一种基于充电桩动态占用率预测的电动汽车充电导航方法技术

技术编号:18780825 阅读:156 留言:0更新日期:2018-08-29 06:01
本发明专利技术公开了一种基于充电站内充电桩动态占用率预测的电动汽车充电导航方法,针对电动汽车充电难、充电桩得不到充分利用等问题,基于深度残差神经网络对充电站内充电桩的动态占用率进行预测,为用户推荐最佳充电站充电桩,提供耗时最短路径。首先通过用户设定的起始点以及电动汽车目前的电量信息,后台计算判断是否需要充电,如果需要充电则获取续驶里程可到达区域内的所有充电站,采用深度残差神经网络模型预测充电站车辆驶入驶离情况,计算充电站内充电桩的占用率,并基于群智感知技术对其进行实时修正,结合起始点到充电站距离以及充电站到终点距离为用户智能推荐路径最佳的充电桩方案。

【技术实现步骤摘要】
一种基于充电桩动态占用率预测的电动汽车充电导航方法
本专利技术涉及电动汽车
,具体涉及一种基于充电站内充电桩动态占用率预测的电动汽车充电导航方法。
技术介绍
为满足城市节能减排的需求,电动汽车数量逐渐增加,由此带来的电动汽车充电难的问题越发凸显。首先,充电基础设施建设相对较缓,电动汽车的增长规模高于充电桩数量的增长规模,车桩之间的缺口仍不断扩大。其次,目前市场上充电桩使用率不均衡,某些充电桩被大量集中使用,而某些充电桩却无人问津。电动汽车充电难的问题不能仅靠充电桩数量的堆叠来解决。如何解决电动汽车充电难的问题,使充电桩得到充分的利用,为用户推荐最佳充电站,提高耗时最短充电路径正是本专利技术的目的。由于目前电动汽车行业正处于前期发展阶段,国内针对电动汽车充电桩使用率的研究并不多,而在电动汽车充电桩市场上,基本以满足电动汽车最基本的充电需求为目的,即采用即到即充的无序充电营业模式,对用户充电行为中的各项细节毫无优化。充电站的运行状态、位置等,都影响着充电站驶入驶离车辆的数量。对充电站内充电桩的占用率进行预测可以在不影响用户充电需求的基础上最大程度地减少电动汽车充电等待时间,解决充电桩使用率不均衡问题。如何通过一个思路简明清晰而有效的方法,为电动汽车车主提供充电站拥堵情况,从而选择最佳充电站是目前电动汽车充电行业面临的重要问题之一。
技术实现思路
为解决上述技术问题,本专利技术提供一种基于充电站内充电桩占用率预测的电动汽车充电导航方法,通过对充电站车辆驶入驶离情况进行预测,为电动汽车用户提供充电桩的占用情况,避免了某些充电桩被大量集中使用而某些充电桩却无人问津情况的出现,使得充电桩得到充分的利用;避免了目前充电站使用率不均衡的问题。为了达到以上目的,本专利技术采用如下技术方案:一种基于充电站内充电桩占用率预测的电动汽车充电导航方法,包括以下步骤:S1:根据电动汽车实时剩余电量计算所对应的续驶里程,根据电动汽车当前位置及目的地计算所需行驶里程;比较续驶里程和所需行驶里程判断电动汽车是否需要充电;S2:若续驶里程大于所需行驶里程,则不需要充电;直接以当前位置为起始点,目的地为终点进行路径规划并导航;S3:若续驶里程小于等于所需行驶里程,则需要充电;预测电动汽车续驶里程可到达区域内的各个充电站内充电桩的占用率并进行实时修正;S4:采用智能算法以耗时最短为目标推荐最佳充电站,规划耗时最短路径并导航。优选地,电动汽车电量的默认规定盈余量为15%~20%。优选地,在S3中,将反映时空数据平滑性、周期性、趋势性的三种属性数据,以及外部影响因素数据作为深度残差神经网络模型的输入预测可到达区域内的各个充电站车的辆驶入驶离情况,计算充电站充电桩的占用率并进行实时修正。优选地,充电站内充电桩的动态占用率计算步骤如下:模拟时空数据的平滑性、周期性、趋势性,获得反映三种属性的数据;将所述三种数据以及外部因素数据输入深度残差神经网络模型预测可到达区域内的各个充电站的车辆驶入驶离情况;根据充电站车辆驶入驶离情况和充电桩数量计算所述充电站内充电桩的占用率;采用群智感知技术实时获取所述充电站车辆数量,实时修正所述充电站内充电桩的占用率。更优选地,所述外部因素数据包括气象条件、温度、风速和是否假期四种数据。优选地,S4中,根据S3中计算的充电站内充电桩的占用率,以耗时最短为目标推荐最佳充电站,将所述最佳充电站设置为第一目标点,所述目的地设置为第二终点,规划耗时最短路径并导航。更优选地,S4中以耗时最短为核心,推荐基于耗时递增的充电站充电桩推荐列表以供选择。本专利技术的有益效果本专利技术提供的基于充电站内充电桩动态占用率预测的电动汽车充电导航,基于考虑时间数据的平滑性、周期性、趋势性以及外部影响因素的深度残差神经网络模型,预测充电站车辆驶入驶离情况,计算充电站内充电桩的占用率,并采用群智感知技术对其进行实时修正,为电动汽车用户提供充电桩的占用情况,避免了某些充电桩被大量集中使用而某些充电桩却无人问津情况的出现,使得充电桩得到充分的利用;避免了目前充电站使用率不均衡的问题。具体实施方式下面通过实施例对本专利技术进行具体描述,有必要在此指出的是本实施例只用于对本专利技术进行进一步说明,不能理解为对本专利技术保护范围的限制,该领域的技术熟练人员可以根据以上专利技术的内容做出一些非本质的改进和调整。在不冲突的情况下,本专利技术中的实施例及实施例中的特征可以相互组合。注:深度残差神经网络模型参考文献:ZhangJ,ZhengY,QiD.DeepSpatio-TemporalResidualNetworksforCitywideCrowdFlowsPrediction[J].2016.该模型代码在微软官方已公开。本专利技术针对当前充电桩使用率分布不均衡,以百度地图为基础,以androidstdio编写程序为主体,结合充电桩情况,为用户智能推荐最佳充电桩。首先判断电动汽车是否需要充电,然后获取续驶里程可到达区域内的充电站内充电桩的动态占用率,最后结合到达某一充电站的距离及当前时刻该充电站内充电桩使用率,为电动汽车用户智能推荐充电桩并提供良好的充电路径规划。主要步骤如下:S1:在为电动汽车用户规划路径时,首先需要判断用户是否需要充电。通过电动汽车实时剩余电量计算所对应的续驶里程,根据电动汽车当前位置及用户所期望的目的地计算所需行驶里程。判断剩余续驶里程和所需行驶里程的大小,确定在前往目的地时是否需要充电。因为路况发生变化,续驶里程计算并不精确,所以设定电量的盈余,默认规定盈余量在15%~20%。S2:若续驶里程大于所需行驶里程,则不需要充电;直接以当前位置为起始点,目的地为终点进行路径规划并导航。S3:若续驶里程小于等于所需行驶里程,则需要在行驶途中为用户进行充电;将反映时空数据平滑性、周期性、趋势性的三种属性数据,以及外部影响因素数据作为深度残差神经网络模型的输入预测可到达区域内的各个充电站车的辆驶入驶离情况,计算充电站充电桩的占用率并进行实时修正。本专利技术采用了深度残差神经网络模型预测充电站车辆驶入驶离情况。首先获取续驶里程可到达区域内的所有充电站,将充电站服务区域划分成1km*1km的格子,把该区域内电动汽车轨迹投射在该网格里,根据区域内电动汽车驶入驶离的数据生成热度图。其次分析热度图时空数据的属性作为深度残差神经网络的输入。第一,时间数据有平滑性。比如时刻t与时刻t-1充电站车流变化较平缓,将相邻时刻t、t-1…t-n的数据输入深度残差神经网络模型中模拟平滑性;第二,时间数据有周期性。将几周内同一时刻对应的数据,即今天时刻t(1)、昨天对应时间点t(2),前天对应时间点t(3)…再往前面同一时刻t(n)的数据等,输入深度残差神经网络模型中模拟周期性;第三,时间数据具有趋势性。将更大时间范围内同一时间点对应的数据,即今天时刻t(1)、前一周同一星期时刻t(8)、前两周同一星期时刻t(15)…前n周同一时刻t(n+1)数据输入深度残差神经网络模型中模拟趋势性。第四,将外部影响因素(包括气象条件、温度、风速、是否假期四种数据)数据归一化处理之后输入深度残差神经网络模型中预测得到充电站车辆驶入驶离情况,驶入数量为Xr,驶离数量为Xl,充电站充电桩数量Xz。然后根据驶入驶离数据及充电站充电桩的数本文档来自技高网...

【技术保护点】
1.一种基于充电站内充电桩动态占用率预测的电动汽车充电导航方法,其特征在于,包括以下步骤:S1:根据电动汽车实时剩余电量计算所对应的续驶里程,根据电动汽车当前位置及目的地计算所需行驶里程;比较续驶里程和所需行驶里程判断电动汽车是否需要充电;S2:若续驶里程大于所需行驶里程,则不需要充电;直接以当前位置为起始点,目的地为终点进行路径规划并导航;S3:若续驶里程小于等于所需行驶里程,则需要充电;预测电动汽车续驶里程可到达区域内的各个充电站内充电桩的占用率并进行实时修正;S4:采用智能算法以耗时最短为目标推荐最佳充电站,规划耗时最短路径并导航。

【技术特征摘要】
1.一种基于充电站内充电桩动态占用率预测的电动汽车充电导航方法,其特征在于,包括以下步骤:S1:根据电动汽车实时剩余电量计算所对应的续驶里程,根据电动汽车当前位置及目的地计算所需行驶里程;比较续驶里程和所需行驶里程判断电动汽车是否需要充电;S2:若续驶里程大于所需行驶里程,则不需要充电;直接以当前位置为起始点,目的地为终点进行路径规划并导航;S3:若续驶里程小于等于所需行驶里程,则需要充电;预测电动汽车续驶里程可到达区域内的各个充电站内充电桩的占用率并进行实时修正;S4:采用智能算法以耗时最短为目标推荐最佳充电站,规划耗时最短路径并导航。2.根据权利要求1所述的电动汽车充电导航方法,其特征在于,电动汽车电量的默认规定盈余量为15%~20%。3.根据权利要求1所述的电动汽车充电导航方法,其特征在于,在S3中,将反映时空数据平滑性、周期性、趋势性的三种属性数据,以及外部影响因素数据作为深度残差神经网络模型的输入预测可到达区域内的各个充电站车的辆驶入驶离情况,计算充电站内充电桩的占用率并...

【专利技术属性】
技术研发人员:苏粟杨恬恬崔笑坤金泽宇杨明皓胡勇张仁尊李玉璟祁继鹏沈孟如
申请(专利权)人:北京交通大学
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1