一种基于快速充电桩的高效率的充电站推荐方法

摘要

本发明提供了一种基于快速充电桩的高效率的充电站推荐方法，其特征在于，包括以下步骤：步骤一：各充电站的充电桩将正在充电的电动汽车的包括电动汽车VIN码的充电信息上传给充电桩网络服务器；……；步骤五：实时预测服务器实时计算各充电站的预测排队时长；步骤六：对于通过用户智能终端发起充电站预测请求的充电汽车，实时预测服务器首先计算得到该电动汽车到达每个充电站的预计时间T_j(t)；步骤七：实时预测服务器将每个充电站预测的开始充电的时刻和预测的等待时间返回给请求预测的用户智能终端。本发明的高效率的充电站推荐方法能够有效的减少排队时间，节省司机的时间且提高充电桩的使用效率。减少排队长度，提高充电桩的利用率。

主权项

一种基于快速充电桩的高效率的充电站推荐方法，采用包括电动汽车行车电脑、用户智能终端、实时预测服务器和充电站的组成的推荐系统，所述的充电站包括充电桩和充电桩网络服务器，其特征在于，包括以下步骤：步骤一：各充电站的充电桩将正在充电的电动汽车的包括电动汽车VIN码的充电信息上传给充电桩网络服务器，并由充电桩网络服务器转输给实时预测服务器；步骤二：用户智能终端与电动汽车行车电脑通过无线通信模块相连接，通过移动通信网络或者WiFi接入推荐系统，将电动汽车VIN码传输给实时预测服务器，并实时上传给实时预测服务器本电动车的GPS位置信息；步骤三：实时预测服务器根据用户智能终端上传的GPS位置信息，按时间节点统计第j个充电站在不同的距离和不同的时间节点的电动汽车充电转化率，从一天的0点开始，以10分钟为周期统计距该充电站50m之内未充电的电动汽车数量其中t₁为统计时的当前时刻，在统计时刻t₁后的30分钟内，采集在数量中实际转化为正在充电的充电汽车的数量得到统计时刻t₁的电动汽车充电转化率计算得到为在距该充电站50m之内，包括统计时刻t₁当天的前30天的该统计时刻t₁平均电动汽车充电转化率，从一天的0点开始，以15分钟为周期统计距该充电站50m之外并在1km之内的未充电的电动汽车数量在统计时刻t₂后的30分钟内，采集在数量中实际转化为正在充电的充电汽车的数量得到统计时刻t₂的电动汽车充电转化率计算得到为在距该充电站50m之外并在1km之内，包括统计时刻t₂当天的前30天的该统计时刻t₂平均电动汽车充电转化率，从一天的0点开始，以30分钟为周期统计距该充电站1km之外并在10km之内的未充电的电动汽车数量在统计时刻t₃后的60分钟内，采集在数量中实际转化为正在充电的充电汽车的数量得到统计时刻t₃的电动汽车充电转化率计算得到为在距该充电站1km之外并在10km之内，包括统计时刻t₃当天的前30天的该统计时刻t₃平均电动汽车充电转化率，从一天的0点开始，以60分钟为周期统计距该充电站10km之外并在50km之内的未充电的电动汽车数量在统计时刻t₄后的90分钟内，采集在数量中实际转化为正在充电的充电汽车的数量得到统计时刻t₄的电动汽车充电转化率计算得到为在距该充电站10km之外并在50km之内，包括统计时刻t₄当天的前30天的该统计时刻t₄平均电动汽车充电转化率；步骤四：实时预测服务器根据用户智能终端上传的GPS位置信息，计算得出未充电的第i辆电动汽车的时速V_i，设D_ij为第i辆电动汽车距第j个充电站的距离，设t为当前时刻，计算得到D_ij≤50m并且V_i≤5km/h的未充电的电动汽车的数量，记为第j个充电站实时排队基数Q1_j(t)，计算得到50m<D_ij≤1km并且不限电动汽车时速的未充电的电动汽车的数量，记为第j个充电站实时排队基数Q2_j(t)，计算得到1km<D_ij≤10km并且不限电动汽车时速的未充电的电动汽车的数量，记为第j个充电站实时排队基数Q3_j(t)，计算得到10km<D_ij≤50km并且不限电动汽车时速的未充电的电动汽车的数量，记为第j个充电站实时排队基数Q4_j(t)；步骤五：实时预测服务器实时计算各充电站的预测排队时长，设T1_j(t)为距该充电站50m之内的未充电汽车的预测排队时长，设T2_j(t)为距该充电站50m之外并在1km之内的未充电汽车的预测排队时长，设T3_j(t)为距该充电站1km之外并在10km之内的未充电汽车的预测排队时长，设T4_j(t)为距该充电站10km之外并在50km之内的未充电汽车的预测排队时长，T1_j(t)、T2_j(t)、T3_j(t)和T4_j(t)分别按下式(I)、(II)、(III)和(IV)计算，$T{1}_{j\left(t\right)}=P{1}_{j\left(t_1\right)}*Q{1}_{j\left(t\right)}*\alpha \mathrm{......}\left(I\right),$$T{2}_{j\left(t\right)}=(P{1}_{j\left(t_1\right)}*Q{1}_{j\left(t\right)}+P{2}_{j\left(t_2\right)}*Q{2}_{j\left(t\right)})*\alpha \mathrm{...}\left(II\right),$$T{3}_{j\left(t\right)}=\left(P{1}_{j\left(t_1\right)}*Q{1}_{j\left(t\right)}+P{2}_{j\left(t_2\right)}*Q{2}_{j\left(t\right)}+P{3}_{j\left(t_3\right)}+Q{3}_{j\left(t\right)}\right)*a\mathrm{......}\left(III\right),$$\begin{array}{c}T{4}_{j\left(t\right)}=(P{1}_{j\left(t_1\right)}*Q{1}_{j\left(t\right)}+P{2}_{j\left(t_2\right)}*Q{2}_{j\left(t\right)}+P{3}_{j\left(t_3\right)}*Q{3}_{j\left(t\right)}+P{4}_{j\left(t_4\right)}*\\ Q{4}_{j\left(t\right)})*a\mathrm{......}(IV),\end{array}$上式(I)、(II)、(III)和(IV)中，t₁、t₂、t₃和t₄的取值方法是，以距当前时刻最近的统计时刻选取t₁、t₂、t₃和t₄的值，a为常数表示充电站平均充电时长，由该充电站的最近一个月充电总时长除以充电汽车数量后，再除以该充电站充电桩的数量得到；步骤六：对于通过用户智能终端发起充电站预测请求的充电汽车，实时预测服务器首先计算得到该电动汽车到达每个充电站的预计时间T_j(t)，如果T_j(t)≤t+T1_j(t)，则该电动汽车预测的开始充电的时刻为t+T1_j(t)，需要等待时间预测为t+T1_j(t)‑T_j(t)，如果t+T1_j(t)<T_j(t)≤t+T2_j(t)，则该电动汽车预测的开始充电的时刻为t+T2_j(t)，需要等待时间预测为t+T2_j(t)‑T_j(t)，如果t+T2_j(t)<T_j(t)≤t+T3_j(t)，则该电动汽车预测的开始充电的时刻为t+T3_j(t)，需要等待时间预测为t+T3_j(t)‑T_j(t)，如果t+T3_j(t)<T_j(t)≤t+T4_j(t)，则该电动汽车预测的开始充电的时刻为t+T4_j(t)，需要等待时间预测为t+T4_j(t)‑T_j(t)，如果t+T4_j(t)<T_j(t)，则该电动汽车预测的开始充电的时刻为t+T_j(t)，需要等待时间预测为0；步骤七：实时预测服务器将每个充电站预测的开始充电的时刻和预测的等待时间返回给请求预测的用户智能终端，用户智能终端按照收到的预测等待时间从短到长进行对充电站进行排序。