最优能效策略的确定方法以及充电系统与流程

摘要: 本技术涉及电动汽车充电设施领域,尤其涉及一种最优能效策略的确定方法以及充电系统。背景技术:1、目前,直流快充桩普遍采用内部多个功率模块并联运行的架构,以满足电动...
最优能效策略的确定方法以及充电系统与流程

本技术涉及电动汽车充电设施领域,尤其涉及一种最优能效策略的确定方法以及充电系统。

背景技术:

1、目前,直流快充桩普遍采用内部多个功率模块并联运行的架构,以满足电动汽车日益增长的大功率充电需求。在典型充电场景中,同一充电枪头下的多个功率模块按分组方式并联运行,控制器向同组所有模块下发统一的充电电流指令,各模块输出相同的电流值,共同完成对动力电池的充电。

2、在相关技术中,这种统一电流分配的控制方案在实际落地中存在以下问题:首先,各功率模块由于器件离散性、制造公差等因素,效率曲线存在细微差异,最佳效率点对应的电流值各不相同,统一电流值强制所有模块在同一电流点工作,无法各自达到最优效率,导致综合充电效率存在明显的损失;其次,功率模块的效率曲线随温度变化和器件老化发生偏移,固定电流分配策略无法适应这种动态变化,高温环境下效率最优电流点可能发生偏移,而现有技术基于当前状态被动调整电流分配,当温度升高或效率下降已经发生后再进行响应调整,存在一定效率损失窗口期;再次,统一电流输出导致老化程度较高的模块承受与全新模块相同的负载,加速其性能衰减,造成模块间健康状态差异逐渐扩大,部分模块提前失效,而现有控制逻辑采用固定规则或静态效率曲线,不具备前瞻预测能力和在线学习能力,无法从历史运行数据中提取效率变化规律进行优化。

3、因此,如何使各功率模块在器件离散性、环境变化和老化差异条件下均运行于各自最优效率点,同时实现寿命均衡与前瞻响应,是亟需解决的技术问题。

技术实现思路

1、本技术的主要目的在于提供一种最优能效策略的确定方法以及充电系统,以使各功率模块在器件离散性、环境变化和老化差异条件下均运行于各自最优效率点,同时实现寿命均衡与前瞻响应。

2、为实现上述目的,本技术提供一种最优能效策略的确定方法,应用于充电系统,所述充电系统包括至少两个功率模块和至少一个充电接口,各所述功率模块之间通过可控开关连接;所述方法包括:

3、获取各目标模块的运行参数,所述运行参数包括各所述目标模块的电气参数和热力学参数;

4、根据所述运行参数,分析得到各所述目标模块的效率曲线参数;

5、根据历史效率曲线参数,预测各所述目标模块未来的效率曲线参数变化趋势,并评估预测结果的置信度;

6、根据所述置信度确定各所述目标模块对应的目标控制模式;

7、在所述目标控制模式下,根据所述效率曲线参数变化趋势构建以效率最大化和寿命均衡化为目标的多目标优化模型,通过所述多目标优化模型求解各所述目标模块的最优工作参数分配方案。

8、可选地,所述获取各目标模块的运行参数,包括:

9、通过各目标模块配置的采集单元采集各所述目标模块的输入端电压、输入端电流、输出端电压、输出端电流以及温度,生成原始数据;

10、对所述原始数据进行预处理,生成预处理后的运行参数,所述预处理后的运行参数用于分析各所述目标模块的效率曲线参数。

11、可选地,所述根据所述运行参数,分析得到各所述目标模块的效率曲线参数,包括:

12、构建各所述目标模块的效率曲线模型,所述效率曲线模型用于表征所述目标模块的输出工作参数与效率之间的对应关系;

13、根据所述运行参数,采用参数辨识算法对所述效率曲线模型的参数进行在线更新;

14、根据更新后的所述效率曲线模型的参数确定各所述目标模块当前的最优效率点,获取各所述目标模块在所述最优效率点对应的实际效率值;

15、根据各所述目标模块当前的所述实际效率值与各自对应的基准效率值之间的差异,得到各所述目标模块的效率曲线参数。

16、可选地,所述构建各所述目标模块的效率曲线模型,还包括:

17、获取各所述目标模块的当前环境参数和累计运行时长;

18、根据所述当前环境参数计算环境敏感因子值,根据所述累计运行时长计算时长衰减因子值;

19、利用所述环境敏感因子值和所述时长衰减因子值对所述效率曲线模型的参数进行修正。

20、可选地,所述根据历史效率曲线参数,预测各所述目标模块未来的效率曲线参数变化趋势,并评估预测结果的置信度,包括:

21、将过去预设时间段内各所述目标模块的效率曲线参数、环境参数和工作状态参数组合为各所述目标模块的输入序列;

22、将各所述目标模块对应的所述输入序列分别输入时序预测网络进行前向传播,生成各所述目标模块未来预设步数的预测效率曲线参数;

23、在所述时序预测网络的推理阶段启用随机失活机制,对所述时序预测网络执行多次随机前向传播,获得各所述目标模块对应的多个效率曲线参数预测样本;

24、计算各所述目标模块对应的所述多个效率曲线参数预测样本的离散程度,根据所述离散程度与预设基准离散程度的比较结果生成所述预测结果的置信度。

25、可选地,所述根据所述置信度确定各所述目标模块对应的目标控制模式,包括:

26、当所述置信度大于等于第一预设阈值时,将第一控制模式确定为所述目标控制模式;

27、当所述置信度小于第一预设阈值且大于等于第二预设阈值时,将第二控制模式确定为所述目标控制模式;

28、当所述置信度小于第二预设阈值时,将第三控制模式确定为所述目标控制模式。

29、可选地,所述在所述目标控制模式下,根据所述效率曲线参数变化趋势构建以效率最大化和寿命均衡化为目标的多目标优化模型,通过所述多目标优化模型求解各所述目标模块的最优工作参数分配方案,包括:

30、确定所述多目标优化模型的决策变量为各所述目标模块的工作参数;

31、根据所述目标控制模式确定所述效率曲线参数的来源,将所述来源提供的所述效率曲线参数代入各所述目标模块的效率曲线模型,计算各所述目标模块在不同工作参数下的效率值;

32、根据各所述目标模块的所述效率值构建第一优化目标函数,所述第一优化目标函数用于表征各所述目标模块的综合效率最大化;

33、获取各所述目标模块的健康状态指标,根据各所述目标模块的所述健康状态指标构建第二优化目标函数,所述第二优化目标函数用于表征各所述目标模块的寿命均衡化;

34、根据各所述目标模块健康状态指标中的最小值自适应调节所述第一优化目标函数和所述第二优化目标函数的权重系数;

35、根据所述第一优化目标函数、所述第二优化目标函数以及各自对应的所述权重系数构建所述多目标优化模型;

36、设置所述多目标优化模型的约束条件,所述约束条件包括总输出需求的等式约束以及各所述目标模块工作参数的上下限约束;

37、通过优化求解算法对所述多目标优化模型进行求解,生成各所述目标模块的最优差异化工作参数分配方案。

38、可选地,所述根据所述目标控制模式确定所述效率曲线参数的来源,将所述来源提供的效率曲线参数代入各所述目标模块的效率曲线模型,包括:

39、当所述目标控制模式为所述第一控制模式时,将所述时序预测网络输出的所述预测效率曲线参数作为所述效率曲线模型的参数,代入所述效率曲线模型;

40、当所述目标控制模式为所述第二控制模式时,将所述预测效率曲线参数与当前分析得到的效率曲线参数进行加权融合,将融合结果作为所述效率曲线模型的参数,代入所述效率曲线模型;

41、当所述目标控制模式为所述第三控制模式时,将当前分析得到的效率曲线参数作为所述效率曲线模型的参数,代入所述效率曲线模型。

42、可选地,所述通过所述多目标优化模型求解所述目标模块的最优工作参数分配方案之后,还包括:

43、将所述最优工作参数分配方案对应的控制指令下发至各所述目标模块执行;

44、获取各所述目标模块执行所述控制指令后的运行参数,根据所述运行参数重新分析得到新的所述效率曲线参数;

45、将所述新的所述效率曲线参数存入训练数据集;

46、当所述训练数据集中累积的训练样本数量达到预设条件时,触发时序预测网络的增量训练,采用滑动窗口保留最近预设时间段的训练样本以更新所述时序预测网络的参数;

47、将所述时序预测网络增量训练后输出的预测效率曲线参数作为所述参数辨识算法的初始值,所述参数辨识算法用于对所述效率曲线模型的参数进行在线更新;

48、按照预设控制周期重复执行完整控制循环,形成滚动优化闭环。

49、此外,为实现上述目的,本技术还提供了一种充电系统,包括至少两个功率模块、至少一个充电接口、功率分配装置以及主控制器;

50、所述主控制器分别与各所述功率模块、各所述充电接口以及所述功率分配装置连接,所述主控制器用于执行如上述任一种的最优能效策略的确定方法;

51、所述功率分配装置分别与各所述功率模块和各所述充电接口连接。

52、本技术实施例提出的一种最优能效策略的确定方法以及充电系统,通过获取各目标模块的运行参数并分析效率曲线参数,能够精准辨识不同模块由于器件离散性导致的效率特性差异;在此基础上,结合历史数据预测效率曲线参数的变化趋势并评估置信度,根据置信度动态选择控制模式,从而在预测可靠时采用前瞻性分配策略、在预测不可靠时自动切换至安全模式。由此,各目标模块能够按照与自身效率特性匹配的工作参数运行,综合充电效率获得显著提升,有效解决了统一电流分配导致各模块无法运行于各自最优效率点的效率瓶颈问题;同时,老化的目标模块自动降低工作参数、健康的目标模块承接转移负载,使各模块的健康状态差异得以控制,有效解决了老化模块与健康模块承受相同负载导致寿命不均衡、部分模块提前失效的问题;此外,通过预测效率曲线参数随温度和老化等因素的未来变化趋势提前调整工作参数分配,大幅缩短了效率损失窗口期,解决了静态策略无法适应动态变化、基于当前状态被动调整所导致的响应滞后问题。