新能源运载工具充电可视数字孪生优化控制方法技术

本发明专利技术专利属于人工智能与能源技术领域，尤其涉及一种新能源运载工具充电系统可视数字孪生优化控制方法，以电动车智能控制系统为切入点，提出一种“运载工具

【技术实现步骤摘要】
新能源运载工具充电可视数字孪生优化控制方法


[0001]本专利技术专利属于人工智能与能源
，尤其涉及一种新能源运载工具充电系统可视数字孪生优化控制方法。

技术介绍

[0002]近年来，全球电动汽车保有量呈现快速增长趋势，新能源汽车成为各大车企重点发展的关键领域，电动车及其充电问题也称为研究的热点；国内外电动车使用量激增，所需电量和充电基础设施随之快速增长；欧盟27国按使用情况划分装机充电容量，重点关注充电基础设施的预测存量和份额数据；工作场所和公共直流。
[0003]电动车、移动机器人、无人艇、无人机等均属于现代运载工具，这些运载工具在运行或作业过程中均需要补充动力系统所需的能源，在电动方式下，最常见的行为则是充电；以电动车包括电动汽车、电动自行车及其他各种形态电动车为例，目前技术上仍存在如下问题：复杂交通系统环境下电动车与充电桩协同控制及可视化数字孪生仿真仍是难题，基于数字孪生控制技术的电动车充电仿真系统尚未被开发出来，出现事故时无法通过数字化系统快速精准定位；电动车充电系统的可视化程度与人机交互程度不高；车辆与充电桩之间缺少快速、可靠、实时的通信及控制；大范围充电时车辆无法通过动态路径规划自寻优的找到最短能通行路径并以最快方式到达目标充电桩；在寻找充电桩的过程中，车辆往往需要走很多弯路甚至绕行，这就增加了尾气排放时长与排放量，不利于节能环保。
[0004]以往开展的相关代表性研究工作如下：向鸿以交通现状与交通数据为基础，分析了电动车对长沙市交通系统规划的影响。李海鸥设计开发了一个基于智能手机的电动车路径规划应用，实现了对锂电池电量评估以辅助决策行驶路径。宋毅等设计开发了能配套用于电动车充电预约平台的新型智能车位管理装置，具有感知车位被占用情况及计时计费功能；程卓等提出了一种基于ZigBee网络的电动车充电监测系统及方法。纵观前人的研究工作，借助信息化技术与系统优化路径、优化计费、缓解拥堵等的思路比较多，结合智能控制技术与系统，并考虑优良人机交互界面的研究和系统开发工作尚不多。

技术实现思路

[0005]为此，本专利技术提供新能源运载工具充电系统可视数字孪生优化调度与控制方法，用以克服现有技术中电动运载工具充电系统的优化调度和优化控制的问题。
[0006]为实现上述目的，本专利技术提供一种新能源运载工具充电可视数字孪生优化控制方法，其特征在于，该方法包括以下步骤：
[0007]步骤1，建立基于交通要素的“A
‑
B”系统网络拓扑表示有向图；
[0008]步骤2，设计运载工具控制系统总体架构及各技术组成模块；
[0009]步骤3，完成运载工具动力学系统建模及仿真；
[0010]步骤4，完成运载工具感知控制系统建模及仿真；
[0011]步骤5，采用混沌粒子群算法实现运载工具端和充电目标端的多目标端云双向优
化调度与控制；
[0012]步骤6，实现基于唯一标识数字人的云端远程监控平台可视数字孪生型实时人机交互。
[0013]进一步地，在所述步骤1中，建立基于交通要素的“A
‑
B”系统网络拓扑表示方法，该表示方法基于有向图论，建立过程中设计多种交通要素，每种交通要素相应的采用不同类型符号表示，要素实体之间根据信息流和能源流的方向能够建立关系，构建出一种包含方向信息的电力信息有向图。
[0014]进一步地，在所述步骤2中，所述运载工具控制系统包括，以电控单元VCU 为总成系统的主控单元，以CAN总线为通信网络，及若干通讯接口；所述通讯接口电路包括CAN接口、100BASE
‑
T1和1000BASE
‑
T1车载以太网接口；向VCU植入能量管理程序，通过能源的AI智能监测管理提高能量使用效率，提升电动汽车的续航里程；所述能量管理程序能够对充电桩能量进行管理并对整车能耗、整车能量分配、制动能量回收和新能源接口进行控制。
[0015]进一步地，在所述步骤3中，在对运载工具动力学系统建模时，通过电子元器件级、板卡级、模块级、系统级进行建模，各所述级共同组成的多粒度数字孪生系统，多粒度数字孪生系统内的ISO 8855至SAE J670E模块将使用ISO 8855 的车道检测到的坐标转换为使用SAE J670E表示的MPC控制器坐标；
[0016]多粒度数字孪生系统包含Actor和Sensor Simulation系统，Actor和SensorSimulation系统生成跟踪和传感器融合所需的合成传感器数据。
[0017]进一步地，在所述步骤4中，采用MATLAB仿真软件建立充电系统远程监控平台的三维可视数字孪生仿真系统模型；通过可视化数字孪生方式完成数据采集、运动控制、导航定位、远程通信的仿真及各部分之间的集成，并且能够在线动态调整所述仿真系统的各个组件，实现环境自适应下的快速充电设施目标定位，仿真系统根据环境状况自适应改变运载工具的速度、加速度、方向、高度的相关参数。
[0018]进一步地，在所述步骤4中，运动控制部分的算法实现方法如下：
[0019]通过离散PID算法进行车辆运动控制；
[0020]通过自适应MPC控制器算法实现对自适应巡航控制子系统的控制；
[0021]通过扩展卡尔曼滤波器获取车辆运行状态；
[0022]通过神经网络预测控制算法对目标充电桩所在地的距离、拥堵程度进行预测。
[0023]进一步地，所述神经网络预测控制算法对目标充电桩所在地的距离、拥堵程度进行预测的步骤如下：
[0024](5)建立充电系统神经网络模型，用于进行系统辨识；
[0025](6)训练充电系统神经网络，用模型输出与神经网络输出之间的误差作为神经网络的训练信号；
[0026](7)测试充电系统神经网络，通过新采集的数据作为系统输入，测试所训练网络的性能；
[0027](8)预测未来受控量值及神经网络参数和性能，将预测结果反馈给神经网络模型，辅助模型进一步调优。
[0028]进一步地，其特征在于，在所述步骤5中，构建了一种A
‑
B”优化调度与经济运行控制管理策略，其中，A为运载工具，B为充电目标；
[0029]将最优化问题简化为一个求函数最小值问题，即：minf(X)，电动车充电网络的目标函数设计为，
[0030]F＝minf(F
e
+F
t
+F
m
)
[0031]式中，F
e
为能源成本参数，F
t
为时间代价参数，F
m
为环境代价参数；
[0032]采用改进的混沌粒子群优化算法，将混沌状态引入到优化变量使粒子获得持续搜索能力。
[0033]进一步地，其特征在于，在所述步骤5中，所述控制方法能够实现无人运载装备的多目标端云双向优化控制。
[0034]进一步地，在所述步骤6中，基于三维图像显示和增强现实、虚拟现实技术建立高仿真虚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.新能源运载工具充电可视数字孪生优化控制方法，其特征在于，该方法包括以下步骤：步骤1，建立基于交通要素的“A
‑
B”系统网络拓扑表示有向图；步骤2，设计运载工具控制系统总体架构及各技术组成模块；步骤3，完成运载工具动力学系统建模及仿真；步骤4，完成运载工具感知控制系统建模及仿真；步骤5，采用混沌粒子群算法实现运载工具端和充电目标端的多目标端云双向优化调度与控制；步骤6，实现基于唯一标识数字人的云端远程监控平台可视数字孪生型实时人机交互。2.根据权利要求1所述的新能源运载工具充电可视数字孪生优化控制方法，其特征在于，在所述步骤1中，建立基于交通要素的“A
‑
B”系统网络拓扑表示方法，该表示方法基于有向图论，建立过程中设计多种交通要素，每种交通要素相应的采用不同类型符号表示，要素实体之间根据信息流和能源流的方向能够建立关系，构建出一种包含方向信息的电力信息有向图。3.根据权利要求1所述的新能源运载工具充电可视数字孪生优化控制方法，其特征在于，在所述步骤2中，所述运载工具控制系统包括，以电控单元VCU为总成系统的主控单元，以CAN总线为通信网络，及若干通讯接口；所述通讯接口电路包括CAN接口、100BASE
‑
T1和1000BASE
‑
T1车载以太网接口；向VCU植入能量管理程序，通过能源的AI智能监测管理提高能量使用效率，提升电动汽车的续航里程；所述能量管理程序能够对充电桩能量进行管理并对整车能耗、整车能量分配、制动能量回收和新能源接口进行控制。4.根据权利要求1所述的新能源运载工具充电可视数字孪生优化控制方法，其特征在于，在所述步骤3中，在对运载工具动力学系统建模时，通过电子元器件级、板卡级、模块级、系统级进行建模，各所述级共同组成的多粒度数字孪生系统，多粒度数字孪生系统内的ISO 8855至SAE J670E模块将使用ISO 8855的车道检测到的坐标转换为使用SAE J670E表示的MPC控制器坐标；多粒度数字孪生系统包含Actor和Sensor Simulation系统，Actor和Sensor Simulation系统生成跟踪和传感器融合所需的合成传感器数据。5.根据权利要求1所述的新能源运载工具充电可视数字孪生优化控制方法，其特征在于，在所述步骤4中，采用MATLAB仿真软件建立充电系统远程监控平台的三维可视数字孪生仿真系统模型；通过可视...

【专利技术属性】
技术研发人员：杜明芳，
申请(专利权)人：杜明芳，
类型：发明
国别省市：