一种电动汽车的充放电控制方法及装置制造方法及图纸

本发明专利技术涉及电动汽车充放电技术领域，提供一种电动汽车的充放电控制方法及装置，方法包括：构建目标函数和约束模型；划分所有电动汽车的不同类别；获取所有电动汽车的模式；对目标函数进行求解得到每辆电动汽车的日前充放电调度方案；根据每辆电动汽车与日前充放电调度方案的一致性确定奖励分数；基于排序结果和日前充放电调度方案对所有电动汽车进行充放电协调

【技术实现步骤摘要】
一种电动汽车的充放电控制方法及装置


[0001]本专利技术涉及电动汽车充放电术领域，具体涉及一种电动汽车的充放电控制方法和一种电动汽车的充放电控制装置
。

技术介绍

[0002]由于对温室气体排放增加和大都市地区空气污染的担忧，电动汽车
(EV)
越来越受欢迎
。
目前，针对微电网环境下电动汽车充电的负面影响，已经开展了很多研究
。
另一方面，车辆到电网
(V2G
，
Vehicle
‑
to
‑
Grid)
技术的引入，使得在高峰时段将多余的储存能量反馈给电网成为可能
。
这种储能潜力可以在需求侧和能源管理计划中发挥关键作用，但同样也带来了很多问题，由于驾驶员的不确定性行为，在缺乏电动汽车车队的综合策略的情况下，实现最优充放电方案是具有挑战性，导致最优方案不能有效实施
。

技术实现思路

[0003]本专利技术为解决上述技术问题，提出了如下技术方案
。
[0004]本专利技术第一方面实施例提出了一种电动汽车的充放电控制方法，包括以下步骤：构建对所有电动汽车进行充放电调度的目标函数和约束模型，其中，所述目标函数包括微电网供电成本和电动汽车电池退化成本；对
K
‑
means
聚类算法中聚类质心的初始化方式进行改进，以得到改进的
K
‑
means
聚类算法，并通过所述改进的
K
‑
means
聚类算法划分所有电动汽车的不同类别；获取所有电动汽车的模式，其中，所述电动汽的模式包括
A
模式和
B
模式，其中，
A
模式是指不具备
V2G
功能，
B
模式是指具备
V2G
功能；以所述约束模型
、
所有电动汽车的不同类别和所有电动汽车的模式为约束条件，以所述微电网供电成本和电动汽车电池退化成本最小化为优化目标，对所述目标函数进行求解得到每辆电动汽车的日前充放电调度方案；根据每辆电动汽车与日前充放电调度方案的一致性确定奖励分数；在实际调度日根据所述奖励分数对所有电动车进行排序，并基于排序结果和日前充放电调度方案对所有电动汽车进行充放电协调
。
[0005]另外，根据本专利技术上述实施例的电动汽车的充放电控制方法还可以具有如下附加的技术特征
。
[0006]根据本专利技术的一个实施例，所述目标函数为：
其中，
F1和
F2分别表示微电网供电成本和电动汽车电池退化成本，为
t
时段从主电站购买的电量，为分时电价；
C
B
和分别为电池成本和电池寿命周期，为电动汽车电池容量，为第
i
个
B
模式电动汽车在
t
时段的充放电功率，
DOD
为放电深度，为充电效率，
N
B
为
B
模式电动汽车的数量，
B
模式电动汽车是指具备
V2G
功能的电动汽车
。
[0007]根据本专利技术的一个实施例，对
K
‑
means
聚类算法中聚类质心的初始化方式进行改进，包括：步骤1：在欧氏空间中获得包含个数据点的数据集的中心，选择离所述中心最近的点，作为第一个聚类质心；步骤2：计算每个数据点到第一个聚类质心的距离，并计算所有距离的平均值；步骤3：将数据点到第一个聚类质心的距离小于或者等于所述平均值的点分配到聚类集中，并从将其从数据集中剔除；步骤4；从剩下的数据集中，再次选择离所述中心最近的数据点作为新的聚类质心，重复步骤3；步骤5：重复步骤4，直至分析完所有剩余的数据点后获得初步的聚类质心；步骤6：定义聚类集的最小数据点数，删除数据点数小于所述最小数据点数的聚类集，并将该聚类集的数据点分配给最近的聚类集；步骤7：通过对每个聚类集的数据点进行平均处理，得到初始化的多个聚类质心
。
[0008]根据本专利技术的一个实施例，通过所述改进的
K
‑
means
聚类算法划分所有电动汽车的不同类别，包括：通过所述改进的
K
‑
means
聚类算法，并根据各电动汽车的到达时间和离开时间划分所有电动汽车的不同类别
。
[0009]本专利技术所述的电动汽车的充放电控制方法，通过以下公式计算每辆所述电动汽车的奖励分数：其中，
S(d+1)
表示电动汽车在第
d+1
天的奖励分数，
S(d)
表示电动汽车在第
d
天的奖励分数，
t
st
(d)
为第
d
天日前充放电调度方案中调度的每个电动汽车的充放电开始时间，
t
en
(d)
为第
d
天电动汽车与充电器断开连接的时间，为电动汽车在时段
t
内充放电的奖励因子
。
[0010]根据本专利技术的一个实施例，通过以下公式对所有电动汽车进行排序：其中，
N
per,t
为
t
时段内允许充放电的电动汽车数量，
S
k
代表
t
时段内允许充放电的第
k
个电动汽车的奖励分数，为
t
时段内允许充放电的第
k
个电动汽车的充电器状
态指示器，处于充电状态时为1，未处于充电状态时为0，为第
k
个电动汽车在
t
时段的需求功率，为日前充放电调度方案中所有电动汽车在
t
时段的总可用功率
。
[0011]根据本专利技术的一个实施例，通过以下公式计算
t
时段内允许充放电的电动汽车数量：其中，
N
per,t
为
t
时段内允许充放电的电动汽车数量，
P
chr
为电动汽车充电器的额定功率，为日前充放电调度方案中所有电动汽车在
t
时段的总可用功率
。
[0012]根据本专利技术的一个实施例，所述日前充放电调度方案包括调度的充放电时间
、
调度的充放电电量，其中所述调度的充放电时间包括调度的充放电开始时间，基于排序结果和日前充放电调度方案对所有电动汽车进行充放电协调，包括：获取排序最前的电动汽车的实际充放电开始时间，并判断排序最前的电动汽车的调度的充放电开始时间与所述实际充放电开始时间是否一致；如果不一致，则计算排序最前的电动汽车的充放电开始时间，并根据所述调度的充放电电量和计算的充放电开始时间对排序最前的电动汽车进行充放电；如果一致本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种电动汽车的充放电控制方法，其特征在于，包括以下步骤：构建对所有电动汽车进行充放电调度的目标函数和约束模型，其中，所述目标函数包括微电网供电成本和电动汽车电池退化成本；对
K
‑
means
聚类算法中聚类质心的初始化方式进行改进，以得到改进的
K
‑
means
聚类算法，并通过所述改进的
K
‑
means
聚类算法划分所有电动汽车的不同类别；获取所有电动汽车的模式，其中，所述电动汽的模式包括
A
模式和
B
模式，其中，
A
模式是指不具备
V2G
功能，
B
模式是指具备
V2G
功能；以所述约束模型
、
所有电动汽车的不同类别和所有电动汽车的模式为约束条件，以所述微电网供电成本和电动汽车电池退化成本最小化为优化目标，对所述目标函数进行求解得到每辆电动汽车的日前充放电调度方案；根据每辆电动汽车与日前充放电调度方案的一致性确定奖励分数；在实际调度日根据所述奖励分数对所有电动车进行排序，并基于排序结果和日前充放电调度方案对所有电动汽车进行充放电协调
。2.
根据权利要求1所述的电动汽车的充放电控制方法，其特征在于， 所述目标函数为：其中，
F1和
F2分别表示微电网供电成本和电动汽车电池退化成本，为
t
时段从主电站购买的电量，为分时电价；
C
B
和分别为电池成本和电池寿命周期，为电动汽车电池容量，为第
i
个
B
模式电动汽车在
t
时段的充放电功率，
DOD
为放电深度，为充电效率，
N
B
为
B
模式电动汽车的数量，
B
模式电动汽车是指具备
V2G
功能的电动汽车
。3.
根据权利要求1所述的电动汽车的充放电控制方法，其特征在于，对
K
‑
means
聚类算法中聚类质心的初始化方式进行改进，包括：步骤1：在欧氏空间中获得包含个数据点的数据集的中心，选择离所述中心最近的点，作为第一个聚类质心；步骤2：计算每个数据点到第一个聚类质心的距离，并计算所有距离的平均值；步骤3：将数据点到第一个聚类质心的距离小于或者等于所述平均值的点分配到聚类集中，并从将其从数据集中剔除；步骤4；从剩下的数据集中，再次选择离所述中心最近的数据点作为新的聚类质心，重复步骤3；步骤5：重复步骤4，直至分析完所有剩余的数据点后获得初步的聚类质心；
步骤6：定义聚类集的最小数据点数，删除数据点数小于所述最小数据点数的聚类集，并将该聚类集的数据点分配给最近的聚类集；步骤7：通过对每个聚类集的数据点进行平均处理，得到初始化的多个聚类质心
。4.
根据权利要求1所述的电动汽车的充放电控制方法，其特征在于，通过所述改进的
K
‑
means
聚类算法划分所有电动汽车的不同类别，包括：通过所述改进的
K
‑
means
聚类算法，并根据各电动汽车的到达时间和离开时间划分所有电动汽车的不同类别
。5.
根据权利要求1所述的电动汽车的充放电控制方法，其特征在于，通过以下公式计算每辆所述电动汽车的奖励分数：其中，
S(d+1)
表示电动汽车在第
d+1
天的奖励分数，
S(d)
表示电动汽车在第
d
天的奖励分数，
t
st
(d)
为第
d
天日前充放电调度方案中调度的每个电动汽车的充放电开始时间，
t
en
(d)
为第
d
天电动汽车与充电器断开连接的时间，为电动汽车在时段
...

【专利技术属性】
技术研发人员：黄勃，朱笔能，姚晓君，李崭然，张政，尹中坤，仇默，
申请(专利权)人：苏州苏能集团有限公司，
类型：发明
国别省市：