[發明專利]一種電動汽車充放電調度方法及裝置

在審

• 申請號: 202210415751.4
• 申請日: 2022-04-20
• 公開（公告）號: CN114640120A
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 侯慧;王逸凡;吳細秀;石英;謝長君;黃亮;熊斌宇;陸寧
• 申請（專利權）人: 武漢理工大學深圳研究院;深圳武漢理工大研究院有限公司
• 主分類號: H02J3/32
• 分類號: H02J3/32;H02J3/38
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 張璐

1.一種電動汽車充放電調度方法，其特征在于，包括：

獲取電動汽車的電池參數和里程參數；

根據所述電池參數和所述里程參數，建立電池損耗成本模型和心理效應量化模型；

根據所述電池損耗成本模型和所述心理效應量化模型，建立長時間尺度的電動汽車充放電調度模型。

2.根據權利要求1所述的電動汽車充放電調度方法，其特征在于，所述根據所述電池參數和所述里程參數，建立電池損耗成本模型和心理效應量化模型，包括：

根據所述電池參數，建立用于確定一次放電過程中動力電池的損耗成本的所述電池損耗成本模型；

根據所述電池參數和所述里程參數，建立用于反映電池SOC水平與電動汽車用戶心理焦慮的關系的所述心理效應量化模型。

3.根據權利要求2所述的電動汽車充放電調度方法，其特征在于，所述電池參數包括調度開始前的電動汽車動力電池的第一初始容量、放電開始前的電動汽車的第一SOC值、放電結束后的電動汽車的第二SOC值、動力電池的最大SOC值、動力電池放電結束時的放電深度以及更換一次動力電池的更換成本，所述根據所述電池參數，建立用于確定一次放電過程中動力電池的損耗成本的所述電池損耗成本模型，包括：

根據所述第一初始容量、所述第一SOC值、所述第二SOC值、所述最大SOC值和所述放電深度，確定一次放電過程中的電池退化容量；

根據所述第一初始容量、所述電池退化容量、所述更換成本，確定一次放電過程中產生的動力電池損耗成本。

4.根據權利要求2所述的電動汽車充放電調度方法，其特征在于，所述電池參數包括充電完成之后的完成SOC值，所述里程參數包括出行里程，所述根據所述電池參數和所述里程參數，建立用于反映電池SOC水平與電動汽車用戶心理焦慮的關系的所述心理效應量化模型，包括：

根據所述完成SOC值、所述出行里程，確定停駛概率密度函數；

根據所述停駛概率密度函數，確定出行預設SOC值的電動汽車停駛概率；

根據所述電動汽車停駛概率，確定電動汽車用戶的心理效應值。

5.根據權利要求4所述的電動汽車充放電調度方法，其特征在于，所述根據所述停駛概率密度函數，確定出行預設SOC值的電動汽車停駛概率，包括：

根據所述出行預設SOC值、最小SOC值、電動汽車動力電池容量和電動汽車單位里程能耗，確定電動汽車能夠行駛的第一里程，作為積分下限；

根據最大SOC值、所述最小SOC值、所述電動汽車動力電池容量和所述電動汽車單位里程能耗，確定最大SOC值對應的電動汽車能夠行駛的第二里程，作為積分上限；

根據電動汽車出行里程的概率密度，確定出行里程大于最大SOC可行駛里程的第一概率；

根據所述積分下限、所述積分上限、所述第一概率和所述停駛概率密度函數進行積分，確定所述電動汽車停駛概率。

6.根據權利要求5所述的電動汽車充放電調度方法，其特征在于，所述根據所述電動汽車停駛概率，確定電動汽車用戶的心理效應值，包括：

分別根據所述積分下限、所述積分上限、所述第一概率，對電動汽車出行里程的概率密度進行積分，確定最小電動汽車停駛概率、最大電動汽車停駛概率；

根據所述最小電動汽車停駛概率、所述最大電動汽車停駛概率，確定所述心理效應值。

7.根據權利要求6所述的電動汽車充放電調度方法，其特征在于，所述根據所述電池損耗成本模型和所述心理效應量化模型，建立長時間尺度的電動汽車充放電調度模型，包括：

根據最小的動力電池損耗成本和心理效應值，構建上層調度模型；

根據SOC值和實際充放電功率，構建下層實時優化模型，實現對所述上層調度模型的跟隨。