CN110053507A - 一种电动汽车充电控制方法及装置 - Google Patents

Abstract

本申请公开了一种电动汽车充电控制方法，包括：获取用户输入的电动汽车的期望充电时间；从用户的历史充电记录中，读取用户的历史最大焦虑度；根据所述历史最大焦虑度及预置修正公式，计算用户此次充电的预测最大焦虑度；以用户的实时焦虑度小于预测最大焦虑度为约束条件，以各充电桩的充电收益总和最大为目标函数，优化得到各充电桩的充电电流曲线；根据用户使用的充电桩对应的充电电流曲线，控制充电桩对电动汽车的充电。本申请提供了的电动汽车充电控制方法，解决了焦虑用户在已充电时间未足期望充电时间就中途停止充电，打破原来的充电计划，造成经济效益的流失的技术问题。

Description

一种电动汽车充电控制方法及装置

技术领域

本申请涉及电动汽车技术领域，尤其涉及一种电动汽车充电控制方法及装置。

背景技术

电动汽车是以车载的动力电池为动力来源的汽车。在动力电池的电量不足时，用户可以通过充电桩对电动汽车充电。

在充电开始之前，用户可以设定一个期望充电时间。比如，某个用户设定了3个小时的期望充电时间，则可以认为该用户在这3个小时内都会保持电动汽车和充电桩的充电连接。此时，由于充电时间确定，则可以通过预置的效益模型进行优化，得到该充电桩的最优充电电流曲线，控制充电桩以该充电电流曲线对电动汽车进行充电，则可以为整个充电系统带来最高的经济效益。

然而，并不是所有的用户都有足够的耐心，在充电时间达到其设定的期望充电时间后再取车的。有部分较为容易焦虑的用户，很可能在已充电时间未足期望充电时间就中途停止充电，从而打破了原来的充电计划，经济效益无法达到最大。

发明内容

本申请提供了一种电动汽车充电控制方法及装置，解决了焦虑用户在已充电时间未足期望充电时间就中途停止充电，打破原来的充电计划，造成经济效益的流失的技术问题。

有鉴于此，本申请第一方面提供了一种电动汽车充电控制方法，包括：

获取用户输入的电动汽车的期望充电时间；

从所述用户的历史充电记录中，读取所述用户的历史最大焦虑度；所述历史最大焦虑度为，所述用户在已充电时间未足期望充电时间而中途停止充电时对应的实时焦虑度；其中，所述实时焦虑度为根据已充电时间与电动汽车的即时电量计算得到，包括相加的第一部分焦虑度与第二部分焦虑度；已充电时间越接近所述期望充电时间，所述第一部分焦虑度越大；所述电动汽车的即时电量越接近充满电量，所述第二部分焦虑度越小；

根据所述历史最大焦虑度及预置修正公式，计算所述用户此次充电的预测最大焦虑度；

以所述用户的实时焦虑度小于所述预测最大焦虑度为约束条件，以各充电桩的充电收益总和最大为目标函数，优化得到各充电桩的充电电流曲线；

根据所述用户使用的充电桩对应的充电电流曲线，控制所述充电桩对所述电动汽车的充电。

优选地，所述从所述用户的历史充电记录中，读取所述用户的历史最大焦虑度具体包括：

从所述用户的历史充电记录中，读取所述用户的各个历史最大焦虑度；

所述根据所述历史最大焦虑度及预置修正公式，计算所述用户此次充电的预测最大焦虑度具体包括：

使各个所述历史最大焦虑度乘以各自对应的修正系数后相加，得到所述用户此次充电的预测最大焦虑度。

优选地，在一次过去的发生已充电时间未足期望充电时间而中途停止的充电中，该次充电的历史最大焦虑度对应的修正系数为，根据上一次中途停止充电的历史最大焦虑度与上一次中途停止充电的预测最大焦虑度的偏差调整得到。

优选地，各个所述历史最大焦虑度对应的修正系数为根据LMS算法调整得到。

优选地，所述从所述用户的历史充电记录中，读取所述用户的历史最大焦虑度之前还包括：

根据所述用户的历史充电记录，判断所述用户是否存在在已充电时间未足期望充电时间而中途停止充电的记录，若是，进入下一步，若否，确定所述期望充电时间为预计充电时间。

优选地，所述第一部分焦虑度随已充电时间的增加以指数形式增长。

优选地，所述第一部分焦虑度随已充电时间的增加以直线形式增长。

优选地，所述第二部分焦虑度随所述电动汽车的即时电量的增加以直线形式减小。

本申请第二方面提供一种电动汽车充电系统，包括：多台充电桩以及能量控制器；

所述能量控制器被配置于执行如上述第一方面提供的任一种电动汽车充电控制方法。

本申请第三方面提供一种电动汽车充电控制装置，包括：

获取单元，用于获取用户输入的电动汽车的期望充电时间；

读取单元，用于从所述用户的历史充电记录中，读取所述用户的历史最大焦虑度；所述历史最大焦虑度为，所述用户在已充电时间未足期望充电时间而中途停止充电时对应的实时焦虑度；其中，所述实时焦虑度为根据已充电时间与电动汽车的即时电量计算得到，包括相加的第一部分焦虑度与第二部分焦虑度；已充电时间越接近所述期望充电时间，所述第一部分焦虑度越大；所述电动汽车的即时电量越接近充满电量，所述第二部分焦虑度越小；

计算单元，用于根据所述历史最大焦虑度及预置修正公式，计算所述用户此次充电的预测最大焦虑度；

优化单元，用于以所述用户的实时焦虑度小于所述预测最大焦虑度为约束条件，以各充电桩的充电收益总和最大为目标函数，优化得到各充电桩的充电电流曲线；

控制单元，用于根据所述用户使用的充电桩对应的充电电流曲线，控制所述充电桩对所述电动汽车的充电。

从以上技术方案可以看出，本申请具有以下优点：

本申请中，提供了一种电动汽车充电控制方法，首先定义出用户的焦虑度计算方法，在有用户在已充电时间未足期望充电时间就中途停止充电时，计算并记录该用户此时的焦虑度，作为历史最大焦虑度。如此，在该用户下一次充电时，可以根据其历史最大焦虑度预测其这次充电的最大焦虑度，并以该用户的实时焦虑度小于预测出的最大焦虑度为约束条件，以各充电桩的充电收益总和最大为目标函数，进行优化，从而得到各充电桩的充电电流曲线。控制各充电桩按照优化得到的充电电流曲线对电动汽车进行充电，可以将用户的焦虑度限制在预测最大焦虑度之下，从而大大降低用户因焦虑而中途停止充电的概率，确保充电系统可以达到经济效益的最大化。

附图说明

图1为本申请提供的光储充微电网结构示意图；

图2为本申请第一个实施例提供的电动汽车充电控制方法的流程图；

图3为本申请第二个实施例提供的电动汽车充电控制方法的流程图；

图4为本申请第二个实施例中第一部分焦虑度随时间变化的第一曲线图；

图5为本申请第二个实施例中第二部分焦虑度随即时电量变化曲线图；

图6为本申请第二个实施例中第一部分焦虑度随时间变化的第二曲线图；

图7为本申请第三个实施例提供的电动汽车充电控制装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请提供了一种电动汽车充电控制方法及装置，解决了焦虑用户在已充电时间未足期望充电时间就中途停止充电，打破原来的充电计划，造成经济效益的流失的技术问题。

首先，可以参见图1，图1为本申请提供的光储充微电网结构示意图。

在光储充交流微电网中，能量控制器承担着重要的作用，其对充电负荷、太阳能等新能源发电、电网负荷等进行预测，结合储能电池的充放电，生成各个充电桩的充电电流曲线，通过控制充电桩对电动汽车依照生成的充电电流曲线进行充电，实现整个电动汽车充电系统的经济高效运行。

电动汽车充电系统包括多台充电桩。多台充电桩均与能量控制器连接，在能量控制器的控制下，可以按照计划输出充电电流，从而影响电动汽车的充电的快慢。

能量控制器可以被配置为执行本申请提供的电动汽车充电控制方法。下面对本申请提供的电动汽车充电控制方法进行说明。请参见图2，图2为本申请第一个实施例提供的电动汽车充电控制方法的流程图，该方法包括：

步骤201、获取用户输入的电动汽车的期望充电时间。

用户可以在充电桩处输入自己想要的期望充电时间，充电桩获取到该期望充电时间可以发送给能量控制平台。

步骤202、从用户的历史充电记录中，读取用户的历史最大焦虑度。

本步骤针对的用户应当是曾经有过有未足期望充电时间就提前停止充电的记录的用户。可以通过预设焦虑度计算公式，计算出该用户在以前充电中提前停止充电时的实时焦虑度，以此作为用户的历史最大焦虑度。

实时焦虑度是根据日常生活中焦虑情绪变化的经验定义出来的，对应在电动汽车的充电中，实时焦虑度可以根据已充电时间与电动汽车的即时电量计算得到，其包括相加的第一部分焦虑度与第二部分焦虑度；已充电时间越接近期望充电时间，第一部分焦虑度越大；电动汽车的即时电量越接近充满电量，第二部分焦虑度越小。

步骤203、根据历史最大焦虑度及预置修正公式，计算用户此次充电的预测最大焦虑度。

需要注意的是，用户可能之前发生过多次中途停止充电的事件，也可能只有一次。对应每一次中途停止充电都可以计算出其在具体停止充电时对应的实时焦虑度，作为其在该次充电的历史最大焦虑度。

在预测这一次充电的最大焦虑度时，可以利用该用户上一次中途停止充电时的历史最大焦虑度，通过预置修正公式对上一次的历史最大焦虑度进行修正，得到这一次充电的预测最大焦虑度。还有一种方式是，利用用户之前的所有次中途停止充电的历史最大焦虑度来预测这一次充电的最大焦虑度，该部分内容具体在后续实施例中说明。

步骤204、以用户的实时焦虑度小于预测最大焦虑度为约束条件，以各充电桩的充电收益总和最大为目标函数，优化得到各充电桩的充电电流曲线。

充电桩充电电流的大小将影响电动汽车的即时电量的变化速率，从而影响用户的实时焦虑度变化。用户的实时焦虑度中的第一部分焦虑度随充电时间逐渐增大，但第二部分焦虑度随电动汽车的即时电量增加而逐渐减小，因此，若充电桩提供的充电电流大小合理，可以使用户的实时焦虑度始终保持在预测最大焦虑度之下，防止其中途停止充电。

具体实现可以通过优化算法，建立以用户的实时焦虑度小于预测最大焦虑度的约束条件，建立以各充电桩的充电收益总和最大的目标函数，得到效益最大化的数学模型。通过现有的适用的优化算法对该数学模型进行优化求解，可以得到各充电桩的充电电流曲线。

步骤205、。根据用户使用的充电桩对应的充电电流曲线，控制充电桩对电动汽车的充电

得到各充电桩的充电电流曲线后，可以控制用户使用的充电桩按照其对应的充电电流曲线对电动汽车进行充电。

本实施例中，提供了一种电动汽车充电控制方法，首先定义出用户的焦虑度计算方法，在有用户在已充电时间未足期望充电时间就中途停止充电时，计算并记录该用户此时的焦虑度，作为历史最大焦虑度。如此，在该用户下一次充电时，可以根据其历史最大焦虑度预测其这次充电的最大焦虑度，并以该用户的实时焦虑度小于预测出的最大焦虑度为约束条件，以各充电桩的充电收益总和最大为目标函数，进行优化，从而得到各充电桩的充电电流曲线。控制各充电桩按照优化得到的充电电流曲线对电动汽车进行充电，可以将用户的焦虑度限制在预测最大焦虑度之下，从而大大降低用户因焦虑而中途停止充电的概率，确保充电系统可以达到经济效益的最大化。

下面请参见图3，图3为本申请第二个实施例提供的电动汽车充电控制方法的流程图，该方法包括：

步骤301、获取用户输入的电动汽车的期望充电时间。

可以参见上一个实施例中的步骤201。

步骤302、根据用户的历史充电记录，判断用户是否存在在已充电时间未足期望充电时间而中途停止充电的记录，若是，进入步骤303，若否，确定期望充电时间为预计充电时间。

不可否认，有部分用户是比较有耐心的，其在设定了期望充电时间后，总是可以保证充电时间达到期望充电时间。若一个用户的历史充电记录中，不存在中途停止充电的记录，可以认为该用户此次充电也能够充够其设定的期望充电时间，此时，可以确定期望充电时间为预计充电时间，按照原来的充电方案进行充电即可。

若用户存在在已充电时间未足期望充电时间而中途停止充电的记录，则进入下一步。

步骤303、从用户的历史充电记录中，读取用户的各个历史最大焦虑度。

该用户可能之前发生过多次中途停止充电的事件，也可能只有一次。本实施例中，将其各个历史最大焦虑度均读取出来，若该用户只有一次中途停止充电记录，则对应的只能读取到一个历史最大焦虑度，若该用户有多次中途停止充电记录，则对应的可以读取到多个历史最大焦虑度。

需要进一步说明的是，历史最大焦虑度实际是用户当初具体停止充电时对应的实时焦虑度。

实时焦虑度可以参考以下公式计算：；

其中，f(t/t₀)为根据充电场景确定的用户焦虑度随时间变化的曲线，为单调递增函数，对应本申请中的第一部分焦虑度；g(SOC)为用户焦虑度与电动汽车电池电量的函数，为单调递减函数，对应本申请中的第二部分焦虑度；t₀为用户设定的期望充电时间。

具体的，第一部分焦虑度可以随已充电时间的增加以指数形式增长，第二部分焦虑度随电动汽车的即时电量的增加以直线形式减小，对应计算公式如下：

如图4所示。

g(SOC)＝-SOC；如图5所示。

当然，第一部分焦虑度也可以随已充电时间的增加以直线形式增长。

如图6所示。

在计算电动汽车的即时电量时，可以通过以下公式计算：

SOC(t)＝SOC₀+∫h[i(t)]dt。

其中SOC(t)为电动汽车的即时电量，h[i(t)]为电量变化率随充电电流变化函数，可以通过建立电动汽车电池模型获得。

步骤304、使各个历史最大焦虑度乘以各自对应的修正系数后相加，得到用户此次充电的预测最大焦虑度。

如下式：

其中，为第n+1次充电的预测最大焦虑度，Anx_max(n-k)为第n-k次充电的历史最大焦虑度，h_k为第n-k次充电的历史最大焦虑对对应的修正系数，N为用户中途停止充电的次数。

若该用户有多个历史最大焦虑度，则每个历史最大焦虑度对应有一个修正系数。修正系数可以是预先设置的固定数值，也可以是自适应调整的修正系数。在具体的调整方法中，可以利用上一次中途停止充电的历史最大焦虑度与上一次中途停止充电的预测最大焦虑度的偏差对这一次修正系数进行调整。

本实施例采用的是LMS算法，如下式：

H_N(n+1)＝H_N(n)+2μe(n)X_N(n)。

其中，H_N(n+1)为这一次的修正系数，H_N(n)为上一次的修正系数，μ为预测收敛的步长因子，e(n)是实际的历史最大焦虑度与预测的预测最大焦虑度之间的误差，X_N(n)为输入向量。

需要说明的是，若用户是第一次发送中途停止充电的行为，其具体停止充电时的实时焦虑度可以计算得出作为其该次充电的历史最大焦虑度，但预测最大焦虑度需要利用上一次的历史最大焦虑度计算得出，由于没有上一次，因此该次充电也没有对应的预测最大焦虑度。此时，可以将该次充电的历史最大焦虑度同时也作为该次的预测最大焦虑度，方便在下一次预测时公式数据得以延用。

步骤305、以用户的实时焦虑度小于预测最大焦虑度为约束条件，以各充电桩的充电收益总和最大为目标函数，优化得到各充电桩的充电电流曲线。

可以参考上述第一个实施例中的步骤204。

步骤306、根据用户使用的充电桩对应的充电电流曲线，控制充电桩对电动汽车的充电。

可以参考上述第一个实施例中的步骤205。

本实施例中，提供了一种电动汽车充电控制方法，首先定义出用户的焦虑度计算方法，在有用户在已充电时间未足期望充电时间就中途停止充电时，计算并记录该用户此时的焦虑度，作为历史最大焦虑度。如此，在该用户下一次充电时，可以根据其历史最大焦虑度预测其这次充电的最大焦虑度，并以该用户的实时焦虑度小于预测出的最大焦虑度为约束条件，以各充电桩的充电收益总和最大为目标函数，进行优化，从而得到各充电桩的充电电流曲线。控制各充电桩按照优化得到的充电电流曲线对电动汽车进行充电，可以将用户的焦虑度限制在预测最大焦虑度之下，从而大大降低用户因焦虑而中途停止充电的概率，确保充电系统可以达到经济效益的最大化。

本申请还提供了一种电动汽车充电控制装置，可以参见图7，图7为本申请第三个实施例提供的电动汽车充电控制装置的结构示意图，包括：

获取单元701，用于获取用户输入的电动汽车的期望充电时间；

读取单元702，用于从用户的历史充电记录中，读取用户的历史最大焦虑度；历史最大焦虑度为，用户在已充电时间未足期望充电时间而中途停止充电时对应的实时焦虑度；其中，实时焦虑度为根据已充电时间与电动汽车的即时电量计算得到，包括相加的第一部分焦虑度与第二部分焦虑度；已充电时间越接近期望充电时间，第一部分焦虑度越大；电动汽车的即时电量越接近充满电量，第二部分焦虑度越小；

计算单元703，用于根据历史最大焦虑度及预置修正公式，计算用户此次充电的预测最大焦虑度；

优化单元704，用于以用户的实时焦虑度小于预测最大焦虑度为约束条件，以各充电桩的充电收益总和最大为目标函数，优化得到各充电桩的充电电流曲线；

控制单元705，用于根据用户使用的充电桩对应的充电电流曲线，控制充电桩对电动汽车的充电。

本实施例中，提供了一种电动汽车充电控制装置，首先定义出用户的焦虑度计算方法，在有用户在已充电时间未足期望充电时间就中途停止充电时，计算并记录该用户此时的焦虑度，作为历史最大焦虑度。如此，在该用户下一次充电时，可以根据其历史最大焦虑度预测其这次充电的最大焦虑度，并以该用户的实时焦虑度小于预测出的最大焦虑度为约束条件，以各充电桩的充电收益总和最大为目标函数，进行优化，从而得到各充电桩的充电电流曲线。控制各充电桩按照优化得到的充电电流曲线对电动汽车进行充电，可以将用户的焦虑度限制在预测最大焦虑度之下，从而大大降低用户因焦虑而中途停止充电的概率，确保充电系统可以达到经济效益的最大化。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种电动汽车充电控制方法，其特征在于，包括：

获取用户输入的电动汽车的期望充电时间；

从所述用户的历史充电记录中，读取所述用户的历史最大焦虑度；所述历史最大焦虑度为，所述用户在已充电时间未足期望充电时间而中途停止充电时对应的实时焦虑度；其中，所述实时焦虑度为根据已充电时间与电动汽车的即时电量计算得到，包括相加的第一部分焦虑度与第二部分焦虑度；已充电时间越接近所述期望充电时间，所述第一部分焦虑度越大；所述电动汽车的即时电量越接近充满电量，所述第二部分焦虑度越小；

根据所述历史最大焦虑度及预置修正公式，计算所述用户此次充电的预测最大焦虑度；

以所述用户的实时焦虑度小于所述预测最大焦虑度为约束条件，以各充电桩的充电收益总和最大为目标函数，优化得到各充电桩的充电电流曲线；

根据所述用户使用的充电桩对应的充电电流曲线，控制所述充电桩对所述电动汽车的充电。

2.根据权利要求1所述的电动汽车充电控制方法，其特征在于，所述从所述用户的历史充电记录中，读取所述用户的历史最大焦虑度具体包括：

从所述用户的历史充电记录中，读取所述用户的各个历史最大焦虑度；

所述根据所述历史最大焦虑度及预置修正公式，计算所述用户此次充电的预测最大焦虑度具体包括：

使各个所述历史最大焦虑度乘以各自对应的修正系数后相加，得到所述用户此次充电的预测最大焦虑度。

3.根据权利要求2所述的电动汽车充电控制方法，其特征在于，在一次过去的发生已充电时间未足期望充电时间而中途停止的充电中，该次充电的历史最大焦虑度对应的修正系数为，根据上一次中途停止充电的历史最大焦虑度与上一次中途停止充电的预测最大焦虑度的偏差调整得到。

4.根据权利要求3所述的电动汽车充电控制方法，其特征在于，各个所述历史最大焦虑度对应的修正系数为根据LMS算法调整得到。

5.根据权利要求1所述的电动汽车充电控制方法，其特征在于，所述从所述用户的历史充电记录中，读取所述用户的历史最大焦虑度之前还包括：

根据所述用户的历史充电记录，判断所述用户是否存在在已充电时间未足期望充电时间而中途停止充电的记录，若是，进入下一步，若否，确定所述期望充电时间为预计充电时间。

6.根据权利要求1所述的电动汽车充电控制方法，其特征在于，所述第一部分焦虑度随已充电时间的增加以指数形式增长。

7.根据权利要求1所述的电动汽车充电控制方法，其特征在于，所述第一部分焦虑度随已充电时间的增加以直线形式增长。

8.根据权利要求6或7所述的电动汽车充电控制方法，其特征在于，所述第二部分焦虑度随所述电动汽车的即时电量的增加以直线形式减小。

9.一种电动汽车充电系统，其特征在于，包括：多台充电桩以及能量控制器；

所述能量控制器被配置于执行如权利要求1至8任一项所述的电动汽车充电控制方法。

10.一种电动汽车充电控制装置，其特征在于，包括：

获取单元，用于获取用户输入的电动汽车的期望充电时间；

读取单元，用于从所述用户的历史充电记录中，读取所述用户的历史最大焦虑度；所述历史最大焦虑度为，所述用户在已充电时间未足期望充电时间而中途停止充电时对应的实时焦虑度；其中，所述实时焦虑度为根据已充电时间与电动汽车的即时电量计算得到，包括相加的第一部分焦虑度与第二部分焦虑度；已充电时间越接近所述期望充电时间，所述第一部分焦虑度越大；所述电动汽车的即时电量越接近充满电量，所述第二部分焦虑度越小；

计算单元，用于根据所述历史最大焦虑度及预置修正公式，计算所述用户此次充电的预测最大焦虑度；

优化单元，用于以所述用户的实时焦虑度小于所述预测最大焦虑度为约束条件，以各充电桩的充电收益总和最大为目标函数，优化得到各充电桩的充电电流曲线；

控制单元，用于根据所述用户使用的充电桩对应的充电电流曲线，控制所述充电桩对所述电动汽车的充电。