本发明专利技术属于车辆充电管理领域，具体涉及一种基于神经网络和离散选择模型的车辆充电管理方法，及其对应的车辆充电管理系统。在由驾驶员终端、充电站终端和后台数据中心构成的车辆充电管理系统中，后台数据中心在接受到驾驶员终端的请求时，根据车辆上传数据确定目的地周围可以到达的充电站，并利用预先训练的神经网络预测未来时刻各个充电站的充电桩占用率和费用，然后结合用户的充电偏好利用离散选择模型计算出当前用户选择各个候选充电站的效应函数和选择概率；进而向用户提供按偏好排序的候选充电列表；用户确认后可由后台服务中心辅助完成充电预约。本发明专利技术可以解决电动汽车充电服务需求和充电站的充电能力供给难以科学匹配的问题。
【技术实现步骤摘要】
本专利技术属于车辆充电管理领域，具体涉及一种基于神经网络和离散选择模型的车辆充电管理方法，及其对应的车辆充电管理系统。
技术介绍
1、电动汽车作为绿色环保和高效节能的交通工具，正逐步取代传统燃油汽车成为家用汽车主流选择。新增的大量电动汽车的充电需求将会对现有的车辆充电设施的负荷带来冲击。电动车普遍存在充电需求集中的特点，这与当前的车辆充电设施覆盖不足的现状叠加之后，可能会造成充电时间和空间上的供需失衡，对用户和电网公司都产生不利影响；既延长了用户的充电等待时间，又会在短时间内对电网的负荷造成冲击。
2、为了在用户的充电需求和电网的电力供应间取得平衡，越来越多的充电站正在推行根据充电需求对充电服务费用进行差别定价的策略。这种新的定价策略在基础电价的基础上，会适当提高用户充电高峰期的充电服务费，并降低充电低谷期的充电服务费，进而抑制用户的高峰期需求，鼓励用户利用电网或充电站的负荷低谷期进行充电。
3、但是，这种新的充电服务定价策略的实施也会给用户带来新的困难。例如，当用户无法预知充电站的实时电价和等待时长时，就无法确定最优充电方案。这可能会造成更严重的充电拥堵，并提高用户的平均充电费用，引发用户更广泛的充电焦虑。另外，充电站无法及时掌握市场需求也就难以保证充电需求高效供给。此外，低效的用户充电管理和分配也会对电网稳定性和安全性产生极大的挑战。
4、因此如何有效对用户侧的充电服务需求和充电站侧的供给进行科学管理，缓解电动汽车“充电难”的困境，正成为本领域技术人员亟待解决的技术难题。
技术实现思路
1、为了解决电动汽车充电服务需求和充电站的充电能力供给难以科学匹配的问题，本专利技术提供基于神经网络和离散选择模型的车辆充电管理方法、系统。
2、本专利技术采用以下技术方案实现：
3、一种基于神经网络和离散选择模型的车辆充电管理方法，其应用于由驾驶员终端、充电站终端和后台数据中心构成车辆充电管理系统中，特别地，本专利技术方案应用于充电站终端根据充电需求实行差别定价的场景。具体地，本专利技术提供的车辆充电管理方法包括如下步骤：
4、s1：后台数据中心利用各个充电站上传的历史充电信息生成一系列的时间序列xt，构成时间序列数据集x。
5、s2：后台数据中心利用时间序列数据集x即时训练并优化一个改进的lstm-attention神经网络，进而得到一个用于预测任意充电站m在未来指定时段t内的占用率occupancytm和充电费用信息prizetm的充电预测网络。
6、s3：驾驶员终端向后台数据中心发出充电需求，并将包含车辆当前位置、剩余电量/续航里程、目的地和充电偏好的用户状态信息上传至后台数据中心。
7、s4：后台数据中心根据用户状态信息确定目的地范围内车辆可到达的所有候选充电站列表，并计算每个候选充电站对应的预计到达时间。然后利用充电预测网络生成候选充电站在对应时段的占用率和充电费用信息。
8、s5：后台数据中心结合用户的充电偏好，利用一个离散选择模型计算出当前用户n选择各个候选充电站m的效应函数unm和选择概率pnm，进而生成满足充电偏好的一个或多个优选充电站，并发送至驾驶员终端。
9、s6：驾驶员终端将用户确认过后的最终充电分配方案对应的确信息返回至后台数据中心，并授权后台数据中心辅助用户向充电站终端完成充电预约。
10、作为本专利技术进一步的改进，步骤s1中，各个充电站按照5分钟的时间间隔，定期上传自身的历史充电信息。
11、时间序列数据集x的数据格式为：x＝(x1,x2,…,xt)t，其中，各个时间序列满足下式：
12、xt＝(currentt,voltaget,occupancyt,prizet，station)t
13、上式中，currentt表示充电站在t时段的电流；voltaget表示充电站在t时段的电压；
14、occupancyt表示充电站在t时段的充电桩利用率；prizet表示充电站在t时段的收费信息，station表示充电站的编码。
15、作为本专利技术进一步的改进，步骤s2中，改进的lstm-attention神经网络是引入键值对注意力机制优化后的lstm神经网络；通过计算attention机制评分函数来评估lstm网络输出向量之间的相关性。attention机制的输出hi满足下式：
16、
17、上式中，hj表示lstm第j层网络的输出向量，aij表示lstm第i层和第j层的注意力机制评分权重；eij表示第i层和第j层的关联度，wi表示第i层的权重矩阵，hi表示lstm第i层网络的输出向量，wj表示第j层的权重矩阵，bij第i层和第j层对应的偏置向量。
18、作为本专利技术进一步的改进，lstm神经网络包括：输入门，遗忘门，输出门，输入单元，记忆单元，隐藏单元和输出单元。lstm-attention神经网络的输入为xt，输出yt为：
19、yt＝wyhht+by，其中，yt＝(occupancyt+1,prizet+1)t
20、上式中，occupancyt+1和prizet+1分别表示预测出的充电站在下一时刻的占用率和充电费用信息；wyh表示输出单元与隐藏单元连接的权重矩阵，by表示记忆单元对应的偏置向量。
21、作为本专利技术进一步的改进，在lstm-attention神经网络中，输入门、遗忘门和输出门的传递函数分别如下：
22、
23、上式中，it、ft、ot分别为输入门、遗忘门和输出门的输出；ht-1表示隐藏单元的输入；ct-1表示记忆单元的输入；wix，wih和wic分别表示输入门与输入单元，记忆单元和输出单元连接的权重矩阵，bi表示输入门对应的偏置向量；wfx，wfh和wfc分别表示遗忘门与输入单元，记忆单元和输出单元连接的权重矩阵，bf表示遗忘门对应的偏置向量；wox，woh和woc分别表示输出门与输入单元，记忆单元和输出单元连接的权重矩阵，bo表示输出门对应的偏置向量。
24、作为本专利技术进一步的改进，lstm-attention神经网络在训练阶段的损失函数loss如下：
25、
26、上式中，t表示时间序列长度，yt表示输出预测值，表示输出真实值。
27、作为本专利技术进一步的改进，步骤s3中，用户状态信息中的充电偏好包括距离优先和费用优先和自定义优先，自定义优先指由用户自适应调整距离rm和充电站充电费用信息对应的偏好权重αn和βn的值，且满足：αn+βn＝1。
28、作为本专利技术进一步的改进，步骤s5的离散选择模型的表达式如下：
29、
30、上式中，rm表示用户当前行程的目的地与周边充电站终端m的距离；m表示当前用户从目的地出可到达的所有充电站构成的充电站选择空间；αn和βn分别当前用户n的充电偏好对距离和充电费用设置的偏好权重；σ表示常数参数，本文档来自技高网
...
【技术保护点】
1.一种基于神经网络和离散选择模型的车辆充电管理方法，其特征在于，应用于由驾驶员终端、充电站终端和后台数据中心构成的车辆充电管理系统中，所述充电站终端根据充电需求实行差别定价；所述车辆充电管理方法包括如下步骤：
2.如权利要求1所述的基于神经网络和离散选择模型的车辆充电管理方法，其特征在于：步骤S1中，各个充电站按照5分钟的时间间隔，定期上传自身的历史充电信息；
3.如权利要求2所述的基于神经网络和离散选择模型的车辆充电管理方法，其特征在于：步骤S2中，改进的LSTM-attention神经网络是引入键值对注意力机制优化后的LSTM神经网络；通过计算attention机制评分函数来评估LSTM网络输出向量之间的相关性；attention机制的输出Hi满足下式：
4.如权利要求3所述的基于神经网络和离散选择模型的车辆充电管理方法，其特征在于：所述LSTM神经网络包括：输入门，遗忘门，输出门，输入单元，记忆单元，隐藏单元和输出单元；LSTM-attention神经网络的输入为xt，输出yt为：
5.如权利要求4所述的基于神经网络和离散选择模型的车辆充电管理方法，其特征在于：在所述LSTM-attention神经网络中，输入门、遗忘门和输出门的传递函数分别如下：
6.如权利要求5所述的基于神经网络和离散选择模型的车辆充电管理方法，其特征在于：所述LSTM-attention神经网络在训练阶段的损失函数loss如下：
7.如权利要求1所述的基于神经网络和离散选择模型的车辆充电管理方法，其特征在于：步骤S3中，所述用户状态信息中的充电偏好包括距离优先和费用优先和自定义优先，自定义优先指由用户自适应调整距离Rm和充电站充电费用信息对应的偏好权重αn和βn的值，且满足：αn+βn＝1。
8.如权利要求7所述的基于神经网络和离散选择模型的车辆充电管理方法，其特征在于：步骤S5的所述离散选择模型的表达式如下：
9.一种车辆充电管理系统，其特征在于，其采用如权利要求1-8中任意一项所述的基于神经网络和离散选择模型的车辆充电管理方法，根据用户提出的充电请求，在用户行程目的地的临近区域为用户自动分配满足用户充电偏好的候选充电站；所述车辆充电管理系统包括：
10.如权利要求9所述的车辆充电管理系统，其特征在于：所述后台数据中心中还包括一个存储模块，所述存储模块中预存有每个安装有驾驶员终端的车辆信息，以及用于管理车辆充电任务的授权信息；所述车辆信息包括车辆的品牌、型号、电池容量、功耗信息和充电参数；所述授权信息包括与车辆绑定的驾驶人员的身份识别信息和支付信息。
...
【技术特征摘要】
1.一种基于神经网络和离散选择模型的车辆充电管理方法，其特征在于，应用于由驾驶员终端、充电站终端和后台数据中心构成的车辆充电管理系统中，所述充电站终端根据充电需求实行差别定价；所述车辆充电管理方法包括如下步骤：
2.如权利要求1所述的基于神经网络和离散选择模型的车辆充电管理方法，其特征在于：步骤s1中，各个充电站按照5分钟的时间间隔，定期上传自身的历史充电信息；
3.如权利要求2所述的基于神经网络和离散选择模型的车辆充电管理方法，其特征在于：步骤s2中，改进的lstm-attention神经网络是引入键值对注意力机制优化后的lstm神经网络；通过计算attention机制评分函数来评估lstm网络输出向量之间的相关性；attention机制的输出hi满足下式：
4.如权利要求3所述的基于神经网络和离散选择模型的车辆充电管理方法，其特征在于：所述lstm神经网络包括：输入门，遗忘门，输出门，输入单元，记忆单元，隐藏单元和输出单元；lstm-attention神经网络的输入为xt，输出yt为：
5.如权利要求4所述的基于神经网络和离散选择模型的车辆充电管理方法，其特征在于：在所述lstm-attention神经网络中，输入门、遗忘门和输出门的传递函数分别如下：
6.如...
【专利技术属性】
技术研发人员：郭利泉，侯伟路，石琴，
申请(专利权)人：合肥工业大学，
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。