使用 MongoDB 整合 EV 充电数据和操作,以构建可扩展的、响应迅速的充电体验,并在基础设施增长时快速调整。
使用案例: 物联网
行业: 制造与移动
产品和工具: MongoDB Atlas、MongoDB Search、MongoDB时间序列
合作伙伴: Vercel, Apollo GraphQL
解决方案概述
无论您是汽车原始设备制造商 (OEM)、能源或公用事业提供商,还是移动技术初创企业,互联电动汽车 (EV) 充电都需要汇集以不同速度变化并为充电体验的不同部分提供支持的数据。
此数据包括:
充电站位置和连接器功能。
站点可用性和活动会话。
定价。
操作事件。
随着充电网络的不断发展,保持这些数据在面向驱动程序的体验和运营体验中的一致性和可访问性,对于提供可靠的服务和做出明智的决策变得越来越重要。
该解决方案展示了统一的操作数据层如何将这些工作负载整合到 MongoDB 中。共享数据基础支持实时充电体验,并为操作员提供充电站和会话活动的一致视图。
在单一应用程序架构中,该解决方案托管:
充电站发现与可用性。
对预订和活动会话进行计费。
操作事件和遥测数据。
该方法使用 MongoDB document model 围绕应用程序访问模式组织数据,同时地理空间查询支持位置感知发现,条件更新有助于保持准确的可用性,变更流将操作状态更改与下游处理连接起来。将运营数据整合到一个灵活的平台中,使您的团队能够构建互联的充电应用程序,并随着网络、数据需求和运营需求的发展而进行调整。
图 1。服务于电动汽车充电生态系统的数据平台概述
参考架构
该解决方案通过统一的应用架构将驱动程序体验、充电操作、站点模拟和运营数据整合在一起。
图 2。电动汽车充电演示架构
Next.js 应用提供了两种主要体验:
驱动程序应用:用于站点发现和充电会话管理。
操作控制中心:用于监控实时充电活动和操作数据。
该应用与使用 Apollo GraphQL 构建的充电站管理系统 (CSMS) 进行双向通信。CSMS 为应用提供充电工作流契约,并将应用操作与充电站操作连接起来。该应用还通过 OpenStreetMap 与基于位置的服务集成,以支持站点发现和位置感知体验。
一个 Python FastAPI 模拟器代表充电站活动并生成会话遥测数据。MongoDB change streams 捕获充电会话中的状态更改,用于 CSMS 到模拟器的工作流。模拟器使用这些事件来:
启动或停止处理充电会话。
计算模拟的充电状态。
生成会话遥测数据。
MongoDB 在整个架构中提供统一的操作数据平台。它集成了端到端充电体验所需的所有数据,从驱动程序和车辆背景到充电基础设施、会话活动、操作事件和海量遥测数据。
随着您的解决方案不断发展,MongoDB 的功能(例如地理空间查询、时间序列集合、Atlas Search 和在线存档)可支持各种数据和访问模式。
数据模型方法
该数据模型遵循了电动汽车充电应用程序的实际工作方式:驱动程序需要全面了解充电会话,站点搜索需要同时考虑位置和可用性,而遥测数据则需要作为高容量流进行处理。MongoDB document model 让您可以围绕这些特定的访问模式来塑造每个集合。
该解决方案使用以下核心集合:
users以及vehicles:存储驱动程序和车辆信息。chargingStations以及chargingPoints:追踪充电站发现和电动汽车供电设备 (EVSE) 的省/市/自治区。chargingSessions:管理预订、活动会话和充电历史记录。incidents:追踪运营问题。telemetry:存储海量充电数据。
document model 使该解决方案直观且更易于实现。
示例,chargingSessions 集合使用扩展参考模式将会话历史数据保存在一起。除了对根本的车辆和站点的引用外,会话还存储了相关详细信息的小快照。
{ "status": "COMPLETED", "stationSnapshot": { "name": "Downtown Mall Charging", "addressShort": "Main St 10, Zurich", "chargingPointLabel": "Bay 1" }, "vehicleSnapshot": { "make": "BMW", "model": "i3" }, "charging": { "energyDeliveredKwh": 52.4 }, "pricingSnapshot": { "currency": "EUR", "priceCentsPerKwh": 55 }, "cost": { "totalCents": 2882 }}当驱动程序查看其会话历史记录时,应用会从单个文档中检索此信息,而无需连接多个集合。即使根本的站点或车辆数据稍后发生变化,快照也会保留历史会话上下文。
同样的原则也简化了站点发现。chargingStations 集合将其位置存储为 GeoJSON,使 MongoDB 地理空间查询能够找到驱动程序位置附近的站点。它还维护计算出的可用性计数和充电点功能的有界投影,因此可以直接从站点文档回答常见的地图和搜索查询。
{ "name": "Downtown Mall Charging", "location": { "type": "Point", "coordinates": [8.5417, 47.3769] }, "availability": { "availableNowPoints": 7 }, "chargingPoints": [ { "connectors": [ { "type": "CCS", "power": 150 }, { "type": "TYPE2", "power": 22 } ] } ]}频繁变化的运营状态保留在单独的 chargingPoints 集合中,以避免在充电点的状态发生变化时更新站点文档。这种分离还可以在遥测数据量增加时保持模型的高效性。
遥测数据具有不同的访问模式:它具有高容量、基于时间且持续增长的特点。该解决方案将遥测数据分开,并使用带有 TTL 索引 的 MongoDB 时间序列集合 来自动实施保留策略。对于长期存在的数据,MongoDB 在线存档 会将旧数据移动到费用较低的存储中,从而提供一种原生方式来管理数据生命周期,而无需构建单独的存档工作流。
{ "timestamp": "2026-02-12T08:11:58Z", "meta": { "stationId": "65c8f2e2d2f4c3a9b3b9b001", "chargingPointId": "65c8f2e2d2f4c3a9b3b9b101", "stationCode": "station-001", "chargingPointCode": "cp_station-001_01" }, "messageType": "SESSION_SAMPLE", "ok": true, "powerKw": 120, "energyKwhDelta": 0.4, "voltageV": 400, "currentA": 300, "temperatureC": 31.2}这些模式使实现能够专注于应用程序的实际工作流程,同时使每种数据类型都能独立扩展和演进。其结果是一个实用的 document model,在不牺牲灵活性的前提下降低了应用复杂性。
构建解决方案
要本地运行该解决方案,请完成以下步骤:
有关完整的设置说明、本地开发选项、环境变量和其他命令,请参阅 GitHub 存储库。
关键要点
统一电动汽车充电数据和操作:将驱动程序体验、充电基础设施、操作数据和遥测技术整合到一个操作数据平台上,以提高可见性并简化架构。
简化开发和演进:利用 MongoDB 灵活的 document model 和模式模式,随着需求的变化构建和调整计费工作流。
构建高可用性和可扩展性:结合实时数据、事件驱动处理和原生 MongoDB 功能,以支持快速响应的充电体验,随着基础设施和数据量的增长。
利用 AI 扩展操作:利用连接的站点、会话、事件和遥测上下文作为 AI 辅助支持和操作决策工作流程的基础。
作者
Rami Pinto,MongoDB
Humza Akhtar,MongoDB
Daniel Jamir, MongoDB