CN110633847A - 一种基于模块分割式电池换电站的充电策略控制方法 - Google Patents

一种基于模块分割式电池换电站的充电策略控制方法 Download PDF

Info

Publication number
CN110633847A
CN110633847A CN201910823869.9A CN201910823869A CN110633847A CN 110633847 A CN110633847 A CN 110633847A CN 201910823869 A CN201910823869 A CN 201910823869A CN 110633847 A CN110633847 A CN 110633847A
Authority
CN
China
Prior art keywords
battery
charging
battery modules
time
station
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
Application number
CN201910823869.9A
Other languages
English (en)
Other versions
CN110633847B (zh
Inventor
毛海鹏
张勇军
李坤
王浩林
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201910823869.9A priority Critical patent/CN110633847B/zh
Publication of CN110633847A publication Critical patent/CN110633847A/zh
Application granted granted Critical
Publication of CN110633847B publication Critical patent/CN110633847B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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"
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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

Abstract

本发明公开了一种基于模块分割式电池换电站的充电策略控制方法。所述方法包括以下步骤：采用KNN算法拟合产生具有耦合关系的区域汽车出行链数据；预处理拟合数据以得到每时刻的入库电池状态和数目以及出库电池数目的需求；建立模块分割式换电站工作模式下的线性整数规划模型的优化目标函数和约束条件；结合优化目标和约束条件，在不同电价策略下，采用Cplex求解器对线性整数优化模型进行求解，得到此控制策略下的最优充电计划。通过本发明建立的电池模块分割式有序充电模型求解，能使得换电站的运营成本得以降低，同时也有利于区域电网的削峰填谷和降低用户的用车成本。

Description

一种基于模块分割式电池换电站的充电策略控制方法
技术领域
本发明涉及换电站有序充电控制策略方面，特别涉及一种基于模块分割式电池换电站的充电策略控制方法。
背景技术
随着化石能源的枯竭和解决环境问题的迫切需要，电动汽车作为一种高效率零排放的交通工具受到各国政府、汽车生产商和能源企业的广泛关注，其产业发展也得到了政府的大力支持。但车载电池使用成本的高居不下导致充换电站经常处于亏本经营的状态，而充换电站不得提高充电服务费等附加费用，这进一步打击了电动汽车用户的经济性，使其成为了限制电动汽车发展的一大瓶颈所在，最大化利用车载电池储能价值和降低电池使用成本成为现阶段的研究热点。
但目前的已有研究在发挥车载电池的储能功能时，都将电动汽车的储能电池视作一个整体，这一惯性思维限制了电动汽车的群体效益的实现，在这一模式下对换电站进行有序充电计划的优化求解时常受限于整车电池的在调节上的笨重性，电池的剩余储能得不到及时的转移和使用，并且大容量电动汽车电池在汽车以短途出行为主的特点下，会长时间处于浅充浅放的状态，严重缩短了电动汽车的使用寿命。
发明内容
本发明要解决的技术问题在于，针对上述现有换电站工作模式上的缺点，提供一种基于模块分割式电池换电站的充电策略控制方法。本发明解决其技术问题所采用的技术方案是：将整车电池进行模块化分割，结合汽车出行规律对换电站的充电计划进行优化求解。
本发明的目的至少通过如下技术方案之一实现。
一种基于模块分割式电池换电站的充电策略控制方法，包括如下步骤：
S1、采用KNN算法处理历史行程的大数据集，进而拟合产生具有耦合关系的区域汽车出行链数据；
S2、预处理拟合数据以得到每时刻的入库电池状态和数目以及出库电池数目的需求；
S3、建立模块分割式换电站工作模式下的线性整数规划模型的优化目标函数；
S4、建立模块分割式换电站工作模式下的线性整数规划模型的约束条件；
S5、结合优化目标和约束条件，在不同电价策略下，采用Cplex求解器对此线性整数优化模型进行求解，得到此控制策略下的最优充电计划，根据控制策略进行电池换电站的充电。
进一步地，其特征在于，步骤S1具体包括以下步骤：
S1.1、根据符合自然对数分布的行驶里程直接产生符合其分布特征的拟合行程数据即日行驶里程；
S1.2、然后以日行驶里程为KNN算法的初始变量，寻找数据集里面与日行驶里程距离最近的K个点对应的行程起始时间来产生拟合的行程起始时间；
S1.3、进而再以拟合出的日行驶里程和行程起始时间为KNN算法的数据基础，在大数据集里面找出距离此数据点最近的K个点，从而拟合产生对应的行程结束时间；
S1.4、最终产生具有一定耦合关系的完整的拟合行程链，包含有日行程里程、行程起始时间和行程结束时间。
进一步地，步骤S2具体包括以下步骤：
S2.1、将电池的消耗电量进行离散化处理，根据离散结果得到入库电池的状态和数目；根据电动汽车的日行驶里程，将整车电池的分割数目定为k，则第i车电池结束行驶入库时的空电池模块数目为：
k(i)＝ceil(s/S×k)；
其中k(i)表示第i辆车的入库时带进的空电池模块数目，ceil为向上取整函数，s为实际日行驶里程，S为车辆设计里程，k为整车电池的分割数目；得到第i辆车入库后满电电池模块数目增加k-k(i)个，待充电电池模块数目增加k(i)个；
S2.2、出库时，取电动汽车满电出行，即带走k个满电电池模块，此时库内满电电池模块减少k个。
进一步地，步骤S3中，所述模块分割式换电站工作模式下的线性整数规划模型如下：
电动汽车在归来时将所有的电池模块送入电池集中管理系统，由系统根据其剩余电量对其进行分类，其中满电的模块可直接换电供给即将出行的车辆使用，而不满电的模块则根据优化后的充电计划进行充电，满电后再供此时需要出行的车辆使用。
进一步地，步骤S3中，所述线性整数规划模型的优化目标包括：售电成本最低、建设成本最低以及电池使用成本最低；因此，优化目标函数建立的具体步骤如下：
S3.1、建立以售电成本最低为优化目标的优化目标函数；
售电的成本即为从电网购电的费用，但另一方面，换电站又将这些电卖给消费者并附加一定的充电服务费，除此之外，由于整个系统运行的电池由换电站提供，因此换电站还会收取一定的电池使用费，因此以售电成本最低为优化目标的优化目标函数为：
min F1＝(p1(t)-p2(t)-pfc(t)-pfb(t))×P(t)×365；
其中，p1(t)为换电站从电网购得的电价，单位为元/kWh；p2(t)为换电站给到用户方面的电价，单位为元/kWh；pfc(t)为换电站从用户侧收取的充电服务费，单位为元/kWh；pfb(t)为换电站从用户侧收取的电池使用费，单位为元/kWh；P(t)为一日内每时刻的充电功率，单位为kW；t为充电时长，单位为小时；
S3.2、建立以建设成本最低为优化目标的优化目标函数；
换电站的建设成本包括设备成本、运维成本和用地成本；因此以建设成本最低为优化目标的优化目标函数为：
min F2＝(Ci+Cm+So×Pl)×max(P(t))；
Ci表示年化后的单位充电功率所需的设备成本，包括充换电设备和配电网扩容的成本，单位为元/kWh；Cm表示年化后的单位充电功率所需的运维成本，单位为元/kWh；So表示单位充电功率所需占用的用地面积，单位为m2/kWh；Pl表示年化后的单位面积的土建成本，单位为元/m2；
S3.2、建立以电池使用成本最低为优化目标的优化目标函数；
电池的年均使用成本不仅与其购买价格和回收价格有关，也与其使用寿命相关；以电池的年均使用成本最低为优化目标的优化目标函数为：
min F3＝nall×(Bi-Br)×Ctimes/Catimes
其中，nall表示换电站正常运行时需要的整车电池数目，Bi表示整车电池初始的购买价格，单位为元/个；Br表示整车电池的回收价格，单位为元/个；Ctimes表示电池在设计寿命内可以接受的充电次数，Catimes表示电池的年充放电的循环次数；
S3.4、建立线性整数规划模型的优化目标函数，如下式所示：
min F＝F1+F2+F3。
进一步地，步骤S4中，所述线性整数规划模型的约束条件的建立具体包括以下步骤：
S4.1、建立电池状态转移关系约束；各个状态中的电池的状态转移关系为：t时刻电动汽车带进系统的电池模块数目分为满电和带充电状态待充电的电池模块通过T时间进行充电，随后充满归为满电的电池模块，而其与电动汽车带进系统的满电的电池模块及原来慢点的电池模块一同归为可供使用的满电的电池模块，进而建立其约束表达式为：
full(t)＝full(t-1)+nin_full(t)-m×num_out(t)+f_new(t)
wait(t)＝wait(t-1)+nin_wait(t)-num_c(t)
f_new(t)＝num_c(t-T)
full(t)表示t时刻满电的电池模块数目，nin_full(t)表示t时刻结束行程的电动汽车带进系统的满电模块数目，m为单台电动汽车的电池分割模块数目，num_out(t)为t时刻需要出行的电动汽车数目，f_new(t)表示t时刻因充电而新增的满电模块数目；wait(t)表示t时刻待充电的电池模块数目，nin_wait(t)表示t时刻结束行程的电动汽车带进系统的待充电模块数目，num_c(t)表示t时刻进入充电状态的电池模块数目；T为单模块电池充满电所需要的时间；
S4.2、建立始末时刻电池模块数目相等约束；为了换电站能够持久的稳定运行，一天的始末时刻的满电电池模块数目和待充电电池模块数目应该相等：
full(0)＝full(end)；
wait(0)＝wait(end)；
full(0)和wait(0)分别表示一天开始时刻时对应的满电电池模块和待充电电池模块数目；full(end)和wait(end)分别表示一天结束时刻时对应的满电电池模块和待充电电池模块数目；
S4.2、建立正则约束，即相关变量的大于零的约束：
wait(t)≥0；full(t)≥0；num_c(t)≥0
wait(t)-num_c(t)≥0；
其中，full(t)>＝0的约束表示t时刻满电的电池模块数目不小于0的约束，wait(t)>＝0表示t时刻待充电的电池模块数目不小于零，num_c(t)>＝0表示t时刻进入充电状态的电池模块数目不小于零；wait(t)-num_c(t)>＝0的约束表示进入充电的模块数目低于该时刻待充电模块数目的约束。
进一步地，步骤S5中，所述不同电价策略包括：
对收取用户侧的电价采取固定电价或分时电价，而对换电站侧购得电网电价采用实时电价或分时电价；换电站侧还会对用户收取充电服务费和电池使用费，以电价差和这两种附加费用作为主要营收来源。
和现有技术相比，本发明具有以下优点：
(1)采用KNN法对电动汽车出行数据进行拟合，方法简单有效，产生的行程链数据特征与原大数据集相同，且考虑了出行链变量间的相关性，更能真实反映实际出行特征。
(2)采用离散化的办法对出行数据进行预处理，进而得到每时刻的入库电池状态和数目以及出库电池数目的需求，以简化问题。
(3)采用整数线性优化的办法对每时刻的充电电池模块数目进行求解，避开了遗传算法等启发式算法的陷入局部最优化的缺点，求解结果具有唯一性。
(4)采用模块分割式电池换电站的充电策略优化后，较之于整车有序充电方法和整车无序充电方法，能进一步降低换电站侧的售电成本、建设成本电池使用成本，电网侧的负荷峰谷差、负荷波动水平以及用户侧的用车成本。
附图说明
图1是本发明的基于基于模块分割式电池换电站的充电策略控制方法的流程图；
图2是所述实施例中采取KNN法对电动汽车出行链进行拟合的结果示意图；
图3是本发明的模块分割式电池换电站的工作模式示意图；
图4是本发明的模块分割式电池换电站的电池状态转移关系图；
图5是所述实施例中，模块有序充电、整车有序充电和整车无序充电三种充电模式下的区域负荷变化对比图。
具体实施方式
下面将结合本发明实施例以及附图，对本发明的具体实施进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
如图1所示，一种基于模块分割式电池换电站的充电策略控制方法，包括如下步骤：
S1、采用KNN算法处理历史行程的大数据集，进而拟合产生具有耦合关系的区域汽车出行链数据；
S2、预处理拟合数据以得到每时刻的入库电池状态和数目以及出库电池数目的需求；
S3、建立模块分割式换电站工作模式下的线性整数规划模型的优化目标函数；
S4、建立模块分割式换电站工作模式下的线性整数规划模型的约束条件；
S5、结合优化目标和约束条件，在不同电价策略下，采用Cplex求解器对此线性整数优化模型进行求解，得到此控制策略下的最优充电计划。
进一步地，其特征在于，步骤S1具体包括以下步骤：
S1.1、根据符合自然对数分布的行驶里程直接产生符合其分布特征的拟合行程数据即日行驶里程；
S1.2、然后以日行驶里程为KNN算法的初始变量，寻找数据集里面与日行驶里程距离最近的K个点对应的行程起始时间来产生拟合的行程起始时间；
S1.3、进而再以拟合出的日行驶里程和行程起始时间为KNN算法的数据基础，在大数据集里面找出距离此数据点最近的K个点，从而拟合产生对应的行程结束时间；
S1.4、最终产生具有一定耦合关系的完整的拟合行程链，包含有日行程里程、行程起始时间和行程结束时间。最终拟合的结果如图2所示。
进一步地，步骤S2具体包括以下步骤：
S2.1、将电池的消耗电量进行离散化处理，根据离散结果得到入库电池的状态和数目；根据电动汽车的日行驶里程，将整车电池的分割数目定为k，则第i车电池结束行驶入库时的空电池模块数目为：
k(i)＝ceil(s/S×k)；
其中k(i)表示第i辆车的入库时带进的空电池模块数目，ceil为向上取整函数，s为实际日行驶里程，S为车辆设计里程，k为整车电池的分割数目；得到第i辆车入库后满电电池模块数目增加k-k(i)个，待充电电池模块数目增加k(i)个；
S2.2、出库时，取电动汽车满电出行，即带走k个满电电池模块，此时库内满电电池模块减少k个。
进一步地，步骤S3中，如图3所示，所述模块分割式换电站工作模式下的线性整数规划模型如下：
电动汽车在归来时将所有的电池模块送入电池集中管理系统，由系统根据其剩余电量对其进行分类，其中满电的模块可直接换电供给即将出行的车辆使用，而不满电的模块则根据优化后的充电计划进行充电，满电后再供此时需要出行的车辆使用。
进一步地，步骤S3中，所述线性整数规划模型的优化目标包括：售电成本最低、建设成本最低以及电池使用成本最低；因此，优化目标函数建立的具体步骤如下：
S3.1、建立以售电成本最低为优化目标的优化目标函数；
售电的成本即为从电网购电的费用，但另一方面，换电站又将这些电卖给消费者并附加一定的充电服务费，除此之外，由于整个系统运行的电池由换电站提供，因此换电站还会收取一定的电池使用费，因此以售电成本最低为优化目标的优化目标函数为：
min F1＝(p1(t)-p2(t)-pfc(t)-pfb(t))×P(t)×365；
其中，p1(t)为换电站从电网购得的电价，单位为元/kWh；p2(t)为换电站给到用户方面的电价，单位为元/kWh；pfc(t)为换电站从用户侧收取的充电服务费，单位为元/kWh；pfb(t)为换电站从用户侧收取的电池使用费，单位为元/kWh；P(t)为一日内每时刻的充电功率，单位为kW；t为充电时长，单位为小时；
S3.2、建立以建设成本最低为优化目标的优化目标函数；
换电站的建设成本包括设备成本、运维成本和用地成本；因此以建设成本最低为优化目标的优化目标函数为：
min F2＝(Ci+Cm+So×Pl)×max(P(t))；
Ci表示年化后的单位充电功率所需的设备成本，包括充换电设备和配电网扩容的成本，单位为元/kWh；Cm表示年化后的单位充电功率所需的运维成本，单位为元/kWh；So表示单位充电功率所需占用的用地面积，单位为m2/kWh；Pl表示年化后的单位面积的土建成本，单位为元/m2；
S3.2、建立以电池使用成本最低为优化目标的优化目标函数；
电池的年均使用成本不仅与其购买价格和回收价格有关，也与其使用寿命相关；以电池的年均使用成本最低为优化目标的优化目标函数为：
min F3＝nall×(Bi-Br)×Ctimes/Catimes
其中，nall表示换电站正常运行时需要的整车电池数目，Bi表示整车电池初始的购买价格，单位为元/个；Br表示整车电池的回收价格，单位为元/个；Ctimes表示电池在设计寿命内可以接受的充电次数，Catimes表示电池的年充放电的循环次数；
S3.4、建立线性整数规划模型的优化目标函数，如下式所示：
min F＝F1+F2+F3。
进一步地，步骤S4中，所述线性整数规划模型的约束条件的建立具体包括以下步骤：
S4.1、建立电池状态转移关系约束；各个状态中的电池的状态转移关系为：t时刻电动汽车带进系统的电池模块数目分为满电和带充电状态待充电的电池模块通过T时间进行充电，随后充满归为满电的电池模块，而其与电动汽车带进系统的满电的电池模块及原来慢点的电池模块一同归为可供使用的满电的电池模块，进而建立其约束表达式为：
full(t)＝full(t-1)+nin_full(t)-m×num_out(t)+f_new(t)
wait(t)＝wait(t-1)+nin_wait(t)-num_c(t)
f_new(t)＝num_c(t-T)
full(t)表示t时刻满电的电池模块数目，nin_full(t)表示t时刻结束行程的电动汽车带进系统的满电模块数目，m为单台电动汽车的电池分割模块数目，num_out(t)为t时刻需要出行的电动汽车数目，f_new(t)表示t时刻因充电而新增的满电模块数目；wait(t)表示t时刻待充电的电池模块数目，nin_wait(t)表示t时刻结束行程的电动汽车带进系统的待充电模块数目，num_c(t)表示t时刻进入充电状态的电池模块数目；T为单模块电池充满电所需要的时间；
S4.2、建立始末时刻电池模块数目相等约束；为了换电站能够持久的稳定运行，一天的始末时刻的满电电池模块数目和待充电电池模块数目应该相等：
full(0)＝full(end)；
wait(0)＝wait(end)；
full(0)和wait(0)分别表示一天开始时刻时对应的满电电池模块和待充电电池模块数目；full(end)和wait(end)分别表示一天结束时刻时对应的满电电池模块和待充电电池模块数目；
S4.2、建立正则约束，即相关变量的大于零的约束：
wait(t)≥0；full(t)≥0；num_c(t)≥0
wait(t)-num_c(t)≥0；
其中，full(t)>＝0的约束表示t时刻满电的电池模块数目不小于0的约束，wait(t)>＝0表示t时刻待充电的电池模块数目不小于零，num_c(t)>＝0表示t时刻进入充电状态的电池模块数目不小于零；wait(t)-num_c(t)>＝0的约束表示进入充电的模块数目低于该时刻待充电模块数目的约束。
进一步地，步骤S5中，所述不同电价策略包括：
对收取用户侧的电价采取固定电价或分时电价，而对换电站侧购得电网电价采用实时电价或分时电价；换电站侧还会对用户收取充电服务费和电池使用费，以电价差和这两种附加费用作为主要营收来源。
以一个具有1000台私家车的居民小区为具体算例，取15分钟为一个时段，即△t＝0.25h，T＝96。取原区域负荷峰值水平为6000kW，可进一步得出优化前后的负荷曲线对比图如图5所示。
有序充电的优化策略有如下特点：
1.都是将集中到达的电动汽车电池分散到其他空闲时刻进行充电；
2.都尽量使得充电设备能连续工作，即充满一个电池后可以紧接着开始下一个电池的充电工作。
这两个特点均可以使得充电设备的利用水平更高，从而起到降低建设成本和削峰填谷的作用。由图5可以看出此发明明显改善了无序充电情况下由于电动汽车集中到达而导致的负荷曲线“峰上加峰”的负面效应.，进而可以降低建设成本和电池使用成本从而提高换电站的运营净利润。
以上依据实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。

Claims (7)

1.一种基于模块分割式电池换电站的充电策略控制方法，其特征在于，包括如下步骤：
S1、采用KNN算法处理历史行程的大数据集，进而拟合产生具有耦合关系的区域汽车出行链数据；
S2、预处理拟合数据以得到每时刻的入库电池状态和数目以及出库电池数目的需求；
S3、建立模块分割式换电站工作模式下的线性整数规划模型的优化目标函数；
S4、建立模块分割式换电站工作模式下的线性整数规划模型的约束条件；
S5、结合优化目标和约束条件，在不同电价策略下，采用Cplex求解器对此线性整数优化模型进行求解，得到此控制策略下的最优充电计划。
2.根据权利要求1所述的一种基于模块分割式电池换电站的充电策略控制方法，其特征在于，步骤S1具体包括以下步骤：
S1.1、根据符合自然对数分布的行驶里程直接产生符合其分布特征的拟合行程数据即日行驶里程；
S1.2、然后以日行驶里程为KNN算法的初始变量，寻找数据集里面与日行驶里程距离最近的K个点对应的行程起始时间来产生拟合的行程起始时间；
S1.3、进而再以拟合出的日行驶里程和行程起始时间为KNN算法的数据基础，在大数据集里面找出距离此数据点最近的K个点，从而拟合产生对应的行程结束时间；
S1.4、最终产生具有一定耦合关系的完整的拟合行程链，包含有日行程里程、行程起始时间和行程结束时间。
3.根据权利要求1所述的一种基于模块分割式电池换电站的充电策略控制方法，其特征在于，步骤S2具体包括以下步骤：
S2.1、将电池的消耗电量进行离散化处理，根据离散结果得到入库电池的状态和数目；根据电动汽车的日行驶里程，将整车电池的分割数目定为k，则第i车电池结束行驶入库时的空电池模块数目为：
k(i)＝ceil(s/S×k)；
其中k(i)表示第i辆车的入库时带进的空电池模块数目，ceil为向上取整函数，s为实际日行驶里程，S为车辆设计里程，k为整车电池的分割数目；得到第i辆车入库后满电电池模块数目增加k-k(i)个，待充电电池模块数目增加k(i)个；
S2.2、出库时，取电动汽车满电出行，即带走k个满电电池模块，此时库内满电电池模块减少k个。
4.根据权利要求1所述的一种基于模块分割式电池换电站的充电策略控制方法，其特征在于，步骤S3中，所述模块分割式换电站工作模式下的线性整数规划模型如下：
电动汽车在归来时将所有的电池模块送入电池集中管理系统，由系统根据其剩余电量对其进行分类，其中满电的模块可直接换电供给即将出行的车辆使用，而不满电的模块则根据优化后的充电计划进行充电，满电后再供此时需要出行的车辆使用。
5.根据权利要求1所述的一种基于模块分割式电池换电站的充电策略控制方法，其特征在于，步骤S3中，所述线性整数规划模型的优化目标包括：售电成本最低、建设成本最低以及电池使用成本最低；因此，优化目标函数建立的具体步骤如下：
S3.1、建立以售电成本最低为优化目标的优化目标函数；
售电的成本即为从电网购电的费用，但另一方面，换电站又将这些电卖给消费者并附加一定的充电服务费，除此之外，由于整个系统运行的电池由换电站提供，因此换电站还会收取一定的电池使用费，因此以售电成本最低为优化目标的优化目标函数为：
min F1＝(p1(t)-p2(t)-pfc(t)-pfb(t))×P(t)×365；
其中，p1(t)为换电站从电网购得的电价，单位为元/kWh；p2(t)为换电站给到用户方面的电价，单位为元/kWh；pfc(t)为换电站从用户侧收取的充电服务费，单位为元/kWh；pfb(t)为换电站从用户侧收取的电池使用费，单位为元/kWh；P(t)为一日内每时刻的充电功率，单位为kW；t为充电时长，单位为小时；
S3.2、建立以建设成本最低为优化目标的优化目标函数；
换电站的建设成本包括设备成本、运维成本和用地成本；因此以建设成本最低为优化目标的优化目标函数为：
min F2＝(Ci+Cm+So×Pl)×max(P(t))；
Ci表示年化后的单位充电功率所需的设备成本，包括充换电设备和配电网扩容的成本，单位为元/kWh；Cm表示年化后的单位充电功率所需的运维成本，单位为元/kWh；So表示单位充电功率所需占用的用地面积，单位为m2/kWh；Pl表示年化后的单位面积的土建成本，单位为元/m2；
S3.2、建立以电池使用成本最低为优化目标的优化目标函数；
电池的年均使用成本不仅与其购买价格和回收价格有关，也与其使用寿命相关；以电池的年均使用成本最低为优化目标的优化目标函数为：
min F3＝nall×(Bi-Br)×Ctimes/Catimes
其中，nall表示换电站正常运行时需要的整车电池数目，Bi表示整车电池初始的购买价格，单位为元/个；Br表示整车电池的回收价格，单位为元/个；Ctimes表示电池在设计寿命内可以接受的充电次数，Catimes表示电池的年充放电的循环次数；
S3.4、建立线性整数规划模型的优化目标函数，如下式所示：
min F＝F1+F2+F3。
6.根据权利要求1所述的一种基于模块分割式电池换电站的充电策略控制方法，其特征在于，步骤S4中，所述线性整数规划模型的约束条件的建立具体包括以下步骤：
S4.1、建立电池状态转移关系约束；各个状态中的电池的状态转移关系为：t时刻电动汽车带进系统的电池模块数目分为满电和带充电状态待充电的电池模块通过T时间进行充电，随后充满归为满电的电池模块，而其与电动汽车带进系统的满电的电池模块及原来慢点的电池模块一同归为可供使用的满电的电池模块，进而建立其约束表达式为：
full(t)＝full(t-1)+nin_full(t)-m×num_out(t)+f_new(t)
wait(t)＝wait(t-1)+nin_wait(t)-num_c(t)
f_new(t)＝num_c(t-T)
full(t)表示t时刻满电的电池模块数目，nin_full(t)表示t时刻结束行程的电动汽车带进系统的满电模块数目，m为单台电动汽车的电池分割模块数目，num_out(t)为t时刻需要出行的电动汽车数目，f_new(t)表示t时刻因充电而新增的满电模块数目；wait(t)表示t时刻待充电的电池模块数目，nin_wait(t)表示t时刻结束行程的电动汽车带进系统的待充电模块数目，num_c(t)表示t时刻进入充电状态的电池模块数目；T为单模块电池充满电所需要的时间；
S4.2、建立始末时刻电池模块数目相等约束；为了换电站能够持久的稳定运行，一天的始末时刻的满电电池模块数目和待充电电池模块数目应该相等：
full(0)＝full(end)；
wait(0)＝wait(end)；
full(0)和wait(0)分别表示一天开始时刻时对应的满电电池模块和待充电电池模块数目；full(end)和wait(end)分别表示一天结束时刻时对应的满电电池模块和待充电电池模块数目；
S4.2、建立正则约束，即相关变量的大于零的约束：
wait(t)≥0；full(t)≥0；num_c(t)≥0
wait(t)-num_c(t)≥0；
其中，full(t)>＝0的约束表示t时刻满电的电池模块数目不小于0的约束，wait(t)>＝0表示t时刻待充电的电池模块数目不小于零，num_c(t)>＝0表示t时刻进入充电状态的电池模块数目不小于零；wait(t)-num_c(t)>＝0的约束表示进入充电的模块数目低于该时刻待充电模块数目的约束。
7.根据权利要求1所述的一种基于模块分割式电池换电站的充电策略控制方法，其特征在于，步骤S5中，所述不同电价策略包括：
对收取用户侧的电价采取固定电价或分时电价，而对换电站侧购得电网电价采用实时电价或分时电价；换电站侧还会对用户收取充电服务费和电池使用费。
CN201910823869.9A 2019-09-02 2019-09-02 一种基于模块分割式电池换电站的充电策略控制方法 Active CN110633847B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910823869.9A CN110633847B (zh) 2019-09-02 2019-09-02 一种基于模块分割式电池换电站的充电策略控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910823869.9A CN110633847B (zh) 2019-09-02 2019-09-02 一种基于模块分割式电池换电站的充电策略控制方法

Publications (2)

Publication Number Publication Date
CN110633847A true CN110633847A (zh) 2019-12-31
CN110633847B CN110633847B (zh) 2023-02-14

Family

ID=68969976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910823869.9A Active CN110633847B (zh) 2019-09-02 2019-09-02 一种基于模块分割式电池换电站的充电策略控制方法

Country Status (1)

Country Link
CN (1) CN110633847B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111783359A (zh) * 2020-07-02 2020-10-16 重庆大学 考虑换电经济性与电网削峰填谷的电池调度优化方法
CN113326961A (zh) * 2020-02-28 2021-08-31 南京理工大学 有轨电车车载储能配置与地面充电方案的一体化优化方法
CN114084026A (zh) * 2021-11-29 2022-02-25 重庆长安新能源汽车科技有限公司 电动汽车最优充电路径的动态规划方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103985064A (zh) * 2014-05-16 2014-08-13 东南大学 一种基于实时电价的电动汽车换电模式充电控制方法
CN106408122A (zh) * 2016-09-19 2017-02-15 上海理工大学 一种换电站充放电方案的求解方法
CN107745650A (zh) * 2017-10-26 2018-03-02 电子科技大学 一种基于峰谷分时电价的电动汽车有序充电控制方法
CN108573317A (zh) * 2017-12-21 2018-09-25 国网江苏省电力有限公司南京供电分公司 一种换电站充放电策略优化控制的方法
CN109325636A (zh) * 2018-10-31 2019-02-12 国网山东省电力公司电力科学研究院 一种虚拟电厂中电动汽车换电站的容量优化配置方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103985064A (zh) * 2014-05-16 2014-08-13 东南大学 一种基于实时电价的电动汽车换电模式充电控制方法
CN106408122A (zh) * 2016-09-19 2017-02-15 上海理工大学 一种换电站充放电方案的求解方法
CN107745650A (zh) * 2017-10-26 2018-03-02 电子科技大学 一种基于峰谷分时电价的电动汽车有序充电控制方法
CN108573317A (zh) * 2017-12-21 2018-09-25 国网江苏省电力有限公司南京供电分公司 一种换电站充放电策略优化控制的方法
CN109325636A (zh) * 2018-10-31 2019-02-12 国网山东省电力公司电力科学研究院 一种虚拟电厂中电动汽车换电站的容量优化配置方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MENGYULI ETAL.: ""GIS-Based Probabilistic Modeling of BEV Charging Load for Australia"", 《HTTPS://IEEEXPLORE.IEEE.ORG/DOCUMENT/8347121》 *
周斯航等: ""基于换电运营模式的电动车电池充电策略研究"", 《微型电脑应用》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326961A (zh) * 2020-02-28 2021-08-31 南京理工大学 有轨电车车载储能配置与地面充电方案的一体化优化方法
CN113326961B (zh) * 2020-02-28 2022-08-23 南京理工大学 有轨电车车载储能配置与地面充电方案的一体化优化方法
CN111783359A (zh) * 2020-07-02 2020-10-16 重庆大学 考虑换电经济性与电网削峰填谷的电池调度优化方法
CN111783359B (zh) * 2020-07-02 2023-11-03 重庆大学 考虑换电经济性与电网削峰填谷的电池调度优化方法
CN114084026A (zh) * 2021-11-29 2022-02-25 重庆长安新能源汽车科技有限公司 电动汽车最优充电路径的动态规划方法及系统
CN114084026B (zh) * 2021-11-29 2023-06-02 重庆长安新能源汽车科技有限公司 电动汽车最优充电路径的动态规划方法及系统

Also Published As

Publication number Publication date
CN110633847B (zh) 2023-02-14

Similar Documents

Publication Publication Date Title
Zheng et al. Integrating plug-in electric vehicles into power grids: A comprehensive review on power interaction mode, scheduling methodology and mathematical foundation
CN106651026B (zh) 多时间尺度微电网能量管理优化调度方法
CN106229565B (zh) 蓄电池转移辅助装置及蓄电池转移辅助方法
CN110633847B (zh) 一种基于模块分割式电池换电站的充电策略控制方法
CN106339778A (zh) 一种考虑多目标的光蓄微电网运行优化方法
CN110598904B (zh) 市场环境下考虑可再生能源消纳的车网能量交互优化方法
CN108448567B (zh) 一种电动汽车代理商参与能量和调频市场的智能控制系统
CN116151486B (zh) 含储能系统的光伏充电站多时间尺度随机优化方法及装置
CN103810539A (zh) 考虑换电服务可用性的电动汽车换电站容量优化配置方法
Zheng et al. Smart charging algorithm of electric vehicles considering dynamic charging priority
CN112183882B (zh) 一种基于电动汽车快充需求的智慧充电站充电优化方法
CN113902182A (zh) 考虑能耗不确定性的电动公交车队鲁棒充电优化方法
CN111639866B (zh) 基于遗传算法的储能充电站的储能容量的配置方法
Li et al. Multi-objective optimal operation of centralized battery swap charging system with photovoltaic
CN114722595A (zh) 一种含有换电站的微电网优化运行方法
Xue et al. Adaptive dynamic programming method for optimal battery management of battery electric vehicle
CN110110929B (zh) 一种充换电站的资源配置及充换电调度联合优化方法
Alkawaz et al. Intelligent Charging Control of Power Aggregator for Electric Vehicles Using Optimal Control.
Sheikhi et al. Evaluation of intelligent distribution network response to plug-in hybrid electric vehicles
Lin et al. Planning of Electric Vehicle Charging Stations with PV and Energy Storage Using a Fuzzy Inference System
CN115018206B (zh) 一种新能源车电池包充电决策方法及装置
Sambaiah A study on challenges in adoption of electric vehicle and vehicle-to grid-technologies in india
Fan et al. Optimization of Scheduling and Timetabling for Multiple Electric Bus Lines with Heterogeneous Energy Consumption
CN109038624B (zh) 基于双蓄电池容量动态分配的家庭能源调度方法
Jain et al. A data driven approach for scheduling the charging of electric vehicles

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