CN116572769A - 一种新能源汽车无线充电时长预测方法及无线充电设备 - Google Patents
一种新能源汽车无线充电时长预测方法及无线充电设备 Download PDFInfo
- Publication number
- CN116572769A CN116572769A CN202310610605.1A CN202310610605A CN116572769A CN 116572769 A CN116572769 A CN 116572769A CN 202310610605 A CN202310610605 A CN 202310610605A CN 116572769 A CN116572769 A CN 116572769A
- Authority
- CN
- China
- Prior art keywords
- battery
- wireless charging
- charging
- new energy
- current
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000036541 health Effects 0.000 claims abstract description 73
- 241000283323 Delphinapterus leucas Species 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 108010059642 isinglass Proteins 0.000 claims abstract description 18
- 238000012417 linear regression Methods 0.000 claims abstract description 14
- 238000004146 energy storage Methods 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 16
- 241000283153 Cetacea Species 0.000 claims description 15
- 241000283326 Monodontidae Species 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 claims description 9
- 102000003712 Complement factor B Human genes 0.000 claims description 6
- 108090000056 Complement factor B Proteins 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 6
- 230000001965 increasing effect Effects 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 4
- 239000003795 chemical substances by application Substances 0.000 claims description 3
- 230000010485 coping Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000005672 electromagnetic field Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 206010014357 Electric shock Diseases 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000036449 good health Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- 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
- B60L53/10—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 characterised by the energy transfer between the charging station and the vehicle
- B60L53/12—Inductive energy transfer
-
- 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
- B60L53/50—Charging stations characterised by energy-storage or power-generation means
- B60L53/51—Photovoltaic means
-
- 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
- B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
-
- 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
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- 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
- B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种新能源汽车无线充电时长预测方法及无线充电设备，包括电池检测模块、预测模块、无线充电模块、光伏储能模块以及无线充电平台；电池检测模块检测电池健康状态、当前电池电量，传输到预测模块；预测模块通过获取的数据，采用多元线性回归预测模型对充电时长进行预测，并采用改进的白鲸优化算法对充电时长预测模型进行优化；无线充电模块用电磁共振的方式进行新能源汽车的无线充电；光伏储能模块利用光伏进行电能储能，提高能源利用率，通过无线充电平台对新能源汽车电池健康状态以及当前电量查看。与现有技术相比，本发明在充电过程中可以准确预测充电时长，并且利用无线充电，降低了触电的风险，安全可靠。
Description
技术领域
本发明涉及新能源无线充电技术领域，具体涉及一种新能源汽车无线充电时长预测方法及无线充电设备。
背景技术
随着科技的进步以及人们对于能源和环保问题的重视，新能源汽车越来越受到人们的关注。因为国家政策的大力扶持，如今汽车产业的发展趋势就是新能源汽车。目前新能源汽车的充电方式主要为有线充电，通过充电桩来进行电能的传输，但是在实际使用中却会出现很多问题。其中一个主要问题是一个充电桩不能同时为多辆车供电，节假日经常能在高速公路的服务区看到很多新能源汽车在排队等着充电。另一个问题是有安全隐患，利用充电桩进行充电的时候容易产生漏电的情况，这是一个不可忽视的安全隐患。与有线充电比较，无线充电技术的优点在于稳定性与安全性。基本的无线充电方式包括磁耦合共振式、电磁感应式与无线电波式，通过比较这三种无线充电方式，可知磁耦合共振式不管是在传输距离还是在传输功率上，都具有很好的研究前景。
目前，新能源电站的无线充电技术以及得到了较为广泛的应用，然而绝大多数的新能源车主无法真正了解车辆状态，只能得知自己车辆的当前电量，无法准确得知车辆充满电所需时长以及车辆当前电池的健康状态。车辆充电时长过长会导致电池受损，减低电池的使用寿命，而充电时间过短又无法满足车主需求，所以需要提供一种新能源汽车无线充电时长预测方法及无线充电设备，对充电的最佳时长进行预测，随时提供给车主当前车辆电池的健康状态，提醒车主及时维护，提高新能源汽车的使用寿命。
发明内容
发明目的：针对背景技术中指出的问题，本发明公开了一种新能源汽车无线充电时长预测方法及无线充电设备，在充电过程中可以准确预测充电时长，并且能够监测电池健康状态以及当前电池电量，同时降低了用户接触到带电体的概率，降低用户触电的风险，提高充电的安全性。
技术方案：本发明提供了一种新能源汽车无线充电时长预测方法，包括如下步骤：
步骤1：获取新能源汽车电池健康状态以及当前电池电量；所述电池健康状态检测结果通过百分比的形式输出，范围为0％到100％，百分比的值越高，表示电池的健康状态越好，与充电时长呈负相关；所述当前电池电量检测结果也通过百分比的形式输出，与充电时长呈负相关；电池健康度计算公式如下所示：
其中，BH表示电池健康度，表示百分比因子，λ1和λ2表示控制权值，Tc表示电池充满电所需时长，Td表示电池能够持续的最大时长；
步骤2：基于获取的电池健康状态、当前电池电量数据，采用多元线性回归预测方法，对新能源汽车充电时长进行预测，并采用白鲸优化算法对充电时长预测模型进行优化，构建IBWO-MLR充电时长预测模型；
步骤3：利用步骤2中IBWO-MLR充电时长预测模型基于当前获取的新能源汽车电池健康状态以及当前电池电量，对当前新能源汽车的充电时长进行预测，得到预测结果。
进一步地，所述步骤2中构建IBWO-MLR充电时长预测模型的具体操作为：
21)建立MLR多元线性回归预测模型，模型一般形式如下所示：
y0＝b0+b1x1i+b2x2i+…+bmxmi+εi(i＝1,2,...,n)
式中，b0、bj(j＝1,2,...,m)表示模型回归系数；εi表示除自变量xj，j＝1,2,...,m的影响之外，yi产生的随机变量，称为随机误差；自变量xj，j＝1,2,...,m，指采集的电池健康状态、当前电池电量；
22)计算随机误差，计算公式如下所示：
23)采用白鲸算法BWO对MLR多元线性回归预测模型的回归系数进行寻优。
进一步地，所述步骤23)中采用白鲸算法BWO对MLR多元线性回归预测模型的回归系数进行寻优具体为：
31)建立搜索代理位置矩阵，矩阵模型如下所示：
其中，n是白鲸的种群数量，种群指的是作为输入的电池健康状态和当前电池电量，d代表问题变量的维数；
32)构建适应度储存矩阵，矩阵模型如下所示：
33)计算算法的平衡因子Bf，计算公式如下所示：
Bf＝B0(1-T/(2Tmax))
其中，T是当前迭代次，Tmax是最大迭代次数，B0在每次迭代中在(0,1)之间随机变化；探索阶段发生在平衡因子Bf＞0.5时，而开发阶段发生在Bf≤0.5时；随着迭代次数T的增加，Bf的波动范围从(0,1)减小到(0,0.5)，而开发阶段的概率随着迭代次数T的不断增加而增加；对随机数B0进行改进，改进公式如下所示：
34)构建算法探索阶段数学模型，更新白鲸位置，更新公式如下所示：
其中，T是当前迭代次数，是第i条白鲸在第j维上的新位置，pj(j＝1,2,…,d)是从d维中选择的随机整数，/>是第i条白鲸在pj维度上的位置，/>和/>分别是第i条和第r条白鲸的当前位置，r是随机选择的白鲸，r1和r2是(0,1)的随机数，是用于增强探索阶段的随机算子，sin(2πr2)和cos(2πr2)表示镜像白鲸的鳍朝向水面；
35)构建算法开发阶段数学模型，位置更新公式如下所示：
C1＝2r4(1-T/Tmax)
其中，T是当前迭代次数，和/>分别是第i条白鲸和随机白鲸的当前位置，/>是第i条白鲸的新位置，/>是白鲸种群中的最佳位置，r3和r4是(0,1)之间的随机数，C1是衡量莱维飞行强度的随机跳跃强度；
36)引入了莱维飞行策略，以增强收敛性，莱维飞行函数LF如下所示：
其中，u和v为正态分布随机数，β为默认常数，等于1.5；
37)为了确保种群大小的数量恒定，使用白鲸的位置和鲸鱼落体的步长来建立更新的位置，数学模型表示为：
其中，r5、r6和r7是(0,1)之间的随机数；
38)计算鲸鱼坠落的步长Xstep，计算公式如下所示：
Xstep＝(ub-lb)exp(-C2T/Tmax)
C2＝2Wf×n
其中，C2是与鲸鱼下降概率和种群规模相关的阶跃因子，ub和lb分别是变量的上下限；
39)计算鲸鱼坠落概率Wf，计算公式如下所示：
Wf＝0.1-0.05T/Tmax
其中，鲸鱼坠落的概率从初始迭代的0.1降低到最后一次迭代的0.05；
40)最终输出最优的回归系数。
本发明还公开一种上述新能源汽车无线充电时长预测方法的新能源汽车无线充电设备，包括：
电池检测模块，所述电池检测模块包括电池健康状态检测模块以及当前电池电量检测模块，分别用于检测电池健康状态以及当前电池电量，所述电池健康状态检测结果通过百分比的形式输出，范围为0％到100％，百分比的值越高，表示电池的健康状态越好，与充电时长呈负相关；所述当前电池电量检测结果也通过百分比的形式输出，与充电时长呈负相关；
电池健康度计算公式如下所示：
其中，BH表示电池健康度，表示百分比因子，λ1和λ2表示控制权值，Tc表示电池充满电所需时长，Td表示电池能够持续的最大时长；
预测模块，所述预测模块与所述电池检测模块连接，用于基于获取的电池健康状态、当前电池电量数据，采用多元线性回归预测方法，对新能源汽车充电时长进行预测，并采用白鲸优化算法对充电时长预测模型进行优化，构建优化的IBWO-MLR充电时长预测模型，并对当前新能源汽车的充电时长进行预测。
优选地，还包括无线充电模块，用于对新能源汽车进行无线充电，所述无线充电模块包括无线充电桩，所述无线充电桩设置于无线充电停车位的地面，充电时与新能源汽车的无线充电机正对，所述无线充电桩与电网相连接，其内设置多组线圈，采用电磁共振的方式进行新能源汽车的无线充电，通过耦合的电磁场为媒介实现电能的传递，将交流电变为给电池充电的直流电，从而实现新能源汽车的无线充电。
优选地，还包括设置于无线充电停车位一侧的光伏储能模块，所述光伏储能模块由多个光伏板以及磷酸铁锂电池组成，光伏板吸收太阳能进行供电并将多余的能量储存，用于应对突发停电状况，确保充电能够正常进行。
优选地，还包括无线充电平台，所述电池检测模块检测的电池健康状态、当前电池电量，所述预测模块输出的预测充电时长均通过所述无线充电平台记录，通过所述无线充电平台显示新能源汽车电池健康状态、当前电池电量、已充电时长以及剩余充电时长；在所述无线充电停车位上设置有二维码，通过扫描无线充电停车位的二维码登录无线充电平台，随时查看汽车充电状态。
有益效果：
1、本发明提供的新能源汽车无线充电设备，很大程度上降低了用户接触到带电体的概率，用户触电的风险也大大降低，提高了充电的安全性；无线充电技术智能化程度高，效率快，解放了用户的双手，节约了时间。无线充电停车位提高了充电场地的利用率，将墙端的功率模块采取集中式的布置，每个停车位后面就可以节省布置功率模块和枪、线的空间，布置的充电位越多，空间节省的就越多，同时原边线圈都放置并固定在车位上，也不会额外占用更多的空间。本发明提供的无线充电技术，相较于传统的有线充电，维护和管理更加方便。本发明采用的电磁共振的无线供电方式，传输功率在数百W与数KW之间，传输距离为数cm与数m之间，频率在KHz与MHz之间，充电效率在80％与90％之间，能够很好的满足新能源汽车的无线充电。
2、本发明提供的用电时长预测技术，通过构建充电时长预测模型，并采用改进的白鲸优化算法对模型中的回归系数进行优化，平衡了算法的全局搜索和局部开发能力，提高算法的收敛速度，增加种群多样性，同时平衡了全局搜索和局部搜索之间的关系，可以使算法在前期有较强的全局搜索能力的同时，后期拥有较强的局部开发能力，提高算法的收敛速度和寻优精度，该模型可以准确的预测出新能源汽车充满电所需要的时长，并及时发送到无线充分平台，使用户可能随时查看到汽车充电动态。
3、本发明提供的无线充电平台操作方便，用户只需要进行扫码就可以进行无线充电服务，用户还可以随时查看汽车电池健康状态、当前电池电量、已充电时长以及剩余充电时长。
附图说明
图1为本发明的结构框架图；
图2为本发明无线充电状态示意图；
图3为本发明无线充电停车位示意图；
图4为本发明无线充电停车位的无线充电桩示意图；
图5为本发明充电时长预测技术流程图；
图6为不同健康程度实际充电时长对比图；
图7为不同健康程度电池预测结果图；
图8为一年的经济收益对比图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
通过附图1所示，本发明提供了一种新能源汽车无线充电设备，包括电池检测模块、预测模块、无线充电模块、光伏储能模块以及无线充电平台。
电池检测模块包括电池健康状态检测模块以及当前电池电量检测模块，电池健康状态检测结果通过百分比的形式输出，范围为0％到100％，百分比的值越高，表示电池的健康状态越好，与充电时长呈负相关。电池当前电量检测结果同样通过百分比的形式输出，与充电时长呈负相关。电池健康状态与电池当前电量作为主要因素，输入到预测模块，共同影响充电时长的预测结果。同时，电池健康状态与电池当前电量检测结果也会输出到无线充电平台上。
预测模块根据电池检测模块传输的数据，采用多元线性回归预测的方法，对新能源汽车充电时长进行预测，并采用改进的白鲸优化算法对充电时长预测模型进行优化，预测结果会同时输出到停车位的时长显示器以及无线充电平台上。
参见图3和图4，无线充电模块包括无线充电桩，无线充电桩设置于无线充电停车位的地面，与电网相连接，无线充电桩内设置多组线圈，参见图4，一次线圈、二次线圈之间产生磁场，电网通过与一次线圈连接，采用电磁共振的方式进行新能源汽车的无线充电，通过耦合的电磁场为媒介实现电能的传递，通过高频磁场耦合来传输电能，将交流电变为给电池充电的直流电。本发明采用的电磁共振的无线供电方式，传输功率在数百W与数KW之间，传输距离为数cm与数m之间，频率在KHz与MHz之间，充电效率在80％与90％之间，能够很好的满足新能源汽车的无线充电。
光伏储能模块设置于无线充电停车位一侧，光伏储能模块由多个光伏板以及磷酸铁锂电池组成，光伏板吸收太阳能进行供电并将多余的能量储存，用于应对突发停电等状况，确保充电能够正常进行。
无线充电平台可以记录用户新能源汽车电池健康状态、当前电池电量、已充电时长以及剩余充电时长，用户可以通过扫描无线充电停车位二维码登录无线充电平台，进行充电，登录平台后可随时查看汽车充电状态。参见图2和图3，图2中新能源汽车只需要停在停车位上即可充电，节省成本。注意：可以无线充电的新能源汽车上均安装有无线充电机，无线充电机为无线充电领域公知的技术，在汽车生产时就集成安装在汽车上的，所以此处不做赘述。无线充电桩和无线充电机完成了无线充电。图3中多个停车位并列设置，在停车位上，设置电池检测模块，用于检测新能源汽车的电池健康状态和当前电池电量，无线充电桩设置在停车位上，在无线充电桩一侧还设置一个时长显示器，用于显示充电时长，在停车位一侧设置一个二维码，通过扫描无线充电停车位的二维码登录无线充电平台，开始充电服务并随时查看汽车充电状态。
电池检测模块检测的电池健康状态、当前电池电量预测模块输出的预测充电时长均通过无线充电平台记录，通过无线充电平台显示新能源汽车电池健康状态、当前电池电量、已充电时长以及剩余充电时长。
针对上述的新能源汽车无线充电设备，在新能源汽车无线充电过程中，可以对无线充电时长进行预测，具体包括如下步骤：
步骤1：获取新能源汽车电池健康状态以及当前电池电量；电池健康状态检测结果通过百分比的形式输出，范围为0％到100％，百分比的值越高，表示电池的健康状态越好，与充电时长呈负相关；当前电池电量检测结果也通过百分比的形式输出，与充电时长呈负相关。电池健康度计算公式如下所示：
其中，BH表示电池健康度，表示百分比因子，λ1和λ2表示控制权值，Tc表示电池充满电所需时长，Td表示电池能够持续的最大时长。
步骤2：基于获取的电池健康状态、当前电池电量数据，采用多元线性回归预测方法，对新能源汽车充电时长进行预测，并采用白鲸优化算法对充电时长预测模型进行优化，构建IBWO-MLR充电时长预测模型。
步骤3：利用步骤2中IBWO-MLR充电时长预测模型基于当前获取的新能源汽车电池健康状态以及当前电池电量，对当前新能源汽车的充电时长进行预测，得到预测结果。
通过附图4所示，预测模块通过其电池检测模块收集到数据建立IBWO-MLR充电时长预测模型，实现过程如下：
1)建立MLR多元线性回归预测模型，模型一般形式如下所示：
y0＝b0+b1x1i+b2x2i+...+bmxmi+εi(i＝1,2,...,n)
式中b0、bj(j＝1,2,...,m)表示模型回归系数；εi表示除自变量xj(j＝1,2,...,m)的影响之外，yi产生的随机变量，称为随机误差；
2)计算随机误差，计算公式如下所示：
3)采用改进白鲸算法IBWO对MLR预测模型的回归系数进行寻优，具体的实现过程如下所示：
4)建立搜索代理位置矩阵，矩阵模型如下所示：
其中，n是白鲸的种群数量，d代表问题变量的维数。
5)构建适应度储存矩阵，矩阵模型如下所示：
6)计算算法的平衡因子Bf，计算公式如下所示：
Bf＝B0(1-T/(2Tmax))
其中，T是当前迭代次，Tmax是最大迭代次数，B0在每次迭代中在(0,1)之间随机变化。探索阶段发生在平衡因子Bf＞0.5时，而开发阶段发生在Bf≤0.5时。随着迭代次数T的增加，Bf的波动范围从(0,1)减小到(0,0.5)，而开发阶段的概率随着迭代次数T的不断增加而增加。
7)对算法中随机数B0进行改进，改进公式如下所示：
8)构建算法探索阶段数学模型，更新白鲸位置，更新公式如下所示：
其中，T是当前迭代次数，是第i条白鲸在第j维上的新位置，pj(j＝1,2,…,d)是从d维中选择的随机整数，/>是第i条白鲸在pj维度上的位置，/>和/>分别是第i条和第r条白鲸的当前位置，r是随机选择的白鲸，r1和r2是(0,1)的随机数，是用于增强探索阶段的随机算子，sin(2πr2)和cos(2πr2)表示镜像白鲸的鳍朝向水面。
9)构建算法开发阶段数学模型，位置更新公式如下所示：
C1＝2r4(1-T/Tmax)
其中，T是当前迭代次数，和/>分别是第i条白鲸和随机白鲸的当前位置，/>是第i条白鲸的新位置，/>是白鲸种群中的最佳位置，r3和r4是(0,1)之间的随机数，C1是衡量莱维飞行强度的随机跳跃强度。
10)引入了莱维飞行策略，以增强收敛性，莱维飞行函数LF如下所示：
其中，u和v为正态分布随机数，β为默认常数，等于1.5。
11)为了确保种群大小的数量恒定，使用白鲸的位置和鲸鱼落体的步长来建立更新的位置，数学模型表示为：
其中，r5、r6和r7是(0,1)之间的随机数；
12)计算鲸鱼坠落的步长Xstep，计算公式如下所示：
Xstep＝(ub-lb)exp(-C2T/Tmax)
C2＝2Wf×n
其中，C2是与鲸鱼下降概率和种群规模相关的阶跃因子，ub和lb分别是变量的上下限。。
13)计算鲸鱼坠落概率Wf，计算公式如下所示：
Wf＝0.1-0.05T/Tmax
其中，鲸鱼坠落的概率从初始迭代的0.1降低到最后一次迭代的0.05。
最终输出最优回归系数，然后用优化后的模型进行预测。
通过附图5所示，对比不同健康程度的电池，实际充满电所需要的时长也不一样，对于电池健康度95％的电池，充满电平均时长为2.43小时，对于电池健康程度85％的电池，充满电平均时长为3.43小时，对于电池健康程度75％的电池，充满电平均时长为4.58小时，电池健康度越高，充满电所需要的时长则越短。
通过附图6所示，采用本发明的充电时长预测模型对不同健康度的电池充电时长进行预测，对于电池健康度95％的电池，平均预测时长为2.38小时，与实际相差0.045小时；对于电池健康程度85％的电池，平均预测时长为3.4小时，与实际相差0.03小时，对于电池健康程度75％的电池，平均预测时长为4.57小时，与实际相差0.01小时，总平均误差为0.9％，预测准确度高。
通过附图7所示，传统的有线充电方式平均每季度收益为43809元，本发明采用的无线充电技术平均每季度收益为60592元，每季度增加收益16783元，很多程度上提高了经济收益。
上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种新能源汽车无线充电时长预测方法，其特征在于，包括如下步骤：
步骤1：获取新能源汽车电池健康状态以及当前电池电量；所述电池健康状态检测结果通过百分比的形式输出，范围为0％到100％，百分比的值越高，表示电池的健康状态越好，与充电时长呈负相关；所述当前电池电量检测结果也通过百分比的形式输出，与充电时长呈负相关；电池健康度计算公式如下所示：
其中，BH表示电池健康度，表示百分比因子，λ1和λ2表示控制权值，Tc表示电池充满电所需时长，Td表示电池能够持续的最大时长；
步骤2：基于获取的电池健康状态、当前电池电量数据，采用多元线性回归预测方法，对新能源汽车充电时长进行预测，并采用白鲸优化算法对充电时长预测模型进行优化，构建IBWO-MLR充电时长预测模型；
步骤3：利用步骤2中IBWO-MLR充电时长预测模型基于当前获取的新能源汽车电池健康状态以及当前电池电量，对当前新能源汽车的充电时长进行预测，得到预测结果。
2.根据权利要求1所述的新能源汽车无线充电时长预测方法，其特征在于，所述步骤2中构建IBWO-MLR充电时长预测模型的具体操作为：
21)建立MLR多元线性回归预测模型，模型一般形式如下所示：
y0＝b0+b1x1i+b2x2i+…+bmxmi+εi(i＝1,2,...,n)
式中，b0、bj(j＝1,2,...,m)表示模型回归系数；εi表示除自变量xj，j＝1,2,...,m的影响之外，yi产生的随机变量，称为随机误差；自变量xj，j＝1,2,...,m，指采集的电池健康状态、当前电池电量；
22)计算随机误差，计算公式如下所示：
23)采用白鲸算法BWO对MLR多元线性回归预测模型的回归系数进行寻优。
3.根据权利要求2所述的新能源汽车无线充电时长预测方法，其特征在于，所述步骤23)中采用白鲸算法BWO对MLR多元线性回归预测模型的回归系数进行寻优具体为：
31)建立搜索代理位置矩阵，矩阵模型如下所示：
其中，n是白鲸的种群数量，种群指的是作为输入的电池健康状态和当前电池电量，d代表问题变量的维数；
32)构建适应度储存矩阵，矩阵模型如下所示：
33)计算算法的平衡因子Bf，计算公式如下所示：
Bf＝B0(1-T/(2Tmax))
其中，T是当前迭代次，Tmax是最大迭代次数，B0在每次迭代中在(0,1)之间随机变化；探索阶段发生在平衡因子Bf＞0.5时，而开发阶段发生在Bf≤0.5时；随着迭代次数T的增加，Bf的波动范围从(0,1)减小到(0,0.5)，而开发阶段的概率随着迭代次数T的不断增加而增加；对随机数B0进行改进，改进公式如下所示：
34)构建算法探索阶段数学模型，更新白鲸位置，更新公式如下所示：
其中，T是当前迭代次数，是第i条白鲸在第j维上的新位置，pj(j＝1,2,…,d)是从d维中选择的随机整数，/>是第i条白鲸在pj维度上的位置，/>和/>分别是第i条和第r条白鲸的当前位置，r是随机选择的白鲸，r1和r2是(0,1)的随机数，是用于增强探索阶段的随机算子，sin(2πr2)和cos(2πr2)表示镜像白鲸的鳍朝向水面；
35)构建算法开发阶段数学模型，位置更新公式如下所示：
C1＝2r4(1-T/Tmax)
其中，T是当前迭代次数，和/>分别是第i条白鲸和随机白鲸的当前位置，/>是第i条白鲸的新位置，/>是白鲸种群中的最佳位置，r3和r4是(0,1)之间的随机数，C1是衡量莱维飞行强度的随机跳跃强度；
36)引入了莱维飞行策略，以增强收敛性，莱维飞行函数LF如下所示：
其中，u和v为正态分布随机数，β为默认常数，等于1.5；
37)为了确保种群大小的数量恒定，使用白鲸的位置和鲸鱼落体的步长来建立更新的位置，数学模型表示为：
其中，r5、r6和r7是(0,1)之间的随机数；
38)计算鲸鱼坠落的步长Xstep，计算公式如下所示：
Xstep＝(ub-lb)exp(-C2T/Tmax)
C2＝2Wf×n
其中，C2是与鲸鱼下降概率和种群规模相关的阶跃因子，ub和lb分别是变量的上下限；
39)计算鲸鱼坠落概率Wf，计算公式如下所示：
Wf＝0.1-0.05T/Tmax
其中，鲸鱼坠落的概率从初始迭代的0.1降低到最后一次迭代的0.05；
40)最终输出最优的回归系数。
4.一种基于权利要求1至3任一所述的新能源汽车无线充电时长预测方法的新能源汽车无线充电设备，其特征在于，包括：
电池检测模块，所述电池检测模块包括电池健康状态检测模块以及当前电池电量检测模块，分别用于检测电池健康状态以及当前电池电量，所述电池健康状态检测结果通过百分比的形式输出，范围为0％到100％，百分比的值越高，表示电池的健康状态越好，与充电时长呈负相关；所述当前电池电量检测结果也通过百分比的形式输出，与充电时长呈负相关；
电池健康度计算公式如下所示：
其中，BH表示电池健康度，表示百分比因子，λ1和λ2表示控制权值，Tc表示电池充满电所需时长，Td表示电池能够持续的最大时长；
预测模块，所述预测模块与所述电池检测模块连接，用于基于获取的电池健康状态、当前电池电量数据，采用多元线性回归预测方法，对新能源汽车充电时长进行预测，并采用白鲸优化算法对充电时长预测模型进行优化，构建优化的IBWO-MLR充电时长预测模型，并对当前新能源汽车的充电时长进行预测。
5.根据权利要求4所述的新能源汽车无线充电设备，其特征在于，还包括无线充电模块，用于对新能源汽车进行无线充电，所述无线充电模块包括无线充电桩，所述无线充电桩设置于无线充电停车位的地面，充电时与新能源汽车的无线充电机正对，所述无线充电桩与电网相连接，其内设置多组线圈，采用电磁共振的方式进行新能源汽车的无线充电，通过耦合的电磁场为媒介实现电能的传递，将交流电变为给电池充电的直流电，从而实现新能源汽车的无线充电。
6.根据权利要求5所述的新能源汽车无线充电设备，其特征在于，还包括设置于无线充电停车位一侧的光伏储能模块，所述光伏储能模块由多个光伏板以及磷酸铁锂电池组成，光伏板吸收太阳能进行供电并将多余的能量储存，用于应对突发停电状况，确保充电能够正常进行。
7.根据权利要求5所述的新能源汽车无线充电设备，其特征在于，还包括无线充电平台，所述电池检测模块检测的电池健康状态、当前电池电量，所述预测模块输出的预测充电时长均通过所述无线充电平台记录，通过所述无线充电平台显示新能源汽车电池健康状态、当前电池电量、已充电时长以及剩余充电时长；在所述无线充电停车位上设置有二维码，通过扫描无线充电停车位的二维码登录无线充电平台，随时查看汽车充电状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310610605.1A CN116572769A (zh) | 2023-05-26 | 2023-05-26 | 一种新能源汽车无线充电时长预测方法及无线充电设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310610605.1A CN116572769A (zh) | 2023-05-26 | 2023-05-26 | 一种新能源汽车无线充电时长预测方法及无线充电设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116572769A true CN116572769A (zh) | 2023-08-11 |
Family
ID=87543888
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310610605.1A Pending CN116572769A (zh) | 2023-05-26 | 2023-05-26 | 一种新能源汽车无线充电时长预测方法及无线充电设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116572769A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111431291A (zh) * | 2020-03-30 | 2020-07-17 | 潘小胜 | 一种计算机控制的多功能智能无线充电运作方法 |
| CN111591154A (zh) * | 2020-06-10 | 2020-08-28 | 湖南文理学院 | 支持电动汽车无线充电的动态磁耦合谐振阵列方法及系统 |
| CN112172608A (zh) * | 2020-09-11 | 2021-01-05 | 广州小鹏汽车科技有限公司 | 电池监测方法、装置、车辆及存储介质 |
| CN112230146A (zh) * | 2019-12-30 | 2021-01-15 | 蜂巢能源科技有限公司 | 电池充电剩余时间的预测方法、系统及设备 |
| CN113093041A (zh) * | 2021-04-06 | 2021-07-09 | 吴炜 | 一种新能源汽车动力系统电池健康状态远程数据采集和诊断分析系统 |
| CN113376541A (zh) * | 2021-06-04 | 2021-09-10 | 辽宁工程技术大学 | 一种基于crj网络的锂离子电池健康状态预测方法 |
| CN114347834A (zh) * | 2021-12-03 | 2022-04-15 | 北京车和家汽车科技有限公司 | 车辆控制方法、充电时长预测模型的生成方法及装置 |
| CN115808633A (zh) * | 2022-12-19 | 2023-03-17 | 浙江大学 | 基于poa-svr的海岛环境下储能电池状态监测方法 |
-
2023
- 2023-05-26 CN CN202310610605.1A patent/CN116572769A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112230146A (zh) * | 2019-12-30 | 2021-01-15 | 蜂巢能源科技有限公司 | 电池充电剩余时间的预测方法、系统及设备 |
| CN111431291A (zh) * | 2020-03-30 | 2020-07-17 | 潘小胜 | 一种计算机控制的多功能智能无线充电运作方法 |
| CN111591154A (zh) * | 2020-06-10 | 2020-08-28 | 湖南文理学院 | 支持电动汽车无线充电的动态磁耦合谐振阵列方法及系统 |
| CN112172608A (zh) * | 2020-09-11 | 2021-01-05 | 广州小鹏汽车科技有限公司 | 电池监测方法、装置、车辆及存储介质 |
| CN113093041A (zh) * | 2021-04-06 | 2021-07-09 | 吴炜 | 一种新能源汽车动力系统电池健康状态远程数据采集和诊断分析系统 |
| CN113376541A (zh) * | 2021-06-04 | 2021-09-10 | 辽宁工程技术大学 | 一种基于crj网络的锂离子电池健康状态预测方法 |
| CN114347834A (zh) * | 2021-12-03 | 2022-04-15 | 北京车和家汽车科技有限公司 | 车辆控制方法、充电时长预测模型的生成方法及装置 |
| CN115808633A (zh) * | 2022-12-19 | 2023-03-17 | 浙江大学 | 基于poa-svr的海岛环境下储能电池状态监测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 朱菊香: "基于IF-SVMD-BWO-LSTM的空气质量预测建模", 中国测试, pages 1 - 12 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Narasipuram et al. | A technological overview & design considerations for developing electric vehicle charging stations | |
| Alsharif et al. | A comprehensive review of energy management strategy in Vehicle-to-Grid technology integrated with renewable energy sources | |
| US11689067B2 (en) | Wirelessly distributed and multi-directional power transfer systems and related methods | |
| CN109713696A (zh) | 考虑用户行为的电动汽车光伏充电站优化调度方法 | |
| CN110570007B (zh) | 电动汽车多时间尺度优化调度方法 | |
| Zhou et al. | Modeling of the cost of EV battery wear due to V2G application in power systems | |
| CN104269896B (zh) | 适用于大规模电动汽车有序充放电的控制方法 | |
| US20110291615A1 (en) | Wireless charging system for vehicles | |
| CN112418605A (zh) | 一种光储式充电站储能系统优化运行方法 | |
| CN103682508B (zh) | 一种航天器锂离子蓄电池组荷电状态确定方法 | |
| CN107104454A (zh) | 计及电动汽车功率可调控域的最优潮流节点电价计算方法 | |
| CN107579585A (zh) | 电动汽车行驶中连续充电的光伏智能道路及其充电方法 | |
| CN102759713A (zh) | 一种电池能量效率测试装置及其测试方法 | |
| Merrington et al. | Optimal planning of solar photovoltaic and battery storage for electric vehicle owner households with time‐of‐use tariff | |
| Mohamed et al. | Wireless charging system for a mobile hybrid electric vehicle | |
| CN114583729A (zh) | 考虑全生命周期碳排放的光-储电动汽车充电站调度方法 | |
| WO2019030296A2 (en) | ENERGY GENERATING AND DISTRIBUTING SYSTEMS AND METHODS OF OPERATION | |
| Han et al. | An optimization scheduling method of electric vehicle virtual energy storage to track planned output based on multiobjective optimization | |
| Ribau et al. | Multi-objective optimization of fuel cell hybrid vehicle powertrain design-cost and energy | |
| Bayram | A stochastic simulation model to assess the impacts of electric vehicle charging on power generation: a case study for Qatar | |
| CN116572769A (zh) | 一种新能源汽车无线充电时长预测方法及无线充电设备 | |
| Han et al. | An optimal control method of microgrid system with household load considering battery service life | |
| KR101466434B1 (ko) | 차량 정보를 이용한 전력 공급 장치 및 이의 전력 공급 방법 | |
| Matalata et al. | Evaluation of Future Battery Electric Vehicles as an Environmentally Friendly Transportation Means: A Review | |
| JP7136785B2 (ja) | 電力システム、蓄電装置、電力システムの制御方法、および移動体 |
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 |