一种基于数据的电动汽车充电基础设施使用情况估算方法

摘要

本发明属于电动汽车配套设施技术领域，具体为一种基于数据的电动汽车充电基础设施使用情况估算方法，包括步骤一：利用行程起始终止SOC，实现“回家充电”特征的提取，步骤二：利用分段SOC的算法，实现恒流充电功率的准确估计，步骤三：判断电动汽车是否经常在同一位置进行充电，其结构合理，通过对数据进行行程特征提取、充电特征提取、充电设施识别配备等处理，获取电动汽车使用的充电基础设施是私人充电桩还是公共充电桩。本发明提出的方法对数据质量要求低，可以方便的应用于不同场景、不同数据采集系统下，为相应充电基础设施的规划提供有力的支撑。

说明书

技术领域

本发明涉及电动汽车配套设施技术领域，具体为一种基于数据的电动汽车充电基础设施使用情况估算方法。

背景技术

随着新能源汽车产业的快速发展，充电桩数量有限的瓶颈逐渐显现出来，新能源汽车充电桩建设作为“新基建”的重要组成部分，是新能源汽车产业的基础保障和关键环节，对推进新能源汽车产业发展具有重要意义。如何对新能源汽车的充电环境进行合理的布局，是确保"新基建"落地的重要因素。部分新能源汽车随车配置了充电桩，这些用户的用电量影响到了周围区域的公共充电量和需求量，对周围整个地区的公共充电站的选址定容有着重要的意义。

目前基于大数据下的充电桩分析及选址布局上已有初步成果，现有的技术有从充电热区出发，把这些充电热区作为候选充电桩位置，通过相应的目标函数优化获得最佳落地位置。在考虑充电热区上，有直接从停车分布上将停车时长超过一定阈值时的区域作为候选充电桩位置；也有将城市建设用地、道路交通考虑在内来作为筛选条件。但很少有研究或专利解决如何估计数据中充电基础设施为公共设施还是私人充电桩这一实际问题对于充电桩选址的影响。

目前对于充电桩的分析及选址布局上，一方面鲜有考虑到某一区域当有一定数量的私家桩时对周边充电需求的影响；另一方面在对充电桩进行分析选址时，对候选充电桩位置用到的筛选方法具有一定的争议性。如“一种电动汽车充电设施建设的选址方法”(专利号：CN201911014218.1)提到的公共领域选址方法通过新增充电设施规划点位备选库：将现有车辆停放点及企业意向点等近期可实施性强的作为一级备选库；将规划未建设的公共交通设施用地、加油站用地、规划车辆停放点作为二级备选库，从用地条件、交通条件、均衡性三方面进行建立选址评价体系。但在获得规划充电桩的备选库时，该专利并未考虑如何从数据中分离私家配备充电桩的车辆及相应的充电地点，所以其备选库的地点中可能有一些私家车的停车地点，并不适合作为公共充电设施选址。再如专利“一种基于电动汽车真实行驶数据的充电桩优化布局方法”(专利号：CN201810048662.4)在充电布局上提出把超过停车时间阈值的地点作为候选充电桩位置，在候选充电桩位置中以额定续驶里程为约束和减少电动汽车动力电池过放电次数为目标进行求解获得全局最优解。这种数据处理方法采用的时间阈值标定在实际应用中存在很大的问题，用户生活规律很难用统一的时间阈值描述，所以这种方法不但适应性有限，而且结果也存在一定的不合理性。在充电功率的考虑上，专利“充电装置及充电方法”(专利号：CN201180070345.9)中提到的基于充放电限制开始温度与电池的温度之间的温度差而确定的充电速率对电池进行充电的方式控制充电器，这里在考虑到充电速率上时，仅仅考虑了温度的影响，实际上恒流充电和恒压充电下的不同也会造成较大影响。

为了解决问题，本发明采用了行程SOC特征判断用户的“回家充电”行为，避免了采用时间阈值无法标定的问题，采用分段SOC功率估计的方法，准确提出充电桩的充电功率，避免了充电桩恒压充电转换为恒流充电后，充电功率随时间变化，无法准确获取充电功率的问题。

发明内容

本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于现有电动汽车充电基础设施选址中存在的问题，提出了本发明。

因此，本发明的目的是提供一种基于数据的电动汽车充电基础设施使用情况估算方法，可以方便的应用于不同场景、不同数据采集系统下，为相应充电基础设施的规划提供有力的支撑。

为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

一种基于数据的电动汽车充电基础设施使用情况估算方法，其包括包括如下步骤：

步骤一：利用行程起始终止SOC，实现“回家充电”特征的提取，首先判断车辆是否具有“回家充电”特征，对于某天的行程数据，将该天最后一个行程数据，结束的SOC与次日首个行程起始的SOC进行对比，若某天最后行程结束SOC小于次日出发行程SOC，则说明车辆在日具有大概率“回家充电”特征；

步骤二：利用分段SOC的算法，实现恒流充电功率的准确估计，考虑到电池充电过程中当电量大于80％时，充电功率急剧下降，为得到恒流充电功率下充电数据，取数据集中充电过程中充电结束电量到达80％之前的数据进行充电功率计算，计算如下：

式中SOC(％)

步骤三：判断电动汽车是否经常在同一位置进行充电，直接提取车辆充电片段的位置信息或寻找相邻两个行程中满足后一个行程起始电量大于前一个行程的结束电量的行程信息，从中提取到缺失充电片段的位置信息，利用聚类的方法获取充电位置的聚类中心，计算每个充电位置与聚类中心的距离，利用这些距离分布定义充电位置一致性特征，充电位置一致性程度较高时，则说明此位置具有大概率的可能性是该车辆的私家桩位置。

作为本发明所述的一种基于数据的电动汽车充电基础设施使用情况估算方法的一种优选方案，其中：采用行程起始终止SOC作为判断条件，避免以时间阈值作为筛选条件判断，对于充电信息丢失的数据具有较强的适应性。

作为本发明所述的一种基于数据的电动汽车充电基础设施使用情况估算方法的一种优选方案，其中：采用基于聚类的充电位置一致性特征提取，可以较好地解决充电位置缺失或者不准确对充电位置判断的影响。

作为本发明所述的一种基于数据的电动汽车充电基础设施使用情况估算方法的一种优选方案，其中：采用分段SOC的功率提取算法，无需充电功率信息，且可以较为准确的判断恒流充电功率。

与现有技术相比，本发明的有益效果是：通过该一种基于数据的电动汽车充电基础设施使用情况估算方法的设置，结构设计合理，通过对数据进行行程特征提取、充电特征提取、充电设施识别配备等处理，获取电动汽车使用的充电基础设施是私人充电桩还是公共充电桩。本发明提出的方法对数据质量要求低，无需准确的GPS位置信息，无需复杂的算法标定，所以具有更广泛的应用范围，可以方便的应用于不同场景、不同数据采集系统下，为相应充电基础设施的规划提供有力的支撑。

附图说明

为了更清楚地说明本发明实施方式的技术方案，下面将结合附图和详细实施方式对本发明进行详细说明，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明结构示意图；

图2为本发明随车配备充电桩识别算法流程图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。

其次，本发明结合示意图进行详细描述，在详述本发明实施方式时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。

实施例1

根据7月31日北京发布的《关于一次性增发新能源小客车指标配置办法的通告》，8月1日起，北京将面向“无车家庭”一次性增发2万个新能源小客车指标。为满足这些车辆的充电需求，需要建设配套的公共充电站和充电桩，现通过87辆车从10月到12月的汽车运行数据判断车辆是否随车配置充电桩，从而推算2万辆车中具有私家桩占比，为建设配套的公共充电站和充电桩提供支持。

表1数据集中部分车辆字段信息

表2数据字段说明

1、数据预处理与行程提取

表1列举的是87辆车中第一辆车部分采集到的数据信息，包括车辆号码、数据采集时间、车辆状态、充电状态、车辆电量以及经纬度字段的信息，表2是对数据中相应的字段信息的说明。对这87辆车按照车辆状态和充电状态的不同划分为行驶、充电、停车三个状态作为行程提取后的特征数据集1进行备用，如表3部分行程特征所示：

表3分段行程特征

2、“回家充电”特征提取

首先判断车辆是否具有“回家充电”特征，对于某天的行程数据，将该天最后一个行程数据，结束的SOC与次日首个行程起始的SOC进行对比，若某天最后行程结束SOC小于次日出发行程SOC，则说明车辆在该日具有大概率“回家充电”特征。

3、分段SOC的功率特征提取

考虑到电池充电过程中当电量大于80％时，充电功率急剧下降，为得到恒流功率下充电数据，取数据集中充电过程中充电结束电量到达80％之前的数据进行充电功率计算，计算如下：

式中SOC(％)

4、充电位置一致性特征提取

从87辆车中直接提取车辆的充电片段的位置信息，也或者寻找每一辆车相邻两个行程中满足后一个行程起始电量大于前一个行程的结束电量的行程信息，从中提取到缺失充电片段的位置信息，利用聚类的方法获取充电位置的聚类中心，计算每个充电位置与聚类中心的距离。利用这些距离分布定义充电位置一致性特征，充电位置一致性程度较高时，则说明此位置具有大概率的可能性是该车辆的私家桩位置：

5、随车配备充电桩的车辆筛选结果

根据以上的筛选过程，87辆新能源汽车的运行数据中筛选出随车配备充电桩的车辆数为32辆，并根据这个私家桩占比推算20000辆车私家桩的数量对充电需求的影响，为建设配套的公共充电站和充电桩提供支持。

虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。