基于网联数据的电动车快速充电影响因素分析

基于北京市私家电动汽车网联数据,按照充电行为类型提取车辆行程,并对行程中影响快速充电行为的潜在因素进行细致分析;基于Logistic回归模型进行显著性影响因素识别,结果表明,电动汽车续航里程、出行距离、出行时间等因素显著影响电动汽车的快速充电行为;最后,基于显著影响因素建立模型,对私家电动汽车快速充电行为进行预测,预测结果表明,预测模型具有较好的预测效果和可靠度.本文研究成果将有助于优化私家电动汽车的充电行为,提高充电效率.     

基于网联数据的电动车快速充电影响因素分析

基于北京市私家电动汽车网联数据,按照充电行为类型提取车辆行程,并对行程中影响快速充电行为的潜在因素进行细致分析;基于Logistic回归模型进行显著性影响因素识别,结果表明,电动汽车续航里程、出行距离、出行时间等因素显著影响电动汽车的快速充电行为;最后,基于显著影响因素建立模型,对私家电动汽车快速充电行为进行预测,预测结果表明,预测模型具有较好的预测效果和可靠度.本文研究成果将有助于优化私家电动汽车的充电行为,提高充电效率.     

电动汽车驶离充电桩行为研究

电动汽车驶离充电桩行为能使充电设施资源得到充分利用,是目前车桩发展不平衡问题下需要关注的问题.现有研究缺乏对用户充电后驶离行为的分析,为探求电动汽车驶离行为的驱动因素,首先,通过引入社会责任意识和感知转换成本两个态度潜变量,融合结构方程模型与离散选择模型,构建了混合选择模型(HCM).该模型框架下包含结构模型、测量模型...     

考虑出行特征的电动汽车协同充电调度优化研究

针对大规模电动汽车无序充电导致的充电供需不平衡和资源利用率低等问题,在分析用户出行特征的基础上,提出电动汽车协同充电的调度优化策略。通过经济激励改变电动汽车用户的充电选择,并结合电网的分时电价策略协调充电站内各时段输出功率,以充电站收益最大化为目标建立电动汽车协同充电调度优化模型。为降低解空间的维度,加快求解速度,将模型分解为充电调度主问题和站点功率协调分配子问题,利用改进遗传算法编码求解模型主问题,并通过调用Gurobi求解器求解子问题。最后,分别在经典路网和现实路网中进行仿真实验。结果表明：电动汽车协同充电调度能够提高充电资源利用率和站点收益;随着调度补偿力度增大,站点收益提升效果逐渐减弱;较高的电力峰谷价差可以激励充电站主动实施充电调度和时段充电功率的协调分配,提高站点服务率并缓解电网负载波动。     

基于拉格朗日分解的电动汽车充电路径优化

针对电动汽车充电路径优化问题,构建简单有效的车辆充电网络,考虑车辆剩余电量和充电站服务能力约束,以车辆行驶总时间最小为优化目标,建立基于多商品流的0-1整数规划模型.在拉格朗日分解框架下,构造所建模型的对偶问题,并利用次梯度算法对其求解.次梯度迭代过程中,对偶问题能够被分解为易处理的最短路径问题和半指派问题.通过应用标号算法求解最短路问题,设计有效的启发式方法求解半指派问题.仿真计算表明,求解算法能够在很短时间内达到非常小的优化间隙,验证了所提方法的可行性.     

电动汽车智能充电路径规划研究

随着我国对于新能源重视度的不断提升,为电动汽车的发展提供了更加有利的环境,促进电动汽车的不断发展.因此,电动汽车如何在新时期进行智能充电路径的科学规划,成为电动汽车行业发展所需考虑的重点问题之一.主要针对电动汽车智能充电路径规划进行探讨,希望为电动汽车智能充电的发展,提供一定帮助.     

探密电动汽车的无线充电技术

无线充电技术的发展是逐步进行的,未来无线充电技术还将在与智能电网的结合中得到长足的发展。如果能在道路上实现无线供电,会进一步降低对电池容量的要求,更有力地推动电动汽车的大规模应用。     

数据驱动的电动汽车充电站选址方法

电动汽车在缓解能源压力和环境污染中起着重要的作用,充电不方便成为制约电动汽车发展的一个重要原因.为了合理布局电动汽车充电站位置,本文提出一种数据驱动的电动汽车充电站选址方法.利用海量的移动位置数据提取潜在的交通需求位置,包括出发点和目的地;将地图划分为等间隔的网格,将潜在的交通需求位置与网格关联,统计每个网格内的交通需求量,需求量大的网格作为电动汽车充电站选址的候选位置.实证研究表明,该方法能够精准定位潜在用户需求量大的位置,为电动汽车充电站选址提供数据支持和决策依据.     

基于改进核密度估计的电动出租车快速充电行为研究

电动汽车充电行为研究是充电负荷时空分布预测、充电基础设施规划和有序充电管理的基础.本文基于上海市电动出租车的实测数据,划分充电片段并提取快速充电行为特征变量,开展相关性分析以揭示变量之间的内在相关性,从工作日和休息日两个时间维度揭示快速充电行为规律,提出一种基于扩散方程的自适应扩散核密度估计模型应用于快速充电行为特征变...     

基于渐进优化方法的电动汽车充电站选址研究

面对日益紧张的环境和资源的双重压力,电动汽车是未来汽车发展的方向,而电动汽车充电站是电动汽车发展所必需的基础设施,布局合理的电动汽车充电站对电动汽车的普及与发展起着重要的作用。在完成充电需求小区划分的基础上,以规划区域所有充电者到其临近充电站的广义距离之和最小,同时每个充电者都只距其所属充电需求小区的充电站广义距离最近为目标函数,建立整个规划区域内系统最优的充电站选址模型,采用充电需求小区划分一充电站选址一广义距离比较一充电需求小区划分调整的渐进优化法,不断循环求解,寻求充电站的最佳选址。最后针对南京市某区域,通过建模和渐进优化,得到了该区域内的充电站最佳选址。     

考虑负效应最小化的电动汽车补能诱导研究

随着政府对“碳达峰”等环保政策的贯彻落实,电动汽车凭借节能环保等优点得到了迅速发展。由于电动汽车续航里程短,充电时间长,且路网中的补能需求与充电桩存在时空错配的现象,导致电动汽车补能排队时间长和驾驶员产生里程焦虑等一系列负效应。为此,本文首先从整体路网补能负效应最小化角度,通过引入激励手段实现最优补能方案,建立电动汽车补能诱导双层优化模型。其中,上层为路网补能负效应最小化诱导激励模型;下层为带有补能站点选择的混行路网均衡模型。然后,采用遗传算法求解上层模型,下层模型通过Frank-Wolfe算法求解,得出路网中补能车辆的最优诱导方案。最后,以经典Nguyen-Dupius路网为例验证模型,并进行灵敏度分析。结果表明,尽管本文提出的补能诱导模型增加了规划者的激励成本,但总社会补能负效应成本降低,证明了补能诱导的有效性。     

基于实车数据的电动汽车电池剩余使用寿命预测

电动汽车电池剩余使用寿命预测是当下电池研究领域的热点内容,现有电池剩余使用寿命预测模型大多基于单一预测指标,预测精度较低,模型的泛化性能较差。本文通过实车数据构建了GM-LSTM的Stacking融合模型,实现电动汽车电池剩余使用寿命的准确预测。首先根据电池剩余使用寿命影响因素,提取车辆真实的运行参数和环境参数,基于随机森林算法筛选最优特征集合作为模型输入,其次选择差分整合移动平均自回归算法对所选特征进行惯性延伸,克服数据时间维度上的限制,最后基于数据特点,分别建立灰色预测模型和长短时记忆神经网络模型实现电池剩余使用寿命预测,并通过Stacking模型融合进一步降低预测误差。结果表明：模型融合 后平均相对误差为1.6%,平均绝对误差为0.013,能够稳定可靠的实现电动汽车电池剩余使用寿命预测。     

基于车联网数据挖掘的营运车辆 驾驶速度行为聚类研究

为了充分利用交通运输企业积累的海量车联网数据,挖掘营运车辆驾驶行为 特征的潜在规律.根据车联网数据属性提取涉及驾驶行为特征的参数,基于因子分析把8 个驾驶行为特征参数化为少数几个蕴含明确驾驶行为信息的综合变量,以此为指标通过 系统聚类,将选取的江苏范围内营运车辆驾驶行为特征进行聚类分析.结果表明,营运车 辆驾驶行为特征可有效聚为变速行为、超速行为、减速行为、加速行为,其中变速驾驶行 为程度较重的驾驶人其他3 种驾驶行为程度也较大.这类驾驶人具有较高驾驶风险,交通 运输企业需要对其重点监控.研究结果对我国营运车辆驾驶人的监管与培训具有一定参 考作用.     

基于logistic回归分析的路段人行横道机动车让行研究

为探究道路交通条件对路段人行横道机动车让行的影响,通过无人机视频调查,采集了20处路段人行横道机动车通行过程数据,在对logistic模型应用条件进行检验的基础上,建立了路段人行横道机动车让行概率模型,并检验了模型的准确性。模型分析结果表明,安全间距、车速、监控、车道数、行人数量和行人位置对让行率具有显著影响;通过增设监控和行人中央驻足区可分别提高让行率为原来的3.700倍和4.339倍,当车道数大于4时,即使采取监控措施让行率仍将小于30%,应采用信号控制。     

基于多模型融合的电动汽车行驶里程预测

纯电动汽车行驶里程预测是驾驶者最关心的问题之一,为解决现有预测算法模型精度低、相对误差大的问题,本文采用融合片段回归与单点分类的机器学习方法对行驶里程进行预测.以真实车辆各项状态参数、环境信息等作为输入,通过聚类和过滤封装式特征筛选,提取最优特征集合,并基于行驶片段样本量选择预测方法,通过对环境温度和电池健康状态(SOH)进行分层耦合提高片段回归预测精度,通过单点分类和片段回归预测模型融合优化最终预测结果.行驶里程测试集预测结果中均方根相对误差(RMSRE)为0.035,平均相对误差为1.71%,能够精确稳定地实现行驶里程预测.