CN107038493A - 快速预测电动汽车换电负荷的方法 - Google Patents
快速预测电动汽车换电负荷的方法 Download PDFInfo
- Publication number
- CN107038493A CN107038493A CN201610829199.8A CN201610829199A CN107038493A CN 107038493 A CN107038493 A CN 107038493A CN 201610829199 A CN201610829199 A CN 201610829199A CN 107038493 A CN107038493 A CN 107038493A
- Authority
- CN
- China
- Prior art keywords
- electric automobile
- electric
- soc
- changing
- electricity
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000005611 electricity Effects 0.000 claims abstract description 58
- 230000006855 networking Effects 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明属于电动汽车换电领域,具体提供一种快速预测电动汽车换电负荷的方法。本发明旨在解决如何有效、快速地预测快换型私家电动汽车的换电负荷的问题。本发明通过车联网数据,统计电动汽车在不同SOC状态下的不同时刻的换电申请概率和当前时刻的电池SOC状态符合换电限值的电动汽车总数;根据获得的符合换电限值的电动汽车数量和历史换电申请概率,计算当前需要进行换电的电动汽车实际数量;进一步,根据当前需要进行换电的电动汽车实际数量,结合每台电动汽车当前SOC、电池充电倍率和电池标称能量,计算得到当前时刻换电站需对换下的电池进行充电的需求功率。本发明可以快速、准确地实时预测电动汽车换电负荷。
Description
技术领域
本发明属于电动汽车换电领域,具体提供一种快速预测电动汽车换电负荷的方法。
背景技术
目前,关于电动乘用车充电负荷或电动商用车换电负荷的研究较多,但多采用较为复杂的分析方法,存在较多的假设因子,分析结果与实际应用尚有较远的距离。并且,快换型私家电动汽车采用换电方式,在电池荷电状态(State of charge,英文简称SOC)满足一定的条件限制下才能进行换电,与充电式电动汽车的随机充电方式的分析方法有较大的差别。另外,由于快换型私家电动汽车的行驶时间和行驶里程较难预测,电动商用车的换电负荷预测方法亦不适用。因此,如何采用一种简单的方法有效、快速地预测快换型私家电动汽车的换电负荷,已成为本领域需解决的一个关键问题。
相应地,本领域需要一种新的快速预测电动汽车换电负荷的方法来解决上述问题。
发明内容
为了解决现有技术中的上述问题,即为了解决如何有效、快速地预测快换型私家电动汽车的换电负荷的问题,本发明提供了一种快速预测电动汽车换电负荷的方法,该方法包括以下步骤:确定特定区域内每台电动汽车的当前SOC值;确定该特定区域内每台电动汽车的充电倍率;确定该特定区域内每台电动汽车的标称能量;确定该特定区域内当前需要换电的电动汽车的实际数量;根据当前需要换电的电动汽车的实际数量、每台电动汽车的当前SOC值、每台电动汽车的充电倍率和每台电动汽车的标称能量,计算当前换电站对换下的电池进行充电的需求功率。
在上述快速预测电动汽车换电负荷的方法的优选技术方案中,所述确定该特定区域内当前需要换电的电动汽车的实际数量的步骤进一步包括:根据每台电动汽车的当前SOC值,确定该特定区域内符合换电限值的电动汽车数量;确定该特定区域内每台电动汽车的历史换电申请概率;根据符合换电限值的电动汽车数量和每台电动汽车的历史换电申请概率,计算当前需要换电的电动汽车的实际数量。
在上述快速预测电动汽车换电负荷的方法的优选技术方案中,所述确定该特定区域内每台电动汽车的历史换电申请概率的步骤进一步包括:逐日分类统计每台电动汽车在不同电池SOC状态下不同时刻的历史换电申请概率Gn(t,soc(n,t))并迭代更新,其中,t为分类日期中某天中的某个时刻,soc(n,t)为每台电动汽车在t时刻的SOC,Gn(t,soc(n,t))为每台电动汽车在SOC为某个确定值时在t时刻的换电申请概率。
在上述快速预测电动汽车换电负荷的方法的优选技术方案中,所述当前需要换电的电动汽车的实际数量通过下列公式计算:
其中,Ndo(t)为符合换电限值的电动汽车数量,Gn(t,soc(n,t))为每台电动汽车的历史换电申请概率,Nd(t)为当前需要换电的电动汽车的实际数量。
在上述快速预测电动汽车换电负荷的方法的优选技术方案中,所述当前换电站对换下的电池进行充电的需求功率通过下列公式计算:
其中,Ndo(t)为符合换电限值的电动汽车数量,Gn(t,soc(n,t))为每台电动汽车的历史换电申请概率,soc(n,t)为每台电动汽车在t时刻的SOC,Cr为电池充电倍率,E为电池标称能量,Pd(t)是当前换电站对换下的电池进行充电的需求功率。
在上述快速预测电动汽车换电负荷的方法的优选技术方案中,所述确定特定区域内每台电动汽车的当前SOC值的步骤和/或所述确定该特定区域内每台电动汽车的充电倍率的步骤和/或所述确定该特定区域内每台电动汽车的标称能量的步骤是基于车联网数据实现的。
在上述快速预测电动汽车换电负荷的方法的优选技术方案中,所述根据每台电动汽车的当前SOC值确定该特定区域内符合换电限值的电动汽车数量的步骤基于车联网数据来实现。
在上述快速预测电动汽车换电负荷的方法的优选技术方案中,所述逐日分类统计每台电动汽车在不同电池SOC状态下不同时刻的历史换电申请概率Gn(t,soc(n,t))的步骤基于车联网数据来实现。
本领域技术人员能够理解的是,在本发明的优选技术方案中,通过车联网数据,统计电动汽车在不同电池荷电状态下的不同时刻的换电申请概率和当前时刻的电池荷电状态符合换电限值的电动汽车总数;根据获得的符合换电限值的电动汽车总数和历史换电申请概率,计算当前需要进行换电的电动汽车实际数量;进一步,根据当前需要进行换电的电动汽车实际数量,结合每台电动汽车当前SOC(电池荷电状态)、电池充电倍率和电池标称能量,计算得到当前时刻换电站需对换下的电池进行充电的需求功率。本发明的快速预测电动汽车换电负荷的方法可以快速、准确地实时预测私家电动汽车的换电负荷。
附图说明
图1是本发明的快速预测电动汽车换电负荷的方法的流程图。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。例如,虽然说明书中的快速预测电动汽车换电负荷的方法是以快换型私家电动汽车为服务对象的,但是很明显这种方法可以适用于任何通过更换电池来补充电能的电动汽车,本领域技术人员可以根据需要对其作出调整,以便适应具体的应用场合。
需要说明的是,在本发明中n为正整数,t表示时间。
本发明提供了一种快速预测电动汽车换电负荷的方法。如图1所示,本发明的方法包括下列步骤:步骤S110,确定特定区域内每台电动汽车的当前SOC值;步骤S120,确定该特定区域内每台电动汽车的充电倍率;步骤S130,确定该特定区域内每台电动汽车的标称能量;步骤S140,确定该特定区域内当前需要换电的电动汽车的实际数量;步骤S150,计算当前换电站对换下的电池进行充电的需求功率。
具体而言,在步骤S110中,将某一特定区域(例如上海)内的电动汽车连接至车联网系统,并将电动汽车及其动力电池的信息上传至车联网系统,以此来获得特定区域内每台电动汽车的当前SOC值。
在步骤S120中,通过车联网系统,获得该特定区域内每台电动汽车的充电倍率。
在步骤S130中,通过车联网系统,获得该特定区域内每台电动汽车的标称能量。
在步骤S140中,通过车联网系统,获得相应的参数并基于这些参数计算出该特定区域内当前需要换电的电动汽车的实际数量。具体步骤如下:步骤一,逐日分类累计地统计用户在电动汽车不同的SOC(电池荷电状态)状态下不同时刻的换电申请概率Gn(t,soc(n,t)),其中t为分类日期中某天中的某个时刻(该时刻为一个时间段),soc(n,t)为第n辆车在t时刻的SOC,Gn(t,soc(n,t))为第n辆车在SOC为某个确定值时在t时刻的换电申请概率。为了确保换电申请概率的准确性,需要对统计的结果进行迭代更新。步骤二,通过车联网系统,统计获得当前时刻车辆电池SOC状态符合换电限值的对应车辆及车辆总数Ndo(t)。本领域技术人员还能够理解的是,通过车联网系统获得上述对应电动汽车的信息,可确定该电动汽车所用电池的容量大小以及该电动汽车的所在位置,以便对该电动汽车可能前往的电动换电站进行预测。步骤三,根据车联网数据,统计获得当前时刻电动汽车电池SOC的状态符合换电限值的对应电动汽车及电动汽车总数Ndo(t),进而结合用户历史换电申请概率,计算得到当前须进行换电的车辆实际数量Nd(t),其公式为:
本领域技术人员能够理解的是,上述公式仅是一种函数表达方式。
步骤S150,根据当前需要换电的电动汽车的实际数量、符合换电限值的每台车辆当前SOC值soc(n,t)、电池充电倍率Cr、电池标称能量E,计算得到当前时刻换电站需对换下的电池进行充电的需求功率Pd(t),其公式为:
然后,需求功率Pd(t)随着换电申请概率Gn(t,soc(n,t))的迭代更新而实时变化。
综上所述,本发明通过将电动汽车连接至车联网系统,并通过车联网数据,统计电动汽车在不同SOC状态下不同时刻的换电申请概率和当前时刻的电池SOC状态符合换电限值的电动汽车总数;再根据获得的符合换电限值的电动汽车数量和历史换电申请概率,计算当前需要进行换电的电动汽车实际数量。进一步,根据当前需要进行换电的电动汽车实际数量,结合每台电动汽车当前SOC、电池充电倍率和电池标称能量,计算得到当前时刻换电站需对换下电池进行充电的需求功率。采用上述步骤,本发明可以快速、准确地实时预测电动汽车换电负荷。
本领域技术人员能够理解的是,本发明的快速预测电动汽车换电负荷的方法也可以应用于电动汽车充电负荷的预测上。本领域技术人员还能够理解的是,由于有些电动汽车尚未联网,所以需要将换电申请的实际数量按一定比例进行增加,使尚未连到车联网的电动汽车进行换电时,能够更准确地预测出换电站进行充电的需求功率。该比例可根据车联网数据中上一时刻或者车联网历史数据充电的实际需求功率或者车联网历史数据获得。进一步,由于电池会随着充放电次数的增加而性能有所降低,所以需将电池的充电倍率Cr和标称能量E作出适当调整,这种调整可根据车联网数据中对电池的使用情况来进行。
本领域技术人员还能够理解的是,本发明的快速预测电动汽车换电负荷的方法还可以根据车联网数据统计某时间段内符合换电限值电动汽车数量,并根据历史换电申请概率获得这段时间内进行换电的实际数量,再结合每台电动汽车当前SOC、电池充电倍率和电池标称能量,计算得到当前时刻换电站需对换下电池进行充电的需求电能。进一步,换电站可分时间段的对换下来的电池进行充电。需要说明的是,所述时间段可根据车联网数据以小时计,或者本领域技术人员根据具体情况选择其他时长。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (8)
1.一种快速预测电动汽车换电负荷的方法,其特征在于,所述方法包括下列步骤:
确定特定区域内每台电动汽车的当前SOC值;
确定该特定区域内每台电动汽车的充电倍率;
确定该特定区域内每台电动汽车的标称能量;
确定该特定区域内当前需要换电的电动汽车的实际数量;
根据当前需要换电的电动汽车的实际数量、每台电动汽车的当前SOC值、每台电动汽车的充电倍率和每台电动汽车的标称能量,计算当前换电站对换下的电池进行充电的需求功率。
2.根据权利要求1所述的快速预测电动汽车换电负荷的方法,其特征在于,所述确定该特定区域内当前需要换电的电动汽车的实际数量的步骤进一步包括:
根据每台电动汽车的当前SOC值,确定该特定区域内符合换电限值的电动汽车数量;
确定该特定区域内每台电动汽车的历史换电申请概率;
根据符合换电限值的电动汽车数量和每台电动汽车的历史换电申请概率,计算当前需要换电的电动汽车的实际数量。
3.根据权利要求2所述的快速预测电动汽车换电负荷的方法,其特征在于,所述确定该特定区域内每台电动汽车的历史换电申请概率的步骤进一步包括:逐日分类统计每台电动汽车在不同电池SOC状态下不同时刻的历史换电申请概率Gn(t,soc(n,t))并迭代更新,其中,t为分类日期中某天中的某个时刻,soc(n,t)为每台电动汽车在t时刻的SOC,Gn(t,soc(n,t))为每台电动汽车在SOC为某个确定值时在t时刻的换电申请概率。
4.根据权利要求3所述的快速预测电动汽车换电负荷的方法,其特征在于,所述当前需要换电的电动汽车的实际数量通过下列公式计算:
其中,Ndo(t)为符合换电限值的电动汽车数量,Gn(t,soc(n,t))为每台电动汽车的历史换电申请概率,Nd(t)为当前需要换电的电动汽车的实际数量。
5.根据权利要求4所述的快速预测电动汽车换电负荷的方法,其特征在于,所述当前换电站对换下的电池进行充电的需求功率通过下列公式计算:
其中,Ndo(t)为符合换电限值的电动汽车数量,Gn(t,soc(n,t))为每台电动汽车的历史换电申请概率,soc(n,t)为每台电动汽车在t时刻的SOC,Cr为电池充电倍率,E为电池标称能量,Pd(t)是当前换电站对换下的电池进行充电的需求功率。
6.根据权利要求1至5中任一项所述的快速预测电动汽车换电负荷的方法,所述确定特定区域内每台电动汽车的当前SOC值的步骤和/或所述确定该特定区域内每台电动汽车的充电倍率的步骤和/或所述确定该特定区域内每台电动汽车的标称能量的步骤是基于车联网数据实现的。
7.根据权利要求2至5中任一项所述的快速预测电动汽车换电负荷的方法,其特征在于,所述根据每台电动汽车的当前SOC值确定该特定区域内符合换电限值的电动汽车数量的步骤基于车联网数据来实现。
8.根据权利要求3至5中任一项所述的快速预测电动汽车换电负荷的方法,其特征在于,所述逐日分类统计每台电动汽车在不同电池SOC状态下不同时刻的历史换电申请概率Gn(t,soc(n,t))的步骤基于车联网数据来实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610829199.8A CN107038493B (zh) | 2016-09-18 | 2016-09-18 | 快速预测电动汽车换电站换电负荷的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610829199.8A CN107038493B (zh) | 2016-09-18 | 2016-09-18 | 快速预测电动汽车换电站换电负荷的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107038493A true CN107038493A (zh) | 2017-08-11 |
CN107038493B CN107038493B (zh) | 2020-12-04 |
Family
ID=59533087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610829199.8A Active CN107038493B (zh) | 2016-09-18 | 2016-09-18 | 快速预测电动汽车换电站换电负荷的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107038493B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399578A (zh) * | 2017-10-26 | 2018-08-14 | 蔚来汽车有限公司 | 换电站服务能力预估方法和装置 |
CN112272909A (zh) * | 2018-06-29 | 2021-01-26 | 锐思科股份有限公司 | 电池管理系统 |
CN112787324A (zh) * | 2020-12-30 | 2021-05-11 | 久融新能源科技有限公司 | 一种基于5g大数据的快换型电动汽车短期换电负荷预测方法 |
CN113459871A (zh) * | 2021-05-21 | 2021-10-01 | 蓝谷智慧(北京)能源科技有限公司 | 换电站的电池充电方法、装置以及存储介质、电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399278A (zh) * | 2013-07-31 | 2013-11-20 | 清华大学 | 电池单体的容量和荷电状态的估计方法 |
CN104241720A (zh) * | 2014-06-26 | 2014-12-24 | 许继电气股份有限公司 | 一种微网中的电动汽车直流快速充电站充电控制方法 |
CN105140977A (zh) * | 2014-05-29 | 2015-12-09 | 国家电网公司 | 基于电网调度的电动汽车换电方法和换电服务物联网 |
-
2016
- 2016-09-18 CN CN201610829199.8A patent/CN107038493B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399278A (zh) * | 2013-07-31 | 2013-11-20 | 清华大学 | 电池单体的容量和荷电状态的估计方法 |
CN105140977A (zh) * | 2014-05-29 | 2015-12-09 | 国家电网公司 | 基于电网调度的电动汽车换电方法和换电服务物联网 |
CN104241720A (zh) * | 2014-06-26 | 2014-12-24 | 许继电气股份有限公司 | 一种微网中的电动汽车直流快速充电站充电控制方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399578A (zh) * | 2017-10-26 | 2018-08-14 | 蔚来汽车有限公司 | 换电站服务能力预估方法和装置 |
CN112272909A (zh) * | 2018-06-29 | 2021-01-26 | 锐思科股份有限公司 | 电池管理系统 |
CN112787324A (zh) * | 2020-12-30 | 2021-05-11 | 久融新能源科技有限公司 | 一种基于5g大数据的快换型电动汽车短期换电负荷预测方法 |
CN113459871A (zh) * | 2021-05-21 | 2021-10-01 | 蓝谷智慧(北京)能源科技有限公司 | 换电站的电池充电方法、装置以及存储介质、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107038493B (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106515478B (zh) | 电动汽车剩余行驶里程在线预测方法及装置 | |
Bi et al. | Wireless charger deployment for an electric bus network: A multi-objective life cycle optimization | |
Xydas et al. | A data-driven approach for characterising the charging demand of electric vehicles: A UK case study | |
CN104442825B (zh) | 一种电动汽车剩余行驶里程的预测方法和系统 | |
CN107038493A (zh) | 快速预测电动汽车换电负荷的方法 | |
CN105140977B (zh) | 基于电网调度的电动汽车换电方法和换电服务物联网 | |
Bi et al. | Logistical planning for electric vehicles under time-dependent stochastic traffic | |
CN103745111B (zh) | 纯电动乘用车续驶里程预测方法 | |
US9626823B2 (en) | System and method of predicting future demand of a charging station | |
US20150291047A1 (en) | System and method of monitoring usage of a charging station | |
CN107487331A (zh) | 一种车辆控制方法、车载终端以及车辆控制系统 | |
CN106526492A (zh) | 计及时变环境温度影响的锂电池退化建模及寿命预测方法 | |
Franca | Electricity consumption and battery lifespan estimation for transit electric buses: drivetrain simulations and electrochemical modelling | |
CN110677445A (zh) | 动态分配电池模组的方法和相应的服务器 | |
US20140025364A1 (en) | System and methods for predicting energy requirements of a plurality of electric energy vehicles | |
Etxandi-Santolaya et al. | Are electric vehicle batteries being underused? A review of current practices and sources of circularity | |
CN109278562A (zh) | 一种电动汽车剩余里程的估算方法 | |
CN108805322A (zh) | 一种私家车的充电负荷时空分布预测方法 | |
Shi et al. | Electric vehicle battery remaining charging time estimation considering charging accuracy and charging profile prediction | |
CN114126912A (zh) | 管理系统、管理程序以及电动车辆 | |
CN110232219A (zh) | 一种基于数据挖掘的电动汽车可调度容量核定方法 | |
Liu et al. | Charging private electric vehicles solely by photovoltaics: A battery-free direct-current microgrid with distributed charging strategy | |
CN112529608A (zh) | 信息处理系统以及程序 | |
CN110059869B (zh) | 一种基于交通流量的充电站与配电网协调规划方法 | |
Liao et al. | Load modeling for electric taxi battery charging and swapping stations: Comparison studies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200831 Address after: Susong Road West and Shenzhen Road North, Hefei Economic and Technological Development Zone, Anhui Province Applicant after: Weilai (Anhui) Holding Co., Ltd Address before: Room 502, Bank of America Center, Cecil Harcourt Road, central, Hongkong, China, 12 Applicant before: NIO NEXTEV Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |