本申请公开一种车辆充电方法、装置、系统、充电模型训练方法，涉及车辆技术领域。该方法包括获取用于表征车辆充电状况的车辆充电数据和用于表征车辆工作状况的车辆工作数据；基于所述车辆工作数据和预先训练好的耗电模型，得到车辆耗电量；基于所述车辆充电数据、所述车辆耗电量和预先训练好的充电模型，得到车辆充电时长；基于车辆充电时长和车辆工作数据，生成车辆充电计划，车辆充电计划用于指导车辆按照车辆充电计划充电。本方案同时考虑了车辆自身充电影响因素和工作因素，使得最终得到的车辆充电计划能符合实际情况，从而将车辆的充电时间与工作时间错开，防止出现因车辆充电时间较长导致的车辆调度方案难以执行的问题。间较长导致的车辆调度方案难以执行的问题。间较长导致的车辆调度方案难以执行的问题。
【技术实现步骤摘要】
车辆充电方法、装置、系统、充电模型训练方法
[0001]本申请涉及车辆
，具体而言，涉及一种车辆充电方法、装置、系统、充电模型训练方法。
技术介绍
[0002]目前，随着电动车辆技术的完善，越来越多的电动车辆出现在人们的日常生活中，很多地方都开始使用电动公交车。由于电动公交车需要较长时间进行充电，导致原有的公交车调度方案难以执行，容易出现充电时间与调度方案中的出车时间冲突的情况。
技术实现思路
[0003]本申请的提供一种车辆充电方法、装置、系统、充电模型训练方法，以解决现有技术中因车辆充电时间较长导致的车辆调度方案难以执行的问题。
[0004]第一方面，本申请提供一种车辆充电方法，包括：获取用于表征车辆充电状况的车辆充电数据和用于表征车辆工作状况的车辆工作数据；基于所述车辆工作数据和预先训练好的耗电模型，得到车辆耗电量；基于所述车辆充电数据、所述车辆耗电量和预先训练好的充电模型，得到车辆充电时长；基于所述车辆充电时长和所述车辆工作数据，生成车辆充电计划，所述车辆充电计划用于指导车辆按照所述车辆充电计划充电。
[0005]在本申请实施例中，通过利用车辆工作数据和预先训练好的耗电模型，得到车辆耗电量，再利用车辆的车辆充电数据、车辆耗电量和预先训练好的充电模型，得到车辆充电时长；然后基于车辆充电时长和车辆工作数据，生成车辆充电计划，同时考虑了车辆自身因素和工作因素，使得最终得到的车辆充电计划能符合实际情况，从而将车辆的充电时间与工作时间错开，防止出现因车辆充电时间较长导致的车辆调度方案难以执行的问题。
[0006]结合上述第一方面提供的技术方案，在一些可能的实施方式中，所述车辆充电数据包括充电开始时的电池电量、充电电压、充电电流，所述基于所述充电数据和预先训练好的充电模型，得到车辆充电时长，包括：基于所述车辆耗电量得到所述充电结束时的电池电量；基于所述充电结束时的电池电量、所述充电开始时的电池电量、所述充电电压、所述充电电流和所述充电时长预测模型，得到车辆充电时长。
[0007]在本申请实施例中，通过充电结束时的电池电量、充电开始时的电池电量、充电电压、充电电流和充电时长预测模型来获得车辆充电时长，充分考虑了车辆充电过程中的影响因素，使得最终获得的车辆充电时长更加符合实际，进而使最终得到的充电计划更加准确。
[0008]结合上述第一方面提供的技术方案，在一些可能的实施方式中，所述车辆工作数据包括路线平均距离、出车时间、返回时间、出车前电量，所述基于所述充电数据和预先训练好的耗电模型，得到车辆耗电量，包括：基于所述路线平均距离、所述出车时间、所述返回时间、所述出车前电量和所述耗电量预测模型，得到车辆耗电量。
[0009]在本申请实施例中，在预测车辆耗电量时，通过将路线平均距离、出车时间、返回
时间、出车前电量信息考虑在内，充分考虑了车辆在工作中会对耗电量产生影响的因素，使得获得的车辆耗电量与车辆实际工作的耗电量更接近，使得最终获得的车辆耗电量更加符合实际，进而使最终得到的充电计划更加准确。
[0010]结合上述第一方面提供的技术方案，在一些可能的实施方式中，在需要生成多个车辆的充电计划时，所述方法包括：获取所有待调度车辆的用于表征车辆充电状况的车辆充电数据、用于表征车辆工作状况的车辆工作数据和用于表征车辆的标识数据；基于所述车辆工作数据、所述标识数据和预先训练好的耗电模型，得到不同车辆各自的车辆耗电量；基于所述车辆充电数据、所述车辆耗电量、所述标识数据和预先训练好的充电模型，得到不同车辆各自的车辆充电时长；基于所述车辆充电时长、所述车辆工作数据和所述标识数据，生成车辆充电计划，所述车辆充电计划包括所有标识数据各自对应的车辆的充电计划。
[0011]在本申请实施例中，利用车辆工作数据、标识数据和预先训练好的耗电模型，得到每一辆车辆各自的耗电量，再利用多辆车辆的车辆充电数据、车辆耗电量、标识数据和预先训练好的充电模型，得到每一辆车辆各自的充电时长；再基于每一辆车辆各自的充电时长、所述车辆工作数据和标识数据，生成包括所有车辆的车辆充电计划，同时考虑多辆车辆的自身因素和工作因素，利用标识数据进行区分，从而得到包含所有车辆充电计划的充电计划，即能防止出现因车辆充电时间较长导致的车辆调度方案难以执行的问题，也无需在为多辆车辆制定充电计划时，需要重复操作的问题。
[0012]结合上述第一方面提供的技术方案，在一些可能的实施方式中，在基于所述车辆工作数据和预先训练好的耗电模型，得到车辆耗电量之前，所述方法还包括：获取训练样本集，所述训练样本集包括路线平均距离、出车时间、返回时间、出车前电量、实际车辆耗电量；利用所述路线平均距离、所述出车时间、所述返回时间、所述出车前电量、所述实际车辆耗电量对第一神经网络模型进行训练，得到训练好的耗电模型，其中，训练时，所述实际车辆耗电量为参考值。
[0013]在本申请实施例中，通过路线平均距离、出车时间、返回时间、出车前电量、实际车辆耗电量对第一神经网络模型进行训练，得到训练好的耗电模型。充分考虑了车辆在工作中会对耗电量产生影响的因素，使得获得的耗电模型能更精准地预测车辆耗电量。
[0014]结合上述第一方面提供的技术方案，在一些可能的实施方式中，在所述基于所述车辆充电数据和预先训练好的充电模型，得到车辆充电时长之前，所述方法还包括：获取训练样本集，所述训练样本集包括充电结束时的电池电量、充电开始时的电池电量、充电电压、充电电流、实际车辆充电时长；利用所述充电结束时的电池电量、所述充电开始时的电池电量、所述充电电压、所述充电电流、所述实际车辆充电时长对第二神经网络模型进行训练，得到训练好的充电模型，其中，训练时，所述实际车辆充电时长为参考值。
[0015]在本申请实施例中，通过充电结束时的电池电量、充电开始时的电池电量、充电电压、充电电流、实际车辆充电时长对第二神经网络模型进行训练，得到训练好的充电模型。充分考虑了车辆充电过程中的影响因素，使得最终得到的充电模型能更精准地预测车辆充电时长。
[0016]第二方面，本申请提供一种充电模型训练方法，包括：获取第一训练样本集和第二训练样本集，所述第一训练样本集包括用于表征车辆工作状况的车辆工作数据和实际车辆耗电量；所述第二训练样本集包括用于表征车辆充电状况的车辆充电数据和实际车辆充电
时长；利用所述第一训练样本集中车辆充电数据和所述实际车辆充电时长对第二神经网络模型进行训练，得到训练好的用于预测充电时长的充电模型，其中，训练时，所述实际车辆充电时长为参考值；利用所述第二训练样本集中车辆工作数据和所述实际车辆耗电量对第一神经网络模型进行训练，得到训练好的用于预测车辆耗电电量的耗电模型，其中，训练时，所述实际车辆耗电量为参考值。
[0017]第三方面，本申请提供一种车辆充电装置，包括获取模块、处理模块、生成模块。获取模块用于获取用于表征车辆充电状况的车辆充电数据和用于表征车辆工作状况的车辆工作数据；处理模块用于基于所述车辆充电数据和预先训练好的充电模本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆充电方法，其特征在于，包括：获取用于表征车辆充电状况的车辆充电数据和用于表征车辆工作状况的车辆工作数据；基于所述车辆工作数据和预先训练好的耗电模型，得到车辆耗电量；基于所述车辆充电数据、所述车辆耗电量和预先训练好的充电模型，得到车辆充电时长；基于所述车辆充电时长和所述车辆工作数据，生成车辆充电计划，所述车辆充电计划用于指导车辆按照所述车辆充电计划充电。2.根据权利要求1所述的方法，其特征在于，所述车辆充电数据包括充电开始时的电池电量、充电电压、充电电流；所述基于所述充电数据、所述车辆耗电量和预先训练好的充电模型，得到车辆充电时长，包括：基于所述车辆耗电量，得到充电结束时的电池电量；基于所述充电结束时的电池电量、所述充电开始时的电池电量、所述充电电压、所述充电电流和所述充电模型，得到车辆充电时长。3.根据权利要求1所述的方法，其特征在于，所述车辆工作数据包括路线平均距离、出车时间、返回时间、出车前电量，所述基于所述充电数据和预先训练好的耗电模型，得到车辆耗电量，包括：基于所述路线平均距离、所述出车时间、所述返回时间、所述出车前电量和所述耗电模型，得到车辆耗电量。4.根据权利要求1所述的方法，其特征在于，在需要生成多个车辆的充电计划时，所述方法包括：获取所有待调度车辆的用于表征车辆充电状况的车辆充电数据、用于表征车辆工作状况的车辆工作数据和用于表征车辆的标识数据；基于所述车辆工作数据、所述标识数据和预先训练好的耗电模型，得到不同车辆各自的车辆耗电量；基于所述车辆充电数据、所述车辆耗电量、所述标识数据和预先训练好的充电模型，得到不同车辆各自的车辆充电时长；基于所述车辆充电时长、所述车辆工作数据和所述标识数据，生成车辆充电计划，所述车辆充电计划包括所有标识数据各自对应的车辆的充电计划。5.根据权利要求1所述的方法，其特征在于，在基于所述车辆工作数据和预先训练好的耗电模型，得到车辆耗电量之前，所述方法还包括：获取训练样本集，所述训练样本集包括路线平均距离、出车时间、返回时间、出车前电量、实际车辆耗电量；利用所述路线平均距离、所述出车时间、所述返回时间、所述出车前电量、所述实际车辆耗电量对第一神经网络模型进行训练，得到训练好的耗电模型，其中，训练时，所述实际车辆耗电量为参考...
【专利技术属性】
技术研发人员：左巍，覃见吉，张民，
申请(专利权)人：广州锐速智能科技股份有限公司，
类型：发明
国别省市：
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。