CN113361817B - 电池成本和充电成本优化方法及应用 - Google Patents

电池成本和充电成本优化方法及应用 Download PDF

Info

Publication number
CN113361817B
CN113361817B CN202110768250.XA CN202110768250A CN113361817B CN 113361817 B CN113361817 B CN 113361817B CN 202110768250 A CN202110768250 A CN 202110768250A CN 113361817 B CN113361817 B CN 113361817B
Authority
CN
China
Prior art keywords
charging
energy consumption
cost
battery
optimizing
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
CN202110768250.XA
Other languages
English (en)
Other versions
CN113361817A (zh
Inventor
曾伟良
刘盼龙
廖立
邱高阳
黄永慧
孙为军
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202110768250.XA priority Critical patent/CN113361817B/zh
Publication of CN113361817A publication Critical patent/CN113361817A/zh
Application granted granted Critical
Publication of CN113361817B publication Critical patent/CN113361817B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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"
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • Computational Linguistics (AREA)
  • Power Engineering (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Transportation (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Biomedical Technology (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

为了解决现有技术的不足，本发明提供一种电池成本和充电成本优化方法及应用，包括：构建优化模型，建立目标函数以及约束条件；在考虑额外附加能耗的前提下，构建无线充电能耗模型；采用线性递减惯性权重的粒子群算法，利用速度、加速度数据以及实际运行场景设置参数，结合所述能耗模型获得能耗；将所述能耗利用所述优化模型进行优化，设定分时电价为参数，以充电成本为适应度函数，进行优化求解，得到优化的充电策略以及充电成本。然后以总成本为目标函数，得到优化的电池成本以及总成本。本发明使用无线充电技术，利用分时电价引导充电，构建详细的能耗模型使得电池剩余电量更准确，也提高了优化结果的准确性。

Description

电池成本和充电成本优化方法及应用
技术领域
本发明涉及系统优化技术领域，特别涉及一种电池成本和充电成本优化方法及应用。
背景技术
传统的电动汽车多采用“插入式”充电，而最近几年无线充电电动汽车备受关注。无线充电技术在电动汽车的应用主要分为动态充电与静态充电两种模式。静态充电模式为电动汽车停在车位进行无线充电。动态充电模式是电动汽车在行驶过程中与埋藏在路面下的充电轨道进行无物理连接的能量传递，能有效的消除行驶过程中的电池焦虑和减小电池规格。无线充电电动公交车的成本主要包括：充电轨道成本、电池成本、充电成本。
在无线充电成本优化方面，目前的研究主要是针对无线充电轨道以及电池成本的优化，韩国高级科学技术研究所先后提出了针对单、多路线混合的无线充电公交车的充电轨道成本以及电池成本的优化方法，但是上述研究方法中并没有对能耗模型进行详细的说明解释，且缺少对充电成本优化的研究；同时，基于分时电价引导有序充电策略的研究虽较多，但是其充电模式都为“插入式”充电，需在充电时停止服务，且并没有考虑电池容量对于总成本的影响。
发明内容
为了解决现有技术的不足，本发明提供一种电池成本和充电成本优化方法及应用，用于至少解决背景技术中的一个技术问题。
本发明所采用的技术方案是：
一种电池成本和充电成本优化方法，包括：
构建优化模型，建立目标函数以及约束条件；
在考虑额外附加能耗的前提下，构建能耗模型；
采用线性递减惯性权重的粒子群算法，利用速度、加速度数据以及实际运行场景设置参数，结合所述能耗模型获得能耗；
将所述能耗利用所述优化模型进行优化，设定分时电价为参数，以充电成本为适应度函数，进行优化求解，得到优化的充电策略以及充电成本。
所述目标函数为：
Figure BDA0003148357440000021
其中，Wz为总成本；kr是运行天数；
Figure BDA0003148357440000022
为充电成本模型；keE0为电池成本函数。
所述约束条件包括：
电池剩余电量约束和定解条件约束。
所述电池剩余电量约束为：
Figure BDA0003148357440000023
Figure BDA0003148357440000024
其中，
Figure BDA0003148357440000025
为第i次充电开始时刻的电池剩余电量，
Figure BDA0003148357440000026
为第i次充电结束时刻的电池剩余电量，px为能耗，σ为充电功率转换系数，klow为设定的电池剩余电量下限系数。
所述定解条件约束如下：
Figure BDA0003148357440000031
E(t0)＝E0
其中，
Figure BDA0003148357440000032
为车辆到达第i个充电轨道时充电时刻上下限；
Figure BDA0003148357440000033
为轨道部署位置的上下限；电池容量为E0。
所述“在考虑额外附加能耗的前提下，构建能耗模型”，包括：
所述能耗模型为：Px＝Pd/β+Pu；其中，β为发动机功率转换系数；附加能耗为Pu；发动机有效功率为Pd。
所述线性递减惯性权重的粒子群算法表述为：
Figure BDA0003148357440000034
上式中wmax最大惯性权重，wmin最小惯性权重，k当前迭代次数，K为总迭代次数，w为惯性权重。
所述“利用速度、加速度数据以及实际运行场景设置参数，结合所述能耗模型获得能耗”，包括：
利用速度，加速度数据以及实际运行场景设置参数，结合所述能耗模型获得能耗Px；
将能耗Px以矩阵形式带入所述优化模型中：
Px＝[p(1)，p(2)…p(t)]；其中，t为电动公交车的运行时刻，p(t)为该时刻对应的能耗
将充电时刻上，下限：
Figure BDA0003148357440000035
以矩阵形式带入到优化模型中：
Figure BDA0003148357440000041
其中，i＝1，2……n。
一种如上所述的电池成本和充电成本优化方法在公交车无线充电成本优化方面的应用。
本发明的有益效果是：本发明通过引入能耗模型，以总成本为目标函数，对电池容量和充电策略进行优化；并且以充电成本为适应度函数，得到优化的充电策略和充电成本。本发明能够通过目标函数，得到不同单位电池成本系数下最优的电池容量以及总成本；还可以根据需要对充电策略中每次充电的起止时间进行决策。
本发明使用无线充电技术，利用分时电价引导充电，相对于传统“插入式”充电，能保证公交车在运行过程中充电，不会因为充电而停止服务，同时也能降低充电成本以及电池成本；对比于之前无线充电公交系统成本优化的研究，本发明创新的引入了详细的能耗模型，使得电池剩余电量更准确，也提高了优化结果的准确性。
附图说明
图1为本发明的优化模型决策变量图。
图2为本发明所述方法的流程图。
具体实施方式
下面结合附图对本申请进行进一步的说明。
本发明提供一种实施例：
如图1～2，本发明所述的电池成本和充电成本优化方法应用在公交车无线充电领域时，其具体步骤如下：
步骤1：建立优化模型
步骤1.1建立优化目标函数
电池成本函数如下：
We＝keE0
上式中We为电池成本，ke是单位电池成本系数，E0为电池容量。
充电成本函数如下：
Figure BDA0003148357440000051
上式中Wc为充电成本，
Figure BDA0003148357440000052
是第i次充电开始时刻，
Figure BDA0003148357440000053
第i次充电结束时刻。y(t)是不同充电时刻对应的电价，pc为充电功率，n为电动公交车运行结束时经过充电轨道的总次数。
步骤：1.2本发明目的是对电池和充电总成本进行优化，其目标函数为：
Figure BDA0003148357440000054
其中Wz为总成本，电池成本和充电成本之和。kr是电动公交车运行天数。
通过图1以及目标函数可知，决策变量主要为充电起止时间以及电池容量。由n个充电开始时刻ts和充电结束时刻tf组成的有序充电策略Tn。图1中的充电轨道位置上下限
Figure BDA0003148357440000055
通过速度位移关系公式投影到时间维度上。
Figure BDA0003148357440000056
步骤1.3建立约束条件
约束条件主要为电池剩余电量约束以及定解条件约束。其电池剩余电量约束如下：
Figure BDA0003148357440000061
Figure BDA0003148357440000062
其中还
Figure BDA0003148357440000063
为第i次充电开始时刻的电池剩余电量，
Figure BDA0003148357440000064
为第i次充电结束时刻的电池剩余电量，px为消耗功率，σ为充电功率转换系数，klow为设定的电池剩余电量下限系数。第一个公式指在整个非充电轨道路段，电池剩余电量应高于设定的klowEo；第二个公式指在整个充电轨道且进行充电时，电池剩余电量应不高于电池额定容量。
定解条件约束如下：
Figure BDA0003148357440000065
E(t0)＝E0
第一个公式主要说明充电时刻受充电轨道部署的情况约束，其中的
Figure BDA0003148357440000066
为车辆到达第i个充电轨道时充电时刻上下限，通过速度位移公式将轨道部署的位置
Figure BDA0003148357440000067
投影到时间维度上得到。第二个公式主要说明在电动公交车开始运行时起初始电池电量为电池容量E0。
步骤2：建立能耗模型
步骤2.1：本步骤通过建立能耗模型对于步骤1.3中消耗功率px进一步说明。
根据汽车行驶理论，
Pd＝Pf+Pw+Pi+Pj
上式中Pd为汽车发电机提供的有效功率，滚动阻力功率为Pf，坡度阻力功率为Pi，空气阻力功率为Pw，加速阻力功率为Pj。
易知发电机提供的有效功率Pd为：
Figure BDA0003148357440000071
上式中m为公交车重量，g重力加速度，θ为道路倾斜度，a(t)，v(t)为行驶过程中的加速度和速度。Af为车辆受空气阻力的面积，ρair为空气质量密度，CD为空气阻力系数，
其中滚动阻力系数f：
Figure BDA0003148357440000072
Cr，c1，c2为滚动阻力参数，分别根据路面类型、路况和车辆轮胎类型而变化。上述能耗模型并未考虑到空调，广播系统等额外附加能耗，故添加附加能耗Pu，所以该无线充电电动汽车消耗功率Px为：
Px＝Pd/β+Pu
β为发动机功率转换系数。
步骤3采用粒子群算法优化
步骤3.1采用改进的粒子群算法
本发明的优化问题是一个复杂的带有多个不等式约束的多维度的优化问题，采用粒子群算法作为求解算法，是因为粒子群算法对于求解该类优化问题具有较强的鲁棒性，且其参数设置相对简单，求解速度较快。
本发明采用的是线性递减惯性权重的粒子群算法：
Figure BDA0003148357440000073
上式中wmax最大惯性权重，wmin最小惯性权重，k当前迭代次数，K为总迭代次数。随着当前迭代次数的增加，w惯性权重渐渐减少，以达到前期全局搜索能力强，后期局部搜索能力强。
步骤3.2将数据输入算法，进行优化求解
利用速度，加速度数据以及根据电动公交车实际运行场景设置参数，结合能耗模型求出该电动公交车的能耗Px，将Px以矩阵形式先带入优化模型中。
Px＝[p(1)，p(2)…p(t)]
这样也可以大幅度的减少该优化模型的复杂度以及算法的运行时间。
将充电时刻上下限
Figure BDA0003148357440000081
以矩阵形式带入到优化模型中：
Figure BDA0003148357440000082
设定分时电价，充电功率等参数，以充电成本为适应度函数，利用粒子群算法进行优化求解，得到优化的充电策略以及充电成本。以总成本为目标函数，得到优化的电池容量以及总成本。
一种电子装置，包括：存储介质和处理单元；存储介质，用于存储计算机程序；处理单元与所述存储介质进行数据交换，用于在进行电池成本和充电成本优化时，通过所述处理单元执行所述计算机程序，进行如上所述的电池成本和充电成本优化方法的步骤。
上述的电子装置中，存储介质优选为，移动硬盘或固态硬盘或U盘等存储设备；处理单元，优选为CPU，与所述存储介质进行数据交换，用于在进行电池成本和充电成本优化时，通过所述处理单元执行所述计算机程序，进行如上所述的电池成本和充电成本优化方法的步骤。
上述CPU可以根据存储在存储介质中的程序执行各种适当的动作和处理。所述电子设备还包括以下外设，包括键盘、鼠标等的输入部分，也可以包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分；特别地，根据本发明公开的实施例，如图2中任一描述的过程均可以被实现为计算机软件程序。
本发明提供的一种实施例，包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行如图2中任一所述流程图所示的方法的程序代码。该计算机程序可以从网络上被下载和安装。在该计算机程序被CPU执行时，执行本发明的系统中限定的上述功能。
本发明提供还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序；所述计算机程序在运行时，执行如上所述的电池成本和充电成本优化方法步骤。在本发明中，计算机可读的存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。上述本发明序号仅仅为了描述，不代表实施场景的优劣。

Claims (8)

1.一种电池成本和无线充电成本优化方法，其特征在于，包括：
构建优化模型，建立目标函数以及约束条件；
在考虑额外附加能耗的前提下，构建能耗模型；
采用线性递减惯性权重的粒子群算法，利用速度、加速度数据以及实际运行场景设置参数，结合所述能耗模型获得能耗；
将所述优化模型利用所述能耗进行优化，设定分时电价为参数，以充电成本为适应度函数，进行优化求解，得到优化的充电策略以及充电成本；
所述“在考虑额外附加能耗的前提下，构建能耗模型”，包括：
所述能耗模型为：Px＝Pd/β+Pu；其中，β为发动机功率转换系数；附加能耗为Pu；发动机有效功率为Pd；
所述“利用速度、加速度数据以及实际运行场景设置参数，结合所述能耗模型获得能耗”，包括：
利用速度，加速度数据以及实际运行场景设置参数，结合所述能耗模型获得能耗Px；
将能耗Px以矩阵形式带入所述优化模型中：
Px＝[p(1)，p(2)...p(t)]；其中，t为电动公交车的运行时刻，p(t)为该时刻对应的能耗；
将充电时刻上，下限：
Figure FDA0003508499230000011
以矩阵形式带入到优化模型中：
Figure FDA0003508499230000012
其中，i＝1，2……n；
所述额外附加能耗，包括：
电动公交车的空调或/和广播系统的能耗。
2.根据权利要求1所述的一种电池成本和无线充电成本优化方法，其特征在于：
所述目标函数为：
Figure FDA0003508499230000021
其中，Wz为总成本；kr是运行天数；
Figure FDA0003508499230000022
为充电成本模型；keE0为电池成本函数；
Figure FDA0003508499230000023
是第i次充电开始时刻，
Figure FDA0003508499230000024
第i次充电结束时刻；pc为充电功率，n为电动公交车运行结束时经过充电轨道的总次数；y(t)是不同充电时刻对应的电价。
3.根据权利要求1所述的一种电池成本和无线充电成本优化方法，其特征在于：
所述约束条件包括：
电池剩余电量约束和定解条件约束。
4.根据权利要求3所述的一种电池成本和无线充电成本优化方法，其特征在于：
所述电池剩余电量约束为：
Figure FDA0003508499230000025
Figure FDA0003508499230000026
其中，
Figure FDA0003508499230000031
为第i次充电开始时刻的电池剩余电量；
Figure FDA00035084992300000312
为第i-1次充电结束时刻的电池剩余电量；
Figure FDA0003508499230000033
是第i次充电开始时刻；
Figure FDA00035084992300000313
第i-1次充电结束时刻；px为能耗；klow为设定的电池剩余电量下限系数；E0为电池容量；
Figure FDA0003508499230000035
为第i次充电结束时刻的电池剩余电量；
Figure FDA0003508499230000036
第i次充电结束时刻；σ为充电功率转换系数；pc为充电功率。
5.根据权利要求3所述的一种电池成本和无线充电成本优化方法，其特征在于：
所述定解条件约束如下：
Figure FDA0003508499230000037
E(t0)＝E0
其中，
Figure FDA0003508499230000038
为车辆到达第i个充电轨道时充电时刻上下限；
Figure FDA0003508499230000039
是第i次充电开始时刻；
Figure FDA00035084992300000310
第i次充电结束时刻；E0为电池容量。
6.根据权利要求1所述的一种电池成本和无线充电成本优化方法，其特征在于：
所述线性递减惯性权重的粒子群算法表述为：
Figure FDA00035084992300000311
上式中wmax最大惯性权重，wmin最小惯性权重，k当前迭代次数，K为总迭代次数，w为惯性权重。
7.一种如权利要求1～6任一权利要求所述的电池成本和无线充电成本优化方法在公交车无线充电成本优化方面的应用。
8.一种电子装置，包括：存储介质和处理单元；存储介质，用于存储计算机程序；处理单元与所述存储介质进行数据交换，用于在进行电池成本和无线充电成本优化时，通过所述处理单元执行所述计算机程序，进行如权利要求1～6任一权利要求所述的电池成本和无线充电成本优化方法的步骤。
CN202110768250.XA 2021-07-05 2021-07-05 电池成本和充电成本优化方法及应用 Active CN113361817B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110768250.XA CN113361817B (zh) 2021-07-05 2021-07-05 电池成本和充电成本优化方法及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110768250.XA CN113361817B (zh) 2021-07-05 2021-07-05 电池成本和充电成本优化方法及应用

Publications (2)

Publication Number Publication Date
CN113361817A CN113361817A (zh) 2021-09-07
CN113361817B true CN113361817B (zh) 2022-04-22

Family

ID=77538612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110768250.XA Active CN113361817B (zh) 2021-07-05 2021-07-05 电池成本和充电成本优化方法及应用

Country Status (1)

Country Link
CN (1) CN113361817B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3080335B1 (fr) * 2018-04-19 2020-11-06 Electricite De France Systeme optimise de recharge dynamique de vehicules electriques
DE102018114593A1 (de) * 2018-06-18 2019-12-19 TOP KA-Projekt GmbH Ladesystem zur dynamischen Aufladung von Elektrofahrzeugen
CN112036719B (zh) * 2020-08-20 2022-07-29 南京邮电大学 一种通过公交车网络无线充电的电动汽车路径调度方法
CN113029182B (zh) * 2021-04-23 2024-02-13 河南大学 一种考虑无线充电和动态能耗的电动汽车路径规划方法

Also Published As

Publication number Publication date
CN113361817A (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
Song et al. Pontryagin’s minimum principle-based real-time energy management strategy for fuel cell hybrid electric vehicle considering both fuel economy and power source durability
CN105416077B (zh) 一种电动汽车的能量管理系统及管理方法
CN112193116B (zh) 一种考虑奖励机制的电动汽车充电优化引导策略
CN110549896B (zh) 一种基于强化学习的充电站选择方法
CN113283623A (zh) 兼容储能充电桩的电动运载工具电量路径规划方法
CN113511082A (zh) 基于规则和双深度q网络的混合动力汽车能量管理方法
CN109572478B (zh) 充电站电动汽车在线平稳充电系统及方法
CN111645685B (zh) 一种经济车速的规划方法、装置、存储介质及设备
CN108515963A (zh) 一种基于its系统的插电式混合动力汽车能量管理方法
CN109050284A (zh) 一种考虑v2g的电动汽车充放电电价优化方法
CN111267827A (zh) 一种混合动力汽车能量管理方法和系统
CN115495997A (zh) 一种基于异构多智能体深度强化学习的新能源汽车生态驾驶方法
CN112488536A (zh) 基于博弈论的区域内电动汽车充电调度方法
CN110962684B (zh) 电动汽车能源管理与分配方法
CN107067130A (zh) 一种基于电动汽车马尔可夫充电需求分析模型的快速充电站容量规划方法
CN115476841A (zh) 一种基于改进多目标ddpg的插电式混动汽车能量管理方法
Huang et al. Training-efficient and cost-optimal energy management for fuel cell hybrid electric bus based on a novel distributed deep reinforcement learning framework
CN113361817B (zh) 电池成本和充电成本优化方法及应用
Kong et al. A data-driven energy management method for parallel PHEVs based on action dependent heuristic dynamic programming (ADHDP) model
Yao et al. Simulation-based optimization framework for economic operations of autonomous electric taxicab considering battery aging
CN117371739A (zh) 一种车辆充电管理方法、装置、电子设备及存储介质
Mei et al. Remaining driving range prediction for electric vehicles: Key challenges and outlook
CN117207819A (zh) 一种基于混合线性整数规划模型的电动汽车充电引导方法及系统
CN113183827A (zh) 一种基于人工智能的新能源电动汽车行驶智能云中控管理平台
CN116461348A (zh) 电机主动降效加热电池的控制方法、装置、设备及介质

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