CN103499792B - 电动汽车动力电池集群可用容量的预测方法 - Google Patents
电动汽车动力电池集群可用容量的预测方法 Download PDFInfo
- Publication number
- CN103499792B CN103499792B CN201310309655.2A CN201310309655A CN103499792B CN 103499792 B CN103499792 B CN 103499792B CN 201310309655 A CN201310309655 A CN 201310309655A CN 103499792 B CN103499792 B CN 103499792B
- Authority
- CN
- China
- Prior art keywords
- delta
- period
- cluster
- battery
- discharge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
电动汽车动力电池集群可用容量的预测方法,包括:定义EV动力电池的“V2G可用容量”概念;分析EV动力电池充放电S.O.C变化规律;推导EV动力电池集群单位时刻的电池容量变化量;确定EV动力电池集群参与V2G服务的管理模式;分析EV电池集群概率可用容量的关键影响因素;构建各影响因素的概率分布模型;求取行车时段电池集群的容量变化量概率分布特性;确定电池集群的剩余容量;确定电池集群的V2G可用容量实时概率预测值。
Description
技术领域
本发明涉及一种参与车网互联(Vehicle-to-grid,V2G)服务的电动汽车动力电池集群实时概率V2G可用容量的预测方法。
背景技术
近年来,电动汽车(ElectricVehicle,EV)正快速进入汽车市场。根据《节能与新能源汽车发展规划(2011年至2020年)》,2015年EV将达到50万辆,2020年达到500万辆。由于EV上均装有较大容量的车载动力电池,当其数量足够多时,电池集群总容量相当巨大。而据统计,大多数汽车每天大约22小时处于停泊状态,即使在高峰期也有超过80%处于停泊状态,可以考虑让它们在停车时为电网提供能量缓冲。V2G模式正是基于解决上述问题而提出的:一方面,可视EV电池集群为可控负荷,通过控制其并网充电时间进行系统的错峰调控,提高电网的总体发电效率和经济效益;另一方面,通过V2G技术EV电池集群也可被当作储能装置参与电网的能量平衡。
目前,对于V2G技术的研究主要包括几个方面:1)V2G对电网的影响,其一是分析V2G对电网配电设备、经济运行、电能质量等方面的影响,其二是从电源侧或电网侧的角度分析电网对电动汽车接入的承受能力;2)研究EV充放电控制与利用技术,包括单向V2G和双向V2G的充(放)电技术;3)EV充电负荷建模与仿真计算,包含如车主的用车行为、充电行为以及电池的充电特性等多种因素。申请号为201210291284.5、201210014240.8、201010197317.0、201010197305.8和201110048828.0的发明专利申请书从不同技术路线提出多种EV智能充(放)电控制装置(系统)及其控制方法。但上述成果均未针对大规模EV集群的V2G可用容量预测进行有效的研究。本发明专利针对目标电网区域内参与V2G服务的大规模EV集群在各种情境下的行为特性、荷电状态(Stateofcharge,S.O.C)特性和充放电特性的随机概率性进行研究,从而对其可提供给电网进行能量平衡的能力进行有效评估,其结果为V2G系统的优化调控策略制定提供了有效依据。
发明内容
本发明要克服现有技术不能针对大规模EV集群的V2G可用容量提供预测的缺点,提供一种考虑基于V2G技术将EV动力电池作为储能元件参与电网调控问题所提出的一种参与V2G服务的EV动力电池集群实时概率可用容量预测方法。
本发明为实现上述目的,提出了EV动力电池集群参与V2G服务时可提供给电网进行充、放电功率平衡的能力评估方法,如附图1所示,其具体过程包括如下步骤:
1)定义EV动力电池的“V2G可用容量”概念:是指EV动力电池参与V2G服务时,可向电网提供的允许充、放电容量;该概念用以表征EV动力电池作为储能元件进行电网动态功率平衡能力,因此,又可分为“V2G放电可用容量”和“V2G充电可用容量”两个指标;
2)推导EV动力电池集群单位时段的电池容量变化量;根据电池充放电相关理论和文献,采用式(1)表征考虑电池自放电和充放电过程,得到前后两时间段S.O.C的关系:
SOC(t+Δt)=SOC(t)(1-σ(t)Δt)+Ibat(t)·Δt·η(t)/Cbat(1)
式中:Ibat(t)表示t时刻充放电电流(大于零表示充电,小于零则为放电);σ为自放电率,每小时自放电率取0.01%;Δt表示前后两时间间隔;Cbat为蓄电池的总容量,Ah;η(t)为充放电效率;
3)为了简化容量预测模型,将行驶中的EV汽车视为额定功率输出,那么在EV电池有效充放电范围[SOCmin,SOCmax]内,可简化视作恒电流充、放电;选择最小的计时单位为Δt,由式(1)可得式(2):
SOC[(n+1)Δt]=SOC(nΔt)(1-σΔt)+IbatΔtη(nΔt)/Cbatn=1,2,…(2)
式(2)等式两边同左乘Cbat,可得式(3)所示电池剩余容量表示式:
C[(n+1)Δt]=CbatSOC[(n+1)Δt]=C(nΔt)(1-σΔt)+IbatΔtη(nΔt)(3)
当Δt足够小时,σΔt与1相比,可以忽略不计,即1-σΔt=1。当视作对电池进行恒流充、放电时,每经过一个Δt,前后两时间段电池剩余容量的变化量为IbatΔtη(nΔt)为定值。假设nΔt时刻集群中处于充、放电状态的电池数量为N(nΔt),则(n+1)Δt时刻该集群电池容量的变化量如式(4)所示:
4)确定EV动力电池集群参与V2G服务的管理模式,统计其配置参数、工作特性等关键因素;将其一天工作时间分为4段:
时段ΔT1:早上上班开车时段(离家至到达公司,电池处于放电状态);
时段ΔT2:早上到达公司至下午离开公司时段(停放公司车库,可参与V2G服务,接受V2G服务中心的充、放电调度,保证ΔT3时段正常行车需求容量);
时段ΔT3:下午下班开车时段(离开公司至到家,电池处于放电状态);
时段ΔT4:下午到家至早上离开时段(停放住家小区车库,电池可参与V2G服务,接受V2G服务中心的充、放电调度,保证下一个ΔT1时段初始时刻电池最大容量);
5)分析EV电池集群概率可用容量的关键影响因素,包括集群中参与V2G服务的汽车数量、集群汽车早上离家时间分布、路上所花时间分布、下午离开公司时间分布、晚上开始充电时间分布等;
6)参考有关调研、统计的数据和规律,对步骤5)中EV电池集群可用容量预测的各关键影响因素做出合理设置,运用概率分析法的相关理论(如蒙特卡洛法),构建各影响因素的概率分布模型;
7)确定步骤5)中各影响因素间的关联,基于步骤6)所构建各概率分布模型,运用概率分析法的相关理论(如概率累积分布函数、期望值理论等)和分析工具(如crystalball软件等),求取行车时段电池集群的容量变化量概率分布特性;
以早上ΔT1时段为例,基于步骤6)中确定集群汽车离家时间的概率分布以及中途耗时的概率分布,可通过crystalball软件求得集群汽车到达公司时间的概率分布,从而得到集群汽车离家时间概率分布函数F1(nΔt)和到达公司时间的概率累积分布函数F2(nΔt)。因此,nΔt时刻处于行车状态的EV数量可概率表示为:
N(nΔt)=Nl(nΔt)-Na(nΔt)=NsF1(nΔt)-NsF2(nΔt)(5)
式中:Nl(nΔt)和Na(nΔt)分别为nΔt时刻已经离家的车数量和已经到达公司的车数量;Ns为集群汽车的数量总和。
将式(5)代入式(4),可求得早上ΔT1时段(n+1)Δt时刻集群容量的变化量为:
同理,下午ΔT3时段(n+1)Δt时刻集群容量的变化量为:
式中:F3(nΔt)为nΔt时刻集群汽车离开公司时间的概率分布函数;F4(nΔt)为nΔt时刻集群汽车到家时间的概率累积函数;
8)对应步骤4)中定义的4个时段,仅时段ΔT2和时段ΔT4可参与V2G服务,接受V2G服务中心的充、放电调度,可确定集群电池的剩余容量;
a.时段ΔT2内,nΔt时刻的集群电池剩余容量为:
其中,N1为时段ΔT1内单位时间Δt的总个数;ΔCs2[i2Δt]为ΔT2时段内i2Δt时刻集群容量受调度控制的变化量;
b.时段ΔT4内,nΔt时刻的集群电池剩余容量为:
其中,N2、N3分别为时段ΔT2、ΔT3内单位时间Δt的总个数;该ΔCs4[i4Δt]为ΔT4时段内i4Δt时刻集群容量受调度控制的变化量;
9)由步骤8)所得剩余容量及步骤1)中关于“V2G可用容量”概念的定义,可确定ΔT2时段和ΔT4时段内集群电池的V2G可用容量实时概率预测值;
a.时段ΔT2内,V2G放电可用容量和V2G充电可用容量分别表征为:
Ca2_d[nΔt]=Cr2[nΔt]-NsCbatSOCmin(10)
Ca2_c[nΔt]=NsCbatSOCmax-Cr2[nΔt](11)
b.时段ΔT4内,V2G放电可用容量和V2G充电可用容量分别表征为:
Ca4_d[nΔt]=Cr4[nΔt]-NsCbatSOCmin(12)
Ca4_c[nΔt]=NsCbatSOCmax-Cr4[nΔt](13)
本发明的有益效果在于,定义EV动力电池的“V2G可用容量”新概念,提出的一种参与V2G服务的EV动力电池集群实时概率可用容量预测方法,为有效评估EV动力电池集群参与V2G服务时可提供给电网进行充、放电功率平衡的能力进行科学、合理的评估提供了一种新方法。
附图说明
图1为参与V2G服务的动力电池集群实时概率可用容量预测方案框图。
图2为EV动力电池充、放电特性图。
图3为24小时内的EV的工作状态时段分布图。
图4为EV集群到达公司时间的概率分布图。
图5为EV集群到达公司时间的分布参数图。
图6为电池集群时段ΔT1内的容量变化量累计图。
图7为电池集群时段ΔT3内的容量变化量累计图。
具体实施方式
下面结合实施例及附图,对本发明作进一步的详细说明,但本发明的实施方式不限于此。实施例中参与V2G服务的动力电池集群实时概率可用容量预测方案总体框图如附图1所示,包括以下步骤:
1)定义EV动力电池的“V2G可用容量”概念:是指EV动力电池参与V2G服务时,可向电网提供的允许充、放电容量。该概念用以表征EV动力电池作为储能元件进行电网动态功率平衡能力,因此,又可分为“V2G放电可用容量”和“V2G充电可用容量”两个指标。
2)推导EV动力电池集群单位时段的电池容量变化量。根据电池充放电相关理论和文献,采用式(1)表征考虑电池自放电和充放电得到前后两时间段S.O.C的关系,结果如附图2所示。
3)为了简化容量预测模型,将行驶中的EV汽车视为额定功率输出,那么在EV电池有效充放电范围[SOCmin,SOCmax]内,可简化视作恒电流充、放电。选择最小的计时单位为Δt,由式(1)可得式(2)。
式(2)等式两边同左乘Cbat,可得式(3)所示电池剩余容量表示式。当Δt足够小时,σΔt与1相比,可以忽略不计,即1-σΔt=1。当视作对电池进行恒流充、放电时,每经过一个Δt,前后两时间段电池剩余容量的变化量为IbatΔtη(nΔt)为定值。假设nΔt时刻集群中处于充/放电状态的电池数量为N(nΔt),则(n+1)Δt时刻该集群电池容量的变化量如式(4)所示。
4)确定EV动力电池集群参与V2G服务的管理模式,统计其配置参数、工作特性等关键因素。如附图3所示,将其一天工作时间分为4段:
时段ΔT1:早上上班开车时段(离家至到达公司,电池处于放电状态);
时段ΔT2:早上到达公司至下午离开公司时段(停放公司车库,可参与V2G服务,接受V2G服务中心的充、放电调度,保证ΔT3时段正常行车需求容量);
时段ΔT3:下午下班开车时段(离开公司至到家,电池处于放电状态);
时段ΔT4:下午到家至早上离开时段(停放住家小区车库,电池可参与V2G服务,接受V2G服务中心的充、放电调度,保证下一个ΔT1时段初始时刻电池最大容量)。
5)分析EV电池集群概率可用容量的关键影响因素,包括集群中参与V2G服务的汽车数量、集群汽车早上离家时间分布、路上所花时间分布、下午离开公司时间分布、晚上开始充电时间分布等。
6)参考有关调研、统计的数据和规律,对步骤5)中EV电池集群可用容量预测的各关键影响因素做出合理设置,运用概率分析法的相关理论(如蒙特卡洛法),构建各影响因素的概率分布模型。
7)确定步骤5)中各影响因素间的关联,基于步骤6)所构建各概率分布模型,运用概率分析法的相关理论(如概率累积分布函数、期望值理论等)和分析工具(如crystalball软件等),求取行车时段电池集群的容量变化量概率分布特性。
以早上ΔT1时段为例,基于步骤6)中确定集群汽车离家时间的概率分布以及中途耗时的概率分布,可通过crystalball软件求得集群汽车到达公司时间的概率分布,从而得到集群汽车离家时间概率分布函数F1(nΔt)和到达公司时间的概率累积分布函数F2(nΔt)。因此,nΔt时刻处于行车状态的EV数量的概率表示如式(5)所示。将式(5)代入式(4),可求得早上ΔT1时段(n+1)Δt时刻集群容量的变化量如式(6)所示。同理,下午ΔT3时段(n+1)Δt时刻集群容量的变化量如式(7)所示。
8)对应步骤4)中定义的4个时段,仅时段ΔT2和时段ΔT4可参与V2G服务,接受V2G服务中心的充、放电调度,可确定集群电池的剩余容量。
a.时段ΔT2内,nΔt时刻的集群电池剩余容量表达式如式(8)所示。
b.时段ΔT4内,nΔt时刻的集群电池剩余容量表达式如式(9)所示。
9)由步骤8)所得剩余容量及步骤1)中关于“V2G可用容量”概念的定义,可确定ΔT2时段和ΔT4时段内集群电池的V2G可用容量实时概率预测值:
a.时段ΔT2内,V2G放电可用容量和V2G充电可用容量分别表征为式(10)和式(11)所示。
b.时段ΔT4内,V2G放电可用容量和V2G充电可用容量分别表征为式(12)和式(13)所示。
本实施例中采用一个200辆规模大小的EV集群参与某有限区域电网内V2G服务的运行情景。进行以下关键参数的假设与设定:
1)以比亚迪E6为参考设定动力电池的性能参数,电池最大初始满容量为220Ah,电池集群平均有效充、放电范围为最大初始满容量的[0.2~0.9]倍。
2)汽车早上离开住所时间服从正态分布,以7点30分为期望值,均方差为0.5个小时;
3)汽车下午离开工作场所的时间服从正态分布,以17点为期望值,均方差为0.5个小时;
4)汽车通勤行程假设均匀分布在20km到40km之间,城市工况下汽车的平均速度为60km/h。
由假设可知,早上离开住所时间T1~N(7.5,0.52),单位为小时。将其转换为以分为单位,即T1~N(450,302)。通勤行程L~U(20,40),单位为公里。城市工况平均速度v为60公里/时,则上午通勤时间T2=60L/v~U(20,40),到达公司时间T3=T1+T2,使用crystalball软件得到T3~N(480.12,30.552),该电动汽车集群到达公司时间的概率分布图和分布参数图分别如附图4、附图5所示。同理,下班到家的时间T6=T4+T5~N(1050.01,30.562)。其中,T4为下班离开公司时间,T5=T2为下午通勤时间。经计算统计,ΔT1时段和ΔT3时段内消耗的电池集群容量分别为4417.6Ah和4401.5Ah。
按步骤6)与7),可得该电池集群在时段ΔT2内和时段ΔT4内的实时集群容量变化量分别如附图6、附图7所示。按照步骤9),可确定ΔT2时段和ΔT4时段内集群电池的V2G可用容量实时概率预测值:
a.时段ΔT2内,由式(8)、式(10)和式(11),可得:
其中,时段开始至当前时刻的调度容量累计值,由于受V2G服务中心的充、放电调度,大小和正负均无法预测,需根据实际情况统计。
b.时段ΔT4内,由式(9)、式(12)和式(13),可得:
其中,完整时段的调度容量累计值,时段开始至当前时刻的调度容量累计值,由于受V2G服务中心的充、放电调度,大小和正负均无法预测,需根据实际情况统计。
如上所述,便可较好地实现本发明,上述实施例仅为本发明的典型实施例,并非用来限定本发明的实施范围,即凡依本发明内容所作的均等变化与修饰,都为本发明权利要求所要求保护的范围所涵盖。
Claims (1)
1.电动汽车动力电池集群可用容量的预测方法,其具体过程包括如下步骤:
1)定义EV动力电池的“V2G可用容量”概念:是指EV动力电池参与V2G服务时,可向电网提供的允许充、放电容量;该概念用以表征EV动力电池作为储能元件进行电网动态功率平衡能力,因此,又可分为“V2G放电可用容量”和“V2G充电可用容量”两个指标;
2)推导EV动力电池集群单位时段的电池容量变化量;根据电池充放电相关理论和文献,采用式(1)表征考虑电池自放电和充放电过程,得到前后两时间段SOC的关系:
SOC(t+Δt)=SOC(t)(1-σ(t)Δt)+Ibat(t)·Δt·η(t)/Cbat(1)
式中:Ibat(t)表示t时刻充放电电流,大于零表示充电,小于零则为放电;σ为自放电率,每小时自放电率取0.01%;Δt表示前后两时间间隔;Cbat为蓄电池的总容量,Ah;η(t)为充放电效率;
3)为了简化容量预测模型,将行驶中的EV汽车视为额定功率输出,那么在EV电池有效充放电范围[SOCmin,SOCmax]内,可简化视作恒电流充、放电;选择最小的计时单位为Δt,由式(1)可得式(2):
SOC[(n+1)Δt]=SOC(nΔt)(1-σΔt)+IbatΔtη(nΔt)/Cbatn=1,2,…(2)
式(2)等式两边同左乘Cbat,可得式(3)所示电池剩余容量表示式:
C[(n+1)Δt]=CbatSOC[(n+1)Δt]=C(nΔt)(1-σΔt)+IbatΔtη(nΔt)(3)
当Δt足够小时,σΔt与1相比,σΔt忽略不计,即1-σΔt=1;当视作对电池进行恒流充、放电时,每经过一个Δt,前后两时间段电池剩余容量的变化量为IbatΔtη(nΔt)为定值;假设nΔt时刻集群中处于充、放电状态的电池数量为N(nΔt),则(n+1)Δt时刻该集群电池容量的变化量如式(4)所示:
4)确定EV动力电池集群参与V2G服务的管理模式,统计其配置参数、工作特性关键因素;将其一天工作时间分为4段:
时段ΔT1:早上上班开车时段,离家至到达公司,电池处于放电状态;
时段ΔT2:早上到达公司至下午离开公司时段,停放公司车库,可参与V2G服务,接受V2G服务中心的充、放电调度,保证ΔT3时段正常行车需求容量;
时段ΔT3:下午下班开车时段,离开公司至到家,电池处于放电状态;
时段ΔT4:下午到家至早上离开时段,停放住家小区车库,电池可参与V2G服务,接受V2G服务中心的充、放电调度,保证下一个ΔT1时段初始时刻电池最大容量;
5)分析EV电池集群概率可用容量的关键影响因素,包括集群中参与V2G服务的汽车数量、集群汽车早上离家时间分布、路上所花时间分布、下午离开公司时间分布、晚上开始充电时间分布;
6)参考有关调研、统计的数据和规律,对步骤5)中EV电池集群可用容量预测的各关键影响因素做出合理设置,运用概率分析法的相关理论,如蒙特卡洛法,构建各影响因素的概率分布模型;
7)确定步骤5)中各影响因素间的关联,基于步骤6)所构建各概率分布模型,运用概率分析法的相关理论如概率累积分布函数、期望值理论,和分析工具如crystalball软件,求取行车时段电池集群的容量变化量概率分布特性;
以早上ΔT1时段为例,基于步骤6)中确定集群汽车离家时间的概率分布以及中途耗时的概率分布,通过crystalball软件求得集群汽车到达公司时间的概率分布,从而得到集群汽车离家时间概率分布函数F1(nΔt)和到达公司时间的概率累积分布函数F2(nΔt);因此,nΔt时刻处于行车状态的EV数量可概率表示为:
N(nΔt)=Nl(nΔt)-Na(nΔt)=NsF1(nΔt)-NsF2(nΔt)(5)
式中:Nl(nΔt)和Na(nΔt)分别为nΔt时刻已经离家的车数量和已经到达公司的车数量;Ns为集群汽车的数量总和;
将式(5)代入式(4),可求得早上ΔT1时段(n+1)Δt时刻集群容量的变化量为:
同理,下午ΔT3时段(n+1)Δt时刻集群容量的变化量为:
式中:F3(nΔt)为nΔt时刻集群汽车离开公司时间的概率分布函数;F4(nΔt)为nΔt时刻集群汽车到家时间的概率累积函数;
8)对应步骤4)中定义的4个时段,仅时段ΔT2和时段ΔT4可参与V2G服务,接受V2G服务中心的充、放电调度,可确定集群电池的剩余容量;
a.时段ΔT2内,nΔt时刻的集群电池剩余容量为:
其中,N1为时段ΔT1内单位时间Δt的总个数;ΔCs2[i2Δt]为ΔT2时段内i2Δt时刻集群容量受调度控制的变化量;
b.时段ΔT4内,nΔt时刻的集群电池剩余容量为:
其中,N2、N3分别为时段ΔT2、ΔT3内单位时间Δt的总个数;该ΔCs4[i4Δt]为ΔT4时段内i4Δt时刻集群容量受调度控制的变化量;
9)由步骤8)所得剩余容量及步骤1)中关于“V2G可用容量”概念的定义,可确定ΔT2时段和ΔT4时段内集群电池的V2G可用容量实时概率预测值;
a.时段ΔT2内,V2G放电可用容量和V2G充电可用容量分别表征为:
Ca2_d[nΔt]=Cr2[nΔt]-NsCbatSOCmin(10)
Ca2_c[nΔt]=NsCbatSOCmax-Cr2[nΔt](11)
b.时段ΔT4内,V2G放电可用容量和V2G充电可用容量分别表征为:
Ca4_d[nΔt]=Cr4[nΔt]-NsCbatSOCmin(12)
Ca4_c[nΔt]=NsCbatSOCmax-Cr4[nΔt](13)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310309655.2A CN103499792B (zh) | 2013-07-18 | 2013-07-18 | 电动汽车动力电池集群可用容量的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310309655.2A CN103499792B (zh) | 2013-07-18 | 2013-07-18 | 电动汽车动力电池集群可用容量的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103499792A CN103499792A (zh) | 2014-01-08 |
CN103499792B true CN103499792B (zh) | 2016-02-24 |
Family
ID=49865015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310309655.2A Active CN103499792B (zh) | 2013-07-18 | 2013-07-18 | 电动汽车动力电池集群可用容量的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103499792B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870888A (zh) * | 2014-03-10 | 2014-06-18 | 国家电网公司 | 一种电动汽车负荷预测方法 |
CN103996078B (zh) * | 2014-05-29 | 2017-02-15 | 重庆大学 | 电动汽车集群充放电优化控制方法 |
CN104600729B (zh) * | 2014-08-19 | 2016-12-07 | 浙江工业大学 | 基于v2g技术的电动汽车参与经济调度优化控制方法 |
CN104319426B (zh) * | 2014-08-25 | 2016-06-22 | 江苏华东锂电技术研究院有限公司 | 对锂离子电池的容量进行管理的方法 |
CN105069251B (zh) * | 2015-08-26 | 2018-05-08 | 华北电力大学(保定) | 一种基于情景模式仿真的电动汽车集群模型建模方法 |
CN107045105B (zh) * | 2016-11-29 | 2019-10-18 | 北京交通大学 | 一种锂离子电池组可用能量计算方法 |
CN107741567B (zh) * | 2017-10-10 | 2019-09-20 | 江南大学 | 混合动力公交车中储能装置的容量测算方法 |
CN108051753A (zh) * | 2017-12-05 | 2018-05-18 | 太原理工大学 | 一种长寿命快充型磷酸铁锂电池的加速测试方法 |
CN109190812B (zh) * | 2018-08-21 | 2022-08-30 | 中国电力科学研究院有限公司 | 一种基于电动汽车的虚拟储能可用容量预测方法及系统 |
CN110962688B (zh) * | 2018-09-28 | 2020-12-18 | 郑州宇通客车股份有限公司 | 一种电池组能量管理方法 |
CN109508826B (zh) * | 2018-11-13 | 2022-01-07 | 合肥工业大学 | 基于梯度提升决策树的电动汽车集群可调度容量预测方法 |
CN110271450A (zh) * | 2019-05-20 | 2019-09-24 | 北京航盛新能科技有限公司 | 一种电动汽车v2g优化充放电策略 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1239226A (zh) * | 1998-06-15 | 1999-12-22 | 三星电子株式会社 | 可再充电电池容量的标定方法 |
US6897635B2 (en) * | 2002-04-15 | 2005-05-24 | Fujitsu Limited | Method for predicting remaining charge of portable electronics battery |
CN1773304A (zh) * | 2004-11-08 | 2006-05-17 | 佛山市顺德区顺达电脑厂有限公司 | 电池剩余容量的校正方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11102732A (ja) * | 1997-09-26 | 1999-04-13 | Suzuki Motor Corp | 移動体動力用電池の残量測定装置 |
JP2002181906A (ja) * | 2000-12-12 | 2002-06-26 | Toshitaka Takei | 電池の残容量算出方法と算出する機器 |
-
2013
- 2013-07-18 CN CN201310309655.2A patent/CN103499792B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1239226A (zh) * | 1998-06-15 | 1999-12-22 | 三星电子株式会社 | 可再充电电池容量的标定方法 |
US6897635B2 (en) * | 2002-04-15 | 2005-05-24 | Fujitsu Limited | Method for predicting remaining charge of portable electronics battery |
CN1773304A (zh) * | 2004-11-08 | 2006-05-17 | 佛山市顺德区顺达电脑厂有限公司 | 电池剩余容量的校正方法 |
Non-Patent Citations (2)
Title |
---|
电动汽车用电池SOC定义与检测方法;麻友良 等;《清华大学学报》;20011231;第41卷(第11期);第95-97页、第105页 * |
电动汽车锂离子电池组参数辨识与SOC估计;罗玉涛 等;《华南理工大学学报》;20121231;第40卷(第12期);第79-85页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103499792A (zh) | 2014-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103499792B (zh) | 电动汽车动力电池集群可用容量的预测方法 | |
Zheng et al. | A novel real-time scheduling strategy with near-linear complexity for integrating large-scale electric vehicles into smart grid | |
Meng et al. | Dynamic frequency response from electric vehicles considering travelling behavior in the Great Britain power system | |
CN105160451B (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
CN102130478B (zh) | 电动汽车充电站协调充电控制方法 | |
CN103605079B (zh) | 公交电动汽车及其梯次利用电池集群的v2g可用容量评估方法 | |
CN105322559A (zh) | 一种基于v2g技术的电动汽车配电调度控制方法 | |
CN103840521A (zh) | 基于最优潮流的大规模电动汽车优化充放电系统及方法 | |
CN107169273A (zh) | 计及延时和v2g充电模式的电动汽车充电功率预测方法 | |
CN103903090B (zh) | 基于用户意愿和出行规律的电动汽车充电负荷分配方法 | |
CN108596667B (zh) | 一种基于车联网的电动汽车实时充电电价计算方法 | |
Ali et al. | Voltage fluctuation smoothing in distribution systems with RES considering degradation and charging plan of EV batteries | |
CN108062619B (zh) | 一种轨道车辆车地一体化容量配置方法及装置 | |
Guner et al. | Impact of car arrival/departure patterns on EV parking lot energy storage capacity | |
Ma et al. | Real-time plug-in electric vehicles charging control for V2G frequency regulation | |
Wei et al. | Optimal allocation for charging piles in multi-areas considering charging load forecasting based on Markov chain | |
CN106058994B (zh) | 一种降低配电网网损的电动汽车有序充电控制方法 | |
CN114039372A (zh) | 参与电网分区削峰填谷的电动汽车车辆调度方法及系统 | |
He et al. | Optimal charging strategy of electric vehicles customers in a smart electrical car park | |
CN110861508B (zh) | 居民区直流充电机共享充电控制方法、系统及存储介质 | |
Huang et al. | The impact of electric vehicle development on grid load power and electricity consumption | |
Wu et al. | Electric vehicle load characteristic analysis and impact of regional power grid | |
Zhou et al. | The impact of electric vehicle uncertainties on load levelling in the UK | |
Yang et al. | Dispatch of EV loads in active distribution network considering energy storage characteristic | |
Zhou et al. | The state-of-art of the EV charging control strategies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |