买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利一种基于电价预测的电动汽车充电导航方法及电子设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120373700B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510301098.2，技术领域涉及：G06Q10/0631；该发明授权一种基于电价预测的电动汽车充电导航方法及电子设备是由梅震;蒋怀光设计研发完成，并于2025-03-14向国家知识产权局提交的专利申请。

本一种基于电价预测的电动汽车充电导航方法及电子设备在说明书摘要公布了：本发明公开了一种基于电价预测的电动汽车充电导航方法及电子设备，方法包括：根据配电网络、交通网络、充电站及电动汽车模型，建立电力‑交通耦合网络模型；根据电力‑交通耦合网络模型，建立电动汽车的充电导航经济优化模型，确定模型的变量和约束；根据变量和约束设计多智能体深度强化学习中的状态变量集、动作变量集和奖励函数；构建考虑电价预测信息的多智能体SAC训练网络结构，设置SAC训练网络结构的动作网络和评价网络的参数；通过交互电力‑交通耦合网络模型，训练智能体学会在实际交通状况和动态电价下做出最优决策，以最大化奖励函数，实现电动汽车用户在行驶和充电过程中的成本最优化。本发明能够有效地降低电动汽车经济行驶和充电成本。

本发明授权一种基于电价预测的电动汽车充电导航方法及电子设备在权利要求书中公布了：1.一种基于电价预测的电动汽车充电导航方法，其特征在于，包括以下步骤： 根据配电网络、交通网络、充电站及电动汽车模型，建立电力-交通耦合网络模型； 根据所述电力-交通耦合网络模型，建立电动汽车的充电导航经济优化模型，并确定模型的变量和约束；根据变量和约束设计多智能体深度强化学习中的状态变量集、动作变量集和奖励函数； 构建考虑电价预测信息的多智能体SAC训练网络结构，设置SAC训练网络结构的动作网络和评价网络的参数； 通过交互电力-交通耦合网络模型，训练智能体学会在实际交通状况和动态电价下做出最优决策，以最大化奖励函数，进而实现电动汽车用户在行驶和充电过程中的成本最优化； 所述根据配电网络、交通网络、充电站及电动汽车模型，建立电力-交通耦合网络模型，包括： 配电网最优潮流模型如下式所示： 其中，配置配电网最优潮流模型的约束包括功率平衡约束与电压约束； 功率平衡约束如式所示： 式中，表示购电成本，表示节点发电机输出的有功功率，表示从其他网络输注入的功率，表示它们的相关系数；是节点的交流电压，分别表示的上下界，分别表示发电机输出功率的上下界，表示节点和节点之间的支路传输功率，表示节点的负荷，是线路导纳矩阵，表示支路传输功率的幅值的最大值，示节点和节点之间的相位角差的最大值，表示的虚部； 由于约束是非凸非线性约束，运用二阶锥放松方法，将约束转化为标准的二阶锥不等式形式： 通过提取有功功率平衡方程的对偶变量，计算得到本地边际电价； 交通网模型如下式所示： 式中，分别表示交通节点和边的集合；分别表示节点和之间关于距离和支路行驶时间的边权重值；考虑到实际交通拥堵情况，通过BPR模型计算得到支路实际行驶时间，BPR模型如下式所示： 式中，和分别表示边的交通流和交通容量； 充电站模型如下式所示： 式中，表示充电站的集合；表示第个充电站的状态矩阵；和表示第个充电站分别对应于电力配网和交通网中的节点和位置；表示第个充电站的充电需求；表示实时充电电价；表示电动汽车充电所需要的等待时间； 电动汽车模型如下式所示： 式中，表示充电过程的时间步；表示第个电动汽车的电量状态；表示交通网络中电动汽车所在位置节点；和分别表示初始电量状态和电能容量； 长短期记忆网络预测网络模型为： 式中，为序列输入；表示在时间步的维子序列输入；分别表示候选值，输入门，遗忘门，输出门；和分别表示和tanh激活函数；元素级乘法运算；表示记忆单元的更新状态，表示当前时刻的隐藏状态。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。