专利名称：一种电动汽车智能充放电控制方法
技术领域：
本发明涉及电动汽车充电领域，具体涉及ー种电动汽车智能充放电控制方法。
背景技术：
国家863计划电动汽车重大专项对电动汽车发展起到重大推动作用。电动汽车规模化发展后，必然对充电设施及其配套电网建设提出新的要求。在目前国家电网的建设情况下，大量电动汽车同时充电，将造成电カ负荷过大，电网容量不能满足要求。利用峰谷电价差的调控策略，鼓励用户在电网负荷的低谷时期为电动汽车充电，而在负荷高峰时期由电动汽车电池向电网放电，则可合理建设供电网的容量，实现电网运营和电动汽车用户的整体效益。众所周知，当电网系统负荷需求的总有功功率大于发电机的总输出功率的时候， 电网系统的电压和频率便会下降；在发电机的总输出功率较大的情况下，电网系统电压和频率便会上升。有时电动汽车盲目充电，致使电网波动较大，给电网和用户带来不便。
发明内容
针对现有技术的不足，本发明设计ー种电动汽车智能充放电控制方法，本控制方法通过实时检测的电网的电压状态，提取电网电压形态谱线的特征判断电网的负荷状态。 通过充放电策略的控制算法，确定电动汽车的充放电状态，来达到调节电网负荷平衡的目的，保证电网供电系统的电能质量，使充电机的安全稳定运行。本发明提供的一种电动汽车只能充放电控制方法，其改进之处在于，所述方法包括如下步骤(1)采集电网电压波形；(2)对所述电网电压波形进行数学形态学变换，提取对应电网形态特性曲线；(3)将所述电网形态特性曲线输入到神经网络，判断电网运行的负荷状态；(4)利用所述电网负荷状态信息，结合峰谷阶梯电价和用户的充电需求制定充放电控制策略。其中，步骤(1)通过电压互感器采集电カ系统电压。其中，步骤( 所述提取对应电网形态特性曲线包括如下步骤A.定义形态谱；B.选取结构元素；C.选择所述结构元素的长度；D.选择所述结构元素的幅度；Ε.提取形态谱。其中，步骤(3)包括如下步骤1)选取电网运行状态；2)根据运行状态选取对应的形态谱数据；
3)选取负荷状态神经网络判决器；4)将所述形态谱数据传给所述负荷状态判决器判断电网运行的负荷状态；所述负荷状态包括电网重负荷运行、电网负荷平衡运行和电网轻负荷运行状态。其中，步骤(4)所述充放电控制策略包括如下步骤所述电网重负荷运行时，提高充电电价，以降低电动汽车用户充电的数量或鼓励电动汽车用户将电能回馈电网；电网负荷平衡运行吋，电动汽车按需求充电。电网轻负荷运行状态时，降低电价，以鼓励电动汽车用户进行充电。其中，所述电压互感器之前设有滤波电路，电カ系统电压通过滤波电路滤波后传给所述电压互感器进行采集。与现有技术比，本发明的有益效果为1.本发明通过对电动汽车充放电开展供、充电系统相互影响研究，定性分析和定量评估用电峰谷期的电网电压特性，通过大量仿真实验和现场实测相结合，研究电动汽车作为可调节负荷时对供电系统影响，制定出ー种电动汽车智能充放电控制方法，通过实时检测的电网的电压状态，提取电网电压形态谱线的特征判断电网的负荷状态。通过充放电策略的控制算法，确定电动汽车的充放电状态，来达到调节电网负荷平衡的目的，保证电网供电系统的电能质量，使充电机的安全稳定运行。2.本发明解决了频率测量电网状态的方法中不能很好的抑制谐波分量，计算量偏大，要对每一周波都进行一次计算，将会占用过多的处理器时间，其不能兼顾计算精度与实时性的问题和測量精度受电压过零点的影响较大等问题。3.本发明通过电动汽车与智能电网的融合，提高了电动汽车用户充电的经济性和便利性；并可通过电动汽车充电的智能管理，提高电网运行效率。4.本发明对科学合理地规划充电设施和配电网建设，减少规模化电动汽车充电引起的配电网改造建设投资，提高设施利用率，改善充电设施建设的经济性有重要意义。
图1为本发明提供的形态谱提取流程图。图2为本发明提供的电网状态识别神经网络模型图。
具体实施例方式下面结合附图对本发明的具体实施方式
作进ー步的详细说明。本实施例的电动汽车智能充放电控制方法包括如下步骤(1)采集电网电压波形；数据采集主要是对电压信号的采集，通过精密的电压互感器对电网的电压信号进行采集，将实际电压状态量转换为电子设备能够处理的小信号。电压互感器首先要考虑运行线路中的额定电压大小，其次要考虑测量装置的输入范围要求和精度要求。在实际电力系统中，线路中的电压很大，电压互感器能将实际电压转换成ー个小的电压输出，该输出能反映实际电压电流的大小。电压互感器采集到的电网信号，通常存在着高次谐波，这样对电压波形的谱线特性造成一定的干扰。所以本实施例首先将电压互感器采集的信号输入到低通滤波模块的输入端。低通滤波部分可采用无源ニ阶低通滤波电路滤除高次谐波后，在输入到电压互感器中。(2)对所述电网电压波形进行数学形态学变换，提取对应电网形态特性曲线；一般，图像大多为灰度图像，灰度形态学可有效地处理多值图像。对于电力系统信号而言，其采样所得波形对应ー个实值函数，因此本实施例采用灰度形态变换对电压运行信号进行分析处理。数学形态学中提出了全局协方差、局部协方差、尺度分布和连通性等四种图像分析判据来描述图像的各种几何參数与特征，例如面积、周长、连通度、颗粒度、骨架和方向性等等。其中，尺度分布判据通过测量图像与一系列不同尺寸结构元素间进行开运算后的面积变化，描述图像的尺寸分布特性。Maragos将闭运算引入定义中，从而将尺度分布推广为图像和背景的双重描述，并称之为形态谱。令fOO，x e Rm，m= 1，2，…，m-1为ー非负函数，m为ー自然数，此时m为图像的灰度级。g(x)为ー凸的结构函数。f(x)形态谱定义为
ps(f,g,M="dA(df°"g) ^>0Ρ8{/^Α)= Λ{Ι% [-λ8))λ<0其中A(f)= J"《x)dx表示在定义域内U(f00)的有限面积；当λ彡0时，为开运算
形态谱，λ <0时，为闭运算形态谱；数据图像处理中结构元素的选取结构元素的形状将根据处理信号的不同要求而定，一般不选择波形相差很大的结构元素。在突出信号形状特征的要求下，在不断实验的过程中，本实施例选择线性关于原点対称的结构元素，更能突出不同负荷状态情况下的电压的形状特征。结构元素长度的选择结构元素长度在程序的处理中是以ー维数组的数组元素个数体现的。从处理结果可以明显看出随着结构元素长度的増加，波形变得更加平滑。但结构元素长度过长、又会损伤有效信号。在形态谱提取过程中，不断増加结构元素的长度来提取形态谱曲线。本实施例得出，所取结构元素长度再1到80变化的过程中，灰度图像的形状和面积变化均不大，说明原图像保持了很好的形状特征，所以直线形结构元素的选择是合适的。而当结构元素长度大于80以后，波形的谱线的值为零，说明此时结构元素长度的选取已经过大，不能有效反映波形的形状了。结构元素幅度的选取为了取得较好的处理效果，结构元素的幅值比待处理的信号值要小一个数量级， 才能获得较好的效果。形态谱的提取选取好结构元素后，对各种负荷状态情况下电压波形提取形态谱，提取程序总体流程如图1所示，包括
开始；选取信号长度；在1-80区里，对信号进行膨胀或腐蚀；处理；得到形态谱值；结束。其中，％代表结构元素长度；η代表用结构元素对信号进行腐蚀运算；m代表对腐蚀后的信号再进行膨胀运算。本实施例将差异放大，更有利于以后区分。(3)将所述电网形态特性曲线输入到神经网络，判断电网运行的负荷状态；所采用的系统模型及參数如表一所示本实施例分別选取电网重负荷运行时期，轻负荷时期和负荷平衡时期的实测运行电压波形的形态谱数据各300个，共900个数据样本进行训练。本实施例选用BP神经网络作为负荷状态判决器用于判断电网负荷状态。选择了隐层数L = 1的网络结构模型，优先考虑采用了具有单隐层结构的前馈网络。输入层为三种负荷状态时电压的形态谱的值，每条谱线上采集均勻分布的30个点，即是30x3共90个输入节点，输出层3个节点，对应于3种运行状态。本实施例设当第一输出节点为1，第二、 三输出节点为0时表示电网重负荷运行；设当第二输出节点为1，第一、三输出节点为0时表示电网负荷平衡运行；设当第三输出节点为1，第一、ニ输出节点为0时表示电网轻负荷运行。表1.样本输出设置表
权利要求
1.一种电动汽车只能充放电控制方法，其特征在干，所述方法包括如下步骤(1)采集电网电压波形；(2)对所述电网电压波形进行数学形态学变换，提取对应电网形态特性曲线；(3)将所述电网形态特性曲线输入到神经网络，判断电网运行的负荷状态；(4)利用所述电网负荷状态信息，结合峰谷阶梯电价和用户的充电需求制定充放电控制策略。
2.如权利要求1所述的控制方法，其特征在干，步骤(1)通过电压互感器采集电カ系统电压。
3.如权利要求1所述的控制方法，其特征在干，步骤(2)所述提取对应电网形态特性曲线包括如下步骤A.定义形态谱；B.选取结构元素；C.选择所述结构元素的长度；D.选择所述结构元素的幅度；Ε.提取形态谱。
4.如权利要求1所述的控制方法，其特征在干，步骤(3)包括如下步骤1)选取电网运行状态；2)根据运行状态选取对应的形态谱数据；3)选取负荷状态神经网络判决器；4)将所述形态谱数据传给所述负荷状态判决器判断电网运行的负荷状态；所述负荷状态包括电网重负荷运行、电网负荷平衡运行和电网轻负荷运行状态。
5.如权利要求1所述的控制方法，其特征在干，步骤(4)所述充放电控制策略包括如下步骤所述电网重负荷运行时，提高充电电价，以降低电动汽车用户充电的数量或鼓励电动汽车用户将电能回馈电网；电网负荷平衡运行吋，电动汽车按需求充电。电网轻负荷运行状态时，降低电价，以鼓励电动汽车用户进行充电。
6.如权利要求2所述的控制方法，其特征在干，所述电压互感器之前设有滤波电路，电 カ系统电压通过滤波电路滤波后传给所述电压互感器进行采集。
全文摘要
本发明公开了一种电动汽车智能充放电控制方法，包括采集电网电压波形；对所述电网电压波形进行数学形态学变换，提取对应电网形态特性曲线；将所述电网形态特性曲线输入到神经网络，判断电网运行的负荷状态；利用所述电网负荷状态信息，结合峰谷阶梯电价和用户的充电需求制定充放电控制策略。本发明通过电动汽车与智能电网的融合，提高了电动汽车用户充电的经济性和便利性；并可通过电动汽车充电的智能管理，提高电网运行效率，并且本发明对科学合理地规划充电设施和配电网建设，减少规模化电动汽车充电引起的配电网改造建设投资，提高设施利用率，改善充电设施建设的经济性有重要意义。
文档编号H02J7/02GK102570490SQ20121000303
公开日2012年7月11日 申请日期2012年1月6日 优先权日2012年1月6日
发明者严辉, 崔宇, 李晓强, 李武峰, 谢添卉 申请人:中国电力科学研究院