[发明专利]换电站的电池充电方法、装置以及存储介质、电子设备有效
申请号: | 202110560232.2 | 申请日: | 2021-05-21 |
公开(公告)号: | CN113459871B | 公开(公告)日: | 2023-06-30 |
发明(设计)人: | 车晓刚;李玉军;杨宇威 | 申请(专利权)人: | 蓝谷智慧(北京)能源科技有限公司 |
主分类号: | B60L53/80 | 分类号: | B60L53/80;H01M10/44;H02J7/00;G06Q50/06 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 徐章伟 |
地址: | 100176 北京市大兴区北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电站 电池 充电 方法 装置 以及 存储 介质 电子设备 | ||
1.一种换电站的电池充电方法,其特征在于,包括以下步骤:
获取各换电车辆的第一换电参数;
分别利用预先训练好的换电意愿预测模型,根据所述第一换电参数得到各所述换电车辆的换电概率;
获取换电站的第二换电参数;
根据所述第二换电参数和各所述换电车辆的换电概率,预测得到所述换电站在未来预设时间内的换电需求;
根据所述换电需求、预设的约束条件和优化目标,得到所述换电站的电池充电策略,并根据所述电池充电策略对所述换电站的电池进行充电控制;
所述换电意愿预测模型采用CART分类树模型,所述利用预先训练好的换电意愿预测模型,根据所述第一换电参数得到所述换电车辆的换电概率,包括:
将所述第一换电参数输入至预先训练好的CART分类树模型,得到各叶子节点分类结果;
根据各叶子节点的深度对所有的叶子节点分类结果进行加权处理;
对加权后的结果进行非线性变换,得到所述换电车辆的换电概率,其中,所述换电概率的取值为0~1。
2.如权利要求1所述的换电站的电池充电方法,其特征在于,所述第二换电参数包括当前时间点、历史换电信息,所述根据所述第二换电参数和各所述换电车辆的换电概率,预测得到所述换电站在未来预设时间内的换电需求,包括:
获取所述当前时间点所处时间段的实际换电次数;
获取所述当前时间点所处时间段的上一时间段的预测换电次数;
获取当前时间点所处时间段的上一时间段的状态信息;
根据所述历史换电信息、所述换电概率、当前时间段的实际换电次数、上一时间段的预测换电次数和上一时间段的状态信息,预测得到下一时间段的预测换电次数;
根据所述下一时间段的预测换电次数、所述换电概率,得到所述换电站在未来预设时间内的换电需求。
3.如权利要求2所述的换电站的电池充电方法,其特征在于,所述根据所述历史换电信息、所述换电概率、当前时间段的实际换电次数、上一时间段的预测换电次数和上一时间段的状态信息,预测得到下一时间段的预测换电次数,包括:
根据所述历史换电信息、所述当前时间段的实际换电次数、所述上一时间段的预测换电次数,得到第一中间变量、第二中间变量和第三中间变量;
利用双曲函数对所述当前时间段的实际换电次数、所述上一时间段的预测换电次数进行重新分布处理,得到目标分布函数;
将所述目标分布函数与所述第一中间变量做点乘,得到当前状态的预测量;
将所述上一时间段的状态信息与所述第二中间变量做点乘,并与所述当前状态的预测量相加,得到当前时间段的状态信息;
将所述当前时间段的状态信息与所述第三中间变量做点乘,得到所述下一时间段的预测换电次数。
4.如权利要求3所述的换电站的电池充电方法,其特征在于,
所述第一中间变量为:Wi*(h[t-1]+x[t]);
所述第二中间变量为:Wf*(h[t-1]+x[t]);
所述第三中间变量为:Wo*(h[t-1]+x[t]);
其中,Wi、Wf、Wo均为滤波系数,根据所述历史换电信息测试调整得到,h[t-1]为所述上一时间段的预测换电次数,x[t]为所述当前时间段的实际换电次数。
5.如权利要求1所述的换电站的电池充电方法,其特征在于,所述预设的约束条件包括:快速充电引起的电池损耗、高峰时期充电带来的高电费成本、满电电池供给不足导致用户满意度下降、充电策略的可控变量、换电站内每块电池的充电倍率中的至少一者。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于蓝谷智慧(北京)能源科技有限公司,未经蓝谷智慧(北京)能源科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110560232.2/1.html,转载请声明来源钻瓜专利网。