CN113452056B - 电池换电柜的充电控制方法及系统、设备、存储介质 - Google Patents

电池换电柜的充电控制方法及系统、设备、存储介质 Download PDF

Info

Publication number
CN113452056B
CN113452056B CN202110842927.XA CN202110842927A CN113452056B CN 113452056 B CN113452056 B CN 113452056B CN 202110842927 A CN202110842927 A CN 202110842927A CN 113452056 B CN113452056 B CN 113452056B
Authority
CN
China
Prior art keywords
charging
battery
sequence
power
electricity price
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
CN202110842927.XA
Other languages
English (en)
Other versions
CN113452056A (zh
Inventor
黄潇成
张开
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 Tengineer Aiot Tech Co ltd
Original Assignee
Beijing Tengineer Aiot Tech 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 Tengineer Aiot Tech Co ltd filed Critical Beijing Tengineer Aiot Tech Co ltd
Priority to CN202110842927.XA priority Critical patent/CN113452056B/zh
Publication of CN113452056A publication Critical patent/CN113452056A/zh
Application granted granted Critical
Publication of CN113452056B publication Critical patent/CN113452056B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • H02J7/0049—Detection of fully charged condition
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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

Landscapes

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

Abstract

本发明公开了一种电池换电柜的充电控制方法及系统、设备、存储介质，所述充电控制方法基于对用户未来的换电需求进行预测，并根据换电柜内现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划，制定的充电计划可以结合电网公司按电网尖峰评估时间段实行的电费阶梯计费方式，在尽量保证换电柜电池满足供应需求的前提下，将电池充电时间尽量安排在用电低谷期，起到降低电费、削峰填谷、降低台区变压器容量压力的作用，从而大大降低了换电柜的运营成本，并且还可以减少碳排放，促进可再生能源消纳的作用。

Description

电池换电柜的充电控制方法及系统、设备、存储介质
技术领域
本发明涉及电池充电控制技术领域，特别地，涉及一种电池换电柜的充电控制方法及系统、设备、计算机可读取的存储介质。
背景技术
电池换电柜是一种用于存放电池并进行电池出租的设备，其外形类似储物柜，换电柜内设置有多个电池仓，每个电池仓存储有一个电池，柜体上设置有显示屏或二维码，用户可以通过显示屏或二维码进行付费操作，向系统支付费用后，柜子自动控制柜门开启来完成电池出租。目前，市场上的电池换电柜的主要用户为外卖员。同时，每个换电柜都自带充电装置，待用户将电量耗尽的电池归还至换电柜后，换电柜可以自动给电池充电。
但是，目前电池换电柜没有制定合理的充电计划，通常都是在电池归还至换电柜后对电量耗尽的电池充满电后再进行出租，一方面导致电费成本高，极大地增加了换电柜的运营成本，另一方面，若很多个电池同时充电，会给换电柜所属的变压器带来较大的容量压力。
发明内容
本发明提供了一种电池换电柜的充电控制方法及系统、设备、计算机可读取的存储介质，以解决现有的电池换电柜未制定合理的充电计划而导致运营成本高的技术问题。
根据本发明的一个方面，提供一种电池换电柜的充电控制方法，包括以下内容：
换电柜上电后，检测现存电池的电量情况并统计满电电池、待充电电池和正在充电电池的数量；
对用户的换电需求进行预测；
基于现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划；
按照制定好的充电计划对换电柜内的电池进行充电控制。
进一步地，所述对用户的换电需求进行预测的过程包括以下内容：
获取历史天气数据、历史换电需求数据和未来天气数据，并将其输入至训练好的LSTM预测模型中进行换电需求预测。
进一步地，所述基于现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划的过程包括以下内容：
获得未来预设时长内的用电成本序列；
设置谷期电价阈值，将所述用电成本序列中用电成本低于谷期电价阈值的时间段设为谷期电价段，将其余时间段设为峰期电价段；
获取换电柜内所有电池的剩余充电时长序列，并计算得到当谷期电价段全部用于充电时换电柜中的可用电池数量序列；
将所述可用电池数量序列与预测得到的未来预设时长内的换电需求序列进行比较，若所述可用电池数量序列能够满足换电需求序列，则制定的充电计划为谷时充电策略。
进一步地，当所述可用电池数量序列无法满足换电需求序列时，还包括以下内容：
将所述可用电池数量序列与换电需求序列进行比较，得到无法满足换电需求的第一时间点，并计算得到所述第一时间点满足换电需求还需要的电池数量k；
根据谷时充电策略，将换电柜中剩余未充满电的电池按照剩余充电时间从小到大进行排序，选取前k块电池，并基于充电成本最低化的原则制定该k块电池在未来预设时长内的充电策略；
针对无法满足换电需求的所有时间点，依次重复执行上述内容。
进一步地，所述基于充电成本最低化的原则制定该k块电池在未来预设时长内的充电策略的过程包括以下内容：
在所述用电成本序列上找到电价最低点作为充电起始点A，并选择点A之后电价最低的U-1个点，计算得到此时的充电成本W1，其中U个点的时长等于电池的剩余充电时间，若点A之后的剩余可分配时长小于电池的剩余充电时间，则跳过电价最低点；
选择电价最低点之前电价最低的一个点作为新的充电起始点A，重复上述内容，计算得到此时的充电成本W2；
重复进行选择计算，直到不再存在比上一步选择的U个点的电价更小的点，获得充电成本序列W＝[W1，W2，W3，、、、，WZ]；
筛选出充电成本最小者，并根据其对应选择的U个时间点进行充电。进一步地，基于以下公式计算电池的充电成本：
W＝∑P(t)*Pr ice(t)*L(t)
其中，P(t)表示充电功率，Price(t)表示电价，L(t)表示电池的充电时间。
进一步地，所述未来预设时长内的用电成本序列基于每日的电力尖峰平谷情况、当地电费费率政策、换电柜所属本地新能源出力情况和换电柜所属变压器的可开放容量计算得到。
另外，本发明还提供一种电池换电柜的充电控制系统，包括：
电量检测模块，用于在换电柜上电后，检测现存电池的电量情况并统计满电电池、待充电电池和正在充电电池的数量；
换电需求预测模块，用于对用户的换电需求进行预测；
充电计划制定模块，用于基于现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划；
执行模块，用于按照制定好的充电计划对换电柜内的电池进行充电控制。
另外，本发明还提供一种设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。
另外，本发明还提供一种计算机可读取的存储介质，用于存储对电池换电柜进行充电控制的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
本发明具有以下效果：
本发明的电池换电柜的充电控制方法，基于对用户未来的换电需求进行预测，并根据换电柜内现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划，制定的充电计划可以结合电网公司按电网尖峰评估时间段实行的电费阶梯计费方式，在尽量保证换电柜电池满足供应需求的前提下，将电池充电时间尽量安排在用电低谷期，起到降低电费、削峰填谷、降低台区变压器容量压力的作用，从而大大降低了换电柜的运营成本。
另外，本发明的电池换电柜的充电控制系统、设备、计算机可读取的存储介质同样具有上述优点。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的电池换电柜的充电控制方法的流程示意图。
图2是本方法优选实施例中采用Encoder-Decoder框架的LSTM预测模型的模型架构示意图。
图3是图1中步骤S3的子流程示意图。
图4是图1中步骤S3的另一具体实施方式的子流程示意图。
图5是本发明中电池的充电功率变化曲线示意图。
图6是本发明另一实施例的电池换电柜的充电控制系统的模块结构示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由下述所限定和覆盖的多种不同方式实施。
如图1所示，本发明的优选实施例提供一种电池换电柜的充电控制方法，包括以下内容：
步骤S1：换电柜上电后，检测现存电池的电量情况并统计满电电池、待充电电池和正在充电电池的数量；
步骤S2：对用户的换电需求进行预测；
步骤S3：基于现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划；
步骤S4：按照制定好的充电计划对换电柜内的电池进行充电控制。
可以理解，本实施例的电池换电柜的充电控制方法，基于对用户未来的换电需求进行预测，并根据换电柜内现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划，制定的充电计划可以结合电网公司按电网尖峰评估时间段实行的电费阶梯计费方式，在尽量保证换电柜电池满足供应需求的前提下，将电池充电时间尽量安排在用电低谷期，起到降低电费、削峰填谷、降低台区变压器容量压力的作用，从而大大降低了换电柜的运营成本。
可以理解，在所述步骤S1中，将换电柜连接至220V单相电源或380V三相电源后，换电柜可以通过RS485通信模组与换电柜中各个电池的BMS系统进行通信，获得各个电池的电量情况，从而统计出满电电池、待充电电池和正在充电电池的数量。
可以理解，所述步骤S2具体包括以下内容：
获取历史天气数据、历史换电需求数据和未来天气数据，并将其输入至训练好的LSTM预测模型中进行换电需求预测。
其中，本申请发明人考虑到天气因素对于换电需求的影响较大，故采用天气因素作为主要影响因子对用户换电需求进行预测。具体地，将历史天气数据转化为实时天气因子，分辨率为每15min一个点，而历史换电需求数据也保存为每15min一个点，从而可以得到每个时间点所对应的实时天气因子与换电需求量，对其进行归一化处理后可以得到一个向量A＝[weather，needs]，从而可以构建出用于预测输入的多个输入序列X＝[A1、A2、A3、…、An]。如图2所示，所述LSTM预测模型采用的是Encoder-Decoder的框架，输入序列X作为Encoder的输入，未来天气情况序列M＝[M1、M2、M3、...、Mm]作为Decoder的输入，Y＝[y1、y2、y3、…、ym]则为Decoder的输出，即换电需求预测结果。在本发明中，每个15min对过去的n个数据进行输入，通过训练好的预测模型可以得到未来m个时间点的换电需求数据。其中，所述LSTM预测模型的训练过程为现有技术，故在此不再赘述。
另外，在本发明的其它实施例中，所述步骤S2中也可以采用SVR、ARIMA等模型对用户换电需求进行预测。
另外，作为优选的，为了给电池数量保留裕量，使用户有更好的换电体验，在预测模型输出换电需求预测结果后，将预测结果乘以系数L，L的取值大于1，一般取1.2。
可以理解，如图3所示，所述步骤S3具体包括以下内容：
步骤S31：获得未来预设时长内的用电成本序列；
步骤S32：设置谷期电价阈值，将所述用电成本序列中用电成本低于谷期电价阈值的时间段设为谷期电价段，将其余时间段设为峰期电价段；
步骤S33：获取换电柜内所有电池的剩余充电时长序列，并计算得到当谷期电价段全部用于充电时换电柜中的可用电池数量序列；
步骤S34：将所述可用电池数量序列与预测得到的未来预设时长内的换电需求序列进行比较，若所述可用电池数量序列能够满足换电需求序列，则制定的充电计划为谷时充电策略。
具体地，所述未来预设时长内的用电成本序列可以基于每日的电力尖峰平谷情况、当地电费费率政策、换电柜所属本地新能源出力情况和换电柜所属变压器的可开放容量计算得到，具体的计算过程为现有技术，故在此不再赘述。未来预设时长可以选择4个小时、5个小时、6个小时等，可以根据实际需要进行调整，在后续的说明中以6个小时为例进行示范性说明。例如，获得未来6个小时的用电成本序列为P＝[p1、p2、p3、…、p24]，其中，每两个点之间的时间间隔为15min。
然后，在未来的6个小时用电周期中设置谷期电价阈值d，则用电成本序列P中用电成本小于谷期电价阈值d的时间段设置为谷期电价段，其余时间段则设置为峰期电价段。
设电池总数为N，通过每个电池的电量情况计算得到每个电池的剩余充电时间，从而得到所有电池的剩余充电时长序列T＝[t1、t2、t3、…、tN]，从而可以计算得到当谷期电价段全部用于充电时换电柜中的可用电池数量序列C＝[c1、c2、c3、…、c24]，其中c1表示第一个时间点(即第一个15min后)的满电电池数量，c24则表示第24个时间点(即6个小时后)的满电电池数量。当然，这里所指的满电电池指的是可以满足出租要求的电池，不一定是100％电量，也可以是90％电量，可以根据实际需要进行设定，在此不做具体限定。
然后，通过预测模型得到未来6个小时的换电需求序列Q＝[q1、q2、q3、…、q24]，然后将可用电池数量序列C与预测得到的换电需求序列Q进行比较，如果可用电池数量序列C可以满足换电需求序列Q，即24个时间点中的每个时间点，可用电池数量序列C中的可供电池数量均大于等于换电需求序列Q中的需求电池数量，则制定的充电计划为谷时充电策略，所有电池均在谷时电价段进行充电。例如，计算得到的可用电池数量序列C＝[4、5、6、6、…、10]，而预测得到的换电需求序列Q＝[2、3、3、6、…、9]，可见可用电池数量序列C中的每个数值都大于等于换电需求序列Q中对应的每个数值，即可用电池数量序列C可以满足换电需求序列Q。
可以理解，如图4所示，当所述可用电池数量序列无法满足换电需求序列时，所述步骤S3还包括以下内容：
步骤S35：将所述可用电池数量序列与换电需求序列进行比较，得到无法满足换电需求的第一时间点，并计算得到所述第一时间点满足换电需求还需要的电池数量k；
步骤S36：根据谷时充电策略，将换电柜中剩余未充满电的电池按照剩余充电时间从小到大进行排序，选取前k块电池，并基于充电成本最低化的原则制定该k块电池在未来预设时长内的充电策略；
步骤S37：针对无法满足换电需求的所有时间点，依次重复执行上述内容。
可以理解，当采用谷时充电策略无法满足预测的换电需求时，意味着有些电池需要在峰期电价段进行充电才能满足预测的换电需求，此时，对于这些需要在峰期电价段进行充电的电池制定单独的充电计划。
具体地，将可用电池数量序列C与预测得到的换电需求序列Q进行比较，得到无法满足换电需求的第一时间点，例如为t1，然后计算得到t1时间点满足换电需求还需要的电池数量k。例如，基于谷时充电策略计算得到的可用电池数量序列C中的c1为2，而换电需求序列Q中的q1为4，2＜4，意味着还需要2个电池才能满足预测的换电需求，即k＝2。
然后，根据谷时充电策略，将换电柜中剩余未充满电的电池按照剩余充电时间从小到大进行排序，即将那些在谷时电价段进行充电但仍然未充满的电池进行排序，选取出前k块电池。如图5所示，在对电池进行充电时发现，电池在刚开始充电时，采用恒流充电，充电功率较大，在一段时间后，采用恒压充电，充电功率逐渐减小，电池充电的功率曲线为先大后小，因此在峰期充电时，优先对剩余充电时间短的电池进行充电，从而可以达到最省电的目的。
并且，针对这k块电池，需要基于充电成本最低化的原则来制定其在未来6个小时内的充电策略。其中，所述基于充电成本最低化的原则制定该k块电池在未来预设时长内的充电策略的过程包括以下内容：
在所述用电成本序列上找到电价最低点作为充电起始点A，并选择点A之后电价最低的U-1个点，计算得到此时的充电成本W1，其中U个点的时长等于电池的剩余充电时间，若点A之后的剩余可分配时长小于电池的剩余充电时间，则跳过电价最低点；
选择电价最低点之前电价最低的一个点作为新的充电起始点A，重复上述内容，计算得到此时的充电成本W2；
重复进行选择计算，直到不再存在比上一步选择的U个点的电价更小的点，获得充电成本序列W＝[W1，W2，W3，、、、，WZ]，Z的最大值为U；
筛选出充电成本最小者，并根据其对应选择的U个时间点进行充电。其中，具体基于以下公式计算电池的充电成本：
W＝∑P(t)*Pr ice(t)*L(t)
其中，P(t)表示充电功率，Price(t)表示电价，L(t)表示电池的充电时间。电池的剩余充电时间可以用整数U表示，整数U为该电池剩余充电时间的小时数H乘以小时级别的分辨率4，若实际剩余充电时间不为整数，则向上取整。
例如：所述用电成本序列为[11,12,10,13，14,11,15,17,12,16,14,13,11,18，15,6,4,12,10,5,7,8,2,10]，电池的剩余充电时间用整数4表示，即需要充4个15min才能充满电，然后根据电池的充电功率变化曲线可以得到电池在最后四个15min内的充电功率分别为9，6，3，2。首先，找到电价最低的点为2，但是，2的后面只有一个10，剩余可支配时间只剩下两个15min(2为一个15min，10为一个15min)，2＜4，无法满足电池的充电时间需求，则跳过电价为2的点。继续往前找电价最低的点，找到电价为4的点，电价为4的点之后的剩余可支配时间为8个15min，可以满足电池的充电时间需求，然后选择电价为4的点之后电价最小的三个点，即5，7，2三个点，然后基于上述公式计算其充电成本W1。继续往前寻找电价最低的点，此时电价为4的点之前电价最低的点为6，要小于上一次选择的电价为7的点，因此，在电价为6的点的后面选择电价最低的三个点，即4，5，2三个点，然后计算对应的充电成本W2。继续往前寻找电价最低的点，此时电价为6的点之前电价最低的点为10，均大于上一次选择的电价最低的四个点，则停止计算。从而得到充电成本序列W＝[W1、W2]，然后从中筛选出最小者，其中，W1＝9*4*0.25+6*5*0.25+3*7*0.25+2*2*0.25＝22.75，而W2＝9*6*0.25+6*4*0.25+3*5*0.25+2*2*0.25＝24.25。由此可见，W1小于W2，则选择W1对应的四个点(4,5,7,2)进行充电，从而实现充电成本最低化。
可以理解，当完成第一时间点的充电计划制定后，针对后续无法满足换电需求的所有时间点，依次重复上述内容。即每隔15分钟重复一次上述过程，对充电计划进行实时调整。
可以理解，本发明中进行充电成本最低化考虑时，不仅考虑了电价波动，而且还考虑了电池的充电功率变化，基于两者的结合寻找出了最优的充电策略。
需要说明的是，若换电柜存在预约换电系统，或可为骑手进行路线规划的系统，则一样可以通过本专利所述方式对换电需求进行预测，即将骑手的预约换电行为作为影响换电需求预测的影响因子融入到未来换电需求预测中，且在为骑手挑选换电柜时，也会考虑到换电柜的充电策略。可以理解的是，在骑手预约换电，或为骑手规划换电路线等条件下，对临近的换电柜的换电需求进行整体预测，或将预约情况考虑到需求预测当中等这些技术，本质上是本方法在不同的换电措施背景下的不同应用，或只是为骑手对换电柜进行预约时在预测时所考虑到的情况要更多一些，仍然处于本专利的保护范围之内。
可以理解，如图6所示，本发明的另一实施例还提供一种电池换电柜的充电控制系统，优选采用如上所述的充电控制方法，所述充电控制系统包括：
电量检测模块，用于在换电柜上电后，检测现存电池的电量情况并统计满电电池、待充电电池和正在充电电池的数量；
换电需求预测模块，用于对用户的换电需求进行预测；
充电计划制定模块，用于基于现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划；
执行模块，用于按照制定好的充电计划对换电柜内的电池进行充电控制。
可以理解，本实施例的电池换电柜的充电控制系统，基于对用户未来的换电需求进行预测，并根据换电柜内现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划，制定的充电计划可以结合电网公司按电网尖峰评估时间段实行的电费阶梯计费方式，在尽量保证换电柜电池满足供应需求的前提下，将电池充电时间尽量安排在用电低谷期，起到降低电费、削峰填谷、降低台区变压器容量压力的作用，从而大大降低了换电柜的运营成本。
可以理解，本实施例的充电控制系统中的各个模块与上述实施例的充电控制方法的各个步骤相对应，故每个模块的工作原理在此不再赘述，参考上述方法实施例即可。
可以理解，本发明的另一实施例还提供一种设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。
可以理解，本发明的另一实施例还提供一种计算机可读取的存储介质，用于存储对电池换电柜进行充电控制的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
一般计算机可读取介质的形式包括：软盘(floppy disk)、可挠性盘片(flexibledisk)、硬盘、磁带、任何其与的磁性介质、CD-ROM、任何其余的光学介质、打孔卡片(punchcards)、纸带(paper tape)、任何其余的带有洞的图案的物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)、可抹除可编程只读存储器(EPROM)、快闪可抹除可编程只读存储器(FLASH-EPROM)、其余任何存储器芯片或卡匣、或任何其余可让计算机读取的介质。指令可进一步被一传输介质所传送或接收。传输介质这一术语可包含任何有形或无形的介质，其可用来存储、编码或承载用来给机器执行的指令，并且包含数字或模拟通信信号或其与促进上述指令的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤，其包含了用来传输一计算机数据信号的总线的导线。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种电池换电柜的充电控制方法，其特征在于，包括以下内容：
换电柜上电后，检测现存电池的电量情况并统计满电电池、待充电电池和正在充电电池的数量；
对用户的换电需求进行预测；
基于现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划；
按照制定好的充电计划对换电柜内的电池进行充电控制；
所述基于现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划的过程包括以下内容：
获得未来预设时长内的用电成本序列；
设置谷期电价阈值，将所述用电成本序列中用电成本低于谷期电价阈值的时间段设为谷期电价段，将其余时间段设为峰期电价段；
获取换电柜内所有电池的剩余充电时长序列，并计算得到当谷期电价段全部用于充电时换电柜中的可用电池数量序列；
将所述可用电池数量序列与预测得到的未来预设时长内的换电需求序列进行比较，若所述可用电池数量序列能够满足换电需求序列，则制定的充电计划为谷时充电策略。
2.如权利要求1所述的电池换电柜的充电控制方法，其特征在于，所述对用户的换电需求进行预测的过程包括以下内容：
获取历史天气数据、历史换电需求数据和未来天气数据，并将其输入至训练好的LSTM预测模型中进行换电需求预测。
3.如权利要求1所述的电池换电柜的充电控制方法，其特征在于，当所述可用电池数量序列无法满足换电需求序列时，还包括以下内容：
将所述可用电池数量序列与换电需求序列进行比较，得到无法满足换电需求的第一时间点，并计算得到所述第一时间点满足换电需求还需要的电池数量k；
根据谷时充电策略，将换电柜中剩余未充满电的电池按照剩余充电时间从小到大进行排序，选取前k块电池，并基于充电成本最低化的原则制定该k块电池在未来预设时长内的充电策略；
针对无法满足换电需求的所有时间点，依次重复执行上述内容。
4.如权利要求3所述的电池换电柜的充电控制方法，其特征在于，所述基于充电成本最低化的原则制定该k块电池在未来预设时长内的充电策略的过程包括以下内容：
在所述用电成本序列上找到电价最低点作为充电起始点A，并选择点A之后电价最低的U-1个点，计算得到此时的充电成本W1，其中U个点的时长等于电池的剩余充电时间，若点A之后的剩余可分配时长小于电池的剩余充电时间，则跳过电价最低点；
选择电价最低点之前电价最低的一个点作为新的充电起始点A，重复上述内容，计算得到此时的充电成本W2；
重复进行选择计算，直到不再存在比上一步选择的U个点的电价更小的点，获得充电成本序列W＝[W1，W2，W3，、、、，WZ]；
筛选出充电成本最小者，并根据其对应选择的U个时间点进行充电。
5.如权利要求4所述的电池换电柜的充电控制方法，其特征在于，基于以下公式计算电池的充电成本：
W＝∑P(t)*Price(t)*L(t)
其中，P(t)表示充电功率，Price(t)表示电价，L(t)表示电池的充电时间。
6.如权利要求1所述的电池换电柜的充电控制方法，其特征在于，所述未来预设时长内的用电成本序列基于每日的电力尖峰平谷情况、当地电费费率政策、换电柜所属本地新能源出力情况和换电柜所属变压器的可开放容量计算得到。
7.一种电池换电柜的充电控制系统，其特征在于，包括：
电量检测模块，用于在换电柜上电后，检测现存电池的电量情况并统计满电电池、待充电电池和正在充电电池的数量；
换电需求预测模块，用于对用户的换电需求进行预测；
充电计划制定模块，用于基于现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划；
执行模块，用于按照制定好的充电计划对换电柜内的电池进行充电控制；
所述充电计划制定模块基于现存电池的电量情况、换电需求预测结果和未来预设时长内的电价信息制定充电计划的过程包括以下内容：
获得未来预设时长内的用电成本序列；
设置谷期电价阈值，将所述用电成本序列中用电成本低于谷期电价阈值的时间段设为谷期电价段，将其余时间段设为峰期电价段；
获取换电柜内所有电池的剩余充电时长序列，并计算得到当谷期电价段全部用于充电时换电柜中的可用电池数量序列；
将所述可用电池数量序列与预测得到的未来预设时长内的换电需求序列进行比较，若所述可用电池数量序列能够满足换电需求序列，则制定的充电计划为谷时充电策略。
8.一种设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如权利要求1～6任一项所述的方法的步骤。
9.一种计算机可读取的存储介质，用于存储对电池换电柜进行充电控制的计算机程序，其特征在于，所述计算机程序在计算机上运行时执行如权利要求1～6任一项所述的方法的步骤。
CN202110842927.XA 2021-07-26 2021-07-26 电池换电柜的充电控制方法及系统、设备、存储介质 Active CN113452056B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110842927.XA CN113452056B (zh) 2021-07-26 2021-07-26 电池换电柜的充电控制方法及系统、设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110842927.XA CN113452056B (zh) 2021-07-26 2021-07-26 电池换电柜的充电控制方法及系统、设备、存储介质

Publications (2)

Publication Number Publication Date
CN113452056A CN113452056A (zh) 2021-09-28
CN113452056B true CN113452056B (zh) 2022-11-08

Family

ID=77817174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110842927.XA Active CN113452056B (zh) 2021-07-26 2021-07-26 电池换电柜的充电控制方法及系统、设备、存储介质

Country Status (1)

Country Link
CN (1) CN113452056B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114368315A (zh) * 2021-12-23 2022-04-19 安徽绿舟科技有限公司 无人换电站的电池转移路径算法
CN116418061A (zh) * 2021-12-30 2023-07-11 奥动新能源汽车科技有限公司 充电控制方法、系统、电子设备及计算机可读存储介质
CN116418064A (zh) * 2021-12-30 2023-07-11 奥动新能源汽车科技有限公司 充电控制方法、系统、电子设备及计算机可读存储介质
CN116512968B (zh) * 2023-07-04 2023-09-08 深圳市菲尼基科技有限公司 基于换电柜的充电功率分配方法、装置、设备及存储介质
CN116862192A (zh) * 2023-07-26 2023-10-10 中国铁塔股份有限公司 策略信息生成方法、装置及相关设备
CN116667415B (zh) * 2023-08-02 2023-12-01 山西清众科技股份有限公司 一种政企综合能耗管理方法、系统、电子设备及存储介质
CN117375181A (zh) * 2023-11-15 2024-01-09 山东华芙新能源科技有限公司 换电柜电池充电控制的方法、装置及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106408216A (zh) * 2016-11-03 2017-02-15 天津大学 基于电动汽车换电站时序响应模型的充电计划制定方法
CN110588430A (zh) * 2019-08-21 2019-12-20 深圳易马达科技有限公司 一种充电方法及充电设备
CN111806284A (zh) * 2020-07-21 2020-10-23 博众精工科技股份有限公司 充换电站的智能充电方法及装置
CN112677804A (zh) * 2020-12-11 2021-04-20 深圳易马达科技有限公司 一种充电功率分配方法、充电功率分配装置及换电柜
CN113085650A (zh) * 2021-04-15 2021-07-09 深圳市万为物联科技有限公司 充换电柜峰谷电价下有序充电控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10901476B2 (en) * 2017-07-06 2021-01-26 DOOSAN Heavy Industries Construction Co., LTD Method for predicting power demand and controlling ESS charge/discharge based on the predicted demand, and apparatus using the same

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106408216A (zh) * 2016-11-03 2017-02-15 天津大学 基于电动汽车换电站时序响应模型的充电计划制定方法
CN110588430A (zh) * 2019-08-21 2019-12-20 深圳易马达科技有限公司 一种充电方法及充电设备
CN111806284A (zh) * 2020-07-21 2020-10-23 博众精工科技股份有限公司 充换电站的智能充电方法及装置
CN112677804A (zh) * 2020-12-11 2021-04-20 深圳易马达科技有限公司 一种充电功率分配方法、充电功率分配装置及换电柜
CN113085650A (zh) * 2021-04-15 2021-07-09 深圳市万为物联科技有限公司 充换电柜峰谷电价下有序充电控制方法

Also Published As

Publication number Publication date
CN113452056A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN113452056B (zh) 电池换电柜的充电控制方法及系统、设备、存储介质
CN110774929A (zh) 一种电动汽车有序充电的实时控制策略及优化方法
CN110010988A (zh) 决定及管理电池充电规则的系统与方法
CN109523087B (zh) 基于深度学习的电动汽车快充站储能监测系统及其方法
CN107370170A (zh) 一种考虑容量电价和负荷预测误差的储能系统容量配置方法
CN111200293B (zh) 基于电池损耗和分布式电网电池储能日前随机调度的方法
CN110165666B (zh) 一种基于igdt的主动配电网调度方法
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
CN112785454A (zh) 一种梯级水电站汛期智能调度方法及决策支持系统
CN113269372A (zh) 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法
US20240044986A1 (en) Systems and method for managing dispatch and lifecycle of energy storage systems on an electrical grid, including management of energy storage systems for provisioning of multiple services
CN113902213A (zh) 面向电力现货市场基于碳排放和源网荷储互动的电网规划方法
CN116599151A (zh) 基于多源数据的源网储荷安全管理方法
CN115513984A (zh) 储能系统日前充放电功率的确定方法、装置、存储介质
CN115352305A (zh) 一种分布式柔性互联与储能一体化充电桩系统
Mohamed et al. Stacking battery energy storage revenues in future distribution networks
CN114820046A (zh) 一种区域电网混合储能辅助调频经济优化与补偿定价方法
CN111160384B (zh) 一种移动储能车调度优化方法、系统及装置
CN115733161A (zh) 一种小型分布式储能调度系统及方法
Cen et al. Penalty adjustment-based sizing method for flexible resources in isolated microgrids
CN111786378A (zh) 一种决策用电负荷的方法、装置和电力监控设备
CN109598856A (zh) 一种储能计费方法及装置
Latha A Machine Learning Approach for Generation Scheduling in Electricity Markets
CN117013651B (zh) 一种堆叠式家储能锂电池管理系统
WO2023063383A1 (ja) 生成方法、生成装置、及び生成プログラム

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