本發(fā)明涉及汽車電池，特別涉及一種電動汽車充電需求的判定方法、系統(tǒng)、設(shè)備和介質(zhì)。

背景技術(shù)：

1、隨著全球?qū)Νh(huán)保和節(jié)能的日益重視，電動汽車(ev)作為清潔、高效的交通工具，其普及和應(yīng)用正逐漸成為全球汽車產(chǎn)業(yè)的發(fā)展趨勢。在實際使用過程中，電動汽車的續(xù)航里程和充電設(shè)施分布仍是限制其進(jìn)一步推廣的關(guān)鍵因素。特別是在偏遠(yuǎn)地區(qū)、高速公路服務(wù)區(qū)以及突發(fā)情況下，電動汽車可能面臨充電困難的問題，從而影響了用戶的駕駛體驗和電動汽車的廣泛應(yīng)用。

2、現(xiàn)有技術(shù)中，明確電動汽車的電池容量、續(xù)航里程以及剩余電量。根據(jù)出行計劃、時間安排和充電設(shè)施條件，選擇合適的充電方式。在充電過程中，通過充電設(shè)備或電動汽車的顯示屏，實時監(jiān)測充電狀態(tài)、電量增長情況以及充電速度等信息。充電完成后，檢查充電設(shè)備和電動汽車的狀態(tài)，確保一切正常后再斷開充電設(shè)備。

3、上述現(xiàn)有技術(shù)存在的缺陷是：電動汽車充電需求的判定受到外界因素(車程、行駛速度、剩余容量等)的影響，在實際行駛過程中，難以準(zhǔn)確預(yù)測和判斷電動汽車的應(yīng)急充電需求。

技術(shù)實現(xiàn)思路

1、基于此，有必要針對上述技術(shù)問題，提供一種電動汽車充電需求的判定方法、系統(tǒng)、設(shè)備和介質(zhì)。

2、本發(fā)明實施例提供一種電動汽車充電需求的判定方法，包括：

3、獲取電動汽車的歷史充電行為數(shù)據(jù)和動態(tài)更新的狀態(tài)數(shù)據(jù)，根據(jù)狀態(tài)數(shù)據(jù)確定電動汽車包括單次行駛數(shù)據(jù)和單次充電數(shù)據(jù)的充電數(shù)據(jù)；

4、通過單次行駛數(shù)據(jù)確定電動汽車的目的地位置，通過單次充電數(shù)據(jù)確定電動汽車充電前的荷電狀態(tài)；

5、根據(jù)電動汽車距離目的地位置的剩余里程數(shù)和充電前的荷電狀態(tài)，確定電動汽車到達(dá)最近充電設(shè)施的距離，以得到電動汽車的充電需求和能耗；

6、對電動汽車的充電需求和能耗進(jìn)行預(yù)測分析，得到充電需求時空分布特征；

7、根據(jù)充電需求時空分布特征制定應(yīng)急充電需求的判定條件，對電動汽車的充電需求狀態(tài)進(jìn)行判定。

8、可選地，確定電動汽車到達(dá)最近充電設(shè)施的距離，其具體包括：

9、收集車輛的gps數(shù)據(jù)，gps數(shù)據(jù)包括經(jīng)緯度、行駛速度和行駛方向；

10、采用地圖匹配算法將gps數(shù)據(jù)與數(shù)字地圖進(jìn)行匹配，以確認(rèn)車輛的實時位置；

11、根據(jù)車輛位置的實時位置設(shè)定搜索半徑，確定搜索范圍內(nèi)存在的充電設(shè)施；

12、通過當(dāng)前剩余續(xù)航里程的動態(tài)距離確定電動汽車到達(dá)最近充電設(shè)施的距離。

13、可選地，確定電動汽車到達(dá)最近充電設(shè)施的距離時評估拋錨風(fēng)險，具體包括：

14、拋錨風(fēng)險評估指標(biāo)包括油門開度、車速預(yù)定值和電機(jī)控制器反饋的輸出力矩；

15、判斷電動汽車是否處于可行駛狀態(tài)，如果處于可行駛狀態(tài)，則進(jìn)一步判斷是否有影響動力的條件，如果有影響動力的條件，則電動汽車存在拋錨風(fēng)險；

16、如果沒有影響動力的條件，則判斷油門開度是否大于油門開度設(shè)定值；

17、如果油門開度大于油門開度設(shè)定值，則進(jìn)一步判斷車速是否低于車速設(shè)定值，如果在第一設(shè)定時間內(nèi)車速低于車速設(shè)定值，則電動汽車存在拋錨風(fēng)險；

18、如果車速不低于車速設(shè)定值，則判斷電機(jī)控制器反饋的輸出力矩是否低于輸出力矩設(shè)定值，如果電機(jī)控制器反饋的輸出力矩第二設(shè)定時間內(nèi)低于輸出力矩設(shè)定值，則電動汽車存在拋錨風(fēng)險。

19、可選地，確定電動汽車到達(dá)最近充電設(shè)施的距離時評估過放電風(fēng)險，具體包括：

20、過放電風(fēng)險評估指標(biāo)包括電池soc變化率、單體電池電壓變化率、總電池電壓變化率、單體電池溫度變化率和電池電流變化率；

21、建立過放電風(fēng)險評估模型，根據(jù)輸入的特征預(yù)測過放電的風(fēng)險級別；

22、獲取一周內(nèi)電動汽車放電過程中各個指標(biāo)數(shù)據(jù)，以充電時間為橫坐標(biāo)，對應(yīng)的指標(biāo)為縱坐標(biāo)，確定放電正常時各個指標(biāo)的閾值范圍，并與當(dāng)天異常的數(shù)據(jù)信息進(jìn)行對比；

23、確定各項指標(biāo)正常的變化率范圍，將正常與異常指標(biāo)變化率做對比，通過數(shù)據(jù)分析確定風(fēng)險判別指標(biāo)；

24、利用車輛端電池的數(shù)據(jù)進(jìn)行分析，通過分析數(shù)據(jù)在規(guī)定的閾值范圍評估電動汽車的過放電風(fēng)險狀態(tài)。

25、可選地，得到電動汽車的充電需求，具體包括：

26、將基于裝袋算法bagging的隨機(jī)森林算法randomfrost和基于集成算法boosting的輕量級梯度提升機(jī)lgbm作為堆疊集成學(xué)習(xí)方法stacking的基模型，套索回歸lasso作為堆疊集成學(xué)習(xí)方法stacking的元模型，建立充電能量預(yù)測模型；

27、利用貝葉斯高斯混合算法對車輛充電能量中異常充電能量值進(jìn)行標(biāo)記并刪除，并對刪除異常充電能量值之后的車輛充電能量進(jìn)行分布統(tǒng)計，使得車輛充電能量整體分布近似服從正態(tài)分布；車輛充電能量的計算表示如下：

28、

29、其中，soc(t)和soc(t0)分別為當(dāng)前時刻與開始充電時刻的soc值，ηc(t)為庫倫效率，cn為電池的容量；cenergy為前k個充電時刻累計充電能量，u(t)為當(dāng)前時刻的電池充電電壓，i(t)為當(dāng)前時刻的電池充電電流；

30、選用embedded嵌入法中適合于線性模型的隨機(jī)森林與l1正則化的方式對計算出來的車輛充電能量進(jìn)行特征篩選，得到篩選特征；

31、通過充電能量預(yù)測模型對篩選特征進(jìn)行預(yù)測，得到電動汽車的充電需求。

32、可選地，得到電動汽車的能耗，具體包括：

33、依據(jù)車輛的充電開始時間、充電完成時間數(shù)據(jù)信息、日均充電頻次、充電持續(xù)時間、行駛路徑信息、電池容量衰減情況和車輛運行數(shù)據(jù)組成行駛數(shù)據(jù)集；

34、利用數(shù)據(jù)挖掘方法構(gòu)建行駛數(shù)據(jù)集的多方面能耗因子，結(jié)合皮爾遜相關(guān)系數(shù)和隨機(jī)森林相結(jié)合的方式共同對車輛特征進(jìn)行分類與篩選，將其分為車輛狀態(tài)特征和路況動態(tài)特征；

35、使用集成算法boosting框架下類別特征提升算法catboost構(gòu)建路徑行駛狀態(tài)預(yù)測模型，以車輛狀態(tài)特征和路況動態(tài)特征為輸入，輸出路徑車輛能耗；

36、使用集成算法boosting框架下的極端梯度提升算法xgboost構(gòu)建核心能耗預(yù)測模型，利用區(qū)間映射能耗估計法計算車輛行駛中的實際能耗，整合路徑行駛狀態(tài)預(yù)測模型的輸出和車輛狀態(tài)特征作為輸入，輸出車輛能耗預(yù)測結(jié)果，得到電動汽車的能耗。

37、本發(fā)明實施例還提供一種電動汽車充電需求的判定系統(tǒng)，包括：

38、數(shù)據(jù)獲取模塊，用于獲取電動汽車的歷史充電行為數(shù)據(jù)和動態(tài)更新的狀態(tài)數(shù)據(jù)，根據(jù)狀態(tài)數(shù)據(jù)確定電動汽車包括單次行駛數(shù)據(jù)和單次充電數(shù)據(jù)的充電數(shù)據(jù)；

39、數(shù)據(jù)確定模塊，用于通過單次行駛數(shù)據(jù)確定電動汽車的目的地位置，通過單次充電數(shù)據(jù)確定電動汽車充電前的荷電狀態(tài)；

40、計算模塊，用于根據(jù)電動汽車距離目的地位置的剩余里程數(shù)和充電前的荷電狀態(tài)，確定電動汽車到達(dá)最近充電設(shè)施的距離，以得到電動汽車的充電需求和能耗；

41、預(yù)測分析模塊，用于對電動汽車的充電需求和能耗進(jìn)行預(yù)測分析，得到充電需求時空分布特征；

42、判定模塊，用于根據(jù)充電需求時空分布特征制定應(yīng)急充電需求的判定條件，對電動汽車的充電需求狀態(tài)進(jìn)行判定。

43、本發(fā)明實施例還提供一種計算機(jī)設(shè)備，包括存儲器和處理器，存儲器中存儲有計算機(jī)程序，處理器執(zhí)行計算機(jī)程序時實現(xiàn)上述電動汽車充電需求判定方法的步驟。

44、本發(fā)明實施例還提供一種存儲介質(zhì)，其上存儲有計算機(jī)程序，計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述電動汽車充電需求判定方法的步驟。

45、本發(fā)明實施例提供的上述一種電動汽車充電需求的判定方法、系統(tǒng)、設(shè)備和介質(zhì)，與現(xiàn)有技術(shù)相比，其有益效果如下：

46、本發(fā)明通過獲取電動汽車的歷史充電行為數(shù)據(jù)和實時狀態(tài)數(shù)據(jù)，精確解析單次行駛與充電詳情，包括目的地位置、充電前荷電狀態(tài)等關(guān)鍵信息。結(jié)合剩余里程與充電前電量，能夠克服外界因素對充電需求判定過程中的影響，動態(tài)計算電動汽車至最近充電站的距離，準(zhǔn)確評估充電需求與能耗。

47、進(jìn)一步地，分析歷史充電數(shù)據(jù)，判斷充電時電量是否超應(yīng)急閾值，揭示用戶充電習(xí)慣，為應(yīng)急充電需求的判定提供數(shù)據(jù)支撐；依據(jù)車輛實時位置與電量，評估拋錨及過放電風(fēng)險，及時發(fā)現(xiàn)續(xù)航問題，預(yù)防電量耗盡導(dǎo)致的拋錨。

48、這不僅提升了電動汽車充電智能化水平，還為充電服務(wù)商與用戶提供了精準(zhǔn)決策支持，推動電動汽車行業(yè)可持續(xù)發(fā)展，降低了充電不當(dāng)帶來的風(fēng)險與成本，使電動汽車應(yīng)急充電需求判定更加科學(xué)、準(zhǔn)確和高效。