CN117601699A - 面向快充站的大容量电池组智能均衡方法及装置 - Google Patents
面向快充站的大容量电池组智能均衡方法及装置 Download PDFInfo
- Publication number
- CN117601699A CN117601699A CN202410090034.8A CN202410090034A CN117601699A CN 117601699 A CN117601699 A CN 117601699A CN 202410090034 A CN202410090034 A CN 202410090034A CN 117601699 A CN117601699 A CN 117601699A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- state
- charge
- road
- charging
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012546 transfer Methods 0.000 claims description 38
- 238000012216 screening Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 12
- 230000001276 controlling effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- B60L53/60—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
- 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
- B60L53/30—Constructional details of charging stations
-
- 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
-
- 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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了面向快充站的大容量电池组智能均衡方法及装置,属于快速充电技术领域,获取道路车流量、充电车辆数量以及车辆充电状态值,根据充电车辆数量进行判断转入S30或S40,将所有闲置电池的状态全部切换为供能给车辆充电状态,基于道路车流量生成车流量影响系数,根据车辆充电状态值生成充电状态影响系数,通过转移电池数量对闲置电池进行划分,使得闲置电池始终能够保持一种状态,避免出现闲置电池从转移电荷状态迅速切换到供能给车辆充电状态,这样不仅能够保证大容量电池组能够对车辆及时供电,同时避免了电池来回切换状态,延长了电池的使用寿命。
Description
技术领域
本发明属于快速充电技术领域,具体地说,涉及一种面向快充站的大容量电池组智能均衡方法及装置。
背景技术
快充站,也称为快速充电站,是一种供电动车辆(如电动汽车和插电混合动力车辆)进行快速充电的设备,这些充电站设计用来在短时间内为电动车辆充电,以提供便捷的充电解决方案,减少充电时间,延长电动车辆的行驶里程,大容量电池组充当储能设备,存储电能以供快速充电时使用,这有助于平衡电网负载,以便在高峰时段提供更多电能,同时在低负荷时期将电能储存起来,这有助于减少电力需求的波动,提高电网的稳定性,为了保证大容量电池组对电动车辆充电时的安全性和可靠性,通过设置电池均衡模块将闲置电池中的电荷向工作电池组进行转移,工作电池指的是正在辅助电网对车辆进行充电的电池,闲置电池则是处于充电等待状态或者向工作电池转移电荷的电池,现有技术中对快充站的大容量电池组均衡方法,主要采集电池组的电压、温度以及充电状态等数据对大容量电池组进行监测;
例如,申请公开号为CN102868199A的专利公开了一种电池组平衡方法、电池组平衡装置以及包括该装置的系统,通过获取电池组内每个电池的电压,根据所检测到的单体电池电压判断需要进行平衡的电池,虽然上述专利实现了对电池的平衡,但是还存在以下缺陷:
用于快充站内的大容量电池组一般是充当储能设备,快充站需要同一时间对多辆电动车辆提供充电服务,为了防止电网过载,需要通过大容量电池组内的电池辅助电网对车辆进行充电,同时为了平衡电池组,需要闲置电池向工作电池转移电荷,那么由于快充站内电动车辆具有流动性,一旦需要充电的电动车辆数量快速增多,电池需要从闲置状态转化为工作状态,若此时电池处于转移电荷状态,电池从转移电荷状态迅速切换到供能给车辆充电状态时,由于电流转化速率较慢,反复执行此操作可能会导致电池受损。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
为解决上述问题,本发明采用如下的技术方案。
面向快充站的大容量电池组智能均衡方法,包括:
S10:获取道路车流量、充电车辆数量以及车辆充电状态值,所述道路车流量为通向快充站道路的车流量,所述充电车辆数量为快充站内充电车辆的数量,所述车辆充电状态值为充电车辆的已充电时长与充电总时长的比值;
S20:根据充电车辆数量进行判断转入S30或S40;
S30:将所有闲置电池的状态全部切换为供能给车辆充电状态;
S40:基于道路车流量生成车流量影响系数,根据车辆充电状态值生成充电状态影响系数,根据充电状态影响系数判断转入S30或S50;
S50:将车流量影响系数、充电车辆数量和充电状态影响系数输入到电池状态分配模型中,获取电池状态分配模型输出的转移电池数量,所述转移电池数量为闲置电池中需要向工作电池进行转移电荷的电池数量,所述工作电池为正在对车辆进行充电的电池;
S60:根据转移电池数量,调控闲置电池向工作电池转移电荷。
优选地,车辆充电状态值的获取方法为:获取快充站内充电桩需要向车辆充电的总时长以及工作时长,从而确定车辆充电状态值,所述总时长是指充电桩向单个车辆充电充满所需的时间。
优选地,获取通向快充站道路的方法包括:
确定目标区域,所述目标区域为以快充站为中心,以R为半径,得到的圆形区域;
以快充站为中心、r为半径确定筛选区域,扩大筛选区域直至r=R,获取筛选区域与目标区域内所有道路的正切点;
将正切点确定为道路目标点,通过路径规划算法确定道路目标点前往快充站所需要的最短时间,所述道路目标点指的是在道路上选择与快充站距离最短的位置作为导航或车辆行驶的目标点;
根据最短时间对道路进行筛选,获取通向快充站道路,并且获取通向快充站道路的车流量。
优选地,根据最短时间对道路进行筛选逻辑为:
当最短时间小于等于第一预设时间阈值时,则标记该道路为通向快充站道路;
当最短时间大于第一预设时间阈值时,则不标记该道路为通向快充站道路。
优选地,根据充电车辆数量判断转入S30或S40的逻辑为:
当充电车辆数量小于充电车辆阈值时,则转入S40;
当充电车辆数量大于等于充电车辆阈值时,则转入S30。
优选地,基于道路车流量生成车流量影响系数的方法为:
当最短时间小于等于第一预设时间阈值,且大于第二预设时间阈值时,则将该通向快充站道路标记为慢速通向道路;
当最短时间小于等于第二预设时间阈值,且大于0时,则将该通向快充站道路标记为快速通向道路;
Tfc=;
式中,Tfc为车流量影响系数,为慢速通向道路的车流量,/>为快速通向道路的车流量,/>和/>均为权重因子,且/>小于/>。
优选地,根据车辆充电状态值生成充电状态影响系数的方法为:
当车辆充电状态值大于预设充电阈值时,则将该车辆标记为预充满车辆;
当车辆充电状态值小于等于预设充电阈值时,则将该车辆标记为未充满车辆;
Cic=;
式中Cic为充电状态影响系数,为未充满车辆的已充电时长与充电总时长的比值,/>为预充满车辆的已充电时长与充电总时长的比值,/>和/>均为权重因子,且。
优选地,根据充电状态影响系数判断转入S30或S50的逻辑为:
当充电状态影响系数小于预设充电状态影响阈值时,则转入S50;
当充电状态影响系数大于等于预设充电状态影响阈值时,则返回S30。
优选地,电池状态分配模型的训练过程为:获取样本数据集,所述样本数据集中包括车流量影响系数、充电车辆数量、充电状态影响系数和转移电池数量,将样本数据集划分为样本训练集和样本测试集,构建回归网络,以样本训练集中的车流量影响系数、充电车辆数量和充电状态影响系数作为回归网络的输入数据,以样本训练集中的转移电池数量作为回归网络的输出数据,对回归网络进行训练,得到用于预测转移电池数量的初始回归网络,利用样本测试集对初始回归网络进行测试,输出满足预设测试准确度的回归网络作为电池状态分配模型。
面向快充站的大容量电池组智能均衡装置,包括:
数据获取模块:用于获取道路车流量、充电车辆数量以及车辆充电状态值,所述道路车流量为通向快充站道路的车流量,所述充电车辆数量为快充站内充电车辆的数量,所述车辆充电状态值为充电车辆的已充电时长与充电总时长的比值;
判定模块:根据充电车辆数量进行判断转入状态切换模块或系数生成模块;
状态切换模块:将所有闲置电池的状态全部切换为供能给车辆充电状态;
系数生成模块:基于道路车流量生成车流量影响系数,根据车辆充电状态值生成充电状态影响系数,根据充电状态影响系数判断转入状态切换模块或电池数量生成模块;
电池数量生成模块:将车流量影响系数、充电车辆数量和充电状态影响系数输入到电池状态分配模型中,获取电池状态分配模型输出的转移电池数量,所述转移电池数量为闲置电池中需要向工作电池进行转移电荷的电池数量,所述工作电池为正在对车辆进行充电的电池;
调控模块:根据转移电池数量,调控闲置电池向工作电池转移电荷。
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时实现上述的面向快充站的大容量电池组智能均衡方法。
一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的面向快充站的大容量电池组智能均衡方法。
相比于现有技术,本发明的有益效果为:
本发明中闲置电池具有两种状态,第一种是等待为即将到来的车辆进行充电状态,第二种是正在向工作电池进行转移电荷,以此平衡大容量电池组,保证大容量电池组对电动车辆充电时的安全性和可靠性,那么通过转移电池数量对闲置电池进行划分,使得闲置电池始终能够保持一种状态,避免出现闲置电池从转移电荷状态迅速切换到供能给车辆充电状态,这样不仅能够保证大容量电池组能够对车辆及时供电,同时避免了电池来回切换状态,延长了电池的使用寿命。
附图说明
图1为本发明中面向快充站的大容量电池组智能均衡方法的流程图;
图2为本发明中快充站和道路的示意图;
图3为本发明中判断道路是否为通向快充站道路的地理位置示意图;
图4为获取通向快充站道路方法示意图;
图5为本发明中一种电子设备的示意图;
图6为本发明中计算机可读存储介质示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式作详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性地与其他实施例互相排斥的实施例。
实施例1
如图1所示,本实施例提供面向快充站的大容量电池组智能均衡方法,包括:
S10:获取道路车流量、充电车辆数量以及车辆充电状态值,所述道路车流量为通向快充站道路的车流量,所述充电车辆数量为快充站内充电车辆的数量,所述车辆充电状态值为充电车辆的已充电时长与充电总时长的比值;
需要说明的是,上述的通向快充站道路并不单单指的是靠近快充站的道路,例如图2所示,其中一条道路靠近快充站为本实施例中的通向快充站道路,另一条虽然距快充站一段距离,但是同样为本实施例中通向快充站道路,本实施例中快充站内充电车辆为正在充电的车辆;
道路车流量可以通过互联网与导航系统连接,实时获取导航系统发送的道路的车流量,充电车辆数量获取方法为:获取快充站内充电桩正在工作的数量,从而确定快充站内充电车辆的数量,同样的,车辆充电状态值的获取方法为:获取快充站内充电桩需要向车辆充电的总时长以及工作的时长,从而确定车辆充电状态值,所述总时长是指充电桩向单个车辆充电充满所需的时间,道路车流量越大表明车辆进入快充站进行充电的概率越大,那么此时大容量电池组内多数的闲置电池都应处于等待为车辆进行充电的状态,不能处于向工作电池进行转移电荷的状态,反之,车辆充电状态值越大表明车辆越接近充满状态,那么说明快充站中电网的负载即将减小,那么大容量电池组内多数的闲置电池可以处于向工作电池进行转移电荷的状态,以此平衡大容量电池组的状态;
获取通向快充站道路的方法包括:
S101:确定目标区域,所述目标区域以快充站为中心;
具体地,确定目标区域的方式为:以快充站为中心,以R为半径,得到的圆形区域;
S102:以快充站为中心、r为半径确定筛选区域,扩大筛选区域直至r=R,获取筛选区域与目标区域内所有道路的正切点;
S103:将正切点确定为道路目标点,通过路径规划算法确定道路目标点前往快充站所需要的最短时间,所述道路目标点指的是在道路上选择与快充站距离最短的位置作为导航或车辆行驶的目标点;
可以理解的是,通过将道路目标点作为起点,快充站作为终点,通过路径规划算法确定需要的最短时间,从而估算位于该道路上的车辆驶向快充站进行充电的概率,所述路径规划算法优选为Dijkstra算法;
S104:根据最短时间对道路进行筛选,获取通向快充站道路,并且获取通向快充站道路的车流量;
例如,如图4所示,TA为目标区域、SA为筛选区域、CGS为快充站、Rd为道路、pt为正切点(道路目标点),从图4中可以得出,以CGS为中心确定了TA和SA,并且在TA中存在三条Rd,不断扩大SA的范围能够获取SA与Rd的正切点,例如图4中的pt为其中一条Rd与SA的正切点。
具体地,根据最短时间对道路进行筛选逻辑为:
当最短时间小于等于第一预设时间阈值时,则标记该道路为通向快充站道路;
当最短时间大于第一预设时间阈值时,则不标记该道路为通向快充站道路;
需要说明是,虽然快充站所处区域内有多条道路,但是多条道路并不是都通向快充站,由于地理位置的因素,快充站与道路之间存在河流,那么处于该道路的车辆可能需要长时间的行驶,才能到达快充站,因此该道路并不属于本实施例中的通向快充站道路,通过对多条道路进行删选,使得获取的道路车流量更加的准确,例如,如图3所示,H为河流,S1为通向快充站道路,S2需要通过第一预设时间阈值进行判断是否为通向快充站道路;
S20:根据充电车辆数量进行判断转入S30或S40;
具体地,根据充电车辆数量判断转入S30或S40的逻辑为:
当充电车辆数量小于充电车辆阈值时,则转入S40;
当充电车辆数量大于等于充电车辆阈值时,则转入S30;
可以理解的是,当充电车辆数量小于充电车辆阈值,则表明快充站内还存在较多的充电桩并未使用,那也就意味着大容量电池组中还存在较多的闲置电池,因此需要对闲置电池进行后续的划分,反之,当充电车辆数量大于等于充电车辆阈值,则表明快充站内存在过多的车辆需要充电,考虑到后续还有车辆的到来,大容量电池组中的闲置电池数量较少,并且都应该处于供能给车辆充电状态,方便后续车辆进行充电;
S30:将所有闲置电池的状态全部切换为供能给车辆充电状态;
S40:基于道路车流量生成车流量影响系数,根据车辆充电状态值生成充电状态影响系数,根据充电状态影响系数判断转入S30或S50;
本实施例中,基于道路车流量生成车流量影响系数的方法为:
当最短时间小于等于第一预设时间阈值,且大于第二预设时间阈值时,则将该通向快充站道路标记为慢速通向道路;
当最短时间小于等于第二预设时间阈值,且大于0时,则将该通向快充站道路标记为快速通向道路;
Tfc=Tfc=;
式中,Tfc为车流量影响系数,为慢速通向道路的车流量,/>为快速通向道路的车流量,/>和/>均为权重因子,且/>小于/>;
可以理解的是,车流量影响系数越大表明道路中的车辆进入到快充站进行充电的概率越大,也就意味着充电的需求越高,使得快充站中的电网负载加大,需要更多的电池处于开启状态并且辅助充电桩对车辆进行充电,因为处于开启状态的电池不能向处于低电荷状态的电池转移电荷,向处于低电荷状态的电池转移电荷只能由处于闲置状态下的电池完成,因此需要根据电池组的状态进行相应的调整,快速通向道路上的车辆到达快充站所需要的时间,相对于慢速通向道路上的车辆到达快充站所需要的时间较短,因此快速通向道路上的车辆进入到快充站进行充电的概率越大,这样能够确保生成车流量影响系数的准确性,进而使得处于开启状态的电池组数量更加准确;
根据车辆充电状态值生成充电状态影响系数的方法为:
当车辆充电状态值大于预设充电阈值时,则将该车辆标记为预充满车辆;
当车辆充电状态值小于等于预设充电阈值时,则将该车辆标记为未充满车辆;
Cic=;
式中Cic为充电状态影响系数,为未充满车辆的已充电时长与充电总时长的比值,/>为预充满车辆的已充电时长与充电总时长的比值,/>和/>均为权重因子,且;
可以理解的是,快充站中正在进行充电的车辆根据车辆充电状态值划分为预充满车辆和未充满车辆,预充满车辆代表接近于充满状态的车辆,未充满车辆代表离充满状态还存在一定的时间,那么充电状态影响系数越大,则表明在快充站内充电车辆数量一定的情况下,未充满车辆数量的占比也就越大,意味着更多车辆还在处于充电状态中,不会短时间内离开快充站,因此大容量电池组内多数的闲置电池都应处于等待为车辆进行充电的状态,为了后续进入快充站的车辆进行充电,而不能处于向工作电池进行转移电荷的状态,避免从转移电荷状态迅速切换到供能给车辆充电状态时,导致电池受损;
根据充电状态影响系数判断转入S30或S50的逻辑为:
当充电状态影响系数小于预设充电状态影响阈值时,则转入S50;
当充电状态影响系数大于等于预设充电状态影响阈值时,则返回S30;
可以理解的是,当充电状态影响系数大于等于预设充电状态影响阈值时,则表明快充站内未充满车辆数量的占比较大,那么未充满车辆并不会短时间内离开充电站,所以大容量电池组中的闲置电池数量较少,并且都应该处于供能给车辆充电状态,方便后续车辆进行充电,反之,当充电状态影响系数小于预设充电状态影响阈值时,表明快充站内预充满车辆数量的占比较大,车辆在充满后会离开快充站,此时大容量电池组中的闲置电池数量较多,需要对闲置电池进行后续的划分,上述的第一预设时间阈值、第二预设时间阈值、预设充电阈值和预设充电状态影响阈值均由本领域技术人员根据大量实验确定;
S50:将车流量影响系数、充电车辆数量和充电状态影响系数输入到电池状态分配模型中,获取电池状态分配模型输出的转移电池数量,所述转移电池数量为闲置电池中需要向工作电池进行转移电荷的电池数量,所述工作电池为正在对车辆进行充电的电池;
具体地,本实施例中需要根据车流量影响系数、充电车辆数量和充电状态影响系数确定闲置电池中处于等待为车辆进行充电状态的数量,因为闲置电池的定义为大容量电池组中除去正在为车辆充电的电池,其余电池均为闲置电池,因此闲置电池的数量可以确定,由于已经确定了处于等待为车辆进行充电状态的数量,因此闲置电池数量减去处于等待为车辆进行充电状态的数量,能够得到转移电池数量,这样能够保证闲置电池中有足够多的数量为即将到来的车辆进行充电,在此基础之上实现对大容量电池组的平衡;
电池状态分配模型的训练过程为:获取样本数据集,所述样本数据集中包括车流量影响系数、充电车辆数量、充电状态影响系数和转移电池数量,将样本数据集划分为样本训练集和样本测试集,构建回归网络,以样本训练集中的车流量影响系数、充电车辆数量和充电状态影响系数作为回归网络的输入数据,以样本训练集中的转移电池数量作为回归网络的输出数据,对回归网络进行训练,得到用于预测转移电池数量的初始回归网络,利用样本测试集对初始回归网络进行测试,输出满足预设测试准确度的回归网络作为电池状态分配模型,所述回归网络具体为决策树回归模型、线性回归模型或神经网络模型中的一种,上述内容中的转移电池数量是技术人员通过大量实验进行确定的;
S60:根据转移电池数量,调控闲置电池向工作电池转移电荷;
需要说明的是,本实施例中是通过实时监测闲置电池以及工作电池的电压,并且通过输送电流使得闲置电池的电压与工作电池的电压保持一定的平衡,该技术为现有技术,本实施例不再过多的进行赘述,大容量电池组中包括有工作电池和闲置电池,在本实施中闲置电池具有两种状态,第一种是等待为即将到来的车辆进行充电状态,第二种是正在向工作电池进行转移电荷,以此平衡大容量电池组,保证大容量电池组对电动车辆充电时的安全性和可靠性,那么本实施中通过转移电池数量对闲置电池进行划分,使得闲置电池始终能够保持一种状态,避免出现闲置电池从转移电荷状态迅速切换到供能给车辆充电状态,这样不仅能够保证大容量电池组能够对车辆及时供电,同时避免了电池来回切换状态,延长了电池的使用寿命。
实施例2
本实施例在实施1的基础之上,提供了面向快充站的大容量电池组智能均衡装置,包括:
数据获取模块:用于获取道路车流量、充电车辆数量以及车辆充电状态值,所述道路车流量为通向快充站道路的车流量,所述充电车辆数量为快充站内充电车辆的数量,所述车辆充电状态值为充电车辆的已充电时长与充电总时长的比值;
判定模块:根据充电车辆数量进行判断转入状态切换模块或系数生成模块;
其中,根据充电车辆数量判断转入状态切换模块或系数生成模块的逻辑为:
当充电车辆数量小于充电车辆阈值时,则转入系数生成模块;
当充电车辆数量大于等于充电车辆阈值时,则转入状态切换模块;
状态切换模块:将所有闲置电池的状态全部切换为供能给车辆充电状态;
系数生成模块:基于道路车流量生成车流量影响系数,根据车辆充电状态值生成充电状态影响系数,根据充电状态影响系数判断转入状态切换模块或电池数量生成模块;
根据充电状态影响系数判断转入状态切换模块或电池数量生成模块的逻辑为:
当充电状态影响系数小于预设充电状态影响阈值时,则转入电池数量生成模块;
当充电状态影响系数大于等于预设充电状态影响阈值时,则返回状态切换模块;
电池数量生成模块:将车流量影响系数、充电车辆数量和充电状态影响系数输入到电池状态分配模型中,获取电池状态分配模型输出的转移电池数量,所述转移电池数量为闲置电池中需要向工作电池进行转移电荷的电池数量,所述工作电池为正在对车辆进行充电的电池;
调控模块:根据转移电池数量,调控闲置电池向工作电池转移电荷。
实施例3
如图5所示,本实施例公开提供了一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述各方法所提供的面向快充站的大容量电池组智能均衡方法。
实施例4
如图6所示,本实施例公开提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述各方法所提供的面向快充站的大容量电池组智能均衡方法。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数、权重以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
最后: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,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.面向快充站的大容量电池组智能均衡方法,其特征在于,包括:
S10:获取道路车流量、充电车辆数量以及车辆充电状态值,所述道路车流量为通向快充站道路的车流量,所述充电车辆数量为快充站内充电车辆的数量,所述车辆充电状态值为充电车辆的已充电时长与充电总时长的比值;
S20:根据充电车辆数量进行判断转入S30或S40;
S30:将所有闲置电池的状态全部切换为供能给车辆充电状态;
S40:基于道路车流量生成车流量影响系数,根据车辆充电状态值生成充电状态影响系数,根据充电状态影响系数判断转入S30或S50;
S50:将车流量影响系数、充电车辆数量和充电状态影响系数输入到电池状态分配模型中,获取电池状态分配模型输出的转移电池数量,所述转移电池数量为闲置电池中需要向工作电池进行转移电荷的电池数量,所述工作电池为正在对车辆进行充电的电池;
S60:根据转移电池数量,调控闲置电池向工作电池转移电荷。
2.根据权利要求1所述的面向快充站的大容量电池组智能均衡方法,其特征在于,车辆充电状态值的获取方法为:获取快充站内充电桩需要向车辆充电的总时长以及工作时长,从而确定车辆充电状态值,所述总时长是指充电桩向单个车辆充电充满所需的时间。
3.根据权利要求1所述的面向快充站的大容量电池组智能均衡方法,其特征在于,获取通向快充站道路的方法包括:
确定目标区域,所述目标区域为以快充站为中心,以R为半径,得到的圆形区域;
以快充站为中心、r为半径确定筛选区域,扩大筛选区域直至r=R,获取筛选区域与目标区域内所有道路的正切点;
将正切点确定为道路目标点,通过路径规划算法确定道路目标点前往快充站所需要的最短时间,所述道路目标点指的是在道路上选择与快充站距离最短的位置作为导航或车辆行驶的目标点;
根据最短时间对道路进行筛选,获取通向快充站道路,并且获取通向快充站道路的车流量。
4.根据权利要求3所述的面向快充站的大容量电池组智能均衡方法,其特征在于,根据最短时间对道路进行筛选逻辑为:
当最短时间小于等于第一预设时间阈值时,则标记该道路为通向快充站道路;
当最短时间大于第一预设时间阈值时,则不标记该道路为通向快充站道路。
5.根据权利要求1所述的面向快充站的大容量电池组智能均衡方法,其特征在于,根据充电车辆数量判断转入S30或S40的逻辑为:
当充电车辆数量小于充电车辆阈值时,则转入S40;
当充电车辆数量大于等于充电车辆阈值时,则转入S30。
6.根据权利要求4所述的面向快充站的大容量电池组智能均衡方法,其特征在于,基于道路车流量生成车流量影响系数的方法为:
当最短时间小于等于第一预设时间阈值,且大于第二预设时间阈值时,则将该通向快充站道路标记为慢速通向道路;
当最短时间小于等于第二预设时间阈值,且大于0时,则将该通向快充站道路标记为快速通向道路;
Tfc=;
式中,Tfc为车流量影响系数,为慢速通向道路的车流量,/>为快速通向道路的车流量,/>和/>均为权重因子,且/>小于/>。
7.根据权利要求4所述的面向快充站的大容量电池组智能均衡方法,其特征在于,根据车辆充电状态值生成充电状态影响系数的方法为:
当车辆充电状态值大于预设充电阈值时,则将该车辆标记为预充满车辆;
当车辆充电状态值小于等于预设充电阈值时,则将该车辆标记为未充满车辆;
Cic=;
式中Cic为充电状态影响系数,为未充满车辆的已充电时长与充电总时长的比值,为预充满车辆的已充电时长与充电总时长的比值,/>和/>均为权重因子,且/>。
8.根据权利要求1所述的面向快充站的大容量电池组智能均衡方法,其特征在于,根据充电状态影响系数判断转入S30或S50的逻辑为:
当充电状态影响系数小于预设充电状态影响阈值时,则转入S50;
当充电状态影响系数大于等于预设充电状态影响阈值时,则返回S30。
9.根据权利要求1所述的面向快充站的大容量电池组智能均衡方法,其特征在于,电池状态分配模型的训练过程为:获取样本数据集,所述样本数据集中包括车流量影响系数、充电车辆数量、充电状态影响系数和转移电池数量,将样本数据集划分为样本训练集和样本测试集,构建回归网络,以样本训练集中的车流量影响系数、充电车辆数量和充电状态影响系数作为回归网络的输入数据,以样本训练集中的转移电池数量作为回归网络的输出数据,对回归网络进行训练,得到用于预测转移电池数量的初始回归网络,利用样本测试集对初始回归网络进行测试,输出满足预设测试准确度的回归网络作为电池状态分配模型。
10.面向快充站的大容量电池组智能均衡装置,其特征在于,包括:
数据获取模块:用于获取道路车流量、充电车辆数量以及车辆充电状态值,所述道路车流量为通向快充站道路的车流量,所述充电车辆数量为快充站内充电车辆的数量,所述车辆充电状态值为充电车辆的已充电时长与充电总时长的比值;
判定模块:根据充电车辆数量进行判断转入状态切换模块或系数生成模块;
状态切换模块:将所有闲置电池的状态全部切换为供能给车辆充电状态;
系数生成模块:基于道路车流量生成车流量影响系数,根据车辆充电状态值生成充电状态影响系数,根据充电状态影响系数判断转入状态切换模块或电池数量生成模块;
电池数量生成模块:将车流量影响系数、充电车辆数量和充电状态影响系数输入到电池状态分配模型中,获取电池状态分配模型输出的转移电池数量,所述转移电池数量为闲置电池中需要向工作电池进行转移电荷的电池数量,所述工作电池为正在对车辆进行充电的电池;
调控模块:根据转移电池数量,调控闲置电池向工作电池转移电荷。
11.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行计算机程序时实现如权利要求1-9中任一项所述的面向快充站的大容量电池组智能均衡方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-9中任一项所述的面向快充站的大容量电池组智能均衡方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410090034.8A CN117601699B (zh) | 2024-01-23 | 2024-01-23 | 面向快充站的大容量电池组智能均衡方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410090034.8A CN117601699B (zh) | 2024-01-23 | 2024-01-23 | 面向快充站的大容量电池组智能均衡方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117601699A true CN117601699A (zh) | 2024-02-27 |
CN117601699B CN117601699B (zh) | 2024-04-05 |
Family
ID=89946571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410090034.8A Active CN117601699B (zh) | 2024-01-23 | 2024-01-23 | 面向快充站的大容量电池组智能均衡方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117601699B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109017389A (zh) * | 2018-08-07 | 2018-12-18 | 宁波智果科技咨询服务有限公司 | 一种电池组均衡控制的充电桩系统 |
CN109361245A (zh) * | 2018-09-18 | 2019-02-19 | 深圳市车电网络有限公司 | 充电站的功率调配方法、装置及存储介质 |
CN114492921A (zh) * | 2021-12-10 | 2022-05-13 | 重庆邮电大学 | 一种基于智慧交通体系的充电设施规划系统及方法 |
CN117087479A (zh) * | 2023-08-22 | 2023-11-21 | 郑州森源新能源科技有限公司 | 一种充电桩功率分配方法及设备 |
CN117374970A (zh) * | 2023-11-23 | 2024-01-09 | 国网山东省电力公司东营供电公司 | 一种充电桩充电负载平衡调度方法 |
-
2024
- 2024-01-23 CN CN202410090034.8A patent/CN117601699B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109017389A (zh) * | 2018-08-07 | 2018-12-18 | 宁波智果科技咨询服务有限公司 | 一种电池组均衡控制的充电桩系统 |
CN109361245A (zh) * | 2018-09-18 | 2019-02-19 | 深圳市车电网络有限公司 | 充电站的功率调配方法、装置及存储介质 |
CN114492921A (zh) * | 2021-12-10 | 2022-05-13 | 重庆邮电大学 | 一种基于智慧交通体系的充电设施规划系统及方法 |
CN117087479A (zh) * | 2023-08-22 | 2023-11-21 | 郑州森源新能源科技有限公司 | 一种充电桩功率分配方法及设备 |
CN117374970A (zh) * | 2023-11-23 | 2024-01-09 | 国网山东省电力公司东营供电公司 | 一种充电桩充电负载平衡调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117601699B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3923007B1 (en) | Battery management apparatus, battery management method, battery pack, and electric vehicle | |
CN109670661B (zh) | 用于确定换电站内的欠电电池的充电策略的方法和装置 | |
Zhou et al. | Battery behavior prediction and battery working states analysis of a hybrid solar–wind power generation system | |
Teleke et al. | Optimal control of battery energy storage for wind farm dispatching | |
CN108638890B (zh) | 服务器、保养终端、动力电池保养方法、装置及系统 | |
WO2019085797A1 (zh) | 充电设备输出功率调整方法 | |
EP3700044A1 (en) | Method and apparatus for determining battery charging strategy of battery swap station | |
CN107612075A (zh) | 电池充电方法、装置、设备和存储介质 | |
CN105680541B (zh) | 一种低温充电策略的充电方法 | |
CN103547936A (zh) | Ess的寿命状态估算方法 | |
CN107342608A (zh) | 电池充电方法、装置、设备和存储介质 | |
KR20150080169A (ko) | 에너지 저장 시스템에서 전력 분배 방법 및 장치 | |
US10594154B2 (en) | Battery charging method | |
CN108116251A (zh) | 一种电动汽车预约定时充电系统及方法 | |
CN105610209A (zh) | 一种电池组的被动均衡方法 | |
CN105634063A (zh) | 一种基于电池历史数据的主动均衡方法 | |
JP2023535506A (ja) | 充電制御方法、装置、およびシステム、サーバ、ならびに媒体 | |
Lv et al. | Influence of equalization on LiFePO4 battery inconsistency | |
JP2013183509A (ja) | 充放電量予測システム及び充放電量予測方法 | |
CN111009914A (zh) | 一种面向主动配电网的储能装置选址定容方法 | |
JP2013502687A5 (zh) | ||
KR101822824B1 (ko) | 전력저장시스템의 충방전 분배장치 및 그 방법 | |
JP2013502687A (ja) | エネルギ貯蔵システムの予備エネルギの算定及び使用 | |
CN117601699B (zh) | 面向快充站的大容量电池组智能均衡方法及装置 | |
KR20190067453A (ko) | 배터리 충전 방법 및 장치 |
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 |