CN110281809B - 一种基于粒子群优化算法的电动汽车v2g控制系统 - Google Patents

一种基于粒子群优化算法的电动汽车v2g控制系统 Download PDF

Info

Publication number
CN110281809B
CN110281809B CN201910452460.0A CN201910452460A CN110281809B CN 110281809 B CN110281809 B CN 110281809B CN 201910452460 A CN201910452460 A CN 201910452460A CN 110281809 B CN110281809 B CN 110281809B
Authority
CN
China
Prior art keywords
battery
calculation module
loss
particle
charging
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
Application number
CN201910452460.0A
Other languages
English (en)
Other versions
CN110281809A (zh
Inventor
杨世春
顾启蒙
华旸
陈飞
闫啸宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Hangsheng New Energy Technology Co ltd
Original Assignee
Beijing Hangsheng New Energy Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Hangsheng New Energy Technology Co ltd filed Critical Beijing Hangsheng New Energy Technology Co ltd
Priority to CN201910452460.0A priority Critical patent/CN110281809B/zh
Publication of CN110281809A publication Critical patent/CN110281809A/zh
Application granted granted Critical
Publication of CN110281809B publication Critical patent/CN110281809B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及一种基于粒子群优化算法的电动汽车V2G控制系统，包括电价设定模块、电池温度损耗计算模块、电池寿命损耗计算模块、充电过程损耗计算模块和控制策略计算模块，电价设定模块分别连接电池温度损耗计算模块、充电过程损耗计算模块和控制策略计算模块，电池温度损耗计算模块、电池寿命损耗计算模块和充电过程损耗计算模块均与控制策略计算模块相连接。利用粒子群优化算法综合考量电动汽车充放电功率以及允许的相应充放电时间段等约束条件得到最优的电动汽车V2G控制策略，在实现电池全生命周期的经济效益最大化同时能够更好的保证电池在执行充电过程中的安全性，使用户在使用电动汽车的全生命周期中能够得到最佳体验。

Description

一种基于粒子群优化算法的电动汽车V2G控制系统
技术领域
本发明涉及电动汽车充电技术领域，尤其涉及一种基于粒子群优化算法的电动汽车V2G控制系统。
背景技术
世界能源短缺问题日益严重，环境问题日益紧迫，电动汽车作为一种新兴的低碳、无污染的交通工具，在缓解能源危机、促进人类与自然环境和谐友好发展等方面具有传统燃油汽车无法比拟的优势，目前已经成为世界各国政府、汽车制造商以及能源企业关注的焦点，中国更是将电动汽车列入战略性新兴产业的高度。V2G(vehicle to grid)指电动汽车和电网之间的互动技术，一般通过充电站和充电桩来实现。电动汽车可以通过V2G技术来为电网提供辅助服务，比如调峰、调频等，还可以提高电网对间歇性新能源发电的消纳能力，V2G技术在近些年受到了广泛关注和深入研究。
目前现有的V2G电动汽车的充放电控制系统有多种方案：一种是以电网总负荷波动最小为目标，尽可能减小负荷曲线峰谷值、平抑负荷波动，从而达到削峰填谷的目的；另一种以最大化用户参与V2G服务所得到的经济效益为目标，通过收入调动用户参与V2G服务的积极性。但无论哪一种现有控制系统，都只着重考虑了电网的分时电价、电动汽车电池的容量及允许功率，而并未考虑电池在充放电过程中本身的寿命衰减及充放电过程中电池温度保持的影响。研究表明，电池温度过低，电池释放的功率和容量会显著降低，大功率充电及过充造成的析锂会导致电池容量不可逆衰减，可能引发电池内短路并埋下安全隐患；而电池温度过高，会加速电池老化，增加电池的损耗代价。
发明内容
为解决现有技术的不足，本发明提出一种基于粒子群优化算法的电动汽车V2G控制系统，针对用户在V2G充电过程中所获收益最大化为控制目标，通过应用粒子群优化算法综合考量电动汽车比如实际充放电功率、SOC、最大容量、电池温度、分时电价等约束条件，得到最优的电动汽车V2G充放电控制策略。
为实现以上目的，本发明所采用的技术方案包括：
一种基于粒子群优化算法的电动汽车V2G控制系统，其特征在于，包括电价设定模块、电池温度损耗计算模块、电池寿命损耗计算模块、充电过程损耗计算模块和控制策略计算模块，所述电价设定模块分别连接电池温度损耗计算模块、充电过程损耗计算模块和控制策略计算模块，所述电池温度损耗计算模块、电池寿命损耗计算模块和充电过程损耗计算模块均与控制策略计算模块相连接；
所述电价设定模块确定峰谷平时间段以及相应电价并将各所述时间段以及相应电价传送至电池温度损耗计算模块、充电过程损耗计算模块和控制策略计算模块；
所述电池温度损耗计算模块包括电池温度传感器，所述电池温度传感器实时监测电池温度信息，所述电池温度损耗计算模块依据电池温度信息通过电池加热模型计算得到电池加热所需最小能量并依据电价设定模块传送的谷时电价计算得出电池温度损耗成本；
所述电池寿命损耗计算模块依据标准循环工况下电池的充放电循环次数和电池的初始价格费用计算电池在额定情况下每次循环损耗的费用；通过电池的老化机理结合老化经验模型，计算得出电池寿命损耗成本；
所述充电过程损耗计算模块根据充电过程中处于唤醒状态的电池所需电量以及接收到的电价计算充电过程损耗成本；
所述控制策略计算模块以充放电功率以及允许的相应充放电时间段作为约束条件，根据电价设定模块、电池温度损耗计算模块、电池寿命损耗计算模块以及充电过程损耗计算模块所得数据计算当前收益，基于粒子群优化算法得到充放电控制策略。
进一步地，所述电池寿命损耗计算模块计算电池在额定情况下每次循环损耗的费用为电池的初始价格费用与依据标准循环工况下电池的充放电循环次数的比值；通过电池的老化机理结合老化经验模型，得出电池的温度对电池损耗的影响系数、电池的充放电深度对电池损耗的影响系数、电池的充放电容量百分比对电池损耗的影响系数以及电池充放电功率对电池的影响系数，将各影响系数与所述电池在额定情况下每次循环损耗的费用共同乘积计算得出电池寿命损耗成本。
进一步地，所述控制策略计算模块包括相互连接的约束条件计算组件、收益计算组件和粒子群优化计算组件；
所述约束条件计算组件以充电功率、放电功率、允许最大的充电时间段、允许最大的放电时间段以及允许最大的充放电功率作为优化约束条件；
所述收益计算组件根据电价设定模块、电池温度损耗计算模块、电池寿命损耗计算模块、充电过程损耗计算模块所得数据计算当前收益：I＝Wd×Vd-Wc×Vc-Qr-Qc-Qs；其中，Wd为放电时的能量，Wc为充电时的能量，充电时的电价为Vc，放电时的电价为Vd，Qr为电池温度损耗成本，Qc为电池寿命损耗成本，Qs为充电过程损耗成本；
所述粒子群优化计算组件依据约束条件以及当前收益利用粒子群优化算法得到充放电控制策略。
进一步地，所述粒子群优化算法包括以下步骤：
(1)接收电价设定模块确定的峰谷平时间段以及相应电价，获取电池参数，所述电池参数包括电池内阻、比热容、质量和当前SOC值；
(2)初始化粒子群，所述粒子群为各电池参数作为粒子所构建的集群，确定粒子的基本参数值；
(3)判断当前粒子群是否满足约束条件，若超过设定的约束，将粒子信息修改为约束条件的边界；
(4)计算每个粒子的当前收益，并将所有粒子收益的最大值作为全局最优值；
(5)判断迭代次数是否达到设定值，若达到，则停止计算，否则，进行步骤(6)；
(6)根据全局最优值更新粒子群的位置和速度，并返回步骤(3)重新计算。
进一步地，步骤(4)在计算每个粒子的当前收益后，获取每个粒子的局部最优值，再将所有粒子收益局部最优值中的最大值作为全局最优值；获取某个粒子的局部最优值是指：该粒子从开始到当前迭代次数中所得到的最大值，每次迭代每个粒子会把当前计算的收益和历史最优比较，得到粒子在当前迭代下的局部最优值；此时步骤(6)是根据局部最优值和全局最优值更新粒子群的位置和速度，并返回步骤(3)重新计算。
其中，步骤(6)所述的速度和位置更新函数分别为：
Figure BDA0002075575400000031
Figure BDA0002075575400000032
式中，k为迭代的次数；ω为惯性权重系数，
Figure BDA0002075575400000033
和
Figure BDA0002075575400000034
为粒子i在第k次迭代中的速度和位置；
Figure BDA0002075575400000035
为粒子i所对应的局部最优位置；
Figure BDA0002075575400000036
为整个粒子群中对应的最优位置；c1和c2为学习因子，取值为2；rand1和rand2为0-1的随机数，更新迭代次数，返回步骤(3)，完成一次迭代优化。
进一步地，所述电池温度损耗计算模块中的电池加热模型为电池内阻进行自加热模型Qr＝Ir 2RtVc，其中Ir为加热电流，t为加热时间，R为电池内阻；或为电池外部放置加热膜片的外加热模型Qr＝cmΔTVcηr，其中c为电池比热容，m为电池包的总质量，△T为电池所需要提高的温升，ηr为加热效率。
本发明的有益效果为：
本发明提供了基于粒子群优化算法的电动汽车V2G控制系统，设置了电价设定模块、电池温度损耗计算模块、电池寿命损耗计算模块、充电过程损耗计算模块和控制策略计算模块，确定峰谷平时间段以及相应电价，并计算得出电池温度损耗、电池寿命损耗成本和充电过程损耗成本，综合考量电动汽车充放电功率以及允许的相应充放电时间段以及SOC、最大容量、电池温度、分时电价等约束条件，将各相应的电池参数作为粒子构建的粒子群，利用粒子群优化算法得到最优的电动汽车V2G充放电控制策略。采用本发明所述技术方案对电动汽车进行带有V2G过程的充电操作，能够在保证充电效率以及V2G过程经济效益的基础上最大程度保证电池的使用寿命和工作状态；通过使用粒子群算法输出最优化的控制方案，能够综合考虑电池充电V2G过程的现时经济效益以及电池使用周期的长远经济效益，实现电池全生命周期的经济效益最大化，同时能够更好的保证电池在执行充电过程中的安全性，使用户在使用电动汽车的全生命周期中能够得到最佳体验。其应用场景尤其适用于如新疆、西藏等偏远地区在不同时段电价差距比较大的情况，采用本发明电动汽车V2G控制系统能够使得用户获取最优化的收益。
附图说明
图1为本发明基于粒子群优化算法的电动汽车V2G控制系统的结构示意图。
图2为图1所示系统中的控制策略计算模块的工作流程图。
图3为本发明控制策略计算模块的粒子群优化算法的流程示意图。
具体实施方式
为了更清楚的理解本发明的内容，将结合附图和实施例详细说明。
如图1所示，本发明的基于粒子群优化算法的电动汽车V2G控制系统包括电价设定模块、电池温度损耗计算模块、电池寿命损耗计算模块、充电过程损耗计算模块和控制策略计算模块，所述电价设定模块分别连接电池温度损耗计算模块、充电过程损耗计算模块和控制策略计算模块，所述电池温度损耗计算模块、电池寿命损耗计算模块和充电过程损耗计算模块均与控制策略计算模块相连接；所述电池温度损耗计算模块包括电池温度传感器；所述控制策略计算模块包括相互连接的约束条件计算组件、收益计算组件和粒子群优化计算组件。
所述电价设定模块确定峰谷平时间段以及相应电价，具体地，由用户设定谷时电价Vc、平时电价V、峰值电价Vd以及谷时电价时间Tc和峰值电价时间Td，或通过电网获得谷时电价Vc、平时电价V、峰值电价Vd以及谷时电价时间Tc和峰值电价时间Td信息；所述谷时电价Vc、平时电价V、峰值电价Vd以及谷时电价时间Tc和峰值电价时间Td信息传送至电池温度损耗计算模块、充电过程损耗计算模块和控制策略计算模块；
所述电池温度损耗计算模块包括电池温度传感器，所述电池温度传感器实时监测电池温度信息，所述电池温度损耗计算模块依据电池温度信息通过电池加热模型计算得到电池加热所需最小能量并依据电价设定模块传送的谷时电价计算得出电池温度损耗成本Qr；优选地，所述电池加热模型可以为电池内阻进行自加热模型Qr＝Ir 2RtVc，其中Ir为加热电流，t为加热时间，R为电池内阻；或为电池外部放置加热膜片的外加热模型Qr＝cmΔTVcηr，其中c为电池比热容，m为电池包的总质量，△T为电池所需要提高的温升，ηr为加热效率。
所述电池寿命损耗计算模块依据标准循环工况下电池的充放电循环次数和电池的初始价格费用计算电池在额定情况下每次循环损耗的费用，具体地，依据标准循环工况下电池的充放电循环次数N、电池的初始价格费用C，计算电池在额定情况下每次循环损耗的费用Ce＝C/N；通过电池的老化机理结合老化经验模型，计算得出电池寿命损耗成本，具体地，可先通过电池的老化机理结合老化经验模型得出电池的温度对电池损耗的影响系数为ηt、电池的充放电深度对电池损耗的影响系数为ηd、电池的充放电容量百分比对电池损耗的影响系数为ηc以及电池充放电功率对电池的影响系数为ηp；将各影响系数与所述电池在额定情况下每次循环损耗的费用共同乘积计算得出电池寿命损耗成本，即损耗成本为：Qc＝ηtηdηcηpCe。
所述充电过程损耗模块根据充电过程中处于唤醒状态的设备所需电量以及接收到的电价计算损耗成本Qs＝PstVc，其中，Ps为充电过程中处于唤醒状态的功率。
所述控制策略计算模块包括约束条件计算组件、收益计算组件和粒子群优化计算组件；所述约束条件计算组件以充电功率Pc、放电功率Pd、允许最大的充电时间段Uc、允许最大的放电时间段Ud、允许最大的充放电功率Pmax作为优化约束条件；所述收益计算组件根据电价设定模块、电池温度损耗计算模块、电池寿命损耗计算模块、充电过程损耗计算模块所得数据计算当前收益I＝Wd×Vd-Wc×Vc-Qr-Qc-Qs，其中，Wd为放电时的能量，Wc为充电时的能量，充电时的电价为Vc，放电时的电价为Vd，Qr为电池温度损耗成本，Qc为电池寿命损耗成本，Qs为充电过程损耗成本；所述粒子群优化计算组件依次依据约束条件以及当前收益利用粒子群优化算法得到充放电控制策略。
如图2所示控制策略计算模块的工作流程图，根据电动汽车电池特性及电网系统，建立充放电过程中电能损耗的数学模型(可理解为是建立计算电池温度损耗、电池寿命损耗以及充电过程损耗的数学模型或者说是公式)及约束条件，建立用户收益的当前函数，选择电动汽车SOC、电池加热的初始温度、充放电功率为优化变量，根据电能损耗的数学模型及电网系统提供的电价及时长，以用户收益最大为目标，对电动汽车SOC、电池加热的初始温度、充放电功率等进行优化，得到最大收益，最终粒子群优化算法得到了电动汽车充放电成本、充放电控制策略以及目标最大收益。
充放电容量为：
ΔC＝(SOC0-SOC1)×C
其中SOC0为电池充电开始时SOC值，SOC1为电池充电结束时SOC值，C为电池的总容量。
假设再次放电结束时SOC达到充电起始时SOC值。放电时的能量为：
Figure BDA0002075575400000061
充电时的能量为：
Figure BDA0002075575400000062
约束条件为：
Figure BDA0002075575400000063
其中Pc为充电功率，Pd为放电功率，Uc为允许最大的充电时间段，Ud为允许最大的放电时间段，Pmax为允许最大的充放电功率。
如图3所示，所述粒子群优化算法包括以下步骤：
(1)输入电网信息，接收电价设定模块确定的峰谷平时间段以及相应电价，包括分时段电价及时长Vc、V、Vd、Tc、Td；获取电池参数，包括电池内阻、比热容、质量、当前SOC值等；
(2)初始化粒子群，所述粒子群为各电池参数作为粒子所构建的集群，确定粒子的基本参数值；
(3)判断当前粒子群是否满足约束条件，若超过设定的约束，将粒子信息修改为约束条件的边界；
(4)计算每个粒子的当前收益，并获取每个粒子的局部最优值，再将所有粒子收益的最大值作为全局最优值；获取某个粒子的局部最优值是指：该粒子从开始到当前迭代次数中所得到的最大值，每次迭代每个粒子会把当前计算的收益和历史最优比较，得到粒子在当前迭代下的局部最优值；
(5)判断迭代次数K是否达到设定值L，若达到，则停止计算，否则，进行步骤(6)；
(6)根据局部最优值和全局最优值更新粒子群的位置和速度，速度和位置更新函数为：
Figure BDA0002075575400000071
Figure BDA0002075575400000072
式中，k为迭代的次数；
Figure BDA0002075575400000073
和
Figure BDA0002075575400000074
为粒子i在第k次迭代中的速度和位置；
Figure BDA0002075575400000075
为粒子i所对应的局部最优位置；
Figure BDA0002075575400000076
为整个群体中对应的最优位置；c1和c2为学习因子，取值为2；rand1和rand2为0-1的随机数。ω为惯性权重系数：
ω＝ωmax-k(ωmax-ωmin)/kmax
更新迭代次数K，即迭代次数K＝K+1，返回步骤(3)，完成一次迭代优化。
其中粒子群优化算法基于种群个体之间通过信息共享和协作搜寻最优解的理念，是一种基于群体迭代优化的随机型启发式搜索算法，粒子的位置代表问题的可行解，粒子的速度决定了粒子移动的方向和距离，粒子的适应函数值由适应度函数决定，其值的大小表示粒子的最优程度。粒子群优化算法在每次迭代过程中不是完全随机的，而是通过追踪2个极值来进行更新，这两个极值分别为粒子本身所搜寻到的局部最优值和所有粒子在当前时刻搜寻到的全局最优值。设定迭代次数，在迭代过程中，首先确认粒子满足当前约束，然后再计算当前函数，并记录粒子群中2个最优位置的粒子，再以最优的2个出发，更新粒子的速度和位置，进一步迭代计算。最后求得满足约束条件的充放电控制策略，确定充放电时间、电流、功率及SOC等。
以上所述仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换等都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (6)

1.一种基于粒子群优化算法的电动汽车V2G控制系统，其特征在于，包括电价设定模块、电池温度损耗计算模块、电池寿命损耗计算模块、充电过程损耗计算模块和控制策略计算模块，所述电价设定模块分别连接电池温度损耗计算模块、充电过程损耗计算模块和控制策略计算模块，所述电池温度损耗计算模块、电池寿命损耗计算模块和充电过程损耗计算模块均与控制策略计算模块相连接；
所述电价设定模块确定峰谷平时间段以及相应电价并将各所述时间段以及相应电价传送至电池温度损耗计算模块、充电过程损耗计算模块和控制策略计算模块；
所述电池温度损耗计算模块包括电池温度传感器，所述电池温度传感器实时监测电池温度信息，所述电池温度损耗计算模块依据电池温度信息通过电池加热模型计算得到电池加热所需最小能量并依据电价设定模块传送的谷时电价计算得出电池温度损耗成本；
所述电池寿命损耗计算模块依据标准循环工况下电池的充放电循环次数和电池的初始价格费用计算电池在额定情况下每次循环损耗的费用；通过电池的老化机理结合老化经验模型，计算得出电池寿命损耗成本；
所述充电过程损耗计算模块根据充电过程中处于唤醒状态的电池所需电量以及接收到的电价计算充电过程损耗成本；
所述控制策略计算模块以充放电功率以及允许的相应充放电时间段作为约束条件，根据电价设定模块、电池温度损耗计算模块、电池寿命损耗计算模块以及充电过程损耗计算模块所得数据计算当前收益，综合考量电动汽车充放电功率、允许的相应充放电时间段以及SOC、最大容量、电池温度、分时电价，将各相应的电池参数作为粒子构建的粒子群，基于粒子群优化算法得到最优的充放电控制策略，综合考虑电池充电V2G过程的现时经济效益以及电池使用周期的长远经济效益，实现电池全生命周期的经济效益最大化；
所述控制策略计算模块包括相互连接的约束条件计算组件、收益计算组件和粒子群优化计算组件；所述约束条件计算组件以充电功率、放电功率、允许最大的充电时间段、允许最大的放电时间段以及允许最大的充放电功率作为优化约束条件；所述收益计算组件根据电价设定模块、电池温度损耗计算模块、电池寿命损耗计算模块、充电过程损耗计算模块所得数据计算当前收益：I=Wd×Vd-Wc×Vc-Qr-Qc-Qs；其中，Wd为放电时的能量，Wc为充电时的能量，充电时的电价为Vc，放电时的电价为Vd，Qr为电池温度损耗成本，Qc为电池寿命损耗成本，Qs为充电过程损耗成本；所述粒子群优化计算组件依据约束条件以及当前收益利用粒子群优化算法得到充放电控制策略。
2.如权利要求1所述的系统，其特征在于，所述电池寿命损耗计算模块计算电池在额定情况下每次循环损耗的费用为电池的初始价格费用与依据标准循环工况下电池的充放电循环次数的比值；通过电池的老化机理结合老化经验模型，得出电池的温度对电池损耗的影响系数、电池的充放电深度对电池损耗的影响系数、电池的充放电容量百分比对电池损耗的影响系数以及电池充放电功率对电池的影响系数，将各影响系数与所述电池在额定情况下每次循环损耗的费用共同乘积计算得出电池寿命损耗成本。
3.如权利要求1或2所述的系统，其特征在于，所述粒子群优化算法包括以下步骤：
（1）接收电价设定模块确定的峰谷平时间段以及相应电价，获取电池参数，所述电池参数包括电池内阻、比热容、质量和当前SOC值；
（2）初始化粒子群，所述粒子群为各电池参数作为粒子所构建的集群，确定粒子的基本参数值；
（3）判断当前粒子群是否满足约束条件，若超过设定的约束，将粒子信息修改为约束条件的边界；
（4）计算每个粒子的当前收益，并将所有粒子收益的最大值作为全局最优值；
（5）判断迭代次数是否达到设定值，若达到，则停止计算，否则，进行步骤（6）；
（6）根据全局最优值更新粒子群的位置和速度，并返回步骤（3）重新计算。
4.如权利要求3所述的系统，其特征在于，步骤（4）在计算每个粒子的当前收益后，获取每个粒子的局部最优值，再将所有粒子收益局部最优值中的最大值作为全局最优值；获取某个粒子的局部最优值是指：该粒子从开始到当前迭代次数中所得到的最大值，每次迭代每个粒子会把当前计算的收益和历史最优比较，得到粒子在当前迭代下的局部最优值；此时步骤（6）是根据局部最优值和全局最优值更新粒子群的位置和速度，并返回步骤（3）重新计算。
5.如权利要求4所述的系统，其特征在于，步骤（6）所述的速度和位置更新函数分别为：
νi k+1=ωνi k+c1rand1(pk best,i-χi k)+c2rand2(gk best,i-χi k)
χi k+1=χi k+νi k+1
式中，k为迭代的次数；ω为惯性权重系数，νi k和χi k为粒子i在第k次迭代中的速度和位置；pk best,i为粒子i所对应的局部最优位置；gk best,i为整个粒子群中对应的最优位置；c1和c2为学习因子，取值为2；rand1和rand2为0-1的随机数，更新迭代次数，返回步骤（3），完成一次迭代优化。
6.如权利要求1所述的系统，其特征在于所述电池温度损耗计算模块中的电池加热模型为电池内阻进行自加热模型Qr=Ir 2RtVc，其中Ir为加热电流，t为加热时间，R为电池内阻；或为电池外部放置加热膜片的外加热模型Qr=cm△T Vcηr， 其中c为电池比热容，m为电池包的总质量，△T为电池所需要提高的温升，ηr 为加热效率。
CN201910452460.0A 2019-05-28 2019-05-28 一种基于粒子群优化算法的电动汽车v2g控制系统 Active CN110281809B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910452460.0A CN110281809B (zh) 2019-05-28 2019-05-28 一种基于粒子群优化算法的电动汽车v2g控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910452460.0A CN110281809B (zh) 2019-05-28 2019-05-28 一种基于粒子群优化算法的电动汽车v2g控制系统

Publications (2)

Publication Number Publication Date
CN110281809A CN110281809A (zh) 2019-09-27
CN110281809B true CN110281809B (zh) 2021-06-08

Family

ID=68002654

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910452460.0A Active CN110281809B (zh) 2019-05-28 2019-05-28 一种基于粒子群优化算法的电动汽车v2g控制系统

Country Status (1)

Country Link
CN (1) CN110281809B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110575100B (zh) * 2019-09-29 2024-07-09 尚科宁家(中国)科技有限公司 一种扫地机器人及其电池监测方法
CN110774929A (zh) * 2019-10-25 2020-02-11 上海电气集团股份有限公司 一种电动汽车有序充电的实时控制策略及优化方法
CN111049170B (zh) * 2019-12-20 2021-05-11 李喆骁 考虑温度损耗的调峰储能系统、运行优化方法和装置
CN111738611B (zh) * 2020-06-29 2024-04-26 南京工程学院 一种基于Sarsa算法的移动充电桩群体智能调度方法
CN112467767B (zh) * 2020-11-02 2023-06-09 国网内蒙古东部电力有限公司呼伦贝尔供电公司 综合能源系统环境下的电动汽车并网协同控制方法
CN113352937B (zh) * 2021-06-02 2023-04-11 国网智慧能源交通技术创新中心(苏州)有限公司 一种基于v2g充电系统的电动汽车充放电控制方法
CN114030386A (zh) * 2021-11-30 2022-02-11 国网浙江杭州市萧山区供电有限公司 基于用户充电选择的电动汽车充电控制方法
CN115648996B (zh) * 2022-12-02 2023-08-08 广东蚂蚁金谷能源科技有限公司 一种具有智能分配功率的汽车充电装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105720597A (zh) * 2014-12-05 2016-06-29 国网重庆市电力公司电力科学研究院 用于优化电动汽车充储放一体化电站充放电功率的方法
CN106026152A (zh) * 2016-05-19 2016-10-12 合肥工业大学 一种电动汽车接入微电网的充放电调度方法
CN106410861A (zh) * 2016-11-04 2017-02-15 浙江工业大学 一种基于可调度能力的微电网优化运行实时控制方法
CN107521365A (zh) * 2017-08-22 2017-12-29 国网能源研究院 一种基于用户经济收益最优化的电动汽车充放电调度方法
CN109050284A (zh) * 2018-07-09 2018-12-21 华中科技大学 一种考虑v2g的电动汽车充放电电价优化方法
CN109345019A (zh) * 2018-10-10 2019-02-15 南京邮电大学 一种基于改进粒子群算法的微电网经济调度优化策略
CN109713696A (zh) * 2018-11-09 2019-05-03 杭州电子科技大学 考虑用户行为的电动汽车光伏充电站优化调度方法
JP2019080403A (ja) * 2017-10-23 2019-05-23 株式会社豊田中央研究所 車載電池の充放電管理システム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105720597A (zh) * 2014-12-05 2016-06-29 国网重庆市电力公司电力科学研究院 用于优化电动汽车充储放一体化电站充放电功率的方法
CN106026152A (zh) * 2016-05-19 2016-10-12 合肥工业大学 一种电动汽车接入微电网的充放电调度方法
CN106410861A (zh) * 2016-11-04 2017-02-15 浙江工业大学 一种基于可调度能力的微电网优化运行实时控制方法
CN107521365A (zh) * 2017-08-22 2017-12-29 国网能源研究院 一种基于用户经济收益最优化的电动汽车充放电调度方法
JP2019080403A (ja) * 2017-10-23 2019-05-23 株式会社豊田中央研究所 車載電池の充放電管理システム
CN109050284A (zh) * 2018-07-09 2018-12-21 华中科技大学 一种考虑v2g的电动汽车充放电电价优化方法
CN109345019A (zh) * 2018-10-10 2019-02-15 南京邮电大学 一种基于改进粒子群算法的微电网经济调度优化策略
CN109713696A (zh) * 2018-11-09 2019-05-03 杭州电子科技大学 考虑用户行为的电动汽车光伏充电站优化调度方法

Also Published As

Publication number Publication date
CN110281809A (zh) 2019-09-27

Similar Documents

Publication Publication Date Title
CN110281809B (zh) 一种基于粒子群优化算法的电动汽车v2g控制系统
EP2226229B1 (en) A protection method for limited charging/discharging current of hybrid electric vehicle battery and a device and a system thereof
CN104037898B (zh) 一种车载动力电池自适应充电方法
CN105024432B (zh) 一种基于虚拟电价的电动汽车充放电优化调度方法
CN106026150B (zh) 一种商业园区源-储-荷优化配置方法
CN103606969B (zh) 含新能源及海水淡化负荷的海岛微电网优化调度方法
Ghanbarzadeh et al. Reliability constrained unit commitment with electric vehicle to grid using hybrid particle swarm optimization and ant colony optimization
CN113824111B (zh) 一种光储能场景中储能容量配置和调度方法
CN110834625B (zh) 一种自适应异步粒子群的双电耦合燃料电池汽车能效优化方法
CN109050284B (zh) 一种考虑v2g的电动汽车充放电电价优化方法
CN107039975A (zh) 一种分布式能源系统能量管理方法
CN110365034B (zh) 一种计及储能容量配置的微电网电能优化调度方法
CN109217290A (zh) 计及电动汽车充放电的微网能量优化管理方法
CN105226689A (zh) 考虑运行和维护的多类型储能系统能量管理方法和系统
CN115115130A (zh) 一种基于模拟退火算法的风光储制氢系统日前调度方法
CN109816556B (zh) 促进光伏消纳考虑热电联产及需求响应的并网型微电网经济优化调度策略
CN110415016A (zh) 一种基于最优化充放电策略的充电价格制定策略
CN104156789A (zh) 计及储能寿命损耗的孤立微电网最优经济运行方法
CN109523079B (zh) 一种利用电动汽车和蓄热电锅炉联合辅助调峰的优化方法
CN104871388A (zh) 控制装置及方法和程序、以及具备该控制装置的自然能发电装置
CN107834574B (zh) 一种分布式能源系统与电网交换功率的控制方法
Kim Smart charging architecture for between a plug-in electrical vehicle (PEV) and a smart home
CN114285093B (zh) 一种源网荷储互动调度方法及系统
CN115085327A (zh) 低温环境下的储能装置运行控制系统及方法
CN103489131B (zh) 一种基于光柴储供电系统的运行调度方法

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
GR01 Patent grant
GR01 Patent grant