汽车充电调度方法技术

本发明专利技术涉及电动汽车技术领域，公开了一种汽车充电调度方法

【技术实现步骤摘要】
汽车充电调度方法、系统、设备及存储介质


[0001]本专利技术涉及电动汽车
，尤其涉及一种汽车充电调度方法
、
系统
、
设备及存储介质
。

技术介绍

[0002]电动汽车作为一种新能源汽车，因其节能
、
环保的优点，已被广泛地使用
。
而随着道路上电动汽车的数量增加，其充电需求也日益增大
。
充电桩作为电动汽车进行充电的媒介，在运营和调度上，都对电动汽车产生很大的影响
。
[0003]现有的基于充电桩的电动汽车充电调度通常是基于预定或静态规划的方式进行的，汽车需要提前预定充电桩的使用时间，并按照预定的时间进行充电
。
因而，当用户的充电需求发生变化或有新的用户加入时，传统调度系统无法及时做出调整以适应变化的充电需求，缺乏智能化决策支持，无法对多个因素进行综合考虑和优化，导致调度决策的效果有限
。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是相关技术
。

技术实现思路

[0005]本专利技术的主要目的在于提供了一种汽车充电调度方法
、
系统
、
设备及存储介质，旨在解决现有的电动汽车充电调度方式通常是基于人为规定的优先级顺序进行规划的，无法综合考虑多个因素，使得确定的调度决策的效果有限的技术问题
。
[0006]为实现上述目的，本专利技术提供了一种汽车充电调度方法，所述方法包括以下步骤：获取当前区域内各汽车的充电需求信息；根据所述充电需求信息提取优先级影响指标，并将所述优先级影响指标输入优先级打分模型，获得各汽车对应的优先级分数，其中所述优先级打分模型为模糊逻辑学习模型；获取当前区域内各充电桩信息，并结合所述各汽车对应的优先级分数，采用遗传算法确定所述当前区域的调度决策；基于所述调度决策引导所述当前区域内各汽车进行充电
。
[0007]可选地，所述根据所述充电需求信息提取优先级影响指标，并将所述优先级影响指标输入优先级打分模型，获得各汽车对应的优先级分数之前，包括：初始化待训练的优先级打分模型；采集汽车的历史需求数据以及用户反馈数据，构建模糊逻辑模型训练集；通过所述模糊逻辑模型训练集对所述优先级打分模型进行训练，获得已训练的优先级打分模型
。
[0008]可选地，所述采集汽车的历史需求数据以及用户反馈数据，构建模糊逻辑模型训练集之前，包括：
根据所述历史需求数据确定优先级影响指标并构建影响指标数据集，其中所述优先级影响指标包括用户类型
、
用户紧急程度
、
充电需求量；根据所述历史需求数据以及所述用户反馈数据构建模糊规则集；相应地，所述采集汽车的历史需求数据以及用户反馈数据，构建模糊逻辑模型训练集，包括：根据所述影响指标数据集以及所述模糊规则集，构建模糊逻辑模型训练集
。
[0009]可选地，所述根据所述充电需求信息提取优先级影响指标，并将所述优先级影响指标输入优先级打分模型，获得各汽车对应的优先级分数，包括：根据所述充电需求信息提取所述当前区域内各汽车分别对应的优先级影响指标；将所述优先级影响指标输入所述优先级打分模型，通过所述优先级打分模型获得经过模糊推理的模糊输出值；对所述模糊输出值进行解模糊化，获得所述各汽车的优先级分数
。
[0010]可选地，所述获取当前区域内各充电桩信息，并结合所述各汽车对应的优先级分数，采用遗传算法确定所述当前区域的调度决策，包括：基于所述各汽车随机生成预设数量个当前区域的调度方案，并确定为遗传算法的初始种群；根据所述当前区域内各充电桩信息以及所述各汽车对应的优先级分数，确定适应度函数；根据所述适应度函数对所述初始种群进行更新，获得经过更新后的目标种群；在所述目标种群中选取适应度分值最高的个体，获得当前区域的调度决策
。
[0011]可选地，所述根据所述适应度函数对所述初始种群进行更新，获得经过更新后的目标种群，包括：根据所述适应度函数对所述初始种群进行适应度评估，选取所述初始种群中适应度值高于预设阈值的个体作为父代个体；对选取的父代个体进行基因交叉
、
基因变异的操作，获得新一代个体；对所述父代个体和所述新一代个体进行基于适应度值的排序；根据排序结果获得经过更新后的目标种群
。
[0012]可选地，所述基于所述调度决策引导所述当前区域内各汽车进行充电，包括：获取所述各汽车对应分配的充电桩的位置信息；根据所述充电桩的位置信息生成各汽车的行驶路线以及预计行驶时间；根据所述预计行驶时间结合充电桩的当前使用信息，获取预计充电等候时间；根据所述行驶路线引导所述当前区域内各汽车进行充电，并在接收到用户指令时，向所述各汽车对应用户推送所述预计充电等候时间
。
[0013]此外，为实现上述目的，本专利技术还提出一种汽车充电调度系统，所述系统包括：汽车信息获取模块，用于获取当前区域内各汽车的充电需求信息；优先级打分模块，用于根据所述充电需求信息提取优先级影响指标，并将所述优先级影响指标输入优先级打分模型，获得各汽车对应的优先级分数，其中所述优先级打分模型为模糊逻辑学习模型；调度决策生成模块，用于获取当前区域内各充电桩信息，并结合所述各汽车对应
的优先级分数，采用遗传算法确定所述当前区域的调度决策；决策引导模块，用于基于所述调度决策引导所述当前区域内各汽车进行充电
。
[0014]本专利技术还提供一种汽车充电调度设备，所述汽车充电调度设备包括：存储器
、
处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的汽车充电调度方法的步骤
。
[0015]本专利技术还提供一种计算机可读存储介质，计算机可读存储介质上存储有实现汽车充电调度方法的程序，汽车充电调度方法的程序被处理器执行时实现如上述的汽车充电调度方法的步骤
。
[0016]本专利技术首先获取当前区域内各汽车的充电需求信息；接着根据所述充电需求信息提取优先级影响指标，并将所述优先级影响指标输入优先级打分模型，获得各汽车对应的优先级分数，其中所述优先级打分模型为模糊逻辑学习模型；再获取当前区域内各充电桩信息，并结合所述各汽车对应的优先级分数，采用遗传算法确定所述当前区域的调度决策；最后基于所述调度决策引导所述当前区域内各汽车进行充电
。
由于本专利技术将当前区域内各汽车的充电需求信息提取的优先级影响指标输入优先级打分模型，进而获得各汽车对应的优先级分数，能够通过优先级对调度决策进行优化，且其中优先级打分模型采用模糊逻辑学习模型，能够根据当前区域汽车实际充电需求信息确定各汽车的优先级分数，最后根据充电桩信息和汽车的优先级分数结合遗传算法共同确定调度决策，相比于现有的按照人为设置的顺序进行充电调度，本专利技术能够考虑多方面因素，动态生成区域内的充电调度策略，实现充电资源的合理分配<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种汽车充电调度方法，其特征在于，所述方法包括：获取当前区域内各汽车的充电需求信息；根据所述充电需求信息提取优先级影响指标，并将所述优先级影响指标输入优先级打分模型，获得各汽车对应的优先级分数，其中所述优先级打分模型为模糊逻辑学习模型；获取当前区域内各充电桩信息，并结合所述各汽车的优先级分数，采用遗传算法确定所述当前区域的调度决策；基于所述调度决策引导所述当前区域内各汽车进行充电
。2.
如权利要求1所述的汽车充电调度方法，其特征在于，所述根据所述充电需求信息提取优先级影响指标，并将所述优先级影响指标输入优先级打分模型，获得各汽车对应的优先级分数之前，包括：初始化待训练的优先级打分模型；采集汽车的历史需求数据以及用户反馈数据，构建模糊逻辑模型训练集；通过所述模糊逻辑模型训练集对所述优先级打分模型进行训练，获得已训练的优先级打分模型
。3.
如权利要求2所述的汽车充电调度方法，其特征在于，所述采集汽车的历史需求数据以及用户反馈数据，构建模糊逻辑模型训练集之前，包括：根据所述历史需求数据确定优先级影响指标并构建影响指标数据集，其中所述优先级影响指标包括用户类型
、
用户紧急程度
、
充电需求量；根据所述历史需求数据以及所述用户反馈数据构建模糊规则集；相应地，所述采集汽车的历史需求数据以及用户反馈数据，构建模糊逻辑模型训练集，包括：根据所述影响指标数据集以及所述模糊规则集，构建模糊逻辑模型训练集
。4.
如权利要求3所述的汽车充电调度方法，其特征在于，所述根据所述充电需求信息提取优先级影响指标，并将所述优先级影响指标输入优先级打分模型，获得各汽车对应的优先级分数，包括：根据所述充电需求信息提取所述当前区域内各汽车分别对应的优先级影响指标；将所述优先级影响指标输入所述优先级打分模型，通过所述优先级打分模型获得经过模糊推理的模糊输出值；对所述模糊输出值进行解模糊化，获得所述各汽车的优先级分数
。5.
如权利要求1所述的汽车充电调度方法，其特征在于，所述获取当前区域内各充电桩信息，并结合所述各汽车的优先级分数，采用遗传算法确定所述当前区域的调度决策，包括：基于所述各汽车随机生成预设数量个当前区域的调度方案，并确定为遗传算法的初始种群；根据所述当前区域内各充电桩信息以及所述各...

【专利技术属性】
技术研发人员：苏明辉，楚俊昌，李瑞平，孔瑞霞，王艳琴，
申请(专利权)人：深圳航天科创泛在电气有限公司，
类型：发明
国别省市：