專利名稱：一種電動汽車智能充放電控制方法
技術領域：
本發明涉及電動汽車充電領域，具體涉及ー種電動汽車智能充放電控制方法。
背景技術：
國家863計劃電動汽車重大專項對電動汽車發展起到重大推動作用。電動汽車規模化發展后，必然對充電設施及其配套電網建設提出新的要求。在目前國家電網的建設情況下，大量電動汽車同時充電，將造成電カ負荷過大，電網容量不能滿足要求。利用峰谷電價差的調控策略，鼓勵用戶在電網負荷的低谷時期為電動汽車充電，而在負荷高峰時期由電動汽車電池向電網放電，則可合理建設供電網的容量，實現電網運營和電動汽車用戶的整體效益。眾所周知，當電網系統負荷需求的總有功功率大于發電機的總輸出功率的時候， 電網系統的電壓和頻率便會下降；在發電機的總輸出功率較大的情況下，電網系統電壓和頻率便會上升。有時電動汽車盲目充電，致使電網波動較大，給電網和用戶帶來不便。

發明內容
針對現有技術的不足，本發明設計ー種電動汽車智能充放電控制方法，本控制方法通過實時檢測的電網的電壓狀態，提取電網電壓形態譜線的特征判斷電網的負荷狀態。 通過充放電策略的控制算法，確定電動汽車的充放電狀態，來達到調節電網負荷平衡的目的，保證電網供電系統的電能質量，使充電機的安全穩定運行。本發明提供的一種電動汽車只能充放電控制方法，其改進之處在于，所述方法包括如下步驟(1)采集電網電壓波形；(2)對所述電網電壓波形進行數學形態學變換，提取對應電網形態特性曲線；(3)將所述電網形態特性曲線輸入到神經網絡，判斷電網運行的負荷狀態；(4)利用所述電網負荷狀態信息，結合峰谷階梯電價和用戶的充電需求制定充放電控制策略。其中，步驟(1)通過電壓互感器采集電カ系統電壓。其中，步驟( 所述提取對應電網形態特性曲線包括如下步驟A.定義形態譜；B.選取結構元素；C.選擇所述結構元素的長度；D.選擇所述結構元素的幅度；Ε.提取形態譜。其中，步驟(3)包括如下步驟1)選取電網運行狀態；2)根據運行狀態選取對應的形態譜數據；
3)選取負荷狀態神經網絡判決器；4)將所述形態譜數據傳給所述負荷狀態判決器判斷電網運行的負荷狀態；所述負荷狀態包括電網重負荷運行、電網負荷平衡運行和電網輕負荷運行狀態。其中，步驟(4)所述充放電控制策略包括如下步驟所述電網重負荷運行時，提高充電電價，以降低電動汽車用戶充電的數量或鼓勵電動汽車用戶將電能回饋電網；電網負荷平衡運行吋，電動汽車按需求充電。電網輕負荷運行狀態時，降低電價，以鼓勵電動汽車用戶進行充電。其中，所述電壓互感器之前設有濾波電路，電カ系統電壓通過濾波電路濾波后傳給所述電壓互感器進行采集。與現有技術比，本發明的有益效果為1.本發明通過對電動汽車充放電開展供、充電系統相互影響研究，定性分析和定量評估用電峰谷期的電網電壓特性，通過大量仿真實驗和現場實測相結合，研究電動汽車作為可調節負荷時對供電系統影響，制定出ー種電動汽車智能充放電控制方法，通過實時檢測的電網的電壓狀態，提取電網電壓形態譜線的特征判斷電網的負荷狀態。通過充放電策略的控制算法，確定電動汽車的充放電狀態，來達到調節電網負荷平衡的目的，保證電網供電系統的電能質量，使充電機的安全穩定運行。2.本發明解決了頻率測量電網狀態的方法中不能很好的抑制諧波分量，計算量偏大，要對每一周波都進行一次計算，將會占用過多的處理器時間，其不能兼顧計算精度與實時性的問題和測量精度受電壓過零點的影響較大等問題。3.本發明通過電動汽車與智能電網的融合，提高了電動汽車用戶充電的經濟性和便利性；并可通過電動汽車充電的智能管理，提高電網運行效率。4.本發明對科學合理地規劃充電設施和配電網建設，減少規模化電動汽車充電引起的配電網改造建設投資，提高設施利用率，改善充電設施建設的經濟性有重要意義。


圖1為本發明提供的形態譜提取流程圖。圖2為本發明提供的電網狀態識別神經網絡模型圖。
具體實施例方式下面結合附圖對本發明的具體實施方式
作進ー步的詳細說明。本實施例的電動汽車智能充放電控制方法包括如下步驟(1)采集電網電壓波形；數據采集主要是對電壓信號的采集，通過精密的電壓互感器對電網的電壓信號進行采集，將實際電壓狀態量轉換為電子設備能夠處理的小信號。電壓互感器首先要考慮運行線路中的額定電壓大小，其次要考慮測量裝置的輸入范圍要求和精度要求。在實際電力系統中，線路中的電壓很大，電壓互感器能將實際電壓轉換成ー個小的電壓輸出，該輸出能反映實際電壓電流的大小。電壓互感器采集到的電網信號，通常存在著高次諧波，這樣對電壓波形的譜線特性造成一定的干擾。所以本實施例首先將電壓互感器采集的信號輸入到低通濾波模塊的輸入端。低通濾波部分可采用無源ニ階低通濾波電路濾除高次諧波后，在輸入到電壓互感器中。(2)對所述電網電壓波形進行數學形態學變換，提取對應電網形態特性曲線；一般，圖像大多為灰度圖像，灰度形態學可有效地處理多值圖像。對于電力系統信號而言，其采樣所得波形對應ー個實值函數，因此本實施例采用灰度形態變換對電壓運行信號進行分析處理。數學形態學中提出了全局協方差、局部協方差、尺度分布和連通性等四種圖像分析判據來描述圖像的各種幾何參數與特征，例如面積、周長、連通度、顆粒度、骨架和方向性等等。其中，尺度分布判據通過測量圖像與一系列不同尺寸結構元素間進行開運算后的面積變化，描述圖像的尺寸分布特性。Maragos將閉運算引入定義中，從而將尺度分布推廣為圖像和背景的雙重描述，并稱之為形態譜。令fOO，x e Rm，m= 1，2，…，m-1為ー非負函數，m為ー自然數，此時m為圖像的灰度級。g(x)為ー凸的結構函數。f(x)形態譜定義為
ps(f,g,M="dA(df°"g) ^>0Ρ8{/^Α)= Λ{Ι% [-λ8))λ<0其中A(f)= J"《x)dx表示在定義域內U(f00)的有限面積；當λ彡0時，為開運算
形態譜，λ <0時，為閉運算形態譜；數據圖像處理中結構元素的選取結構元素的形狀將根據處理信號的不同要求而定，一般不選擇波形相差很大的結構元素。在突出信號形狀特征的要求下，在不斷實驗的過程中，本實施例選擇線性關于原點対稱的結構元素，更能突出不同負荷狀態情況下的電壓的形狀特征。結構元素長度的選擇結構元素長度在程序的處理中是以ー維數組的數組元素個數體現的。從處理結果可以明顯看出隨著結構元素長度的増加，波形變得更加平滑。但結構元素長度過長、又會損傷有效信號。在形態譜提取過程中，不斷増加結構元素的長度來提取形態譜曲線。本實施例得出，所取結構元素長度再1到80變化的過程中，灰度圖像的形狀和面積變化均不大，說明原圖像保持了很好的形狀特征，所以直線形結構元素的選擇是合適的。而當結構元素長度大于80以后，波形的譜線的值為零，說明此時結構元素長度的選取已經過大，不能有效反映波形的形狀了。結構元素幅度的選取為了取得較好的處理效果，結構元素的幅值比待處理的信號值要小一個數量級， 才能獲得較好的效果。形態譜的提取選取好結構元素后，對各種負荷狀態情況下電壓波形提取形態譜，提取程序總體流程如圖1所示，包括
開始；選取信號長度；在1-80區里，對信號進行膨脹或腐蝕；處理；得到形態譜值；結束。其中，％代表結構元素長度；η代表用結構元素對信號進行腐蝕運算；m代表對腐蝕后的信號再進行膨脹運算。本實施例將差異放大，更有利于以后區分。(3)將所述電網形態特性曲線輸入到神經網絡，判斷電網運行的負荷狀態；所采用的系統模型及參數如表一所示本實施例分別選取電網重負荷運行時期，輕負荷時期和負荷平衡時期的實測運行電壓波形的形態譜數據各300個，共900個數據樣本進行訓練。本實施例選用BP神經網絡作為負荷狀態判決器用于判斷電網負荷狀態。選擇了隱層數L = 1的網絡結構模型，優先考慮采用了具有單隱層結構的前饋網絡。輸入層為三種負荷狀態時電壓的形態譜的值，每條譜線上采集均勻分布的30個點，即是30x3共90個輸入節點，輸出層3個節點，對應于3種運行狀態。本實施例設當第一輸出節點為1，第二、 三輸出節點為0時表示電網重負荷運行；設當第二輸出節點為1，第一、三輸出節點為0時表示電網負荷平衡運行；設當第三輸出節點為1，第一、ニ輸出節點為0時表示電網輕負荷運行。表1.樣本輸出設置表
權利要求
1.一種電動汽車只能充放電控制方法，其特征在干，所述方法包括如下步驟(1)采集電網電壓波形；(2)對所述電網電壓波形進行數學形態學變換，提取對應電網形態特性曲線；(3)將所述電網形態特性曲線輸入到神經網絡，判斷電網運行的負荷狀態；(4)利用所述電網負荷狀態信息，結合峰谷階梯電價和用戶的充電需求制定充放電控制策略。
2.如權利要求1所述的控制方法，其特征在干，步驟(1)通過電壓互感器采集電カ系統電壓。
3.如權利要求1所述的控制方法，其特征在干，步驟(2)所述提取對應電網形態特性曲線包括如下步驟A.定義形態譜；B.選取結構元素；C.選擇所述結構元素的長度；D.選擇所述結構元素的幅度；Ε.提取形態譜。
4.如權利要求1所述的控制方法，其特征在干，步驟(3)包括如下步驟1)選取電網運行狀態；2)根據運行狀態選取對應的形態譜數據；3)選取負荷狀態神經網絡判決器；4)將所述形態譜數據傳給所述負荷狀態判決器判斷電網運行的負荷狀態；所述負荷狀態包括電網重負荷運行、電網負荷平衡運行和電網輕負荷運行狀態。
5.如權利要求1所述的控制方法，其特征在干，步驟(4)所述充放電控制策略包括如下步驟所述電網重負荷運行時，提高充電電價，以降低電動汽車用戶充電的數量或鼓勵電動汽車用戶將電能回饋電網；電網負荷平衡運行吋，電動汽車按需求充電。電網輕負荷運行狀態時，降低電價，以鼓勵電動汽車用戶進行充電。
6.如權利要求2所述的控制方法，其特征在干，所述電壓互感器之前設有濾波電路，電 カ系統電壓通過濾波電路濾波后傳給所述電壓互感器進行采集。
全文摘要
本發明公開了一種電動汽車智能充放電控制方法，包括采集電網電壓波形；對所述電網電壓波形進行數學形態學變換，提取對應電網形態特性曲線；將所述電網形態特性曲線輸入到神經網絡，判斷電網運行的負荷狀態；利用所述電網負荷狀態信息，結合峰谷階梯電價和用戶的充電需求制定充放電控制策略。本發明通過電動汽車與智能電網的融合，提高了電動汽車用戶充電的經濟性和便利性；并可通過電動汽車充電的智能管理，提高電網運行效率，并且本發明對科學合理地規劃充電設施和配電網建設，減少規模化電動汽車充電引起的配電網改造建設投資，提高設施利用率，改善充電設施建設的經濟性有重要意義。
文檔編號H02J7/02GK102570490SQ20121000303
公開日2012年7月11日 申請日期2012年1月6日 優先權日2012年1月6日
發明者嚴輝, 崔宇, 李曉強, 李武峰, 謝添卉 申請人:中國電力科學研究院