CN117227514B - 增程式电动汽车能量管理的方法、系统及存储介质 - Google Patents
增程式电动汽车能量管理的方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117227514B CN117227514B CN202311526153.5A CN202311526153A CN117227514B CN 117227514 B CN117227514 B CN 117227514B CN 202311526153 A CN202311526153 A CN 202311526153A CN 117227514 B CN117227514 B CN 117227514B
- Authority
- CN
- China
- Prior art keywords
- power battery
- power
- range extender
- value
- game
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 239000004606 Fillers/Extenders Substances 0.000 claims abstract description 147
- 239000000446 fuel Substances 0.000 claims abstract description 33
- 238000007726 management method Methods 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 33
- 230000008901 benefit Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000002035 prolonged effect Effects 0.000 claims description 4
- 238000005096 rolling process Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000219112 Cucumis Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- 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
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及增程式电动汽车技术领域，具体涉及增程式电动汽车能量管理的方法，该方法具体为：在车辆启动后，获取汽车实时运行状态数据，包括整车需求功率和动力电池当前时刻SOC值；将预设的增程器高效运行功率和获得的汽车实时运行状态数据作为输入量输入议价博弈整车能量模型中进行求解，输出增程器与动力电池能量博弈纳什均衡解；整车能量控制器基于获得的增程器与动力电池能量博弈纳什均衡解进行全程能量管理控制。本发明还提供了增程式电动汽车能量管理系统及存储介质。本发明同时考虑增程式电动汽车的燃油经济性与动力电池的寿命，在降低整车燃油消耗的同时，一定程度上提高了电池寿命，从而整体提高了增程式电动汽车的整车经济性。
Description
技术领域
本发明涉及增程式电动汽车技术领域，具体涉及增程式电动汽车能量管理的方法、系统及存储介质，尤其涉及一种基于议价博弈的增程式电动汽车能量管理的方法、系统及存储介质。
背景技术
随着人们对环境保护和能源消耗的日益关注，电动汽车成为了减少碳排放和替代传统燃油车的重要选择。然而，电动汽车的续航里程难以满足远距离驾驶者的需求、充电设施无法提供令人满意的充电服务仍然是电动汽车面临的主要挑战之一。增程式电动汽车EREV是解决续航里程问题的一种创新方案，它结合了电动汽车和燃油发动机的优势，具有更长的续航里程和更灵活的能源管理能力。在EREV中，燃油发动机用于为电动驱动系统提供额外的能源，以延长车辆的行驶里程。
然而，如何高效地管理EREV的能源利用仍然是一个复杂的问题。传统的能量管理策略通常基于预定的能耗模型进行控制，缺乏对实际行驶条件和用户需求的动态调整能力，同时部分策略难以顾及动力电池在汽车实际运行中的损耗，动力电池寿命的衰减增加了整车运行成本。
发明内容
针对上述现有技术存在的不足，本发明提供了一种基于议价博弈的增程式电动汽车能量的管理方法、系统及存储介质，旨在提供一种创新的技术解决方案，同时对汽车燃料消耗和电池寿命进行优化，提高增程式电动汽车的整车经济性。
本发明基于议价博弈方法，使用鲁宾斯坦讨价还价模型计算增程器最佳输出功率和动力电池最佳输出功率，并在增程式电动汽车全程行驶过程中根据计算出的增程器最佳输出功率和动力电池最佳输出功率进行整车能量分配，满足了同时考虑增程式电动汽车的燃油经济性与电池寿命的目的，在降低整车燃油消耗的同时，一定程度上提高了电池寿命，从而整体提高了增程式电动汽车的整车经济性。
本发明提供了一种基于议价博弈的增程式电动汽车能量管理的方法，具体步骤为:
S1：在车辆启动后，获取汽车实时运行状态数据，包括整车需求功率和动力电池当前时刻SOC（电池荷电状态）值/>；
S2：将预设的增程器高效运行功率和步骤S1中获得的汽车实时运行状态数据作为输入量输入议价博弈整车能量模型中进行求解，输出增程器与动力电池能量博弈纳什均衡解，具体步骤为：
S21：基于动力电池当前时刻SOC值与预设的动力电池SOC低限值/>的比较结果，判断增程器运行期望状态；
S22：根据步骤S21中获得的增程器运行期望状态，将整车需求功率、动力电池当前时刻SOC值/>和预设的增程器高效运行功率/>作为输入量输入议价博弈整车能量模型中求解，输出增程器最佳输出功率/>纳什均衡值；
S23：基于整车需求功率与增程器最佳输出功率/>求出动力电池最佳输出功率/>，计算公式如下：
，
式中， 为动力电池最佳输出功率，/>为整车需求功率，/>为增程器最佳输出功率；
S3：整车能量控制器基于步骤S2中获得的增程器与动力电池能量博弈纳什均衡解进行全程能量管理控制。
优选的，整车需求功率是在当前时刻计算所得，动力电池当前时刻SOC值是在上一时刻计算所得，其中，所述整车需求功率/>计算公式如下：
，
式中，m为汽车质量，g为重力加速度，f为滚动阻力系数，为空气阻力系数，A为迎风面积，v为汽车速度，/>为空气密度，/>为坡度角，/>为旋转质量换算系数，r为车轮半径，/>为驱动电机的转速，/>为驱动电机的效率；
所述动力电池当前时刻SOC值计算公式如下：
,
式中，为动力电池当前时刻SOC值，/>为动力电池的初始SOC值，为动力电池总电量值，/>为动力电池上一时刻电流值。
优选的，所述议价博弈整车能量模型具体构建步骤为：
Step1：获取汽车历史工作数据；
Step2：基于WLTP（世界轻型车测试规程）标准和步骤Step1中获得的汽车历史工作数据计算汽车历史运行状态数据和增程器高效运行功率，所述历史运行状态数据包括整车需求功率/>和动力电池当前时刻SOC值/>，其中计算整车需求功率/>时用到的汽车速度数据使用WLTP标准中的测试数据，其余数据均使用汽车历史工作数据；
Step3：将增程式电动汽车每一运动时刻作为一个独立的讨价还价博弈过程，每一时刻的增程器与动力电池分别作为讨价还价博弈的两个参与者，以整车需求功率作为每一过程中讨价还价的目标；
Step4：设定增程器贴现因子、动力电池贴现因子/>和动力电池SOC低限值/>；
Step5：以动力电池SOC低限值作为判断增程器运行期望的条件；
Step6：在讨价还价博弈中，由增程器先提出分配方案，动力电池可以选择接受或拒绝，如果动力电池接受，则博弈结束，整车需求功率按增程器的方案分配；如果动力电池选择拒绝，动力电池将提出新的分配方案，并由增程器决定是否接受，双方进行有限期的博弈后，获得的纳什均衡解计算公式如下：
,
式中，为增程器最佳输出功率，/>为整车需求功率，/>为增程器高效运行功率，/>为增程器贴现因子，/>为动力电池贴现因子，/>为当前时刻动力电池SOC值；
Step7：讨价还价博弈结束时，双方为了达到各自的最大收益，会达成纳什均衡解，纳什均衡解的结果即为博弈的最优解。
优选的，所述增程器高效运行功率为增程器整体运行燃油消耗最低点，是根据汽车历史工作数据中增程器运行功率值组和能够与增程器运行功率值组一一对应的增程器运行油耗值组计算所得，计算公式如下：
,
式中，为功率映射函数，/>为最小值函数，/>为燃料消耗对应函数，/>为增程器运行功率值组。
优选的，所述增程器贴现因子是依据增程器初始需求，即提高燃油经济性而设置；动力电池贴现因子/>是依据动力电池初始需求，即提高动力电池自身寿命而设置。
优选的，所述议价博弈整车能量模型是在MATLAB/Simulink上构建而成，动力电池贴现因子取值为0.85，增程器贴现因子取值为0.5。
优选的，以动力电池SOC低限值作为判断增程器运行期望的条件具体为：当动力电池当前时刻SOC值/>＞动力电池SOC低限值/>时，增程器的主要期望是降低燃油消耗；当动力电池当前时刻SOC值/>＜动力电池SOC低限值/>时，增程器的主要期望是为动力电池充电，提高动力电池SOC值，并降低燃油消耗；
此外，无论动力电池当前时刻SOC值＞或＜动力电池SOC低限值/>，动力电池的主要期望一直是维持动力电池当前时刻SOC值，并延长自身寿命。
优选的，所述步骤S21中预设的动力电池SOC低限值为动力电池总电量值的30%；所述步骤Step6中增程器与动力电池博弈次数为一次。
优选的，增程器与动力电池博弈的贴现收益如下式所示：
,
式中，为增程器贴现收益，/>为增程器贴现因子，/>为博弈结束时增程器最佳输出功率，/>为动力电池贴现收益，/>为动力电池贴现因子，/>为整车需求功率，T表示博弈次数。
本发明提供了一种基于议价博弈的增程式电动汽车能量管理系统，用于实现一种基于议价博弈的增程式电动汽车能量管理的方法，包括：
数据获取模块，用于获取汽车实时运行状态数据，包括整车需求功率和动力电池当前时刻SOC值/>；
能量模型求解模块，用于将获取的汽车实时运行状态数据和预设的增程器高效运行功率输入议价博弈整车能量模型中求解，输出增程器与动力电池能量博弈纳什均衡解；
能量控制模块，用于将获得的增程器与动力电池能量博弈纳什均衡解输入整车控制器中进行全程能量管理控制；
其中，所述能量模型求解模块包括期望判断模块、增程器最佳输出功率求解模块和动力电池最佳输出功率求解模块，所述期望判断模块接收获取的动力电池当前时刻SOC值，与预设的动力电池SOC低限值/>比较后判断增程器当前运行期望状态；所述增程器最佳输出功率求解模块根据期望判断模块判断出的增程器当前运行期望状态，将获取的汽车实时运行状态数据和预设的增程器高效运行功率/>输入议价博弈整车能量模型中求解，获得增程器最佳输出功率/>纳什均衡值；所述动力电池最佳输出功率求解模块，接收获取的动力电池当前时刻SOC值/>和增程器最佳输出功率求解模块求解出的增程器最佳输出功率/>纳什均衡值，求解出动力电池最佳输出功率/>。
本发明还提供了存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，即可实现一种基于议价博弈的增程式电动汽车能量管理的方法。
与现有技术相比，本发明具有如下有益效果：
本发明通过使用鲁宾斯坦讨价还价模型计算增程器最佳输出功率和动力电池最佳输出功率，并在增程式电动汽车全程行驶过程中根据计算出的增程器最佳输出功率和动力电池最佳输出功率进行整车能量分配，在降低整车燃油消耗的同时，一定程度上提高了电池寿命，从而整体提高了增程式电动汽车的整车经济性。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中的基于议价博弈的增程式电动汽车能量管理方法的流程图；
图2为本发明实施例中的增程器与动力电池能量博弈纳什均衡解求解流程图；
图3为本发明实施例中的鲁宾斯坦讨价还价模型流程图；
图4为本发明实施例中的议价博弈整车能量模型构建流程图；
图5为本发明实施例中的基于议价博弈的增程式电动汽车能量管理系统的示意框图；
图6为本发明实施例中的能量模型求解模块的示意框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
传统的能量管理策略通常基于预定的能耗模型进行控制，缺乏对实际行驶条件和用户需求的动态调整能力，同时部分策略难以顾及动力电池在汽车实际运行中的损耗，动力电池寿命的衰减增加了整车运行成本。
本发明提供的一种基于议价博弈的增程式电动汽车能量管理的方法是针对增程器和动力电池共同工作模式下需要同时兼顾增程式电动汽车的燃油经济性与动力电池寿命的期望而设计的，通过使用鲁宾斯坦讨价还价模型计算增程器最佳输出功率和动力电池最佳输出功率，并在增程式电动汽车全程行驶过程中根据计算出的增程器最佳输出功率和动力电池最佳输出功率进行整车能量分配，在降低整车燃油消耗的同时，一定程度上提高了电池寿命，从而整体提高了增程式电动汽车的整车经济性。
参见图1，本发明提供了一种基于议价博弈的增程式电动汽车能量管理的方法，具体步骤为：
S1：在车辆启动后，获取汽车实时运行状态数据，包括整车需求功率和动力电池当前时刻SOC值/>。
本发明中，所述整车需求功率计算公式如下：
，
式中，m为汽车质量，g为重力加速度，f为滚动阻力系数，为空气阻力系数，A为迎风面积，v为汽车速度，/>为空气密度，/>为坡度角，/>为旋转质量换算系数，r为车轮半径，/>为驱动电机的转速，/>为驱动电机的效率。
本发明中，所述动力电池当前时刻SOC值计算公式如下：
,
式中，为动力电池当前时刻SOC值，/>为动力电池的初始SOC值，为动力电池总电量值，/>为动力电池上一时刻电流值。
本发明中，整车需求功率是在当前时刻计算所得，动力电池当前时刻SOC值是在上一时刻计算所得。
需要说明的是，本申请实施例中，在计算整车需求功率、动力电池当前时刻SOC值/>的值时，所需要用到的各项数值均是通过系统自动获取所得。
本申请实施例中，通过上一时刻电流值和动力电池的初始SOC值可以计算出动力电池当前时刻SOC值，因此在本申请中增程式电动汽车能源控制系统在实时计算当前时刻的整车需求功率/>时，同时根据实时获取的当前时刻电流值计算动力电池下一时刻SOC值，从而达到全程能量管理的目的。
需要说明的是，虽然用于求解当前时刻能量管理控制的整车需求功率是在当前时刻才计算，但由于系统计算速度极快，可以在极短时间内计算出整车需求功率/>，不会影响当前时刻的能量管理控制。
S2：将预设的增程器高效运行功率和步骤S1中获得的汽车实时运行状态数据作为输入量输入议价博弈整车能量模型中进行求解，输出增程器与动力电池能量博弈纳什均衡解。
需要说明的是，本发明中预设的增程器高效运行功率是根据汽车历史工作数据计算所得，取固定值，也就是说构建议价博弈整车能量模型时，基于汽车历史工作数据求解出的增程器高效运行功率/>值也就是本申请中预设的增程器高效运行功率值。例如，本申请中基于汽车历史工作数据求解出的增程器高效运行功率/>值为43.3037881803543，相应地本申请中预设的增程器高效运行功率/>值即为43.3037881803543，具体求解过程见本申请步骤Step2。
参见图2，本发明中，所述步骤S2具体步骤为：
S21：基于动力电池当前时刻SOC值与预设的动力电池SOC低限值/>的比较结果，判断增程器运行期望状态。
动力电池SOC值用来反映电池的剩余容量，动力电池的SOC值过低会导致电池损伤，影响电池性能与寿命。为了防止动力电池过度放电影响电池寿命，本申请实施例中，预设的动力电池SOC低限值为动力电池总电量值的30%。
S22：根据步骤S21中获得的增程器运行期望状态，将整车需求功率、动力电池当前时刻SOC值/>和预设的增程器高效运行功率/>作为输入量输入议价博弈整车能量模型中求解，输出增程器最佳输出功率/>纳什均衡值。
S23：基于整车需求功率与增程器最佳输出功率/>求出动力电池最佳输出功率/>，计算公式如下：
，
式中， 为动力电池最佳输出功率，/>为整车需求功率，/>为增程器最佳输出功率。
讨价还价模型，是马克·鲁宾斯坦用完全信息动态博弈的方法，对基本的、无限期的完全信息讨价还价过程进行了模拟，并据此建立了完全信息轮流出价讨价还价模型，也称为鲁宾斯坦模型。
参见图3，鲁宾斯坦把讨价还价过程视为合作博弈的过程，他以两个参与人分割一块蛋糕为例，使这一过程模型化。在这个模型里，两个参与人分割一块蛋糕，参与人1先出价，参与人2可以选择接受或拒绝。如果参与人2接受，则博弈结束，蛋糕按参与人1的方案分配；如果参与人2拒绝，他将还价,参与人1可以接受或拒绝；如果参与人1接受，博弈结束，蛋糕参与人2的案分配；如果参与人1拒绝，他再出价，如此一直下去，直到一个参与人的出价被另一个参与人接受为止。因此，这属于一个无限期完美信息博弈，参与人1在时期1,3,5，···出价，参与人2在时期2,4,6，···出价。
鲁宾斯坦讨价还价模型用X表示参与人1所得的份额，（1-X）为参与人2所得的份额，和(1-/>)分别是i时期时参与人1和参与人2各自所得的份额。假定两个参与人的贴现因子分别是/>和/>。这样，如果博弈在时期t结束，参与人1支付的贴现值是，参与人2支付的贴现值是/>。双方在经过无限期博弈后，可能得到的纳什均衡解为 ：
。
讨价还价模型是以分蛋糕为例来说明利益瓜分问题，企业在实际经营中可以利用这个模型进行并购价格的谈判活动。不过，企业需要对讨价还价模型做微小的改动，使之能够适应并购价格谈判的应用。原模型是以一块蛋糕作为整体来考虑的，企业把并购中收购方所出的最低价a与被购方所出的最高价b这一区间[a，b]作为整体来考虑。事实上，双方的价格谈判也正是在这一区间上进行的，经过谈判，双方会在价格C处成交，而C一定处在a与b之间。因此，会得到一个新模型，新模型的纳什均衡解为：
。
应当注意的是，在公式一和公式二中，为/>时的贴现因子具体数值。
本发明中正是利用变形后的新模型，即公式二解决增程式电动汽车在行驶过程中的能量分配问题。本发明将增程器与动力电池作为博弈的参与者，每一运动时刻作为一个独立的讨价还价博弈过程，并以整车需求功率作为每一过程中讨价还价的目标，进而构建议价博弈整车能量模型。
参见图4，本申请实施例中，所述议价博弈整车能量模型具体构建步骤为：
Step1：获取汽车历史工作数据。
本申请实施例中，汽车历史工作数据是从某生产商处获取的真实汽车的历史工作数据，包括但不限于汽车需求功率、汽车质量、重力加速度、滚动阻力系数、空气阻力系数、迎风面积、汽车速度、空气密度、坡度角、旋转质量换算系数、车轮半径、驱动电机的转速、驱动电机的效率、动力电池的初始SOC值、动力电池总电量值、动力电池电流值、增程器运行功率值组、增程器运行油耗值组等。
Step2：基于WLTP标准和步骤Step1中获得的汽车历史工作数据计算汽车历史运行状态数据和增程器高效运行功率，所述历史运行状态数据包括整车需求功率/>和动力电池当前时刻SOC值/>，其中计算整车需求功率/>时用到的汽车速度数据使用WLTP标准中的测试数据，其余数据均使用汽车历史工作数据。
World Light Vehicle Test Procedure为世界轻型车测试规程，简称WLTP，是一种由美国、欧洲日本等多个国家共同制定的车辆油耗、排放等的国际测试标准。
需要说明的是，考虑到实际行驶过程中的汽车速度是由驾驶员根据实际情况自行决定的，影响因素较多，易降低纳什均衡解的准确性，因此本申请中汽车速度数据未使用历史工作数据中的真实数据，而是使用WLTP标准得出的测试数据。
本发明中，所述增程器高效运行功率为增程器整体运行燃油消耗最低点，是根据汽车历史工作数据中增程器运行功率值组和能够与增程器运行功率值组一一对应的增程器运行油耗值组计算所得，计算公式如下：
,
式中，为功率映射函数，/>为最小值函数，/>为燃料消耗对应函数，/>为增程器运行功率值组。
其中，本申请实施例中，根据某生产商处获得汽车历史工作数据，所述增程器运行功率值组具体如下所示：
[2.17412137681159，3.10674456521739，4.01787065217391，4.93052282608696，5.81675579710145，6.66508152173913，7.60194666666667，8.48998750580511，9.48714945652174，10.4911652044990，11.4041339698611，12.2072601794239，13.2437224519312，14.2406685750963，15.1743793683702，16.1212221494674，16.9786726700346，17.9364391304348，18.9319715417169，19.8851576711644，20.7995571892477，21.6629099220756，22.5645000000000，23.4855000000000，24.4874689761244，25.5563059532173，26.5263523264353，27.4570726760051，28.3479315754873，29.2088082551004，30.0657847946573，30.9574752097635，31.8282781330222，32.8630817570391，33.9661621986410，34.8810125609122，35.7372790140363，36.5895861115379，37.6118621172792，38.4646648939270，39.3662415538919，40.3336976410731，41.3410096805966，42.3480204583496，43.3037881803543，44.2914751519402，45.2911133928540，46.2330000000000，47.1670000000000，48.1957600000000，49.2744000000000，50.2900000000000，51.2300000000000，52.1700000000000，53.1100000000000，54.0483625320349，54.9317972730259，55.8040798913044]。
同时，根据某生产商处获得汽车历史工作数据，能够与增程器运行功率值组一一对应的增程器运行油耗值组具体如下所示：
[389.7，336.1，307.858642597610，290.582062619786，279.363876222211，272.493999877537，267.232744085642，263.597119602704，260.909547045437，258.207755408942，254.901781505409，251.202564232602，249.995946671183，248.783380003038，247.449242438090，245.728797251701，243.869357159884，243.270891069010，242.679521930348，241.928939343278，240.857266380625，239.488802472001，238.243695732915，237.635422443229，237.026950066889，236.418300317566，236.010957716170，235.798733073887，235.582835833867，235.347999110965，235.093377654198，234.819879079954，234.534471042329，234.518864405056，234.624749113560，234.728968544787，234.808916409246，234.858972962664，234.847007562771，234.804081851026，234.745012151134，234.670362685969，234.580669779619，234.476437971311，234.358142126480，234.616085929697，235.064642244621，235.512982420552，235.961119319903，236.353627002982，236.529552112270，236.703389714191，236.878970178965，237.054714284237，237.412688610400，237.838780762660，238.265037115439，238.830039845209]。
需要说明的是，本申请实施例中增程器高效运行功率是通过汽车历史工作数据中增程器运行功率值组和能够与增程器运行功率值组一一对应的增程器运行油耗值组计算所得，因而根据本申请实施例中提供的汽车历史工作数据，在本申请实施例中预设的增程器高效运行功率/>值为43.3037881803543。
Step3：将增程式电动汽车每一运动时刻作为一个独立的讨价还价博弈过程，每一时刻的增程器与动力电池分别作为讨价还价博弈的两个参与者，以整车需求功率作为每一过程中讨价还价的目标。
需要说明的是，本发明中每一个独立的讨价还价博弈过程中，讨价还价的目标，即整车需求功率都是对应当前时刻独立计算的。
应当注意的是，本发明中提到的“每一时刻”“每一运动时刻”并非众所周知的一时刻，即15分钟，本发明中每一次的讨价还价博弈过程是以秒为单位，每秒进行一次。
Step4：设定增程器贴现因子、动力电池贴现因子/>和动力电池SOC低限值/>。
贴现因子通常表示一个份额经过一段时间后所剩占原份额的比例，但在博弈论中，其被理解为博弈参与者的耐心程度，取值在[0，1]，越大说明参与人的耐心越好，若是等于0则说明参与人完全没有耐心，即谁更能忍受时间带来的亏损，使自己获得更大的收益。由于贴现因子是由公式1/1＋r定义的，那么可以看到，收益率越大，则贴现因子越小，则参与人的耐心程度越小；反之，如果收益率越小，则贴现因子越大，参与人越有耐心。
本发明中，所述增程器贴现因子是依据增程器初始需求，即提高燃油经济性而设置；动力电池贴现因子/>是依据动力电池初始需求，即提高动力电池自身寿命而设置。
本申请实施例中，所述议价博弈整车能量模型是在MATLAB/Simulink上构建而成，动力电池贴现因子取值为0.85，增程器贴现因子取值为0.5。
应当注意的是，在MATLAB/Simulink中，增程器与动力电池的贴现因子可以取唯一固定值，也可以取多个值。本申请实施例中，增程器与动力电池的贴现因子取唯一固定值，根据MATLAB/Simulink中议价博弈整车能量模型仿真结果，本申请中动力电池贴现因子取值为0.85，且增程器贴现因子为0.5时，构建的议价博弈整车能量模型在能量分配上能获得考虑油耗和电池寿命最优的综合性能。
Step5：以动力电池SOC低限值作为判断增程器运行期望的条件。
优选的，以动力电池SOC低限值作为判断增程器运行期望的条件具体为：当动力电池当前时刻SOC值/>＞动力电池SOC低限值/>时，增程器的主要期望是降低燃油消耗；当动力电池当前时刻SOC值/>＜动力电池SOC低限值/>时，增程器的主要期望是为动力电池充电，提高动力电池SOC值，并降低燃油消耗。
本申请实施例中，State of Charge 为电池荷电状态，简称SOC，指电池当前所剩电荷量与额定电荷量的比值，用来反映电池的剩余容量。
本申请实施例中，当动力电池当前时刻SOC值＞动力电池SOC低限值时，对于增程器而言，最好的降低燃油消耗的方式为不工作，产生的能量越低，消耗的燃料就越少；当动力电池当前时刻SOC值/>＜动力电池SOC低限值/>时，对于增程器而言，为了给电池充电的同时尽可能少的燃料消耗，最好的方式是在高效运行功率点工作。
优选的，无论动力电池当前时刻SOC值＞或＜动力电池SOC低限值，动力电池的主要期望一直是维持动力电池当前时刻SOC值，并延长自身寿命。
本申请实施例中，无论动力电池当前时刻SOC值＞或＜动力电池SOC低限值/>，对于动力电池而言，维持动力电池当前时刻SOC值最好的方式为增程器承担所有的工作任务，这样就能减少自身SOC值的波动。
需要说明的是，动力电池寿命随着电池充放电次数的增多而减少，所以动力电池希望保持自身当前时刻 SOC值，减少充放电从而延长寿命，而动力电池承担的运行功率越小，其充放电次数就越少，从而可达到延长自身寿命的目的。
Step6：在讨价还价博弈中，由增程器先提出分配方案，动力电池可以选择接受或拒绝，如果动力电池接受，则博弈结束，整车需求功率按增程器的方案分配；如果动力电池选择拒绝，动力电池将提出新的分配方案，并由增程器决定是否接受，双方进行有限期的博弈后，获得的纳什均衡解计算公式如下：
,
式中，为增程器最佳输出功率，/>为整车需求功率，/>为增程器高效运行功率，/>为增程器贴现因子，/>为动力电池贴现因子，/>为当前时刻动力电池SOC值。
需要说明的是，由于增程器分配的功率关系到燃油经济性，所以本申请实施例在每一次讨价还价博弈中，先由增程器提出分配方案。
本申请实施例中，由于增程器与动力电池的首要任务均是确保汽车能够运行，其次兼顾自己的期望，因此在步骤Step6中增程器与动力电池为有限期博弈。
优选的，步骤Step6中增程器与动力电池博弈次数为一次。
Step7：讨价还价博弈结束时，双方为了达到各自的最大收益，会达成纳什均衡解，纳什均衡解的结果即为博弈的最优解。
优选的，增程器与动力电池博弈的贴现收益如下式所示：
,
式中，为增程器贴现收益，/>为增程器贴现因子，/>为博弈结束时增程器最佳输出功率，/>为动力电池贴现收益，/>为动力电池贴现因子，/>为整车需求功率，T表示博弈次数。
S3：整车能量控制器基于步骤S2中获得的增程器与动力电池能量博弈纳什均衡解进行全程能量管理控制。
本发明提供的基于议价博弈的增程式混动汽车能量管理方法对于增程式电动汽车的能量管理分配结果接近于使用全局优化算法优化后的能量管理分配结果，且使用本方法进行能量管理分配后的动力电池在寿命上更优于全局优化算法。
参见图5，本发明提供了一种基于议价博弈的增程式电动汽车能量管理系统，用于实现一种基于议价博弈的增程式电动汽车能量管理的方法，包括：
数据获取模块，用于获取汽车实时运行状态数据，包括整车需求功率和动力电池当前时刻SOC值/>；
能量模型求解模块，用于将获取的汽车实时运行状态数据和预设的增程器高效运行功率输入议价博弈整车能量模型中求解，输出增程器与动力电池能量博弈纳什均衡解；
能量控制模块，用于将获得的增程器与动力电池能量博弈纳什均衡解输入整车控制器中进行全程能量管理控制。
参见图6，本发明涉及的能量模型求解模块包括期望判断模块、增程器最佳输出功率求解模块和动力电池最佳输出功率求解模块，所述期望判断模块接收获取的动力电池当前时刻SOC值，与预设的动力电池SOC低限值/>比较后判断增程器当前运行期望状态；所述增程器最佳输出功率求解模块根据期望判断模块判断出的增程器当前运行期望状态，将获取的汽车实时运行状态数据和预设的增程器高效运行功率/>输入议价博弈整车能量模型中求解，获得增程器最佳输出功率/>纳什均衡值；所述动力电池最佳输出功率求解模块，接收获取的动力电池当前时刻SOC值/>和增程器最佳输出功率求解模块求解出的增程器最佳输出功率/>纳什均衡值，求解出动力电池最佳输出功率。
最后，本发明还提供了存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，即可实现一种基于议价博弈的增程式电动汽车能量管理的方法。
另外，在本申请实施例中的各功能单元可以集成在一个单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。可以理解的是，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令，用以使得一台计算机设备如个人计算机、服务器或者网络设备等，执行本申请实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器、随机存取存储器、移动硬盘、磁盘或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序指令相关的硬件来完成，该程序可以存储于计算机可读存储器中，存储器可以包括：U盘、只读存储器、随机存取存储器、磁盘或光盘等。
最后应说明的是：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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，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 (10)
1.增程式电动汽车能量管理的方法，其特征在于，具体步骤为：
S1：在车辆启动后，获取汽车实时运行状态数据，包括整车需求功率和动力电池当前时刻SOC值/>；
S2：将预设的增程器高效运行功率和步骤S1中获得的汽车实时运行状态数据作为输入量输入议价博弈整车能量模型中进行求解，输出增程器与动力电池能量博弈纳什均衡解，具体步骤为：
S21：基于动力电池当前时刻SOC值与预设的动力电池SOC低限值/>的比较结果，判断增程器运行期望状态；
S22：根据步骤S21中获得的增程器运行期望状态，将整车需求功率、动力电池当前时刻SOC值/>和预设的增程器高效运行功率/>作为输入量输入议价博弈整车能量模型中求解，输出增程器最佳输出功率/>；
S23：基于整车需求功率与增程器最佳输出功率/>求出动力电池最佳输出功率，计算公式如下：
，
式中， 为动力电池最佳输出功率，/>为整车需求功率，/>为增程器最佳输出功率；
其中，所述议价博弈整车能量模型具体构建步骤为：
Step1：获取汽车历史工作数据；
Step2：基于WLTP标准和步骤Step1中获得的汽车历史工作数据计算汽车历史运行状态数据和增程器高效运行功率，所述历史运行状态数据包括整车需求功率/>和动力电池当前时刻SOC值/>，其中计算整车需求功率/>时用到的汽车速度数据使用WLTP标准中的测试数据，其余数据均使用汽车历史工作数据；
Step3：将增程式电动汽车每一运动时刻作为一个独立的讨价还价博弈过程，每一时刻的增程器与动力电池分别作为讨价还价博弈的两个参与者，以整车需求功率作为每一过程中讨价还价的目标；
Step4：设定增程器贴现因子、动力电池贴现因子/>和动力电池SOC低限值；
Step5：以动力电池SOC低限值作为判断增程器运行期望的条件；
Step6：在讨价还价博弈中，由增程器先提出分配方案，动力电池可以选择接受或拒绝，如果动力电池接受，则博弈结束，整车需求功率按增程器的方案分配；如果动力电池选择拒绝，动力电池将提出新的分配方案，并由增程器决定是否接受，双方进行有限期的博弈后，获得的纳什均衡解计算公式如下：
,
式中，为增程器最佳输出功率，/>为整车需求功率，/>为增程器高效运行功率，/>为增程器贴现因子，/>为动力电池贴现因子，/>为当前时刻动力电池SOC值；
Step7：讨价还价博弈结束时，双方为了达到各自的最大收益，会达成纳什均衡解，纳什均衡解的结果即为博弈的最优解；
S3：整车能量控制器基于步骤S2中获得的增程器与动力电池能量博弈纳什均衡解进行全程能量管理控制。
2.根据权利要求1所述的增程式电动汽车能量管理的方法，其特征在于，整车需求功率是在当前时刻计算所得，动力电池当前时刻SOC值/>是在上一时刻计算所得，其中，所述整车需求功率/>计算公式如下：
，
式中，m为汽车质量，g为重力加速度，f为滚动阻力系数，为空气阻力系数，A为迎风面积，v为汽车速度，/>为空气密度，/>为坡度角，/>为旋转质量换算系数，r为车轮半径，为驱动电机的转速，/>为驱动电机的效率；
所述动力电池当前时刻SOC值计算公式如下：
,
式中，为动力电池当前时刻SOC值，/>为动力电池的初始SOC值，/>为动力电池总电量值，/>为动力电池上一时刻电流值。
3.根据权利要求2所述的增程式电动汽车能量管理的方法，其特征在于，所述增程器高效运行功率为增程器整体运行燃油消耗最低点，是根据汽车历史工作数据中增程器运行功率值组和能够与增程器运行功率值组一一对应的增程器运行油耗值组计算所得，计算公式如下：
,
式中，为功率映射函数，/>为最小值函数，/>为燃料消耗对应函数，/>为增程器运行功率值组。
4.根据权利要求3所述的增程式电动汽车能量管理的方法，其特征在于，所述增程器贴现因子是依据增程器初始需求，即提高燃油经济性而设置；动力电池贴现因子是依据动力电池初始需求，即提高动力电池自身寿命而设置。
5.根据权利要求4所述的增程式电动汽车能量管理的方法，其特征在于，所述议价博弈整车能量模型是在MATLAB/Simulink上构建而成，动力电池贴现因子取值为0.85，增程器贴现因子取值为0.5。
6.根据权利要求5所述的增程式电动汽车能量管理的方法，其特征在于，以动力电池SOC低限值作为判断增程器运行期望的条件具体为：当动力电池当前时刻SOC值＞动力电池SOC低限值/>时，增程器的主要期望是降低燃油消耗；当动力电池当前时刻SOC值/>＜动力电池SOC低限值/>时，增程器的主要期望是为动力电池充电，提高动力电池SOC值，并降低燃油消耗；
此外，无论动力电池当前时刻SOC值＞或＜动力电池SOC低限值/>，动力电池的主要期望一直是维持动力电池当前时刻SOC值，并延长自身寿命。
7.根据权利要求6所述的增程式电动汽车能量管理的方法，其特征在于，所述步骤S21中预设的动力电池SOC低限值为动力电池总电量值的30%；所述步骤Step6中增程器与动力电池博弈次数为一次。
8.根据权利要求7所述的增程式电动汽车能量管理的方法，其特征在于，增程器与动力电池博弈的贴现收益如下式所示：
,
式中，为增程器贴现收益，/>为增程器贴现因子，/>为博弈结束时增程器最佳输出功率，/>为动力电池贴现收益，/>为动力电池贴现因子，/>为整车需求功率，T表示博弈次数。
9.增程式电动汽车能量管理系统，用于实现权利要求1-8任意一项所述的增程式电动汽车能量管理的方法，其特征在于，包括：
数据获取模块，用于获取汽车实时运行状态数据，包括整车需求功率和动力电池当前时刻SOC值/>；
能量模型求解模块，用于将获取的汽车实时运行状态数据和预设的增程器高效运行功率输入议价博弈整车能量模型中求解，输出增程器与动力电池能量博弈纳什均衡解；
能量控制模块，用于将获得的增程器与动力电池能量博弈纳什均衡解输入整车控制器中进行全程能量管理控制；
其中，所述能量模型求解模块包括期望判断模块、增程器最佳输出功率求解模块和动力电池最佳输出功率求解模块，所述期望判断模块接收获取的动力电池当前时刻SOC值，与预设的动力电池SOC低限值/>比较后判断增程器当前运行期望状态；所述增程器最佳输出功率求解模块根据期望判断模块判断出的增程器当前运行期望状态，将获取的汽车实时运行状态数据和预设的增程器高效运行功率/>输入议价博弈整车能量模型中求解，获得增程器最佳输出功率/>；所述动力电池最佳输出功率求解模块，接收获取的动力电池当前时刻SOC值/>和增程器最佳输出功率求解模块求解出的增程器最佳输出功率/>，求解出动力电池最佳输出功率/>。
10.存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，即可实现权利要求1-8任意一项所述的增程式电动汽车能量管理的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311526153.5A CN117227514B (zh) | 2023-11-16 | 2023-11-16 | 增程式电动汽车能量管理的方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311526153.5A CN117227514B (zh) | 2023-11-16 | 2023-11-16 | 增程式电动汽车能量管理的方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117227514A CN117227514A (zh) | 2023-12-15 |
| CN117227514B true CN117227514B (zh) | 2024-01-19 |
Family
ID=89091630
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311526153.5A Active CN117227514B (zh) | 2023-11-16 | 2023-11-16 | 增程式电动汽车能量管理的方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117227514B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BRPI0905101A2 (pt) * | 2009-10-30 | 2011-06-21 | Wellington Saad Larciperetti | conjunto, ou kit de conversão, de baixo custo, utilizado para transformar qualquer veìculo automotivo, movido a combustìveis fósseis e/ou biomassa (gasolina, óleo diesel, gás natural, álcool, biodiesel, flex, etc.), para veìculo elétrico puro, com emissão zero de poluentes atmosféricos, possuindo freio regenerativo, que proporciona alta autonomia de rodagem ao veìculo elétrico |
| CN110294418A (zh) * | 2019-08-06 | 2019-10-01 | 上海海事大学 | 一种混合动力轮胎式集装箱起重机分布式能量管理方法 |
| CN111891109A (zh) * | 2020-08-12 | 2020-11-06 | 北京理工大学 | 基于非合作博弈论的混合动力汽车能量优化分配控制方法 |
| CN113879181A (zh) * | 2021-10-29 | 2022-01-04 | 江苏大学 | 一种可以提高燃料电池使用寿命的实时能量管理控制方法 |
| CN113895319A (zh) * | 2021-10-28 | 2022-01-07 | 江苏大学 | 一种可以减少燃料电池性能衰退的双电池能量管理方法 |
| CN114400387A (zh) * | 2022-01-18 | 2022-04-26 | 北京智芯微电子科技有限公司 | 基于多智能体博弈的电池均衡管理方法及系统 |
| US11407327B1 (en) * | 2019-10-17 | 2022-08-09 | Veritone Alpha, Inc. | Controlling ongoing usage of a battery cell having one or more internal supercapacitors and an internal battery |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8359133B2 (en) * | 2010-02-19 | 2013-01-22 | Ford Global Technologies, Llc | Engine power elevation and active battery charge energy management strategies for plug-in hybrid electric vehicles |
| GB201014680D0 (en) * | 2010-09-04 | 2010-10-20 | Jaguar Cars | Controller and method of control of a hybrid electric vehicle |
| WO2014099354A1 (en) * | 2012-12-18 | 2014-06-26 | Emerald Automotive, Llc | Optimization of extended range electric vehicle |
| GB2517470B (en) * | 2013-08-21 | 2016-07-20 | Jaguar Land Rover Ltd | Hybrid electric vehicle controller and method |
| US9934048B2 (en) * | 2016-03-29 | 2018-04-03 | Intel Corporation | Systems, methods and devices for dynamic power management of devices using game theory |
| US20180012197A1 (en) * | 2016-07-07 | 2018-01-11 | NextEv USA, Inc. | Battery exchange licensing program based on state of charge of battery pack |
| US11766944B2 (en) * | 2020-11-12 | 2023-09-26 | American Power Group Corp. | Mutli-fuel, range extending power generation propulsion system, method and apparatus |
-
2023
- 2023-11-16 CN CN202311526153.5A patent/CN117227514B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BRPI0905101A2 (pt) * | 2009-10-30 | 2011-06-21 | Wellington Saad Larciperetti | conjunto, ou kit de conversão, de baixo custo, utilizado para transformar qualquer veìculo automotivo, movido a combustìveis fósseis e/ou biomassa (gasolina, óleo diesel, gás natural, álcool, biodiesel, flex, etc.), para veìculo elétrico puro, com emissão zero de poluentes atmosféricos, possuindo freio regenerativo, que proporciona alta autonomia de rodagem ao veìculo elétrico |
| CN110294418A (zh) * | 2019-08-06 | 2019-10-01 | 上海海事大学 | 一种混合动力轮胎式集装箱起重机分布式能量管理方法 |
| US11407327B1 (en) * | 2019-10-17 | 2022-08-09 | Veritone Alpha, Inc. | Controlling ongoing usage of a battery cell having one or more internal supercapacitors and an internal battery |
| CN111891109A (zh) * | 2020-08-12 | 2020-11-06 | 北京理工大学 | 基于非合作博弈论的混合动力汽车能量优化分配控制方法 |
| CN113895319A (zh) * | 2021-10-28 | 2022-01-07 | 江苏大学 | 一种可以减少燃料电池性能衰退的双电池能量管理方法 |
| CN113879181A (zh) * | 2021-10-29 | 2022-01-04 | 江苏大学 | 一种可以提高燃料电池使用寿命的实时能量管理控制方法 |
| CN114400387A (zh) * | 2022-01-18 | 2022-04-26 | 北京智芯微电子科技有限公司 | 基于多智能体博弈的电池均衡管理方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| Capacity Optimization for Wind/Photovoltaic Prosumers and Shared Energy Storage Operator: A Cooperative Game Approach;Xin Tian等;IEEE;全文 * |
| 混合动力电动汽车能量管理策略研究综述;赵秀春;郭戈;;自动化学报(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117227514A (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108596464B (zh) | 基于动态非合作博弈的电动汽车与云储能经济调度方法 | |
| CN110472785B (zh) | 一种基于负荷分类的电动汽车群调度方法 | |
| CN110046773B (zh) | 综合能源系统多主体合作优化运行与成本效益分配方法 | |
| Saad et al. | A noncooperative game for double auction-based energy trading between PHEVs and distribution grids | |
| CN109193718B (zh) | 一种适应于v2g的选择电动汽车入网调控方法 | |
| Hannisdahl et al. | The future is electric! The EV revolution in Norway—Explanations and lessons learned | |
| CN112308386B (zh) | 一种价格与激励需求响应下电动汽车负荷聚集商调度方法 | |
| CN110304044A (zh) | 基于ecms的phev四驱转矩分配方法 | |
| CN113479110B (zh) | 换电式混合动力车辆及其换电策略确定方法和整车控制器 | |
| Kim et al. | Cooperative between V2C and V2V charging: Less range anxiety and more charged EVs | |
| CN115310749A (zh) | 含大规模电动汽车的区域综合能源供需调度方法和系统 | |
| CN112613699B (zh) | 基于汽车大数据的初始碳排放权分配方法 | |
| Wu et al. | Exploring the effectiveness of China's dual credit policy in a differentiated automobile market when some consumers are environmentally aware | |
| CN117227514B (zh) | 增程式电动汽车能量管理的方法、系统及存储介质 | |
| CN109948943B (zh) | 一种计及电动汽车碳配额的电动汽车充放电调度方法 | |
| CN112766695B (zh) | 一种负荷聚集主体参与下的主辅联合系统的均衡运行方法 | |
| Dimanchev et al. | Electric vehicle adoption dynamics on the road to deep decarbonization | |
| Rokadiya et al. | Estimating electric two-wheeler costs in India to 2030 and beyond | |
| CN112332433B (zh) | 一种电动汽车参与填谷辅助服务可转移负荷容量分析方法 | |
| CN116896104A (zh) | 一种计及荷电状态电能量与调频市场联合出清方法及系统 | |
| CN109193623B (zh) | 一种结合电动汽车的日前市场和实时市场联合优化方法 | |
| Khwanrit et al. | Optimal Vehicle-to-Grid Strategies for Electric School Bus using Game-Theoretic Approach | |
| CN117841966B (zh) | 增程器控制策略确定方法、装置、电子设备及存储介质 | |
| Shi | Essays on Electric Vehicles Ecosystem Development | |
| CN117944655A (zh) | 车辆扭矩确定方法、装置、电子设备及存储介质 |
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 |