CN113165547A - 用于对一队电动车辆的充电进行优化管理的方法 - Google Patents

Abstract

本发明涉及一种用于对一组电池的充电进行优化管理的方法，在每个电池连接到配电网(20)的时间间隔期间，根据由充电聚合器(10)提供的充电曲线(R_理想)，通过在该电池的充电管理器的控制下施加充电功率水平来对每个电池进行再充电，该方法涉及：在聚合器端，将在给定时段内每天的充电分配曲线确定为充电曲线，该充电曲线是仅取决于特定于该网的限制针对所有电池定义的；将该充电分配曲线传输到每个充电管理器；以及在充电管理器侧，使所接收的充电分配曲线适配于该电池连接到该网期间的时间间隔以及相关联的充电功率水平。

Description

用于对一队电动车辆的充电进行优化管理的方法

技术领域

本发明的主题是一种用于对向用电器供应电力的一组电池的充电进行最优地管理的方法。本发明尤其地但非排他性地适用于对一队电动车辆或可再充电混合动力车辆的牵引电池的充电进行优化。

背景技术

目前，已经构想了许多方法来协调电动车辆和配电网的需求，以获得优化的充电曲线。为了对电网的需求产生实质性的影响，某些智能再充电解决方案采用了聚合，从而同时控制对许多电动车辆的充电。当前的解决方案常规地考虑了给定车辆的每日移动能力要求和配电网的限制，以实现一天中对连接到电网的车辆电池的充电的优化，以便每天满足相同的移动能力要求。

更确切地，连接到配电网的聚合器被设计为实时接收配电网的需求、由该聚合器控制的所有电动车辆的每日移动能力要求、以及这些受控电动车辆的当前状态(电量状态、与用于为电池再充电的装置的连接状态等)。基于所有这些信息，聚合器能够计算每个车辆的最优充电曲线，并且将其传输给车辆上的车载电池管理器，其中，这些管理器旨在对电池的充电进行控制。

这种方法尤其是从文献EP 2928721所给出的示例中已知的，该文献描述了一种用于对电动车辆的一组牵引电池的充电的进行管理的方法，该方法基于所有电池的充电的协调。更确切地，提供了与每个电池相关联的电池充电管理器以便与在配电网中实施的聚合器建立双向通信，从而允许针对每个要充电的电池，通过考虑由聚合器提供的电消耗信号来确定最优充电曲线，该电消耗信号旨在指示预计来自配电网的总体电消耗的曲线，该曲线从特定于每个电池、由每个电池管理器迭代地发送给聚合器的各个充电曲线选择中产生。因此，聚合器实时接收所有车辆的电池的充电要求并且根据电网的状态而向各个电池管理器发送充电命令。

然而，该聚合方法有许多缺陷。特别地，该方法基于聚合器与电动车辆上的车载电池管理器之间的双向通信。因此，该方法需要多次数据交换，这导致与服务器以及与用于实现聚合器、电网、与车辆上的车载电池管理器之间通信所需的电信装置相关联的大量部署成本。该方法还限制了电动车辆的驾驶员，这些驾驶员必须提前知道这些电动车辆的移动能力要求并向聚合器传输这些移动能力要求。

此外，由于连接到电网的聚合器经常基于“全有或全无”来推理并且在对其所控制的所有电动车辆最有利(例如，最便宜)的时刻启动对所有这些电动车辆的充电(这是电网的消耗严重不连续的根源)，该方法还可能导致从电网汲取大量电力。

而且，在对全球变暖达成共识的当前背景下，减少二氧化碳(CO2)排放量是主要的挑战，在这个方面的标准要求变得越来越高。因此，电的价格与由于发电而产生的CO2排放量高度相关。可再生能源(太阳能、风能等)越来越多地融入配电网中正在对CO2排放量的减少产生有利的影响。然而，因为可再生能源本质上是间歇性的，所以与发电相关联的CO2排放量在不同的日子里变化很大。因此结果是，基于每天考虑的给定移动能力要求来定义一队车辆的充电曲线对于将可再生能源融入电网中的时段是不适合的，并且特别是在使充电适配于该网的某些限制(比如，CO2排放量)方面不是最优的。

发明内容

因此，本发明的一个目的是提供一种用于对一组电池的充电进行管理的方法，该方法不受前述限制中的至少一项的限制。

为此，本发明涉及一种用于对向用电器供应电力的一组电池的充电进行最优地管理的方法，其中，在每个电池连接到配电网的至少一个时间间隔期间，根据由充电聚合器提供的充电曲线，通过在与每个电池相关联的充电管理器的控制下施加与所述时间间隔相关联的充电功率水平来对每个电池进行再充电。根据本发明：

-在聚合器端，将所述充电曲线定义为在给定时间段内每天的充电分配曲线，该充电曲线是仅取决于特定于该配电网的限制针对所有电池定义的，这些限制至少包括该电网上可用的电力；

-将所述充电分配曲线从该聚合器传输到每个充电管理器；以及，

-在充电管理器端，使所述所接收的充电分配曲线适配于所述电池连接到该电网以对其再充电的所述至少一个时间间隔以及所述相关联的充电功率水平。

特定于配电网的限制指的是比如可用电力、电的价格或者甚至环境发电限制等参数，而不是任何与用户相关的限制(车辆、车队车辆、住房布线(domestic wiring)等)。

有利地，通过跟踪充电分配曲线来控制通过该电网对每个电池进行充电和放电的时刻。

有利地，根据与在所述给定时段内该配电网上的发电相关联的CO2排放量来确定所述充电曲线。

优选地，接收用于预测CO2排放量的模型，从该模型中推导出在所述给定时段内的CO2排放量的平均值和每天的CO2排放量的平均值，并且将在时刻t的CO2排放量水平与每天的CO2排放量的平均值进行比较，使得所述充电曲线被适配于仅在该CO2排放量水平低于该每天的平均值的时刻才命令充电。

优选地，所述充电分配曲线是以相对于给定采样增量(例如，每一刻钟)时间的电量百分比来计算的。

有利地，所述给定时间段对应于一周的时间段。

有利地，为所有这些电池确定表示每天要达到的相对于该充电管理器所允许的灵活性范围的百分比的系数，该范围取决于该电池的标称容量和每天的期望最小电量状态来定义，并且根据所述系数和所述每天的期望最小电量状态来计算要达到的每日目标电量状态。

有利地，基于要达到的该每日目标电量状态与该电池的当前电量状态之间的比较来确定在每个时间间隔期间的所述充电功率水平。

有利地，每天要达到的相对于该充电管理器所允许的灵活性范围的百分比随着与在所述给定时段内该配电网上的发电相关联的该CO2排放量水平相反地变化。

该组电池由一队电动车辆或可再充电混合动力车辆的牵引电池组成。

附图说明

参考附图，通过说明的方式，本发明的其他特征和优点将从下面给出的非限制性描述中变得明显，在附图中：

[图1]展示了根据本发明的用于对电动车辆的充电进行最优地管理的系统；

[图2]示出了曲线图，该曲线图展示了在车辆端实施的充电规律，所述规律通过采用根据本发明的用于对充电进行管理的方法来获得；

[图3]示出了曲线图，该曲线图展示了要达到的每日目标电量状态随要达到的将电网上的发电中CO2排放量变化考虑在内的所允许灵活性范围的百分比而在一周内的变化的示例；

[图4]示出了曲线图，该曲线图展示了所有车辆为了达到每日目标电量状态而要遵循的理想充电曲线的示例。

具体实施方式

图1示意性地展示了一组电动车辆VE，每个电动车辆配备有牵引电池以及适合于连接到配电网20的相关联的充电管理器。对该组电动车辆VE的充电由聚合器10来控制，该聚合器连接到电池在其充电阶段所连接到的配电网20。聚合器10是例如机动车辆制造商的被编程为能够与该制造商的车辆进行远程通信(例如，经由空中(OTA)通信)的专用服务器。因此，每个车辆VE都拥有通信模块，例如GSM模块，从而允许经由通信网络与形成该聚合器的服务器10进行通信。

聚合器还被设计为考虑配电网20的状态，并且特别地，如下面将更详细地看到的，考虑在电网上可用的电力至少部分地是低碳的时刻，即，电网上可用的发电电力至少部分地来自低碳能源(例如，风力涡轮机或太阳能发电厂)的时刻。

本发明的方法首先基于对在一天内的理想充电曲线R_理想的确定。该充电曲线R_理想是由聚合器10为受其控制的所有车辆VE来计算的，并且被定义为取决于特定于配电网的限制的在给定时间段内每天的充电分配。该每天的充电分配R_理想是以相对于给定采样增量(例如，在几天的给定时段(例如，一周)内每一刻钟)时间的电量百分比来计算的。

每给定采样增量的电量百分比可以是正的，这意味着对应的时刻适合于电网传递电力以对电池充电；或者也可以是负的，这意味着对应的时刻替代地适合于在车辆的电池连接到可逆充电装置的情况下将储存在电池中的能量返回到配电网。

图2展示了这样为所有车辆计算的每天的充电分配曲线的示例，该曲线对应于以每一刻钟的百分比表示的一天内的最优充电曲线R_理想，比如所述曲线是由聚合器10发送给这些车辆VE的。

与各个电动车辆VE的电池相关联的充电管理器包括用于执行算法的软件装置，该算法用于使该曲线R_理想适配于车辆的用户的特定需求、并且特别地使其适配于考虑车辆连接到网的时刻以及可用于为其充电的连接功率。换言之，旨在用于这些电池的充电命令不是由聚合器10发送，而是根据仅满足配电网的需求的作为时间函数的聚合充电分配曲线而由与电池相关联的充电管理器本地生成，所述曲线由每个充电管理器根据电池的连接时刻和充电功率水平来进行适配。再换言之，在聚合器10的端(即，在聚合器端)，忽略了电动车辆的用户的需求。特别地，既不需要提前知道用户的移动能力要求也不用将其传输给聚合器10。这使得相对于用于同时控制多个车辆的充电的常规聚合方法，大大减少了聚合器10与车辆VE之间的信息交换。

更确切地，在与每个电池相关联的充电管理器的端(即，在充电管理器端)实施的适配算法接收例如以每一刻钟的百分比表示的一天内的最优充电曲线R_理想以及表示车辆的用户的移动能力要求的数据作为输入数据。表示用户的移动能力要求的这些数据可以采用称为电池的期望电量状态SOC_期望的电量状态的形式，该电量状态可以例如对应于每天(通常是在黎明前，例如早上六点钟)要达到的最小电量状态，从而已知的是该电量状态将能够被超过。充电管理器还接收电池的标称容量E_max(以kWh为单位)作为输入数据。例如，使用标称容量等于60kWh的电池的用户可能会相信在30kWh的储存能量水平(其对应于电量状态50％)的情况下，他将能够完成他想去的大部分行程。因此，他将可能将他的期望电量状态SOC_期望设置为50％，从而为与电池相关联的充电管理器留下30kWh的灵活性范围，例如，如将在下面更详细描述的，以执行CO2优化或者换言之利用从配电网上的低碳电力可用性的角度来看为最优的充电范围。

电池的充电管理器还将接收表示每天要达到的相对于该灵活性范围的百分比的系数作为输入数据。换言之，根据以上给出的示例，系数K将指示每天要达到的在充电管理器所允许的30kWh的灵活性下的百分比。

基于这些输入数据，用于适配曲线R_理想的算法被设计为计算每日目标电量状态SOC_目标，然后根据该每日目标电量状态计算出要达到的目标能量E_目标：

[数学公式1]

SOC_目标＝SOC_期望+K(1-SOC_期望)

[数学公式2]

E_目标＝SOC_目标*E_max

与电池相关联的充电管理器每次都会计算出电池的当前能量水平ΔE与当天的目标能量值(比如预先计算出的)之间的差E_t：

[数学公式3]

ΔE＝E_目标-E_t。

为了使其自身的充电曲线关于其连接时间和其充电功率适配，该适配算法使用对差ΔE的比例积分调节。

[数学公式4]

E_Δ＝ΔE*(1+k*∫ΔE)，其中，k＝积分系数。

因此，当调节后的差E_Δ为正时，这意味着尚未达到期望电量状态，并且因此该适配算法必须在(从发送到车辆的理想充电曲线R_理想中得到的)网络的状态一旦允许的情况下就命令对该电池进行充电。相比之下，当E_Δ为负时，这意味着电池已经超过了期望电量状态，并且因此有必要在(比如，由理想充电曲线R_理想所指示的)适合的时刻命令电池向电网放电。

然后，该适配算法经由以下策略从差E_Δ中推导出要施加到电池的充电功率水平P_电量：

[数学公式5]

-如果E_Δ＞0，则(必须对电池进行充电的情况)：

如果R_理想＞0，则

P_电量＝E_Δ*R_理想

否则P_电量＝0

-如果E_Δ≤0，则(必须对电池进行放电的情况)：

如果R_理想＜0，则P_电量＝-E_Δ*R_理想

否则P_电量＝0。

为了确定最终要施加的充电功率P_最终，剩下要做的就是考虑电池连接到配电网的时刻和在车辆的电池的最小充电功率P_min和最大充电功率P_max方面的功率限制；

[数学公式6]

-如果|P_电量|＞P_min，则：

-如果车辆未连接，则P_最终＝0

否则：

o如果P_电量＞0，则P_最终＝min(P_电量，P_max)

o否则P_最终＝max(P_电量，-P_max)

-否则P_最终＝0。

因此，获得了尽可能地遵循作为输入所接收的理想充电曲线R_理想而不会出现从电网汲取的充电功率量的不连续的充电规律，而无需知道将如何使用车辆。如在图2中通过曲线所展示的，这些曲线表示车辆的消耗CONSO(以kWH为单位)和从由适配算法设置的充电规律得到的充电功率P_最终(以kW为单位)，可以看出，一方面，电池确实在由理想充电曲线R_理想的信号所指示的适合的时刻被充电和放电，并且另一方面，比平常更高的消耗(由信号CONSO中的消耗峰值表示)将引起对电池的更大充电。

因此，有利地在开环中执行充电管理：在仅仅考虑了特定于电网的限制并且不考虑来自终端用户的反馈(电池与电网的连接状态、电池的当前电量状态等)的情况下，由聚合器计算的充电曲线允许定义最优控制律，即，在几天的时段内每天要遵循的理想充电曲线，该理想充电曲线被传输到与电池相关联的充电管理器，这些充电管理器本地地控制用于对电池充电的系统。将考虑电网的状态以规律的间隔(例如，每周一次)重新计算新的控制律。

有利地，如以上描述中所指示的，可以考虑基于与电网上可用的电力的发电相关联的CO2排放量而计算出的理想充电曲线，以管理连接到电网的车辆的电池的充电和放电的阶段，并且特别地，以在电网上可用的电力是由CO2排放量低的发电产生的时段对电池进行更多地充电。

因此，在这种情况下(其被认为是对CO2排放量的优化)，建议由聚合器10所提供的理想充电曲线还取决于与配电网20上可用的电力的发电相关联的CO2排放量。因此，为了建立理想充电曲线R_理想，聚合器10有利地接收预测在相对长的时间段内(通常在几天内且优选地在一周内)的CO2排放量(或者电的价格，电的价格与发电的CO2排放量高度相关)的模型作为输入。具体地，已经观察到存在发电的CO2排放量变化的两个不同的时段，即，每日变化的时段(其对应于由连接到电网的光伏太阳能发电厂产生太阳能的时段)和每周变化的时段(其对应于由连接到电网的风力涡轮机产生风能的时段)。因此，通过将预测在几天内且优选地在一周内的CO2排放量的模型考虑在内来计算对于所有车辆均为理想的电网上充电曲线，使得将发电的CO2排放量、以及尤其是与风力涡轮机的发电相关联的CO2排放量的变化更好融入理想充电曲线R_理想中。预测CO2排放量的模型可以例如由聚合器根据各种数据源(包括给定地区的低碳电力的产生所依赖的计量数据(日照等))来推导。

预测与电网上可用的电力的发电相关联的CO2排放量的模型例如在一周时间期间每隔15分钟传递一次CO2排放量值、并且因此传递以包含672个分量的向量的形式构造的CO2排放量预测指数。

最初，将取决于系数K来计算每日目标电量状态SOC_目标，以便计算出为了在较低CO2排放量的日子充电更多，车辆的电池必须达到的灵活性范围的百分比。

为此，基于作为输入而提供的CO2预测，针对所有车辆，一方面计算出一周内CO2排放量的平均值CO2_week-avg，另一方面计算出每天CO2排放量的平均值CO2_day-avg。

计算这些值之间的差的积分I_CO2：

[数学公式7]

I_CO2＝∫(CO2_week-avg-CO2_day-avg)

并且确定这样计算出的积分可以取的最大值I_CO2max和最小值I_CO2min:

[数学公式8]

I_CO2max＝max(I_CO2)

I_CO2min＝min(I_CO2)。

然后，针对这周的每天推导出表示期望达到的所允许的灵活性范围的百分比的系数K：

[数学公式9]

该系数K对于所有车辆都是相同的。

如以上所解释的，然后将该系数应用于每个用户的移动能力要求(这些要求以称为电池的期望电量状态SOC_期望的电量状态的形式来定义)，以便从其中推导出要达到的每日目标电量状态SOC_目标：

[数学公式10]

SOC_目标＝SOC_期望+K(1-SOC_期望)。

因此，在电网上可用的电力对应于高CO2排放量的日子，要达到的每日目标电量状态SOC_目标将等于电池的期望电量状态SOC_期望，即，等于用户在其出发时间期望获得的电量状态。相比之下，在电网上可用的电力对应于低CO2排放量的日子，要达到的每日目标电量状态SOC_目标将更高。因此，电池将在较低CO2排放量的日子被充电更多。

图3以直方图的形式展示了要达到的每日目标电量状态SOC_目标随要达到的灵活性范围的百分比K而在一周内的变化的示例，该百分比是根据以上列出的原则、基于一周内CO2排放量的平均值CO2_week-avg和每天CO2排放量的平均值CO2_day-avg而每天计算的。在图3中，每个每日直方图涂灰色阴影的部分表示期望电量状态水平SOC_期望，并且每个直方图未涂灰色阴影的部分表示由此产生的相对于电池的标称容量的允许灵活性范围，以水平线表示的要达到的每日目标电量状态SOC_目标在该灵活性范围中的位置取决于系数K的值，该系数可以取决于任何CO2排放量水平来取0％到100％之间的值。

以同样的方式，为了计算一天内的理想充电分配，将在时刻t的CO2排放量水平CO2_当前与每天CO2排放量的平均值CO2_day-avg进行比较，以便使得仅在CO2排放量水平低于平均值的时刻才请求充电。因此，计算以下内容：

[数学公式11]

Δ_{CO2_day}＝CO2_day-avg-CO2_当前。

随后，将分配归一化：

[数学公式12]

因此，获得相当于理想充电曲线R_理想但是是基于CO2排放量计算的充电曲线R_车队。然后将该充电曲线R_车队定义为基于CO2排放量计算的、以每一刻钟(或另一采样增量)的百分比表示的一周内每天的充电分配，如以上所解释的。一天中所有(正和负)百分比的总和必须等于0。该理想充电曲线对应于所有车辆为了实现每日目标电量状态SOC_目标而要遵循的曲线。

图4是展示了一天内这样的充电分配的示例的曲线图。当在时刻t的CO2排放量水平CO2_当前低于当天的CO2排放量平均值CO2_day-avg时，信号R_理想对应于正电量百分比，这意味着该时刻适合于在电池连接到电网以对其再充电的情况下进行充电。相比之下，当在时刻t的CO2排放量水平CO2_当前上升到高于当天的CO2排放量平均值CO2_day-avg时，信号R_车队对应于负电量百分比，这意味着该时刻替代地适合于在车辆的电池连接到可逆充电装置的情况下将储存在电池中的能量返回到配电网。每一刻钟的电量百分比的绝对值会随着在时刻t的CO2排放量水平CO2_当前与当天的CO2排放量平均值CO2_day-avg之间的差增加而增加。

在几天内且优选地在一周内对要达到的每日电量状态(即，对根据用户的移动能力要求而定义的每日充电目标)进行控制有利地使得可以最大程度地利用电网上由风力涡轮机和太阳能发电厂提供的可用电力。这允许在从CO2排放量的角度和从经济的角度(这两个因素高度相关)来看均为最优的时刻对电池进行充电。

此外，该方法可以容易地适配于电网管理器的需求。具体地，其足以使得用于预测CO2排放量的模型的规模适配于获得例如对与地区相对应的规模的控制，从而允许避免电网拥塞，或者足以使其返回到在全国规模上预测CO2排放量的模型从而平衡需求。在设施的规模上使用该方法以优化自消耗也是可能的。

用于预测CO2排放量以确定最优充电曲线的输入模型允许与每个电池相关联的充电管理器计算针对一组电动车辆中的每个车辆的充电请求，这允许跟踪最适合充电而不会对配电网的消耗造成任何不连续并且因此不会对电网造成任何其他中断的时刻，并且允许在考虑到与几天内的发电相关的CO2排放量差异的同时实现所有这些。

有利地，预先计算出的充电曲线R_车队是由所有车辆(尤其当其是一大组车辆时)遵循的充电曲线。然而，作为变型，对于较小的一组车辆，其对配电网的影响将会较小，寻求使充电时间集中在可以从CO2排放量的角度并且因此从经济的角度确定为最有利的时间可能是更有利的。为此，通过应用以下方法来定义称为“集中”充电曲线R_{fleet_concentrated}的能够定义这些充电时间的理想充电曲线：

[数学公式13]

如果R_车队＞0，则

否则

其中，c是包括在1到无穷大之间的集中度系数(根据该组车辆的大小来定义)。当c＝1时，不应用集中且R_{fleet_concentrated}＝R_车队。

再次，将分配归一化：

[数学公式14]

如果R_{fleet_concentrated}＞0，则：

R_{fleet_concentrated_pos}＝R_{fleet_concentrated}

R_{fleet_concentrated_neg}＝0。

如果R_{fleet_concentrated}＜0，则：

R_{fleet_concentrated-pos}＝0

R_{fleet_concentrated_neg}＝R_{fleet_concentrated}。

然后为该组车辆推导出最终充电曲线R_fleet-final：

[数学公式15]

如果R_{fleet_concentrated}＞0，则：

否则，

因此，对于包含几辆车辆的组，将选择较高的集中度系数c，因为这将允许在从CO2排放量角度来看最有利的时间对车辆进行充电，由于相对于总体电力消耗而言较少量的车辆产生了较小的影响，因此不会产生真正的电网不连续。该组车辆越大，则集中度系数c越低，因此使得将尽可能满足电网限制。

Claims (9)

1.一种用于对向用电器(VE)供应电力的至少一组电池的充电进行最优地管理的方法，其中，在每个电池连接到配电网(20)的至少一个时间间隔期间，根据由充电聚合器(10)提供的充电曲线(R_理想，R_车队)，通过在与每个电池相关联的充电管理器的控制下施加与所述时间间隔相关联的充电功率水平来对每个电池进行再充电，其特征在于：在聚合器端，将所述充电曲线(R_理想，R_车队)定义为在给定时间段内每天的充电分配曲线，该充电曲线是仅取决于特定于该配电网的限制针对所有电池定义的，这些限制至少包括该电网上可用的电力；将所述充电分配曲线从该聚合器传输到每个充电管理器；以及在充电管理器端，使所述所接收的充电分配曲线适配于所述电池连接到该电网的所述至少一个时间间隔以及所述相关联的充电功率水平；并且其特征在于，为所有这些电池确定表示每天要达到的相对于该充电管理器所允许的灵活性范围的百分比的系数(K)，该范围取决于该电池的标称容量和每天的期望最小电量状态(SOC_期望)来定义，并且根据所述系数和所述每天的期望最小电量状态来计算要达到的每日目标电量状态(SOC_目标)。

2.如权利要求1所述的方法，其特征在于，通过跟踪该充电分配曲线来控制通过该电网对每个电池进行充电和放电的时刻。

3.如权利要求1或2所述的方法，其特征在于，根据与在所述给定时段内该配电网上的发电相关联的CO2排放量来确定所述充电曲线。

4.如权利要求3所述的方法，其特征在于，接收用于预测CO2排放量的模型，从该模型中推导出在所述给定时段内的CO2排放量的平均值(CO2_week-avg)和每天的CO2排放量的平均值(CO2_day-avg)，并且将在时刻t的CO2排放量水平(CO2_当前)与每天的CO2排放量的平均值(CO2_day-avg)进行比较，使得所述充电曲线被适配于仅在该CO2排放量水平低于该每天的平均值的时刻才命令充电。

5.如前述权利要求中任一项所述的方法，其特征在于，所述充电分配曲线(R_理想，R_车队)是以相对于给定采样增量时间的电量百分比来计算的。

6.如前述权利要求中任一项所述的方法，其特征在于，所述给定时间段对应于一周的时间段。

7.如前述权利要求中任一项所述的方法，其特征在于，基于要达到的该每日目标电量状态与该电池的当前电量状态之间的比较来确定在每个时间间隔期间的所述充电功率水平。

8.如前述权利要求中任一项所述的方法，其特征在于，每天要达到的相对于该充电管理器所允许的灵活性范围的百分比(K)随着与在所述给定时段内该配电网上的发电相关联的该CO2排放量水平相反地变化。

9.如前述权利要求中任一项所述的方法，其特征在于，该组电池由一队电动车辆或可再充电混合动力车辆的牵引电池组成。

Images