-
Patent Agency Ranking
公开(公告)号：CN114692962A
公开(公告)日：2022-07-01
申请号：CN202210283286.3
申请日：2022-03-22
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明提供一种基于大数据的充电基础设施满足度评估方法和系统，包括：采集电动汽车的运行监测数据，结合位置数据，获取区域数据集，基于密度聚类方法得到充电站位置和充电站数量，获取充电站服务能力和区域充电能力，构建充电需求预测模型，并进行训练，获取充电需求数据，输入训练后的充电需求预测模型，获取区域充电需求，对区域进行全覆盖划分，筛选符合预设精度的片区，结合充电站的服务能力、区域充电能力和区域充电需求，判断片区内充电服务能力的满足度，并综合所有片区的判断结果，评估区域充电服务能力是否满足用户需求。本发明能够对充电基础设施满足度进行评估，便于针对性地对不满足充电需求的区域进行充电基础设施建设。
-
公开(公告)号：CN114407661A
公开(公告)日：2022-04-29
申请号：CN202210126508.0
申请日：2022-02-10
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明提供一种基于数据驱动的电动车能耗预测方法、系统、设备及介质，其中，方法包括：通过车联网采集被测车辆的运行监测数据，获取历史运行数据，并结合蒙特卡罗方法构建车辆行驶时空电量关系模型，获取被测车辆的行驶时空电量关系；根据历史运行数据获取外界因素，根据外界因素基于KNN算法构建车辆行驶工况预测模型，并通过获取被测车辆的当前外界因素，预测被测车辆的未来行驶工况；根据历史运行数据，基于机器学习算法构建能耗预测模型，结合被测车辆的行驶时空电量关系和未来行驶工况，预测出被测车辆的能耗需求。本发明提高了预测数据的实时性，且能够精确到被测车辆个体，能够为用户的出行提供实时数据支撑，缓解里程焦虑。
-
公开(公告)号：CN117541310A
公开(公告)日：2024-02-09
申请号：CN202311679956.4
申请日：2023-12-08
Applicant: 北京理工大学重庆创新中心
IPC: G06Q30/0204 , G06Q50/06 , G06F16/9537
Abstract: 本发明公开了一种基于充电需求的建站选址方法，包括：获取纯电动汽车的历史充电行为和停车行为并确定对应的充电位置和停车位置；通过离线地图解析得到各城市的AOI区域分布和充电场站分布；将停车位置及充电位置与AOI区域进行匹配，并将充电位置与充电场站位置匹配，得到每个AOI区域的停车及充电情况；构建AOI区域的停车‑充电网络关系模型，根据机器学习算法对该AOI区域的充电紧迫性情况及充电功率需求进行预测得到预测结果；根据预测结果确定充电场站的选址分布以及每个充电场站的建设规模。通过本发明能够为企业进行充电网络布局及建站选址建设等提供数据支撑，从而缓解电动汽车充电站在实际选址期间重复投资以及资源过度消耗等现象。
-
公开(公告)号：CN117541310B
公开(公告)日：2024-11-26
申请号：CN202311679956.4
申请日：2023-12-08
Applicant: 北京理工大学重庆创新中心
IPC: G06Q30/0204 , G06Q50/06 , G06F16/9537
Abstract: 本发明公开了一种基于充电需求的建站选址方法，包括：获取纯电动汽车的历史充电行为和停车行为并确定对应的充电位置和停车位置；通过离线地图解析得到各城市的AOI区域分布和充电场站分布；将停车位置及充电位置与AOI区域进行匹配，并将充电位置与充电场站位置匹配，得到每个AOI区域的停车及充电情况；构建AOI区域的停车‑充电网络关系模型，根据机器学习算法对该AOI区域的充电紧迫性情况及充电功率需求进行预测得到预测结果；根据预测结果确定充电场站的选址分布以及每个充电场站的建设规模。通过本发明能够为企业进行充电网络布局及建站选址建设等提供数据支撑，从而缓解电动汽车充电站在实际选址期间重复投资以及资源过度消耗等现象。
-
公开(公告)号：CN114407661B
公开(公告)日：2023-11-07
申请号：CN202210126508.0
申请日：2022-02-10
Applicant: 北京理工大学重庆创新中心
IPC: B60L3/12 , B60L58/10 , G06F18/214 , G06F18/2413
Abstract: 本发明提供一种基于数据驱动的电动车能耗预测方法、系统、设备及介质，其中，方法包括：通过车联网采集被测车辆的运行监测数据，获取历史运行数据，并结合蒙特卡罗方法构建车辆行驶时空电量关系模型，获取被测车辆的行驶时空电量关系；根据历史运行数据获取外界因素，根据外界因素基于KNN算法构建车辆行驶工况预测模型，并通过获取被测车辆的当前外界因素，预测被测车辆的未来行驶工况；根据历史运行数据，基于机器学习算法构建能耗预测模型，结合被测车辆的行驶时空电量关系和未来行驶工况，预测出被测车辆的能耗需求。本发明提高了预测数据的实时性，且能够精确到被测车辆个体，能够为用户的出行提供实时数据支撑，缓解里程焦虑。
-
-
-
-
Search Results
5
records
(took 0.027 seconds)
