新能源汽车

—— 人工智能的应用
汇报人：王瑞华
 目录

01 02 03

人工智能简介 人工智能需求 深度学习应用于

充电路径规划案
例
人工智能简介 |

01

人工智能简介
01 人工智能简介

01 02 03
• 人工智能技术的研发是用 • 人类的意志和思想以及信息传输的 • 在一定的程度上能够替代
于模拟和延伸以及拓展人 模式都可以应用人工智能技术进行 人类的大脑进行对繁杂的
类智能的理论和方法技术 计算以及模拟，人工智能不用经过 问题进行思考以及工作，
以及运用系统的一门更新 人类的大脑，但是人工智能却能够 而对于新能源汽车能源的
的技术课程。 像人类一样考虑一定程度的问题， 管控这种数据杂乱密集的
人工智能在非常多的方面已经完全 创建模型进行计算，人工
超越了人类的大脑。 智能的计算方法一样极其
的符合计算的要求。
人工智能需求 |

02

人工智能需求
02 人工智能需求

01 智能化需求
• 智能网联新能源汽车，是智能汽车与车联网、新能源的创新融合，是一种数字化、网络化、
智能化时代的新型汽车，以新能源作为动力驱动，车联网作为互联方式，达到智能 / 无人驾
驶水平，实现安全、效率、隐私、绿色行驶。

02 信息物理系统
• 智能系统、网联系统以及新能源系统，既相互独立又相互联系，构成了智能网联新能源汽车的核心。每个系统均有代
表性的智能化需求。
深度学习应用于充电路径规划案例 |

03

深度学习应用于
充电路径规划案
例
3.1 深度学习应用于充电路径规划案例

Cui Qiushi 等人建立了混合整数非

充电桩规划
方法 01 线性的多目标优化模型，以降低充电站、
配电网扩建等联合成本。

02
Zhang Ying 等人提出了一种面向
充电设施部
署方法 多标准的充电设施部署方法，设计了具
有性能保证的充电站放置加速算法。

03
有研究着重分析了充电桩的比例及
充电桩比例
其使用情况，提出了算法来估算停车充
电需求。
3.2 深度学习应用于充电路径规划案例主要内容

解决新能源汽车的充电问

2
题。由于位置会随着时间发生变 提出了基于深度
化，充电的需求具有时空特性。
慢速充电模式下，会产生较长的
停车时间。在进行路径规划时，
需要考虑汽车的剩余电量是否能
1 强化学习的充电路径规
划模型。

支持汽车达到充电站。

3
建立 了联合最小

5
真实世界的数据
化充电完成时间和汽车
集进行试验，结果 表
行驶距离为目标的路径
明，所提出的算法可
规划问题。
在一定程度上减少汽
车的充电时间。
4 提出了基于深度强化
学习的算法求解该模型。
3.3 深度学习应用于充电路径规划案例主要模块

01 充电能耗模块
充电能耗模型模块计算每辆新能源汽车的行驶
用电量，该模块获取汽车的参数，如初始电池电量、
到充电站的距离，并输出 EV 的耗电量 ；

02 数据预处理模块
数据预处理模块以能耗模型、路网数据和充电
站数据的结果作为输入，对原始数据进行预处理，
并使用地图匹配将每个汽车的 GPS 点映射到相应
的路段上；

03 汽车和充电站图模块
汽车和充电站图模块用于建立汽车和充电站的
分布图，将用于为汽车充电调度系统构建仿真环境；

04 路径规划模块
路径规划模块是基于深度 Q 学习的学习模型，
为所有需要充电的汽车推荐最优调度决策。
3.5 深度学习应用于充电路径规划案例总结

提出了基于深度学习的
充电路径规划模型，对新能
源汽车充电进行调度。使用
真实数据集试验，结果表明
该文所提出的模型减少了充
电时间，缩短了车辆的行驶
距离。该模型从新能源汽车
用户的角度考虑约束，即汽
车的行驶距离限制、不同的
充电模型以及充电请求的空
间特征。在后续的研究工作，
将计划利用实时交通和充电
站状态数据来进一步改进该
文模型。
感谢老师评判指导
演讲人：王瑞华