基于换电电荷消耗算法提升电池利用效率的方法技术

本发明专利技术公开了基于换电电荷消耗算法提升电池利用效率的方法，包括数据上报和采集、数据的收集和存储、数据计算、数据回传以及工单派发和电池调度执行五个步骤；通过换电电荷消耗算法构建电池利用率和用户需求满足程度相结合的模型，进而获得最优的电池管理策略，以此来指导电池的分配与调度，生成工单对应的调度数据，工单发送给一线调度人员，由一线调度人员根据工单显示信息完成电池调度作业。本发明专利技术通过换电电荷消耗算法构建电池利用率和用户需求满足程度相结合的模型，进而获得最优的电池管理策略来指导电池的分配与调度，大大提高电池的利用效率。高电池的利用效率。高电池的利用效率。

【技术实现步骤摘要】
基于换电电荷消耗算法提升电池利用效率的方法


[0001]本专利技术属于二轮车的电池换电调度
，尤其涉及基于换电电荷消耗算法提升电池利用效率的方法。

技术介绍

[0002]二轮车换电服务在快递及外卖行业中应用广泛，提高补能及时性与便利性。但是，换电柜中电池的数量分布及电量情况则直接影响补能的充分性，电池分布的差异导致换电柜中电池的实际使用效率偏低，影响经济效益。

技术实现思路

[0003]专利技术目的：为了克服现有技术中存在的不足，本专利技术提供基于换电电荷消耗算法提升电池利用效率的方法，通过换电电荷消耗算法构建电池利用率和用户需求满足程度相结合的模型，进而获得最优的电池管理策略来指导电池的分配与调度，大大提高电池的利用效率。
[0004]技术方案：为实现上述目的，本专利技术的基于换电电荷消耗算法提升电池利用效率的方法，包括以下步骤：
[0005]步骤S1：数据上报和采集
[0006]利用物联网设备对换电柜中的电池数量和换电订单进行实时监测和计算，并将数据传输至大数据平台；
[0007]步骤S2：数据的收集和存储
[0008]利用实时接入或离线同步方式对数据进行收集与存储；
[0009]步骤S3：数据计算
[0010]对数据进行清洗，并通过换电电荷消耗算法构建电池利用率和用户需求满足程度相结合的模型，进而获得最优的电池管理策略，以此来指导电池的分配与调度，生成工单对应的调度数据；
[0011]步骤S4：数据回传
[0012]调度数据传输回工单系统，通过工单读取大数据平台接口，直接创建工单，并自动化将指令送达给一线电池调度人员；
[0013]步骤S5：工单派发和电池调度执行
[0014]获取换电柜的位置信息、一线调度人员的位置信息以及换电柜内电池的分配情况，并利用路径规划算法确定最优的调度路径后，自动将工单派发给距离需要电池调度的换电柜最近位置的一线调度人员，一线调度人员前往工单指定的换电柜位置，根据工单信息显示的换电柜内电池的分配情况并结合调度路径执行电池调度作业。
[0015]进一步地，在步骤S3中，数据计算的具体步骤如下：
[0016]1)数据清洗
[0017]对收集到的原始数据进行清洗和预处理，去除噪声，处理异常值，并进行数据格式
转换和统一化；
[0018]2)估算不同换电柜用户换电时间间隔
[0019]2.1)确定时间间隔分布的类型：利用指数分布，用于描述用户到达换电柜的时间间隔；
[0020]2.2)对历史数据进行建模，利用极大似然分布估计指数分布的参数λ：
[0021]设用户到达换电柜的时间间隔数据t1,t2,...,tn，通过以下步骤来估计参数λ：
[0022]2.21)计算数据的平均值m，即m＝(t1+t2+...+tn)/n；
[0023]2.22)估计λ的值为1/m，这是指数分布参数的最大似然估计值；
[0024]2.3)对历史数据进行建模，利用最小二乘法估计指数分布的参数λ；
[0025]设用户到达换电柜的时间间隔数据t1,t2,...,tn，通过以下步骤来估计参数λ：
[0026]2.31)考虑将指数分布的概率密度函数f(t)＝λ*e^(
‑
λ*t)取对数：ln(f(t))＝ln(λ)
‑
λ*t；
[0027]2.32)拟合一个线性模型ln(f(t))＝a
‑
b*t，其中：a＝ln(λ)为截距，b＝λ为斜率；
[0028]2.33)通过最小二乘法，可以得到估计值b＝1/m，其中：m＝(t1+t2+...+tn)/n为样本数据的平均值；
[0029]2.34)计算λ＝1/b，即λ＝m；
[0030]2.4)对于历史数据量情况与估计值与实际情况的契合程度，将两种估计方式进行融合：
[0031]λ_fused＝w*λ_LS+(1
‑
w)*λ_MLE
[0032]其中：λ_LS为最小二乘法估计结果，λ_MLE为极大似然估计结果；
[0033]3)确立模型的评估机制
[0034]3.1)定义模型中使用的参数：
[0035]k：电池的数量；
[0036]Qt(i)：第i个电池t时间下的电量；
[0037]I*t(i)：第i个电池在时间间隔t到t
‑
1之间的净充电量；
[0038]delta Q(i)：第i个电池在时间间隔t到t
‑
1之间的消耗量；
[0039]λ_fused：用户来换电柜的时间间隔的指数分布参数；
[0040]3.2)定义目标函数F：
[0041]F＝θ*(1/K*∑(Qt(i)/Qmax))+(1
‑
θ)*(1
‑
∫(λ_fused*e^(
‑
λ_fused*t),t,0,T))
[0042]其中：θ是一个控制权衡电池利用率和用户需求满足程度的权重系数；T是观测时间窗口的长度，用来衡量用户需求的满足程度；(1/K*∑(Qt(i)/Qmax))表示电池电量与最大电量Qmax的平均比例，用来衡量电池利用率；∫(λ*e^(
‑
λ*t),t,0,T)表示用户来换电柜的时间间隔的指数分布的累积分布函数；
[0043]目标函数F将电池利用率和用户需求满足程度结合在一起，通过调整权重系数θ来平衡两者的重要性，然后，最大化目标函数F，通过不断迭代优化，找到最优的电池管理策略，以实现更高的电池利用效率和更好的用户需求满足程度；
[0044]4)利用贪心算法实现电池够用的电池管理策略
[0045]4.1)初始化：将k个电池都放入换电柜中，并初始化每个电池的初始电量Qi＝Q0，其中，i＝1,2,3,
……
k；
[0046]4.2)获取用户来换电柜的时间分布：通过方法2)得到指数分布的参数λ；
[0047]4.3)用户换电：当用户来换电时，检查换电柜中的所有电池，找到满足条件q>M的电池，即电量大于M％的电池，M为超参数，如果有满足条件的电池，则将该电池i分配给用户使用，同时更新电池的电量Qi；
[0048]4.4)电池更新：如果换电柜中没有满足条件的电池，即所有电池的电量都小于等于M％，则需要进行电池增加；若柜中满足条件的电池大于等于K，则回收K
‑
1块电池，M、K均为与优化函数F相关的超参数；
[0049]4.5)更新预测电量：在每次用户换电后，根据用户来换电柜的时间分布，从指数分布中抽样得到一个时间间隔t，并使用递归公式：
[0050]Qt(i)＝Qt
‑
1(i)+I*t(i)
‑
delta Q(i)
[0051]来预测电池的电量，其中：Qt(i)表示第i个电池时间t下的电量；I*t表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于换电电荷消耗算法提升电池利用效率的方法，其特征在于：包括以下步骤：步骤S1：数据上报和采集利用物联网设备对换电柜中的电池数量和换电订单进行实时监测和计算，并将数据传输至大数据平台；步骤S2：数据的收集和存储利用实时接入或离线同步方式对数据进行收集与存储；步骤S3：数据计算对数据进行清洗，并通过换电电荷消耗算法构建电池利用率和用户需求满足程度相结合的模型，进而获得最优的电池管理策略，以此来指导电池的分配与调度，生成工单对应的调度数据；步骤S4：数据回传调度数据传输回工单系统，通过工单读取大数据平台接口，直接创建工单，并自动化将指令送达给一线电池调度人员；步骤S5：工单派发和电池调度执行获取换电柜的位置信息、一线调度人员的位置信息以及换电柜内电池的分配情况，并利用路径规划算法确定最优的调度路径后，自动将工单派发给距离需要电池调度的换电柜最近位置的一线调度人员，一线调度人员前往工单指定的换电柜位置，根据工单信息显示的换电柜内电池的分配情况并结合调度路径执行电池调度作业。2.根据权利要求1所述的一种基于大数据的电池调度算法提升电池利用效率的方法，其特征在于：在步骤S3中，数据计算的具体步骤如下：1)数据清洗对收集到的原始数据进行清洗和预处理，去除噪声，处理异常值，并进行数据格式转换和统一化；2)估算不同换电柜用户换电时间间隔2.1)确定时间间隔分布的类型：利用指数分布，用于描述用户到达换电柜的时间间隔；2.2)对历史数据进行建模，利用极大似然分布估计指数分布的参数λ：设用户到达换电柜的时间间隔数据t1,t2,...,tn，通过以下步骤来估计参数λ：2.21)计算数据的平均值m，即m＝(t1+t2+...+tn)/n；2.22)估计λ的值为1/m，这是指数分布参数的最大似然估计值；2.3)对历史数据进行建模，利用最小二乘法估计指数分布的参数λ；设用户到达换电柜的时间间隔数据t1,t2,...,tn，通过以下步骤来估计参数λ：2.31)考虑将指数分布的概率密度函数f(t)＝λ*e^(
‑
λ*t)取对数：ln(f(t))＝ln(λ)
‑
λ*t；2.32)拟合一个线性模型ln(f(t))＝a
‑
b*t，其中：a＝ln(λ)为截距，b＝λ为斜率；2.33)通过最小二乘法，可以得到估计值b＝1/m，其中：m＝(t1+t2+...+tn)/n为样本数据的平均值；2.34)计算λ＝1/b，即λ＝m；2.4)对于历史数据量情况与估计值与实际情况的契合程度，将两种估计方式进行融合：
λ_fused＝w*λ_LS+(1
‑
w)*λ_MLE其中：λ_LS为最小二乘法估计结果，λ_MLE为极大似然估计结果；3)确立模型的评估机制3.1)定义模型中使用的参数：k：电池的数量；Qt(i)：第i个电池t时间下的电量；I*t(i)：第i个电池在时间间隔t到t
‑
1之间的净充电量；delta Q(i)：第i个电池在时间间隔t到t
‑
1之间的消耗量；λ_fused：用户来换电柜的时间间隔的指数分布参数；3.2)定义目标函数F：F＝θ*(1/K*∑(Qt(i)/Qmax))+(1
‑
θ)*(1
‑
∫(λ_fused*e^(
‑
λ_fused*t),t,0,T))其中：θ是一个控制权衡电池利用...

【专利技术属性】
技术研发人员：蔡钺，程禹斯，
申请(专利权)人：上海智租物联科技有限公司，
类型：发明
国别省市：