本發(fā)明涉及電動汽車技術領域，更具體地說，涉及一種電動汽車充電需求預測方法及系統(tǒng)。

背景技術：

電動汽車已逐漸得到普及，適用于電動汽車的充電服務是本領域技術人員重點關注的。

現(xiàn)有的充電服務中，大都是在用戶下單(請求充電)后，系統(tǒng)被動地調度服務人員或服務車輛去提供加電服務，這種方式存在一些問題：

一、無法保證所有服務的響應時間，當服務人員離用戶車輛比較遠的時候，會導致服務的響應時長變長。

二、系統(tǒng)調度存在峰值壓力，在有些時間段，可能訂單比較集中，從而影響系統(tǒng)整體的運營效率；

三、同一個用戶可能在不同時間段下單卻得到不同標準(例如，響應時間的顯著差異)的服務，從而影響用戶體驗。

此外，對于移動充電車這種服務模式，如果駕駛員(服務人員)不知道下一個服務訂單在哪里，他就不知道把充電車開往哪里、停在哪里，而只能被動地等待系統(tǒng)調度，從而充電資源無法充分利用。

因此，鑒于上述缺陷，本領域技術人員需要一種方案，由系統(tǒng)來主動地預測用戶的潛在充電需求，從而提前響應用戶充電請求。

技術實現(xiàn)要素：

本發(fā)明的一個技術目的在于提供一種電動汽車充電需求預測方法，以期提前響應用戶的充電請求。

為實現(xiàn)上述目的，本發(fā)明提供一種技術方案如下：

一種電動汽車充電需求預測方法，包括如下步驟：a)、針對監(jiān)測區(qū)域內各電動汽車，分別確定其電池電量、在當前位置的預計停車時間，以及根據(jù)歷史數(shù)據(jù)確定其在當前時間進行充電的概率；b)、分別計算各電動汽車的充電需求概率，并對各電動汽車的充電需求概率進行排序以形成潛在充電汽車的列表；其中，充電需求概率為電動汽車在至少第一條件滿足時進行充電的條件概率。

優(yōu)選地，該方法還包括：c)、估算列表中各潛在充電汽車在相應服務點進行充電所需的預計服務時間；d)、與各潛在充電汽車就是否實施充電服務進行通訊。

優(yōu)選地，在步驟b)中，充電需求概率為電動汽車在第一條件以及第二條件均滿足時進行充電的條件概率，其中，第一條件為電動汽車的當前電池電量低于第一閾值，第二條件為電動汽車在當前位置的預計停車時間超過第二閾值。

優(yōu)選地，充電需求概率按照貝葉斯定律采用如下公式計算：p(d)＝p(c)*p(s|d)*p(t|d)，其中，p(c)表示歷史數(shù)據(jù)中某一電動汽車在相應當前時間進行充電的概率，p(s|d)表示歷史數(shù)據(jù)中該電動汽車在進行充電時其相應當前電池電量低于第一閾值的概率，p(t|d)表示歷史數(shù)據(jù)中該電動汽車在進行充電時其相應停車時間超過第二閾值的概率。

優(yōu)選地，第一閾值為各電動汽車進行充電時相應電池電量的平均值，第二閾值為各電動汽車進行充電時相應停車時間的平均值。

優(yōu)選地，在步驟d)中，若預計服務時間滿足服務標準，則主動提醒用戶充電；若預計服務時間不能滿足服務標準，則將預計服務時間告知用戶，并在第一時間窗內等待用戶的指示，以及基于指示來調度服務人員或服務車輛響應發(fā)出指示的潛在充電汽車的充電請求。

優(yōu)選地，在步驟d)中，按照各潛在充電汽車的充電需求概率的排序，優(yōu)先并主動與充電需求概率高的潛在充電汽車進行通訊。

優(yōu)選地，還包括步驟e)：若潛在充電汽車經過通訊而不接受充電服務，或潛在充電汽車已完成充電服務，則將監(jiān)測區(qū)域內充電需求概率最高的若干輛充電汽車加入潛在充電汽車的列表，并回到步驟c)繼續(xù)執(zhí)行。

本發(fā)明還公開一種電動汽車充電需求預測系統(tǒng)，包括：區(qū)域監(jiān)測模塊，針對監(jiān)測區(qū)域內各電動汽車，分別確定其電池電量、在當前位置的預計停車時間，以及根據(jù)歷史數(shù)據(jù)確定其在當前時間進行充電的概率；概率計算模塊，用于分別計算各電動汽車的充電需求概率，并對各電動汽車的充電需求概率進行排序以形成潛在充電汽車的列表。

本發(fā)明各實施例提供的電動汽車充電需求預測方法，主動預測監(jiān)測區(qū)域內各電動汽車的充電需求概率，進而與各潛在充電汽車進行通訊，經用戶請求、甚至不等用戶請求而提前調度服務，這種調度方式可明顯縮短用戶充電請求的響應時間，緩解系統(tǒng)的峰值壓力，從而提供良好的用戶體驗。

此外，電動汽車充電需求預測系統(tǒng)可主動地預測電動汽車(用戶)的潛在充電需求，進而可以提前響應用戶充電請求，該系統(tǒng)工作效率更高、可以有效避免峰值壓力，適合在大中型城市內推廣。

附圖說明

圖1示出本發(fā)明第一實施例提供的電動汽車充電需求預測方法的流程示意圖。

圖2示出本發(fā)明第二實施例提供的電動汽車充電需求預測系統(tǒng)的模塊結構示意圖。

具體實施方式

如圖1所示，本發(fā)明第一實施例提供一種電動汽車充電需求預測方法，其包括如下多個步驟。

步驟s10、分別確定監(jiān)測區(qū)域內各電動汽車的電池電量、預計停車時間以及在當前時間進行充電的概率。

具體地，首先，對監(jiān)測區(qū)域內行駛或駐停的、所有已注冊的電動汽車進行監(jiān)控，獲取各電動汽車的電池電量、預計停車時間；隨后，根據(jù)歷史數(shù)據(jù)確定各電動汽車在當前時間進行充電的概率。

其中，電池電量可以采用soc參數(shù)來表征，預計停車時間可根據(jù)歷史數(shù)據(jù)進行統(tǒng)計分析而得到，也可以由用戶自行提供。對于任一電動汽車而言，歷史數(shù)據(jù)記錄著，例如，歷史上某天該電動汽車在監(jiān)測區(qū)域內各服務點的停車時間、是否充電等信息。根據(jù)歷史數(shù)據(jù)，可以計算確定電動汽車在當前時間進行充電的概率。

步驟s12、計算各電動汽車的充電需求概率，并進行排序以形成潛在充電汽車的列表。

具體地，在該步驟s12中，分別計算監(jiān)控區(qū)域內各電動汽車的充電需求概率，并對各電動汽車的充電需求概率進行降序排序以形成潛在充電汽車的列表。

其中，充電需求概率為一種條件概率，例如，為電動汽車在至少第一條件滿足時進行充電的條件概率。第一條件可以表示為電動汽車的當前電池電量低于第一閾值。

優(yōu)選情況下，充電需求概率為電動汽車在第一條件以及第二條件均滿足時進行充電的條件概率。其中，第一條件可以表示為電動汽車的當前電池電量低于第一閾值，第二條件可以表示為電動汽車在當前位置的預計停車時間超過第二閾值。

充電需求概率作為一種條件概率，可以按照貝葉斯定理來計算，其計算公式為p(d)＝p(c)*p(s|d)*p(t|d)，其中，p(c)表示歷史數(shù)據(jù)中某一電動汽車在相應當前時間進行充電的概率，p(s|d)表示歷史數(shù)據(jù)中該電動汽車在進行充電時其相應當前電池電量低于第一閾值(即，滿足第一條件)的概率，p(t|d)表示歷史數(shù)據(jù)中該電動汽車在進行充電時其相應停車時間超過第二閾值(即，滿足第二條件)的概率。

以下僅作為一種示例：設電動汽車的當前soc為st，預計停車時間為te，sa是從歷史充電服務記錄中得出的充電時各電動汽車的相應電池電量soc的平均值，ta是從歷史充電服務記錄中得出的充電時各電動汽車的相應停車時間的平均值，則充電需求概率可以按如下方式計算：

1)如果st<＝sa且te<＝ta，那么p(d)＝p(c)*p(s|d)*(1-p(t|d))；

2)如果st<＝sa且te>ta，那么p(d)＝p(c)*p(s|d)*p(t|d)；

3)如果st>sa且te<＝ta，那么p(d)＝p(c)*(1-p(s|d))*(1-p(t|d))；

4)如果st>sa且te>ta，那么p(d)＝p(c)*(1-p(s|d))*p(t|d)。

在求得各電動汽車的充電需求概率之后，或者，對它們進行降序排序，并以充電需求概率最高的n輛電動汽車形成潛在充電汽車的列表，又或者，以充電需求概率大于某一閾值的n輛電動汽車形成潛在充電汽車的列表。

作為對上述實施例的一種改進，電動汽車充電需求預測方法可進一步包括如下步驟：

步驟s14、估算列表中各潛在充電汽車在相應服務點進行充電所需的預計服務時間。

具體地，基于步驟s12生成的潛在充電汽車的列表，在步驟s14中估計各潛在充電汽車在相應服務點進行充電所需的預計服務時間。

其中，所述的相應服務點可以為各潛在充電汽車的當前位置、或距離其最近的服務點位置、或系統(tǒng)為其調度分配的服務點位置、或適合實施充電服務的其他適合位置。預計服務時間可以為該潛在充電汽車充滿電所需的時間、或者充電至用戶期望電量所需的時間、或者用戶指定的充電時間。

作為示例，預計服務時間可以表示服務人員或服務車輛響應潛在充電汽車的充電請求直至該潛在充電汽車完成充電并返回至用戶的時長。

步驟s16、與潛在充電汽車就是否實施充電服務進行通訊。

潛在充電汽車的列表中的任一電動汽車都有可能選擇要求充電或無需充電，鑒于此，基于步驟s14中得到的預計服務時間，在步驟s16中，系統(tǒng)與潛在充電汽車就是否實施充電服務進行通訊，若用戶要求充電服務，則系統(tǒng)將調度服務人員或服務車輛前往適合實施充電服務的服務點，也可指示該潛在充電汽車前往該服務點。

在通訊的過程中，根據(jù)充電汽車的當前電量，以及預計停車時間，系統(tǒng)還可向用戶提出不同級別的推薦。適當情況下(例如充電汽車的電量告急)，系統(tǒng)將在通訊的同時，即調度服務人員或服務車輛前往適合實施充電服務的服務點，以期提前響應用戶未來的充電請求。

作為另一種改進實施方案，在通訊過程中，若來自步驟s14的預計服務時間滿足某一服務標準(例如，服務人員響應潛在充電汽車的充電請求所需的第一時間小于15分鐘)，則告知用戶等待充電(也可同時為待充電的電動汽車分配服務點)；若預計服務時間不能滿足服務標準(即，上述第一時間超出15分鐘)，則將預計服務時間(或上述第一時間)告知用戶，并在第一時間窗(例如5分鐘時長)內等待用戶的指示，以及基于指示來調度服務人員或服務車輛響應發(fā)出指示的潛在充電汽車的充電請求。

作為優(yōu)選的實施方式，按照各潛在充電汽車的充電需求概率的排序，優(yōu)先并主動與充電需求概率高的潛在充電汽車進行通訊，以期預判并盡早響應用戶的充電請求，從而提供良好的用戶體驗。

作為對上述第一實施例的進一步改進，電動汽車充電需求預測方法還包括在步驟s16之后執(zhí)行下列步驟：若潛在充電汽車經過通訊而不接受充電服務，或潛在充電汽車已完成充電服務，則將監(jiān)測區(qū)域內充電需求概率最高的若干輛充電汽車加入潛在充電汽車的列表，并回到步驟s14繼續(xù)執(zhí)行。

上述第一實施例提供的電動汽車充電需求預測方法，沒有根據(jù)用戶的充電訂單來調度服務，而是主動預測監(jiān)測區(qū)域內各電動汽車的充電需求概率，以形成潛在充電汽車的列表，進而與各潛在充電汽車進行通訊，經用戶請求、甚至不等用戶請求而提前調度服務，這種調度方式可明顯縮短用戶充電請求的響應時間，緩解系統(tǒng)的峰值壓力，從而提供良好的用戶體驗。

可以預見，依照上述第一實施例計算所得的充電需求概率，考慮了用戶的歷史選擇、長期習慣以及電動汽車的當前電量等因素，從而這種條件概率更貼合用戶關于是否請求充電的實際選擇。基于各電動汽車的充電需求概率而生成的潛在充電汽車列表，更適合表征當前期望充電的一系列電動車輛，因此，這種電動汽車充電需求預測方法有利于進一步縮短用戶充電請求的響應時間，提高充電服務系統(tǒng)的效率。

本發(fā)明第二實施例提供一種電動汽車充電需求預測系統(tǒng)，其包括區(qū)域監(jiān)測模塊201、概率計算模塊203、可選的時間預計模塊205以及可選的用戶通訊模塊207。

其中，區(qū)域監(jiān)測模塊201針對監(jiān)測區(qū)域內各電動汽車，分別確定其電池電量、在當前位置的預計停車時間，以及進一步根據(jù)歷史數(shù)據(jù)確定其在當前時間進行充電的概率。

概率計算模塊203與區(qū)域檢測模塊201相耦合，其分別計算各電動汽車的充電需求概率，并對各電動汽車的充電需求概率進行排序以形成潛在充電汽車的列表。其中，充電需求概率為電動汽車在至少第一條件滿足時進行充電的條件概率，第一條件可以表示為電動汽車的當前電池電量低于第一閾值。

作為一種改進實施方案，概率計算模塊203計算電動汽車在第一條件以及第二條件均滿足時進行充電的條件概率，以該條件概率作為電動汽車的充電需求概率；其中，第一條件為電動汽車的當前電池電量低于第一閾值，第二條件為電動汽車在當前位置的預計停車時間超過第二閾值。

時間預計模塊205、用戶通訊模塊207作為附加模塊可結合到上述實施例中。

時間預計模塊205與概率計算模塊203相耦合，用于估算列表中各潛在充電汽車在相應服務點進行充電所需的預計服務時間。

用戶通訊模塊207與時間預計模塊相耦合，其與各潛在充電汽車(用戶)就是否實施充電服務進行通訊。

上述第二實施例提供的電動汽車充電需求預測系統(tǒng)，主動地預測電動汽車(用戶)的潛在充電需求，進而可以提前響應用戶充電請求，提供良好的用戶體驗。正是基于這種預測(預判)，該系統(tǒng)工作效率更高、可以有效避免峰值壓力，適合在大中型城市內推廣。

需要說明的是，上述充電需求預測方法可以以計算機程序來實現(xiàn)，從而，可以預料，涉及這種計算機程序的計算機系統(tǒng)、計算機可讀存儲介質均應涵蓋于本發(fā)明的實施方案中。

作為示例，本發(fā)明還提供一種計算機系統(tǒng)，其包括存儲器、處理器及存儲在存儲器上并由處理器運行的計算機程序，其中，處理器執(zhí)行計算機程序時實現(xiàn)下列步驟：

s21、針對監(jiān)測區(qū)域內各電動汽車，分別確定其電池電量、在當前位置的預計停車時間，以及根據(jù)歷史數(shù)據(jù)確定其在當前時間進行充電的概率。

s23、分別計算各電動汽車的充電需求概率，并對各電動汽車的充電需求概率進行排序以形成潛在充電汽車的列表。其中，充電需求概率為電動汽車在至少第一條件滿足時進行充電的條件概率。

作為進一步改進，上述計算機系統(tǒng)中，處理器執(zhí)行計算機程序時還可進一步實現(xiàn)下列步驟：

s25、估算所得列表中各潛在充電汽車在相應服務點進行充電所需的預計服務時間。

s27、與各潛在充電汽車就是否實施充電服務分別進行通訊。

上述示例中，充電需求概率為電動汽車在第一條件以及第二條件均滿足時進行充電的條件概率，其中，第一條件為電動汽車的當前電池電量低于第一閾值，第二條件為電動汽車在當前位置的預計停車時間超過第二閾值。

優(yōu)選情況下，充電需求概率按照貝葉斯定律采用如下公式計算：p(d)＝p(c)*p(s|d)*p(t|d)，其中，p(c)表示歷史數(shù)據(jù)中某一電動汽車在相應當前時間進行充電的概率，p(s|d)表示歷史數(shù)據(jù)中該電動汽車在進行充電時其相應當前電池電量低于第一閾值的概率，p(t|d)表示歷史數(shù)據(jù)中該電動汽車在進行充電時其相應停車時間超過第二閾值的概率。

進一步地，上述第一實施例提供的電動汽車充電需求預測方法的各種改進方案也可由處理器在執(zhí)行存儲器上的計算機程序時具體實現(xiàn)。

作為另一示例，本發(fā)明提供一種計算機可讀存儲介質，其上存儲有計算機程序，其中，計算機程序在被處理器執(zhí)行時實現(xiàn)下列步驟：

s31、針對監(jiān)測區(qū)域內各電動汽車，分別確定其電池電量、在當前位置的預計停車時間，以及根據(jù)歷史數(shù)據(jù)確定其在當前時間進行充電的概率。

s33、分別計算各電動汽車的充電需求概率，并對各電動汽車的充電需求概率進行排序以形成潛在充電汽車的列表。其中，充電需求概率為電動汽車在至少第一條件滿足時進行充電的條件概率。

作為進一步改進，該可讀存儲介質上存儲的計算機程序在被執(zhí)行時還可進一步實現(xiàn)下列步驟：

s35、估算所得列表中各潛在充電汽車在相應服務點進行充電所需的預計服務時間。

s37、與各潛在充電汽車就是否實施充電服務分別進行通訊。

上述示例中，類似地，充電需求概率為電動汽車在第一條件以及第二條件均滿足時進行充電的條件概率，其中，第一條件為電動汽車的當前電池電量低于第一閾值，第二條件為電動汽車在當前位置的預計停車時間超過第二閾值。

優(yōu)選情況下，充電需求概率按照貝葉斯定律采用如下公式計算：p(d)＝p(c)*p(s|d)*p(t|d)，其中，p(c)表示歷史數(shù)據(jù)中某一電動汽車在相應當前時間進行充電的概率，p(s|d)表示歷史數(shù)據(jù)中該電動汽車在進行充電時其相應當前電池電量低于第一閾值的概率，p(t|d)表示歷史數(shù)據(jù)中該電動汽車在進行充電時其相應停車時間超過第二閾值的概率。

進一步地，上述第一實施例提供的電動汽車充電需求預測方法的各種改進方案也可由處理器在執(zhí)行存儲介質上的計算機程序時具體實現(xiàn)。

上述說明僅針對于本發(fā)明的優(yōu)選實施例，并不在于限制本發(fā)明的保護范圍。本領域技術人員可作出各種變形設計，而不脫離本發(fā)明的思想及附隨的權利要求。