CN113486504B - 一种基于调度成本的电池管理控制方法 - Google Patents

一种基于调度成本的电池管理控制方法 Download PDF

Info

Publication number
CN113486504B
CN113486504B CN202110716997.0A CN202110716997A CN113486504B CN 113486504 B CN113486504 B CN 113486504B CN 202110716997 A CN202110716997 A CN 202110716997A CN 113486504 B CN113486504 B CN 113486504B
Authority
CN
China
Prior art keywords
charging
battery
station
dispatching
power
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
CN202110716997.0A
Other languages
English (en)
Other versions
CN113486504A (zh
Inventor
金珈辉
刘永慧
李佩樾
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.)
Shanghai Dianji University
Original Assignee
Shanghai Dianji University
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 Shanghai Dianji University filed Critical Shanghai Dianji University
Priority to CN202110716997.0A priority Critical patent/CN113486504B/zh
Publication of CN113486504A publication Critical patent/CN113486504A/zh
Application granted granted Critical
Publication of CN113486504B publication Critical patent/CN113486504B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Water Supply & Treatment (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Educational Administration (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于调度成本的电池管理控制方法，具体包括：S1、获取站点位置信息和电池余量信息，根据调度车辆的行驶模型，计算得到调度车辆的荷电状态；S2、结合电池充电模型，计算得到调度车辆的充电时刻、站点的充电功率和储能功率，由配电系统进行潮流计算，得到调度约束条件；S3、根据电池余量信息，计算得到共享收益，根据充电功率和充电时刻，计算得到电能损耗和电池损耗，再计算得到调度成本目标函数；S4、根据调度成本目标函数和调度约束条件，生成电池的调度成本优化模型，根据遗传算法进行求解，得到电池调度优化路径。与现有技术相比，本发明具有提高电池的利用率、减少调度过程中的损耗、提高电池的储能利用等优点。

Description

一种基于调度成本的电池管理控制方法
技术领域
本发明涉及电动汽车电池充换电技术领域，尤其是涉及一种基于调度成本的电池管理控制方法。
背景技术
目前的充换电技术已经日趋成熟，一个功能完备的充换电站可以给多个电动汽车进行充换电服务，同时也在检测电力参数、传输电能质量等方面更加完善。但在实际应用中还存在一定的问题，比如换电电池的管理上，由于理论和实际情况的差异，使得调度成本偏高；电池的充电方式为时变功率充电，但现有电池损耗采用恒定功率进行计算，导致偏差较大；换电站的闲置电池也有待利用和统一管理。
电动汽车的换电站点存在电能过量储存等问题，为保证电网的安全稳定运行，有必要对电动汽车的并网进行监控、限制以及有效利用。目前，对换电站的电池调度大都采用交通运输领域中的物流资源计划模型，或者分析电动汽车行驶特性和电池特性对运输过程的影响，针对调度的路径或时间等方面进行优化。传统电池调度模型常以调度延迟时间作为期望惩罚，不能量化调度延迟对企业造成的经济损失。此外，站点电池闲置时，站点和电网之间的共享储能也有待利用。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于调度成本的电池管理控制方法，合理规划电池调度，提高电池的利用率，减少调度过程中的损耗，提高电池的储能利用。
本发明的目的可以通过以下技术方案来实现：
一种基于调度成本的电池管理控制方法，电池通过调度车辆来完成调度运输，具体包括以下步骤：
S1、获取充换电站的站点位置信息和调度车辆的电池余量信息，根据调度车辆的行驶模型，计算得到调度车辆的荷电状态；
S2、根据所述电池余量信息和荷电状态，结合电池充电模型，计算得到调度车辆的充电时刻、站点的充电功率和储能功率，由配电系统进行潮流计算，得到调度约束条件；
S3、根据所述电池余量信息，计算得到共享收益，根据所述站点的充电功率和调度车辆的充电时刻，计算得到电能损耗和电池损耗，根据所述共享收益、电能损耗和电池损耗，计算得到调度成本目标函数；
S4、根据所述调度成本目标函数和调度约束条件，生成电池的调度成本优化模型，根据遗传算法对所述调度成本优化模型进行求解，得到电池调度优化路径。
所述步骤S1中，根据站点位置信息和电池余量信息分别计算得到站点距离和调度荷载。
所述调度车辆的行驶模型通过录入的充换电站的经纬度信息和设定路段时速约束计算得到，公式具体如下所示：
Figure BDA0003135200590000021
其中，
Figure BDA0003135200590000022
和
Figure BDA0003135200590000023
分别为第k辆调度车辆从充换电站i行驶至充换电站j所用的时间和时速，dij为充换电站i至充换电站j的欧几里德距离。
所述调度车辆的荷电状态具体为荷电状态差值，公式如下所示：
Figure BDA0003135200590000024
其中，
Figure BDA0003135200590000025
为第k辆调度车辆从充换电站i行驶至充换电站j之间的荷电状态差值，
Figure BDA0003135200590000026
为第k辆调度车辆在充换电站i工作结束时的荷电状态，
Figure BDA0003135200590000027
为第k辆调度车辆在充换电站j工作开始时的荷电状态。
基于路段时速和车辆载荷，调度车辆的荷电状态和行驶里程满足非线性回归模型，具体公式如下所示：
Figure BDA0003135200590000028
其中，a为坡道系数，与路径坡度有关，b为摩擦系数，与路面粗糙程度有关。
所述站点的充电功率的模式包括快充模式、常规充模式和标准充模式，具体公式如下所示：
Figure BDA0003135200590000031
其中，P为站点的充电功率，f1(SOC)、f2(SOC)和f3(SOC)分别为快充模式、常规充模式和标准充模式下电池的荷电状态对应的充电功率。
充换电站在有替换电池的情况下，提供换电服务和充电服务两种服务；充换电站在没有替换电池时，要对电池进行标准模式充电，而用户只能选择充电服务直至电池调度到达，调度车辆的充电时刻的计算公式具体如下所示：
Figure BDA0003135200590000032
其中，t为调度车辆的充电时刻，g1(P)、g2(P)和g3(P)分别为快充模式、常规充模式和标准充模式下电池的充电功率对应的充电时刻。
所述电能损耗包括工作损耗和休息损耗，所述电池损耗包括调度损耗和用户损耗，所述调度成本目标函数的计算公式具体如下所示：
minZ＝Z1+Z2+Z3+Z4+W1
其中，Z为电能损耗、电池损耗与共享收益之和，Z1为工作损耗，Z2为休息损耗，Z3为调度损耗，Z4为用户损耗，W1为共享收益。
对于工作损耗，由于调度车电池容量有限，因此工作状态采用间断式快充模式充电，按快充期间电价计算电能损耗，因此工作损耗的计算公式如下所示：
Figure BDA0003135200590000033
其中，
Figure BDA0003135200590000034
为第k辆调度车辆在第j个充换电站t时刻充电功率；ρk(j,t)为第k辆调度车辆在第j个充换电站t时刻充电电价；tjk,start和tjk,end分别为第k辆调度车辆在第j个充换电站的初始充电时刻和截止充电时刻，为第k辆从充换电站i行驶至充换电站j的调度车辆，m为调度车辆的总数，n为充换电站的总数；
对于休息损耗，调度过程中调度车辆的荷电状态最低点小于调度初始荷电状态，为保证调度工作的正常进行，因此在非调度过程中，对调度车辆进行标准模式充电，以保证调度车辆的荷电状态不低于最低荷电状态，按标准充期间电价计算电能损耗，因此休息损耗的计算公式如下所示：
Figure BDA0003135200590000041
其中，
Figure BDA0003135200590000042
为第k辆调度车辆在充换电站的调度中心t时刻充电功率；ρk(0,t)为第k辆调度车辆在充换电站的调度中心t时刻充电电价；t0k,start和t0k,end分别为第k辆调度车辆在充换电站的调度中心的初始充电时刻和截止充电时刻；
对于调度损耗，调度车辆到达充换电站后，由于装卸货物时间较短，急需补充电能，因此选择快充模式进行充电，因此调度损耗的计算公式如下所示：
Figure BDA0003135200590000043
其中，Bk为第k辆调度车辆的电池单位容量费用；Bk为调度车辆的电池更换的人力成本；
Figure BDA0003135200590000044
为第k辆调度车辆的电池的最大循环充电次数，Ct为电池的有效容量，Ct0为电池的标准容量；
对于用户损耗，当充换电站的电池耗竭且电池调度未到达的情况下，用户车辆会离开站点或选择充电服务进行充电，因此用户损耗的计算公式如下所示：
Figure BDA0003135200590000045
其中，w1j和w2j分别为第j个充换电站中选择快充模式和常规充模式的等待调度的调度车辆的数量；Bl和Br为快充模式和常规充模式下用户车辆的电池单位容量费用；Bl和Br为快充模式和常规充模式下用户车辆的电池更换人力成本；
Figure BDA0003135200590000046
和
Figure BDA0003135200590000047
为快充模式和常规充模式下用户车辆的电池最大循环充电次数。
进一步地，电池的有效容量的计算公式如下所示：
Ct＝ηTCt0
ηT＝xT2+yT+z
其中，ηT为温度修正系数，T为电池温度，x、y和z为过程参数。
进一步地，所述共享收益的计算公式如下所示：
Figure BDA0003135200590000048
其中，Ct0为电池的标准容量，C2为单位容量储能共享价格，Fj为共享站点电池数量，基于充换电站和电网的共享储能需要达到储能安全和容量稳定的要求，具体计算公式如下所示：
Figure BDA0003135200590000051
其中，
Figure BDA0003135200590000052
为第j个充换电站第s月电池共享量，s＝1,2,...,12，具体计算公式如下所示：
Figure BDA0003135200590000053
其中，
Figure BDA0003135200590000054
和
Figure BDA0003135200590000055
分别为第j个充换电站第s月的日平均电池余量、日平均电池流出量和日平均电池流入量，
Figure BDA0003135200590000056
为第j个充换电站第s月的电池未使用率，具体计算公式如下所示：
Figure BDA0003135200590000057
其中，
Figure BDA0003135200590000058
和
Figure BDA0003135200590000059
分别为第j个充换电站第s月的最低电池余量和日平均电池余量，充换电站在站点中总留有一定数量的电池，且预留电池的电量比较稳定，结合电力系统的储能需求，进行充电储能和放电供能，由于部分滞留电池需要作为后备电池处理站点，因此基于日最低电池余量，引入电池未使用率来修正站点的共享电池容量。
所述调度约束条件包括路径时速和限重约束、时间约束和站点电源输出功率约束，所述站点电源输出功率约束通过潮流计算得到，所述路径时速和限重约束的公式具体如下所示：
Figure BDA00031352005900000510
其中，vij,min和vij,max分别为从第i个充换电站到达第j个充换电站的路径上的最低限速和最高限速，Lij,min和Lij,max分别为从第i个充换电站到达第j个充换电站的路径上的最低限重和最高限重，L0为调度车辆的初始载荷，qk为第k辆调度车辆的调度电池量，L为单位电池载重；
由于调度车辆的工作时间和行驶时间以及调度工作完成后为保证正常行驶要进行的额外充电时间，所述时间约束的公式具体如下所示：
Figure BDA00031352005900000511
其中，
Figure BDA00031352005900000512
是第k辆调度车辆在第i个充换电站的工作时间；
Figure BDA00031352005900000513
为第k辆调度车辆在第i个充换电站的额外充电时间；
充换电站的电池和发电机组并网时，节点功率满足所述站点电源输出功率约束，公式具体如下所示：
Figure BDA0003135200590000061
其中，PSi(t)和QSi(t)分别是t时刻第i个充换电站的电源输出的有功功率和无功功率；PLi(t)和QLi(t)分别是t时刻第i个充换电站的线路输入的有功功率和无功功率；Pi(t)和Qi(t)分别是t时刻第i个充换电站的输出的有功功率和无功功率。
所述步骤S2中配电系统进行潮流计算的过程具体如下所示：
S201、获取充换电站信息和配送线路信息，根据充换电站信息和配送线路信息设置初始站点电压；
S202、根据初始站点电压计算线路输入站点总功率；
S203、根据线路输入站点总功率，计算站间传输电流，并更新站点电压；
S204、判断站点电压是否满足运行电压约束，若是则输出线路输入总功率，否则转至步骤S201。
所述步骤S4中根据遗传算法对所述调度成本优化模型进行求解的过程具体如下所示：
S401、根据调度成本优化模型，随机生成运输成本初始种群；
S402、判断所述运输成本初始种群是否满足调度约束条件，若是则转至步骤S403，否则删除运输成本初始种群并重新生成；
S403、计算运输成本初始种群的单体适应度，根据所述单体适应度计算全局最优解，判断全局最优解是否满足算法终止条件，若是则将全局最优解作为电池调度优化路径进行输出，否则转至步骤S404；
S404、更新种群中的最优单体，并对种群进行筛选，对筛选后的种群进行交叉操作和变异操作，转至步骤S402。
所述交叉操作具体为从筛选个体中随机选择两个个体，并随机确定所选个体之间需要互换的调度路径；所述变异操作具体为从筛选个体中随机选择一个个体，并随机选择需要变异的调度路径。
与现有技术相比，本发明具有以下有益效果：
1.本发明在计算电能损耗时，以时变功率代替固定功率进行计算，有效提高了计算出的电能损耗的准确性，同时在调度惩罚上采用电池损耗来替代现有的时间惩罚，使得调度损耗更加直观和准确。
2.本发明计算电池损耗时，考虑到电动汽车电池的密集排布以及电能传输过程中的器件发热且电池内部的化学反应受温度影响较大，因此在传统模型的基础上，引入温度系数修正后的电池有效容量，合理规划电池调度，提高电池的利用率，减少调度过程中的损耗，提高电池的储能利用。
附图说明
图1为本发明的结构示意图；
图2为本发明调度过程的结构示意图；
图3为本发明潮流计算的流程示意图；
图4为本发明遗传算法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例
如图1所示，一种基于调度成本的电池管理控制方法，基于充电损耗和共享储能的调度车辆路径优化管理，通过考虑时变电价、时变充电功率和修正电池容量，能有效减少电能损耗和电池损耗，且考虑站点与电网间的储能共享能有效减少电力资源的浪费，电池通过调度车辆来完成调度运输，具体包括以下步骤：
S1、获取充换电站的站点位置信息和调度车辆的电池余量信息，根据调度车辆的行驶模型，计算得到调度车辆的荷电状态；
S2、根据电池余量信息和荷电状态，结合电池充电模型，计算得到调度车辆的充电时刻、站点的充电功率和储能功率，由配电系统进行潮流计算，得到调度约束条件；
S3、根据电池余量信息，计算得到共享收益，根据站点的充电功率和调度车辆的充电时刻，计算得到电能损耗和电池损耗，根据共享收益、电能损耗和电池损耗，计算得到调度成本目标函数；
S4、根据调度成本目标函数和调度约束条件，生成电池的调度成本优化模型，根据遗传算法对调度成本优化模型进行求解，得到电池调度优化路径。
步骤S1中，根据站点位置信息和电池余量信息分别计算得到站点距离和调度荷载。
调度车辆的行驶模型通过录入的充换电站的经纬度信息和设定路段时速约束计算得到，公式具体如下所示：
Figure BDA0003135200590000081
其中，
Figure BDA0003135200590000082
和
Figure BDA0003135200590000083
分别为第k辆调度车辆从充换电站i行驶至充换电站j所用的时间和时速，dij为充换电站i至充换电站j的欧几里德距离。
调度车辆的荷电状态具体为荷电状态差值，公式如下所示：
Figure BDA0003135200590000084
其中，
Figure BDA0003135200590000085
为第k辆调度车辆从充换电站i行驶至充换电站j之间的荷电状态差值，
Figure BDA0003135200590000086
为第k辆调度车辆在充换电站i工作结束时的荷电状态，
Figure BDA0003135200590000087
为第k辆调度车辆在充换电站j工作开始时的荷电状态。
基于路段时速和车辆载荷，调度车辆的荷电状态和行驶里程满足非线性回归模型，具体公式如下所示：
Figure BDA0003135200590000088
其中，a为坡道系数，与路径坡度有关，b为摩擦系数，与路面粗糙程度有关。
站点的充电功率的模式包括快充模式、常规充模式和标准充模式，具体公式如下所示：
Figure BDA0003135200590000089
其中，P为站点的充电功率，f1(SOC)、f2(SOC)和f3(SOC)分别为快充模式、常规充模式和标准充模式下电池的荷电状态对应的充电功率。
充换电站在有替换电池的情况下，提供换电服务和充电服务两种服务；充换电站在没有替换电池时，要对电池进行标准模式充电，而用户只能选择充电服务直至电池调度到达，调度车辆的充电时刻的计算公式具体如下所示：
Figure BDA0003135200590000091
其中，t为调度车辆的充电时刻，g1(P)、g2(P)和g3(P)分别为快充模式、常规充模式和标准充模式下电池的充电功率对应的充电时刻。
电能损耗包括工作损耗和休息损耗，电池损耗包括调度损耗和用户损耗，调度成本目标函数的计算公式具体如下所示：
minZ＝Z1+Z2+Z3+Z4+W1
其中，Z为电能损耗、电池损耗与共享收益之和，Z1为工作损耗，Z2为休息损耗，Z3为调度损耗，Z4为用户损耗，W1为共享收益。
对于工作损耗，由于调度车电池容量有限，因此工作状态采用间断式快充模式充电，按快充期间电价计算电能损耗，因此工作损耗的计算公式如下所示：
Figure BDA0003135200590000092
其中，
Figure BDA0003135200590000093
为第k辆调度车辆在第j个充换电站t时刻充电功率；ρk(j,t)为第k辆调度车辆在第j个充换电站t时刻充电电价；tjk,start和tjk,end分别为第k辆调度车辆在第j个充换电站的初始充电时刻和截止充电时刻，为第k辆从充换电站i行驶至充换电站j的调度车辆，m为调度车辆的总数，n为充换电站的总数；
对于休息损耗，调度过程中调度车辆的荷电状态最低点小于调度初始荷电状态，为保证调度工作的正常进行，因此在非调度过程中，对调度车辆进行标准模式充电，以保证调度车辆的荷电状态不低于最低荷电状态，按标准充期间电价计算电能损耗，因此休息损耗的计算公式如下所示：
Figure BDA0003135200590000094
其中，
Figure BDA0003135200590000095
为第k辆调度车辆在充换电站的调度中心t时刻充电功率；ρk(0,t)为第k辆调度车辆在充换电站的调度中心t时刻充电电价；t0k,start和t0k,end分别为第k辆调度车辆在充换电站的调度中心的初始充电时刻和截止充电时刻；
对于调度损耗，调度车辆到达充换电站后，由于装卸货物时间较短，急需补充电能，因此选择快充模式进行充电，因此调度损耗的计算公式如下所示：
Figure BDA0003135200590000101
其中，Bk为第k辆调度车辆的电池单位容量费用；Bk为调度车辆的电池更换的人力成本；
Figure BDA0003135200590000102
为第k辆调度车辆的电池的最大循环充电次数，Ct为电池的有效容量，Ct0为电池的标准容量；
对于用户损耗，当充换电站的电池耗竭且电池调度未到达的情况下，用户车辆会离开站点或选择充电服务进行充电，因此用户损耗的计算公式如下所示：
Figure BDA0003135200590000103
其中，w1j和w2j分别为第j个充换电站中选择快充模式和常规充模式的等待调度的调度车辆的数量；Bl和Br为快充模式和常规充模式下用户车辆的电池单位容量费用；Bl和Br为快充模式和常规充模式下用户车辆的电池更换人力成本；
Figure BDA0003135200590000104
和
Figure BDA0003135200590000105
为快充模式和常规充模式下用户车辆的电池最大循环充电次数。
电池的有效容量的计算公式如下所示：
Ct＝ηTCt0
ηT＝xT2+yT+z
其中，ηT为温度修正系数，T为电池温度，x、y和z为过程参数。
共享收益的计算公式如下所示：
Figure BDA0003135200590000106
其中，Ct0为电池的标准容量，C2为单位容量储能共享价格，Fj为共享站点电池数量，基于充换电站和电网的共享储能需要达到储能安全和容量稳定的要求，具体计算公式如下所示：
Figure BDA0003135200590000107
其中，
Figure BDA0003135200590000108
为第j个充换电站第s月电池共享量，s＝1,2,...,12，具体计算公式如下所示：
Figure BDA0003135200590000109
其中，
Figure BDA00031352005900001010
和
Figure BDA00031352005900001011
分别为第j个充换电站第s月的日平均电池余量、日平均电池流出量和日平均电池流入量，
Figure BDA00031352005900001012
为第j个充换电站第s月的电池未使用率，具体计算公式如下所示：
Figure BDA0003135200590000111
其中，
Figure BDA0003135200590000112
和
Figure BDA0003135200590000113
分别为第j个充换电站第s月的最低电池余量和日平均电池余量，充换电站在站点中总留有一定数量的电池，且预留电池的电量比较稳定，结合电力系统的储能需求，进行充电储能和放电供能，由于部分滞留电池需要作为后备电池处理站点，因此基于日最低电池余量，引入电池未使用率来修正站点的共享电池容量。
调度约束条件包括路径时速和限重约束、时间约束和站点电源输出功率约束，站点电源输出功率约束通过潮流计算得到，路径时速和限重约束的公式具体如下所示：
Figure BDA0003135200590000114
其中，vij,min和vij,max分别为从第i个充换电站到达第j个充换电站的路径上的最低限速和最高限速，Lij,min和Lij,max分别为从第i个充换电站到达第j个充换电站的路径上的最低限重和最高限重，L0为调度车辆的初始载荷，qk为第k辆调度车辆的调度电池量，L为单位电池载重；
由于调度车辆的工作时间和行驶时间以及调度工作完成后为保证正常行驶要进行的额外充电时间，时间约束的公式具体如下所示：
Figure BDA0003135200590000115
其中，
Figure BDA0003135200590000116
是第k辆调度车辆在第i个充换电站的工作时间；
Figure BDA0003135200590000117
为第k辆调度车辆在第i个充换电站的额外充电时间；
充换电站的电池和发电机组并网时，节点功率满足站点电源输出功率约束，公式具体如下所示：
Figure BDA0003135200590000118
其中，PSi(t)和QSi(t)分别是t时刻第i个充换电站的电源输出的有功功率和无功功率；PLi(t)和QLi(t)分别是t时刻第i个充换电站的线路输入的有功功率和无功功率；Pi(t)和Qi(t)分别是t时刻第i个充换电站的输出的有功功率和无功功率。
如图3所示，步骤S2中配电系统进行潮流计算的过程具体如下所示：
S201、获取充换电站信息和配送线路信息，根据充换电站信息和配送线路信息设置初始站点电压；
S202、根据初始站点电压计算线路输入站点总功率；
S203、根据线路输入站点总功率，计算站间传输电流，并更新站点电压；
S204、判断站点电压是否满足运行电压约束，若是则输出线路输入总功率，否则转至步骤S201。
如图4所示，步骤S4中根据遗传算法对调度成本优化模型进行求解的过程具体如下所示：
S401、根据调度成本优化模型，随机生成运输成本初始种群；
S402、判断运输成本初始种群是否满足调度约束条件，若是则转至步骤S403，否则删除运输成本初始种群并重新生成；
S403、计算运输成本初始种群的单体适应度，根据单体适应度计算全局最优解，判断全局最优解是否满足算法终止条件，若是则将全局最优解作为电池调度优化路径进行输出，否则转至步骤S404；
S404、更新种群中的最优单体，并对种群进行筛选，对筛选后的种群进行交叉操作和变异操作，转至步骤S402。
交叉操作具体为从筛选个体中随机选择两个个体，并随机确定所选个体之间需要互换的调度路径；变异操作具体为从筛选个体中随机选择一个个体，并随机选择需要变异的调度路径。
此外，需要说明的是，本说明书中所描述的具体实施例，所取名称可以不同，本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等效变化或者简单变化，均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (5)

1.一种基于调度成本的电池管理控制方法，电池通过调度车辆来完成调度运输，其特征在于，具体包括以下步骤：
S1、获取充换电站的站点位置信息和调度车辆的电池余量信息，根据调度车辆的行驶模型，计算得到调度车辆的荷电状态；
S2、根据所述电池余量信息和荷电状态，结合电池充电模型，计算得到调度车辆的充电时刻、站点的充电功率和储能功率，由配电系统进行潮流计算，得到调度约束条件；
S3、根据所述电池余量信息，计算得到共享收益，根据所述站点的充电功率和调度车辆的充电时刻，计算得到电能损耗和电池损耗，根据所述共享收益、电能损耗和电池损耗，计算得到调度成本目标函数；
S4、根据所述调度成本目标函数和调度约束条件，生成电池的调度成本优化模型，根据遗传算法对所述调度成本优化模型进行求解，得到电池调度优化路径；
所述调度车辆的行驶模型的公式具体如下所示：
Figure FDA0003498419000000011
其中，
Figure FDA0003498419000000012
和
Figure FDA0003498419000000013
分别为第k辆调度车辆从充换电站i行驶至充换电站j所用的时间和时速，dij为充换电站i至充换电站j的欧几里德距离；
所述电能损耗包括工作损耗和休息损耗，所述电池损耗包括调度损耗和用户损耗，所述调度成本目标函数的计算公式具体如下所示：
minZ＝Z1+Z2+Z3+Z4+W1
其中，Z为电能损耗、电池损耗与共享收益之和，Z1为工作损耗，Z2为休息损耗，Z3为调度损耗，Z4为用户损耗，W1为共享收益；
所述工作损耗的计算公式如下所示：
Figure FDA0003498419000000014
其中，
Figure FDA0003498419000000015
为第k辆调度车辆在第j个充换电站t时刻充电功率；ρk(j,t)为第k辆调度车辆在第j个充换电站t时刻充电电价；tjk,start和tjk,end分别为第k辆调度车辆在第j个充换电站的初始充电时刻和截止充电时刻，
Figure FDA0003498419000000021
为第k辆从充换电站i行驶至充换电站j的调度车辆，m为调度车辆的总数，n为充换电站的总数；
所述休息损耗的计算公式如下所示：
Figure FDA0003498419000000022
其中，
Figure FDA0003498419000000023
为第k辆调度车辆在充换电站的调度中心t时刻充电功率；ρk(0,t)为第k辆调度车辆在充换电站的调度中心t时刻充电电价；t0k,start和t0k,end分别为第k辆调度车辆在充换电站的调度中心的初始充电时刻和截止充电时刻；
所述调度损耗的计算公式如下所示：
Figure FDA0003498419000000024
其中，Bk为第k辆调度车辆的电池单位容量费用；Bk为调度车辆的电池更换的人力成本；
Figure FDA0003498419000000025
为第k辆调度车辆的电池的最大循环充电次数，Ct为电池的有效容量，Ct0为电池的标准容量；
所述用户损耗的计算公式如下所示：
Figure FDA0003498419000000026
其中，w1j和w2j分别为第j个充换电站中选择快充模式和常规充模式的等待调度的调度车辆的数量；Bl和Br为快充模式和常规充模式下用户车辆的电池单位容量费用；Bl和Br为快充模式和常规充模式下用户车辆的电池更换人力成本；
Figure FDA0003498419000000027
和
Figure FDA0003498419000000028
为快充模式和常规充模式下用户车辆的电池最大循环充电次数；
所述共享收益的计算公式如下所示：
Figure FDA0003498419000000029
其中，Ct0为电池的标准容量，C2为单位容量储能共享价格，Fj为共享站点电池数量，具体计算公式如下所示：
Figure FDA00034984190000000210
其中，
Figure FDA00034984190000000211
为第j个充换电站第s月电池共享量，s＝1,2,...,12，具体计算公式如下所示：
Figure FDA0003498419000000031
其中，
Figure FDA0003498419000000032
和
Figure FDA0003498419000000033
分别为第j个充换电站第s月的日平均电池余量、日平均电池流出量和日平均电池流入量，
Figure FDA0003498419000000034
为第j个充换电站第s月的电池未使用率，具体计算公式如下所示：
Figure FDA0003498419000000035
其中，
Figure FDA0003498419000000036
和
Figure FDA0003498419000000037
分别为第j个充换电站第s月的最低电池余量和日平均电池余量；
所述调度约束条件包括路径时速和限重约束、时间约束和站点电源输出功率约束，所述站点电源输出功率约束通过潮流计算得到，所述路径时速和限重约束的公式具体如下所示：
Figure FDA0003498419000000038
其中，vij,min和vij,max分别为从第i个充换电站到达第j个充换电站的路径上的最低限速和最高限速，Lij,min和Lij,max分别为从第i个充换电站到达第j个充换电站的路径上的最低限重和最高限重，L0为调度车辆的初始载荷，qk为第k辆调度车辆的调度电池量，L为单位电池载重；
所述时间约束的公式具体如下所示：
Figure FDA0003498419000000039
其中，
Figure FDA00034984190000000310
是第k辆调度车辆在第i个充换电站的工作时间；
Figure FDA00034984190000000311
为第k辆调度车辆在第i个充换电站的额外充电时间；
所述站点电源输出功率约束的公式具体如下所示：
Figure FDA00034984190000000312
其中，PSi(t)和QSi(t)分别是t时刻第i个充换电站的电源输出的有功功率和无功功率；PLi(t)和QLi(t)分别是t时刻第i个充换电站的线路输入的有功功率和无功功率；Pi(t)和Qi(t)分别是t时刻第i个充换电站的输出的有功功率和无功功率。
2.根据权利要求1所述的一种基于调度成本的电池管理控制方法，其特征在于，所述调度车辆的荷电状态具体为荷电状态差值，公式如下所示：
Figure FDA0003498419000000041
其中，
Figure FDA0003498419000000042
为第k辆调度车辆从充换电站i行驶至充换电站j之间的荷电状态差值，
Figure FDA0003498419000000043
为第k辆调度车辆在充换电站i工作结束时的荷电状态，
Figure FDA0003498419000000044
为第k辆调度车辆在充换电站j工作开始时的荷电状态。
3.根据权利要求1所述的一种基于调度成本的电池管理控制方法，其特征在于，所述站点的充电功率的模式包括快充模式、常规充模式和标准充模式，具体公式如下所示：
Figure FDA0003498419000000045
其中，P为站点的充电功率，f1(SOC)、f2(SOC)和f3(SOC)分别为快充模式、常规充模式和标准充模式下电池的荷电状态对应的充电功率。
4.根据权利要求3所述的一种基于调度成本的电池管理控制方法，其特征在于，所述调度车辆的充电时刻的计算公式具体如下所示：
Figure FDA0003498419000000046
其中，t为调度车辆的充电时刻，g1(P)、g2(P)和g3(P)分别为快充模式、常规充模式和标准充模式下电池的充电功率对应的充电时刻。
5.根据权利要求1所述的一种基于调度成本的电池管理控制方法，其特征在于，所述步骤S4中根据遗传算法对所述调度成本优化模型进行求解的过程具体如下所示：
S401、根据调度成本优化模型，随机生成运输成本初始种群；
S402、判断所述运输成本初始种群是否满足调度约束条件，若是则转至步骤S403，否则删除运输成本初始种群并重新生成；
S403、计算运输成本初始种群的单体适应度，根据所述单体适应度计算全局最优解，判断全局最优解是否满足算法终止条件，若是则将全局最优解作为电池调度优化路径进行输出，否则转至步骤S404；
S404、更新种群中的最优单体，并对种群进行筛选，对筛选后的种群进行交叉操作和变异操作，转至步骤S402。
CN202110716997.0A 2021-06-28 2021-06-28 一种基于调度成本的电池管理控制方法 Active CN113486504B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110716997.0A CN113486504B (zh) 2021-06-28 2021-06-28 一种基于调度成本的电池管理控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110716997.0A CN113486504B (zh) 2021-06-28 2021-06-28 一种基于调度成本的电池管理控制方法

Publications (2)

Publication Number Publication Date
CN113486504A CN113486504A (zh) 2021-10-08
CN113486504B true CN113486504B (zh) 2022-05-27

Family

ID=77936301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110716997.0A Active CN113486504B (zh) 2021-06-28 2021-06-28 一种基于调度成本的电池管理控制方法

Country Status (1)

Country Link
CN (1) CN113486504B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114067970A (zh) * 2021-11-15 2022-02-18 福州大学 基于遗传算法的电源车应急救援调度方法
CN117474270A (zh) * 2023-11-10 2024-01-30 哈尔滨工业大学 一种基于bp的电动公交车激励-响应特性精准量化方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503836A (zh) * 2016-10-09 2017-03-15 电子科技大学 一种多目标优化的纯电动汽车物流配送优化调度方法
CN110443415A (zh) * 2019-07-24 2019-11-12 三峡大学 一种计及动态电价策略的电动汽车充电站多目标优化调度方法
CN110570007A (zh) * 2019-06-17 2019-12-13 上海交通大学 电动汽车多时间尺度优化调度方法
CN111900727A (zh) * 2020-07-15 2020-11-06 国网上海市电力公司 基于pso的光储充换一体化充电站协同优化调度方法和装置
CN112590598A (zh) * 2020-12-11 2021-04-02 合肥工业大学 移动充电车优化配置方法和系统
CN112821438A (zh) * 2021-03-16 2021-05-18 东北电力大学 一种含bss微网联合系统的优化调度方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503836A (zh) * 2016-10-09 2017-03-15 电子科技大学 一种多目标优化的纯电动汽车物流配送优化调度方法
CN110570007A (zh) * 2019-06-17 2019-12-13 上海交通大学 电动汽车多时间尺度优化调度方法
CN110443415A (zh) * 2019-07-24 2019-11-12 三峡大学 一种计及动态电价策略的电动汽车充电站多目标优化调度方法
CN111900727A (zh) * 2020-07-15 2020-11-06 国网上海市电力公司 基于pso的光储充换一体化充电站协同优化调度方法和装置
CN112590598A (zh) * 2020-12-11 2021-04-02 合肥工业大学 移动充电车优化配置方法和系统
CN112821438A (zh) * 2021-03-16 2021-05-18 东北电力大学 一种含bss微网联合系统的优化调度方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《Operation Strategy of EV Battery Charging and Swapping Station》;Zhuo Peng等;《JOURNAL OF ELECTRONIC SCIENCE AND TECHNOLOGY》;20141231;全文 *
《充换电服务网络动力电池配送最优路径建模方法》;刘晓胜等;《电力自动化设备》;20150630;全文 *
《电动汽车物流配送系统的换电站选址与路径优化问题研究》;杨珺等;《中国管理科学》;20150930;全文 *

Also Published As

Publication number Publication date
CN113486504A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN108955711B (zh) 一种应用于电动汽车智能充放电的导航方法
CN104025367B (zh) 蓄电池转移辅助装置及蓄电池转移辅助方法
CN103241130B (zh) 一种电动公交车充换电站的能量管理方法及系统
CN103646295B (zh) 基于服务站通用模型的电动汽车充换电网络一体化调度方法
CN113486504B (zh) 一种基于调度成本的电池管理控制方法
CN108932561B (zh) 一种考虑非线性充电函数的电动汽车充电路径选择方法
CN110705745B (zh) 一种电动公交车充电站优化规划与有序退出方法
CN110796286B (zh) 一种适用于电动汽车规模化应用的配电系统的灵活规划方法
CN110053508B (zh) 基于车联网平台的能源互联网集群运行调度方法及系统
CN110293872B (zh) 一种电动汽车智能充电导航系统及方法
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
CN115130727A (zh) 一种新能源纯电公交车夜间充电调度方法
CN113799640A (zh) 适用于含电动汽车充电桩微电网的能量管理方法
CN114722595A (zh) 一种含有换电站的微电网优化运行方法
CN114914923A (zh) 基于网格法的变时长两阶段电动汽车调度方法及系统
CN110222364B (zh) 高速公路电动汽车应急救援站选址定容方法及系统
CN111224418B (zh) 一种基于电动汽车储能的微电网调度方法及系统
CN114640133B (zh) 一种基于实时信息的城市电网电动汽车协同调控方法及系统
CN115239172A (zh) 一种考虑动力电池寿命的电动公交车调度方法
CN113364019B (zh) 车载储能资源参与电力调峰的方法及系统
Yuan et al. Source: Towards solar-uncertainty-aware e-taxi coordination under dynamic passenger mobility
CN113381406A (zh) 一种电动汽车充放电控制方法、装置、设备及存储介质
Aziz et al. Vehicle to grid (v2g) for peak shaving: New trend, benefits, and issues
Das et al. Planning for Allocating Renewable Supported Charging Station with Intelligent Charging Scheduling in Distribution Network
CN111724080A (zh) 一种考虑电池组健康状态平衡的移动充电桩群体调度方法

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