一种基于大数据的新能源汽车充电提醒分析***
技术领域
本发明涉及新能源汽车充电技术领域,具体为一种基于大数据的新能源汽车充电提醒分析***。
背景技术
新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置),综合车辆的动力控制和驱动方面的先进技术,形成的技术原理先进、具有新技术、新结构的汽车,具有环保、成本低、驾驶性能表现良好等优点,其中纯电动汽车占据新能源汽车的主要部分。
电动汽车同正常的用电设备一样,会出现电量不足的情况,需要进行充电,可电动汽车又不同于其他用电设备,其一旦出现电量不足没有及时充电而抛锚在路上,会对人们的生活造成极大地影响,因此在行程出发以前,预测其的耗电量是有必要的,然而在现有技术中,并没有考虑到有关因素对于耗电量的影响,比如说不同的天气、路段、拥堵等情况,预测结果很不精准,
同时其需要固定的充电桩进行充电,而目前充电桩的数量并不是很多,而且都有固定位置,容易出现电动汽车无法寻找到空闲充电桩进行充电,更有甚的情况会出现在寻找充电的路上出现电量不足的情况,因此,人们急需一种能够进行精准预测的电量***和有规划的充电分析***。
发明内容
本发明的目的在于提供一种基于大数据的新能源汽车充电提醒分析***,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的新能源汽车充电提醒分析***,该***包括预约模块、数据处理模块、数据采集模块、云平台、传输模块、显示模块;
所述预约模块输出端电性连接数据处理模块的输入端;所述数据处理模块的输出端电性连接数据采集模块的输入端;所述数据采集模块的输出端电性连接云平台的输入端;所述云平台的输出端电性连接传输模块的输入端;所述传输模块的输出端电性连接显示模块的输入端;
所述预约模块用于对行程、时间及人员进行预约管理;所述数据处理模块用于提供预约行程的干扰等级;所述数据采集模块用于采集电动汽车的自身状态;所述云平台用于计算是否需要提前充电;所述传输模块用于建立电动汽车与云平台之间的通讯;所述显示模块用于将结果显示在电动汽车面板上;
根据上述技术方案,所述预约模块包括预约时间单元、预约行程单元、预约人员单元;
所述预约时间单元、预约行程单元、预约人员单元的输出端电性连接数据处理模块的输入端;
所述预约时间单元用于对行程出发时间进行预约;所述预约行程单元用于对行程的起点与终点进行预约;所述预约人员单元用于提供出行人数,计算载重量。在预约时间单元中,一般预约年、月、日及具体时刻,这样可以保证时间的精准性,有利于进行行程的时间预测;预约人员单元中,提供出行人数,一般一个成年人以100千克为标准,来计算载重量,保证汽车正常运行的同时,确定牵引力的大小。
根据上述技术方案,所述数据处理模块包括天气预报单元、日历单元、地图单元、数据库;
所述数据库的输出端电性连接天气预报单元、日历单元、地图单元的输入端;
数据处理模块在接收到预约模块的预约后,所述天气预报单元用于根据预约时间,选取行程关键点,匹配天气情况,并确定其等级;所述日历单元用于对预约时间进行判定,是否属于节假日,并确定其等级;所述地图单元用于对整个行程中的路线筛选出事故高发地段,进行标记,并确定其等级;所述数据库用于存储数据和调用历史数据;
不同的等级情况会造成路段的不同拥堵,从而使电动汽车在行驶过程中出现车速变化,拥堵情况下不断启动制动,也会额外增加耗电量,因此对不同的等级进行分析,确保预测结果更加精准。
根据上述技术方案,所述数据采集模块包括电量监测单元、时间记录单元、车内设施状态单元;
所述电量监测单元用于对电动汽车的当前电量进行监测;所述时间记录单元用于对实时时间进行采集记录;所述车内设施状态单元用于采集当前电动汽车内部其他设施的运行情况;
电量监测单元用于对显示电量进行监测,及时地将剩余电量传输给云平台,保证其能够根据剩余电量做出准确判断,时间记录单元对时间的记录,能够分析预测时间后的变化,保证精准性,车内设施状态单元对车内其他设施进行采集,例如空调、灯光等,这些设施的耗电量也需要进行记录。
根据上述技术方案,所述云平台包括耗电量预测单元、充电分析单元;
所述耗电量预测单元的输出端电性连接充电分析单元的输入端;
所述耗电量预测单元用于对即将开始的行程进行耗电量的预测;所述充电分析单元用于分析充电桩的使用情况,确定空闲充电桩。
根据上述技术方案,所述耗电量预测单元进行预测的步骤包括:
S6-1、根据预约模块的时间与行程信息,调取数据处理模块中的相关历史数据信息,包括天气情况、节假日、事故多发地段,预测行驶速度vi,根据公式:
vi=a+b1xi+b2yi+b3zi+ε,
其中,a、b1、b2、b3为回归参数,xi为天气情况恶劣等级,yi为节假日拥堵情况等级,zi为事故多发等级,ε为随机误差;在这里采用了多元线性回归方程进行预测车速,设置车速为因变量,天气因素、节假日因素、事故多发地因素作为自变量,根据等级不同进行不同程度的预测,得出在每个等级下的预测车速,用车速进行精准耗电量的预测,结果相对精准,计算方法简单,所需数据不过于庞大,对比其他算法,更加实用;
S6-2、对整个行程所需时间进行分割,计算出整个行程的实际耗电量,根据公式:
其中,E实耗为实际耗电量,p其他为电动汽车其它设备的单位时间耗电量,fi为电动汽车行驶速度vi下的牵引力,ti为电动汽车在行驶速度vi下的行驶时间;
在此公式中,利用步骤S6-1的预测速度,联系载重量,选出在每个速度下的牵引力和该速度下的行驶时间,求出电动汽车实际工作行驶的耗电量,再加入其他设施的耗电量,因为其他设施也跟外界环境有关,例如空调的耗电量多少与天气情况有关、灯光耗电量多少与时间有关,因此不能忽略,也不能取常数值,利用大数据进行调取其他车辆或本车之前的历史数据耗电量,进行预测求取;
S6-3、根据实际耗电量,计算得出电动汽车的显示电量,根据公式:
SOC新=SOC旧-m*E实耗
其中,SOC新为到达目的地时预测的显示电量,SOC旧为当前的显示电量,m为显示电量为100时与实际电量的比值;
在电动汽车中,由于电池内阻等原因,会导致电池的实际电量与显示电量不同,在显示电量值为100时,实际电量值不足100,因此利用其最高电量的比值进行类比,计算得出在到达目的地后的显示电量剩余值为多少,利用显示电量剩余值,也就是SOC新,去对比充电阈值;
S6-4、根据步骤S6-3中的SOC新,设置充电阈值,当SOC新小于充电阈值时,需要进行充电。
根据上述技术方案,所述充电分析单元进行充电分析的步骤包括:
S7-1、在耗电量预测单元发出需要充电的提醒后,云平台调取附近区域内的所有充电桩信息,获取空闲充电桩数量及地址;
S7-2、云平台查看附近区域内当前所有电动汽车的剩余电量,筛选出需要充电的电动汽车;
S7-3、云平台查看对需要充电的电动汽车的历史行驶数据,根据当前的行驶状态判断他们是否在前往附近的充电桩;
S7-4、根据判断结果,选取一个路途最近、空余概率最大的充电桩发送给预约电动汽车;
在进行充电分析的过程中,云平台以预约电动汽车为中心,划分固定面积区域,对所有的空闲充电桩进行标记,因为还有其他的电动汽车在行驶,因此需要利用大数据对他们的行驶路线进行分析预测是否再去充电的路上,防止出现一个充电桩有两台车争抢的现象,
根据上述技术方案,在步骤S7-3中,包括第一判断单元、第二判断单元;
所述第一判断单元用于判断当前电动汽车最有可能到达的目的地;所述第二判断单元用于判断当前电动汽车最不可能去的充电桩的概率;
根据电动汽车当前的行驶状态,第一判断单元调取历史行驶数据,判断其是否在常用行驶路线上,若在,进入步骤S8-1、若不在,进入步骤S8-2;
S8-1、调取电动汽车在该常用行驶路线到达常用目的地的时间,分别取在这一路段上的最早和最晚时间,建立时间范围,判断当前时间是否在此时间范围内,若在,预测其为去常用目的地,不去充电桩;若不在,进入第二判断单元;
S8-2、调取该路线上最近的空闲充电桩,将路线之上的所有分岔口总数记为Sn,电动汽车每通过一个分岔口,预测其去充电桩的概率记为集合N={P1,P2,P3,……,Pn},当概率超过阈值时,即判断其为去充电;
根据电动汽车当前的行驶状态,第二判断单元调取预约电动汽车所需区域内所有空闲充电桩,与当前电动汽车距离较远或相反方向的充电桩记为最不可能去的充电桩;对去附近的充电桩的路线的最近分岔口进行记录,当前电动汽车未行使进入该分岔口,即将此充电桩记为最不可能去的充电桩;
在第一判断单元中,电动汽车每朝着附近充电桩方向的路线上通过一个分岔口,其去充电的预测概率就越大,在第二充电单元中,电动汽车错过附近最近充电桩方向上的分岔口,其去充电的预测概率就基本为0,利用第一判断单元和第二判断单元可以直接去除比较明显的一些车辆,其他的利用在分岔口的行驶情况进行分析,最后得出一个路途最近、空余概率最大的充电桩发送给预约电动汽车,保证其能最大概率上不与其他电动车辆争抢。
根据上述技术方案,在步骤S8-2中,进行预测时根据公式:
其中,Si为电动汽车通过的分岔口数量,Pi为通过第i个分岔口时预测去充电桩的概率,在预测过程中,电动汽车在去往充电桩的路线上未通过任一分岔口时,其去充电桩的概率为0;通过全部分岔口时,其去充电桩的概率为1,而且电动汽车去充电桩的概率在其通过较前几个分岔口时增长较大,通过最后几个分岔口时变化较小,固采用椭圆模型,以Sn为长半轴,1为短半轴,建立预测公式,此公式符合电动汽车去充电桩的概率增长模型,计算较为精准。
根据上述技术方案,所述显示模块包括电量显示单元、提醒显示单元;
所述电量显示单元用于显示电动汽车剩余电量;所述提醒显示单元用于显示是否需要进行充电。
与现有技术相比,本发明所达到的有益效果是:本发明利用预约模块进行提前预约,有效规定行程及时间,保证了预测的前提;利用数据处理模块对预约行程进行因素的采集,对天气情况、节假日、道路事故,进行精准分级,保证了预测的精准性;利用数据采集模块进行当前电量的采集,保证了预测的基础;利用云平台进行耗电量预测和充电分析,根据预测结果决定是否需要充电,提高了便利性,同时防止出现行程中电量不足的后果,充电分析中利用历史数据和行程进行分析,通过双重判断单元,选取距离最近,空闲率最高的充电桩发送给预约电动汽车,使两辆车同时争抢一个充电桩的情况大大降低,保证了充电过程不受干扰;利用显示模块进行显示,同时进行提醒通知。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的新能源汽车充电提醒分析***的结构示意图;
图2是本发明一种基于大数据的新能源汽车充电提醒分析***的耗电量预测步骤示意图;
图3是本发明一种基于大数据的新能源汽车充电提醒分析***的充电分析步骤示意图;
图4是本发明一种基于大数据的新能源汽车充电提醒分析***的流程示意图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-4,本发明提供技术方案:一种基于大数据的新能源汽车充电提醒分析***,如图1所示,该***包括预约模块、数据处理模块、数据采集模块、云平台、传输模块、显示模块;
所述预约模块输出端电性连接数据处理模块的输入端;所述数据处理模块的输出端电性连接数据采集模块的输入端;所述数据采集模块的输出端电性连接云平台的输入端;所述云平台的输出端电性连接传输模块的输入端;所述传输模块的输出端电性连接显示模块的输入端;
所述预约模块用于对行程、时间及人员进行预约管理;所述数据处理模块用于提供预约行程的干扰等级;所述数据采集模块用于采集电动汽车的自身状态;所述云平台用于计算是否需要提前充电;所述传输模块用于建立电动汽车与云平台之间的通讯;所述显示模块用于将结果显示在电动汽车面板上;
所述预约模块包括预约时间单元、预约行程单元、预约人员单元;
所述预约时间单元、预约行程单元、预约人员单元的输出端电性连接数据处理模块的输入端;
所述预约时间单元用于对行程出发时间进行预约;所述预约行程单元用于对行程的起点与终点进行预约;所述预约人员单元用于提供出行人数,计算载重量。在预约时间单元中,一般预约年、月、日及具体时刻,这样可以保证时间的精准性,有利于进行行程的时间预测;预约人员单元中,提供出行人数,一般一个成年人以100千克为标准,来计算载重量,保证汽车正常运行的同时,确定牵引力的大小。
所述数据处理模块包括天气预报单元、日历单元、地图单元、数据库;
所述数据库的输出端电性连接天气预报单元、日历单元、地图单元的输入端;
数据处理模块在接收到预约模块的预约后,所述天气预报单元用于根据预约时间,选取行程关键点,匹配天气情况,并确定其等级;所述日历单元用于对预约时间进行判定,是否属于节假日,并确定其等级;所述地图单元用于对整个行程中的路线筛选出事故高发地段,进行标记,并确定其等级;所述数据库用于存储数据和调用历史数据;
在本实施例中,预约时间为2020年12月25日晚8:00,两人乘车,地址为A地到B地,数据处理模块根据预约行程,行程时间进行单位时间分割,记为集合O={L1,L2,L3,……,Ln},本实施例中,选取其中一段记为L,采集到天气情况,为无降雨降雪恶劣天气,微风,综合等级为3级;日历单元采集到25日为圣诞节,又是周五,根据历史数据预测会出现晚高峰情况,综合等级为1级;事故多发采集到此路段为高速路段,无事故多发情况,综合等级为3级;
所述数据采集模块包括电量监测单元、时间记录单元、车内设施状态单元;
所述电量监测单元用于对电动汽车的当前电量进行监测;所述时间记录单元用于对实时时间进行采集记录;所述车内设施状态单元用于采集当前电动汽车内部其他设施的运行情况;
数据采集模块采集到目前电量为57%,时间为2020年12月25日早10:30,采集车内设施状态,车内分别有空调耗电、灯光耗电;
所述云平台包括耗电量预测单元、充电分析单元;
所述耗电量预测单元的输出端电性连接充电分析单元的输入端;
所述耗电量预测单元进行行程预测的步骤包括:
S6-1、根据预约模块的时间与行程信息,调取数据处理模块中的相关历史数据信息,包括天气情况、节假日、事故多发地段,预测行驶速度vi,根据公式:
vi=a+b1xi+b2yi+b3zi+ε=a+b1x3+b2y1+b3z3+ε,
其中,a、b1、b2、b3为回归参数,xi为天气情况恶劣等级,yi为节假日拥堵情况等级,zi为事故多发等级,ε为随机误差;
S6-2、对整个行程所需时间进行分割,计算出整个行程的实际耗电量,根据公式:
其中,E实耗为实际耗电量,p其他为电动汽车其它设备的单位时间耗电量,fi为电动汽车行驶速度vi下的牵引力,ti为电动汽车在行驶速度vi下的行驶时间;
S6-3、根据实际耗电量,计算得出电动汽车的显示电量,设置m为1.086,充电阈值为C,根据公式:
计算得出SOC新小于C,需要进行充电;
所述充电分析单元进行充电分析的步骤包括:
S7-1、在耗电量预测单元发出需要充电的提醒后,云平台调取附近区域内的所有充电桩信息,获取空闲充电桩数量及地址;
S7-2、云平台查看附近区域内当前所有电动汽车的剩余电量,筛选出需要充电的电动汽车;
S7-3、云平台查看对需要充电的电动汽车的历史行驶数据,根据当前的行驶状态判断他们是否在前往附近的充电桩;
S7-4、根据判断结果,选取一个路途最近、空余概率最大的充电桩发送给预约电动汽车;
在进行充电分析的过程中,云平台以预约电动汽车为中心,划分D区域,对所有的空闲充电桩进行标记;
在步骤S7-3中,包括第一判断单元、第二判断单元;
所述第一判断单元用于判断当前电动汽车最有可能到达的目的地;所述第二判断单元用于判断当前电动汽车最不可能去的充电桩的概率;
云平台调动发现,一共有4个充电桩空闲,D区域内共10辆汽车进行行驶;
根据电动汽车当前的行驶状态,第一判断单元调取历史行驶数据,判断其是否在常用行驶路线上,若在,进入步骤S8-1、若不在,进入步骤S8-2;
S8-1、调取电动汽车在该常用行驶路线到达常用目的地的时间,分别取在这一路段上的最早和最晚时间,建立时间范围,判断当前时间是否在此时间范围内,若在,预测其为去常用目的地,不去充电桩;若不在,进入第二判断单元;
S8-2、调取该路线上最近的空闲充电桩,将路线之上的所有分岔口总数记为Sn,电动汽车每通过一个分岔口,预测其去充电桩的概率记为集合N={P1,P2,P3,……,Pn},当概率超过阈值时,即判断其为去充电;
根据电动汽车当前的行驶状态,第二判断单元调取预约电动汽车所需区域内所有空闲充电桩,与当前电动汽车距离较远或相反方向的充电桩记为最不可能去的充电桩;对去附近的充电桩的路线的最近分岔口进行记录,当前电动汽车未行使进入该分岔口,即将此充电桩记为最不可能去的充电桩;
进行调动后发现,8辆电动汽车在常用行驶路线,并且均在时间范围内,判定为其下班回家,属于常用目的地,不进行充电,另外两辆,均朝着附近充电桩移动,在其去充电桩的路线上共计有9个分岔口,设置阈值为95%,其中第一辆汽车仅通过三个分岔口,根据公式:
第二辆汽车通过七个分岔口,根据公式:
因此可知,第二辆汽车概率超过阈值,判断其进行充电,因此在四个空闲充电桩中去除第二辆汽车路线上的充电桩,选取剩余三个中距离更近的发送给预约电动汽车;
所述显示模块包括电量显示单元、提醒显示单元;
所述电量显示单元用于显示电动汽车剩余电量;所述提醒显示单元用于显示是否需要进行充电。
电量显示单元显示剩余电量为57%,提醒单元提醒充电。
本发明的工作原理:本发明利用预约模块进行提前预约,规定行程、时间及人员;利用数据处理模块对预约行程进行因素的采集分级;利用数据采集模块进行当前电量的采集;利用云平台进行耗电量预测和充电分析,根据预测结果决定是否需要充电,若需要进入充电分析,充电分析中利用历史数据和行程进行分析,通过双重判断单元,选取距离最近,空闲率最高的充电桩发送给预约电动汽车;利用传输模块对各类信息进行通讯传输;利用显示模块进行显示,同时进行提醒通知。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。