阅读说明：本技术 电动汽车电池智能充电优化方法 (Intelligent charging optimization method for electric vehicle battery ) 是由 徐玉杰 翟树军 杨霞 袁海洲 吕岳 马梅 胡本哲 彭婧 于 2020-05-26 设计创作，主要内容包括：本发明涉及电动汽车电池智能充电优化方法,包括如下步骤：S1、获取电动汽车电池历史充电数据及历史行驶数据,包括每次充电前的剩余电量及完成充电后的初始电量、电动汽车每日行驶里程、每个充放电周期行驶里程、充放电周期内的平均气温；S2、获取电动汽车行驶里程与电池放电电量间的转换系数η<Sub>i</Sub>：S3、根据历史出行数据获取下一日电动汽车行驶里程x<Sub>j+1</Sub>；S4、判断当前电动汽车电池剩余电量是否满足次日出行需求；S5、确定第i+1次充电需要的最优充电电量：本发明根据电动汽车历史使用数据及未来出行需求,科学确定最优的电池充电计划,适当延长电动汽车充放电周期,减少充电次数和每日长时间深度充电频率。(The invention relates to an intelligent charging optimization method for an electric vehicle battery, which comprises the following steps of S1, obtaining historical charging data and historical driving data of the electric vehicle battery, wherein the historical charging data and the historical driving data comprise residual electric quantity before charging each time and initial electric quantity after charging, daily driving mileage of the electric vehicle, driving mileage of each charging and discharging period and average air temperature in the charging and discharging period, and S2, obtaining a conversion coefficient η between the driving mileage of the electric vehicle and the discharging electric quantity of the battery i : s3, obtaining the travel distance x of the electric automobile on the next day according to the historical travel data j+1 (ii) a S4, judging whether the current remaining electric quantity of the battery of the electric automobile meets the travel requirement of the next day or not; s5, determining the optimal charging electric quantity required by the i +1 th charging: according to the invention, an optimal battery charging plan is scientifically determined according to historical use data and future travel requirements of the electric automobile, the charging and discharging period of the electric automobile is properly prolonged, and the charging times and the daily long-time deep charging frequency are reduced.)

电动汽车电池智能充电优化方法

技术领域

本发明属于电动汽车电池充电优化技术领域，尤其涉及电动汽车电池智能充电优化方法。

背景技术

随着电动汽车技术的不断成熟，电动汽车保有量迅猛提升，电池续航里程也不断增加，部分车型已达到单次充电稳定续航400公里以上。目前，私人电动汽车的主要用途为上下班代步，满足市区内出行需求，每日行驶距离一般不超过50公里，远低于设计续航里程，当天行程结束时电动汽车电池内仍蓄有较多电量。但是，现实情况是，电动汽车车主普遍存在电池恐惧症(担心电池电量不足以维持次日出行需求)，因此，车主往往会在结束当天行程后随手为电动汽车充电(夜间为充电高峰期)。这就意味着，电动汽车在每天开始使用时为满电状态，当天结束使用时仍蓄有较多电量，每日实际充电量需求较低，由于夜间车主无法及时断掉电源，电动汽车长时间处于100％充电状态下，会让电池持续处于高压状态，甚至造成电池温度过高，长此以往，会缩短电动汽车电池使用寿命，且存在电力浪费现象，增加电动汽车使用成本。

因此，根据电动汽车历史使用数据及未来出行需求，科学确定最优的电池充电计划，适当延长电动汽车充放电周期，减少充电次数和每日长时间深度充电频率，是提高电动汽车电池使用寿命和使用经济性的重要手段。

因此，基于这些问题，提供一种对充电容量和充电行为进行优化的电动汽车电池智能充电优化方法，具有重要的现实意义。

发明内容

本发明的目的在于克服现有技术的不足，提供一种对充电容量和充电行为进行优化的电动汽车电池智能充电优化方法。

本发明解决其技术问题是采取以下技术方案实现的：

电动汽车电池智能充电优化方法，包括如下步骤：

S1、获取电动汽车电池历史充电数据及历史行驶数据，包括每次充电前的剩余电量及完成充电后的初始电量、电动汽车每日行驶里程、每个充放电周期行驶里程、充放电周期内的平均气温；

其中，相邻两次充电期间为一个完整的充放电周期；

S2、获取电动汽车行驶里程与电池放电电量间的转换系数η_i：

其中，η_i表示每有效放出1度电可以驱动电动汽车的行驶距离，SOC_i,s表示第i次完成充电后的初始电量，SOC_i,e表示第i+1次充电前的剩余电量，x_j为电动汽车日行驶里程，∑x_j表示对历史行驶里程进行求和，∑((SOC_i,s-SOC_i,e)·μ_i)表示历史放电电量的求和；

μ_i表示第i次充放电周期内平均放电效率，μ_i的计算公式为：

n为电池额定放电次数；T₀表示最佳放电温度；α为电池初始状态下放电效率；β表示最佳放电温度下的电池放电效率；σ为温度对放电效率的影响程度；

S3、根据历史出行数据获取下一日电动汽车行驶里程x_j+1；

S4、判断当前电动汽车电池剩余电量是否满足次日出行需求；

获取满足第j+1日出行需求的电池放电量Q_out：根据电池使用安全和使用寿命，确定电池蓄电需求量Q：判断电动汽车在第j日是否需要进行充电：

若SOC_i,e≥Q，表明当前电动汽车蓄电池蓄电量满足第j+1日出行需求和电池安全要求，此时，第j日不需要充电；

若SOC_i,e＜Q，表明当前电动汽车蓄电池蓄电量不满足第j+1日出行需求和电池安全要求，此时，第j日需要充电；

S5、确定第i+1次充电需要的最优充电电量：

S501、根据历史出行数据获取第i+1次充放电周期内的电动汽车行驶里程x_i+1：

S502、根据出行里程预测值、转换系数和放电效率，得到充电电量预测值SOC_i+1,s：

其中，SOC_up为蓄电池额定容量上限，k₁为电池蓄电量富裕系数，k₂为电池安全系数；

S503、根据电池容量上限，确定充电电量修正值SOC′_i+1,s：

S504、根据车主预期出行里程和充电需求，确定电动汽车第i+1次充电完成后的最终电量SOC″_i+1,s：

SOC″_i+1,s＝max(SOC′_i+1,s,SOC_exp) (9)

式中，SOC_exp为用户预期充电完成后的电池电量。

进一步的，电动汽车次日行驶里程x_j+1的获取公式如下：

j₁＝0,1,…,5，w₁为上周同日行驶里程对预测结果的权重，w₂为其他日行驶里程对预测结果的权重，满足：w₁+6w₂＝1且w₁＞＞w₂。

进一步的，所述步骤S4中获取满足第j+1日出行需求的电池放电量Q_out：

式中，表示完成预期行驶里程所需的电量；k₁为电池蓄电量富裕系数；

根据电池使用安全和使用寿命，确定电池蓄电需求量Q：

Q＝k₂·SOC_up+Q_out (5)

式中，SOC_up为蓄电池额定容量上限，k₂为电池安全系数，k₂·SOC_up表示电池蓄电量在截止电压下的最低蓄电量限额。

进一步的，所述S501中根据历史出行数据获取第i+1次充放电周期内的电动汽车行驶里程x_i+1：

式中，i₁＝0,1,…,m-1，m为第i+1次充放电之前连续的历史充放电次数。

进一步的，所述m≥1。

进一步的，所述步骤S504中，若车主未来有远距离出行需求，则可取SOC_exp＝SOC_up，若车主无高预期充电量，则可取SOC_exp＝SOC′_i+1,s。

本发明的优点和积极效果是：

本发明通过模拟电动汽车历史充放电规律和出行规律，预测当前电池蓄电量是否满足次日需求，并根据未来出行需求合理确定最优的充电电量，适当延长电动汽车充放电周期，本发明提供的方法可以有效避免长时间、反复、深度充电对电池的损坏，提高电池使用寿命。

具体实施方式

首先，需要说明的是，以下将以示例方式来具体说明本发明的具体结构、特点和优点等，然而所有的描述仅是用来进行说明的，而不应将其理解为对本发明形成任何限制。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

下面就具体说明本发明。

电动汽车电池智能充电优化方法，包括如下步骤：

S1、获取电动汽车电池历史充电数据及历史行驶数据，包括每次充电前的剩余电量及完成充电后的初始电量、电动汽车每日行驶里程、每个充放电周期行驶里程、充放电周期内的平均气温；

其中，相邻两次充电期间为一个完整的充放电周期；在每个充放电周期内可能存在1个或多个自然日。

S2、获取电动汽车行驶里程与电池放电电量间的转换系数η_i：

其中，η_i表示每有效放出1度电可以驱动电动汽车的行驶距离，SOC_i,s表示第i次完成充电后的初始电量，SOC_i,e表示第i+1次充电前的剩余电量，x_j为电动汽车每日行驶里程，∑x_j表示对历史行驶里程进行求和，∑((SOC_i,s-SOC_i,e)·μ_i)表示历史放电电量的求和；

μ_i表示第i次充放电周期内平均放电效率，μ_i的计算公式为：

n为电池额定放电次数(与额定充电次数相同)，可由电池出厂参数确定；T_i为充放电周期内的平均气温；T₀表示最佳放电温度，在此温度下，电池放电效率最高，可由电池出厂参数确定；α为电池初始状态下放电效率，可由电池出厂参数确定；β表示最佳放电温度下的电池放电效率，可由电池出厂参数确定；σ为温度对放电效率的影响程度，可根据历史温度数据与放电效率模拟得到，通常情况下，放电效率与温度的关系近似满足正态分布，此时，σ为电动汽车行驶期间平均气温变化的标准差，可取近7日平均气温标准差；k为可调参数，取决于电池性能，可由电池出厂参数确定。

通常情况下，在相邻充电周期内，气温变化不明显，电池寿命(放电次数)仅相差1次，二者对放电效率的影响均不大，此时，上述各参数基本保持不变。同时，随着电动汽车蓄电池技术的进步，放电效率μ_i在经济寿命期内也基本保持稳定，因此，在实际应用时可根据蓄电池出厂参数确定放电效率μ_i为定值。

S3、根据历史出行数据获取下一日电动汽车行驶里程xj₊₁；

S4、判断当前电动汽车电池剩余电量是否满足次日出行需求；

获取满足第j+1日出行需求的电池放电量Q_out：根据电池使用安全和使用寿命，确定电池蓄电需求量Q：判断电动汽车在第j日是否需要进行充电：

若SOC_i,e≥Q，表明当前电动汽车蓄电池蓄电量满足第j+1日出行需求和电池安全要求，此时，第j日不需要充电；

若SOC_i,e＜Q，表明当前电动汽车蓄电池蓄电量不满足第j+1日出行需求和电池安全要求，此时，第j日需要充电；

S5、确定第i+1次充电需要的最优充电电量：

S501、根据历史出行数据获取第i+1次充放电周期内的电动汽车行驶里程x_i+1：

S502、根据出行里程预测值、转换系数和放电效率，得到充电电量预测值SOC_i+1,s：

其中，SOC_up为蓄电池额定容量上限，k₁为电池蓄电量富裕系数，k₂为电池安全系数；

S503、根据电池容量上限，确定充电电量修正值SOC′_i+1,s：

S504、根据车主预期出行里程和充电需求，确定电动汽车第i+1次充电完成后的最终电量SOC″_i+1,s：

SOC″_i+1,s＝max(SOC′_i+1,s,SOC_exp) (9)

式中，SOC_exp为用户预期充电完成后的电池电量，若车主未来有远距离出行需求，则可取SOC_exp＝SOC_up，若车主无高预期充电量，则可取SOC_exp＝SOC′_i+1,s。。

需要指出的是，电动汽车次日行驶里程x_j+1的获取公式如下：

j₁＝0,1,…,5，w₁为上周同日行驶里程对预测结果的权重，w₂为其他日行驶里程对预测结果的权重，满足：w₁+6w₂＝1且w₁＞＞w₂；w₁、w₂的数值可根据历史数据进行模拟，模拟方法可采用现有成熟的多元线性回归方法等，也可以根据出行规律特性设置，每周出行规律性越强，w₁越大。需要说明的是，私人电动汽车出行有较强规律性，一般以每周(7天)为变化周期，而且，每周的同一天出行规律相似度更高，因此，相应权重可适当提高。

需要指出的是，所述步骤S4中获取满足第j+1日出行需求的电池放电量Q_out：

式中，表示完成预期行驶里程所需的电量；k₁为电池蓄电量富裕系数，可根据车主风险承受能力设置，一般取1.0-1.5。

根据电池使用安全和使用寿命，确定电池蓄电需求量Q：

Q＝k₂·SOC_up+Q_out (5)

式中，SOC_up为蓄电池额定容量上限，k₂为电池安全系数，可由电池出厂参数确定；k₂·SOC_up表示电池蓄电量在截止电压下的最低蓄电量限额，当蓄电量低于该值时，蓄电池无法继续放电或继续放电对电池造成损坏。

需要指出的是，所述S501中根据历史出行数据获取第i+1次充放电周期内的电动汽车行驶里程x_i+1：

式中，i₁＝0,1,…,m-1，m为第i+1次充放电之前连续的历史充放电次数，式(6)表示采用最近的m个充放电周期对应的行驶里程，预测第i+1次充放电周期内的电动汽车行驶里程。m一般可以取1-10，若m取3，则表示采用最近的3个充放电周期对应的行驶里程，预测第i+1次充放电周期内的电动汽车行驶里程。

作为举例，在本实施例中，以某小区私人电动汽车充电为例，模拟仿真电动汽车电池智能充电优化结果，根据私人电动汽车使用规律，假定每天下班后充电，次日上班前切断电源；本实施例选择4辆不同规格电动汽车，确定其次日充电电量；电动汽车蓄电池基本参数如表1所示。

表1

假定当前时间点j为周二，四辆电动汽车均处于第i次充放电周期，且EV1第i次充电已满足近3天行驶需求，EV2第i次充电已满足近7天行驶需求，EV3第i次充电已满足近6天行驶需求，EV4第i次充电已满足近6天行驶需求，相关每日行驶里程数据如表2：

表2

预测本周三的预期行驶里程，可设置w₁＝0.4、w₂＝0.1，同时，因数据限制，本实施例以第i次充放电周期内放电量和行驶里程数据，测算各电动汽车行驶里程与电池放电电量间的转换系数，并且借助公式(6)预测第i+1次充放电周期行驶里程，此时，m＝1。相关测算结果如下所示：

EV2车主预期次日有远距离出行需求，则令SOC_exp＝SOC_up，此时，各个电动汽车充电完成后的充电电量计算结果如下表3所示：

表3

可以看出，EV1计算得到的第j+1日电池蓄电需求为8.75kWh，低于当前电池蓄电量，表明现有蓄电量可以满足电动汽车次日出行需求及电池安全要求，因此，不需充电；同理，其余三辆电动汽车均需要及时充电，以满足出行及电池安全要求。此时，EV2计算得到的电池充电量SOC_i+1,s＝24.55kWh，低于充电容量上限，满足电池充电约束，但由于车主对充电电量预期较高(SOC_exp＝25kWh)，则充电完成后的电量取预期值25kWh；EV3计算得到的电池充电量SOC_i+1,s＝22.40kWh，高于电池容量上限，则充电完成后的电量取最高限值20kWh；EV4计算得到的电池充电量SOC_i+1,s＝24.55kWh，低于充电容量上限，满足电池充电约束，且车主无充电电量高预期，则充电完成后的电量取预期值24.55kWh。

以上实施例对本发明进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。