一种电动汽车优化充电控制方法及其系统与流程

本发明涉及一种电动汽车充电的技术领域，尤其涉及一种电动汽车充电优化控制方法及系统。

背景技术：

电动汽车能够实现“零排放”而具有环保、节能、低噪音等优点，电动汽车以电代油，是解决能源和环境问题的重要手段，逐渐成为有效安全的交通工具，其在性能和经济性方面已经接近甚至优于传统燃油汽车，并开始在世界范围内逐渐推广应用。而目前，电动汽车的进一步普及所面对的一个很重要的问题就是电动汽车的充电问题。充电问题的存在限制了电动汽车的使用效率，增加了电动汽车使用者的“里程焦虑”。

在实际的使用过程中，在不同的使用情况下，电动汽车使用者往往存在着不同的使用需求。在某些急需使用电动汽车的情况下，使用者期望的是一个较短的充电时间；在需要远距离行驶的情况下，使用者期望的是一个较大的充电容量；而与此同时，在另外的一些情况下，使用者希望能够获得更高的充电效率从而获得更低的充电成本。根据使用者的充电需求不同，最优的充电电流波形也不相同，这就需要一种充电控制方法能够根据使用者不同的使用需求而产生不同的充电电流波形。

技术实现要素：

为了解决现有的充电方法不能够很好满足使用者对充电时间、充电容量以及充电效率的不同需求的情况，本发明提供了一种电动汽车优化充电控制方法。

本发明的目的是通过以下方案实现的：

一种电动汽车优化充电控制方法，包括以下步骤：

步骤一、获取使用者对充电时间、充电容量以及充电效率等三个充电指标的相对需求程度，并将这种需求程度通过权重系数的形式体现；

步骤二、获取电池组的直流内阻、soc以及开路电压与soc对应关系等状态参数；

步骤三、根据所获得的充电需求以及电池组状态参数，以充电时间、充电容量以及充电效率为优化目标构建目标函数，采用多目标粒子群优化算法对充电电流进行优化，得到所需要的充电电流波形；

步骤四、根据多目标粒子群优化所获得的充电电流波形对充电机进行控制，进而实现对电动汽车电池组的按需充电。

本发明同时提供了一宗用于实现所述电动汽车优化充电控制方法的电动汽车充电系统：由充电执行模块、充电控制模块、通讯模块以及人机交互模块组成；充电控制模块分别与充电执行模块、人机交互模块以及电动汽车的电池管理系统通过通讯模块进行通讯连接；充电控制模块根据从人机交互模块获取的充电需求以及从电动汽车电池管理系统获取的电动汽车电池组状态参数，以充电需求为优化目标，以电池状态参数为模型参数，采用多目标粒子群优化决定实际的充电电流波形，并对充电执行模块进行控制，实现对电动汽车电池组的按需充电。

本发明具有以下优点：

本发明的充电方法充分考虑到了用户的实际充电需求，根据用户对于充电时间、充电容量(续航里程)以及充电效率的实际要求来产生不同的充电控制策略，从而使得实际的充电效果更符合用户的预期。

附图说明

图1为本发明的电动汽车优化充电控制方法的流程图

图2为本发明的电动汽车优化充电系统的结构框图

图3为本发明的电池模型仿真计算子模块工作流程图

图4为本发明的多目标粒子群优化子模块的工作流程图

图5为本发明的多阶段恒流充电控制方法流程图

具体实施方式

本发明的核心是提供一种电动汽车优化充电控制方法。为了使本技术领域的人员更好地理解本发明的方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。

如图1所示为本发明的电动汽车优化充电控制方法的流程图。

步骤一、获取使用者对充电时间、充电容量以及充电效率等三个充电指标的相对需求程度，并将这种需求程度通过权重系数的形式体现。使用者对于充电时间、充电容量以及充电效率等指标的输入可以采用数值式的输入也可以采用模糊式输入；输入方式可以采用按键式、触摸屏式、远程通讯式、语音输入式等不同的输入方式。

步骤二、获取电池组的直流内阻、soc以及开路电压与soc对应关系等状态参数；并通过所获取的电池组参数，构建电池组等效电路模型。所述等效电路模型由电池组开路电压和电池组直流内阻组成；电池组的端电压由电池组开路电压和直流内阻电压组成；当电池组处于充电状态时，端电压为所述开路电压与直流内阻电压之和。通过所述电池组等效模型，可以计算得出在相应充电电流波形下电池组的端电压响应以及充电结束时的充电时间、充电容量以及充电效率。

步骤三、根据所获得的充电需求以及电池组状态参数，以充电时间、充电容量以及充电效率为优化目标构建目标函数，采用多目标粒子群优化算法对充电电流进行优化，得到所需要的充电电流波形。在多目标粒子群优化过程中，每个粒子代表着一种多阶段恒流充电的电流组合，通过电池仿真模型可以获得在该电流组合下所能够实现的充电时间、充电容量以及充电效率等数据。在每一次的迭代过程中，根据各自所获得的充电时间、充电容量以及充电效率等信息，粒子群中的各粒子以一定的规则向最优充电电流组合进化，从而获得最优的充电电流组合。所述多阶段恒流充电为由多个恒流充电阶段组成的充电控制方法；每个恒流阶段的结束条件为预设的最大充电电压值；当一个阶段的充电电压达到预设值时，充电过程自动进入下一阶段，直到所有充电阶段都被完成，则整个充电过程结束。在多阶段恒流充电中，每一阶段的充电电流都小于前一阶段的充电电流值。

步骤四、根据多目标优化所获得的充电电流波形对充电机进行控制，进而实现对电动汽车电池组的按需充电。

如图2所示为本发明的电动汽车优化充电系统的结构框图。

所述系统由充电执行模块1、充电控制模块2、通讯模块3以及人机交互模块4组成。所述充电控制模块2分别与所述充电执行模块1、人机交互模块4以及电动汽车的电池管理系统5通过所述通讯模块进行通讯。所述充电控制模块2根据从人机交互模块4所获取的充电需求以及从电动汽车电池管理系统5获取的电动汽车电池组状态参数，以充电需求为优化目标，以电池状态参数为模型参数，采用多目标粒子群优化决定实际的充电电流波形，并对所述充电执行模块进行控制，从而实现对电动汽车电池组的按需充电。

充电控制模块包括电池模型仿真计算子模块、多目标粒子群优化子模块。所述电池模型仿真计算子模块根据电池组的直流内阻、开路电压-soc关系、充电起始soc以及充电电流等信息对电池组的充电过程进行仿真计算，并获得在相应充电电流波形下电池组的端电压响应以及充电结束时的充电时间、充电容量以及充电效率。所述多目标粒子群优化子模块根据从人机交互模块所获取的充电需求以及从电池模型仿真计算子模块获取的相应充电波形下的充电时间、充电容量和充电效率等信息，进行多目标优化，优化目标为充电时间、充电容量以及充电效率。所述充电执行模块能够根据所述充电控制模块的控制指令将电网侧的交流电转换成具有相应电流值的直流电，从而实现对电动汽车电池组的充电。

如图3所示为本发明的电池模型仿真计算子模块工作流程图。

首先对电池参数进行初始化。然后对仿真步数进行更新，并对当前仿真步数下的电池soc进行计算；如果soc值大于预设最大soc值则充电过程结束，如果该条件不成立则根据从电动汽车电池管理系统获得当前电池状态后对电池模型参数进行更新，并根据公式(1)～(6)对充电时间、充电容量、充电损耗以及电池电压、电池温度等状态参数进行计算。

tch＝kδt(1)

ccharged＝ccharged+ilδt(2)

up,k＝exp(-δt/τ)×up,k-1+(1-exp(-δt/τ))×ilrr(3)

ut,k＝uoc+ilrr+up,k(4)

其中，tch为充电时间，k为步数，δt为步长时间，ccharged为充电容量，il为充电电流，up,k为第k步极化电压，τ为电路时间常数，rr为电池直流内阻，ut,k为第k步电池端电压，uoc为电池开路电压，qloss为充电能量损耗，rp为极化内阻，t为电池温度，reff为电池热交换系数，ta为环境温度，ct为电池比热容。

当获得电池充电状态后，对电池当前电压进行判断，如果当前电压大于预设充电电压则进入下一充电阶段，否则维持当前充电阶段。当所有充电阶段完成后则整个充电仿真过程结束。

如图4所示为本发明的多目标粒子群优化子模块的工作流程图。

在执行多目标粒子群优化的过程中，首先对粒子群中粒子数目、各粒子所代表的充电电流值等参数进行初始化；然后通过电池模型仿真计算子模块电池仿真对各粒子所代表的充电电流进行仿真，得到充电时间、充电容量以及充电效率等数值；当获得各个粒子的充电表现后，根据公式(7)和(8)对粒子群进行更新，并将所有非支配解存入rep(repository，非劣解集)中；判断粒子群是否达到收敛条件，如果达到则结束优化过程，否则重复上述粒子群更新过程直到达到收敛条件。

其中，为在第k+1步种群数量为n的粒子群中第i个粒子的飞行速度，ω为惯性权重，λ1和λ2是学习因子，r1和r2是两个在0～1之间的随机数，是个体极值，rep(h)是全局非支配极值，是粒子当前位置。

如图5所示，本发明电动汽车优化充电控制方法的基本形式为多阶段恒流充电，优化结果为各阶段充电电流值的最优组合。整个充电过程由若干个恒流充电过程组成，在恒流充电的过程中，充电电流始终保持不变。同时，整个充电过程有一个预设的电压值，每当电池电压达到或超过预设的电压值时则充电过程进入下一阶段，当所有的充电过程都结束后，整个充电过程结束。

实施例

当充电开始后，使用者通过按键或者触摸屏、远程通讯、语音输入等方式中的一种向充电控制系统输入期望的充电需求，在本实施例中假设使用者对充电时间的需求程度为0.5，对充电容量的需求程度为0.3，对充电损耗的需求程度为0.2，则在人机交互系统中分别为充电时间、充电容量以及充电效率三项赋值为0.5,0.3,0.2。使用者对充电需求的描述不限于本实施例中的具体数值方式，也可采用模糊的方式进行赋值，例如充电时间较短、很短，充电容量很大等。

充电控制模块通过通讯模块从电动汽车电池管理系统获得电池组的直流内阻、soc以及开路电压与soc对应关系等状态参数，并将所述电池组参数传递给电池模型仿真计算子模块。电池模型仿真计算子模块根据电池组的直流内阻、开路电压-soc关系、充电起始soc以及充电电流等信息对电池组的充电过程进行仿真计算，并获得在相应充电电流波形下电池组的端电压响应以及充电结束时的充电时间、充电容量以及充电效率。多目标粒子群优化子模块首先进行参数初始化，将粒子群中的各个粒子赋值为随机的多阶段恒流充电电流组合。然将各个粒子所携带的充电电流组合信息传递给电池模型仿真计算子模块，并从电池模型仿真计算子模块获取相应充电电流组合下的充电时间、充电容量以及充电效率表现。根据从人机交互模块所获取的充电需求以及从电池模型仿真计算子模块获取的相应充电波形下的充电时间、充电容量和充电效率等信息，进行多目标优化，优化目标为充电时间、充电容量以及充电效率。在每一次的迭代过程中，根据各自所获得的充电时间、充电容量以及充电效率等信息，粒子群中的各粒子以一定的规则向最优充电电流组合进化，从而获得最优的充电电流组合。

在获得最优充电电流组合后，多目标粒子群优化子模块将该充电电流波形通过通信模块传递给充电执行模块，充电执行模块根据所获得的充电电流波形对电动汽车电池组进行充电。在充电的过程中，当一个阶段的充电电压达到预设值时，充电过程自动进入下一阶段，当所有充电阶段都被完成，则整个充电过程结束。