CN105098852A - 电动汽车换电装置及其充电管理方法 - Google Patents
电动汽车换电装置及其充电管理方法 Download PDFInfo
- Publication number
- CN105098852A CN105098852A CN201410195263.2A CN201410195263A CN105098852A CN 105098852 A CN105098852 A CN 105098852A CN 201410195263 A CN201410195263 A CN 201410195263A CN 105098852 A CN105098852 A CN 105098852A
- Authority
- CN
- China
- Prior art keywords
- value
- electric
- power
- battery
- electric automobile
- 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.)
- Pending
Links
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种电动汽车换电装置及其充电管理方法,对电动汽车电池进行充电和换电管理,并自动对电网提供V2G功能,维持电网电压稳定。电动汽车换电装置包括电池充放电设备及以特定方式连接的处于不同SOC状态的电动汽车电池组,以及采集包括当地和其他位置电网状态的信号收集系统。对换电装置服务需求进行估算并且对电池充放电设备进行控制,并在满足换电需求的基础上,监控电网状态,使用包括有功功率和无功功率在内的复合变量来维持电网电压处于稳定范围。
Description
技术领域
本发明涉及一种电动汽车换电装置及其充电管理方法。更具体而言,涉及一种带有V2G功能的电动汽车换电装置及其充电管理方法。
背景技术
随着人类对环境保护的重视,电动汽车作为一种接近零排放的新型交通工具受到越来越多的欢迎,在电动汽车行驶过程中,其动力电池中储存的有限能量被消耗,所以电池需要定期充电,绝大多数情况下,充电电源由电网来承担。
电力系统对频率和电压的稳定性有很高的要求,这种稳定性是由发电容量和负载容量的匹配来实现的,由于负载的不可控性,电力系统的稳定是由电网调度中心在对负载进行检测的基础上对发电系统的实时控制和计划调度来维持。在电力负载变化幅度不大时,传统发电系统可以满足电网调度的控制要求。
然而电动汽车的电池在充电过程中,其充电功率较大(10kW),再加上充电时间不确定,这种随机性的充电负载会对电网产生较大的冲击。
同时随着传统化能源的短缺以及其严重的排放污染,以风能和太阳能为代表的新能源发电在总发电容量中的比重越来越大。与传统发电方式相比,可再生能源发电的最大特点是其发电量的时变性,这种时变性是作为原动力的自然天气的变化所导致的。与电动汽车的充电负载类似,不确定的新能源发电功率也会影响电网电压或频率稳定。
引入储能系统,可以解决以上提到的可再生能源发电不稳定、电动汽车充电负载不稳定的问题。储能系统可以起到平滑可再生能源输出、储存多余电力、提高电网稳定性的效果。在可再生能源输出较小或电动汽车充电负载较高时,储能系统放电,提高总输出功率;在可再生能源输出较高或电动汽车充电负载较低时,储能系统充电,降低总输出功率。
由于电动汽车数量日益庞大,电动汽车的动力电池可以作为一种容量可观的储能系统,向电网输出或吸收一定功率,抵抗电压波动,维持电网稳定。该功能称为V2G(vehicletogrid,车辆到电网)功能,该功能的主要问题在于如何计算电动汽车所能提供的V2G无功功率容量。
在专利文献1中提出了一种电动汽车实时监控、V2G容量估算以及电网稳定控制的方法,在该方法中,电动汽车的位置、速度、电池SOC(StateOfCharge,荷电状态)等受到实时监控并发送到数据中心,数据中心据此估计某一地区电动汽车所能提供的V2G无功功率。并根据实时监控的电网各个线路的负载水平,利用相应地区的电动汽车提供的V2G功能,维持电网稳定。
在专利文献2中提出了一种对混合动力汽车进行实时监控、估算V2G容量、以及电网稳定控制的方法。在该方法中,汽车电池所储存的能量来自于汽车发动机机械能,不需要在电网充电。与专利文献1类似,混合动力汽车的位置、速度、电池SOC等受到实时监控,并发送到数据中心,数据中心估算V2G容量。
在专利文献3以及专利文献4中提供了一种电动汽车电池换电维护装置,可以实现对电动汽车进行换电服务,及空电池的充电及维护服务。
专利文献1的不利之处在于,对每台电动汽车进行实时监控需要较完善的无线网络,由于驾驶者的不可控性,多台电动汽车的V2G功能很难同时进行,同时电动汽车驾驶者很少会主动对电网提供V2G功能。同时,虽然电动汽车的状态可以实时监控,但其充电负载仍然是不受控的,仍会影响电网稳定。
专利文献2的不利之处在于,该系统只能管理调度混合动力汽车,不能对纯电动汽车进行管理,同时与专利文献1类似,对每台混合动力汽车进行实时监控需要较完善的无线网络。同时该系统中,V2G无功功率来自于由汽车燃料的化学能,这是一种不经济的方法。
专利文献3及专利文献4的不利之处在于,这些装置不能平衡电动汽车的换电需求与电网V2G功能之间的矛盾。如专利文献3中的装置只能利用空电池放电维护过程中的电能来实现V2G功能,并且电池放电和正常的电池充电由不同的硬件设备来实现,这种方案较难提供稳定的V2G功能,同时硬件结构较复杂,成本较高。在专利文献4发明的装置中,每一块电池均需要单独的充放电设备来充电,这样硬件成本很高,而且该装置只能在电网故障时提供V2G功能,适应面较窄。
现有技术文献
专利文献
专利文献1:WO2011/077780A1
专利文献2:US2009/229900A1
专利文献3:CN203289114U
专利文献4:CN103414231A
发明内容
为了克服现有技术的上述缺陷,提出了本发明。本发明的目的是提供一种电动汽车换电装置及其充电管理方法,能够对电动汽车提供满充电池,对空电池进行充电,并对电网提供V2G功能以维持电网电压平衡,并且降低对硬件设备和通信系统的需求,降低人为因素所带来的不确定性。
本发明提供一种电动汽车换电装置,其特征在于具备:充放电设备,其连接于电网,根据从管理系统接收到的控制指令来控制充放电的功率;多个电动汽车电池,其并联连接在所述充放电设备的电池端,通过所述充放电设备进行充电;和多个开关,其用于导通或断开所述多个电动汽车电池的每一个与所述电池端的连接,所述电动汽车换电装置通过将所述多个电动汽车电池的任一个与电动汽车中的电池进行交换,来对电动汽车提供换电服务。
此外,本发明的电动汽车换电装置,优选所述电动汽车换电装置还具备:对当地电网状态和其他位置电网状态进行数据采集的设备。
本发明提供一种上述电动汽车换电装置的充电管理方法,其包括如下步骤:估计步骤,根据历史换电数据和外部信息,估计未来时刻有换电需求的电动汽车数量以及所述有换电需求的电动汽车中的电池的SOC值;充电功率基础值计算步骤,根据所述估计步骤中估计出的所述电动汽车数量以及所述有换电需求的电动汽车中的电池的SOC值,并且根据所述电动汽车换电装置中的所有所述多个电动汽车电池的当前SOC值,计算所述充放电设备的充电功率基础值;功率补偿值计算步骤,根据所计算出的所述充电功率基础值、以及当前电网状态,计算用于维持电网平衡的功率补偿值;和功率操作值计算步骤,根据所计算出的所述功率补偿值以及所计算出的所述充电功率基础值,计算所述充放电设备的功率操作值。
此外,本发明的充电管理方法,优选所述历史换电数据包括:有换电需求的电动汽车数量的历史值、以及有换电需求的电动汽车中的电池的SOC值的历史值,所述外部信息包括:用变量表示的日期、温度、实时时间、实时交通状况;用特定的连续值表示的天气情况、星期时间、节假日时间。
此外,本发明的充电管理方法,优选在所述充电功率基础值计算步骤中,通过利用了电池的电气特性的充放电模型,对所述充放电设备的充电过程以不同的充电功率进行多次仿真,选择出在一定时间内满足相同数量换电需求的情况下最小的充电功率基础值。
此外,本发明的充电管理方法,优选所述电池的电气特性包括电动势、充电电流和温度。
此外,本发明的充电管理方法,优选所述功率补偿值包括有功功率补偿值和无功功率补偿值,所述有功功率补偿值与所述无功功率补偿值的比例,与所在电网线路的电阻和电抗的比例相等。
此外,本发明的充电管理方法,优选在所述功率操作值计算步骤中,将所计算出的所述功率补偿值中的有功功率补偿值与所计算出的所述充电功率基础值进行叠加,得到有功功率实际操作值,根据该有功功率实际操作值来计算无功功率范围,并且按照使所计算出的所述功率补偿值中的无功功率补偿值保持在该无功功率范围内的方式,得到无功功率实际操作值。
此外,本发明的充电管理方法,优选在根据所述有功功率实际操作值来计算无功功率范围时,根据所述充放电设备的电能转换效率以及所述有功功率实际操作值,计算出所述充放电设备在电网连接点处的有功功率值,并且根据所计算出的所述有功功率值、以及所述充放电设备在电网连接点处的电流极限值,计算出能够提供的无功功率范围。
根据本发明,能够对电动汽车提供满充电池,对空电池进行充电,并对电网提供V2G功能以维持电网电压平衡,并且能够降低对硬件设备和通信系统的需求,降低人为因素所带来的不确定性。
附图说明
通过参考以下组合附图对所采用的优选实施方式的详细描述,本发明的上述目的、优点和特征将变得更显而易见,其中:
图1示出换电装置硬件结构示意图。
图2A示出换电装置管理系统的基本处理流程和主要的输入输出量。
图2B示出换电装置管理系统的详细处理流程图。
图3是系统利用历史值对换电需求进行建模和估算的示意图。
图4A-C是将天气、星期时间、节假日时间等不规则变量利用特定的连续值变量来表示的示意图,其中,图4A示出对天气变量We的建模,图4B示出对星期时间Wk的建模,图4C示出对节假日时间Ho的建模。
图5是换电装置充电功率基础值的计算方法流程图。
图6是换电装置充电功率基础值迭代计算结果的示意图。
图7是一个典型的换电装置充电功率基础值和一段时间内换电数量的关系曲线图。
图8是换电装置中处于不同SOC的电动汽车电池充电的硬件结构图。
图9示出电动汽车电池的典型的开路电压的电气特性。
图10是对电网状态进行反馈控制的系统构成图。
图11是换电装置中充放电设备的THD滤波器以及AC/DC单元的基本硬件结构图。
图12是换电装置中充放电设备的THD滤波器单线图。
具体实施方式
下面将参考通过相应的附图阐述的非限制性的实施例和细节对所述实施例及其各种特征和优点进行详细说明,为避免对所述实施例造成不必要的模糊,将略去对公知元件和公知处理技术的说明。
在本发明中,可向电动汽车提供满充电池的电动汽车换电装置,包括充放电设备、以并联方式连接在一起的多个电动汽车电池、可以导通或断开每一个电动汽车电池充电电路的开关、以及对当地电网状态和其他位置电网状态进行数据采集的设备。这些电动汽车电池的SOC可以相同或者不同。在本发明中,电动汽车中的动力电池并非直接在传统的充电桩给动力电池充电,而是将电动汽车中的低电量的电池与换电装置中满充电池或高电量电池进行替换,低电量电池在换电装置中充电。
在本发明中,对未来换电装置服务需求进行估算,首先记录并存贮换电需求的数量,电动汽车中的电池状态和外部条件(包括但不限于天气,温度,时间等)。以换电需求数量为目标变量,以外部条件为特性,进行建模,并根据换电需求的数量的历史值,以及外部条件的历史值和实时值,训练模型并对未来时刻的换电需求进行估算。具体的建模方法可以为简单建模和复杂建模,简单建模可以采用加权平均的方法,复杂方法包括支持向量机、相关向量机、人工神经网络等。
其中简单方法的建模方式为:以换电历史数据中处于每天同一时刻的换电需求数量为样本数据,采用加权平均的方法,计算公式为:
其中i代表第i个目标变量,Ni,t为未来t时刻的换电需求;Ni,ht为过去h时间段内t时刻的历史换电需求数量,wi,ht为该历史值的权重,其计算方法为,该权重值与h值成反比,举例说明,若h时间段为24小时,则在估算当天未来时刻8:00时刻的换电需求时,昨天(h=-1)的权重w-18与前天(h=-2)w-28的权重符合:
将上面两段中提到的换电需求数量替换为电动汽车中电池的SOC值,则上述方法也可以用于对电动汽车中电池的SOC值进行建模。
复杂方法的建模方式为:以历史数据中换电需求数量为目标变量,以相同时刻的天气情况,温度,日期,实时时间,星期时间,节假日时间,交通状况等组成特性向量,其中日期,温度,实时时间,交通状况等规则变量直接用变量的实测值来表示,天气,星期时间,节假日时间等不规则变量利用特定的连续值变量来表示。
将目标变量和特性向量组成训练数据对,利用支持向量机回归,相关向量机回归,或者人工神经网络等方法建立预测模型,并利用训练数据对来训练预测模型,利用训练好的预测模型以及未来时刻的特性向量,来估计未来时刻的换电需求数量。
在本发明中,对换电装置充电过程和电动汽车电池的充电过程进行建模。首先将单个电池进行建模:利用电池的电动势、充电电流和温度等电气特性,对电池充电过程进行建模,计算电池SOC的实时变化,其中一种建模方法为,首先利用电池当前的SOC值、温度以及电流初始值(通常为0),依据电池的电气特性数据,获取当前的电池电动势和电池内阻,利用该电动势和当前充电电压来计算充放电电流,将电池充放电电流的实时值对时间的积分作为该电池SOC的变化值。
仿真换电过程:若换电装置中某块电池在某一时刻被选中与电动汽车中的电池进行交换,则将该电池的SOC值改变为电动汽车中电池的SOC值。
利用单个电池的模型,及每个电池的不同功率来计算在同一充放电设备中各个电池的功率分配关系。
利用实时的充电功率值,电池充放电模型,以及各充放电设备中各电池的功率分配关系,可仿真计算在一段时间内(如24小时)不同SOC值的各个电池的充电电流及SOC变化。
同时在该模型的该仿真计算过程中也可以计算特定充电功率时的充电线路的电压,根据此电压是否超出上限或者下限,可以判断此时换电装置的充电或放电功率是否越限。
在换电装置的充电模型中,若某块电池SOC值达到满充状态,则该满充电池将会被停止充电,其他未满充电池的充电过程不受其影响。
在本发明中,计算换电装置充电功率基础值时,在前述中对换电需求进行估算的基础上,利用前述中建立的充电模型,针对不同的换电装置充电功率值,对一段时间内(如24小时)换电装置的充电和换电过程进行多次仿真。在任意一次仿真中,每个时间段(如每小时)的SOC初始值等于上一时间段仿真的SOC结束值。每次仿真的充电功率值逐次增加,直至到达前文所述的换电设备充电功率极限值,得到多个充电功率及对应的该功率所能满足的换电需求数量,然后根据最小功率和满足最多换电需求的原则来选择最优的充电功率值,作为换电装置充电功率基础值。其中换电过程的仿真中电池的选择方法可以是以SOC值大小为优先级排列,也可以综合考虑电池SOC,劣化状态,在换电装置中停留的时间长度等参数,对每个电池计算一个综合的优先度参数,根据该参数对电池进行排序,优先度高的电池首先被更换。
在本发明中,对电网电压进行补偿时,首先获取电网状态的实测值,该实测值可以是本地状态值,或者是通过通信手段接收到的其他电网部位的状态值。然后根据电网状态的实测值来对电网状态进行状态估计计算,获取电网状态的估计值。然后根据电网状态设定值和估计值之间的偏差,利用反馈控制方法,计算维持电网频率平衡所需要的换电装置第一有功补偿量的大小,计算维持电网电压平衡所需要的第二有功功率补偿量和无功功率补偿量的大小,其中第二有功补偿量和无功补偿量的比例,与所在电网线路的电阻和电抗的比例相等。
在本发明中,结合换电装置充电控制和V2G功能,系统将换电装置充电功率基础值与第一有功功率补偿量及第二有功功率补偿量进行叠加,得到有功功率实际操作值。并以该值为参数,计算无功功率范围和无功功率实际操作值。
在本发明中,估算换电装置有功及无功功率容量时,根据换电装置中充放电设备的硬件参数来计算换电装置的总电能转换效率,利用该效率和有功功率实际操作值计算换电装置在电网连接点的有功功率。
根据充放电设备PCS与电网连接点的硬件电气参数,来选择限制电能转换容量的决定性参数。根据充放电设备的硬件结构和参数,建立充放电设备中某些电能转换单元的转换函数。根据该转换函数和限制电能转换容量的决定性参数,计算出换电装置在电网连接点处电流的极限值。
以换电装置在电网连接点处的有功功率,电网电压的实时值,以及换电装置在电网连接点处的电流极限值为参数,利用交流电有功功率和无功功率的基本关系,来计算换电装置所能发出的无功功率范围。
将该范围与无功功率补偿量进行比较,若无功功率补偿量超出该范围,则以该范围的最大或最小值为准;如果无功功率补偿量没有超出该范围,则以原无功功率补偿量为准;最终得到无功功率实际操作值。
实施例一
本发明所涉及的换电装置的硬件结构如图1所示,换电装置103通过电力线路101与换电装置103的连接点102与电力线路101进行充放电动作。
在换电装置103内部,充放电设备104可接收管理系统的控制指令来控制充放电的有功功率及无功功率,按照不同的硬件设备的特点,具体的控制指令可能有所不同,如该指令可以是实时的有功功率值及无功功率值,或者也可以是实时的有功功率及功率因数,等等。换电装置的充放电功率由充放电设备104来控制完成,充放电设备104的电池端105可并联连接多个电动汽车电池106进行充电,其中每个电池的SOC可以相同或不同。虽然未进行图示,但是电池端105还包括可以将任意一个电池(例如满充电池)断开充电的多个开关设备。
换电装置通过将充电完毕的电动汽车电池107与电动汽车中的电池109进行交换,对电动汽车108提供换电服务。换电装置可以以多种不同的方式确定哪个电池将要被更换。电动汽车中的电池109被更换到换电装置中之后,会连接到充放电设备104的电池端105上,进行充电。
在图1所示的换电装置硬件结构中,还包括对电网状态进行监控的传感器,以及接收本地传感器或者远端电网状态数据的通信线路等设备。
换电装置的充放电管理系统的总计算流程如图2A所示,系统以历史换电数据及外部信息作为输入量。其中历史换电数据包括同一时刻在本换电装置进行换电的换电需求数量、电池SOC值、以及相同时刻的外部信息(包括天气情况,温度,日期,实时时间,天气,星期时间,节假日时间,交通状况等)。将这些处于同一时刻的数据组成数据对,在一段历史时间内,可以有多个数据对。外部信息包括未来某时刻的天气情况,温度,日期,实时时间,天气,星期时间,节假日时间,交通状况等。
换电需求数量估计步骤201以历史换电数据所组成的多个数据对、及外部信息作为输入量,估算未来一段时间内所有时刻的换电需求数量及电动汽车中电池的SOC值。以未来时刻的换电需求数量及电动汽车中电池的SOC值、和换电装置中所有电池的当前SOC值作为输入量,步骤202计算在一定时间内换电装置的充电功率基础值。以充电功率的基础值和当前时刻的电网状态,作为输入量,步骤203计算为了维持电网状态的平衡,换电装置所需要执行的有功功率和无功功率补偿量,其中有功功率补偿量和无功功率补偿量的大小比例与电网线路的电气特性有关。步骤203进一步将充电功率基础值和有功及无功补偿量进行计算得到有功及无功功率的第一操作值。以该第一操作值作为输入,步骤204根据换电设备的硬件参数计算该换电设备所能提供的无功功率范围,并最终输出换电设备充放电有功功率和无功功率的实际第二操作值,该第二操作值即为控制图1中充放电设备104的值。
按照上文所述,图2B为换电装置管理系统的详细处理流程。其中205为历史的换电需求数量和EV电池的SOC值。206为历史的外部信息数据。207为未来时刻的外部信息数据。208为利用历史数据进行对特性向量进行建模的单元。209为预测模型的训练单元。210为对未来换电需求进行预测的单元。211为换电过程中站内电池的选择单元。212为对换电装置内各电池进行充电的仿真单元。213为换电装置在当前时刻的电池SOC分布。214为对换电装置的充电仿真进行多次迭代,以及累计换电成功数量的单元。215为对最优的充电功率基础值进行选择的单元。216为电网状态检测值。217为对电网状态进行估计的单元。218为电网状态的目标值。219为根据电网状态的估计值和目标值的偏差,利用反馈控制方法,对电网状态进行控制的有功功率及无功功率补偿量的计算单元。220为对换电装置无功功率容量进行估算的单元。
图3为图2中步骤201的详细说明,其中301为上述中提到的多个数据对,是历史换电数据,利用多个数据对,按照简单建模方法,或者按照上述提到的复杂建模方法对换电需求数量进行建模。同时采用上述中提到的方法对SOC值进行建模,得到电动汽车中电池SOC的预测值。
若使用上述中提到的简单建模方法,则历史换电数据301可直接用于训练预测模型。计算得到未来时刻的换电需求数量。
若采用上述中提到的复杂建模方法,则其特性向量中非连续性变量的建模方法如图4所示,以天气情况为例,将天气情况按照图4A中示出的折线的方法,以一个连续变量We来表示。其中401的线段的斜率表示从晴到细雨时天气变量We的变化趋势,402的线段的斜率表示从细雨转多雨时天气变量We的变化趋势,403的线段的斜率表示从多雨转暴雨时天气变量We的变化趋势。采用类似方法可以对星期时间Wk(如图4B)以及节假日时间Ho(如图4C)进行建模,其中404表示周一到周五Wk的变化趋势,405表示周五到周六Wk的变化趋势,406表示周六到周日Wk的变化趋势;407表示节假日开始到节假日中Ho的变化趋势,408表示节假日中这段时间内Ho的变化趋势,409表示节假日中到节假日结束Ho的变化趋势。其他非连续性变量采用类似的建模方式。最终将所有特性变量组成特性向量。将多个历史数据对301组成特性向量X,利用多个特性向量X和对应的换电需求数量组成的多个训练数据对来训练预测模型,其中模型的建立方法可以是支持向量机、相关向量机、或者人工神经网络等。
以相关向量机(RVM)方法为例:系统特性向量为:
xi=(We,Te,Dt,Rt,Ho,Wk,Tr)T(公式3)
其中i表示第i个数据,We为天气情况;Te为温度;Dt为日期,Rt为实时时间、Ho为节假日时间、Wk为星期时间、Tr为实时交通状况。
m=β∑KTt(公式4)
∑=(A+βKTK)-1(公式5)
A=diag(αi)(公式6)
其中K为一个(N+1)×(N+1)维的矩阵,其元素为knm=k(xn,xm),xn和xm为N+1个特性向量中的其中两个,k为一个特定函数形式,例如k函数可以是计算两个特性向量之间绝对距离的函数。t为N+1个特性向量所对应的历史换电需求数据组成的向量:t=(N1,...,NN+1)。
α=(α1,...,αM)T及β为待求的变量,参数更新公式为:
γi=1-αi∑ii(公式9)
其中mi为参数m中的第i个元素。∑ii为参数∑的第i行i列的对角元素。
α及β的其中一种计算方法为:首先选定一个α及β的初值,代入公式4,5,6计算,然后利用公式7,8,9计算新的α及β值,经过多次迭代之后达到一定收敛条件,得到α及β的最终值:α*及β*。也可以用其它的逼近计算方法来获得该最终值。
利用α及β的最终值来计算未来时刻的换电需求,该需求服从以mTK(x)为均值,以σ2(x)为方差的正态分布,其中x为
K(x)=(k(x,x1),k(x,x2),...,k(x,xN+1))T(公式10)
σ2(x)=(β*)-1+K(x)T∑K(x)(公式11)
以mTK(x)为未来换电需求的估算值。对未来一段时间内,每个时间点的换电需求数量都进行估算,得到换电需求的预测曲线302。
利用未来时刻的特性向量Xt+1,可以在预测曲线302中按照303所示的查询方式,获得未来时刻的目标变量,即换电需求数量。未来一段时间内所有时刻的换电需求数量可组成一条曲线。
换电设备充电功率基础值的计算方法流程图如图5所示,该流程是步骤202的详细说明。首先步骤501将更换成功的电池数量Ns的初始值设为0,设置当前时刻为仿真时刻t的初始值,并设置一个换电设备在仿真时刻t的充电功率Pt的初始最小值,然后以换电装置中电池在仿真时刻t的SOC分布502作为输入量,对各个电池在充电过程中的SOC变化和充电功率进行仿真,仿真模型如后所述,然后得到最新的SOC分布。
按照最新的SOC分布,步骤505以特定的方式对换电装置中的电池进行换电序列的排序,可以采用不同的排序方法,如可以是以SOC值大小为优先级排列,也可以综合考虑电池SOC,劣化状态,在换电装置中停留的时间长度等参数,对每个电池计算一个综合的优先度参数,根据该参数的大小对电池进行排序,优先度高的电池首先被更换。
步骤505按照换电装置中各电池的换电优先级序列,按照仿真时刻t的换电需求数量和电动汽车电池的SOC估计值503,对换电装置与电动汽车的换电动作进行仿真,其中,仿真计算方法为:若换电装置中某一电池被选中与电动汽车中电池进行更换,则将该电池的SOC值改为503中电动汽车电池的SOC预测值,完成更换仿真,累计更换成功的电池数量Ns。由此换电装置中各电池的SOC值再次被更新。
然后,步骤506利用换电装置和电池的充电仿真模型,利用后面所述的方法,对换电装置的最大充电或放电功率进行计算,步骤507判断仿真时刻t的充电功率Pt是否超出换电装置的最大充电功率值,若未超出则进入步骤508,若超出则进入步骤511。
步骤508判断当前的时刻是否超出一定的时间段,该时间段可据情况而定,例如若本发明的换电装置管理系统所要管理的是未来24小时的充电功率,则以24小时为阈值判断当前的仿真时刻是否超限,若未超出24小时,步骤509增大当前仿真时刻t的值,并以上一次充电仿真结束后,最新的换电装置中电池的SOC分布作为输入量,重新进行步骤504、505、506、507的计算或判定。若大于或等于24小时,则进入步骤510。
步骤510将当前Pt的值和当前更换成功的电池数量Ns组成数据对储存。然后增大仿真充电功率Pt的值,电池数量Ns重置为0,将将仿真时刻t重置为当前时刻。然后以当前时刻换电装置中电池的SOC分布作为输入量503,重新进行步骤504、505、506、507的计算或判定。
步骤511计算从多次仿真中得到的多个充电功率Pt值和电池数量Ns组成的数据对中选择最优的数据对,选择方法如后面所述。步骤512将该最优的数据对中的充电功率Pco输出,作为充电功率基础值。
图5所示的对换电装置进行多次充电仿真计算的计算结果由图6示出,其中601为上述中提到的未来一段时间每个时刻的换电需求数量Nn所组成的曲线,602为后面提到的换电装置最大充电功率上限Pu,603为一段时间内换电装置最大的充电功率基础值Pcu,604为最优的充电功率基础值Pco,605为迭代计算的初始充电功率Pt值。
如上所述,换电装置在充电过程中的仿真模型如图8所示。其中任意一个电池的充电模型按照图9所示的电池的典型的电气特性建立。其中一种建模方法为,首先利用电池当前的SOC值、温度以及电流初始值(通常为0),依据电池的电气特性数据,获取当前的电池电动势和电池内阻,利用该电动势,和当前充电电压来计算充电放电流,将电池充放电电流的实时值对时间的积分作为该电池SOC的变化值,
计算出初始的电池充放电电流实时值之后,须从电池的电气特性数据中查询或插值计算得到在特定的充放电电流,电池温度,以及电池SOC值的时候所对应的电池电动势,以图9中的曲线为例,该图表示某电池在25摄氏度时,电池在放电电流为50A时所对应的电池SOC值和电池端电压Vti的关系曲线(901),在放电电流为200A时所对应的电池SOC值和电池端电压Vti的关系曲线(902),和在放电电流为700A时所对应的电池SOC值和电池端电压Vti的关系曲线(903)。
得到电池端电压之后,计算电流及电池SOC变化的基本公式为:
其中Ii为某一块电池的充放电电流,Vl为充电电压,Vti为电池的电动势,Ri为电池内阻。
仿真换电过程:若换电装置中某块电池在某一时刻被选中与电动汽车中的电池进行交换,则将该电池的SOC值改变为电动汽车中电池的SOC值。
利用单个电池的模型,及每个电池的不同功率来计算在同一充放电设备中各个电池的功率分配关系:
Pi=Vti·Ii(公式15)
其中Pi为某一块电池的充/放电功率。
联合公式12,13,14,15即可对换电装置的充电及换电过程进行仿真,计算在一段时间内(如24小时)不同SOC值的各个电池的充电电流及SOC变化。
联合公式12,13,14,15同时可以计算特定充电功率时的充电线路的电压,根据此电压是否超出换电装置中任意一块电池的充电电压上限或者下限,可以计算出当前状态下换电装置的充放电功率上下限,并判断此时换电装置的充电或放电功率是否越限。
在换电装置的充电模型中,若某电池SOC值达到满充状态,则该满充电池将会被停止充电,其他未满充电池的充电过程不受其影响。
如图7所示,701为Pt及Ns组成的曲线,如上所述,从多个充电功率Pt及电池数量Ns所组成的数据对中寻找最优的充电功率Pco的方法为:
IfPcu=Pb2,thenPco=Pb1;
IfPcu=Pb3,thenPco=Pb3;
IfPcu=Pb5,thenPco=Pb4;
其中Pcu为一段时间内换电装置最大的充电功率基础值,
在获取换电装置最优充电功率基础值的基础上,获取电网状态的实测值,该实测值可以是本地状态值,或者是通过通信手段接收到的其他电网部位的状态值。然后根据电网状态的实测值来对全网的状态值进行状态估计计算,获取电网状态的估计值。然后根据电网状态设定值和估计值之间的偏差,利用反馈控制方法,计算维持电网频率平衡所需要的换电装置第一有功补偿量的大小,计算维持电网电压平衡所需要的第二有功功率补偿量和无功功率补偿量的大小。然后将这些补偿量进行运算,得到有功功率实际操作值,并使无功功率补偿量维持在换电装置无功功率范围内,得到无功功率实际操作值。
该过程如图10所示,该图是步骤203的详细说明。其中电网1001的状态由本地传感器1002、远端传感器1004及1005所采集,得到一系列实测值。然后步骤1008收集本地传感器的信息1007,和通过通信手段收集远端传感器信息1006,利用这些信息对电网状态进行估计计算,得到电网状态估计值1009,并将之与电网状态的控制目标值1010(如目标电压380伏特,以及目标频率50Hz)相减,得到系统频率偏差1019以及系统电压偏差1020。
补偿器1011以系统频率偏差1019为输入量,利用反馈控制方法,如PID控制,PI控制等,计算有功补偿量ΔP1。
补偿器1012以系统电压偏差1020为输入量,利用反馈控制反复,如PID控制,PI控制等,计算无功补偿量Q0。然后按照如下公式计算有功补偿量ΔP2:
步骤1013以步骤512中得到的换电装置最优充电功率基础值Pco为输入量,与补偿器1011输出的有功功率补偿值ΔP1(1021),及补偿器1012计算得到的有功补偿量ΔP2(1022)叠加。得到有功功率实际操作值。
步骤1014以无功补偿量Q0(1023)为输入量,比较Q0是否在换电装置无功功率范围[Q1-,Q1+]内,如果在该范围内,则以无功补偿量Q0为最终的无功功率操作值。如果Q0大于Q1+,则以Q1+为最终的无功功率实际操作值,如果Q0小于Q1-,则以Q1-为最终的无功功率实际操作值。其中换电装置的无功功率范围[Q1-,Q1+]的计算方法在后面进行叙述。
步骤1017收集1013计算得到的有功功率实际操作值和1014计算得到无功功率实际操作值,组成对换电装置1003进行控制操作的有功及无功控制指令1018。依据设备对控制指令的不同要求,可以将有功及无功控制指令利用有功功率和无功功率的计算公式,将控制指令换算其他形式,如有功功率和功率因数,或者有功电流和功率因数等。
如上所述,系统根据换电装置中充放电设备的硬件参数和当前的有功功率实际操作值,来计算换电装置所能提供的无功功率范围,该部分是步骤204的详细说明。首先系统根据换电装置中充放电设备104的硬件参数,如图11为一个典型的充放电设备的硬件结构和基本参数,根据该图中包括但不限于AC/DC单元1102,DC/DC单元1103,以及THD(totalharmonicdistortion,总谐波失真)滤波器1101等单元的转换效率来计算总电能转换效率,其中主要计算公式为:
Pch=η1η2η3Po(公式17)
其中Pch换电装置的有功功率实际操作值,Po为充放电设备(也称为PCS(powerconversionsystem,功率变换系统))与电网连接点的有功功率。η1,η2,η3为充放电设备PCS的AC/DC,DC/DC,以及滤波器等单元的电能转换效率,也可以用一个综合的转换效率η=η1η2η3来代替。
根据充放电设备PCS与电网连接点的硬件电气参数,来选择限制电能转换容量的决定性参数。根据充放电设备的硬件结构和参数,建立充放电设备中某些电能转换单元的转换函数。举例说明:若充放电设备PCS的电能转换容量主要受到AC/DC单元1102功率器件容量的限制,则计算得到充放电设备PCS的功率器件的电流和电网连接点电流的转换函数,并以PCS系统功率器件的电流极限范围(该范围是器件的固有参数,可从器件规格书中获取)Ied为输入量,计算电网连接点电流的极限范围Ieo。
若PCS与电网连接点为一LCL滤波器,则其转换函数公式可根据如图12所示的单线图来计算出:
其中Cf,Lf,rf,Lc,Lf,rc等为LCL滤波器的硬件参数,可从设备规格书中获得。
令Il(s)=Ied,s=2πf,f为电网电压的标准频率,代入公式18,计算出电网连接点电流Io(s)的允许极限值Ieo。
根据有功功率的实际操作值Pch,换电装置与电网连接处的电压,以及有功功率和无功功率的基本关系,计算无功功率的允许范围[Q1-,Q1+]。其中计算公式为:
[Q1-,Q1+]=[-Qe,+Qe](公式20)
其中,V为换电装置与电网连接处的电网电压值,可由图10中传感器1004检测得到。
尽管以上已经结合本发明的优选实施例示出了本发明,但是本领域的技术人员将会理解,在不脱离本发明的精神和范围的情况下,可以对本发明进行各种修改、替换和改变。因此,本发明不应由上述实施例来限定,而应由所附权利要求及其等价物来限定。
Claims (9)
1.一种电动汽车换电装置,其特征在于具备:
充放电设备,其连接于电网,根据从管理系统接收到的控制指令来控制充放电的功率;
多个电动汽车电池,其并联连接在所述充放电设备的电池端,通过所述充放电设备进行充电;和
多个开关,其用于导通或断开所述多个电动汽车电池的每一个与所述电池端的连接,
所述电动汽车换电装置通过将所述多个电动汽车电池的任一个与电动汽车中的电池进行交换,来对电动汽车提供换电服务。
2.根据权利要求1所述的电动汽车换电装置,其特征在于,
所述电动汽车换电装置还具备:对当地电网状态和其他位置电网状态进行数据采集的设备。
3.一种权利要求1所述的电动汽车换电装置的充电管理方法,其包括如下步骤:
估计步骤,根据历史换电数据和外部信息,估计未来时刻有换电需求的电动汽车数量以及所述有换电需求的电动汽车中的电池的SOC值;
充电功率基础值计算步骤,根据所述估计步骤中估计出的所述电动汽车数量以及所述有换电需求的电动汽车中的电池的SOC值,并且根据所述电动汽车换电装置中的所有所述多个电动汽车电池的当前SOC值,计算所述充放电设备的充电功率基础值;
功率补偿值计算步骤,根据所计算出的所述充电功率基础值、以及当前电网状态,计算用于维持电网平衡的功率补偿值;和
功率操作值计算步骤,根据所计算出的所述功率补偿值以及所计算出的所述充电功率基础值,计算所述充放电设备的功率操作值。
4.根据权利要求3所述的方法,其特征在于,
所述历史换电数据包括:有换电需求的电动汽车数量的历史值、以及有换电需求的电动汽车中的电池的SOC值的历史值,
所述外部信息包括:用变量表示的日期、温度、实时时间、实时交通状况;用特定的连续值表示的天气情况、星期时间、节假日时间。
5.根据权利要求3所述的方法,其特征在于,
在所述充电功率基础值计算步骤中,通过利用了电池的电气特性的充放电模型,对所述充放电设备的充电过程以不同的充电功率进行多次仿真,选择出在一定时间内满足相同数量换电需求的情况下最小的充电功率基础值。
6.根据权利要求5所述的方法,其特征在于,
所述电池的电气特性包括电动势、充电电流和温度。
7.根据权利要求3所述的方法,其特征在于,
所述功率补偿值包括有功功率补偿值和无功功率补偿值,所述有功功率补偿值与所述无功功率补偿值的比例,与所在电网线路的电阻和电抗的比例相等。
8.根据权利要求7所述的方法,其特征在于,
在所述功率操作值计算步骤中,将所计算出的所述功率补偿值中的有功功率补偿值与所计算出的所述充电功率基础值进行叠加,得到有功功率实际操作值,根据该有功功率实际操作值来计算无功功率范围,并且按照使所计算出的所述功率补偿值中的无功功率补偿值保持在该无功功率范围内的方式,得到无功功率实际操作值。
9.根据权利要求8所述的方法,其特征在于,
在根据所述有功功率实际操作值来计算无功功率范围时,
根据所述充放电设备的电能转换效率以及所述有功功率实际操作值,计算出所述充放电设备在电网连接点处的有功功率值,并且
根据所计算出的所述有功功率值、以及所述充放电设备在电网连接点处的电流极限值,计算出能够提供的无功功率范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410195263.2A CN105098852A (zh) | 2014-05-09 | 2014-05-09 | 电动汽车换电装置及其充电管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410195263.2A CN105098852A (zh) | 2014-05-09 | 2014-05-09 | 电动汽车换电装置及其充电管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105098852A true CN105098852A (zh) | 2015-11-25 |
Family
ID=54578700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410195263.2A Pending CN105098852A (zh) | 2014-05-09 | 2014-05-09 | 电动汽车换电装置及其充电管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105098852A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106849233A (zh) * | 2017-02-06 | 2017-06-13 | 全球能源互联网欧洲研究院 | 一种集中式充放电系统、控制方法及装置 |
CN107340476A (zh) * | 2016-04-29 | 2017-11-10 | 株式会社日立制作所 | 电池的电气状态监测系统和电气状态监测方法 |
CN108092350A (zh) * | 2016-11-23 | 2018-05-29 | 比亚迪股份有限公司 | 移动电站及其控制方法和控制系统 |
CN109130945A (zh) * | 2018-07-20 | 2019-01-04 | 中国华电科工集团有限公司 | 一种电动汽车智能充电系统及方法 |
CN110014884A (zh) * | 2017-08-21 | 2019-07-16 | 许继集团有限公司 | 一种电动车充电功率的修正方法及系统 |
CN110535196A (zh) * | 2018-05-25 | 2019-12-03 | 蔚来汽车有限公司 | 在换电设施中执行的充电方法、充电设备、以及远端服务器 |
CN112319304A (zh) * | 2020-10-21 | 2021-02-05 | 国网天津市电力公司 | 一种电动汽车的v2g双层充放电控制方法 |
CN112583048A (zh) * | 2019-10-29 | 2021-03-30 | 中氢新能技术有限公司 | 一种燃料电池的可移动微网系统 |
CN114152889A (zh) * | 2020-09-04 | 2022-03-08 | 湖南京能新能源科技有限公司 | 基于充电桩的电动汽车电池状态及寿命分析方法 |
WO2023273008A1 (zh) * | 2021-06-28 | 2023-01-05 | 华为数字能源技术有限公司 | 一种充电柜、电池包及充电系统 |
US20230009568A1 (en) * | 2021-07-09 | 2023-01-12 | BluWave Inc. | Systems and methods for accelerated computations in data-driven energy management systems |
CN117175653A (zh) * | 2023-08-04 | 2023-12-05 | 浙江晨泰科技股份有限公司 | 一种基于大功率双向充放电模块的充放电设备及充放电方法 |
CN117559468A (zh) * | 2023-08-22 | 2024-02-13 | 广东电网有限责任公司广州供电局 | 一种基于超短期频率偏差预测的v2g站快速调频响应方法 |
JP7460654B2 (ja) | 2021-08-31 | 2024-04-02 | 寧徳時代新能源科技股▲分▼有限公司 | 電気エネルギー伝送方法、装置、デバイス及び媒体 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102290841A (zh) * | 2011-08-13 | 2011-12-21 | 罗俊亚 | 配电网削峰平谷式电动汽车换电站 |
CN202103459U (zh) * | 2011-05-06 | 2012-01-04 | 陈钢 | 一种电池组充电系统 |
CN102780242A (zh) * | 2011-05-12 | 2012-11-14 | Fdktwicell株式会社 | 充电装置 |
-
2014
- 2014-05-09 CN CN201410195263.2A patent/CN105098852A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202103459U (zh) * | 2011-05-06 | 2012-01-04 | 陈钢 | 一种电池组充电系统 |
CN102780242A (zh) * | 2011-05-12 | 2012-11-14 | Fdktwicell株式会社 | 充电装置 |
CN102290841A (zh) * | 2011-08-13 | 2011-12-21 | 罗俊亚 | 配电网削峰平谷式电动汽车换电站 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107340476B (zh) * | 2016-04-29 | 2021-01-26 | 株式会社日立制作所 | 电池的电气状态监测系统和电气状态监测方法 |
CN107340476A (zh) * | 2016-04-29 | 2017-11-10 | 株式会社日立制作所 | 电池的电气状态监测系统和电气状态监测方法 |
CN108092350A (zh) * | 2016-11-23 | 2018-05-29 | 比亚迪股份有限公司 | 移动电站及其控制方法和控制系统 |
CN108092350B (zh) * | 2016-11-23 | 2021-02-23 | 比亚迪股份有限公司 | 移动电站及其控制方法和控制系统 |
CN106849233A (zh) * | 2017-02-06 | 2017-06-13 | 全球能源互联网欧洲研究院 | 一种集中式充放电系统、控制方法及装置 |
CN110014884A (zh) * | 2017-08-21 | 2019-07-16 | 许继集团有限公司 | 一种电动车充电功率的修正方法及系统 |
CN110535196A (zh) * | 2018-05-25 | 2019-12-03 | 蔚来汽车有限公司 | 在换电设施中执行的充电方法、充电设备、以及远端服务器 |
CN110535196B (zh) * | 2018-05-25 | 2023-11-07 | 蔚来(安徽)控股有限公司 | 在换电设施中执行的充电方法、充电设备、以及远端服务器 |
CN109130945A (zh) * | 2018-07-20 | 2019-01-04 | 中国华电科工集团有限公司 | 一种电动汽车智能充电系统及方法 |
CN112583048A (zh) * | 2019-10-29 | 2021-03-30 | 中氢新能技术有限公司 | 一种燃料电池的可移动微网系统 |
CN112583048B (zh) * | 2019-10-29 | 2022-08-05 | 中氢新能技术有限公司 | 一种燃料电池的可移动微网系统 |
CN114152889A (zh) * | 2020-09-04 | 2022-03-08 | 湖南京能新能源科技有限公司 | 基于充电桩的电动汽车电池状态及寿命分析方法 |
CN112319304A (zh) * | 2020-10-21 | 2021-02-05 | 国网天津市电力公司 | 一种电动汽车的v2g双层充放电控制方法 |
WO2023273008A1 (zh) * | 2021-06-28 | 2023-01-05 | 华为数字能源技术有限公司 | 一种充电柜、电池包及充电系统 |
US20230009568A1 (en) * | 2021-07-09 | 2023-01-12 | BluWave Inc. | Systems and methods for accelerated computations in data-driven energy management systems |
JP7460654B2 (ja) | 2021-08-31 | 2024-04-02 | 寧徳時代新能源科技股▲分▼有限公司 | 電気エネルギー伝送方法、装置、デバイス及び媒体 |
CN117175653A (zh) * | 2023-08-04 | 2023-12-05 | 浙江晨泰科技股份有限公司 | 一种基于大功率双向充放电模块的充放电设备及充放电方法 |
CN117559468A (zh) * | 2023-08-22 | 2024-02-13 | 广东电网有限责任公司广州供电局 | 一种基于超短期频率偏差预测的v2g站快速调频响应方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105098852A (zh) | 电动汽车换电装置及其充电管理方法 | |
Clement-Nyns et al. | The impact of charging plug-in hybrid electric vehicles on a residential distribution grid | |
CN111654036B (zh) | 一种计及储能快充电站的配电网两阶段鲁棒优化调度方法 | |
Kavousi-Fard et al. | Efficient integration of plug-in electric vehicles via reconfigurable microgrids | |
Ma et al. | Modeling the benefits of vehicle-to-grid technology to a power system | |
Dragičević et al. | Flywheel-based distributed bus signalling strategy for the public fast charging station | |
Camacho et al. | Fast charging and smart charging tests for electric vehicles batteries using renewable energy | |
Khayyam et al. | Intelligent control of vehicle to grid power | |
Wang et al. | A two-level coordinated voltage control scheme of electric vehicle chargers in low-voltage distribution networks | |
CN109552079B (zh) | 一种基于规则与Q-learning增强学习的电动汽车复合能量管理方法 | |
CN103078340A (zh) | 用于优化微网联络线功率的混合储能容量优化方法 | |
CN108964031B (zh) | 电动汽车充电及参与调压的模型预测控制方法 | |
Iannuzzi et al. | Ultrafast charging station for electrical vehicles: Dynamic modelling, design and control strategy | |
CN103414201B (zh) | 电动公交车动力电池集群参与海岛微网运行的调控方法 | |
Zhang et al. | A coordinated restoration method of electric buses and network reconfiguration in distribution systems under extreme events | |
CN105207243A (zh) | 一种用于风电场实时功率预报修正的电池能量管理方法 | |
CN112713605A (zh) | 一种交流微电网非等容电池储能单元soc均衡方法 | |
Wu et al. | An optimal charging strategy for PV-based battery swapping stations in a DC distribution system | |
Dahmane et al. | Decentralized control of electric vehicle smart charging for cost minimization considering temperature and battery health | |
Bera et al. | Smart charging for electric vehicles (evs): a short review | |
CN112467717A (zh) | 一种基于模糊控制的混合能源系统实时负荷分配方法 | |
CN110341537B (zh) | 一种基于模型预测控制的车载双向充电机充电控制策略 | |
CN105186507A (zh) | 基于微电网的充电、储能一体化的能源管理系统及方法 | |
George et al. | Performance analysis of fast charging stations for G2V and V2G microgrid systems | |
Khalid et al. | SoC-based decentralized power management in multi BESS-PV for EVs charging applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151125 |