CN108773279A - 一种电动汽车充电路径规划方法及装置 - Google Patents

一种电动汽车充电路径规划方法及装置 Download PDF

Info

Publication number
CN108773279A
CN108773279A CN201810391319.XA CN201810391319A CN108773279A CN 108773279 A CN108773279 A CN 108773279A CN 201810391319 A CN201810391319 A CN 201810391319A CN 108773279 A CN108773279 A CN 108773279A
Authority
CN
China
Prior art keywords
electric vehicle
charging
starting point
destination
charge path
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810391319.XA
Other languages
English (en)
Other versions
CN108773279B (zh
Inventor
苏粟
杨恬恬
胡勇
张仁尊
李玉璟
张晓晴
李家浩
光鸿伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201810391319.XA priority Critical patent/CN108773279B/zh
Publication of CN108773279A publication Critical patent/CN108773279A/zh
Application granted granted Critical
Publication of CN108773279B publication Critical patent/CN108773279B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/44—Control modes by parameter estimation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/52—Control modes by future state prediction drive range estimation, e.g. of estimation of available travel distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/54—Energy consumption estimation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/14—Plug-in electric vehicles

Landscapes

  • Electric Propulsion And Braking For Vehicles (AREA)
  • Navigation (AREA)

Abstract

本申请针对电动汽车用户出行过程中需要紧急充电的问题，提出一种电动汽车充电路径规划方法及装置。该方法考虑行驶过程中实时动态能耗的，主要包括以下步骤：首先根据电动汽车历史行驶工况数据计算电动汽车在各类行驶工况下的平均能耗值；其次根据行驶途中各路段的实时行驶工况动态计算电动汽车经过各路段之后的动态剩余电量；根据互联网络所发布的实时交通信息及充电站运营监控***发布的信息计算用户出行距离、出行时间及充电成本；采用蚁群算法以电池剩余电量为约束，出行距离、出行时间及充电成本三者之和最优为目标规划电动汽车充电路径。

Description

一种电动汽车充电路径规划方法及装置
技术领域
本发明涉及电动汽车充电路径规划领域，尤其涉及一种电动汽车充电路径规划方法及 装置。
背景技术
随着我国经济快速发展，汽车需求量持续增长，由此带来的能源紧张以及环境污染问 题更加紧迫。为满足城市节能减排需求，提升人民环保意识，需快速发展新能源汽车产业。 其中，完善的充电设施是发展新能源汽车产业的重要保障。然而，目前新能源汽车的增长 规模大幅高于充电桩数量的增长规模，车桩之间的缺口仍不断扩大，上路快速充电仍为制 约充电汽车发展的主要因素，为缓解新能源汽车出行过程中剩余续驶里程不足、充电时间 长等问题，有必要积极构建实时信息下新能源汽车充电智能服务平台，促进电动汽车与充 电设施间能量和信息的双向互动，为电动汽车用户提供路径规划、充电引导等服务。
目前国内外对电动汽车充电引导策略相关研究，往往只考虑了静态路网环境，忽略了 实际情况下交通环境的时变性对电动汽车耗电量的影响，因此，如何通过一个思路简明清 晰而有效的方法，为电动汽车车主提供行驶途中电量实时消耗情况，从而选择最佳充电路 径是目前电动汽车充电行业面临的重要问题之一。
有鉴于此，提出一种电动汽车充电路径规划方法及装置。
发明内容
本发明提出一种考虑行驶过程中动态能耗的电动汽车充电路径规划方法，利用互联网 络发布的动态交通信息，计算电动汽车在行驶途中的动态能耗，结合从起始点至目的地行 驶路段的动态交通信息计算用户出行距离、出行时间及充电成本，并考虑路径行驶过程中 的剩余电量约束，采用蚁群算法求解电动汽车充电路径，减小用户的出行焦虑。
为达到上述目的，本发明采用下述技术方案：
一种电动汽车充电路径规划方法，包括：
S1.获取电动汽车各类行驶工况，计算电动汽车在各类行驶工况下的平均能耗值；
S2.获取行驶路线，计算电动汽车在行驶途中经过各路段的动态剩余电量；
S3.根据行驶路线计算用户出行距离、出行时间及充电成本；
S4.根据上述步骤S1-S3的计算结果确定电动汽车充电路径。
一种电动汽车充电路径规划装置，所述装置包括：
第一计算模块，获取电动汽车各类行驶工况，计算电动汽车在各类行驶工况下的平均 能耗值；
第二计算模块，获取行驶路线，计算电动汽车在行驶途中经过各路段的动态剩余电量；
第三计算模块，根据行驶路线计算用户出行距离、出行时间及充电成本；
路径规划模块，根据上述第一、第二和第三计算模块的计算结果确定电动汽车充电路 径。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明：
图1为一种电动汽车充电路径规划方法示意图；
图2为步骤S1一种具体处理步骤示意图；
图3为步骤S2一种具体处理步骤示意图；
图4为步骤S3一种具体处理步骤示意图；
图5为蚁群算法流程图求解最优解步骤示意图；
图6为一种电动汽车充电路径规划装置示意图。
具体实施方式
为了更清楚地说明本申请，下面结合优选实施例和附图对本申请做进一步的说明。附 图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述 的内容是说明性的而非限制性的，不应以此限制本申请的保护范围。
本申请提供了一种电动汽车充电路径规划方法及装置，可以结合以下附图以及实施例， 对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请， 并不限定本申请。
根据本申请的一个方面，本实施例提供一种电动汽车充电路径规划方法，如图1所示， 该方法包括：
S1.计算电动汽车在各类行驶工况下的平均能耗值；
S2.计算电动汽车在行驶途中经过各路段的动态剩余电量；
S3.计算用户出行距离、出行时间及充电成本；
S4.根据上述步骤S1-S3的计算结果确定电动汽车充电路径。
进一步地，参考图2，所述S1包括以下步骤：
S101.选取能够反映电动汽车空调开闭及驾驶员驾驶特性的行驶工况特征参数；
优选地，选取现有技术中引用较多的特征参数，包括：最大速度、平均速度、平均加速度、最大加速度、加速比例、减速比例、匀速比例、怠速比例八个特征参数用于行驶工 况分类，在本实施例中，各特征获取为多组进行具体计算，参数经过滤后参考表1-表3所 示。其中，表1为最大速度、平均速度、平均加速度和最大加速度相关数据，表2位加速 比例、减速比例、匀速比例和怠速比例相关数据，表3为环境温度、空调运行功率、加速 度标准差和加速度变化率标准差相关数据；进一步地，本实施例中的后续计算均采用上述 各表所提供的数据。
其次,环境温度会对车辆运行产生影响，选取环境温度、空调运行功率两个特征参数用 于行驶工况分类。
最后，选取加速度标准差、加速度变化率标准差作为反映行驶工况中不同驾驶特性的 特征参数。
表1
表2
表3
S102.分析所选取的行驶工况特征参数与耗电量之间的相关性及各特征参数之间的相 关性强弱；
对电动汽车历史行驶工况数据进行研究，优选地，将从本次充电后到下次充电前的行 驶过程称为一个循环，在每个循环中，将电动汽车每行驶1km分为一个行驶片段，对划分 的行驶片段进行分析，计算每个片段下的上述12个特征参数及耗电量。采用斯皮尔曼秩相 关系数计算12个特征参数和电动汽车能耗的相关性，计算公式如式(1)所示，
根据计算结果，删除与耗电量之间相关性最小的特征参数变量。
S103.采用主成分分析方法对行驶工况特征参数进行降维分析；
采用主成分分析方法对包含11个行驶工况特征参数的片段进行分析，得到各主成分的 特征值和贡献率，根据主成分分析的原理可知，选取累积贡献率大于80％的n个主成分可以 认为足够反映原来变量所包含的信息，选取这n个主成分主要反映的且相关性较弱的m个 行驶工况特征参数用于聚类分析。
S104.采用基于模糊C-均值聚类算法对电动汽车的历史行驶工况数据进行分类；计算电 动汽车在各类行驶工况下的平均能耗值。
对包含m个行驶工况特征参数的样本数据进行聚类分析，根据各工况的聚类中心，按 照距离最小原则，确定电动汽车各个历史行驶工况片段的所属类别，距离计算公式为
dq＝||x-cq|| q＝1，2...，12 (2)
其中，x＝[x1，x2，...，x8]为某片段的特征参数，cq＝[cq1，cq2，...，cq12]为聚类q的聚类中心参数。取所判断出的同一类行驶工况中各片段能耗的平均值作为该工况下电动汽车的能耗。
进一步地，参考图3，所述S2包括以下步骤：
S201.利用互联网获取各路段的实时行驶工况；
S202.计算电动汽车在行驶途中经过各路段的实时能耗；计算经过该路段之后的剩余电 量。
优选地，车辆行驶路段Rij的距离为rij，利用互联网络发布的该路段实时行驶路况，计 算该路段的聚类中心，判断该路段的实时行驶工况类别为gq，相对应该路段每公里能耗为 Eq，则经过该路段所消耗电量为
Eij＝Eq×rij (3)
进一步地，参考图4，所述S3包括以下步骤：
S301.计算从出发点到目的地各路段的行程距离成本；
优选地，用户在前往目的地的过程中总距离包括电动汽车从起始点o经过充电站S到 达目的地D的行程总距离。则行程距离成本为：
式中，xij为0-1路径决策变量，若电动汽车途经路网节点i与j之间的路段rij，则xij＝1， 否则xij＝0。La表示电动汽车经过的路网节点集合，Sa表示电动汽车经过的充电站节点集合。
S302.计算从出发点到目的地所需行程时间成本；
优选地，所述S302包括：
S3021.计算从出发点到目的地所需路程行驶时间；
根据互联网络发布的路段rij的速度估计用户经过路段rij的路径行驶时间Tij为：
则用户从起始点到目的地经过的所有路段行驶时间为：
S3022.利用充电站运营监控***获取电动汽车数量等信息；
电动汽车充电站监控管理***实时监测充电站充电机总数量、正在使用的充电机数量、 进入排队序列的电动汽车数量等基本信息，获取时刻t和t-1到达充电站的EV台数分别表 示为时刻t和t-1正在接受充电服务的EV台数计算时刻t充电站j的用户平均到达率和充电设备平均服务率，即
车辆平均等待时间为：
式中:Sj为充电站j配置的充电桩个数，
电动汽车用户从初始点行驶至目的地访问的全部充电站排队等待时间为：
计算从出发点到目的地途径各充电站的充电等待时间、充电时间；
优选地，充电时间指电动汽车到达充电站j后从剩余电量充到荷电状态为80％时所花时 间的估计值。
式中，E0为电动汽车额定容量(kW·h)，为到达充电站j时电动汽车剩余电量，为在充电站j处的充电电量，Pe为充电站快充充电机的充电功率(kW)。
电动汽车从起始点至目的地的总充电时间为：
S303.计算从出发点到目的地所需充电成本；
优选地，所述S303计算电动汽车的充电价格成本，包括:
S3031.利用充电站运营监控***获取从出发点到目的地途径各充电站的实时充电电价 信息；
S3032.计算从出发点到目的地途径各充电站的充电成本。
充电价格成本包括充电电价和充电服务费。根据充电站运营***发布的实时充电价格 price(t)。
电动汽车在充电站j的快速充电成本为
式中，price(t)为电动汽车充电价格及充电服务价格随时间变化的函数(元/度)。tj为 电动汽车到达充电站j时的时间(h)。
电动汽车从起始点至目的地的总快速充电成本为：
所述S4包括以下步骤：采用蚁群算法以电池剩余电量为约束，出行距离、出行时间及 充电成本三者之和最优为目标规划电动汽车充电路径。
根据S2中计算的电动汽车在行驶过程中经过各路段之后的剩余电量。电动汽车在起始 点时，剩余电量为Estart，则到达节点j时剩余电量Ej计算如下：
Ej满足：Ej≥0,j∈La∪Sa，表示对于任意访问的路网节点及充电站节点电动汽车剩余电 量不能小于零。
以到达节点j时剩余电量Ej为约束，步骤S3所述的总成本为目标，参考图5所示的蚁 群算法流程图求解该问题，得出最优解即为所规划的充电路径。
根据本申请的另一个方面，本实施例提供一种电动汽车充电路径规划装置，如图6所 示，该装置包括：
第一计算模块，获取电动汽车各类行驶工况，计算电动汽车在各类行驶工况下的平均 能耗值；
第二计算模块，获取行驶路线，计算电动汽车在行驶途中经过各路段的动态剩余电量；
第三计算模块，根据行驶路线计算用户出行距离、出行时间及充电成本；
路径规划模块，根据上述第一、第二和第三计算模块的计算结果确定电动汽车充电路 径。
进一步地，所述第一计算模块包括：
参数获取单元，选取能够反映电动汽车空调开闭及驾驶员驾驶特性的行驶工况特征参 数；
优选地，选取现有技术中引用较多的特征参数，包括：最大速度、平均速度、平均加速度、最大加速度、加速比例、减速比例、匀速比例、怠速比例八个特征参数用于行驶工 况分类。在本实施例中，各特征获取为多组进行具体计算，参数经过滤后参考表1-表3所 示。其中，表1为最大速度、平均速度、平均加速度和最大加速度相关数据，表2位加速 比例、减速比例、匀速比例和怠速比例相关数据，表3为环境温度、空调运行功率、加速 度标准差和加速度变化率标准差相关数据；进一步地，本实施例中的后续计算均采用上述 各表所提供的数据。
其次,环境温度会对车辆运行产生影响，选取环境温度、空调运行功率两个特征参数用 于行驶工况分类。
最后，选取加速度标准差、加速度变化率标准差作为反映行驶工况中不同驾驶特性的 指标。
表1
表2
表3
第一分析单元，分析参数获取单元所选取的行驶工况特征参数与耗电量之间的相关性 及各特征参数之间的相关性强弱；
对电动汽车历史行驶工况数据进行研究，优选地，将从本次充电后到下次充电前的行 驶过程称为一个循环，在每个循环中，将电动汽车每行驶1km分为一个行驶片段，对划分 的行驶片段进行分析，计算每个片段下的上述12个特征参数及耗电量。采用斯皮尔曼秩相 关系数计算12个特征参数和电动汽车能耗的相关性，计算公式如式(1)所示，
根据计算结果，删除与耗电量之间相关性最小的特征参数变量。
第二分析单元，根据第一分析单元的分析结果，采用主成分分析方法对行驶工况特征 参数进行降维分析；
采用主成分分析方法对包含11个行驶工况特征参数的片段进行分析，得到各主成分 的特征值和贡献率，根据主成分分析的原理可知，选取累积贡献率大于80％的n个主成分可 以认为足够反映原来变量所包含的信息，选取这n个主成分主要反映的且相关性较弱的m 个行驶工况特征参数用于聚类分析。
能耗计算单元，采用基于模糊C-均值聚类算法对电动汽车的历史行驶工况数据进行分 类；计算电动汽车在各类行驶工况下的平均能耗值。
对包含m个行驶工况特征参数的样本数据进行聚类分析，根据各工况的聚类中心，按 照距离最小原则，确定电动汽车各个历史行驶工况片段的所属类别，距离计算公式为
dq＝||x-cq|| q＝1，2，...，12 (2)
其中，x＝[x1，x2，...，x8]为某片段的特征参数，cq＝[cq1，cq2，...，cq12]为聚类q 的聚类中心参数。取所判断出的同一类行驶工况中各片段能耗的平均值作为该工况下电动汽车的能耗。
进一步地，所述第二计算模块包括：
实时行驶工况获取单元，利用互联网获取各路段的实时行驶工况；
能耗计算单元，计算电动汽车在行驶途中经过各路段的实时能耗；
剩余电量计算单元，根据能耗计算单元计算的实时能耗计算经过该路段之后的剩余电 量。
优选地，车辆行驶路段Rij的距离为rij，利用互联网络发布的该路段实时行驶路况， 计算该路段的聚类中心，判断该路段的实时行驶工况类别为gq，相对应该路段每公里能耗 为Eq，则经过该路段所消耗电量为
Eij＝Eq×rij (3)
进一步地，所述第三计算模块包括：
第一计算单元，计算从出发点到目的地各路段的出行距离成本；
优选地，用户在前往目的地的过程中总距离包括电动汽车从起始点O经过充电站S到 达目的地D的行程总距离。则行程距离成本为：
式中，xij为0-1路径决策变量，若电动汽车途经路网节点i与j之间的路段rij，则xij＝1， 否则xij＝0。La表示电动汽车经过的路网节点集合，Sa表示电动汽车经过的充电站节点集合。
第二计算单元，计算从出发点到目的地所需行程时间成本；
优选地，所述从出发点到目的地所需行程时间成本包括：
S3021.计算从出发点到目的地所需路程行驶时间；
根据互联网络发布的路段rij的速度估计用户经过路段rij的路径行驶时间Tij为：
则用户从起始点到目的地经过的所有路段行驶时间为：
S3022.利用充电站运营监控***获取电动汽车数量等信息，计算从出发点到目的地途 径各充电站的充电等待时间、充电时间；
电动汽车充电站监控管理***实时监测充电站充电机总数量、正在使用的充电机数量、 进入排队序列的电动汽车数量等基本信息，获取时刻t和t-1到达充电站的EV台数分别表 示为时刻t和t-1正在接受充电服务的EV台数计算时刻t充电站j的用户平均到达率和充电设备平均服务率，即
车辆平均等待时间为：
式中:Sj为充电站j配置的充电桩个数，
电动汽车用户从初始点行驶至目的地访问的全部充电站排队等待时间为：
优选地，充电时间指电动汽车到达充电站j后从剩余电量充到荷电状态为80％时所花时 间的估计值。
式中，E0为电动汽车额定容量(kW·h)，为到达充电站j时电动汽车剩余电量，为在充电站j处的充电电量，Pe为充电站快充充电机的充电功率(kW)。
电动汽车从起始点至目的地的总充电时间为：
第三计算单元，计算从出发点到目的地所需充电成本；
优选地，所述计算从出发点到目的地所需充电成本包括：
S3031.利用充电站运营监控***获取从出发点到目的地途径各充电站的实时充电电 价信息；
S3032.计算从出发点到目的地途径各充电站的充电成本。
充电价格成本包括充电电价和充电服务费。根据充电站运营***发布的实时充电价格 price(t)。
电动汽车在充电站j的快速充电成本为
式中，price(t)为电动汽车充电价格及充电服务价格随时间变化的函数(元/度)。tj为 电动汽车到达充电站j时的时间(h)。
电动汽车从起始点至目的地的总快速充电成本为：
所述路径规划模块获取上述第一、第二和第三计算模块的计算结果，采用蚁群算法以电 池剩余电量为约束，出行距离、出行时间及充电成本三者之和最优为目标规划电动汽车充 电路径。
采用蚁群算法以电池剩余电量为约束，出行距离、出行时间及充电成本三者之和最优 为目标规划电动汽车充电路径。
根据S2中计算的电动汽车在行驶过程中经过各路段之后的剩余电量。电动汽车在起始 点时，剩余电量为Estart，则到达节点j时剩余电量Ej计算如下：
Ej满足：Ej≥0,j∈La∪Sa，表示对于任意访问的路网节点及充电站节点电动汽车剩余电 量不能小于零。
以到达节点j时剩余电量Ej为约束，步骤S3所述的总成本为目标，参考图6所示的蚁 群算法流程图求解该问题，得出最优解即为所规划的充电路径。
显然，本申请的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本申 请的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做 出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本申请的 技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (10)

1.一种电动汽车充电路径规划方法，其特征在于，包括：
S1.获取电动汽车各类行驶工况，计算电动汽车在各类行驶工况下的平均能耗值；
S2.获取行驶路线，计算电动汽车在行驶途中经过各路段的动态剩余电量；
S3.根据行驶路线计算用户出行距离、出行时间及充电成本；
S4.根据上述步骤S1-S3的计算结果确定电动汽车充电路径。
2.根据权利要求1所述的一种电动汽车充电路径规划方法，其特征在于，所述S1包括以下步骤：
S101.选取能够反映电动汽车空调开闭及驾驶员驾驶特性的行驶工况特征参数；
S102.分析所选取的行驶工况特征参数与耗电量之间的相关性及各特征参数之间的相关性强弱；
S103.采用主成分分析方法对行驶工况特征参数进行降维分析；
S104.采用基于模糊C-均值聚类算法对电动汽车的历史行驶工况数据进行分类，计算电动汽车在各类行驶工况下的平均能耗值。
3.根据权利要求2所述的一种电动汽车充电路径规划方法，其特征在于，所述S2包括以下步骤：
S201.利用互联网获取各路段的实时行驶工况；
S202.计算电动汽车在行驶途中经过各路段的实时能耗，计算经过该路段之后的剩余电量。
4.根据权利要求1-3任一所述的一种电动汽车充电路径规划方法，其特征在于，所述S3包括以下步骤：
S301.计算从出发点到目的地各路段的出行距离成本；
S302.计算从出发点到目的地所需行程时间成本；
S303.计算从出发点到目的地所需充电成本；
优选地，所述S302包括：
S3021.计算从出发点到目的地所需路程行驶时间；
S3022.利用充电站运营监控***获取电动汽车数量信息，计算从出发点到目的地途径各充电站的充电等待时间、充电时间；
优选地，所述S303包括:
S3031.利用充电站运营监控***获取从出发点到目的地途径各充电站的实时充电电价信息；
S3032.计算从出发点到目的地途径各充电站的充电成本。
5.根据权利要求1-4任一所述的一种电动汽车充电路径规划方法，其特征在于，所述S4包括以下步骤：采用蚁群算法以电池剩余电量为约束，出行距离、出行时间及充电成本三者之和最优为目标规划电动汽车充电路径。
6.一种电动汽车充电路径规划装置，其特征在于，所述装置包括：
第一计算模块，获取电动汽车各类行驶工况，计算电动汽车在各类行驶工况下的平均能耗值；
第二计算模块，获取行驶路线，计算电动汽车在行驶途中经过各路段的动态剩余电量；
第三计算模块，根据行驶路线计算用户出行距离、出行时间及充电成本；
路径规划模块，根据上述第一、第二和第三计算模块的计算结果确定电动汽车充电路径。
7.根据权利要求6所述的一种电动汽车充电路径规划装置，其特征在于，所述第一计算模块包括：
参数获取单元，选取能够反映电动汽车空调开闭及驾驶员驾驶特性的行驶工况特征参数；
第一分析单元，分析参数获取单元所选取的行驶工况特征参数与耗电量之间的相关性及各特征参数之间的相关性强弱；
第二分析单元，根据第一分析单元的分析结果，采用主成分分析方法对行驶工况特征参数进行降维分析；
能耗计算单元，采用基于模糊C-均值聚类算法对电动汽车的历史行驶工况数据进行分类；计算电动汽车在各类行驶工况下的平均能耗值。
8.根据权利要求6-7任一所述的一种电动汽车充电路径规划装置，其特征在于，所述第二计算模块包括：
实时行驶工况获取单元，利用互联网获取各路段的实时行驶工况；
能耗计算单元，计算电动汽车在行驶途中经过各路段的实时能耗；
剩余电量计算单元，根据能耗计算单元计算的实时能耗计算经过该路段之后的剩余电量。
9.根据权利要求6-8任一所述的一种电动汽车充电路径规划装置，其特征在于，所述第三计算模块包括：
第一计算单元，计算从出发点到目的地各路段的出行距离成本；
第二计算单元，计算从出发点到目的地所需行程时间成本；
第三计算单元，计算从出发点到目的地所需充电成本；
优选地，所述从出发点到目的地所需行程时间成本包括：
S3021.计算从出发点到目的地所需路程行驶时间；
S3022.利用充电站运营监控***获取电动汽车数量信息，计算从出发点到目的地途径各充电站的充电等待时间、充电时间；
优选地，所述计算从出发点到目的地所需充电成本包括：
S3031.利用充电站运营监控***获取从出发点到目的地途径各充电站的实时充电电价信息；
S3032.计算从出发点到目的地途径各充电站的充电成本。
10.根据权利要求6-9任一所述的一种电动汽车充电路径规划装置，其特征在于，所述路径规划模块获取上述第一、第二和第三计算模块的计算结果，采用蚁群算法以电池剩余电量为约束，出行距离、出行时间及充电成本三者之和最优为目标规划电动汽车充电路径。
CN201810391319.XA 2018-04-27 2018-04-27 一种电动汽车充电路径规划方法及装置 Expired - Fee Related CN108773279B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810391319.XA CN108773279B (zh) 2018-04-27 2018-04-27 一种电动汽车充电路径规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810391319.XA CN108773279B (zh) 2018-04-27 2018-04-27 一种电动汽车充电路径规划方法及装置

Publications (2)

Publication Number Publication Date
CN108773279A true CN108773279A (zh) 2018-11-09
CN108773279B CN108773279B (zh) 2020-09-04

Family

ID=64026794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810391319.XA Expired - Fee Related CN108773279B (zh) 2018-04-27 2018-04-27 一种电动汽车充电路径规划方法及装置

Country Status (1)

Country Link
CN (1) CN108773279B (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740879A (zh) * 2018-12-20 2019-05-10 国网北京市电力公司 处理充电桩数据的方法和装置
CN109784558A (zh) * 2019-01-11 2019-05-21 浙江工业大学 一种基于蚁群算法的电动汽车充电调度优化方法
CN110263976A (zh) * 2019-05-22 2019-09-20 广东工业大学 一种在多种充电方式并存环境下的电动汽车充电路径规划方法
CN110395139A (zh) * 2019-07-30 2019-11-01 安徽匠桥电子信息有限公司 一种电动汽车预约充电方法及***
CN110599023A (zh) * 2019-09-05 2019-12-20 厦门金龙联合汽车工业有限公司 一种电动车群组的换电调度方法和云管理服务器
CN110962667A (zh) * 2019-11-25 2020-04-07 南京邮电大学 电动汽车有序充电的方法
CN111452659A (zh) * 2020-04-03 2020-07-28 山东理工大学 电动充电时刻智能判定方法
CN111497679A (zh) * 2019-05-17 2020-08-07 合肥工业大学 一种纯电动汽车能耗监测优化方法及***
CN111609867A (zh) * 2020-06-19 2020-09-01 北京交通大学 一种电动汽车路径规划方法
CN112498164A (zh) * 2020-11-30 2021-03-16 国网北京市电力公司 充电策略的处理方法和装置
WO2021047675A1 (zh) * 2019-09-12 2021-03-18 奥动新能源汽车科技有限公司 换电站的查找方法及***
CN112990525A (zh) * 2019-12-16 2021-06-18 大唐高鸿数据网络技术股份有限公司 电动汽车的控制方法、装置、网联汽车服务器及电动汽车
CN113050631A (zh) * 2021-03-11 2021-06-29 湖南大学 一种电动汽车三维路径规划方法
CN113175939A (zh) * 2021-04-22 2021-07-27 重庆长安新能源汽车科技有限公司 纯电动汽车行程规划方法及***
CN113253722A (zh) * 2021-04-30 2021-08-13 浙江吉利控股集团有限公司 电动车充电路径规划方法、装置及***
CN113390430A (zh) * 2021-06-10 2021-09-14 武汉理工大学 面向多经停点出行的电动汽车动态路径规划及充电方法
CN113386770A (zh) * 2021-06-10 2021-09-14 武汉理工大学 基于充电站数据共享的电动汽车充电路径动态规划方法
CN113469301A (zh) * 2021-09-06 2021-10-01 深圳万甲荣实业有限公司 基于运行数据分析的新能源汽车充电预警方法和***
CN113610298A (zh) * 2021-08-06 2021-11-05 北京交通大学 考虑用户出行行为的用户出行能耗预测及路径推荐方法
CN113964409A (zh) * 2021-09-17 2022-01-21 江苏大学 一种电动汽车电池自动化回收***和控制方法
CN115204513A (zh) * 2022-07-29 2022-10-18 国网江苏电动汽车服务有限公司 一种考虑双边利益的电动汽车充电多目标引导方法
CN115214410A (zh) * 2022-06-24 2022-10-21 安徽大学江淮学院 一种基于大数据分析的电动汽车电能在线智能监测引导***
CN115610248A (zh) * 2022-10-31 2023-01-17 重庆金康赛力斯新能源汽车设计院有限公司 一种新能源汽车充电方法和电子设备
CN116993031A (zh) * 2023-09-27 2023-11-03 国网北京市电力公司 一种电动车的充电决策优化方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105868942A (zh) * 2016-06-07 2016-08-17 北京交通大学 电动汽车的有序充电调度方法
CN106326581A (zh) * 2016-08-29 2017-01-11 北京新能源汽车股份有限公司 一种续驶里程的确定方法、装置及汽车
CN107323300A (zh) * 2017-07-26 2017-11-07 河海大学 一种基于路‑站‑车联合模型的电动汽车预约充电方法
CN107640049A (zh) * 2017-09-20 2018-01-30 东北大学 一种针对充电站的电动汽车有序充电的移动终端***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105868942A (zh) * 2016-06-07 2016-08-17 北京交通大学 电动汽车的有序充电调度方法
CN106326581A (zh) * 2016-08-29 2017-01-11 北京新能源汽车股份有限公司 一种续驶里程的确定方法、装置及汽车
CN107323300A (zh) * 2017-07-26 2017-11-07 河海大学 一种基于路‑站‑车联合模型的电动汽车预约充电方法
CN107640049A (zh) * 2017-09-20 2018-01-30 东北大学 一种针对充电站的电动汽车有序充电的移动终端***

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740879A (zh) * 2018-12-20 2019-05-10 国网北京市电力公司 处理充电桩数据的方法和装置
CN109784558A (zh) * 2019-01-11 2019-05-21 浙江工业大学 一种基于蚁群算法的电动汽车充电调度优化方法
CN111497679A (zh) * 2019-05-17 2020-08-07 合肥工业大学 一种纯电动汽车能耗监测优化方法及***
CN110263976A (zh) * 2019-05-22 2019-09-20 广东工业大学 一种在多种充电方式并存环境下的电动汽车充电路径规划方法
CN110263976B (zh) * 2019-05-22 2022-10-21 广东工业大学 一种在多种充电方式并存环境下的电动汽车充电路径规划方法
CN110395139A (zh) * 2019-07-30 2019-11-01 安徽匠桥电子信息有限公司 一种电动汽车预约充电方法及***
CN110599023B (zh) * 2019-09-05 2022-06-14 厦门金龙联合汽车工业有限公司 一种电动车群组的换电调度方法和云管理服务器
CN110599023A (zh) * 2019-09-05 2019-12-20 厦门金龙联合汽车工业有限公司 一种电动车群组的换电调度方法和云管理服务器
WO2021047675A1 (zh) * 2019-09-12 2021-03-18 奥动新能源汽车科技有限公司 换电站的查找方法及***
CN110962667A (zh) * 2019-11-25 2020-04-07 南京邮电大学 电动汽车有序充电的方法
CN112990525A (zh) * 2019-12-16 2021-06-18 大唐高鸿数据网络技术股份有限公司 电动汽车的控制方法、装置、网联汽车服务器及电动汽车
CN111452659A (zh) * 2020-04-03 2020-07-28 山东理工大学 电动充电时刻智能判定方法
CN111452659B (zh) * 2020-04-03 2023-01-17 山东理工大学 电动充电时刻智能判定方法
CN111609867A (zh) * 2020-06-19 2020-09-01 北京交通大学 一种电动汽车路径规划方法
CN112498164A (zh) * 2020-11-30 2021-03-16 国网北京市电力公司 充电策略的处理方法和装置
CN113050631A (zh) * 2021-03-11 2021-06-29 湖南大学 一种电动汽车三维路径规划方法
CN113050631B (zh) * 2021-03-11 2022-07-19 湖南大学 一种电动汽车三维路径规划方法
CN113175939A (zh) * 2021-04-22 2021-07-27 重庆长安新能源汽车科技有限公司 纯电动汽车行程规划方法及***
CN113253722A (zh) * 2021-04-30 2021-08-13 浙江吉利控股集团有限公司 电动车充电路径规划方法、装置及***
CN113386770A (zh) * 2021-06-10 2021-09-14 武汉理工大学 基于充电站数据共享的电动汽车充电路径动态规划方法
CN113390430A (zh) * 2021-06-10 2021-09-14 武汉理工大学 面向多经停点出行的电动汽车动态路径规划及充电方法
CN113386770B (zh) * 2021-06-10 2024-03-26 武汉理工大学 基于充电站数据共享的电动汽车充电路径动态规划方法
CN113610298A (zh) * 2021-08-06 2021-11-05 北京交通大学 考虑用户出行行为的用户出行能耗预测及路径推荐方法
CN113610298B (zh) * 2021-08-06 2024-04-05 北京交通大学 考虑用户出行行为的用户出行能耗预测及路径推荐方法
CN113469301A (zh) * 2021-09-06 2021-10-01 深圳万甲荣实业有限公司 基于运行数据分析的新能源汽车充电预警方法和***
CN113964409A (zh) * 2021-09-17 2022-01-21 江苏大学 一种电动汽车电池自动化回收***和控制方法
CN115214410A (zh) * 2022-06-24 2022-10-21 安徽大学江淮学院 一种基于大数据分析的电动汽车电能在线智能监测引导***
CN115214410B (zh) * 2022-06-24 2023-03-10 安徽大学江淮学院 一种基于大数据分析的电动汽车电能在线智能监测引导***
CN115204513A (zh) * 2022-07-29 2022-10-18 国网江苏电动汽车服务有限公司 一种考虑双边利益的电动汽车充电多目标引导方法
CN115204513B (zh) * 2022-07-29 2024-07-09 国网江苏电动汽车服务有限公司 一种考虑双边利益的电动汽车充电多目标引导方法
CN115610248A (zh) * 2022-10-31 2023-01-17 重庆金康赛力斯新能源汽车设计院有限公司 一种新能源汽车充电方法和电子设备
CN116993031A (zh) * 2023-09-27 2023-11-03 国网北京市电力公司 一种电动车的充电决策优化方法、装置、设备及介质

Also Published As

Publication number Publication date
CN108773279B (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CN108773279A (zh) 一种电动汽车充电路径规划方法及装置
Ji et al. Trip energy consumption estimation for electric buses
Yi et al. Adaptive multiresolution energy consumption prediction for electric vehicles
Amirgholy et al. Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach
Huang et al. Speed trajectory planning at signalized intersections using sequential convex optimization
Lee et al. Energy implications of self-driving vehicles
US20100305798A1 (en) System And Method For Vehicle Drive Cycle Determination And Energy Management
CN109747427A (zh) 估计电动车辆到达目的地时的剩余续驶能力的方法及设备
Kapetanović et al. Reducing fuel consumption and related emissions through optimal sizing of energy storage systems for diesel-electric trains
Teodorović Fuzzy sets theory applications in traffic and transportation
CN107346460A (zh) 基于智能网联***下前车运行信息的未来工况预测方法
Fotouhi et al. A review on the applications of driving data and traffic information for vehicles׳ energy conservation
CN104442825A (zh) 一种电动汽车剩余行驶里程的预测方法和***
CN107284452B (zh) 融合智能通讯信息的混合动力汽车未来工况预测***
Morlock et al. Time optimal routing of electric vehicles under consideration of available charging infrastructure and a detailed consumption model
Vogel et al. Improving hybrid vehicle fuel efficiency using inverse reinforcement learning
JP7016676B2 (ja) 車両制御装置及びその動作方法
CN115485681A (zh) 用于管理速度配置文件的***和方法
Lim et al. Hierarchical energy management for power-split plug-in HEVs using distance-based optimized speed and SOC profiles
CN106323331A (zh) 预测车辆行驶里程的方法及装置
Kumar et al. S2RC: A multi-objective route planning and charging slot reservation approach for electric vehicles considering state of traffic and charging station
Houshmand et al. Combined eco-routing and power-train control of plug-in hybrid electric vehicles in transportation networks
Majhi et al. Assessment of dynamic wireless charging based electric road system: A case study of Auckland motorway
Miao et al. Highly Automated Electric Vehicle (HAEV)-based mobility-on-demand system modeling and optimization framework in restricted geographical areas
Jin et al. Energy-optimal speed control for connected electric buses considering passenger load

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200904

CF01 Termination of patent right due to non-payment of annual fee