CN114919456A - 一种基于大数据的汽车电池充放电管理系统 - Google Patents

一种基于大数据的汽车电池充放电管理系统 Download PDF

Info

Publication number
CN114919456A
CN114919456A CN202210825210.9A CN202210825210A CN114919456A CN 114919456 A CN114919456 A CN 114919456A CN 202210825210 A CN202210825210 A CN 202210825210A CN 114919456 A CN114919456 A CN 114919456A
Authority
CN
China
Prior art keywords
charging
performance
battery
endurance
attenuation
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
CN202210825210.9A
Other languages
English (en)
Other versions
CN114919456B (zh
Inventor
吴杰
彭路路
阎贵东
张俊峰
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.)
Tig Technology Co ltd
Original Assignee
Tig Technology 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 Tig Technology Co ltd filed Critical Tig Technology Co ltd
Priority to CN202210825210.9A priority Critical patent/CN114919456B/zh
Publication of CN114919456A publication Critical patent/CN114919456A/zh
Application granted granted Critical
Publication of CN114919456B publication Critical patent/CN114919456B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • 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
    • 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
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q30/0283—Price estimation or determination
    • G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters
    • 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
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/70—Interactions with external data bases, e.g. traffic centres
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/80—Time limits
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Sustainable Energy (AREA)
  • Public Health (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种基于大数据的汽车电池充放电管理系统，涉及电池充放电管理技术领域，用于解决不能基于多类别信息生成多种充放电管理方案以提高电池充放电管理的多样性、安全性和经济性，并为用户选择的充放电方案提供多种规划数据的技术问题；本发明是通过多种分析方式分别生成反映电动汽车电池衰减续航综合状况、性能变化状况和充电站负荷价格综合状况的信号或图形，基于用户行为、电池性能和充放电成本生成多种充放电管理方案，提高了电动汽车电池充放电管理的多样性、安全性和经济性；针对性的为用户规划充电时长、充电量、充电时段或充电站位置以供参考，为用户选择的充放电方案提供多种规划数据。

Description

一种基于大数据的汽车电池充放电管理系统
技术领域
本发明涉及电池充放电管理技术领域，具体涉及一种基于大数据的汽车电池充放电管理系统。
背景技术
电动汽车因其环保、节能、高效等优势，近年来规模不断扩大，保有量持续增加，但大规模的电动汽车随机充电行为对电网的规划与运行产生一定程度的不利影响，现有技术中报道的电动汽车有序充放电管理的方法，以变压器容量和电动汽车电池限制作为约束条件，以电动汽车用户充放电成本最低和电网负荷方差最小作为目标函数，构建电动汽车在车辆到电网模式下的充放电控制模型，分别制定电动汽车无序充电、基于分时电价的无序充电和电动汽车优化充电模型，在比较分析的基础上，提出车辆到电网模式下电动汽车有序充放电控制模型的设计方法；
而经研究发现，现有的汽车电池充放电管理系统存在以下技术缺陷：不能基于多类别信息生成多种充放电管理方案以提高电池充放电管理的多样性、安全性和经济性，并为用户选择的充放电方案提供多种规划数据；
针对此方面的技术缺陷，现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于大数据的汽车电池充放电管理系统，用于解决现有技术中不能基于多类别信息生成多种充放电管理方案以提高电池充放电管理的多样性、安全性和经济性，并为用户选择的充放电方案提供多种规划数据的技术问题。
是通过将电动汽车充电高频时间段作为行为推荐充电时段，并将行为推荐充电时段与匹配的充电站配电网的低谷时段电价、高峰时段电价处理生成行为方案预估价，方便用户知晓行为优先充放电管理时的充电时段与预估价格；通过将电动汽车电池的实时最大容量作为性能推荐充电量作为性能推荐充电量，性能推荐充电量分别与充电站配电网的低谷时段电价、高峰时段电价处理得到性能方案预估价，方便用户知晓性能优先充放电管理时的充电量和预估价格；通过将电动汽车平均每次充电时长、距离范围与荷价因子-时间关系线状图进行比较、覆盖面积筛选后得到成本推荐充电时段和成本推荐充电站位置，方便用户知晓成本优先管理时的充电时段和充电站位置；上述基于用户行为、电池性能和充放电成本生成多种充放电管理方案，提高了电动汽车电池充放电管理的多样性、安全性和经济性，解决了不能基于多类别信息生成多种充放电管理方案以提高电池充放电管理的多样性、安全性和经济性的技术问题；
以及通过在用户选择优先管理方案、性能优先管理方案或成本优先管理方案后，针对性的为用户规划充电时长、充电量、充电时段或充电站位置以供参考，为用户选择的充放电方案提供多种规划数据。
本发明的目的可以通过以下技术方案实现：
一种基于大数据的汽车电池充放电管理系统，包括用户行为采集模块、电池性能采集模块、电网荷价采集模块、用户行为分析模块、电池性能分析模块、大数据管理服务器和方案选择规划模块；
用户行为采集模块用于采集电动汽车的用户行驶行为信息和用户充放电行为信息，并将其发送至用户行为分析模块和大数据管理服务器；其中，用户行驶行为信息包括电动汽车的日均行驶里程数、电池日均耗电量和平均每百公里电池耗电量；用户充放电行为信息包括电动汽车的平均每次充电时长、平均每次充电量和充电高频时间段；
电池性能采集模块用于采集电动汽车电池的额定性能信息和充放电性能信息，并将其发送至电池性能分析模块和大数据管理服务器；其中，额定性能信息包括电动汽车电池的额定容量、额定续航里程和额定循环寿命；充放电性能信息包括电动汽车电池的实时最大容量、实时最大续航里程和剩余循环寿命；
电网荷价采集模块用于采集电池充电站配电网的负荷信息和电价信息，并将其发送至大数据管理服务器；负荷信息包括各个时间段充电站配电网的总有功负荷、无功负荷和剩余未工作充电桩接口数量；电价信息包括充电站配电网的低谷时段电价、高峰时段电价和平均每次充电价格；
用户行为分析模块用于将电动汽车用户的行驶行为信息和充放电行为信息进行衰减续航分析，生成高衰减低续航信号、中衰减中续航信号或低衰减高续航信号并将其发送至大数据管理服务器；
电池性能分析模块用于将电动汽车电池的额定性能信息和充放电性能信息进行性能变化分析，生成性能强变化信号、性能一般变化信号或性能弱变化信号并将其发送至大数据管理服务器；
大数据管理服务器用于将电池充电站配电网的负荷信息和电价信息进行电网荷价分析生成荷价因子-时间关系线状图；调取低衰减高续航信号、中衰减中续航信号对应的电动汽车用户的行驶行为信息和充放电行为信息并生成行为优先管理方案，将高衰减低续航信号转化为衰减续航报警信号并将其发送至用户移动终端；调取性能一般变化信号、性能弱变化信号对应的电动汽车电池的充放电性能信息并生成性能优先管理方案，将性能强变化信号转化为性能报警信号并将其发送至用户移动终端；调取电动汽车平均每次充电时长以及充电站配电网的平均每次充电价格，与荷价因子-时间关系线状图进行成本管理分析，生成成本优先管理方案；还用于将行为优先管理方案、性能优先管理方案和成本优先管理方案发送至方案选择规划模块。
进一步的，衰减续航分析的具体步骤如下：
步骤一，获取电动汽车用户的行驶行为信息和充放电行为信息，将其中的电动汽车的日均行驶里程数、电池日均耗电量和平均每百公里电池耗电量分别标记为Li、Hi和Bi，将其中的电动汽车的平均每次充电时长、平均每次充电量分别标记为Ci和Pi，i=1，…，n，n为大于1的正整数；处理得到每个电动汽车的衰减续航因子Si；
步骤二，将每个电动汽车的衰减续航因子Si与其预设范围进行比较，当衰减续航系数Si大于其预设范围的最大值时，生成高衰减低续航信号；当衰减续航系数Si位于其预设范围内时，生成中衰减中续航信号；当衰减续航系数Si小于其预设范围的最小值时，生成低衰减高续航信号。
进一步的，性能变化分析的具体步骤如下：
步骤一，获取电动汽车电池的额定性能信息和充放电性能信息，将其中的电动汽车电池的额定容量、额定续航里程和额定循环寿命分别标记为Ri、Xi和Mi，将其中的电动汽车电池的实时最大容量、实时最大续航里程和剩余循环寿命分别标记为Li、Di和Ei，i=1，…，n，n为大于1的正整数；处理得到每个电动汽车电池的性能变化因子Fi；
步骤二，将每个电动汽车电池的性能变化因子Fi与其预设范围进行比较，当性能变化因子Fi大于其预设范围的最大值时，生成性能强变化信号；当性能变化因子Fi位于其预设范围内时，生成性能一般变化信号；当性能变化因子Fi小于其预设范围的最小值时，生成性能弱变化信号。
进一步的，电网荷价分析的具体步骤如下：获取各个时间段充电站配电网的总有功负荷、无功负荷和剩余未工作充电桩接口数量并将其分别标记为FYa、FWa、FJa，获取充电站配电网的低谷时段电价、高峰时段电价并将其分别标记为FDa、FGa，a=1，…，p，p为大于1的正整数；处理得到每个电池充电站的低谷时段荷价因子DGa和高峰时段荷价因子GFa，以时间为横坐标、低谷时段荷价因子和高峰时段荷价因子生成每个电池充电站的荷价因子-时间关系线状图。
进一步的，生成行为优先管理方案的过程如下：调取低衰减高续航信号、中衰减中续航信号对应的电动汽车用户的行驶行为信息和充放电行为信息，将该电动汽车充电高频时间段作为行为推荐充电时段，并将行为推荐充电时段与匹配的充电站配电网的低谷时段电价、高峰时段电价相乘，生成行为方案预估价；行为推荐充电时段和行为方案预估价整合得到行为优先管理方案。
进一步的，生成性能优先管理方案的过程如下：调取性能一般变化信号、性能弱变化信号对应的电动汽车电池的充放电性能信息，将该电动汽车电池的实时最大容量作为性能推荐充电量，并将性能推荐充电量分别与充电站配电网的低谷时段电价、高峰时段电价相乘，生成性能方案预估价；性能推荐充电量和性能方案预估价整合得到性能优先管理方案。
进一步的，与荷价因子-时间关系线状图进行成本管理分析，生成成本优先管理方案的具体步骤如下：将电动汽车平均每次充电时长与5km范围内充电站的荷价因子-时间关系线状图进行比较，筛选出与平均每次充电时长相同的连续时间段内荷价因子覆盖面积最小区域，将该覆盖面积最小区域对应的起始时间作为成本推荐充电时段，并将该覆盖面积最小区域对应的充电站作为成本推荐充电站；成本推荐充电时段和成本推荐充电站位置整合得到成本优先管理方案。
进一步的，所述方案选择规划模块用于在用户选择行为优先管理方案后，调取该用户对应电动汽车的平均每次充电时长和平均每次充电量并将其发送至充电站的充电桩，控制充电桩的此次充电时长或充电电量与该用户电动汽车的平均每次充电时长、平均每次充电量一致；在用户选择性能优先管理方案后，调取该电动汽车电池的实时最大容量并将其发送至电池充电站的充电桩，控制充电桩的此次充电量达到该电动汽车电池的实时最大容量；在用户选择成本优先管理方案后，发送成本推荐充电时段、成本推荐充电站位置及其剩余未工作充电桩接口数量至用户移动终端。
本发明具备下述有益效果：
1、本发明通过衰减续航分析、性能变化分析、电网荷价分析的多种分析方式分别生成反映电动汽车电池衰减续航综合状况、性能变化状况和充电站负荷价格综合状况的信号或图形，针对信号或图形调取采集的信息后处理生成行为优先管理方案、性能优先管理方案、成本优先管理方案或报警信号，基于用户行为、电池性能和充放电成本生成多种充放电管理方案，提高了电动汽车电池充放电管理的多样性、安全性和经济性；用户选择优先管理方案、性能优先管理方案或成本优先管理方案后，针对性的为用户规划充电时长、充电量、充电时段或充电站位置以供参考，为用户选择的充放电方案提供多种规划数据。
2、本发明通过采集电动汽车的用户行驶行为信息和用户充放电行为信息，并将其中用户行驶行为和充放电行为相关的数据通过标记、衰减续航修正、预设权重、公式计算结合的方式得到每个电动汽车的衰减续航因子，衰减续航因子与其预设范围比较后生成反映电动汽车电池衰减续航综合状况的三种不同信号，方便用户了解其驾驶的电动汽车电池衰减续航综合状况，利于后续针对用户行驶行为信息和充放电行为信息生成个性化的行为优先充放电管理方案。
3、本发明通过采集电动汽车的额定性能信息和充放电性能信息，并将其中额定性能和实时充放电性能相关的数据通过标记、变化修正、预设权重、公式计算结合的方式得到每个电动汽车电池的性能变化因子，性能变化因子与其预设范围比价后生成反映电动汽车电池综合性能变化程度的三种不同信号，方便用户了解其驾驶的电动汽车电池综合性能变化状况，利于后续针对充放电性能信息生成个性化的性能优先充放电管理方案。
4、本发明针对多个电池充电站配电网进行负荷信息和电价信息的采集，并将负荷、电价相关的数据通过标记、低谷修正、公式计算结合的方式得到高峰时段荷价因子，通过标记、高峰修正、公式计算结合的方式得到低谷时段荷价因子，将高峰时段荷价因子、低谷时段荷价因子随时间变化的关系生成多个电池充电站的荷价因子-时间关系线状图；方便用户了解一定距离范围内电池充电站的负荷电价综合状况，利于后续结合充电时长和距离范围生成个性化的成本优先充放电管理方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于大数据的汽车电池充放电管理系统框架图；
图2为本发明基于大数据的汽车电池充放电管理方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1
如图1所示，本实施例提供一种基于大数据的汽车电池充放电管理系统，包括用户行为采集模块、电池性能采集模块、电网荷价采集模块、用户行为分析模块、电池性能分析模块、大数据管理服务器和方案选择规划模块。
具体的，用户行为采集模块用于采集电动汽车的用户行驶行为信息和用户充放电行为信息，并将其发送至用户行为分析模块和大数据管理服务器；其中，用户行驶行为信息包括电动汽车的日均行驶里程数、电池日均耗电量和平均每百公里电池耗电量；用户充放电行为信息包括电动汽车的平均每次充电时长、平均每次充电量和充电高频时间段。
通过安装在电动汽车内的多种传感器采集电动汽车的行驶里程数、电池耗电量、百公里电池耗电量、每次充电时长、每次充电量、每次充电的时间段，发送至MCU微处理控制器，MCU微处理控制器处理得到日均行驶里程数、电池日均耗电量、平均每百公里电池耗电量、平均每次充电时长、平均每次充电量和充电高频时间段。
电池性能采集模块用于采集电动汽车电池的额定性能信息和充放电性能信息，并将其发送至电池性能分析模块和大数据管理服务器；其中，额定性能信息包括电动汽车电池的额定容量、额定续航里程和额定循环寿命；充放电性能信息包括电动汽车电池的实时最大容量、实时最大续航里程和剩余循环寿命。额定容量、额定续航里程和额定循环寿命均由电动汽车出厂前检测得到，实时最大容量、实时最大续航里程和剩余循环寿命由设置在电动汽车内的多种传感器采集得到。
电网荷价采集模块用于采集电池充电站配电网的负荷信息和电价信息，并将其发送至大数据管理服务器；负荷信息包括各个时间段充电站配电网的总有功负荷、无功负荷和剩余未工作充电桩接口数量；电价信息包括充电站配电网的低谷时段电价、高峰时段电价和平均每次充电价格。总有功负荷和无功负荷由设置在电池充电站配电网内的电力数据采集器采集得到；剩余未工作充电桩接口数量由设置在充电桩附近的红外电子计数器采集得到。
用户行为分析模块用于将电动汽车用户的行驶行为信息和充放电行为信息进行衰减续航分析，生成高衰减低续航信号、中衰减中续航信号或低衰减高续航信号并将其发送至大数据管理服务器。
衰减续航分析的具体步骤如下：
步骤一，获取电动汽车用户的行驶行为信息和充放电行为信息，将其中的电动汽车的日均行驶里程数、电池日均耗电量和平均每百公里电池耗电量分别标记为Li、Hi和Bi，将其中的电动汽车的平均每次充电时长、平均每次充电量分别标记为Ci和Pi，i=1，…，n，n为大于1的正整数；依据公式
Figure DEST_PATH_IMAGE001
得到每个电动汽车的衰减续航因子Si；其中，α为衰减续航修正系数，α=0.935，a1、a2、a3、a4均为预设权重系数，a4＞a3＞a2＞a1＞0且a1+a2+a3+a4=6.821；需要说明的是，衰减续航因子的表观值越大，说明该电动汽车的电池衰减程度越高且续航降低程度越高；
步骤二，将每个电动汽车的衰减续航因子Si与其预设范围进行比较，当衰减续航系数Si大于其预设范围的最大值时，生成高衰减低续航信号；当衰减续航系数Si位于其预设范围内时，生成中衰减中续航信号；当衰减续航系数Si小于其预设范围的最小值时，生成低衰减高续航信号。
通过采集电动汽车的用户行驶行为信息和用户充放电行为信息，并将其中用户行驶行为和充放电行为相关的数据通过标记、衰减续航修正、预设权重、公式计算结合的方式得到每个电动汽车的衰减续航因子，衰减续航因子与其预设范围比较后生成反映电动汽车电池衰减续航综合状况的三种不同信号，方便用户了解其驾驶的电动汽车电池衰减续航综合状况，利于后续针对用户行驶行为信息和充放电行为信息生成个性化的行为优先充放电管理方案。
电池性能分析模块用于将电动汽车电池的额定性能信息和充放电性能信息进行性能变化分析，生成性能强变化信号、性能一般变化信号或性能弱变化信号并将其发送至大数据管理服务器。
性能变化分析的具体步骤如下：
步骤一，获取电动汽车电池的额定性能信息和充放电性能信息，将其中的电动汽车电池的额定容量、额定续航里程和额定循环寿命分别标记为Ri、Xi和Mi，将其中的电动汽车电池的实时最大容量、实时最大续航里程和剩余循环寿命分别标记为Li、Di和Ei，i=1，…，n，n为大于1的正整数；依据公式
Figure 307690DEST_PATH_IMAGE002
得到每个电动汽车电池的性能变化因子Fi；其中，β为变化修正系数，β=1.254；需要说明的是，性能变化因子的表观值越大，说明该电动汽车电池的综合性能降低程度越高；
步骤二，将每个电动汽车电池的性能变化因子Fi与其预设范围进行比较，当性能变化因子Fi大于其预设范围的最大值时，生成性能强变化信号；当性能变化因子Fi位于其预设范围内时，生成性能一般变化信号；当性能变化因子Fi小于其预设范围的最小值时，生成性能弱变化信号。
通过采集电动汽车的额定性能信息和充放电性能信息，并将其中额定性能和实时充放电性能相关的数据通过标记、变化修正、预设权重、公式计算结合的方式得到每个电动汽车电池的性能变化因子，性能变化因子与其预设范围比价后生成反映电动汽车电池综合性能变化程度的三种不同信号，方便用户了解其驾驶的电动汽车电池综合性能变化状况，利于后续针对充放电性能信息生成个性化的性能优先充放电管理方案。
大数据管理服务器用于将电池充电站配电网的负荷信息和电价信息进行电网荷价分析生成荷价因子-时间关系线状图；调取低衰减高续航信号、中衰减中续航信号对应的电动汽车用户的行驶行为信息和充放电行为信息并生成行为优先管理方案，将高衰减低续航信号转化为衰减续航报警信号并将其发送至用户移动终端；调取性能一般变化信号、性能弱变化信号对应的电动汽车电池的充放电性能信息并生成性能优先管理方案，将性能强变化信号转化为性能报警信号并将其发送至用户移动终端；调取电动汽车平均每次充电时长以及充电站配电网的平均每次充电价格，与荷价因子-时间关系线状图进行成本管理分析，生成成本优先管理方案；还用于将行为优先管理方案、性能优先管理方案和成本优先管理方案发送至方案选择规划模块。
电网荷价分析的具体步骤如下：获取各个时间段充电站配电网的总有功负荷、无功负荷和剩余未工作充电桩接口数量并将其分别标记为FYa、FWa、FJa，获取充电站配电网的低谷时段电价、高峰时段电价并将其分别标记为FDa、FGa，a=1，…，p，p为大于1的正整数；依据公式
Figure DEST_PATH_IMAGE003
得到每个电池充电站的低谷时段荷价因子DGa，依据公式
Figure 896934DEST_PATH_IMAGE004
得到每个电池充电站的高峰时段荷价因子GFa，以时间为横坐标、低谷时段荷价因子和高峰时段荷价因子生成每个电池充电站的荷价因子-时间关系线状图；其中，δ为低谷修正系数且δ=1.097，ε为高峰修正系数且ε=0.974，b1、b2、b3均为预设权重系数，b3＞b2＞b1＞0且b1+b2+b3=5.285，c1、c2、c3均为预设权重系数，c3＞c2＞c1＞0且c1+c2+c3=4.672；需要说明的是，低谷时段荷价因子的表观值越大，说明该充电站配电网的电价低谷时段的功率负荷越高且充电价格越高；高峰时段荷价因子的表观值越大，说明该充电站配电网的电价高峰时段的功率负荷越高且充电价格越高。
针对多个电池充电站配电网进行负荷信息和电价信息的采集，并将负荷、电价相关的数据通过标记、低谷修正、公式计算结合的方式得到高峰时段荷价因子，通过标记、高峰修正、公式计算结合的方式得到低谷时段荷价因子，将高峰时段荷价因子、低谷时段荷价因子随时间变化的关系生成多个电池充电站的荷价因子-时间关系线状图；方便用户了解一定距离范围内电池充电站的负荷电价综合状况，利于后续结合充电时长和距离范围生成个性化的成本优先充放电管理方案。
生成行为优先管理方案的过程如下：调取低衰减高续航信号、中衰减中续航信号对应的电动汽车用户的行驶行为信息和充放电行为信息，将该电动汽车充电高频时间段作为行为推荐充电时段，并将行为推荐充电时段与匹配的充电站配电网的低谷时段电价、高峰时段电价相乘，生成行为方案预估价；行为推荐充电时段和行为方案预估价整合得到行为优先管理方案。
生成性能优先管理方案的过程如下：调取性能一般变化信号、性能弱变化信号对应的电动汽车电池的充放电性能信息，将该电动汽车电池的实时最大容量作为性能推荐充电量，并将性能推荐充电量分别与充电站配电网的低谷时段电价、高峰时段电价相乘，生成性能方案预估价；性能推荐充电量和性能方案预估价整合得到性能优先管理方案。
与荷价因子-时间关系线状图进行成本管理分析，生成成本优先管理方案的具体步骤如下：将电动汽车平均每次充电时长与5km范围内充电站的荷价因子-时间关系线状图进行比较，筛选出与平均每次充电时长相同的连续时间段内荷价因子覆盖面积最小区域，将该覆盖面积最小区域对应的起始时间作为成本推荐充电时段，并将该覆盖面积最小区域对应的充电站作为成本推荐充电站；成本推荐充电时段和成本推荐充电站位置整合得到成本优先管理方案。
通过将电动汽车充电高频时间段作为行为推荐充电时段，并将行为推荐充电时段与匹配的充电站配电网的低谷时段电价、高峰时段电价处理生成行为方案预估价，方便用户知晓行为优先充放电管理时的充电时段与预估价格；通过将电动汽车电池的实时最大容量作为性能推荐充电量作为性能推荐充电量，性能推荐充电量分别与充电站配电网的低谷时段电价、高峰时段电价处理得到性能方案预估价，方便用户知晓性能优先充放电管理时的充电量和预估价格；通过将电动汽车平均每次充电时长、距离范围与荷价因子-时间关系线状图进行比较、覆盖面积筛选后得到成本推荐充电时段和成本推荐充电站位置，方便用户知晓成本优先管理时的充电时段和充电站位置；上述基于用户行为、电池性能和充放电成本生成多种充放电管理方案，提高了电动汽车电池充放电管理的多样性、安全性和经济性。
方案选择规划模块用于在用户选择行为优先管理方案后，调取该用户对应电动汽车的平均每次充电时长和平均每次充电量并将其发送至充电站的充电桩，控制充电桩的此次充电时长或充电电量与该用户电动汽车的平均每次充电时长、平均每次充电量一致；在用户选择性能优先管理方案后，调取该电动汽车电池的实时最大容量并将其发送至电池充电站的充电桩，控制充电桩的此次充电量达到该电动汽车电池的实时最大容量；在用户选择成本优先管理方案后，发送成本推荐充电时段、成本推荐充电站位置及其剩余未工作充电桩接口数量至用户移动终端。
用户选择优先管理方案、性能优先管理方案或成本优先管理方案后，针对性的为用户规划充电时长、充电量、充电时段或充电站位置以供参考，为用户选择的充放电方案提供多种规划数据。
上述提及的预设权重系数用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性；系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的权重因子系数；只要不影响参数与量化后数值的比例关系即可。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置。
实施例2
如图2所示，本实施例提供一种基于大数据的汽车电池充放电管理方法，适用于实施例1的汽车电池充放电管理系统，包括以下步骤：
步骤一，信息采集：采集电动汽车的用户行驶行为信息和用户充放电行为信息；采集电动汽车电池的额定性能信息和充放电性能信息；采集电池充电站配电网的负荷信息和电价信息；
步骤二，衰减续航分析、性能变化分析、电网荷价分析：将电动汽车用户的行驶行为信息和充放电行为信息进行衰减续航分析，生成高衰减低续航信号、中衰减中续航信号或低衰减高续航信号；将电动汽车电池的额定性能信息和充放电性能信息进行性能变化分析，生成性能强变化信号、性能一般变化信号或性能弱变化信号；将电池充电站配电网的负荷信息和电价信息进行电网荷价分析生成荷价因子-时间关系线状图；
步骤三，大数据管理：调取低衰减高续航信号、中衰减中续航信号对应的电动汽车用户的行驶行为信息和充放电行为信息并生成行为优先管理方案，将高衰减低续航信号转化为衰减续航报警信号并将其发送至用户移动终端；调取性能一般变化信号、性能弱变化信号对应的电动汽车电池的充放电性能信息并生成性能优先管理方案，将性能强变化信号转化为性能报警信号并将其发送至用户移动终端；调取电动汽车平均每次充电时长以及充电站配电网的平均每次充电价格，与荷价因子-时间关系线状图进行成本管理分析，生成成本优先管理方案；
步骤四，方案选择规划：用户选择行为优先管理方案后，调取该用户对应电动汽车的平均每次充电时长和平均每次充电量并将其发送至充电站的充电桩，控制充电桩的此次充电时长或充电电量与该用户电动汽车的平均每次充电时长、平均每次充电量一致；用户选择性能优先管理方案后，调取该电动汽车电池的实时最大容量并将其发送至电池充电站的充电桩，控制充电桩的此次充电量达到该电动汽车电池的实时最大容量；用户选择成本优先管理方案后，发送成本推荐充电时段、成本推荐充电站位置及其剩余未工作充电桩接口数量至用户移动终端。
该汽车电池充放电管理方法，采集电动汽车的用户行驶行为信息、用户充放电行为信息、额定性能信息、充放电性能信息以及电池充电站配电网的负荷信息和电价信息后，通过衰减续航分析、性能变化分析、电网荷价分析的多种分析方式分别生成反映电动汽车电池衰减续航综合状况、性能变化状况和充电站负荷价格综合状况的信号或图形，针对信号或图形调取采集的信息后处理生成行为优先管理方案、性能优先管理方案、成本优先管理方案或报警信号，基于用户行为、电池性能和充放电成本生成多种充放电管理方案，提高了电动汽车电池充放电管理的多样性、安全性和经济性；用户选择优先管理方案、性能优先管理方案或成本优先管理方案后，针对性的为用户规划充电时长、充电量、充电时段或充电站位置以供参考，为用户选择的充放电方案提供多种规划数据。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (8)

1.一种基于大数据的汽车电池充放电管理系统，其特征在于，包括用户行为采集模块、电池性能采集模块、电网荷价采集模块、用户行为分析模块、电池性能分析模块、大数据管理服务器和方案选择规划模块；
用户行为采集模块用于采集电动汽车的用户行驶行为信息和用户充放电行为信息，并将其发送至用户行为分析模块和大数据管理服务器；其中，用户行驶行为信息包括电动汽车的日均行驶里程数、电池日均耗电量和平均每百公里电池耗电量；用户充放电行为信息包括电动汽车的平均每次充电时长、平均每次充电量和充电高频时间段；
电池性能采集模块用于采集电动汽车电池的额定性能信息和充放电性能信息，并将其发送至电池性能分析模块和大数据管理服务器；其中，额定性能信息包括电动汽车电池的额定容量、额定续航里程和额定循环寿命；充放电性能信息包括电动汽车电池的实时最大容量、实时最大续航里程和剩余循环寿命；
电网荷价采集模块用于采集电池充电站配电网的负荷信息和电价信息，并将其发送至大数据管理服务器；负荷信息包括各个时间段充电站配电网的总有功负荷、无功负荷和剩余未工作充电桩接口数量；电价信息包括充电站配电网的低谷时段电价、高峰时段电价和平均每次充电价格；
用户行为分析模块用于将电动汽车用户的行驶行为信息和充放电行为信息进行衰减续航分析，生成高衰减低续航信号、中衰减中续航信号或低衰减高续航信号并将其发送至大数据管理服务器；
电池性能分析模块用于将电动汽车电池的额定性能信息和充放电性能信息进行性能变化分析，生成性能强变化信号、性能一般变化信号或性能弱变化信号并将其发送至大数据管理服务器；
大数据管理服务器用于将电池充电站配电网的负荷信息和电价信息进行电网荷价分析生成荷价因子-时间关系线状图；调取低衰减高续航信号、中衰减中续航信号对应的电动汽车用户的行驶行为信息和充放电行为信息并生成行为优先管理方案，将高衰减低续航信号转化为衰减续航报警信号并将其发送至用户移动终端；调取性能一般变化信号、性能弱变化信号对应的电动汽车电池的充放电性能信息并生成性能优先管理方案，将性能强变化信号转化为性能报警信号并将其发送至用户移动终端；调取电动汽车平均每次充电时长以及充电站配电网的平均每次充电价格，与荷价因子-时间关系线状图进行成本管理分析，生成成本优先管理方案；还用于将行为优先管理方案、性能优先管理方案和成本优先管理方案发送至方案选择规划模块。
2.根据权利要求1所述的一种基于大数据的汽车电池充放电管理系统，其特征在于，衰减续航分析的具体步骤如下：
步骤一，获取电动汽车用户的行驶行为信息和充放电行为信息，将其中的电动汽车的日均行驶里程数、电池日均耗电量和平均每百公里电池耗电量分别标记为Li、Hi和Bi，将其中的电动汽车的平均每次充电时长、平均每次充电量分别标记为Ci和Pi，i=1，…，n，n为大于1的正整数；处理得到每个电动汽车的衰减续航因子Si；
步骤二，将每个电动汽车的衰减续航因子Si与其预设范围进行比较，当衰减续航系数Si大于其预设范围的最大值时，生成高衰减低续航信号；当衰减续航系数Si位于其预设范围内时，生成中衰减中续航信号；当衰减续航系数Si小于其预设范围的最小值时，生成低衰减高续航信号。
3.根据权利要求1所述的一种基于大数据的汽车电池充放电管理系统，其特征在于，性能变化分析的具体步骤如下：
步骤一，获取电动汽车电池的额定性能信息和充放电性能信息，将其中的电动汽车电池的额定容量、额定续航里程和额定循环寿命分别标记为Ri、Xi和Mi，将其中的电动汽车电池的实时最大容量、实时最大续航里程和剩余循环寿命分别标记为Li、Di和Ei，i=1，…，n，n为大于1的正整数；处理得到每个电动汽车电池的性能变化因子Fi；
步骤二，将每个电动汽车电池的性能变化因子Fi与其预设范围进行比较，当性能变化因子Fi大于其预设范围的最大值时，生成性能强变化信号；当性能变化因子Fi位于其预设范围内时，生成性能一般变化信号；当性能变化因子Fi小于其预设范围的最小值时，生成性能弱变化信号。
4.根据权利要求1所述的一种基于大数据的汽车电池充放电管理系统，其特征在于，电网荷价分析的具体步骤如下：获取各个时间段充电站配电网的总有功负荷、无功负荷和剩余未工作充电桩接口数量并将其分别标记为FYa、FWa、FJa，获取充电站配电网的低谷时段电价、高峰时段电价并将其分别标记为FDa、FGa，a=1，…，p，p为大于1的正整数；处理得到每个电池充电站的低谷时段荷价因子DGa和高峰时段荷价因子GFa，以时间为横坐标、低谷时段荷价因子和高峰时段荷价因子生成每个电池充电站的荷价因子-时间关系线状图。
5.根据权利要求1所述的一种基于大数据的汽车电池充放电管理系统，其特征在于，生成行为优先管理方案的过程如下：调取低衰减高续航信号、中衰减中续航信号对应的电动汽车用户的行驶行为信息和充放电行为信息，将该电动汽车充电高频时间段作为行为推荐充电时段，并将行为推荐充电时段与匹配的充电站配电网的低谷时段电价、高峰时段电价相乘，生成行为方案预估价；行为推荐充电时段和行为方案预估价整合得到行为优先管理方案。
6.根据权利要求1所述的一种基于大数据的汽车电池充放电管理系统，其特征在于，生成性能优先管理方案的过程如下：调取性能一般变化信号、性能弱变化信号对应的电动汽车电池的充放电性能信息，将该电动汽车电池的实时最大容量作为性能推荐充电量，并将性能推荐充电量分别与充电站配电网的低谷时段电价、高峰时段电价相乘，生成性能方案预估价；性能推荐充电量和性能方案预估价整合得到性能优先管理方案。
7.根据权利要求1所述的一种基于大数据的汽车电池充放电管理系统，其特征在于，与荷价因子-时间关系线状图进行成本管理分析，生成成本优先管理方案的具体步骤如下：将电动汽车平均每次充电时长与5km范围内充电站的荷价因子-时间关系线状图进行比较，筛选出与平均每次充电时长相同的连续时间段内荷价因子覆盖面积最小区域，将该覆盖面积最小区域对应的起始时间作为成本推荐充电时段，并将该覆盖面积最小区域对应的充电站作为成本推荐充电站；成本推荐充电时段和成本推荐充电站位置整合得到成本优先管理方案。
8.根据权利要求1所述的一种基于大数据的汽车电池充放电管理系统，其特征在于，所述方案选择规划模块用于在用户选择行为优先管理方案后，调取该用户对应电动汽车的平均每次充电时长和平均每次充电量并将其发送至充电站的充电桩，控制充电桩的此次充电时长或充电电量与该用户电动汽车的平均每次充电时长、平均每次充电量一致；在用户选择性能优先管理方案后，调取该电动汽车电池的实时最大容量并将其发送至电池充电站的充电桩，控制充电桩的此次充电量达到该电动汽车电池的实时最大容量；在用户选择成本优先管理方案后，发送成本推荐充电时段、成本推荐充电站位置及其剩余未工作充电桩接口数量至用户移动终端。
CN202210825210.9A 2022-07-14 2022-07-14 一种基于大数据的汽车电池充放电管理系统 Active CN114919456B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210825210.9A CN114919456B (zh) 2022-07-14 2022-07-14 一种基于大数据的汽车电池充放电管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210825210.9A CN114919456B (zh) 2022-07-14 2022-07-14 一种基于大数据的汽车电池充放电管理系统

Publications (2)

Publication Number Publication Date
CN114919456A true CN114919456A (zh) 2022-08-19
CN114919456B CN114919456B (zh) 2022-10-25

Family

ID=82816272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210825210.9A Active CN114919456B (zh) 2022-07-14 2022-07-14 一种基于大数据的汽车电池充放电管理系统

Country Status (1)

Country Link
CN (1) CN114919456B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012048286A (ja) * 2010-08-24 2012-03-08 Hitachi Ltd 電気自動車の充電制御方法、充電監視制御センタ、車載カーナビ装置、および電力系統安定化システム
CN102593915A (zh) * 2012-03-06 2012-07-18 郭春林 一种用于谷期充电的设备及方法
US20120271723A1 (en) * 2011-04-22 2012-10-25 Penilla Angel A Electric vehicle (ev) range extending charge systems, distributed networks of charge kiosks, and charge locating mobile apps
CN103915869A (zh) * 2014-03-10 2014-07-09 贾英昊 一种基于移动设备的电动汽车智能充电系统及方法
CN108376291A (zh) * 2017-11-28 2018-08-07 国网甘肃省电力公司电力科学研究院 一种基于微电网的电动汽车充换电站选址定容方法
CN109177802A (zh) * 2018-10-18 2019-01-11 国网甘肃省电力公司电力科学研究院 一种基于无线通信的电动汽车有序充电系统及其方法
CN110293872A (zh) * 2019-08-08 2019-10-01 杭州勒格网络科技有限公司 一种电动汽车智能充电导航系统及方法
CN110429671A (zh) * 2019-06-21 2019-11-08 北京航空航天大学 一种电动汽车高适应性充电系统及方法
CN110570050A (zh) * 2019-09-25 2019-12-13 国网浙江省电力有限公司经济技术研究院 一种计及路-网-车的电动汽车充电引导方法
CN113313309A (zh) * 2021-05-31 2021-08-27 河南职业技术学院 一种用于新能源汽车的充电方法及系统
WO2021192844A1 (ja) * 2020-03-27 2021-09-30 本田技研工業株式会社 バッテリ情報処理システムおよびバッテリ情報処理方法
CN113479063A (zh) * 2021-07-02 2021-10-08 智马达汽车有限公司 一种电池使用状况分析方法、装置、设备及存储介质
US20220188946A1 (en) * 2020-12-04 2022-06-16 Totalenergies Se Customer-centric method and system for pricing options and pricing/charging co-optimization at multiple plug-in electric vehicle charging stations
WO2022143669A1 (zh) * 2020-12-30 2022-07-07 广州橙行智动汽车科技有限公司 一种电池管理方法、装置及车辆

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012048286A (ja) * 2010-08-24 2012-03-08 Hitachi Ltd 電気自動車の充電制御方法、充電監視制御センタ、車載カーナビ装置、および電力系統安定化システム
US20120271723A1 (en) * 2011-04-22 2012-10-25 Penilla Angel A Electric vehicle (ev) range extending charge systems, distributed networks of charge kiosks, and charge locating mobile apps
CN102593915A (zh) * 2012-03-06 2012-07-18 郭春林 一种用于谷期充电的设备及方法
CN103915869A (zh) * 2014-03-10 2014-07-09 贾英昊 一种基于移动设备的电动汽车智能充电系统及方法
CN108376291A (zh) * 2017-11-28 2018-08-07 国网甘肃省电力公司电力科学研究院 一种基于微电网的电动汽车充换电站选址定容方法
CN109177802A (zh) * 2018-10-18 2019-01-11 国网甘肃省电力公司电力科学研究院 一种基于无线通信的电动汽车有序充电系统及其方法
CN110429671A (zh) * 2019-06-21 2019-11-08 北京航空航天大学 一种电动汽车高适应性充电系统及方法
CN110293872A (zh) * 2019-08-08 2019-10-01 杭州勒格网络科技有限公司 一种电动汽车智能充电导航系统及方法
CN110570050A (zh) * 2019-09-25 2019-12-13 国网浙江省电力有限公司经济技术研究院 一种计及路-网-车的电动汽车充电引导方法
WO2021192844A1 (ja) * 2020-03-27 2021-09-30 本田技研工業株式会社 バッテリ情報処理システムおよびバッテリ情報処理方法
US20220188946A1 (en) * 2020-12-04 2022-06-16 Totalenergies Se Customer-centric method and system for pricing options and pricing/charging co-optimization at multiple plug-in electric vehicle charging stations
WO2022143669A1 (zh) * 2020-12-30 2022-07-07 广州橙行智动汽车科技有限公司 一种电池管理方法、装置及车辆
CN113313309A (zh) * 2021-05-31 2021-08-27 河南职业技术学院 一种用于新能源汽车的充电方法及系统
CN113479063A (zh) * 2021-07-02 2021-10-08 智马达汽车有限公司 一种电池使用状况分析方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯明等: "一定规模电动汽车集群充电优化策略研究", 《电力科学与工程》 *
李琳玮等: "基于交通信息的多类型电动汽车综合充电需求研究", 《电力工程技术》 *

Also Published As

Publication number Publication date
CN114919456B (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
CN109359389B (zh) 基于典型负荷动态博弈的城市电动汽车充电决策方法
CN107169273B (zh) 计及延时和v2g充电模式的电动汽车充电功率预测方法
CN107947165A (zh) 一种面向调节需求的配电网灵活性评价方法
Gan et al. A probabilistic evaluation method of household EVs dispatching potential considering users’ multiple travel needs
CN114919433B (zh) 电动汽车集群充放电控制方法、系统及相关设备
CN113022361B (zh) 电力需求响应条件下基于充电桩的有序充电方法
CN107565585A (zh) 储能装置调峰回报时间预测方法及其模型创建方法
CN115809942A (zh) 用电量数据预测方法、装置及存储介质
CN117485177A (zh) 充电桩智能节能控制系统及方法
CN113705710A (zh) 电动车充电设施违约用电识别方法及装置
CN111711209A (zh) 基于储能寿命和调频性能的光储充联合运行方法及系统
CN118017927B (zh) 一种光伏面板自动清洁方法及系统
CN102570490B (zh) 一种电动汽车智能充放电控制方法
CN117828408B (zh) 一种储能容量数据处理方法及系统
CN112085394A (zh) 一种计及需求侧响应的用户侧储能评估方法及系统
CN116896086A (zh) 考虑需求响应的虚拟电厂可调资源调控系统及方法
CN116512968B (zh) 基于换电柜的充电功率分配方法、装置、设备及存储介质
CN116923168B (zh) 基于变电站联网的充电桩电能调度系统及其调度方法
CN114919456B (zh) 一种基于大数据的汽车电池充放电管理系统
CN109586309B (zh) 基于大数据自由熵理论和场景匹配的配电网无功优化方法
Faranda et al. SCADA system for optimization of energy exchange with the BESS in a residential case
CN113537575B (zh) 一种含分布式光伏和电动汽车并网的趋势负荷预测方法
CN115133580A (zh) 基于用户负荷准线的考虑电动汽车入网的需求响应方法
CN112600205A (zh) 充电站储能的配置方法
CN112529396A (zh) 基于新能源汽车指标分析的数据处理方法

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