一种电动汽车充电需求预测方法及装置制造方法及图纸

本发明专利技术提供一种电动汽车充电需求预测方法及装置，包括：利用预先建立的神经网络模型预测电动汽车驾驶速度；根据电动汽车驾驶速度确定电动汽车能量消耗；根据电动汽车能量消耗确定电动汽车充电需求；其中，预先建立的神经网络模型利用历史交通环境信息及其对应的历史电动汽车驾驶速度建立；本发明专利技术基于深度学习历史交通环境信息及其对应的历史电动汽车驾驶速度和电动汽车电池模型使预测的电动汽车充电需求更加准确，具备良好的可操作性和实用性。

A Prediction Method and Device for Electric Vehicle Charging Demand

The invention provides an electric vehicle charging demand prediction method and device, which includes: predicting the driving speed of electric vehicle by using a pre-established neural network model; determining the energy consumption of electric vehicle according to the driving speed of electric vehicle; determining the charging demand of electric vehicle according to the energy consumption of electric vehicle; among them, the pre-established neural network model utilizes historical traffic environment information. The invention is based on in-depth learning of historical traffic environment information and corresponding historical electric vehicle driving speed and electric vehicle battery model, so that the predicted charging demand of electric vehicle is more accurate, and has good operability and practicability.

【技术实现步骤摘要】
一种电动汽车充电需求预测方法及装置
本专利技术属于充电
，具体涉及一种电动汽车充电需求预测方法及装置。
技术介绍
传统能源危机与环境污染的日益加剧，促使电动汽车技术快速发展、市场上电动汽车的数量快速增加，为了应对电动汽车的充电需求，大量的充电桩投入市场运行。然而，电动汽车的充电需求与充电站之间的矛盾日益突出。其中，对电动汽车充电需求的准确预测是电动汽车充电网络管理中最基本的管理方法，且当前的商用电动汽车充电需求预测并未充分利用现有的信息处理与分析技术。目前的预测方法中，一种是先基于传统汽车基于车辆动力学模型的能量需求估算方法，再假设基于恒定速度行驶预测出电动汽车的充电需要；另一种方法是结合了汽车动力学模型以及电池模型，两种方法预测出的电动汽车充电需求都不够准确，不能满足电动汽车充电网络管理中的基本需求。
技术实现思路
本专利技术提供一种电动汽车充电需求预测方法及装置，综合考虑影响实际驾驶的环境因素、驾驶员的驾驶习惯和电动汽车的电池特性，目的是使对电动汽车充电需求预测更加准确。为实现上述目的，本专利技术提供一种电动汽车充电需求预测方法，其改进之处在于，方法包括：利用预先建立的神经网络模型预测电动汽车驾驶速度；根据所述电动汽车驾驶速度确定电动汽车能量消耗；根据电动汽车能量消耗确定电动汽车充电需求；其中，所述预先建立的神经网络模型利用历史交通环境信息及其对应的历史电动汽车驾驶速度建立；优选地，所述交通环境信息，包括：温度、风速、交通拥堵指数及道路坡度；进一步地，所述利用预先建立的神经网络模型预测电动汽车驾驶速度，包括：将预测时间段的交通环境信息输入至所述预先建立的神经网络模型，获取预测时间段的电动汽车驾驶速度；进一步地，所述根据所述电动汽车驾驶速度确定电动汽车能量消耗，包括：按下式确定预测时间段内第k个采样周期电动汽车能量消耗Ekτ：Ekτ＝(FTractionvk+PAnc)τ式中，FTraction是电动汽车的牵引力；τ为预测时间段的采样周期；n是采样周期总数；vk是预测时间段内第k个采样周期预测的电动汽车驾驶速度；PAnc是电动汽车辅助系统消耗功率；进一步地，所述根据电动汽车能量消耗确定电动汽车充电需求包括：按下式确定电池剩余荷电状态SOCt+nτ：式中，SOCt是当前电动汽车电池的荷电状态；Ut+kτ是电动汽车电池在第k个采样周期的电压值；Q是电动汽车电池的总电量；根据若所述剩余荷电状态SOCt+nτ小于20％，则提醒驾驶员需要充电。本专利技术提供一种电动汽车充电需求预测装置，其改进之处在于，装置包括：预测速度模块，用于利用预先建立的神经网络模型预测电动汽车驾驶速度；能量消耗确定模块，用于根据所述电动汽车驾驶速度确定电动汽车能量消耗；充电需求预测模块，用于根据电动汽车能量消耗确定电动汽车充电需求；其中，所述预先建立的神经网络模型利用历史交通环境信息及其对应的历史电动汽车驾驶速度建立；优选地，所述交通环境信息，包括：温度、风速、交通拥堵指数及道路坡度；进一步地，所述预测速度模块用于：将预测时间段的交通环境信息输入至所述预先建立的神经网络模型，获取预测时间段的电动汽车驾驶速度；进一步地，所述能量消耗确定模块用于：按下式确定预测时间段内第k个采样周期电动汽车能量消耗Ekτ：Ekτ＝(FTractionvk+PAnc)τ式中，FTraction是电动汽车的牵引力；τ为预测时间段的采样周期；vk是预测时间段内第k个采样周期预测的电动汽车驾驶速度；PAnc是电动汽车辅助系统消耗功率；进一步地，所述充电需求预测模块包括：剩余荷电状态确定单元，用于按下式确定第t+nτ时刻的电动汽车电池剩余荷电状态SOCt+nτ：式中，SOCt是当前时刻t电动汽车电池的荷电状态；n是采样周期总数；Ekτ第k个采样周期电动汽车能量消耗；Ut+kτ是电动汽车电池在第k个采样周期的电压值；Q是电动汽车电池的总电量；充电需求判断单元，用于当所述剩余荷电状态SOCt+nτ小于20％，则提醒驾驶员需要充电。和最接近的现有技术比，本专利技术提供技术方案具有以下优异效果本专利技术提出的一种电动汽车充电需求预测方法及装置，通过深度学习大数据平台的历史交通环境信息及其对应的历史电动汽车驾驶速度预先建立的神经网络模型，先将预测时间段内的交通环境信息输入神经网络模型预测电动汽车驾驶速度、再结合车辆牵引力和根据预测出的电动汽车驾驶速度估计电动汽车的能量消耗、最后结合电动汽车电池模型和估计电动汽车的能量消耗确定电动汽车充电需求，能够准确地预测电动汽车的充电需求，具备良好的可操作性和实用性。附图说明图1是本专利技术充电需求预测方法示意图；图2是本专利技术充电需求预测装置结构图。具体实施方式下面结合实施例对专利技术作进一步的详细说明。如图1所示，本专利技术提供一种电动汽车充电需求预测方法，方法包括：步骤1，利用预先建立的神经网络模型预测电动汽车驾驶速度；步骤2，根据所述电动汽车驾驶速度确定电动汽车能量消耗；步骤3，根据电动汽车能量消耗确定电动汽车充电需求；其中，预先建立的神经网络模型利用历史交通环境信息及其对应的历史电动汽车驾驶速度获取；获取步骤包括：将所述历史交通环境信息及其对应的历史电动汽车驾驶速度输入所述神经网络模型的输入层，并传至所述神经网络模型的隐藏层；隐藏层学习记忆所述历史交通环境信息及其对应的历史电动汽车驾驶速度；预先建立的神经网络模型的隐藏层设置有30个神经元；所述神经元设置有AdaGrad优化器；所述优化器的学习率设置为指数衰减法。其中，交通环境信息包括：温度、风速、交通拥堵指数及道路坡度。在具体的实施例中，预测方法具体介绍如下：步骤1利用预先建立的神经网络模型预测电动汽车驾驶速度，具体包括：将预测时间段的交通环境信息输入至所述预先建立的神经网络模型，获取预测时间段的电动汽车驾驶速度；步骤2根据所述电动汽车驾驶速度确定电动汽车能量消耗，具体包括：按下式确定预测时间段内第k个采样周期电动汽车能量消耗Ekτ：Ekτ＝(FTractionvk+PAnc)τ式中，FTraction是电动汽车的牵引力；τ为预测时间段的采样周期；n是采样周期总数；vk是预测时间段内第k个采样周期预测的电动汽车驾驶速度；PAnc是电动汽车辅助系统消耗功率；其中，电动汽车的牵引力可以通过车辆动力学模型或实测获得；电动汽车辅助系统消耗功率PAnc包括空调和灯光的功率消耗，可以根据其实际功率消耗状态确定，也可以预设为常值。步骤3所述根据电动汽车能量消耗确定电动汽车充电需求，具体包括：按下式确定电池剩余荷电状态SOCt+nτ：式中，SOCt是当前电动汽车电池的荷电状态；Ut+kτ是电动汽车电池在第k个采样周期的电压值；Q是电动汽车电池的总电量；当所述剩余荷电状态SOCt+nτ小于20％，则提醒驾驶员需要充电。如图2所示，本专利技术还提供一种电动汽车充电需求预测装置，装置包括：预测速度模块，用于利用预先建立的神经网络模型预测电动汽车驾驶速度；能量消耗确定模块，用于根据所述电动汽车驾驶速度确定电动汽车能量消耗；充电需求预测模块，用于根据电动汽车能量消耗确定电动汽车充电需求；其中，所述预先建立的神经网络模型利用历史交通环境信息及其对应的历史电动汽车驾驶速度建立；神经网络模型获取模块用于：将所述历史交通环境信息及其对应本文档来自技高网...

【技术保护点】
1.一种电动汽车充电需求预测方法，其特征在于，所述方法包括：利用预先建立的神经网络模型预测电动汽车驾驶速度；根据所述电动汽车驾驶速度确定电动汽车能量消耗；根据电动汽车能量消耗确定电动汽车充电需求；其中，所述预先建立的神经网络模型利用历史交通环境信息及其对应的历史电动汽车驾驶速度建立。

【技术特征摘要】
1.一种电动汽车充电需求预测方法，其特征在于，所述方法包括：利用预先建立的神经网络模型预测电动汽车驾驶速度；根据所述电动汽车驾驶速度确定电动汽车能量消耗；根据电动汽车能量消耗确定电动汽车充电需求；其中，所述预先建立的神经网络模型利用历史交通环境信息及其对应的历史电动汽车驾驶速度建立。2.如权利要求1所述的方法，其特征在于，所述交通环境信息，包括：温度、风速、交通拥堵指数及道路坡度。3.如权利要求2所述的方法，其特征在于，所述利用预先建立的神经网络模型预测电动汽车驾驶速度，包括：将预测时间段的交通环境信息输入至所述预先建立的神经网络模型，获取预测时间段的电动汽车驾驶速度。4.如权利要求2所述的方法，其特征在于，所述根据所述电动汽车驾驶速度确定电动汽车能量消耗，包括：按下式确定预测时间段内第k个采样周期电动汽车能量消耗Ekτ：Ekτ＝(FTractionvk+PAnc)τ式中，FTraction是电动汽车的牵引力；τ为预测时间段的采样周期；n是采样周期总数；vk是预测时间段内第k个采样周期预测的电动汽车驾驶速度；PAnc是电动汽车辅助系统消耗功率。5.如权利要求2所述的方法，其特征在于，所述根据电动汽车能量消耗确定电动汽车充电需求包括：按下式确定电池剩余荷电状态SOCt+nτ：式中，SOCt是当前电动汽车电池的荷电状态；Ut+kτ是电动汽车电池在第k个采样周期的电压值；Q是电动汽车电池的总电量；根据若所述剩余荷电状态SOCt+nτ小于20％，则提醒驾驶员需要充电。6.一种电动汽车充电需求预测装置，其特征在...

【专利技术属性】
技术研发人员：张元星，蒋林洳，刘永相，江冰，李涛永，张晶，冯义，张宝平，刁晓虹，李康，许娟婷，马澄斌，李斌，闫华光，郭炳庆，覃剑，仇新宇，许庆强，肖宇华，吴涛，易江腾，
申请(专利权)人：国家电网有限公司，中国电力科学研究院有限公司，国网电动汽车服务有限公司，国网江苏省电力有限公司，
类型：发明
国别省市：北京,11