CN117674169B - 家用交流充电桩控制方法、装置、系统及存储介质 - Google Patents
家用交流充电桩控制方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN117674169B CN117674169B CN202410143839.4A CN202410143839A CN117674169B CN 117674169 B CN117674169 B CN 117674169B CN 202410143839 A CN202410143839 A CN 202410143839A CN 117674169 B CN117674169 B CN 117674169B
- Authority
- CN
- China
- Prior art keywords
- power
- photovoltaic
- grid
- maximum
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000010248 power generation Methods 0.000 claims abstract description 102
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000005611 electricity Effects 0.000 claims description 40
- 230000008859 change Effects 0.000 claims description 10
- 230000002457 bidirectional effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 15
- 238000004422 calculation algorithm Methods 0.000 description 17
- 238000012544 monitoring process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请公开一种家用交流充电桩控制方法、装置、系统及存储介质，涉及。该方法包括获取用户参数，用户参数包括用户用车时间和用户需求电量；预测光伏能源，得到光伏预测发电功率曲线和光伏预测发电量，并根据用户需求电量和光伏预测发电量计算电网需求电量；获取充电网的最大输出功率，并根据光伏预测发电功率曲线计算最大电网功率，得到最大电网功率曲线；根据光伏预测发电功率曲线和最大电网功率曲线进行动态负载均衡计算，根据当前的动态负载情况和需要，实时重新计算并调整最大电网功率。本申请通过对光伏和电网的发电预测，使得充电过程更符合用户需求、更具经济性，同时最大程度地减少对传统电网的依赖，促进可再生能源的更广泛应用。
Description
技术领域
本申请属于光伏充电控制技术领域，尤其涉及一种家用交流充电桩控制方法、装置、系统及存储介质。
背景技术
交流充电桩一般为家庭使用的慢充桩，目前很多用户家庭都安装了光伏系统，一般交流充电桩都是直接连接汽车充电，交流充电桩本身没有直接与光伏系统进行深入的能源管理，这样不能很好的利用光伏电。一般交流充电桩直接按照设置好的固定电流或功率进行充电，光伏进行优先自发自用，这样虽然也能利用光伏的能源进行充电，但是不能最大化的利用新能源的电，或者使用户得到最优的充电方式。例如，光伏的发电功率是随着时间动态变化的，一般只在日出到日落时间进行，如果用户要求在指定时间前，使汽车必须要充到对应的电量，并且最高效使用新能源电。
一般的交流充电桩只能固定功率充电，充电到用户需要的电量可以停止充电，这样可能会达不到用户的充电需求，光伏发电的不确定，会使用户可能过多的使用电网发的电，不能在光伏发的电和用电网的电做最佳的平衡，特别是当用户使用的电为阶梯电价时，不能最好的发挥经济性。
交流充电桩一般会按照设置好的固定电流或功率进行充电，而不根据光伏系统实时发电情况进行调整。这种固定方式可能导致在光伏系统产生高功率时，充电桩仍然使用固定低功率进行充电，无法最大化地利用太阳能。充电桩缺乏与光伏系统深度交互和能源管理的能力。
发明内容
本申请的目的，在于提供一种家用交流充电桩控制方法、装置、系统及存储介质，通过对光伏和电网的发电预测，使得充电过程更符合用户需求、更具经济性，同时最大程度地减少对传统电网的依赖，促进可再生能源的更广泛应用。
为了达成上述目的，本申请的解决方案是：
第一方面，本申请实施例提供一种家用交流充电桩控制方法，包括：
获取用户参数，用户参数包括用户用车时间和用户需求电量；
预测光伏能源，得到光伏预测发电功率曲线和光伏预测发电量，并根据用户需求电量和光伏预测发电量计算电网需求电量；
获取充电网的最大输出功率，并根据光伏预测发电功率曲线计算最大电网功率，得到最大电网功率曲线；
根据光伏预测发电功率曲线和最大电网功率曲线进行动态负载均衡计算，根据当前的动态负载情况和需要，实时重新计算并调整最大电网功率。
根据本申请实施例的上述方法，还可以具有以下附加技术特征：
进一步的，预测光伏能源，得到光伏预测发电功率曲线和光伏预测发电量，包括：
获取气象数据，包括阳光强度和天气预报，结合光伏能源的性能模型，预测充电时间段内的光伏发电量，并基于历史光伏发电数据，预测充电时间段内的光伏发电功率，得到光伏预测发电功率曲线和光伏预测发电量。
进一步的，根据用户需求电量和光伏预测发电量计算电网需求电量，公式如下所示：
Eg＝En-Epv
其中，Eg表示电网需求电量，En表示用户需求电量，Epv表示光伏预测发电量。
进一步的，充电网的最大输出功率不能超过家用交流充电桩的额定功率。
进一步的，根据光伏预测发电功率曲线计算最大电网功率，得到最大电网功率曲线，公式如下所示：
Pgmax＝Pmax-Ppv
其中，Pgmax表示最大电网功率，Pmax表示充电网的最大输出功率，Ppv表示光伏预测发电功率。
进一步的，方法包括：获取电表流向电网的电流值，当不允许使用电网的电时，即仅通过光伏发电满足用户需求电量，将电表流向电网的电流值最大限制的提供给家用交流充电桩进行充电。
进一步的，方法包括：获取家用交流充电桩所属区域的电价变化曲线，当允许使用电网的电时，即通过光伏发电和电网供电满足用户需求电量，电网供电量与家用交流充电桩所属区域的电价成反比，即电价越高，限制电网供电量越低，电价越低，限制电网供电量越高。
第二方面，本申请实施例提供一种家用交流充电桩控制装置，包括：
数据获取模块，被配置为用于获取用户参数，用户参数包括用户用车时间和用户需求电量；
数据处理模块，被配置为用于预测光伏能源，得到光伏预测发电功率曲线和光伏预测发电量，并根据用户需求电量和光伏预测发电量计算电网需求电量和获取充电网的最大输出功率，并根据光伏预测发电功率曲线计算最大电网功率，得到最大电网功率曲线；
功率拟合模块，被配置为用于根据光伏预测发电功率曲线和最大电网功率曲线进行动态负载均衡计算，根据当前的动态负载情况和需要，实时重新计算并调整最大电网功率。
第三方面，本申请实施例提供了一种家用交流充电桩控制系统，系统包括处理器和存储器，存储器中存储有计算机程序，计算机程序由处理器加载并执行，以实现如本申请实施例第一方面提供的家用交流充电桩控制方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，存储介质中存储有计算机程序，计算机程序被处理器执行时，用于实现如本申请实施例第一方面的家用交流充电桩控制方法。
采用本申请实施例提供的家用交流充电桩控制方法，与现有技术相比，具有如下有益技术效果：
本申请实施例通过获取用户参数，包括用户用车时间和用户需求电量，能够为每个用户提供个性化的充电方案，有助于满足用户的个性化需求；通过进行光伏能源的预测，能够得到光伏预测发电功率曲线和光伏预测发电量，可以最大化利用太阳能发电，将充电桩的充电功率调整到光伏系统预测发电功率高峰期，提高光伏能源的自给自足比例；通过根据光伏预测发电功率曲线和最大电网功率曲线进行动态负载均衡计算，能够实时调整最大电网功率，实现在电网负载平衡的同时，最大化利用光伏能源，避免过度依赖传统电网；通过根据当前的动态负载情况和需要实时重新计算并调整最大电网功率，可以更加智能地调整电能分配，从而提高能源利用效率；通过合理调整充电功率和动态负载均衡，可以更有效地利用光伏能源，从而减少对传统电网的依赖，降低电费支出，同时减缓对传统能源的压力。
附图说明
图1示出了本申请实施例的家用交流充电桩控制方法的流程示意图；
图2示出了本申请实施例的家用交流充电桩控制装置的结构框图；
图3示出了本申请实施例的家用交流充电桩控制方法的光伏功率和光伏预测功率的对比曲线图；
图4示出了本申请实施例的家用交流充电桩控制方法的光伏发电和用电网电的对比曲线图；
图5示出了本申请实施例的计算机设备的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更为明显易懂，下面结合附图，对本申请的具体实施方式做详细的说明。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例，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它实施例，都属于本申请保护的范围。
本申请中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
如图1所示，本申请实施例提供了一种家用交流充电桩控制方法，包括如下步骤：
步骤101，获取用户参数，用户参数包括用户用车时间和用户需求电量。
本申请实施例通过应用程序、网站或特定的用户界面收集用户的用车时间和用户需求电量，用户可以在应用程序中输入用车时间表或充电需求，例如指定在早晨7点之前需要充满电。
可选地，还可以利用机器学习或数据分析技术，根据用户过去的行为模式和充电需求模式进行预测。通过分析用户的充电习惯和行车时间，预测用户的用车时间和充电需求。
对于连接车辆的充电系统，可以通过与车辆通信获取相关信息。车辆提供实时的电池状态、剩余续航里程以及预计充电时间等信息，以帮助充电系统了解用户需求，基于历史光伏发电数据，分析用户的用车时间和需求电量，推断用户未来可能的充电需求。
需要说明的是，本申请实施例并不对具体获取用户参数的方法加以限定，上述实施例中的方法可以单独或者结合使用，根据具体系统的设计和实现，以获取用户的用车时间和充电需求信息，但并不用于限定本申请实施例的保护范围。
步骤102，预测光伏能源，得到光伏预测发电功率曲线和光伏预测发电量，并根据用户需求电量和光伏预测发电量计算电网需求电量。
本申请实施例通过获取气象数据，气象数据包括阳光强度和天气预报，结合光伏能源的性能模型，光伏能源的性能模型可以从具体安装的光伏能源指导书中获取，预测充电时间段内的光伏发电量，并基于历史光伏发电数据，预测充电时间段内的光伏发电功率，得到光伏预测发电功率曲线和光伏预测发电量。
具体的，通过气象站、传感器或气象数据提供商获取特定地区的实时或历史阳光强度数据，包括太阳辐射强度、光照时间等信息。获取天气预报数据，包括未来一段时间内的天气情况(晴天、多云、阴天等)和预计的光照情况，天气预报数据可以通过气象预报机构或气象数据提供商获得。利用光伏能源的特性和工作原理建立数学模型，这个模型可以考虑诸如光照强度、温度、板件状态等因素，并基于这些因素预测光伏能源的发电量。结合获取的阳光强度、天气预报等数据，利用光伏能源性能模型，预测特定时间段内的光伏发电量。这需要考虑天气情况对光伏能源发电量的影响。基于历史光伏发电数据，可以利用统计模型、时间序列分析或机器学习算法等方法，预测充电时间段内的光伏发电功率。这种方法可以更精确地预测实际发电功率的变化趋势。
将获取的数据整合到一个数据平台中，并对数据进行预处理，如数据清洗、归一化、时间序列处理等，使用机器学习算法(如回归模型、神经网络等)或统计方法建立光伏发电量和功率的预测模型。验证预测模型的准确性，可以利用历史数据进行模型验证和调整，确保预测的准确性和可靠性。
如图3所示，为本申请实施例的家用交流充电桩控制方法的光伏功率和光伏预测功率的对比曲线图，在该实施例中根据用户需求电量和光伏预测发电量计算电网需求电量的公式如下所示：
Eg＝En-Epv
其中，Eg表示电网需求电量，En表示用户需求电量，Epv表示光伏预测发电量。
步骤103，获取充电网的最大输出功率，并根据光伏预测发电功率曲线计算最大电网功率，得到最大电网功率曲线。
本申请实施例根据充电网设备的规格和技术参数，了解充电桩或充电设备的最大输出功率能力。这些信息通常包含在设备的说明书或技术文档中。利用监测设备或数据记录系统实时监测充电网的输出功率。这可以通过连接到充电网的监测设备来实现，实时记录充电网的输出功率变化。
根据光伏预测发电功率曲线，结合充电网设备的最大输出功率能力，计算最大电网功率曲线。这需要考虑光伏发电功率和充电网输出功率的动态变化。使用动态调整算法，根据光伏预测发电功率的实时变化，计算出相应的最大电网功率曲线。
将光伏预测发电功率曲线和充电网最大输出功率的技术参数整合到数据平台中。基于光伏预测发电功率曲线和设备规格参数，设计动态计算算法，实时计算最大电网功率曲线。在充电网控制系统中实施动态功率计算算法，确保充电网在光伏发电量最大化时提供最大的太阳能供电。
本申请实施例充电网的最大输出功率不能超过家用交流充电桩的额定功率，根据光伏预测发电功率曲线计算最大电网功率，得到最大电网功率曲线，公式如下所示：
Pgmax＝Pmax-Ppv
其中，Pgmax表示最大电网功率，Pmax表示充电网的最大输出功率，Ppv表示光伏预测发电功率。
步骤104，根据光伏预测发电功率曲线和最大电网功率曲线进行动态负载均衡计算，根据当前的动态负载情况和需要，实时重新计算并调整最大电网功率。
本申请实施例中动态负载均衡计算涉及根据光伏预测发电功率和最大电网功率曲线，实时重新计算和调整最大电网功率，以适应当前的动态负载情况和需求变化。
实时监测充电桩、充电设备或电网的负载情况。可以通过连接到设备的传感器或监测系统来实现，以获取当前的充电负载数据。持续获取光伏预测发电功率曲线和最大电网功率曲线的实时数据。这些数据可能来自气象站、光伏发电监测系统或其他数据源。
基于实时监测的充电负载情况、光伏预测发电功率和最大电网功率曲线，设计动态调整算法。该算法可能会根据当前负载情况和光伏发电情况重新计算并调整最大电网功率。使用机器学习或基于规则的方法，根据历史数据和实时负载情况预测未来一段时间的充电需求，并将其与光伏发电功率进行匹配。
将实时监测的数据和光伏预测数据输入到动态调整算法中。利用编程语言(如Python、MATLAB等)实现动态负载均衡的算法逻辑。将动态调整算法集成到充电网的控制系统中。这可能涉及软件开发和系统集成，确保算法能够实时运行并调整最大电网功率。对设计的动态负载均衡算法进行验证和优化，根据实际运行情况调整算法参数，以确保其能够有效地满足动态负载均衡的需求。
如图4所示，为本申请实施例的家用交流充电桩控制方法的光伏发电和用电网电的对比曲线图。
在该实施例中，假设没有其他用户负载，根据光伏发的电，需要进行电网输出电能计算，根据如图4所示中，光伏在11点至17:30的预测功率，通过预测数据积分计算，光伏预计发电12度电，目前需要电网补充18度电，11点-13点，通过电网补电，可以全功率7kW充电，3个小时充电21度电。根据计算14-15点电价尖时，可以不使用电网电充电。根据预测计算15点-17:30光伏预计发电，预计需要电网补充5度电左右，7kW满功率使用。
在本申请另一实施例中，在充电桩增加了进户的电表或CT通讯，电表为双向电表，可以检测光伏的发电以及用户其他的负载情况。
CT指的是电流互感器(Current Transformer)，是一种用来测量电流的传感器。它通过将高电流转换为较小的、可以安全测量和处理的电流信号，常用于电力系统和电气设备中。
在充电桩与进户的电表或CT通讯中，CT可以用来测量充电桩所消耗的电流。由于充电桩可能需要大电流充电，为了安全和便于测量，CT会将高电流转换为低电流的信号供电表或监控系统使用。通过CT，电表或监控系统可以获取充电桩消耗的电流数据。这些数据可能会被用于计费、能源管理、统计分析或监控系统中。CT也可以用来监测电流的异常情况，例如过载或短路，从而及时发出警报或采取自动断电等安全措施。
将充电桩与电表或CT通讯可以帮助监控和管理充电过程中的能源消耗情况，确保充电过程安全可靠，并提供数据支持，方便后续分析和管理。
双向电表是一种可以测量电能流动方向的电能计量仪表。传统的电表主要用于测量消费者从电网购买的电能，即单向计量，而双向电表可以记录电能的双向流动，不仅可以测量消费者购买的电能，还可以测量消费者向电网供应的电能(反向流动)。
双向电表主要应用于分布式能源系统(如太阳能发电、风能发电等)，这些系统可以在产生多余电能时将其输送回电网。当这些分布式能源系统产生的电能超过消费者自己的需求时，多余的电能可以通过双向电表计量并输送至电网，这种方式常被称为“上网”或“并网”。
通过双向电表，能源公司或电网管理者可以准确地记录和计量电能的双向流动，对消费者与电网之间的能量交换进行计费或管理。这种计量方式有助于支持可再生能源的接入和管理，并且在促进能源效率和可再生能源利用方面具有重要意义。
进一步的，本申请实施例通过获取电表流向电网的电流值，当不允许使用电网的电时，即仅通过光伏发电满足用户需求电量，将电表流向电网的电流值最大限制的提供给家用交流充电桩进行充电。
获取家用交流充电桩所属区域的电价变化曲线，当允许使用电网的电时，即通过光伏发电和电网供电满足用户需求电量，电网供电量与家用交流充电桩所属区域的电价成反比，即电价越高，限制电网供电量越低，电价越低，限制电网供电量越高。
具体的，在电表处或电网连接点安装电流监测设备，以实时监测电流值的流向。这些设备可以是电流传感器或监测装置，能够检测电流的方向和大小。将电流监测设备的数据连接到数据处理系统。通过实时收集和处理电流值，确定当前是否有电流流向电网以及电流的大小。
当不允许使用电网电时，控制充电桩仅从光伏发电源获取电能以满足用户需求。这需要一个控制系统来确保充电桩仅从光伏发电源获取电能。
当允许使用电网电时，根据光伏发电情况和电价变化，控制系统动态调整电网供电量。如果电价较高，限制电网供电量；如果电价较低，允许更多的电网供电。
从电力公司、能源监管机构或相关平台获取家用交流充电桩所属区域的电价数据。这些数据可能包括实时电价、电价变化曲线等。将获取的电价数据整合到系统中，并与实时的光伏发电情况结合。建立电价与电网供电量之间的关系，根据电价变化曲线制定相应的电网供电量策略。
将电流监测、电价数据和光伏发电数据整合到一个数据平台或控制系统中。使用编程语言(如Python、C++等)设计算法来根据电流值、电价变化和光伏发电情况实时调整电网供电量。在家用交流充电桩控制系统中实施电流监测和电价调整算法，确保充电桩根据需求以及光伏发电和电价情况进行动态调整。验证控制系统的稳定性和准确性，根据实际运行情况对算法进行优化，以确保充电桩能够根据条件合理调整供电行为。
如图2所示，本申请实施例提供的一种家用交流充电桩控制装置，包括数据获取模块201、数据处理模块202和功率拟合模块203，其中：
数据获取模块201，被配置为用于获取用户参数，用户参数包括用户用车时间和用户需求电量。
数据处理模块202，被配置为用于预测光伏能源，得到光伏预测发电功率曲线和光伏预测发电量，并根据用户需求电量和光伏预测发电量计算电网需求电量和获取充电网的最大输出功率，并根据光伏预测发电功率曲线计算最大电网功率，得到最大电网功率曲线。
功率拟合模块203，被配置为用于根据光伏预测发电功率曲线和最大电网功率曲线进行动态负载均衡计算，根据当前的动态负载情况和需要，实时重新计算并调整最大电网功率。
本申请实施例中的家用交流充电桩控制装置可以是计算机设备，也可以是计算机设备中的部件，例如集成电路或芯片。该计算机设备可以是终端，也可以为除终端之外的其他设备。示例性的，计算机设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载计算机设备、移动上网装置(Mobile Internet Device，MID)、超级移动个人计算机(Ultra-MobilePersonal Computer，UMPC)、上网本或者个人数字助理(Personal Digital Assistant，PDA)等，还可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(Personal Computer，PC)等，本申请实施例不作具体限定。
本申请实施例提供的家用交流充电桩控制的装置能够实现图1的家用交流充电桩控制的方法实施例实现的各个过程，为避免重复，这里不再赘述。
本申请实施例还提供一种计算机设备，如图5所示，该计算机设备包括处理器301和存储器302，存储器302上存储有可在处理器301上运行的程序或指令，该程序或指令被处理器301执行时实现上述家用交流充电桩控制方法的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，本申请实施例中的计算机设备包括上述的移动计算机设备和非移动计算机设备。
存储器302可用于存储软件程序以及各种数据。存储器302可主要包括存储程序或指令的第一存储区和存储数据的第二存储区，其中，第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器302可以包括易失性存储器或非易失性存储器，或者，存储器302可以包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DRRAM)。本申请实施例中的存储器302包括但不限于这些和任意其它适合类型的存储器。
处理器301可包括一个或多个处理单元；可选的，处理器301集成应用处理器和调制解调处理器，其中，应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作，调制解调处理器主要处理无线通信信号，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器301中。
本申请实施例还提供一种可读存储介质，可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述家用交流充电桩控制方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现上述家用交流充电桩控制方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
本申请实施例还提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如上述家用交流充电桩控制方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。
Claims (7)
1.一种家用交流充电桩控制方法，其特征在于，交流充电桩用于给车辆充电，所述方法包括：
获取用户参数，所述用户参数包括用户用车时间和用户需求电量；
预测光伏能源，得到光伏预测发电功率曲线和光伏预测发电量，并根据所述用户需求电量和所述光伏预测发电量计算电网需求电量；
获取充电网的最大输出功率，并根据所述光伏预测发电功率曲线计算最大电网功率，得到最大电网功率曲线；
根据所述光伏预测发电功率曲线和所述最大电网功率曲线进行动态负载均衡计算，根据当前的动态负载情况和需要，实时重新计算并调整所述最大电网功率；
所述充电网的最大输出功率不能超过所述家用交流充电桩的额定功率；
所述根据所述光伏预测发电功率曲线计算最大电网功率，得到最大电网功率曲线，公式如下所示：
Pgmax＝Pmax-Ppv
其中，Pgmax表示最大电网功率，Pmax表示充电网的最大输出功率，Ppv表示光伏预测发电功率；
所述方法包括：获取电表流向电网的电流值，当不允许使用电网的电时，即仅通过光伏发电满足所述用户需求电量，将所述电表流向电网的电流值最大限制的提供给所述家用交流充电桩进行充电，电表为双向电表，用于检测光伏的发电以及用户其他的负载情况。
2.如权利要求1所述的家用交流充电桩控制方法，其特征在于，所述预测光伏能源，得到光伏预测发电功率曲线和光伏预测发电量，包括：
获取气象数据，包括阳光强度和天气预报，结合光伏能源的性能模型，预测充电时间段内的光伏发电量，并基于历史光伏发电数据，预测充电时间段内的光伏发电功率，得到光伏预测发电功率曲线和光伏预测发电量。
3.如权利要求1所述的家用交流充电桩控制方法，其特征在于，所述根据所述用户需求电量和所述光伏预测发电量计算电网需求电量，公式如下所示：
Eg＝En-Epv
其中，Eg表示电网需求电量，En表示用户需求电量，Epv表示光伏预测发电量。
4.如权利要求1所述的家用交流充电桩控制方法，其特征在于，所述方法包括：获取所述家用交流充电桩所属区域的电价变化曲线，当允许使用电网的电时，即通过光伏发电和电网供电满足所述用户需求电量，电网供电量与家用交流充电桩所属区域的电价成反比，即电价越高，限制电网供电量越低，电价越低，限制电网供电量越高。
5.一种家用交流充电桩控制装置，其特征在于，所述装置包括：
数据获取模块，被配置为用于获取用户参数，所述用户参数包括用户用车时间和用户需求电量；
数据处理模块，被配置为用于预测光伏能源，得到光伏预测发电功率曲线和光伏预测发电量，并根据所述用户需求电量和所述光伏预测发电量计算电网需求电量和获取充电网的最大输出功率，并根据所述光伏预测发电功率曲线计算最大电网功率，得到最大电网功率曲线；
功率拟合模块，被配置为用于根据所述光伏预测发电功率曲线和所述最大电网功率曲线进行动态负载均衡计算，根据当前的动态负载情况和需要，实时重新计算并调整所述最大电网功率；
所述充电网的最大输出功率不能超过所述家用交流充电桩的额定功率；
所述根据所述光伏预测发电功率曲线计算最大电网功率，得到最大电网功率曲线，公式如下所示：
Pgmax＝Pmax-Ppv
其中，Pgmax表示最大电网功率，Pmax表示充电网的最大输出功率，Ppv表示光伏预测发电功率；
所述家用交流充电桩控制装置被配置为：获取电表流向电网的电流值，当不允许使用电网的电时，即仅通过光伏发电满足所述用户需求电量，将所述电表流向电网的电流值最大限制的提供给所述家用交流充电桩进行充电，电表为双向电表，用于检测光伏的发电以及用户其他的负载情况。
6.一种家用交流充电桩控制系统，所述系统包括处理器和存储器，所述存储器中存储有计算机程序，其特征在于，所述计算机程序由所述处理器加载并执行，以实现如权利要求1至4任一项所述的家用交流充电桩控制方法。
7.一种计算机可读存储介质，所述存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，用于实现如权利要求1至4任一项所述的家用交流充电桩控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410143839.4A CN117674169B (zh) | 2024-02-01 | 2024-02-01 | 家用交流充电桩控制方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410143839.4A CN117674169B (zh) | 2024-02-01 | 2024-02-01 | 家用交流充电桩控制方法、装置、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117674169A CN117674169A (zh) | 2024-03-08 |
| CN117674169B true CN117674169B (zh) | 2024-04-26 |
Family
ID=90084823
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410143839.4A Active CN117674169B (zh) | 2024-02-01 | 2024-02-01 | 家用交流充电桩控制方法、装置、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117674169B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104104116A (zh) * | 2014-07-01 | 2014-10-15 | 杭州电子科技大学 | 一种含多分布式能源的光伏微电网供需控制系统设计方法 |
| CN105515058A (zh) * | 2015-12-24 | 2016-04-20 | 东南大学 | 一种光伏发电参与的功率就地消纳方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102006026073A1 (de) * | 2006-06-03 | 2007-12-13 | Adensis Gmbh | Sonnenkollektoranlage mit elektromagnetischer Energieumsetzung |
-
2024
- 2024-02-01 CN CN202410143839.4A patent/CN117674169B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104104116A (zh) * | 2014-07-01 | 2014-10-15 | 杭州电子科技大学 | 一种含多分布式能源的光伏微电网供需控制系统设计方法 |
| CN105515058A (zh) * | 2015-12-24 | 2016-04-20 | 东南大学 | 一种光伏发电参与的功率就地消纳方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117674169A (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ranaweera et al. | Optimization of operational cost for a grid-supporting PV system with battery storage | |
| e Silva et al. | Photovoltaic self-sufficiency of Belgian households using lithium-ion batteries, and its impact on the grid | |
| You et al. | Comparative assessment of tactics to improve primary frequency response without curtailing solar output in high photovoltaic interconnection grids | |
| Weniger et al. | Sizing of residential PV battery systems | |
| Zhu et al. | The case for efficient renewable energy management in smart homes | |
| Silva et al. | Stochastic assessment of the impact of photovoltaic distributed generation on the power quality indices of distribution networks | |
| US20130096725A1 (en) | Electric Power Control Method, Program, and Electric Power Control Apparatus | |
| CN105337574A (zh) | 基于稳健回归的分布式光伏发电窃电识别方法 | |
| Zheng et al. | Optimal dispatch for reversible solid oxide cell-based hydrogen/electric vehicle aggregator via stimuli-responsive charging decision estimation | |
| CN116683508A (zh) | 一种目标对象储能容量的确定方法、装置及电子设备 | |
| JP2012043857A (ja) | 快晴時判定装置および太陽光発電量予測システム | |
| CN117674169B (zh) | 家用交流充电桩控制方法、装置、系统及存储介质 | |
| Kebir et al. | Technical losses computation for short-term predictive management enhancement of grid-connected distributed generations | |
| US20150021999A1 (en) | Grid apportioning bimodal power module and method | |
| Abul'Wafa | Energy storage sizing for rooftop grid-connected PV system | |
| Amoura et al. | Optimal sizing of a hybrid energy system based on renewable energy using evolutionary optimization algorithms | |
| CN116054140A (zh) | 一种利用可再生能源供电的优化方法及系统 | |
| JP7303707B2 (ja) | 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム | |
| CN112039062B (zh) | 一种基于熵权法的最优储能方式确定方法 | |
| JP7345371B2 (ja) | 電力管理装置、電力管理方法及び電力管理プログラム | |
| Schweighofer et al. | Optimized selection of component models for photovoltaic and energy storage system simulations | |
| Sharma et al. | Improved Energy Management Strategy for Prosumer Buildings with Renewable Energy Sources and Battery Energy Storage Systems | |
| Sun et al. | A congestion management method with demand elasticity and PTDF approach | |
| Mishan et al. | Dispatchable, Non-dispatchable, Reserve and Arbitrage Power within PV-Storage Integrated Grid | |
| Marchi et al. | Effect of Demand Tariff Schemes in Presence of Distributed Photovoltaic Generation and Electrical Energy Storage |
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 |