，k4为权重系数，
将所述充电桩匹配值推荐至所述智能终端或所述车载设备，以匹配最优充电桩；
从智能终端或车载设备中采集电动汽车的能源管理信息，所述能源管理信息包括历史位置信息、历史充电信息以及用户的基本信息，发送至所述云端服务器；
根据所述能源管理信息，利用人工智能算法建立数据模型，并根据所述数据模型输出用户偏好信息；
获取最优充电桩周围的外部条件，所述外部条件包括电网运行状态、气象条件以及市场价格，根据所述外部条件和所述用户偏好信息，计算出最优充电方案，将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电。
2.根据权利要求1所述的电动汽车能源管理方法，其特征在于，根据所述能源管理信息，利用人工智能算法建立数据模型，并根据所述数据模型输出用户偏好信息的步骤，具体包括：
对所述能源管理信息进行预处理，以筛选掉异常信息；
将所述历史位置信息、所述历史充电信息作为输入值，将所述用户的基本信息作为输出值，建立数据模型；
将所述能源管理信息划分为训练集和测试集，将所述训练集进行前向传播计算，得到输出层的预测值；
将所述预测值进行反向传播计算，得出与所述历史位置信息以及所述历史充电信息所对应的所述用户的基本信息的误差值；
根据所述误差值更新建立所述数据模型；
根据所述数据模型，输出用户偏好信息，所述用户偏好信息包括用户偏好的充电行为、充电需求。
3.根据权利要求2所述的电动汽车能源管理方法，其特征在于，预测值的计算公式为：
，
其中，α（l）为第l层的预测值，α（l-1）为第l-1层的预测值，z（l）为第l层的输入值，W（l）为第l层的权重矩阵，b（l）为第l层的偏置向量，f为预测函数。
4.根据权利要求3所述的电动汽车能源管理方法，其特征在于，误差值的计算公式为：
，
其中，为第l层的误差值，/>为第l+1层的误差值，C为代价函数，/>为预测函数的导数，/>为哈达玛积，W（l+1）为第l+1层的权重矩阵。
5.根据权利要求4所述的电动汽车能源管理方法，其特征在于，根据所述误差值更新建立所述数据模型的步骤，具体包括：
根据所述误差值，更新权重矩阵和偏置向量；
其中，为学习率，/>为预设函数的转置；
直到所述误差值满足预设阈值，完成所述数据模型的更新；
再利用测试集对所述数据模型进行评估，得到完整的数据模型。
6.根据权利要求5所述的电动汽车能源管理方法，其特征在于，根据所述外部条件和所述用户偏好信息，计算出最优充电方案，将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电的步骤，具体包括：
建立多目标优化模型，以所述外部条件和所述用户偏好信息为输入值，以充电满意度、充电碳排放为目标函数，输出最优充电方案；
将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电。
7.根据权利要求1所述的电动汽车能源管理方法，其特征在于，所述方法还包括：
在电动汽车充电的过程中，仿真和交互建立虚拟充电场景，利用虚拟现实设备运行所述虚拟充电场景，使用户体验虚拟充电场景，并通过语音或手势控制充电的过程；
在电动汽车充电完成后，利用生物识别设备为用户提供身份认证和支付认证，完成充电费用支付。
8.根据权利要求1所述的电动汽车能源管理方法，其特征在于，所述方法还包括：
在电动汽车充电完成后，则云端服务器下发反馈信息至所述智能终端或车载设备，以对所述最优充电桩进行评价和反馈。
9.一种电动汽车能源管理系统，其特征在于，所述电动汽车能源管理系统用于实现权利要求1-8中任意一项所述的电动汽车能源管理方法，所述电动汽车能源管理系统包括：
充电桩匹配模块，用于通过智能终端或车载设备向云端服务器发送充电请求，根据所述充电请求，通过所述云端服务器为电动汽车计算最优的充电桩匹配值，并将所述充电桩匹配值推荐至所述智能终端或所述车载设备，以匹配最优充电桩，包括：
通过智能终端或车载设备向云端服务器发送充电请求，所述充电请求包括电动汽车的位置、电量、所需充电时间、以及所剩充电费用，
通过所述云端服务器获取充电桩信息，所述充电桩信息包括充电桩位置、充电桩未负载状态、充电桩给电动汽车充电的所需时间、以及充电价格，
基于所述充电请求和所述充电桩信息，计算最优的充电桩匹配值，
，
其中，P为充电桩匹配值，S为电动汽车的电量，Ri为第i个充电桩的充电价格，fs为所剩充电费用，Li为第i个充电桩的位置到电动汽车的位置的距离，Fi为第i个充电桩的未负载状态，ts为电动汽车所需充电时间，Ti为第i个充电桩给电动汽车充电所需时间，k1，k2，k3，k4为权重系数，
将所述充电桩匹配值推荐至所述智能终端或所述车载设备，以匹配最优充电桩；
信息采集模块，用于从智能终端或车载设备中采集电动汽车的能源管理信息，所述能源管理信息包括历史位置信息、历史充电信息以及用户的基本信息，发送至所述云端服务器；
模型构建模块，用于根据所述能源管理信息，利用人工智能算法建立数据模型，并根据所述数据模型输出用户偏好信息；
充电方案计算模块，用于获取最优充电桩周围的外部条件，所述外部条件包括电网运行状态、气象条件以及市场价格，根据所述外部条件和所述用户偏好信息，计算出最优充电方案，将所述最优充电方案下发至所述智能终端或所述车载设备以及最优充电桩，以按照最优充电方案充电。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410065034.2A CN117573994B (zh) | 2024-01-17 | 2024-01-17 | 一种电动汽车能源管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410065034.2A CN117573994B (zh) | 2024-01-17 | 2024-01-17 | 一种电动汽车能源管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117573994A true CN117573994A (zh) | 2024-02-20 |
| CN117573994B CN117573994B (zh) | 2024-04-16 |
Family
ID=89886725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410065034.2A Active CN117573994B (zh) | 2024-01-17 | 2024-01-17 | 一种电动汽车能源管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117573994B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012048286A (ja) * | 2010-08-24 | 2012-03-08 | Hitachi Ltd | 電気自動車の充電制御方法、充電監視制御センタ、車載カーナビ装置、および電力系統安定化システム |
| CN109747461A (zh) * | 2019-01-22 | 2019-05-14 | 成都昆朋新能科技有限公司 | 一种智能化电动汽车充电桩推荐方法 |
| CN110110993A (zh) * | 2019-04-30 | 2019-08-09 | 广州大学 | 一种为电动汽车提供充电服务的调度系统 |
| US20200294078A1 (en) * | 2017-11-30 | 2020-09-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for electric vehicle charging |
| CN112193112A (zh) * | 2020-10-16 | 2021-01-08 | 安徽继远软件有限公司 | 一种电动汽车充电场站充电桩智能管理方法及装置 |
| CN112356721A (zh) * | 2020-08-24 | 2021-02-12 | 黑龙江省电工仪器仪表工程技术研究中心有限公司 | 基于云平台的电动汽车充电引导方法及系统 |
| CN114757411A (zh) * | 2022-04-11 | 2022-07-15 | 广州万城万充新能源科技有限公司 | 一种基于目标协同技术的电动汽车充电桩推荐系统 |
-
2024
- 2024-01-17 CN CN202410065034.2A patent/CN117573994B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012048286A (ja) * | 2010-08-24 | 2012-03-08 | Hitachi Ltd | 電気自動車の充電制御方法、充電監視制御センタ、車載カーナビ装置、および電力系統安定化システム |
| US20200294078A1 (en) * | 2017-11-30 | 2020-09-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for electric vehicle charging |
| CN109747461A (zh) * | 2019-01-22 | 2019-05-14 | 成都昆朋新能科技有限公司 | 一种智能化电动汽车充电桩推荐方法 |
| CN110110993A (zh) * | 2019-04-30 | 2019-08-09 | 广州大学 | 一种为电动汽车提供充电服务的调度系统 |
| CN112356721A (zh) * | 2020-08-24 | 2021-02-12 | 黑龙江省电工仪器仪表工程技术研究中心有限公司 | 基于云平台的电动汽车充电引导方法及系统 |
| CN112193112A (zh) * | 2020-10-16 | 2021-01-08 | 安徽继远软件有限公司 | 一种电动汽车充电场站充电桩智能管理方法及装置 |
| CN114757411A (zh) * | 2022-04-11 | 2022-07-15 | 广州万城万充新能源科技有限公司 | 一种基于目标协同技术的电动汽车充电桩推荐系统 |
Non-Patent Citations (3)
| Title |
|---|
| 张鑫;李琰;王文斌;赵玉;徐天奇;: "电动汽车充电预约配对算法研究", 电气工程学报, no. 02, 25 June 2020 (2020-06-25) * |
| 曾鸣;冷鹏;张科;: "面向用户行驶计划的电动汽车充电调度策略", 计算机应用, no. 08, 11 May 2016 (2016-05-11) * |
| 李东东;周冠廷;邹思源;: "基于共享模式的充电桩选择与价格机制研究", 供用电, no. 07, 5 July 2020 (2020-07-05) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117573994B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113415203B (zh) | 一种基于物联网的智能充电桩管理系统 | |
| US10025277B2 (en) | Systems and methods for electrical charging load modeling services to optimize power grid objectives | |
| CN105849998A (zh) | 电力需求预测装置、供电系统、电力需求预测方法及程序 | |
| CN110288202A (zh) | 一种城市公园绿地设施状态评估优化方法 | |
| CN105653601B (zh) | 空调选型的方法及装置 | |
| CN104951834A (zh) | 基于遗传算法和粒子群集成的lssvm风速预测方法 | |
| CN115842347B (zh) | 一种基于数字孪生的微网负荷动态平衡方法、系统及介质 | |
| CN110060042A (zh) | 基于能源区块链的私有充电桩安全共享与电动汽车充电优化的系统及方法 | |
| CN117057656B (zh) | 基于数字孪生的智慧城市管理方法及系统 | |
| CN106786977B (zh) | 一种电动汽车充电站的充电调度方法 | |
| CN110866636A (zh) | 一种综合考虑电动汽车充电站及分布式能源的微电网规划方法 | |
| CN115344653A (zh) | 一种基于用户行为的电动汽车充电站选址方法 | |
| CN109670637A (zh) | 建筑能耗预测方法、存储介质、装置和系统 | |
| CN116933318A (zh) | 一种基于联邦学习的用电数据隐私保护方法 | |
| CN117573994B (zh) | 一种电动汽车能源管理方法及系统 | |
| CN115660346A (zh) | 一种基于边缘控制的规模化车网互动负荷调控方法 | |
| CN117057533A (zh) | 基于负荷评估的细分时段有序充电策略优化方法及装置 | |
| CN114880929A (zh) | 一种基于深度强化学习的多能流优化智能仿真方法及系统 | |
| CN110084522A (zh) | 基于随机粒子群算法的ev充电站位置生成方法及装置 | |
| CN117669908B (zh) | 一种高速公路综合能源系统优化方法、装置、设备及介质 | |
| CN108846561A (zh) | 基于统计模拟混合粒子群的需求响应集成商资源配置策略 | |
| Sajjadi Mohammadabadi | Advancing Communication Efficiency in Electric Vehicle Systems: A Survey of Generative AI and Distributed Machine Learning Strategies | |
| CN117313371A (zh) | 一种基于数字孪生模型的综合展示方法 | |
| CN106771847A (zh) | 一种35kV配电网输电线路雷击风险预测方法 | |
| Helmus et al. | SEVA: A data driven model of electric vehicle charging behavior |
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 |