電動汽車的有序充電調(diào)度方法
【專利摘要】本發(fā)明提出了一種電動汽車有序充電調(diào)度方法，該方法包括：根據(jù)預(yù)先建立的電動汽車?yán)m(xù)駛里程預(yù)測模型計算出電動汽車當(dāng)前工況的能耗，根據(jù)電動汽車當(dāng)前工況的能耗和當(dāng)前的SOC計算出電動汽車的續(xù)駛里程；當(dāng)電動汽車的續(xù)駛里程與電動汽車下次充電前的預(yù)計行駛里程之間的比例小于設(shè)定閾值，則根據(jù)預(yù)先建立的電動汽車動力電池壽命模型計算出電動汽車的充電量；根據(jù)電動汽車的充電量、離開時間和配電網(wǎng)當(dāng)前的負(fù)荷狀況，以局域配電網(wǎng)峰谷差最小為優(yōu)化目標(biāo)，對電動汽車的充電過程進(jìn)行調(diào)度。本發(fā)明的方法以滿足駕駛員的駕駛行為特性為基礎(chǔ)，通過合理引導(dǎo)電動汽車充放電來延長電動汽車動力電池的使用壽命，可以減小電網(wǎng)負(fù)荷的峰谷差，保證電網(wǎng)的穩(wěn)定運(yùn)行。
【專利說明】
電動汽車的有序充電調(diào)度方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及電動汽車充電技術(shù)領(lǐng)域，尤其涉及一種電動汽車的有序充電調(diào)度方 法。
【背景技術(shù)】
[0002] 保障能源的可持續(xù)供應(yīng)，是國家能源安全戰(zhàn)略的不可忽視的一個環(huán)節(jié)，制定符合 我國可持續(xù)發(fā)展的能源安全戰(zhàn)略已經(jīng)到了刻不容緩的地步。一方面，改善能源環(huán)境，降低碳 排放是能源可持續(xù)發(fā)展的重要共識。另一方面，化石能源作為全球能源的重要形式，容易受 到政治、經(jīng)濟(jì)、恐怖襲擊等各方面的影響。節(jié)能減排和可持續(xù)發(fā)展使得以內(nèi)燃機(jī)作為動力源 的傳統(tǒng)機(jī)動車面臨著被淘汰的命運(yùn)，而使用清潔能源的電動汽車必然會成為未來機(jī)動車行 業(yè)發(fā)展的新方向。電動汽車作為一種新型電力負(fù)荷，其充電具有隨機(jī)性、間歇性的特征，規(guī) ?；妱悠嚦潆妼淖冸娋W(wǎng)當(dāng)前的負(fù)荷狀況，加大電網(wǎng)一天內(nèi)的最大負(fù)荷與最小負(fù)荷 之差(峰谷差），影響配電網(wǎng)穩(wěn)定運(yùn)行。因此如何解決因電動汽車充電給電網(wǎng)帶來的較大峰 谷差，是本發(fā)明的主要方面。
[0003] 為減輕電動汽車大規(guī)模接入對配電網(wǎng)的影響，提高電網(wǎng)運(yùn)行的可靠性和經(jīng)濟(jì)性， 需要盡量減少電動汽車的隨機(jī)充電(無序充電），對電動汽車充電進(jìn)行引導(dǎo)，即有序充電。由 于目前電動汽車還處于初級發(fā)展階段，電動汽車的普及率并不高，因此針對電動汽車有序 充電的研究并不太多且多以改善配電網(wǎng)負(fù)荷狀況或以降低配電網(wǎng)網(wǎng)損為目標(biāo)，卻忽略了用 戶的充電意愿，造成這些研究在實際中很難得到應(yīng)用。
[0004] 為了提高電動汽車使用者的響應(yīng)率，除了電網(wǎng)安全運(yùn)行目標(biāo)以外，還需要關(guān)注使 用者的根本需求和利益。根據(jù)汽車工業(yè)研究調(diào)查結(jié)果表明：用戶在購買和使用電動汽車過 程中，除了車輛的性價比之外，最為關(guān)心的是駕駛的便利性(單次電池續(xù)駛里程，駕駛舒適 度等）、動力電池壽命、充電的便利性。若能根據(jù)用戶駕駛行為特性和用戶需求合理引導(dǎo)其 充放電來延長車輛的電池使用壽命，同時減少電網(wǎng)的峰谷差，電動汽車的用戶充電響應(yīng)率 將有一個質(zhì)的飛躍。然而，目前的現(xiàn)有技術(shù)中，鮮有研究考慮電池壽命及用戶駕駛行為特性 和充電意愿對于充電調(diào)度策略的重要性。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的實施例提供了一種電動汽車的有序充電調(diào)度方法，以實現(xiàn)考慮用戶駕駛 行為特性的電動汽車的有序充電調(diào)度策略。
[0006] 為了實現(xiàn)上述目的，本發(fā)明采取了如下技術(shù)方案。
[0007] -種電動汽車有序充電調(diào)度方法，包括：
[0008] 根據(jù)預(yù)先建立的電動汽車?yán)m(xù)駛里程預(yù)測模型計算出電動汽車當(dāng)前工況的能耗，根 據(jù)所述電動汽車當(dāng)前工況的能耗和當(dāng)前的荷電狀態(tài)S0C計算出所述電動汽車的續(xù)駛里程；
[0009] 當(dāng)所述電動汽車的續(xù)駛里程與所述電動汽車下次充電前的預(yù)計行駛里程之間的 比例小于設(shè)定閾值，根據(jù)所述電動汽車的充電量、離開時間和配電網(wǎng)當(dāng)前的負(fù)荷狀況，利用 預(yù)先建立的電動汽車動力電池壽命模型計算出所述電動汽車的充電量，以局域配電網(wǎng)峰谷 差最小為優(yōu)化目標(biāo)，對所述電動汽車的充電過程進(jìn)行調(diào)度。
[0010] 進(jìn)一步地，所述的根據(jù)預(yù)先建立的電動汽車?yán)m(xù)駛里程預(yù)測模型計算出電動汽車當(dāng) 前工況的能耗，包括：
[0011] 預(yù)先建立電動汽車?yán)m(xù)駛里程預(yù)測模型，該電動汽車?yán)m(xù)駛里程預(yù)測模型包括:定義 電動汽車每行駛設(shè)定距離為一個片段，給每個片段設(shè)定參數(shù)信息，該參數(shù)信息包括平均速 度、最大速度、速度的平方和、加速比例、減速比例、勻速比例、怠速比例、室外溫度和空調(diào)功 率，選取設(shè)定數(shù)量個片段以及每個片段的參數(shù)信息，通過主成分分析法和模糊聚類算法對 所述設(shè)定數(shù)量個片段進(jìn)行計算，得到多個聚類中心，每個聚類中心對應(yīng)一種工況，每個聚類 中心的參數(shù)信息包括:平均速度、加速比例、減速比例、勻速比例、空調(diào)功率、環(huán)境溫度和能 耗參數(shù)；
[0012] 根據(jù)所述電動汽車當(dāng)前的片段的參數(shù)信息和所述每個聚類中心除能耗參數(shù)外的 參數(shù)信息，分別計算出所述電動汽車當(dāng)前的片段與各個聚類中心之間的距離值，將各個距 離值進(jìn)行比較，將距離值最短的聚類中心對應(yīng)的工況作為所述電動汽車的當(dāng)前工況，將所 述距離值最短的聚類中心的能耗參數(shù)作為所述電動汽車當(dāng)前工況的能耗。
[0013] 進(jìn)一步地，所述的分別計算出所述電動汽車當(dāng)前的片段與各個聚類中心之間的距 離值，包括：
[0014]設(shè)聚類中心的數(shù)量為c，所述電動汽車當(dāng)前的片段與各個聚類中心之間的距離值 di的計算公式為：
[0015] di= | |x-ci| I ,i = l,2,3,···,〇
[0016] 式中：x為所述電動汽車當(dāng)前的片段的參數(shù)，Cl為聚類中心i的聚類中心參數(shù)，Cl = (Cil，Ci2，…，Ci6) 〇
[0017 ]進(jìn)一步地，所述的根據(jù)所述電動汽車當(dāng)前工況的能耗和當(dāng)前的荷電狀態(tài)S0C計算 出所述電動汽車的續(xù)駛里程L1，包括：
[0018]讀取所述電動汽車當(dāng)前的荷電狀態(tài)S0C，電動汽車的電池容量為Q，聚類中心的數(shù) 量為c。根據(jù)所述電動汽車的駕駛者長期的駕駛行為特性確定各工況類的比例，各工況類的 比例為X1:X2:…：Xi:…：Xc-l:Xc，（1 < i < C))，每種工況的能耗分別為pi，P2,…，pi,…，pc-1， pc，（l < i <c))，根據(jù)當(dāng)前車輛的S0C，計算續(xù)駛里程L1，計算公式為：
[0020] 進(jìn)一步地，所述的所述電動汽車的續(xù)駛里程與所述電動汽車下次充電前的預(yù)計行 駛里程之間的比例小于設(shè)定閾值，包括：
[0021] 設(shè)所述電動汽車下次充電前的預(yù)計行駛里程為L，利用電動汽車?yán)m(xù)駛里程預(yù)測模 型計算出的所述電動汽車的續(xù)駛里程為L1，如果
[0022] L1<(1+10%)L
[0023] 則確定所述電動汽車的續(xù)駛里程與所述電動汽車下次充電前的預(yù)計行駛里程之 間的比例小于設(shè)定閾值。
[0024]進(jìn)一步地，所述的方法還包括：
[0025]根據(jù)影響電動汽車動力電池壽命的環(huán)境溫度、充電電流、放電電流、放電深度及循 環(huán)次數(shù)建立電動汽車動力電池壽命模型，該電動汽車動力電池壽命模型中包括:在低放電 深度下和高放電深度下，電動汽車動力電池的容量衰退量與循環(huán)次數(shù)的關(guān)系式，所述電動 汽車動力電池壽命模型表明在低放電深度下使用電動汽車動力電池能夠延長所述電動汽 車的動力電池的使用壽命。
[0026] 進(jìn)一步地，所述的根據(jù)所述電動汽車的充電量、離開時間和配電網(wǎng)當(dāng)前的負(fù)荷狀 況，利用預(yù)先建立的電動汽車動力電池壽命模型計算出所述電動汽車的充電量，以局域配 電網(wǎng)峰谷差最小為優(yōu)化目標(biāo)，對所述電動汽車的充電過程進(jìn)行調(diào)度，包括：
[0027] 根據(jù)配電網(wǎng)的歷史負(fù)荷數(shù)據(jù)預(yù)測得到配電網(wǎng)當(dāng)日負(fù)荷曲線，將一天分為N個時段， 第i個時段內(nèi)配電網(wǎng)原始負(fù)荷大小為…，N)，設(shè)滿足所述電動汽車出行的充電 量為S E，電動汽車的充電過程為恒功率充電，其充電功率為△ P，電動汽車電池容量為Q，電 動汽車充電起始S0C為Ss，到達(dá)充電地點的時間為Ts，離開時間為t，起始充電時間為T。，則所 述電動汽車該次充電所需的充電電量Ssoc計算方法如下：
[0029] 電動汽車的停留時間％_為
[0030] Tstay=t-Ts
[0031] 設(shè)第i個時段內(nèi)正在充電的電動汽車負(fù)荷為?1，共有η輛電動汽車進(jìn)行充電，則
[0033] 第i個時段內(nèi)配電網(wǎng)的總負(fù)荷Ps?i是電動汽車充電負(fù)荷Pi與原始負(fù)荷Pi的疊加：
[0034] Psumi = Pi+Pi
[0035] 在所述電動汽車停車的時間（Ts，t)內(nèi)，以所述電動汽車的起始充電時間T。最早以 及配電網(wǎng)的峰谷差最小作為充電控制的目標(biāo)函數(shù)，該目標(biāo)函數(shù)即：
[0037] 其中，var(Psumi)為Psumi的方差函數(shù)。P max為局域配電網(wǎng)的最大負(fù)荷，則Psumi應(yīng)滿足 約束條件：
[0038] Psumi < Pmax
[0039] 此外，所述電動汽車的起始充電時間T。還應(yīng)滿足約束條件：
[0040] Ts < Tc < t
[0041] (t-Tc) ΔΡ> Ssoc
[0042] 通過循環(huán)過程求解所述目標(biāo)函數(shù)和所有的約束條件，得到所述電動汽車的起始充 電時間T。。
[0043]由上述本發(fā)明的實施例提供的技術(shù)方案可以看出，本發(fā)明提出了以滿足駕駛員的 駕駛行為特性和充電意愿為基礎(chǔ)的電動汽車有序充電調(diào)度方法，通過合理引導(dǎo)電動汽車充 放電來延長電動汽車動力電池的使用壽命，同時可以減小電網(wǎng)負(fù)荷的峰谷差，可以極大提 高駕駛員對于充電調(diào)度方法的積極性，同時保證電網(wǎng)的穩(wěn)定運(yùn)行，具有十分現(xiàn)實的意義。
[0044] 本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，這些將從下面的描述中變 得明顯，或通過本發(fā)明的實踐了解到。
【附圖說明】
[0045] 為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例描述中所需要使用 的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本 領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他 的附圖。
[0046] 圖1為本發(fā)明實施例提供的提高用戶響應(yīng)率的電動汽車的有序充電調(diào)度方法的處 理流程圖；
[0047] 圖2為電動汽車的動力電池的容量衰退量與循環(huán)次數(shù)的關(guān)系式示意圖；
[0048] 圖3為一天內(nèi)電動汽車無序充電和有序充電時的充電負(fù)荷效果圖；
[0049] 圖4為一天內(nèi)電動汽車無序充電和有序充電時的配電網(wǎng)負(fù)荷效果圖。
【具體實施方式】
[0050] 下面詳細(xì)描述本發(fā)明的實施方式，所述實施方式的示例在附圖中示出，其中自始 至終相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參 考附圖描述的實施方式是示例性的，僅用于解釋本發(fā)明，而不能解釋為對本發(fā)明的限制。
[0051] 本技術(shù)領(lǐng)域技術(shù)人員可以理解，除非特意聲明，這里使用的單數(shù)形式"一"、"一 個"、"所述"和"該"也可包括復(fù)數(shù)形式。應(yīng)該進(jìn)一步理解的是，本發(fā)明的說明書中使用的措 辭"包括"是指存在所述特征、整數(shù)、步驟、操作、元件和/或組件，但是并不排除存在或添加 一個或多個其他特征、整數(shù)、步驟、操作、元件、組件和/或它們的組。應(yīng)該理解，當(dāng)我們稱元 件被"連接"或"耦接"到另一元件時，它可以直接連接或耦接到其他元件，或者也可以存在 中間元件。此外，這里使用的"連接"或"耦接"可以包括無線連接或耦接。這里使用的措辭 "和/或"包括一個或更多個相關(guān)聯(lián)的列出項的任一單元和全部組合。
[0052]本技術(shù)領(lǐng)域技術(shù)人員可以理解，除非另外定義，這里使用的所有術(shù)語(包括技術(shù)術(shù) 語和科學(xué)術(shù)語)具有與本發(fā)明所屬領(lǐng)域中的普通技術(shù)人員的一般理解相同的意義。還應(yīng)該 理解的是，諸如通用字典中定義的那些術(shù)語應(yīng)該被理解為具有與現(xiàn)有技術(shù)的上下文中的意 義一致的意義，并且除非像這里一樣定義，不會用理想化或過于正式的含義來解釋。
[0053]為便于對本發(fā)明實施例的理解，下面將結(jié)合附圖以幾個具體實施例為例做進(jìn)一步 的解釋說明，且各個實施例并不構(gòu)成對本發(fā)明實施例的限定。
[0054] 本發(fā)明針對電動汽車無序充電對配電網(wǎng)的負(fù)面影響，以延長電動汽車動力電池的 使用壽命出發(fā)，提出了滿足電動汽車駕駛員駕駛行為特性和充電意愿的有序充電調(diào)度方 法。
[0055] 本發(fā)明采用延長電動汽車動力電池壽命的方法來提高用戶對于有序充電調(diào)度方 法的響應(yīng)率，首先建立了電動汽車?yán)m(xù)駛里程預(yù)測模型A1和電動汽車動力電池壽命模型A2， 讀取電動汽車的充電信息，將其輸入模型A1和A2,計算該次充電的充電量，然后采用算法B (即遺傳算法)計算得出電動汽車有序充電調(diào)度方法，達(dá)到配電網(wǎng)和用戶兩方面的最優(yōu)。
[0056] 本發(fā)明實施例提出的提高用戶響應(yīng)率的電動汽車有序充電調(diào)度方法的處理流程 圖如圖1所示。主要步驟如下：
[0057]步驟1:建立電動汽車?yán)m(xù)駛里程預(yù)測模型A1。平均速度、最大速度、加速比例、減速 比例、勻速比例、怠速比例、室外溫度、空調(diào)使用功率等都會影響電動汽車的續(xù)駛里程，本發(fā) 明從電動汽車行駛工況的角度，采用算法C(即主成分分析和模糊聚類法相結(jié)合的算法），對 電動汽車的行駛工況進(jìn)行識別，研究電動汽車的能耗，預(yù)測電動汽車的續(xù)駛里程。以豐田公 司的Prius PHEV為例，對其在純電動模式下的續(xù)駛里程進(jìn)行預(yù)測。定義電動汽車本次充電 后到下次充電前的行駛過程為一個循環(huán)，每個循環(huán)中，定義電動汽車每行駛lkm為一個片 段。為準(zhǔn)確描述每個片段，確保不會出現(xiàn)行駛信息的丟失和失真，選擇并計算9個參數(shù)用于 描述每個片段，該9個參數(shù)分別為平均速度、最大速度、速度的平方和、加速比例、減速比例、 勻速比例、怠速比例、室外溫度和空調(diào)功率，各參數(shù)的單位分別為km/h、km/h、（ km/h)2、1、1、 1、1、°C和kW。其中，參數(shù)中使用的各個與加速度有關(guān)的參數(shù)(加速比例、減速比例、勾速比例 和怠速比例)通過對速度計算一階導(dǎo)數(shù)得到。按照這種方法，選取3368個片段進(jìn)行之后的主 成分分析。
[0058]下述表1為前5個片段的各參數(shù)值。
[0059] 表1:電動汽車前5個片段的各參數(shù)值
[0060]
[0061]主成分分析就是用較少的幾個綜合變量來代替原來較多的參數(shù)，而這些較少的綜 合變量能盡可能多地反映原來參數(shù)的有用信息，且相互之間又是無關(guān)的，這些綜合變量就 稱為主成分。若前e(e = 1，2，…，9)個主成分的累積貢獻(xiàn)率達(dá)到80 %或85 %時，這e個主成分 可代表原始變量進(jìn)行分析。本發(fā)明中用到了主成分分析法，并通過MATLAB來實現(xiàn)其功能。由 于MATLAB的數(shù)字處理能力較強(qiáng)，比較適合本發(fā)明的內(nèi)容，故此選用其作為實現(xiàn)工具。利用 MATLAB軟件對3368個片段中的各參數(shù)進(jìn)行主成分分析，得到9個主成分。每個主成分的特征 值和貢獻(xiàn)率如下述表2所示。
[0062]表2各主成分的特征值和貢獻(xiàn)率
[0064] 按主成分分析原理選取前4個主成分，并進(jìn)行特征參數(shù)與主成分間的相關(guān)性分析， 從前4個主成分中選取具有代表性的平均車速、怠速比例、勻速比例、減速比例、室外溫度和 空調(diào)功率6個參數(shù)用于聚類計算。
[0065] 聚類的目的是將被分類事物按照一定的規(guī)則分成若干類，分類規(guī)則是根據(jù)對象的 特征確定的，處于同一類的事物之間存在一定的相似性。但很多時候把每個待分類對象嚴(yán) 格的劃分為某一類必然有其不合理性，因此，結(jié)合模糊集合理論處理聚類問題可以使聚類 的應(yīng)用更合理可靠。本發(fā)明中使用模糊C-均值聚類算法。模糊C均值聚類是一種基于目標(biāo)函 數(shù)的聚類方法，每一個對象是以一定的隸屬度隸屬于每個聚類中心的。本發(fā)明的研究對象 是包含3368個片段和6個參數(shù)的數(shù)據(jù)，其觀測矩陣可以按如下矩陣表示
[0067]矩陣中，每一行為一個片段，每一列為片段的參數(shù)。模糊聚類就是將樣品劃分為c 類（2 < c < 3368)。定義V= {vi，V2, ···，vc}i己為c類的聚類中心，其中Vi = {vii，vi2, ···，Vi6}。定 義Uik表示第k個片段屬于第i類的隸屬度，其中0 < Uik < 1,5^=1 = lQdik= | | xk-vi | |， 表示第k個變量到第i個中心的距離。
[0068]定義目標(biāo)函數(shù)為：
[0070]其中U=(Uik)cX3368為隸屬度矩陣。J(U，V)表示了各類中樣品到聚類中心的加權(quán) 平方距離之和，權(quán)重是樣品Xk屬于第i類的隸屬度的m次方。
[0071] 模糊c-均值聚類就是求U和V，使得J(U，V)取到最小值。具體步驟如下：
[0072] 首先，確定類的個數(shù)c，冪指數(shù)m>l和初始隸屬度矩陣= 本文中取[0， 1 ]上的均勻分布隨機(jī)數(shù)來確定初始隸屬度矩陣。1 = 1表示第一步迭代。
[0078] 最后，對給定的隸屬度終止容限ω u>〇，當(dāng):max { (uf - ?} j < 時，停止 迭代。
[0079] 經(jīng)過以上步驟，即可求得最終的隸屬度矩陣和聚類中心，使得目標(biāo)函數(shù)J(U，V)的 值達(dá)到最小，根據(jù)最終的隸屬度矩陣U可以確定所有樣品的歸屬。
[0080] 根據(jù)上述的過程，對電動汽車各片段的參數(shù)進(jìn)行聚類分析，對聚類個數(shù)c分別進(jìn)行 嘗試，最后發(fā)現(xiàn)在c = 12時，各聚類中心能最好反應(yīng)出電動汽車的行駛工況，每個聚類中心 對應(yīng)一種工況。
[0081] 各聚類中心的參數(shù)如下述表3所示。表中除上述平均車速、怠速比例、勻速比例、減 速比例、室外溫度和空調(diào)功率6個參數(shù)外，還包括了每個工況下的能耗參數(shù)，其單位為kWh。
[0082] 表3各聚類中心的參數(shù)
[0083]
[0084]
[0085] 表中各列參數(shù)各依次表示平均速度，加速比例，減速比例，勾速比例，空調(diào)功率，環(huán) 境溫度以及能耗參數(shù)的聚類中心。從溫度上來看，各聚類中心基本成低溫，常溫，高溫三種 分布，分別代表冬季，春秋兩季和夏季，說明溫度對電動汽車能耗的影響比較明顯。從平均 速度來看，各聚類中心可基本分為低速，中低速，中速，高速四類，這表明速度對能耗的影響 也很明顯。而加速、減速、勻速比例和空調(diào)功率等則主要反映了電動汽車駕駛員的駕駛行為 特性。根據(jù)各聚類中心，利用工況識別的方法，建立電動汽車的續(xù)駛里程預(yù)測模型A1。按照 距離最小原則，確定電動汽車每一個片段的類別，可以將行駛片段按照工況劃分為12類。其 中，距離計算公式為：
[0086] di= | | χ-Ci I I ,i = l,2,3,---,12
[0087] 式中^為某片段的參數(shù)，1=(11^2，"_^6);(^為類;[的聚類中心參數(shù)，(^ = ((^1， Ci2，···，Ci6)
[0088] 將距離值di最短的聚類中心對應(yīng)的工況作為所述電動汽車的當(dāng)前工況，將所述距 離值最短的聚類中心的能耗參數(shù)作為所述電動汽車當(dāng)前工況的能耗。
[0089]讀取車輛當(dāng)前的S0C(State of Charge，荷電狀態(tài)），電動汽車的電池容量為Q，。根 據(jù)所述電動汽車的駕駛者長期的駕駛行為特性確定各工況類的比例，各工況類的比例為 X1:X2:…：Xi:…：Xc-l:Xc(l < i < C)，C=12)，每種工況的能耗分別為 P1，P2,…，Pi,…，pc-l，pc， (l<i<c)，c = 12)，根據(jù)當(dāng)前車輛的S0C，計算續(xù)駛里程LI，計算公式為
[0091] 步驟2:建立電動汽車動力電池壽命模型A2。
[0092] 建立電動汽車動力電池壽命模型A2時，選取環(huán)境溫度、充電電流、放電電流、放電 深度及循環(huán)次數(shù)作為影響電動汽車動力電池壽命的主要因素。環(huán)境溫度選擇時，按照混合 四季的溫度值進(jìn)行模擬，依次為1 〇°C-25 °C-40°C-25°C -10 °C。充電倍率對于電動汽車 的動力電池通常比較固定，選取C/3(其中C為充電倍率，計算方法為電動汽車動力電池的充 電電流除以電動汽車動力電池的額定容量）。實際運(yùn)行條件下，電動汽車動力電池的放電電 流變化較大，因此選用平均放電倍率，其值約為C/2。一般來說，當(dāng)電動汽車動力電池的容量 為其標(biāo)稱容量的70% - 80%時，電動汽車動力電池即不能再使用。稱電動汽車動力電池從 充滿電后放電到指定放電深度下對應(yīng)的soc，再充滿電的過程為電動汽車動力電池的一次 循環(huán)。分別研究低放電深度下(50%放電深度)和高放電深度(80%放電深度)下電動汽車動 力電池的容量衰退量隨循環(huán)次數(shù)的關(guān)系，得到如附圖2所示的結(jié)果。其中，在低放電深度下 和高放電深度下，電動汽車動力電池的容量衰退量與循環(huán)次數(shù)的關(guān)系式如附圖2所示。從附 圖2看出，在同等循環(huán)次數(shù)下，電動汽車動力電池在低放電深度下的容量衰退量明顯低于其 在高放電深度下的容量衰退量。在低放電深度下使用電動汽車動力電池可以有效延長其使 用壽命。根據(jù)所述電動汽車的當(dāng)前的循環(huán)次數(shù)查詢所述關(guān)系式，得到所述動力汽車動力電 池的當(dāng)前的容量衰退量。在確定充電量時，在所述電動汽車的續(xù)駛里程滿足所述電動汽車 下次充電前的預(yù)計行駛里程的前提下，保持電動汽車動力電池在低放電深度下使用。
[0093 ]步驟3:提出電動汽車有序充電調(diào)度方法
[0094] 步驟1和步驟2中，分別提出了電動汽車?yán)m(xù)駛里程預(yù)測的方法及動力電池壽命預(yù)測 方法，建立了電動汽車?yán)m(xù)駛里程預(yù)測模型A1和電動汽車動力電池壽命模型A2。步驟3中，結(jié) 合駕駛員的充電意愿及停留時間，根據(jù)當(dāng)前配電網(wǎng)的負(fù)荷狀況，提出了滿足駕駛員充電意 愿的電動汽車有序充電調(diào)度方法。該調(diào)度方法使用雙層模型，上層模型為用戶側(cè)，充電開始 前，由電動汽車駕駛員輸入電動汽車當(dāng)前的S0C、離開時間t及下次充電前的預(yù)計行駛里程 L，根據(jù)模型A1預(yù)測電動汽車在當(dāng)前S0C下的續(xù)駛里程L1，若
[0095] LI > (1+10%)L
[0096] 表明當(dāng)前電動汽車電量充足，由電動汽車駕駛員決定是否為電動汽車進(jìn)行充電； 式中，10%為車輛的電量余量，若當(dāng)前續(xù)駛里程不滿足上式或駕駛員仍要進(jìn)行充電，則該次 仍進(jìn)行充電此時仍由駕駛員決定是否愿意接受充電調(diào)度，若不愿意，則當(dāng)前為電動汽車開 始充電并充滿;若駕駛員愿意接受調(diào)度，則進(jìn)入下層模型即電網(wǎng)側(cè)，根據(jù)模型A2計算滿足車 輛出行的充電量Se，并根據(jù)駕駛員輸入的離開時間及配電網(wǎng)當(dāng)前的負(fù)荷狀況，以局域配電 網(wǎng)峰谷差最小為優(yōu)化目標(biāo)，提出相應(yīng)的調(diào)度方法。
[0097] 配電網(wǎng)當(dāng)日負(fù)荷曲線由其歷史負(fù)荷預(yù)測得到。本發(fā)明中將一天分為96個時段，時 間間隔為15分鐘，因此第i個時段內(nèi)配電網(wǎng)原始負(fù)荷大小為? 1(1 = 1，2,3，-_，96)。此外，本 發(fā)明中假設(shè)電動汽車的充電過程為丨旦功率充電，其充電功率為△ P。設(shè)電動汽車電池容量為 Q，電動汽車充電起始S0C為Ss，駕駛員到達(dá)充電地點的時間為Ts，離開時間為t，起始充電時 間為T。，則電動汽車該次充電所需的充電電量S SQC計算方法如下：
[0099] 電動汽車的停留時間％_為
[0100] Tstay=t-Ts
[0101] 設(shè)第i個時段內(nèi)正在充電的電動汽車負(fù)荷SPl，共有η輛電動汽車進(jìn)行充電，則
[0103] 第i個時段內(nèi)配電網(wǎng)的總負(fù)荷PSMi是電動汽車充電負(fù)荷Pi與原始負(fù)荷Pi的疊加 ：
[0104] Psumi = Pi+Pi
[0105] 在駕駛員停車的時間（Ts，t)內(nèi)，以用戶起始充電時間最早以及配電網(wǎng)的峰谷差最 小作為充電控制的目標(biāo)函數(shù)，BP
[0107] 其中，var(Psumi)為P_i的方差函數(shù)。
[0108] Pmax為局域配電網(wǎng)的最大負(fù)荷，則Psumi應(yīng)滿足約束條件：
[0109] Psumi < Pmax
[0110] 此外，起始充電時間Tc還應(yīng)滿足約束條件：
[0111] Ts < Tc < t
[0112] (t-Tc) ΔΡ> Ssoc
[0113] 上述即為該有序充電調(diào)度問題，采用算法B求解該問題。選取每個時段的充電功率 作為染色體個體，進(jìn)行二進(jìn)制編碼，執(zhí)行交叉與變異操作，并根據(jù)約束條件計算目標(biāo)函數(shù)， 對優(yōu)秀染色體進(jìn)行保留與重插入，通過循環(huán)過程求解所述目標(biāo)函數(shù)和所有的約束條件，得 到所述電動汽車的起始充電時間T。。
[0114] 步驟4:設(shè)配電網(wǎng)區(qū)域內(nèi)共有100輛電動汽車。以一天為一個階段，將全天更新后的 充電負(fù)荷及配電網(wǎng)負(fù)荷顯示在效果圖中，同時將無序充電下的配電網(wǎng)負(fù)荷與有序充電下的 配電網(wǎng)負(fù)荷顯示在效果圖中，以驗證該有序充電調(diào)度方法的有效性。附圖3為一天內(nèi)電動汽 車分別為無序充電和有序充電時的充電負(fù)荷效果圖，附圖4為一天內(nèi)電動汽車分別為無序 充電和有序充電時的配電網(wǎng)負(fù)荷效果圖。
[0115] 綜上所述，傳統(tǒng)的有序充電調(diào)度方法多以改善配電網(wǎng)負(fù)荷狀況或以降低配電網(wǎng)網(wǎng) 損為目標(biāo)，而忽略了用戶的駕駛行為特性和充電意愿，導(dǎo)致有序充電調(diào)度在實際中很難得 到應(yīng)用。本發(fā)明實施例為解決這個問題，提出了以滿足駕駛員的駕駛行為特性和充電意愿 為基礎(chǔ)的電動汽車有序充電調(diào)度方法，通過合理引導(dǎo)電動汽車充放電來延長電動汽車動力 電池的使用壽命，同時可以減小電網(wǎng)負(fù)荷的峰谷差，可以極大提高駕駛員對于充電調(diào)度方 法的積極性，同時保證電網(wǎng)的穩(wěn)定運(yùn)行，具有十分現(xiàn)實的意義。
[0116] 本領(lǐng)域普通技術(shù)人員可以理解:附圖只是一個實施例的示意圖，附圖中的模塊或 流程并不一定是實施本發(fā)明所必須的。
[0117] 通過以上的實施方式的描述可知，本領(lǐng)域的技術(shù)人員可以清楚地了解到本發(fā)明可 借助軟件加必需的通用硬件平臺的方式來實現(xiàn)。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì) 上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機(jī)軟件產(chǎn)品 可以存儲在存儲介質(zhì)中，如R0M/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機(jī)設(shè)備 (可以是個人計算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例或者實施例的某些 部分所述的方法。
[0118] 本說明書中的各個實施例均采用遞進(jìn)的方式描述，各個實施例之間相同相似的部 分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對于裝置或 系統(tǒng)實施例而言，由于其基本相似于方法實施例，所以描述得比較簡單，相關(guān)之處參見方法 實施例的部分說明即可。以上所描述的裝置及系統(tǒng)實施例僅僅是示意性的，其中所述作為 分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或 者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上?？梢愿?據(jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。本領(lǐng)域普通技術(shù) 人員在不付出創(chuàng)造性勞動的情況下，即可以理解并實施。
[0119]以上所述，僅為本發(fā)明較佳的【具體實施方式】，但本發(fā)明的保護(hù)范圍并不局限于此， 任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換， 都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍 為準(zhǔn)。
【主權(quán)項】
1. 一種電動汽車有序充電調(diào)度方法，其特征在于，包括： 根據(jù)預(yù)先建立的電動汽車?yán)m(xù)駛里程預(yù)測模型計算出電動汽車當(dāng)前工況的能耗，根據(jù)所 述電動汽車當(dāng)前工況的能耗和當(dāng)前的荷電狀態(tài)SOC計算出所述電動汽車的續(xù)駛里程； 當(dāng)所述電動汽車的續(xù)駛里程與所述電動汽車下次充電前的預(yù)計行駛里程之間的比例 小于設(shè)定閾值，根據(jù)所述電動汽車的充電量、離開時間和配電網(wǎng)當(dāng)前的負(fù)荷狀況，利用預(yù)先 建立的電動汽車動力電池壽命模型計算出所述電動汽車的充電量，以局域配電網(wǎng)峰谷差最 小為優(yōu)化目標(biāo)，對所述電動汽車的充電過程進(jìn)行調(diào)度。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的根據(jù)預(yù)先建立的電動汽車?yán)m(xù)駛里程 預(yù)測模型計算出電動汽車當(dāng)前工況的能耗，包括： 預(yù)先建立電動汽車?yán)m(xù)駛里程預(yù)測模型，該電動汽車?yán)m(xù)駛里程預(yù)測模型包括:定義電動 汽車每行駛設(shè)定距離為一個片段，給每個片段設(shè)定參數(shù)信息，該參數(shù)信息包括平均速度、最 大速度、速度的平方和、加 速比例、減速比例、勻速比例、怠速比例、室外溫度和空調(diào)功率，選 取設(shè)定數(shù)量個片段以及每個片段的參數(shù)信息，通過主成分分析法和模糊聚類算法對所述設(shè) 定數(shù)量個片段進(jìn)行計算，得到多個聚類中心，每個聚類中心對應(yīng)一種工況，每個聚類中心的 參數(shù)信息包括:平均速度、加 速比例、減速比例、勻速比例、空調(diào)功率、環(huán)境溫度和能耗參數(shù)； 根據(jù)所述電動汽車當(dāng)前的片段的參數(shù)信息和所述每個聚類中心除能耗參數(shù)外的參數(shù) 信息，分別計算出所述電動汽車當(dāng)前的片段與各個聚類中心之間的距離值，將各個距離值 進(jìn)行比較，將距離值最短的聚類中心對應(yīng)的工況作為所述電動汽車的當(dāng)前工況，將所述距 離值最短的聚類中心的能耗參數(shù)作為所述電動汽車當(dāng)前工況的能耗。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述的分別計算出所述電動汽車當(dāng)前的片 段與各個聚類中心之間的距離值，包括： 設(shè)聚類中心的數(shù)量為c，所述電動汽車當(dāng)前的片段與各個聚類中心之間的距離值cU的計 算公式為： di= | |x-ci| I ,i = l,2,3,···,〇 式中為所述電動汽車當(dāng)前的片段的參數(shù)，Cl為聚類中心i的聚類中心參數(shù)，Cl = (Cll， Ci2，…，Ci6) 〇4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的根據(jù)所述電動汽車當(dāng)前工況的能耗 和當(dāng)前的荷電狀態(tài)SOC計算出所述電動汽車的續(xù)駛里程L1，包括： 讀取所述電動汽車當(dāng)前的荷電狀態(tài)SOC，電動汽車的電池容量為Q，聚類中心的數(shù)量為 c。根據(jù)所述電動汽車的駕駛者長期的駕駛行為特性確定各工況類的比例，各工況類的比例 為X1:X2:…：Xi:…：Xc-1:X C(1 < i < C)，每種工況的能耗分別為P1，P2,…，Pi,···，pc-I，pc，（1 < i < C)，根據(jù)當(dāng)前車輛的SOC，計算續(xù)駛里程LI，計算公式為：5. 根據(jù)權(quán)利要求1至4任一項所述的方法，其特征在于，所述的所述電動汽車的續(xù)駛里 程與所述電動汽車下次充電前的預(yù)計行駛里程之間的比例小于設(shè)定閾值，包括： 設(shè)所述電動汽車下次充電前的預(yù)計行駛里程為L，利用電動汽車?yán)m(xù)駛里程預(yù)測模型計 算出的所述電動汽車的續(xù)駛里程為L1，如果 L1<(1+10%)L 則確定所述電動汽車的續(xù)駛里程與所述電動汽車下次充電前的預(yù)計行駛里程之間的 比例小于設(shè)定閾值。6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述的方法還包括： 根據(jù)影響電動汽車動力電池壽命的環(huán)境溫度、充電電流、放電電流、放電深度及循環(huán)次 數(shù)建立電動汽車動力電池壽命模型，該電動汽車動力電池壽命模型中包括:在低放電深度 下和高放電深度下，電動汽車動力電池的容量衰退量與循環(huán)次數(shù)的關(guān)系式，所述電動汽車 動力電池壽命模型表明在低放電深度下使用電動汽車動力電池能夠延長所述電動汽車的 動力電池的使用壽命。7. 根據(jù)權(quán)利要求6所述的方法，其特征在于，所述的根據(jù)所述電動汽車的充電量、離開 時間和配電網(wǎng)當(dāng)前的負(fù)荷狀況，利用預(yù)先建立的電動汽車動力電池壽命模型計算出所述電 動汽車的充電量，以局域配電網(wǎng)峰谷差最小為優(yōu)化目標(biāo)，對所述電動汽車的充電過程進(jìn)行 調(diào)度，包括： 根據(jù)配電網(wǎng)的歷史負(fù)荷數(shù)據(jù)預(yù)測得到配電網(wǎng)當(dāng)日負(fù)荷曲線，將一天分為N個時段，第i 個時段內(nèi)配電網(wǎng)原始負(fù)荷大小為…，N)，設(shè)滿足所述電動汽車出行的充電量 為SE，電動汽車的充電過程為恒功率充電，其充電功率為ΔΡ，電動汽車電池容量為Q，電動 汽車充電起始SOC為Ss，到達(dá)充電地點的時間為Ts，離開時間為t，起始充電時間為T。，則所述 電動汽車該次充電所需的充電電量Ssoc計算方法如下：電動汽車的停留時間TstayS Tstay = t-Ts 設(shè)第i個時段內(nèi)正在充電的電7由均汽車進(jìn)tx充電，則 第i個時段內(nèi)配電網(wǎng)的總負(fù)荷P_i是電動汽車充電負(fù)荷Pi與原始負(fù)荷Pi的疊加： Psumi = pi+Pi 在所述電動汽車停車的時間（Ts，t)內(nèi)，以所述電動汽車的起始充電時間T。最早以及配 電網(wǎng)的峰谷差最小作為充電控制的目標(biāo)函數(shù)，該目標(biāo)函數(shù)即：其中，var (Psumi)為Psumi的方差函數(shù)。Pmax為局域配電網(wǎng)的最大負(fù)荷，則P sumi應(yīng)滿足約束 條件： Psumi ^ Pmax 此外，所述電動汽車的起始充電時間T。還應(yīng)滿足約束條件： Ts < Τ〇 < t (t-Tc) AP>Ssoc 通過循環(huán)過程求解所述目標(biāo)函數(shù)和所有的約束條件，得到所述電動汽車的起始充電時
【文檔編號】G06Q10/06GK105868942SQ201610399530
【公開日】2016年8月17日
【申請日】2016年6月7日
【發(fā)明人】蘇粟, 劉紫琦, 姜久春, 李 浩
【申請人】北京交通大學(xué)