电动汽车充电保护、控制方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种电动汽车充电保护、控制方法、装置及存储介质，所述方法包括如下步骤：步骤一：分析了电动汽车充电安全多元影响要素，并筛选了充电安全预警保护指标；步骤二：提出了一种改进灰狼算法优化BP神经网络算法，以此来对电动汽车充电过程中单体最高电压随SOC的变化规律进行拟合；步骤三：建立了基于电压特征值的电动汽车充电安全保护与控制模型，同时设计了充电安全详细的保护与控制步骤；本发明专利技术构建了基于电压特征值的电动汽车充电安全保护与控制模型，通过设计改进灰狼算法优化BP神经网络来对数据进行拟合，在保证预警精度的前提下提高电压拟合模型的运算速度，提升充电保护的时效性，易于工程实践。易于工程实践。易于工程实践。

【技术实现步骤摘要】
电动汽车充电保护、控制方法、装置及存储介质


[0001]本专利技术属于电动汽车充电安全
，特别涉及一种电动汽车充电保护、控制方法、装置及存储介质。

技术介绍

[0002]近年来，人们开始逐渐探索使用替代传统燃油汽车的新型交通工具。电动汽车的出现为节能和保护环境提供了有效的解决方案，成为广大学者和工业界研究的热点。电动汽车拥有高能效、低污染、环境友好等优势。
[0003]作为电动汽车的主要动力来源，车载动力电池对电动汽车续航能力极其重要。锂离子电池与其他类型的车载动力电池相比具有生命周期长、单体能量密度大、高效无污染等优点，因此被人们大规模使用。当车载锂离子电池需要能量补充时，可通过传导充电方式进行电能补给。供能系统通过充电桩、电缆、充电枪等组件将能量补给到电动汽车的方式被称为传导充电，这种方法是当前人们应用最广泛、能效最高的充电方式。在电动汽车传导充电过程中，充电线路温度过高、电池内部出现短路甚至电动汽车未结束充电就上路行驶的事件时有出现。因而，充电安全保护与控制问题成为电动汽车使用和产业推广进程中所需要解决问题。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动汽车充电保护、控制方法，其特征在于，所述方法包括：选取电动汽车充电过程中单体电池最高电压随SOC的变化规律作为充电安全预警保护指标；基于改进灰狼算法优化BP神经网络算法，构建拟合模型，对电动汽车充电过程中单体电池最高电压随SOC的变化规律进行拟合，得到拟合数据；对拟合模型设置预警阈值、预警错误代码以及保护控制策略，拟合模型实时比较电动汽车充电数据与拟合数据，计算二者残差，判断残差是否超过预警阈值，若未超过，则不会输出预警错误代码和不会给出保护控制措施，若超过，则输出预警错误代码，并根据保护控制策略给出保护控制措施。2.根据权利要求1所述的一种电动汽车充电保护、控制方法，其特征在于，改进灰狼算法优化BP神经网络算法，构建拟合模型包括：将BP神经网络的权值和阈值作为灰狼算法中灰狼个体的位置初始信息，利用灰狼搜寻猎物的位置不断更新权值与阈值的数值，获取BP神经网络最优参数。3.根据权利要求2所述的一种电动汽车充电保护、控制方法，其特征在于，灰狼算法在运行时，首先将种群个体按狩猎方式分为A、B、C和D共四种灰狼，灰狼A负责制定狼群狩猎的计划，代表所求问题的最优解，灰狼B代表问题的次优解，遵循灰狼A所下达的命令的同时管理下级个体对猎物的搜寻计划，灰狼C负责协助灰狼A、灰狼B完成猎物的围捕，其他的则属于灰狼D，是整个灰狼种群的基础，必须服从灰狼A、B和C；灰狼算法的数学模型如公式（1）所示：；式中：S
j
(t)表示第t次第j只灰狼的位置；S
p
(t)表示第t次猎物的位置；t为迭代次数；D
j
是狼群中的第j只灰狼与猎物之间的距离向量；K
j
表示第j只灰狼的相关系数；I表示收敛因子，当|I|>1时表示全局搜索，意味着放大搜索猎物的范围，狼群散开；当|I|<1表示局部搜索，意味着缩小搜索猎物的范围，对猎物进行集中围堵；t
max
表示最大迭代次数；r1和r2是[0,1]之间的随机数组成的向量；t
max
是随着计算迭代到最大迭代次数，α是控制因子，α从2线性减小到0；当发现猎物的位置后，灰狼A带领灰狼B、灰狼C指挥狼群对猎物进行围剿，依据A、B与C三种灰狼的位置即可判断出猎物的方位，灰狼位置更新的公式如下所示：；；；
；；；；式中：S
a
(t)、S
b
(t)和S
c
(t)分别第t次代表灰狼A、灰狼B及灰狼C的当前位置；I1、I2和I3是随机向量系数；D
a
、D
b
、D
c
分别表示灰狼A、灰狼B、灰狼C与猎物之间的距离向量；式（2）至式（4）表示其他灰狼向灰狼A、灰狼B及灰狼C前进的方向与距离；S1、S2与S3分别指剩余灰狼在A、B和C三类灰狼的带领下更新自身的位置以对猎物进行搜索；式(5)至式（7）表示更新后灰狼D的位置信息，式（8）表示灰狼种群搜寻到的猎物的最终位置为待解决问题的最优解。4.根据权利要求3所述的一种电动汽车充电保护、控制方法，其特征在于，在灰狼算法中，首先生成灰狼A1、灰狼B和灰狼C，然后，通过聚类方法在灰狼A1、灰狼B和灰狼C中生成新的灰狼A2，将灰狼A1与灰狼A2共同作为问题解的候选，比较二者的适应度信息，适应度值高的作为灰狼aa，由灰狼aa作为最优解引导狼群的下一次捕猎方向，在不断的迭代中，灰狼A1、灰狼B与灰狼C将共享狩猎信息，增加算法的寻优速度；生成灰狼A2具体采用等式（9）；；式中：S
n
‑
best
由灰狼A1、灰狼B和灰狼C中随机选择；S
n
‑
im
、S
ran1
和S
ran2
为在整个灰狼种群的个体中随机选择；系数δ为非线性调制系数；系数γ服从柯西分布。5.根据权利要求4所述的一种电动汽车充电保护、控制方法，其特征在于，获取BP神经网络最优参数，具体包括步骤如下：a、选择隐藏层节点数来确定BP神经网络拓扑，同时确定神经网络的适应度函数与输出节点的激励函数；b、确定灰狼种群大小、迭代次数、灰狼个体位置信息维度和灰狼维度上下限，同时随机初始化灰狼位置；c、通过灰狼算法生成灰狼A1、灰狼B与灰狼C并据此聚类生成新灰狼A2，比较计算灰狼A1和灰狼A2个体适应度值，确定最优解，并记录问题的最优解，为灰狼aa的位置；d、更新剩余灰狼的位置信息以及更新算法的参数，选择训练样本和测试样本进行测试，计算误差值并更新迭代次数；判断是否达到了设定的最大迭代次数或设定的误差，如果误差和迭代次数不满足要求，重复上述步骤a至d，直到满足要求，将最终得到的灰狼aa为问题的最优解；将最优输出灰狼aa的位置映射到权重矩阵，作为BP神经网络从隐藏层到输出层的权重，确定最优解，并优化网络的阈值；输出网络训练结果，形成拟合模型。6.根据权利要求1所述的一种电动汽车充电保护、控制方法，其特征在于，输出预警错误代码包括：电动汽车充电数据获取；

【专利技术属性】
技术研发人员：孟庆霖，李博通，温伟杰，王议峰，葛磊蛟，王剑晓，陶文彪，药炜，赵金，王瑞，仝新宇，张胜，章凯，宫俊，张瑶，
申请(专利权)人：国家电网有限公司国网天津市电力公司国网天津市电力公司城西供电分公司，
类型：发明
国别省市：