一种智能充电方法、设备及计算机可读介质技术

本发明专利技术提供的一种智能充电方法及设备，根据历史报文数据设置目标函数，进行多目标优化模型；采用遗传算法优化目标函数，结合多目标优化模型进行充电。本发明专利技术结合了最优学习方法和智能充电方法，采用基于遗传算法优化的多阶段横流充电策略，可以有效根据最大可充电电流充电曲线MACCC和充电需求来确定各阶段最优充电时长，以获得最佳的充电策略。以获得最佳的充电策略。以获得最佳的充电策略。

【技术实现步骤摘要】
一种智能充电方法、设备及计算机可读介质


[0001]本专利技术属于最优学习领域和智能充电领域，具体涉及一种基于遗传算法优化的SOE分阶段恒流充电方法、设备及计算机可读介质。

技术介绍

[0002]近年来，我国的新能源汽车行业发展迅猛，新能源汽车累计销量244.6万辆，其中纯电动汽车占大多数，面对越来越多的电动汽车流入市场，电动汽车充电服务业也逐渐发展壮大，各种新型电池快速充电策略也应运而生，常见的充电策略有恒流恒压CCCV、多阶段横流MSCC、脉冲充电PC以及加速充电BC等。
[0003]从用户的角度出发，希望以最少的花费最快的时间达到充电需求；从电网的角度出发，希望接入的电动汽车尽量不引起负荷波动，以此降低由于负荷波动和电流变化引起的电能损耗。因此，选择恰当的充电策略具有重要实际意义。
[0004]目前，市面上桩企常用的电动汽车充电策略大多为恒流恒压CCCV充电方法，CCCV作为常用的充电方式之一存在统一的流程与标准，该方法将充电过程划分两个阶段：第一阶段进行恒流充电直至电池达到最大截止电压，第二阶段是在第一阶段最大电压的基础上继续进行恒压充电，以达到快速充电的目的，其中，恒压充电过程是一个电流减少的过程，但是，此充电方法还存在一定的优化空间。
[0005]现阶段市面上每个品牌甚至每款车型动力电池的充电需求各不相同，甚至同一辆车在不同充电循环周期的初始充电能量状态SOE也不尽相同，因此，设计出一种快速的、能耗低的、适用性广泛的电动汽车动力电池充电方法迫在眉睫，根据势在必行。
专利技术内容
[0006]为克服现有技术中存在的问题，本专利技术提供了一种智能充电方法，所述方法包括：
[0007]建模步骤：根据历史报文数据设置目标函数，进行多目标优化模型；
[0008]充电步骤：采用遗传算法优化目标函数，结合多目标优化模型进行充电。
[0009]其中，所述建模步骤包括：
[0010]步骤1，从数据库里随机选取电动汽车的历史报文数据；
[0011]步骤2，制定MSCC充电策略最小化损耗机制；
[0012]步骤3，设定目标函数，将最小化充电时间和最小化充电损失进行多目标优化建模，建立多目标优化模型。
[0013]其中，所述目标函数根据SOE进行确定，其中SOE计算方法如下：
[0014][0015]其中，t0表示充电开始时间，SOE(t0)表示电动汽车初始能量状态，U
t
表示当前时刻的充电电压，I
t
表示当前时刻的充电电流，表示电动汽车从t0到t时刻的充电总能
量，E表示电动汽车标称总能量。
[0016]其中，所述充电步骤包括：
[0017]步骤4，获取实时BMS需求数据；
[0018]步骤5，将电动汽车能量状态SOE分为n个阶段，进行第1阶段的恒流充电；
[0019]步骤6，判断是否到达最大截止电压；
[0020]步骤7，根据MACCC曲线寻找下一阶段充电电流；
[0021]步骤8，采用遗传算法优化目标函数，调整SOE区间和阶段数量，并根据最优结果进行充电；
[0022]步骤9，循环执行7、8，继续使用遗传算法寻优；
[0023]步骤10，当SOE达到设定值时停止充电。
[0024]其中，所述步骤5具体包括：将电动汽车能量状态SOE分为n个阶段，在充电开始阶段至充电结束阶段电流依次降低。
[0025]其中，所述步骤8具体包括：
[0026]将所述多目标优化模型转化成单目标优化函数；
[0027]使用遗传算法对单目标优化函数进行优化处理，调整SOE区间和充电阶段数量，得到阶段恒流充电的最优峰值。
[0028]本专利技术还提供了一种智能充电设备，所述设备包括：
[0029]建模模块：用于根据历史报文数据设置目标函数，进行多目标优化模型；
[0030]充电模块：用于根据遗传算法优化目标函数，结合多目标优化模型进行充电。
[0031]本专利技术的有益效果是，本专利技术提供的一种智能充电方法及设备，根据历史报文数据设置目标函数，进行多目标优化模型；采用遗传算法优化目标函数，结合多目标优化模型进行充电。本专利技术结合了最优学习方法和智能充电方法，采用基于遗传算法优化的多阶段横流充电策略，可以有效根据最大可充电电流充电曲线MACCC和充电需求来确定各阶段最优充电时长，以获得最佳的充电策略。
附图说明
[0032]下面结合附图和实施例对本专利技术进一步说明。
[0033]图1是本专利技术的优选实施例的方法流程图；
[0034]图2是本专利技术的优选实施例的设备结构图。
具体实施方式
[0035]现在结合附图对本专利技术作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。
[0036]为克服现有技术中存在的问题，本专利技术提供了一种基于遗传算法和专家法的电动汽车多阶段恒流充电方法，所述方法包括：
[0037]建模步骤：根据历史报文数据设置目标函数，进行多目标优化模型；
[0038]充电步骤：采用遗传算法优化目标函数，结合多目标优化模型进行充电。
[0039]其中，所述建模步骤包括：
[0040]步骤1，从数据库里随机选取电动汽车的历史报文数据；其中，当电动汽车车主在
新能源公司的充电桩充电时，系统会产生并记录符合国标《GBT27930
‑
2015电动汽车非车载传导式充电机与电池管理系统之间的通信协议》的充电桩与电动汽车之间的通讯报文，充电桩数据管理控制平台会根据公司与充电桩企业签订的协议来筛选必要的通讯报文发送到固定云平台，可通过相应软件进行爬取。数据基于国标进行处理，统一爬取格式标准的数据，提高了数据的一致性，提高了数据的处理效率。
[0041]步骤2，制定MSCC充电策略最小化损耗机制；根据CCCV与MSCC充电策略的损耗差异，突出在相同充电时间和充电能量下MSCC的优点，并制定MSCC充电策略最小化损耗机制；其中，本专利技术在深入研究两级横流充电方法充电过程中电流、电压、电阻的变化速率和SOC变电流充电策略时，获得当电流变化率小于电阻变化率时两级横流充电策略可以降低充电损耗的结论，进而根据SOC变电流充电策略提出SOE变电流充电策略。
[0042]其中步骤2中根据CCCV与MSCC充电策略的损耗差异，结合多阶段恒流充电MSCC原理，分析在相同充电时间和充电容量下，降低电流变化速率时能够降低损耗，使用多阶段恒流充电MSCC的不仅能够避免CCCV充电策略CC结束阶段电压过高和CV开始阶段电流过大的情况的，而且MSCC策略的可取电流范围大，只要根据相应的SOE选择电流就可以使用同一充电模式对任何初始状态的电动汽车进行充电，每个阶段相互独立不受前一阶段的影响。而且研究证明当充电电流变化率小于电阻变化率时，多级恒流充电能降低充电损耗。
[0043]步骤3，设定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能充电方法，其特征在于，所述方法包括：建模步骤：根据历史报文数据设置目标函数，进行多目标优化模型；充电步骤：采用遗传算法优化目标函数，结合多目标优化模型进行充电。2.根据权利要求1所述的充电方法，其特征在于，所述建模步骤包括：步骤1，从数据库里随机选取电动汽车的历史报文数据；步骤2，制定MSCC充电策略最小化损耗机制；步骤3，设定目标函数，将最小化充电时间和最小化充电损失进行多目标优化建模，建立多目标优化模型。3.根据权利要求2所述的充电方法，其特征在于，所述目标函数根据SOE进行确定，其中SOE计算方法如下：其中，t0表示充电开始时间，SOE(t0)表示电动汽车初始能量状态，U
t
表示当前时刻的充电电压，I
t
表示当前时刻的充电电流，表示电动汽车从t0到t时刻的充电总能量，E表示电动汽车标称总能量。4.根据权利要求1所述的充电方法，其特征在于，所述充电步骤包括：步骤4，获取实时BMS需求数据；步骤5，将电动汽车能量状态SOE分为n个阶段，进行第1阶段的恒流充电；步骤6，判断是否到达最大截止电压；步骤7，根据MACCC曲线寻找下一阶段充电电流；步骤8，采用遗传算法优化目标函数，调整SOE区间和阶段数量，并根据最优结果进行充电；步骤9，循环执行7、8，继续使用遗传算法寻优；步骤10，当S...

【专利技术属性】
技术研发人员：李春喜，刘莉，葛泉波，
申请(专利权)人：上海颉码能源科技有限公司，
类型：发明
国别省市：