基于电动汽车需求预测的移动充电桩调度方法及系统技术方案

本发明专利技术属于移动充电桩调度领域，具体涉及了一种基于电动汽车需求预测的移动充电桩调度方法及系统，旨在解决现有移动充电桩调度方法调度范围小、存在找不到充电车以及回收、维护不便的问题。本发明专利技术包括：获取移动充电调度区域内的当前充电需求、固定充电桩和移动充电桩分布图以及各移动充电桩剩余电量信息；通过充电需求预测模型获取下一时间段的预测充电需求并生成充电需求预测分布图；结合移动充电桩分布图、各移动充电桩剩余电量信息生成各移动充电桩调度起点与终点；获取调度工具信息并进行调度任务分组与路径规划；根据分组与路径规划结果进行移动充电桩调度。本发明专利技术在预测充电需求的基础上提前调度移动充电桩，效率高、准确率高、实时性好。

【技术实现步骤摘要】
基于电动汽车需求预测的移动充电桩调度方法及系统
本专利技术属于移动充电桩调度领域，具体涉及了一种基于电动汽车需求预测的移动充电桩调度方法及系统。
技术介绍
面对全球能源短缺、环境污染日趋严峻、节能减排要求不断提高的背景，新能源汽车被大量发展。近些年来，我国新能源电动汽车的数量在不断的增多，当城市充电桩达到一定数量级时，其整体对电网的冲击是巨大的，尤其电动汽车充电存在一定的规律，在夜间前半部分集中进行充电与城市用电高峰重叠，给电网造成的负担最重，后半夜城市用电高峰过去之后，多数电动汽车也充电完毕了。充电存在严重的充电无序性，造成资源浪费的同时，加重了城市供电压力。但是，目前我国充电桩的建设速度要远落后于电动汽车的销售速度，还不能完全满足电动汽车的日常充电需求。此外，现有的充电服务体系还不够完善，现有的充电桩还无法完全实现智能化充电，大部分还是采用人力服务的方式，因此需要消耗大量的人力和物力，同时充电站点分散，管理者不能很好的发挥管理作用，管理难度很大。移动充电桩的出现在一定程度上缓解了日益增多的电动汽车充电需求与电网负担之间的矛盾，但是现本文档来自技高网...

【技术保护点】
1.一种基于电动汽车需求预测的移动充电桩调度方法，其特征在于，该方法包括：/n步骤S10，获取移动充电调度区域作为充电需求预测和移动充电桩调度的待处理区域，并获取所述待处理区域的当前充电需求；获取所述待处理区域的当前移动充电桩分布图、各移动充电桩剩余电量信息以及当前固定充电桩分布图；/n步骤S20，基于所述待处理区域的当前充电需求，通过训练好的基于神经网络的充电需求预测模型获取下一时间段的预测充电需求；/n步骤S30，基于所述下一时间段的预测充电需求生成下一时间段的充电需求预测分布图；/n步骤S40，对比所述充电需求预测分布图与所述固定充电桩分布图，并结合所述移动充电桩分布图、各移动充电桩剩余...

【技术特征摘要】
1.一种基于电动汽车需求预测的移动充电桩调度方法，其特征在于，该方法包括：
步骤S10，获取移动充电调度区域作为充电需求预测和移动充电桩调度的待处理区域，并获取所述待处理区域的当前充电需求；获取所述待处理区域的当前移动充电桩分布图、各移动充电桩剩余电量信息以及当前固定充电桩分布图；
步骤S20，基于所述待处理区域的当前充电需求，通过训练好的基于神经网络的充电需求预测模型获取下一时间段的预测充电需求；
步骤S30，基于所述下一时间段的预测充电需求生成下一时间段的充电需求预测分布图；
步骤S40，对比所述充电需求预测分布图与所述固定充电桩分布图，并结合所述移动充电桩分布图、各移动充电桩剩余电量信息生成各移动充电桩调度起点与终点；
步骤S50，获取移动充电桩调度工具信息，并结合各移动充电桩调度起点与终点，进行移动充电桩调度任务分组与调度路径规划；
步骤S60，基于移动充电桩调度任务分组与调度路径规划结果进行移动充电桩调度。


2.根据权利要求1所述的基于电动汽车需求预测的移动充电桩调度方法，其特征在于，步骤S30之后还设置有移动充电桩筛选过程，包括：
结合所述下一时间段的充电需求预测分布图获取各移动充电桩筛选电量阈值，并将低于阈值的移动充电桩去除，通过剩余的移动充电桩更新所述移动充电桩分布图。


3.根据权利要求1所述的基于电动汽车需求预测的移动充电桩调度方法，其特征在于，所述基于神经网络的充电需求预测模型，其训练过程包括：
步骤B10，将所述待处理区域划分为大小不同的网格；设定模型的激活函数、损失函数和成本函数；
步骤B20，获取设定历史时间段的各网格对应的移动充电桩信息、固定充电桩信息以及电动汽车充电需求作为模型训练数据集，获取对应的天气预报信息和节假日信息作为模型辅助训练数据集；
步骤B30，分别进行所述训练数据集和辅助训练数据集的预处理，获得预处理训练数据集和辅助训练数据集；
步骤B40，设定所述充电需求预测模型的激活函数、损失函数和成本函数，并以所述预处理训练数据集和辅助训练数据集中的一批数据作为模型输入，从模型的输入层向隐含层正向传播计算出损失函数和成本函数值；
步骤B50，判断所述损失函数是否满足对误差的要求以及所述成本函数是否满足对成
本的要求，若均满足则跳至步骤B60；否则，采用梯度下降法对模型权重矩阵和偏置矩阵进行修正，并跳转至步骤B40用新算出的权重矩阵选择新一批数据再次计算；
步骤B60，将训练得到的权重矩阵和偏置矩阵应用于模型，获得训练好的基于神经
网络的充电需求预测模型。


4.根据权利要求3所述的基于电动汽车需求预测的移动充电桩调度方法，其特征在于，基于神经网络构建充电需求预测模型的过程中模型隐含层节点数量通过以下公式获取：



其中，代表求取的模型隐含层的节点数量，和分别代表模型输入层和输出层
的神经元数量，代...

【专利技术属性】
技术研发人员：刘峰，张冰洁，杨俊强，刘然，高洋，
申请(专利权)人：北京国新智电新能源科技有限责任公司，
类型：发明
国别省市：北京;11