CN115357806A - 一种基于用户偏好的电动汽车充电方法 - Google Patents

Abstract

本发明公开了一种基于用户偏好的电动汽车充电方法，包括以下步骤：建立电动汽车锂电池等效电路，根据等效电路得出锂电池在充电过程中的电‑热‑用户耦合模型，将电动汽车用户的充电偏好分为三种类型；考虑电动汽车充电过程中的终点电量SOC、电动汽车充电产生的电费与能量损耗，以及充电过程中的最大温升，建立电动汽车充电问题的目标函数；根据不同的用户充电偏好，设计分时恒流充电方法，通过社交网络搜索算法优化充电电流序列，得到优化后的电动汽车充电电流序列。

Description

一种基于用户偏好的电动汽车充电方法

技术领域

本发明属于电动汽车充电领域，具体涉及一种基于用户偏好的电动汽车充电方法。

背景技术

随着全球气候变暖带来的环境保护问题，电动汽车被视为减轻环境污染、降低碳排放的解决方案之一。与传统燃油汽车不同，电动汽车用户之间由于存在不同的充电需求、充电偏好和驾驶体验，因此电动汽车充电需求具有更明显的用户特征。同时分时电价的存在也给用户的充电费用带来了不确定性。因此，如何将电动汽车用户的充电需求与充电偏好引入充电控制策略中成为电动汽车智能充电研究领域的主要挑战之一。锂电池由于低碳环保、使用寿命长等特点，成为电动汽车的动力来源。锂电池在使用过程中，会由于电流的热效应以及锂电池自身的电化学特性而产生热量损耗并引起电池温度上升，从而对电池的使用寿命产生影响。因此，设计良好的电动汽车智能充电策略对提高用户充电满意度、降低碳排放等具有重要意义。

电动汽车锂电池充电问题是当前锂电池研究领域的热点之一。许多研究都考虑了电动汽车负荷建模和电价，但电动汽车充电所需的充电需求还取决于其他因素，例如电动汽车电池的初始充电状态(State of Charge,SOC)，充电持续时间、充电站位置、充电开始时间、充电高峰时间、充电速度，以及驾驶员体验等因素。本发明将电动汽车的用户主体引入到充电问题当中，通过考虑深度用户设置的充电总时间与峰谷平电价下的充电费用，并兼顾充电过程中的电池温度与电池电压，提出了一种基于用户偏好的电动汽车充电方法。

发明内容

发明目的：本发明提供一种基于用户偏好的电动汽车充电方法，适用于不同的用户充电偏好，实现电动汽车的智能充电。

技术方案：本发明提供了一种基于用户偏好的电动汽车充电方法，包括以下步骤：

(1)建立电动汽车锂电池的二阶等效电路，并根据等效电路得出锂电池在充电过程中的电模型和热模型，根据充电的峰谷平电价以及用户设置的充电时间与目标电量，建立用户偏好模型，综合得到电动汽车充电的电-热-用户耦合模型；

(2)根据电动汽车锂电池的电-热-用户耦合模型，将电动汽车锂电池充电的终点电量作为目标项J₁，将电动汽车充电产生的充电费用作为目标项J₂，将充电过程中产生的能量损耗作为目标项J₃，将在充电过程中的最大温升作为目标项J₄，引入目标项的基准因子与权重系数，建立电动汽车充电目标函数；

(3)根据在不同时间段的充电电价，采用分时恒流充电方法，通过社交网络搜索算法优化充电电流序列。

进一步地，步骤(1)所述电-热-用户耦合模型包括锂电池的电模型、热模型、用户偏好模型；所述电模型为锂电池的二阶RC等效电路，由开路电压V_OC、等效电阻R₀、R₁、R₂以及等效电容C₁、C₂组成；所述热模型为电池双层热模型，双层热模型包括电池核心与电池表面之间的热传导，电池表面与外部环境之间的热对流；所述用户偏好模型为电动汽车汽车用户的充电偏好模型，将用户偏好分为电量敏感型、目标均衡型、经济敏感型，用户根据自身需求设置充电总时间T_set与目标电量SOC_set。

进一步地，步骤(1)所述锂电池的热模型由电池核心与电池表面之间的热传导、电池表面与外部环境之间的热对流组成的双层热模型；所述热模型公式为：

Q(t)＝I_B(t)(V₁(t)+V₂(t)+R₀I_B(t))△t

其中，Q(t)为电池充电过程中在采样时间间隔△t内产生的热量，T_c(t)、T_s(t)、T_f(t)分别表示锂电池在充电过程中t时刻的核心温度、表面温度与环境温度；T_a(t)表示在充电过程中t时刻的电池平均温度，R_u、R_c、C_c与C_s分别表示热对流电阻、热传导电阻、内部电容以及表面电容。

进一步地，步骤(2)所述电动汽车充电目标函数为：

其中，γ₁、γ₂、γ₃、γ₄分别为J₁、J₂、J₃和J₄各子目标项的权重系数，基准因子J_1b、J_2b、J_3b、J_4b为采用电流倍率为

的恒流恒压充电策略下，各子目标项的目标值。

进一步地，步骤(3)所述分时恒流充电方法为在锂电池的充电过程中，随着时间变化，电动汽车的充电电价会根据峰谷平电价表而发生变化，在不同的充电时间段，采用不同的充电电流，每1min更新一次充电电流值以对电动汽车进行充电。

进一步地，步骤(3)所述的社交网络搜索算法包括以下步骤：

S1：初始化社交网络搜索算法中的社交网络人数、初始化人群的状态量；

S2：选择初始状态量目标函数值最小的状态记为当前最优状态；

S3：随机选择社交网络算法中的人群行为模式，更新社交网络算法中的各状态量；

S4：计算各新状态量对应的目标函数值，并找出最小目标函数值对应的状态作为新最优状态；

S5：如果新最优状态对应的目标函数值优于当前最优状态对应的目标函数值，则将新最优状态更新为当前最优状态，否则仍然保持当前最优状态；

S6：如果迭代次数达到最大迭代次数，则将当前的最优状态记为整个迭代过程所得到的最优状态量，否则返回S3；

S7：输出最优状态量为电动汽车充电过程中的电流序列。

有益效果：与现有技术相比，本发明的有益效果：1、本发明的电动汽车充电策略与恒流恒压充电策略相比，在满足基本用电需求的基础上，降低了充电过程产生的充电费用与能量损耗，达到了多目标优化的电动汽车充电效果；2、本发明适用于不同的用户充电偏好，能较好地完成各种用户设置场景下的电动汽车充电的多目标优化任务，体现了该电动汽车充电策略的有效性。

附图说明

图1是电-热-用户耦合模型结构示意图；

图2是锂离子电池二阶RC等效电路示意图；

图3是社交网络搜索算法的流程图；

图4是不同用户偏好类型下的充电电流图；

图5是不同用户偏好类型下的SOC曲线图；

图6是不同用户偏好类型下的平均温度曲线图；

图7是不同用户偏好类型下的终端电压曲线图。

具体实施方式

下面结合附图对本发明做进一步详细说明。

本发明提供一种基于多目标优化的锂离子电池快速充电方法，具体包括以下步骤：

步骤1：建立电动汽车锂电池的二阶等效电路，并根据等效电路得出锂电池在充电过程中的电-热模型，根据充电的峰谷平电价以及用户设置的充电时间与目标电量，建立用户偏好模型，综合得到电动汽车充电的电-热-用户耦合模型。

如图1所示，电-热-用户耦合模型包括锂电池的电模型、热模型、用户偏好模型；电模型为锂电池的二阶RC等效电路，该模型主要由开路电压V_OC，等效电阻R₀、R₁、R₂以及等效电容C₁、C₂组成，锂电池二阶RC电路的数学表达式为：

V_OC(t)＝f_OC(SOC(t))

V_B(t)＝V₁(t)+V₂(t)+V_oc(t)+R₀I_B(t)

其中，C_n表示电池的额定容量；SOC(t)，I_B(t)，V₁(t)，V₂(t)，V_B(t)分别表示t时刻的电池荷电状态、充电电流、电容C₁两端的电压、电容C₂两端的电压以及电池两端的电压；将V_OC记为自变量为SOC的函数。

本发明采用的电池热模型是由电池核心与电池表面之间的热传导、电池表面与外部环境之间的热对流组成的双层热模型。电动汽车锂电池充电过程中的热模型公式为：

Q(t)＝I_B(t)(V₁(t)+V₂(t)+R₀I_B(t))△t

其中，Q(t)为电池充电过程中在采样时间间隔△t内产生的热量，T_c(t)、T_s(t)、T_f(t)分别表示锂电池在充电过程中t时刻的核心温度、表面温度与环境温度。T_a(t)表示在充电过程中t时刻的电池平均温度。R_u、R_c、C_c与C_s分别表示热对流电阻、热传导电阻、内部电容以及表面电容。

用户模型描述电动汽车用户的充电偏好模型，该模型将用户偏好分为电量敏感型、目标均衡型、经济敏感型，用户可以根据自身需求设置充电总时间T_set(单位：h)与目标电量SOC_set(单位：％)；电动汽车的充点电价采用国家电网北京充电桩峰谷平电价表。将电动汽车用户的充电偏好分为三种类型：

类型1(电量敏感型)：用户更关心电动汽车的充电终点电量而非最终的充电费用。当电动汽车有较长时间的行驶计划或重要行驶任务时，用户可以选择该类型的充电偏好。

类型2(目标平衡型)：该类型的充电偏好使得电动汽车的充电概念过程中在充电费用与充电终点电量之间取得了平衡，在基本满足用户电量有需求的基础上降低了充电费用。

类型3(经济敏感型)：用户更关心电动汽车的最终的充电费用而并不要求达到满额电量。该类型的充电偏好适合于短距离行驶或并不急于使用车辆的用户。

因此，电动汽车用户可以通过自身的行驶任务来选择不同的用户充电偏好。

步骤2：根据电动汽车锂电池的电-热-用户耦合模型，将电动汽车锂电池充电的终点电量SOC_final表达式作为目标项J₁。参考某品牌电动汽车由7104节锂电池组成的电池组，将7104节电池所需的充电费用作为电动汽车充电目标项J₂，将充电过程中产生的总的能量损耗作为目标项J₃，将在充电过程中的最大温升作为目标项J₄，引入目标项的基准因子与权重系数，建立电动汽车充电问题的目标函数。各目标项的表达式为：

J₁＝exp(abs(SOC_final-SOC_set))

J₄＝maxT_a(t)-T_f(t)

电动汽车充电的多目标函数为：

其中，J₁、J₂、J₃和J₄分别为目标函数中的各子目标项，γ₁、γ₂、γ₃、γ₄分别为各子目标项的权重系数，基准因子J_1b、J_2b、J_3b、J_4b为采用电流倍率为

的恒流恒压充电策略下，各子目标项的目标值。

固定权重γ₁＝10、γ₃＝1、γ₄＝1，以目标项J₂的权重γ₂为经济权重，将经济权重选项分为0、2、4、6、8、10六种等级，六种等级的经济权重分别对应不同的电动汽车充电偏好。经济权重越大，用户的经济敏感度越高，即越重视电动汽车在充电过程中产生的电费。

根据本发明提出的三种类型的充电偏好，将经济权重等级为0、2、4归类为电量敏感型，经济权重等级为6归类为目标均衡型，经济权重等级为8、10归类为经济敏感型。

步骤3：根据在不同时间段的充电电价，采用分时恒流充电方法，通过社交网络搜索算法优化充电电流序列。

在电动汽车的充电过程中，锂电池电池的电量、端电压、温度以及实时电价会发生变化。因此在不同的充电时间阶段，可以采用不同的充电电流以达到多目标优化的目的，本发明采用分时恒流充电方法对电动汽车进行智能充电，每1min进行一次电流值决策，因此充电电流序列为I_B＝[I⁽¹⁾,I⁽²⁾,...,I^(N)]，其中N＝60·T_set。

本发明采用社交网络搜索算法优化充电电流序列，以求解本发明所提出的多目标优化问题，状态量X由nPop组状态组成，nPop为社交网络搜索算法中社交人群的数量：

X＝[X₁,X₂,...,X_nPop]

设置状态X_i,i＝1,2,...,nPop；

设置社交网络搜索算法的目标函数为上文建立的多目标优化问题的目标函数：

f(X_i)＝J(I_B＝X_i)

社交网络搜索算法通过模拟社交网络中用户的行为方式，可用于求解带约束的多目标优化问题，其数学模型如下，分别表示社交人群初始化、模仿行为、对话行为、争论行为以及创新行为：

X⁰＝LB+r_(0,1)×(UB-LB)

其中，X⁰为初始状态；X_j为随机选择的状态；

分别为X_i通过社交网络搜索算法中模仿、对话、争论、创新等行为更新后的状态；UB为状态量的上限，LB为状态量的下限，这里设置

N_r为1到nPop之间的随机整数；r_(a,b)表示a、b之间的随机值，sgn()为符号函数、round()为四舍五入函数。

社交网络搜索算法的流程图如图3所示，包括以下步骤：

S1：初始化社交网络搜索算法中的社交网络人数、初始化人群的状态量；

S2：选择初始状态量目标函数值最小的状态记为当前最优状态；

S3：随机选择社交网络算法中的人群行为模式，更新社交网络算法中的各状态量；

S4：计算各新状态量对应的目标函数值，并找出最小目标函数值对应的状态作为新最优状态；

S5：如果新最优状态对应的目标函数值优于当前最优状态对应的目标函数值，则将新最优状态更新为当前最优状态，否则仍然保持当前最优状态；

S6：如果迭代次数达到最大迭代次数，则将当前的最优状态记为整个迭代过程所得到的最优状态量，否则返回S3；

S7：输出最优状态量为电动汽车充电过程中的电流序列。

在充电开始时间为6:30，用户设置的充电总时间为1h的场景下，6:30-7:00的电价为0.335[Yuan/kWh]，7:00-7:30的电价为0.781[Yuan/kWh]。采用本发明提出的电动汽车充电策略下，不同的用户充电偏好类型的充电电流、电量SOC、电池平均温度、电池终端电压曲线分别如图4-图7所示。从图4可以看出，在6:30-7:00的低电价时间段，充电电流相对较高；在7:00-7:30的高电价时间段，充电电流相对较低；从图5的SOC曲线可以看出，经济权重设置为2的电量敏感型用户偏好设置下，充电结束时刻的电池终点电量最高；经济权重为8的经济敏感型用户偏好下，整个充电过程中的电流值都处于较低的水平，因此所产生的充电电费也最低；而经济权重为6的目标均衡型用户偏好设置下，在终点电量和充电电费之间取得了较好的平衡。从图6、图7可以看出，由于在目标函数中考虑了充电过程中的电池温度与终端电压，因此相比于CCCV充电方法，本发明下的充电过程中的电池温度较低、终点时刻的终端电压较低。

以上所述仅为本发明的优先实施例，而非对本发明作任何形式上的限制。本领域的技术人员可在上述实施例的基础上施以各种等同的更改和改进，凡在权利要求范围内所做的等同变化和修饰，均应落入本发明的保护范围之内。

Claims (6)

1.一种基于用户偏好的电动汽车充电方法，其特征在于，包括以下步骤：

(1)建立电动汽车锂电池的二阶等效电路，并根据等效电路得出锂电池在充电过程中的电模型和热模型，根据充电的峰谷平电价以及用户设置的充电时间与目标电量，建立用户偏好模型，综合得到电动汽车充电的电-热-用户耦合模型；

(2)根据电动汽车锂电池的电-热-用户耦合模型，将电动汽车锂电池充电的终点电量作为目标项J₁，将电动汽车充电产生的充电费用作为目标项J₂，将充电过程中产生的能量损耗作为目标项J₃，将在充电过程中的最大温升作为目标项J₄，引入目标项的基准因子与权重系数，建立电动汽车充电目标函数；

(3)根据在不同时间段的充电电价，采用分时恒流充电方法，通过社交网络搜索算法优化充电电流序列。

2.根据权利要求1的所述的一种基于用户偏好的电动汽车充电方法，其特征在于，步骤(1)所述电-热-用户耦合模型包括锂电池的电模型、热模型、用户偏好模型；所述电模型为锂电池的二阶RC等效电路，由开路电压V_OC、等效电阻R₀、R₁、R₂以及等效电容C₁、C₂组成；所述热模型为电池双层热模型，双层热模型包括电池核心与电池表面之间的热传导，电池表面与外部环境之间的热对流；所述用户偏好模型为电动汽车汽车用户的充电偏好模型，将用户偏好分为电量敏感型、目标均衡型、经济敏感型，用户根据自身需求设置充电总时间T_set与目标电量SOC_set。

3.根据权利要求1的所述的一种基于用户偏好的电动汽车充电方法，其特征在于，步骤(1)所述锂电池的热模型由电池核心与电池表面之间的热传导、电池表面与外部环境之间的热对流组成的双层热模型；所述热模型公式为：

Q(t)＝I_B(t)(V₁(t)+V₂(t)+R₀I_B(t))△t

其中，Q(t)为电池充电过程中在采样时间间隔△t内产生的热量，T_c(t)、T_s(t)、T_f(t)分别表示锂电池在充电过程中t时刻的核心温度、表面温度与环境温度；T_a(t)表示在充电过程中t时刻的电池平均温度，R_u、R_c、C_c与C_s分别表示热对流电阻、热传导电阻、内部电容以及表面电容。

4.根据权利要求1的所述的一种基于用户偏好的电动汽车充电方法，其特征在于，步骤(2)所述电动汽车充电目标函数为：

其中，γ₁、γ₂、γ₃、γ₄分别为J₁、J₂、J₃和J₄各子目标项的权重系数，基准因子J_1b、J_2b、J_3b、J_4b为采用电流倍率为

的恒流恒压充电策略下，各子目标项的目标值。

5.根据权利要求1的所述的一种基于用户偏好的电动汽车充电方法，其特征在于，步骤(3)所述分时恒流充电方法为在锂电池的充电过程中，随着时间变化，电动汽车的充电电价会根据峰谷平电价表而发生变化，在不同的充电时间段，采用不同的充电电流，每1min更新一次充电电流值以对电动汽车进行充电。

6.根据权利要求1的所述的一种基于用户偏好的电动汽车充电方法，其特征在于，步骤(3)所述的社交网络搜索算法包括以下步骤：

S1：初始化社交网络搜索算法中的社交网络人数、初始化人群的状态量；

S2：选择初始状态量目标函数值最小的状态记为当前最优状态；

S3：随机选择社交网络算法中的人群行为模式，更新社交网络算法中的各状态量；

S4：计算各新状态量对应的目标函数值，并找出最小目标函数值对应的状态作为新最优状态；

S5：如果新最优状态对应的目标函数值优于当前最优状态对应的目标函数值，则将新最优状态更新为当前最优状态，否则仍然保持当前最优状态；

S6：如果迭代次数达到最大迭代次数，则将当前的最优状态记为整个迭代过程所得到的最优状态量，否则返回S3；

S7：输出最优状态量为电动汽车充电过程中的电流序列。

Images