電動汽車的有序充電調度方法
【專利摘要】本發明提出了一種電動汽車有序充電調度方法，該方法包括：根據預先建立的電動汽車續駛里程預測模型計算出電動汽車當前工況的能耗，根據電動汽車當前工況的能耗和當前的SOC計算出電動汽車的續駛里程；當電動汽車的續駛里程與電動汽車下次充電前的預計行駛里程之間的比例小于設定閾值，則根據預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；根據電動汽車的充電量、離開時間和配電網當前的負荷狀況，以局域配電網峰谷差最小為優化目標，對電動汽車的充電過程進行調度。本發明的方法以滿足駕駛員的駕駛行為特性為基礎，通過合理引導電動汽車充放電來延長電動汽車動力電池的使用壽命，可以減小電網負荷的峰谷差，保證電網的穩定運行。
【專利說明】
電動汽車的有序充電調度方法
技術領域
[0001] 本發明涉及電動汽車充電技術領域，尤其涉及一種電動汽車的有序充電調度方 法。
【背景技術】
[0002] 保障能源的可持續供應，是國家能源安全戰略的不可忽視的一個環節，制定符合 我國可持續發展的能源安全戰略已經到了刻不容緩的地步。一方面，改善能源環境，降低碳 排放是能源可持續發展的重要共識。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、經濟、恐怖襲擊等各方面的影響。節能減排和可持續發展使得以內燃機作為動力源 的傳統機動車面臨著被淘汰的命運，而使用清潔能源的電動汽車必然會成為未來機動車行 業發展的新方向。電動汽車作為一種新型電力負荷，其充電具有隨機性、間歇性的特征，規 模化電動汽車充電將會改變電網當前的負荷狀況，加大電網一天內的最大負荷與最小負荷 之差(峰谷差），影響配電網穩定運行。因此如何解決因電動汽車充電給電網帶來的較大峰 谷差，是本發明的主要方面。
[0003] 為減輕電動汽車大規模接入對配電網的影響，提高電網運行的可靠性和經濟性， 需要盡量減少電動汽車的隨機充電(無序充電），對電動汽車充電進行引導，即有序充電。由 于目前電動汽車還處于初級發展階段，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負荷狀況或以降低配電網網損為目標，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用。
[0004] 為了提高電動汽車使用者的響應率，除了電網安全運行目標以外，還需要關注使 用者的根本需求和利益。根據汽車工業研究調查結果表明：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，最為關心的是駕駛的便利性(單次電池續駛里程，駕駛舒適 度等）、動力電池壽命、充電的便利性。若能根據用戶駕駛行為特性和用戶需求合理引導其 充放電來延長車輛的電池使用壽命，同時減少電網的峰谷差，電動汽車的用戶充電響應率 將有一個質的飛躍。然而，目前的現有技術中，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度策略的重要性。
【發明內容】
[0005] 本發明的實施例提供了一種電動汽車的有序充電調度方法，以實現考慮用戶駕駛 行為特性的電動汽車的有序充電調度策略。
[0006] 為了實現上述目的，本發明采取了如下技術方案。
[0007] -種電動汽車有序充電調度方法，包括：
[0008] 根據預先建立的電動汽車續駛里程預測模型計算出電動汽車當前工況的能耗，根 據所述電動汽車當前工況的能耗和當前的荷電狀態S0C計算出所述電動汽車的續駛里程；
[0009] 當所述電動汽車的續駛里程與所述電動汽車下次充電前的預計行駛里程之間的 比例小于設定閾值，根據所述電動汽車的充電量、離開時間和配電網當前的負荷狀況，利用 預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，以局域配電網峰谷 差最小為優化目標，對所述電動汽車的充電過程進行調度。
[0010] 進一步地，所述的根據預先建立的電動汽車續駛里程預測模型計算出電動汽車當 前工況的能耗，包括：
[0011] 預先建立電動汽車續駛里程預測模型，該電動汽車續駛里程預測模型包括:定義 電動汽車每行駛設定距離為一個片段，給每個片段設定參數信息，該參數信息包括平均速 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、室外溫度和空調功 率，選取設定數量個片段以及每個片段的參數信息，通過主成分分析法和模糊聚類算法對 所述設定數量個片段進行計算，得到多個聚類中心，每個聚類中心對應一種工況，每個聚類 中心的參數信息包括:平均速度、加速比例、減速比例、勻速比例、空調功率、環境溫度和能 耗參數；
[0012] 根據所述電動汽車當前的片段的參數信息和所述每個聚類中心除能耗參數外的 參數信息，分別計算出所述電動汽車當前的片段與各個聚類中心之間的距離值，將各個距 離值進行比較，將距離值最短的聚類中心對應的工況作為所述電動汽車的當前工況，將所 述距離值最短的聚類中心的能耗參數作為所述電動汽車當前工況的能耗。
[0013] 進一步地，所述的分別計算出所述電動汽車當前的片段與各個聚類中心之間的距 離值，包括：
[0014]設聚類中心的數量為c，所述電動汽車當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為所述電動汽車當前的片段的參數，Cl為聚類中心i的聚類中心參數，Cl = (Cil，Ci2，…，Ci6) 〇
[0017 ]進一步地，所述的根據所述電動汽車當前工況的能耗和當前的荷電狀態S0C計算 出所述電動汽車的續駛里程L1，包括：
[0018]讀取所述電動汽車當前的荷電狀態S0C，電動汽車的電池容量為Q，聚類中心的數 量為c。根據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))，根據當前車輛的S0C，計算續駛里程L1，計算公式為：
[0020] 進一步地，所述的所述電動汽車的續駛里程與所述電動汽車下次充電前的預計行 駛里程之間的比例小于設定閾值，包括：
[0021] 設所述電動汽車下次充電前的預計行駛里程為L，利用電動汽車續駛里程預測模 型計算出的所述電動汽車的續駛里程為L1，如果
[0022] L1<(1+10%)L
[0023] 則確定所述電動汽車的續駛里程與所述電動汽車下次充電前的預計行駛里程之 間的比例小于設定閾值。
[0024]進一步地，所述的方法還包括：
[0025]根據影響電動汽車動力電池壽命的環境溫度、充電電流、放電電流、放電深度及循 環次數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次數的關系式，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] 進一步地，所述的根據所述電動汽車的充電量、離開時間和配電網當前的負荷狀 況，利用預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 電網峰谷差最小為優化目標，對所述電動汽車的充電過程進行調度，包括：
[0027] 根據配電網的歷史負荷數據預測得到配電網當日負荷曲線，將一天分為N個時段， 第i個時段內配電網原始負荷大小為…，N)，設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] 設第i個時段內正在充電的電動汽車負荷為?1，共有η輛電動汽車進行充電，則
[0033] 第i個時段內配電網的總負荷Ps?i是電動汽車充電負荷Pi與原始負荷Pi的疊加：
[0034] Psumi = Pi+Pi
[0035] 在所述電動汽車停車的時間（Ts，t)內，以所述電動汽車的起始充電時間T。最早以 及配電網的峰谷差最小作為充電控制的目標函數，該目標函數即：
[0037] 其中，var(Psumi)為Psumi的方差函數。P max為局域配電網的最大負荷，則Psumi應滿足 約束條件：
[0038] Psumi < Pmax
[0039] 此外，所述電動汽車的起始充電時間T。還應滿足約束條件：
[0040] Ts < Tc < t
[0041] (t-Tc) ΔΡ> Ssoc
[0042] 通過循環過程求解所述目標函數和所有的約束條件，得到所述電動汽車的起始充 電時間T。。
[0043]由上述本發明的實施例提供的技術方案可以看出，本發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的電動汽車有序充電調度方法，通過合理引導電動汽車充 放電來延長電動汽車動力電池的使用壽命，同時可以減小電網負荷的峰谷差，可以極大提 高駕駛員對于充電調度方法的積極性，同時保證電網的穩定運行，具有十分現實的意義。
[0044] 本發明附加的方面和優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，或通過本發明的實踐了解到。
【附圖說明】
[0045] 為了更清楚地說明本發明實施例的技術方案，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明的一些實施例，對于本 領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他 的附圖。
[0046] 圖1為本發明實施例提供的提高用戶響應率的電動汽車的有序充電調度方法的處 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次數的關系式示意圖；
[0048] 圖3為一天內電動汽車無序充電和有序充電時的充電負荷效果圖；
[0049] 圖4為一天內電動汽車無序充電和有序充電時的配電網負荷效果圖。
【具體實施方式】
[0050] 下面詳細描述本發明的實施方式，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，僅用于解釋本發明，而不能解釋為對本發明的限制。
[0051] 本技術領域技術人員可以理解，除非特意聲明，這里使用的單數形式"一"、"一 個"、"所述"和"該"也可包括復數形式。應該進一步理解的是，本發明的說明書中使用的措 辭"包括"是指存在所述特征、整數、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、步驟、操作、元件、組件和/或它們的組。應該理解，當我們稱元 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聯的列出項的任一單元和全部組合。
[0052]本技術領域技術人員可以理解，除非另外定義，這里使用的所有術語(包括技術術 語和科學術語)具有與本發明所屬領域中的普通技術人員的一般理解相同的意義。還應該 理解的是，諸如通用字典中定義的那些術語應該被理解為具有與現有技術的上下文中的意 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]為便于對本發明實施例的理解，下面將結合附圖以幾個具體實施例為例做進一步 的解釋說明，且各個實施例并不構成對本發明實施例的限定。
[0054] 本發明針對電動汽車無序充電對配電網的負面影響，以延長電動汽車動力電池的 使用壽命出發，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度方 法。
[0055] 本發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度方 法的響應率，首先建立了電動汽車續駛里程預測模型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度方法，達到配電網和用戶兩方面的最優。
[0056] 本發明實施例提出的提高用戶響應率的電動汽車有序充電調度方法的處理流程 圖如圖1所示。主要步驟如下：
[0057]步驟1:建立電動汽車續駛里程預測模型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、空調使用功率等都會影響電動汽車的續駛里程，本發 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合的算法），對 電動汽車的行駛工況進行識別，研究電動汽車的能耗，預測電動汽車的續駛里程。以豐田公 司的Prius PHEV為例，對其在純電動模式下的續駛里程進行預測。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，每個循環中，定義電動汽車每行駛lkm為一個片 段。為準確描述每個片段，確保不會出現行駛信息的丟失和失真，選擇并計算9個參數用于 描述每個片段，該9個參數分別為平均速度、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、室外溫度和空調功率，各參數的單位分別為km/h、km/h、（ km/h)2、1、1、 1、1、°C和kW。其中，參數中使用的各個與加速度有關的參數(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數得到。按照這種方法，選取3368個片段進行之后的主 成分分析。
[0058]下述表1為前5個片段的各參數值。
[0059] 表1:電動汽車前5個片段的各參數值
[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，而這些較少的綜 合變量能盡可能多地反映原來參數的有用信息，且相互之間又是無關的，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率達到80 %或85 %時，這e個主成分 可代表原始變量進行分析。本發明中用到了主成分分析法，并通過MATLAB來實現其功能。由 于MATLAB的數字處理能力較強，比較適合本發明的內容，故此選用其作為實現工具。利用 MATLAB軟件對3368個片段中的各參數進行主成分分析，得到9個主成分。每個主成分的特征 值和貢獻率如下述表2所示。
[0062]表2各主成分的特征值和貢獻率
[0064] 按主成分分析原理選取前4個主成分，并進行特征參數與主成分間的相關性分析， 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 空調功率6個參數用于聚類計算。
[0065] 聚類的目的是將被分類事物按照一定的規則分成若干類，分類規則是根據對象的 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 格的劃分為某一類必然有其不合理性，因此，結合模糊集合理論處理聚類問題可以使聚類 的應用更合理可靠。本發明中使用模糊C-均值聚類算法。模糊C均值聚類是一種基于目標函 數的聚類方法，每一個對象是以一定的隸屬度隸屬于每個聚類中心的。本發明的研究對象 是包含3368個片段和6個參數的數據，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。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]定義目標函數為：
[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 平方距離之和，權重是樣品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c，冪指數m>l和初始隸屬度矩陣= 本文中取[0， 1 ]上的均勻分布隨機數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:max { (uf - ?} j < 時，停止 迭代。
[0079] 經過以上步驟，即可求得最終的隸屬度矩陣和聚類中心，使得目標函數J(U，V)的 值達到最小，根據最終的隸屬度矩陣U可以確定所有樣品的歸屬。
[0080] 根據上述的過程，對電動汽車各片段的參數進行聚類分析，對聚類個數c分別進行 嘗試，最后發現在c = 12時，各聚類中心能最好反應出電動汽車的行駛工況，每個聚類中心 對應一種工況。
[0081] 各聚類中心的參數如下述表3所示。表中除上述平均車速、怠速比例、勻速比例、減 速比例、室外溫度和空調功率6個參數外，還包括了每個工況下的能耗參數，其單位為kWh。
[0082] 表3各聚類中心的參數
[0083]
[0084]
[0085] 表中各列參數各依次表示平均速度，加速比例，減速比例，勾速比例，空調功率，環 境溫度以及能耗參數的聚類中心。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。根據各聚類中心，利用工況識別的方法，建立電動汽車的續駛里程預測模型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，1=(11^2，"_^6);(^為類;[的聚類中心參數，(^ = ((^1， Ci2，···，Ci6)
[0088] 將距離值di最短的聚類中心對應的工況作為所述電動汽車的當前工況，將所述距 離值最短的聚類中心的能耗參數作為所述電動汽車當前工況的能耗。
[0089]讀取車輛當前的S0C(State of Charge，荷電狀態），電動汽車的電池容量為Q，。根 據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)，根據當前車輛的S0C，計算續駛里程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，選取環境溫度、充電電流、放電電流、放電 深度及循環次數作為影響電動汽車動力電池壽命的主要因素。環境溫度選擇時，按照混合 四季的溫度值進行模擬，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，當電動汽車動力電池的容量 為其標稱容量的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的soc，再充滿電的過程為電動汽車動力電池的一次 循環。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次數的關系，得到如附圖2所示的結果。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次數的關系式如附圖2所示。從附 圖2看出，在同等循環次數下，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。根據所述電動汽車的當前的循環次數查詢所述關系式，得到所述動力汽車動力電 池的當前的容量衰退量。在確定充電量時，在所述電動汽車的續駛里程滿足所述電動汽車 下次充電前的預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度方法
[0094] 步驟1和步驟2中，分別提出了電動汽車續駛里程預測的方法及動力電池壽命預測 方法，建立了電動汽車續駛里程預測模型A1和電動汽車動力電池壽命模型A2。步驟3中，結 合駕駛員的充電意愿及停留時間，根據當前配電網的負荷狀況，提出了滿足駕駛員充電意 愿的電動汽車有序充電調度方法。該調度方法使用雙層模型，上層模型為用戶側，充電開始 前，由電動汽車駕駛員輸入電動汽車當前的S0C、離開時間t及下次充電前的預計行駛里程 L，根據模型A1預測電動汽車在當前S0C下的續駛里程L1，若
[0095] LI > (1+10%)L
[0096] 表明當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行充電； 式中，10%為車輛的電量余量，若當前續駛里程不滿足上式或駕駛員仍要進行充電，則該次 仍進行充電此時仍由駕駛員決定是否愿意接受充電調度，若不愿意，則當前為電動汽車開 始充電并充滿;若駕駛員愿意接受調度，則進入下層模型即電網側，根據模型A2計算滿足車 輛出行的充電量Se，并根據駕駛員輸入的離開時間及配電網當前的負荷狀況，以局域配電 網峰谷差最小為優化目標，提出相應的調度方法。
[0097] 配電網當日負荷曲線由其歷史負荷預測得到。本發明中將一天分為96個時段，時 間間隔為15分鐘，因此第i個時段內配電網原始負荷大小為? 1(1 = 1，2,3，-_，96)。此外，本 發明中假設電動汽車的充電過程為丨旦功率充電，其充電功率為△ P。設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] 設第i個時段內正在充電的電動汽車負荷SPl，共有η輛電動汽車進行充電，則
[0103] 第i個時段內配電網的總負荷PSMi是電動汽車充電負荷Pi與原始負荷Pi的疊加 ：
[0104] Psumi = Pi+Pi
[0105] 在駕駛員停車的時間（Ts，t)內，以用戶起始充電時間最早以及配電網的峰谷差最 小作為充電控制的目標函數，BP
[0107] 其中，var(Psumi)為P_i的方差函數。
[0108] Pmax為局域配電網的最大負荷，則Psumi應滿足約束條件：
[0109] Psumi < Pmax
[0110] 此外，起始充電時間Tc還應滿足約束條件：
[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，進行二進制編碼，執行交叉與變異操作，并根據約束條件計算目標函數， 對優秀染色體進行保留與重插入，通過循環過程求解所述目標函數和所有的約束條件，得 到所述電動汽車的起始充電時間T。。
[0114] 步驟4:設配電網區域內共有100輛電動汽車。以一天為一個階段，將全天更新后的 充電負荷及配電網負荷顯示在效果圖中，同時將無序充電下的配電網負荷與有序充電下的 配電網負荷顯示在效果圖中，以驗證該有序充電調度方法的有效性。附圖3為一天內電動汽 車分別為無序充電和有序充電時的充電負荷效果圖，附圖4為一天內電動汽車分別為無序 充電和有序充電時的配電網負荷效果圖。
[0115] 綜上所述，傳統的有序充電調度方法多以改善配電網負荷狀況或以降低配電網網 損為目標，而忽略了用戶的駕駛行為特性和充電意愿，導致有序充電調度在實際中很難得 到應用。本發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 為基礎的電動汽車有序充電調度方法，通過合理引導電動汽車充放電來延長電動汽車動力 電池的使用壽命，同時可以減小電網負荷的峰谷差，可以極大提高駕駛員對于充電調度方 法的積極性，同時保證電網的穩定運行，具有十分現實的意義。
[0116] 本領域普通技術人員可以理解: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明所必須的。
[0117] 通過以上的實施方式的描述可知，本領域的技術人員可以清楚地了解到本發明可 借助軟件加必需的通用硬件平臺的方式來實現。基于這樣的理解，本發明的技術方案本質 上或者說對現有技術做出貢獻的部分可以以軟件產品的形式體現出來，該計算機軟件產品 可以存儲在存儲介質中，如R0M/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機設備 (可以是個人計算機，服務器，或者網絡設備等)執行本發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絡單元上。可以根 據實際的需要選擇其中的部分或者全部模塊來實現本實施例方案的目的。本領域普通技術 人員在不付出創造性勞動的情況下，即可以理解并實施。
[0119]以上所述，僅為本發明較佳的【具體實施方式】，但本發明的保護范圍并不局限于此， 任何熟悉本技術領域的技術人員在本發明揭露的技術范圍內，可輕易想到的變化或替換， 都應涵蓋在本發明的保護范圍之內。因此，本發明的保護范圍應該以權利要求的保護范圍 為準。
【主權項】
1. 一種電動汽車有序充電調度方法，其特征在于，包括： 根據預先建立的電動汽車續駛里程預測模型計算出電動汽車當前工況的能耗，根據所 述電動汽車當前工況的能耗和當前的荷電狀態SOC計算出所述電動汽車的續駛里程； 當所述電動汽車的續駛里程與所述電動汽車下次充電前的預計行駛里程之間的比例 小于設定閾值，根據所述電動汽車的充電量、離開時間和配電網當前的負荷狀況，利用預先 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，以局域配電網峰谷差最 小為優化目標，對所述電動汽車的充電過程進行調度。2. 根據權利要求1所述的方法，其特征在于，所述的根據預先建立的電動汽車續駛里程 預測模型計算出電動汽車當前工況的能耗，包括： 預先建立電動汽車續駛里程預測模型，該電動汽車續駛里程預測模型包括:定義電動 汽車每行駛設定距離為一個片段，給每個片段設定參數信息，該參數信息包括平均速度、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、室外溫度和空調功率，選 取設定數量個片段以及每個片段的參數信息，通過主成分分析法和模糊聚類算法對所述設 定數量個片段進行計算，得到多個聚類中心，每個聚類中心對應一種工況，每個聚類中心的 參數信息包括:平均速度、加 速比例、減速比例、勻速比例、空調功率、環境溫度和能耗參數； 根據所述電動汽車當前的片段的參數信息和所述每個聚類中心除能耗參數外的參數 信息，分別計算出所述電動汽車當前的片段與各個聚類中心之間的距離值，將各個距離值 進行比較，將距離值最短的聚類中心對應的工況作為所述電動汽車的當前工況，將所述距 離值最短的聚類中心的能耗參數作為所述電動汽車當前工況的能耗。3. 根據權利要求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前的片 段與各個聚類中心之間的距離值，包括： 設聚類中心的數量為c，所述電動汽車當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前的片段的參數，Cl為聚類中心i的聚類中心參數，Cl = (Cll， Ci2，…，Ci6) 〇4. 根據權利要求1所述的方法，其特征在于，所述的根據所述電動汽車當前工況的能耗 和當前的荷電狀態SOC計算出所述電動汽車的續駛里程L1，包括： 讀取所述電動汽車當前的荷電狀態SOC，電動汽車的電池容量為Q，聚類中心的數量為 c。根據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)，根據當前車輛的SOC，計算續駛里程LI，計算公式為：5. 根據權利要求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駛里 程與所述電動汽車下次充電前的預計行駛里程之間的比例小于設定閾值，包括： 設所述電動汽車下次充電前的預計行駛里程為L，利用電動汽車續駛里程預測模型計 算出的所述電動汽車的續駛里程為L1，如果 L1<(1+10%)L 則確定所述電動汽車的續駛里程與所述電動汽車下次充電前的預計行駛里程之間的 比例小于設定閾值。6. 根據權利要求5所述的方法，其特征在于，所述的方法還包括： 根據影響電動汽車動力電池壽命的環境溫度、充電電流、放電電流、放電深度及循環次 數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次數的關系式，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. 根據權利要求6所述的方法，其特征在于，所述的根據所述電動汽車的充電量、離開 時間和配電網當前的負荷狀況，利用預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，以局域配電網峰谷差最小為優化目標，對所述電動汽車的充電過程進行 調度，包括： 根據配電網的歷史負荷數據預測得到配電網當日負荷曲線，將一天分為N個時段，第i 個時段內配電網原始負荷大小為…，N)，設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 設第i個時段內正在充電的電7由均汽車進tx充電，則 第i個時段內配電網的總負荷P_i是電動汽車充電負荷Pi與原始負荷Pi的疊加： Psumi = pi+Pi 在所述電動汽車停車的時間（Ts，t)內，以所述電動汽車的起始充電時間T。最早以及配 電網的峰谷差最小作為充電控制的目標函數，該目標函數即：其中，var (Psumi)為Psumi的方差函數。Pmax為局域配電網的最大負荷，則P sumi應滿足約束 條件： Psumi ^ Pmax 此外，所述電動汽車的起始充電時間T。還應滿足約束條件： Ts < Τ〇 < t (t-Tc) AP>Ssoc 通過循環過程求解所述目標函數和所有的約束條件，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
【發明人】蘇粟, 劉紫琦, 姜久春, 李 浩
【申請人】北京交通大學