电池成本和充电成本优化方法及应用技术

为了解决现有技术的不足，本发明专利技术提供一种电池成本和充电成本优化方法及应用，包括：构建优化模型，建立目标函数以及约束条件；在考虑额外附加能耗的前提下，构建无线充电能耗模型；采用线性递减惯性权重的粒子群算法，利用速度、加速度数据以及实际运行场景设置参数，结合所述能耗模型获得能耗；将所述能耗利用所述优化模型进行优化，设定分时电价为参数，以充电成本为适应度函数，进行优化求解，得到优化的充电策略以及充电成本。然后以总成本为目标函数，得到优化的电池成本以及总成本。本发明专利技术使用无线充电技术，利用分时电价引导充电，构建详细的能耗模型使得电池剩余电量更准确，也提高了优化结果的准确性。也提高了优化结果的准确性。也提高了优化结果的准确性。

【技术实现步骤摘要】
电池成本和充电成本优化方法及应用


[0001]本专利技术涉及系统优化
，特别涉及一种电池成本和充电成本优化方法及应用。

技术介绍

[0002]传统的电动汽车多采用“插入式”充电，而最近几年无线充电电动汽车备受关注。无线充电技术在电动汽车的应用主要分为动态充电与静态充电两种模式。静态充电模式为电动汽车停在车位进行无线充电。动态充电模式是电动汽车在行驶过程中与埋藏在路面下的充电轨道进行无物理连接的能量传递，能有效的消除行驶过程中的电池焦虑和减小电池规格。无线充电电动公交车的成本主要包括：充电轨道成本、电池成本、充电成本。
[0003]在无线充电成本优化方面，目前的研究主要是针对无线充电轨道以及电池成本的优化，韩国高级科学技术研究所先后提出了针对单、多路线混合的无线充电公交车的充电轨道成本以及电池成本的优化方法，但是上述研究方法中并没有对能耗模型进行详细的说明解释，且缺少对充电成本优化的研究；同时，基于分时电价引导有序充电策略的研究虽较多，但是其充电模式都为“插入式”充电，需在充电时停止服务，且并没有考虑电池容量对于总成本的影响。

技术实现思路

[0004]为了解决现有技术的不足，本专利技术提供一种电池成本和充电成本优化方法及应用，用于至少解决
技术介绍
中的一个技术问题。
[0005]本专利技术所采用的技术方案是：
[0006]一种电池成本和充电成本优化方法，包括：
[0007]构建优化模型，建立目标函数以及约束条件；
[0008]在考虑额外附加能耗的前提下，构建能耗模型；
[0009]采用线性递减惯性权重的粒子群算法，利用速度、加速度数据以及实际运行场景设置参数，结合所述能耗模型获得能耗；
[0010]将所述能耗利用所述优化模型进行优化，设定分时电价为参数，以充电成本为适应度函数，进行优化求解，得到优化的充电策略以及充电成本。
[0011]所述目标函数为：
[0012][0013]其中，W
z
为总成本；k
r
是运行天数；
[0014]为充电成本模型；k
e
E0为电池成本函数。
[0015]所述约束条件包括：
[0016]电池剩余电量约束和定解条件约束。
[0017]所述电池剩余电量约束为：
[0018][0019][0020]其中，为第i次充电开始时刻的电池剩余电量，为第i次充电结束时刻的电池剩余电量，p
x
为能耗，σ为充电功率转换系数，k
low
为设定的电池剩余电量下限系数。
[0021]所述定解条件约束如下：
[0022][0023]E(t0)＝E0[0024]其中，为车辆到达第i个充电轨道时充电时刻上下限；
[0025]为轨道部署位置的上下限；电池容量为E0。
[0026]所述“在考虑额外附加能耗的前提下，构建能耗模型”，包括：
[0027]所述能耗模型为：P
x
＝P
d
/β+P
u
；其中，β为发动机功率转换系数；附加能耗为P
u
；发动机有效功率为P
d
。
[0028]所述线性递减惯性权重的粒子群算法表述为：
[0029][0030]上式中w
max
最大惯性权重，w
min
最小惯性权重，k当前迭代次数，K为总迭代次数，w为惯性权重。
[0031]所述“利用速度、加速度数据以及实际运行场景设置参数，结合所述能耗模型获得能耗”，包括：
[0032]利用速度，加速度数据以及实际运行场景设置参数，结合所述能耗模型获得能耗P
x
；
[0033]将能耗P
x
以矩阵形式带入所述优化模型中：
[0034]P
x
＝[p(1)，p(2)
…
p(t)]；其中，t为电动公交车的运行时刻，p(t)为该时刻对应的能耗
[0035]将充电时刻上，下限：以矩阵形式带入到优化模型中：
[0036]其中，i＝1，2
……
n。
[0037]一种如上所述的电池成本和充电成本优化方法在公交车无线充电成本优化方面的应用。
[0038]本专利技术的有益效果是：本专利技术通过引入能耗模型，以总成本为目标函数，对电池容量和充电策略进行优化；并且以充电成本为适应度函数，得到优化的充电策略和充电成本。本专利技术能够通过目标函数，得到不同单位电池成本系数下最优的电池容量以及总成本；还可以根据需要对充电策略中每次充电的起止时间进行决策。
[0039]本专利技术使用无线充电技术，利用分时电价引导充电，相对于传统“插入式”充电，能保证公交车在运行过程中充电，不会因为充电而停止服务，同时也能降低充电成本以及电池成本；对比于之前无线充电公交系统成本优化的研究，本专利技术创新的引入了详细的能耗模型，使得电池剩余电量更准确，也提高了优化结果的准确性。
附图说明
[0040]图1为本专利技术的优化模型决策变量图。
[0041]图2为本专利技术所述方法的流程图。
具体实施方式
[0042]下面结合附图对本申请进行进一步的说明。
[0043]本专利技术提供一种实施例：
[0044]如图1～2，本专利技术所述的电池成本和充电成本优化方法应用在公交车无线充电领域时，其具体步骤如下：
[0045]步骤1：建立优化模型
[0046]步骤1.1建立优化目标函数
[0047]电池成本函数如下：
[0048]W
e
＝k
e
E0[0049]上式中W
e
为电池成本，k
e
是单位电池成本系数，E0为电池容量。
[0050]充电成本函数如下：
[0051][0052]上式中W
c
为充电成本，是第i次充电开始时刻，第i次充电结束时刻。y(t)是不同充电时刻对应的电价，p
c
为充电功率，n为电动公交车运行结束时经过充电轨道的总次数。
[0053]步骤：1.2本专利技术目的是对电池和充电总成本进行优化，其目标函数为：
[0054][0055]其中W
z
为总成本，电池成本和充电成本之和。k
r
是电动公交车运行天数。
[0056]通过图1以及目标函数可知，决策变量主要为充电起止时间以及电池容量。由n个充电开始时刻t
s
和充电结束时刻t
f
组成的有序充电策略T
n
。图1中的充电轨道位置上下限通过速度位移关系公式投影到时间维度上。
[0057][0058]步骤1.3建立约束条件
[0059]约束条件主要为电池剩余电量约束以及定解条件约束。其电池剩余电量约束如下：
[0060][0061][0062]其中还为第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池成本和充电成本优化方法，其特征在于，包括：构建优化模型，建立目标函数以及约束条件；在考虑额外附加能耗的前提下，构建能耗模型；采用线性递减惯性权重的粒子群算法，利用速度、加速度数据以及实际运行场景设置参数，结合所述能耗模型获得能耗；将所述优化模型利用所述能耗进行优化，设定分时电价为参数，以充电成本为适应度函数，进行优化求解，得到优化的充电策略以及充电成本。2.根据权利要求1所述的一种电池成本和充电成本优化方法，其特征在于：所述目标函数为：其中，W
z
为总成本；k
r
是运行天数；为充电成本模型；k
e
E0为电池成本函数。3.根据权利要求1所述的一种电池成本和充电成本优化方法，其特征在于：所述约束条件包括：电池剩余电量约束和定解条件约束。4.根据权利要求3所述的一种电池成本和充电成本优化方法，其特征在于：所述电池剩余电量约束为：所述电池剩余电量约束为：其中，为第i次充电开始时刻的电池剩余电量，为第i次充电结束时刻的电池剩余电量，p
x
为能耗，σ为充电功率转换系数，k
low
为设定的电池剩余电量下限系数。5.根据权利要求3所述的一种电池成本和充电成本优化方法，其特征在于：所述定解条件约束如下：E(t0)＝E0其中，为车辆到达第i个充电轨道时充电时刻上下限；为轨道部署位置的上下限；电池容量为E0。6.根据权利要求1所述的一种电池成本和充电成本优化方法，其特征在于，所述“在考虑额外附加能耗的前提下，构建能耗模型”，包括：所述能耗模型为：P
x
＝P...

【专利技术属性】
技术研发人员：曾伟良，刘盼龙，廖立，邱高阳，黄永慧，孙为军，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：