CN116424108B - 智能电动汽车电能规划装置及方法 - Google Patents

Abstract

本发明公开了一种智能电动汽车电能规划装置及方法，装置包括：工况获取模块、优化调度模块、数据控制模块、语音模块、GPS模块和视觉模块，工况获取模块用于获取电动汽车的实时电池工况；优化调度模块用于通过多目标人工蜂鸟优化算法寻找出电动汽车处于当前电池工况时的最高车速以及最佳电池容量配置；数据控制模块用于控制电动汽车车速达到最高车速，并将电池设置为最佳电池容量配置；语音模块用于进行语音播报；GPS模块用于在电动汽车运行时，对电动汽车进行导航；视觉模块用于实时显示路径、车速和工况。本发明可实现工况的实时最佳车速匹配和最佳电池容量配置。

Description

智能电动汽车电能规划装置及方法

技术领域

本发明涉及电池管理技术，尤其涉及一种智能电动汽车电能规划装置及方法。

背景技术

随着科技与时代的发展，越来越多的人们选择新能源电动车。在进入新世纪以来，新能源汽车技术发展的速度不断加快。BMS是新能源汽车动力电池系统的核心部件之一，相比于传统消费类锂电池，新能源汽车动力电池无论是结构的复杂度、所搭载电池的单体个数，还是整体对于安全性能的要求，都使得BMS的重要性尤为突出。但是目前市场上的新能源电动汽车在城市及郊区路况中，当电动汽车处在最佳工况时其最高行驶速度为80Km/h，当电动汽车遇到不好路段时，降低到车速为50Km/h至60Km/h之间。因此，现有技术匹配电池最佳工况时的车速较低，无法实现最佳工况时的最高车速匹配。

发明内容

发明目的：本发明针对现有技术存在的问题，提供一种可实现最佳工况时的最高车速匹配的智能电动汽车电能规划装置及方法。

技术方案：本发明所述的智能电动汽车电能规划装置包括：

工况获取模块，用于获取电动汽车的实时电池工况；

优化调度模块，用于通过多目标人工蜂鸟优化算法寻找出电动汽车处于当前电池工况时的最高车速以及最佳电池容量配置；

数据控制模块，用于根据优化调度模块的输出，控制电动汽车车速达到最高车速，并将电池设置为最佳电池容量配置；

语音模块，用于在电动汽车达到最高车速且电池达到最佳电池容量配置时，进行语音播报；

GPS模块，用于在电动汽车运行时，对电动汽车进行导航，寻找到起点和终点之间的最短路径，指导电动汽车行驶；

视觉模块，用于实时显示路径、车速和工况。

进一步的，所述电池工况具体为电池电压、SOC、SOH的情况。

进一步的，所述优化调度模块针对多目标人工蜂鸟优化算法设置的优化目标函数为：

约束条件:

其中，f(x)为优化目标函数，n表示电池维护工程中的成本种类数目，C_i表示第i种成本，V表示行驶速度，ilb表示评价周期内失效的电池单体数量，lb表示电储能单元电池单体总数，λ₁、λ₂、λ₃，k₁，k₂为权重；U、SOC、SOH分别表示电池的电压、SOC、SOH值，V_min和V_max分别表示道路允许的最低时速与最高时速，C_max为投入的最大成本，优化目标函数求解到的V的最优值即为最高车速，ilb的最优值即为最佳电池容量配置。

进一步的，所述多目标人工蜂鸟优化算法中生成蜂鸟新位置所采用的比例因子α为：

式中，α₀为初始比例因子，分别表示在t次迭代时的位置和全局最佳位置，t表示迭代次数，t_max表示最大迭代次数。

进一步的，所述视觉模块具体为显示屏。

本发明所述的智能电动汽车电能规划方法包括：

获取电动汽车的实时电池工况；

通过多目标人工蜂鸟优化算法寻找出电动汽车处于当前电池工况时的最高车速以及最佳电池容量配置；

根据优化调度模块的输出，控制电动汽车车速达到最高车速，并将电池设置为最佳电池容量配置；

在电动汽车达到最高车速且电池达到最佳电池容量配置时，进行语音播报；

在电动汽车运行时，对电动汽车进行导航，寻找到起点和终点之间的最短路径，指导电动汽车行驶；

实时显示路径、车速和工况。

进一步的，所述电池工况具体为电池电压、SOC、SOH的情况。

进一步的，所述优化调度模块针对多目标人工蜂鸟优化算法设置的优化目标函数为：

约束条件:

其中，f(x)为优化目标函数，n表示电池维护工程中的成本种类数目，C_i表示第i种成本，V表示行驶速度，ilb表示评价周期内失效的电池单体数量，lb表示电储能单元电池单体总数，λ₁、λ₂、λ₃，k₁，k₂为权重；U、SOC、SOH分别表示电池的电压、SOC、SOH值，V_min和V_max分别表示道路允许的最低时速与最高时速，C_max为投入的最大成本，优化目标函数求解到的V的最优值即为最高车速，ilb的最优值即为最佳电池容量配置。

进一步的，所述多目标人工蜂鸟优化算法中生成蜂鸟新位置所采用的比例因子α为：

式中，α₀为初始比例因子，分别表示在t次迭代时的位置和全局最佳位置，t表示迭代次数，t_max表示最大迭代次数。

进一步的，所述视觉模块具体为显示屏。

有益效果：本发明与现有技术相比，其显著优点是：本发明通过电池自身的电压、SOC、SOH匹配最高车速和最佳电池容量配置，可让电动汽车处于各种工况下行驶速度达到最优，能够使得电动汽车在高速公路上处在最佳电池工况时处于最高速度。

附图说明

图1为本发明提供的电动汽车电能规划装置的结构框架图；

图2为本发明的电池寿命对比图；

图3为使用本发明开车使用里程对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一

本实施例提供了一种电动汽车电能规划装置，如图1所示，包括：

工况获取模块，用于获取电动汽车的实时电池工况，具体为电池电压、SOC、SOH的情况；

优化调度模块，用于通过多目标人工蜂鸟优化算法寻找出电动汽车处于当前电池工况时的最高车速以及最佳电池容量配置；

数据控制模块，用于根据优化调度模块的输出，控制电动汽车车速达到最高车速，并将电池设置为最佳电池容量配置；

语音模块，用于在电动汽车达到最高车速且电池达到最佳电池容量配置时，进行语音播报；

GPS模块，用于在电动汽车运行时，对电动汽车进行导航，寻找到起点和终点之间的最短路径，指导电动汽车行驶；

视觉模块，用于实时显示路径、车速和工况，具体为显示屏。

其中，所述优化调度模块针对多目标人工蜂鸟优化算法设置的优化目标函数为：

约束条件:

其中，f(x)为优化目标函数，n表示电池维护工程中的成本种类数目，C_i表示第i种成本，V表示行驶速度，ilb表示评价周期内失效的电池单体数量，lb表示电储能单元电池单体总数，λ₁、λ₂、λ₃，k₁，k₂为权重；U、SOC、SOH分别表示电池的电压、SOC、SOH值，V_min和V_max分别表示道路允许的最低时速与最高时速，C_max为投入的最大成本，优化目标函数求解到的V的最优值即为最高车速，ilb的最优值即为最佳电池容量配置。

多目标人工蜂鸟优化算法求解的方法为：将C_i,V,或ilb中每一变量分别作为蜂鸟P_i，计算最优位置，该最优位置即为对应变量最优值，计算方法具体包括：

S1、初始化

多目标人工蜂鸟优化算法HOA的初始化通过下列公式完成:

P_i＝ub-rand·(ub-lb)

其中，P_i是蜂鸟在种群中的位置(i∈{1，2，…，N}，N是种群规模)；ub和lb分别表示搜索空间中变量的上界和下界，即约束条件中的上下界；rand是介于0到1的随机数。

S2、设置迭代次数t＝1；

S3、自搜索阶段

如果则采用以下公式获得蜂鸟新位置：

其中，和/>分别表示在t和t-1次迭代时的位置。如果/>得到更好的适应值，则接受该位置，否则保持不变。

如果则采用以下公式获得蜂鸟新位置：

α和Levy(β)如下所示：

其中，α是比例因子，表示点对点乘法，/>表示全局最佳位置，μ和ν分别满足正态分布/>和/>并且σ_v＝1，这里的Γ(z)表示伽马函数；β＝1.5。

S4、引导搜索阶段

在这一阶段，蜂鸟通过占领行为在环境中搜索。目前占领该领土的HOA中最好的个体被称为领导鸟，其他个体被称为跟随鸟，区域的位置与当前最佳个体的位置相同。占领领土后，领导鸟不停地在其领土周围巡逻。该过程可描述如下：

P^T,t+1＝P^T,t+r_d·λ

其中，P^T,t是在第t次迭代时的领导鸟位置，r_d是介于-1和1之间的随机值，可以调整个体的搜索方向；λ是一个比例因子，使领地鸟在其当前位置周围轻微移动，此处，λ＝0.1(ub-lb)。如果P^T,t+1的适应值更优，将取代P^T,t。该方法可以帮助最优个体跳出局部最优，从而避免算法进化的停滞。与领导鸟不同，跟随鸟的运动分为两种状态。

状态1：领导鸟找不到正在接近的跟随鸟，此时跟随鸟将移动到领导鸟，位置更新如下：

其中，是第j只跟随鸟的位置；MF＝round[1+rand{2-1}]是一种突变因子，可以决定是否改变跟随鸟的位置，该因子的值为1或2，这也是一个启发式步骤，以相同的概率随机选择。随着种群在搜索空间中逐渐收敛，/>将接近P^T,t。在迭代的后期，假设/>上式可以转化为一下形式：

上式中，当MF＝1时，将始终是/>同时上式表明总体仍然是探索性的，并且允许远离空间收敛解进行探索。基于以上分析，MF能有效平衡算法的局部搜索能力和全局搜索能力。

状态2：如果被选中的个体有一个更好的位置，其他跟随鸟就会飞向它。但是，如果所选个体的位置更差，则远离该个体。该过程由以下公式描述：

其中，j,k∈{1,2,…,N-1},j≠k。

按照下式计算领土鸟类发现下列鸟类的概率PF^t，判断PF^t是否大于等于rand,若是，执行状态1，否则执行状态2；

其中，PF^t表示领导鸟类发现跟随鸟的概率。表示/>的适应度值，表示/>位置的跟随鸟在所有跟随鸟个体中的排名，PF^t强调个体越优秀，其值越高。

S5、判断迭代次数是否达到预设值，如果没有，将t＝t+1,返回执行S3，如果达到，则停止迭代，将此时的蜂鸟位置作为最优值输出。

实施例二

本实施例提供了一种智能电动汽车电能规划方法，包括：

(1)获取电动汽车的实时电池工况；所述电池工况具体为电池电压、SOC、SOH的情况；

(2)通过多目标人工蜂鸟优化算法寻找出电动汽车处于当前电池工况时的最高车速以及最佳电池容量配置；所述优化调度模块针对多目标人工蜂鸟优化算法设置的优化目标函数为：

约束条件:

其中，f(x)为优化目标函数，n表示电池维护工程中的成本种类数目，C_i表示第i种成本，V表示行驶速度，ilb表示评价周期内失效的电池单体数量，lb表示电储能单元电池单体总数，λ₁、λ₂、λ₃，k₁，k₂为权重；U、SOC、SOH分别表示电池的电压、SOC、SOH值，V_min和V_max分别表示道路允许的最低时速与最高时速，C_max为投入的最大成本，优化目标函数求解到的V的最优值即为最高车速，ilb的最优值即为最佳电池容量配置。所述多目标人工蜂鸟优化算法中生成蜂鸟新位置所采用的比例因子α为：

式中，α₀为初始比例因子，分别表示在t次迭代时的位置和全局最佳位置，t表示迭代次数，t_max表示最大迭代次数。

(3)根据优化调度模块的输出，控制电动汽车车速达到最高车速，并将电池设置为最佳电池容量配置；

(4)在电动汽车达到最高车速且电池达到最佳电池容量配置时，进行语音播报；

(5)在电动汽车运行时，对电动汽车进行导航，寻找到起点和终点之间的最短路径，指导电动汽车行驶；

(6)实时显示路径、车速和工况，具体为显示屏。

本实施例与实施例一对应，未详尽之处参照实施例一。

以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (6)

1.一种智能电动汽车电能规划装置，其特征在于，该装置包括：

工况获取模块，用于获取电动汽车的实时电池工况；

优化调度模块，用于通过多目标人工蜂鸟优化算法寻找出电动汽车处于当前电池工况时的最高车速以及最佳电池容量配置；该模块针对多目标人工蜂鸟优化算法设置的优化目标函数为：

约束条件:

其中，f(x)为优化目标函数，n表示电池维护工程中的成本种类数目，C_i表示第i种成本，V表示行驶速度，ilb表示评价周期内失效的电池单体数量，lb表示电储能单元电池单体总数，λ₁、λ₂、λ₃，k₁，k₂为权重；U、SOC、SOH分别表示电池的电压、SOC、SOH值，V_min和V_max分别表示道路允许的最低时速与最高时速，C_max为投入的最大成本，优化目标函数求解到的V的最优值即为最高车速，ilb的最优值即为最佳电池容量配置；

所述多目标人工蜂鸟优化算法中生成蜂鸟新位置所采用的比例因子α为：

式中，α₀为初始比例因子，P_i ^t、分别表示在t次迭代时的位置和全局最佳位置，t表示迭代次数，t_max表示最大迭代次数；

在引导搜索阶段，根据如下公式获取领导鸟位置：

P^T,t+1＝P^T,t+r_d·λ

其中，P^T,t是在第t次迭代时的领导鸟位置，r_d是介于-1和1之间的随机值，用于调整个体的搜索方向；λ是一个比例因子，使领地鸟在其当前位置周围轻微移动，此处，λ＝0.1(ub-lb)，ub和lb分别表示搜索空间中变量的上界和下界，如果P^T,t+1的适应值更优，将取代P^T,t；

数据控制模块，用于根据优化调度模块的输出，控制电动汽车车速达到最高车速，并将电池设置为最佳电池容量配置；

语音模块，用于在电动汽车达到最高车速且电池达到最佳电池容量配置时，进行语音播报；

GPS模块，用于在电动汽车运行时，对电动汽车进行导航，寻找到起点和终点之间的最短路径，指导电动汽车行驶；

视觉模块，用于实时显示路径、车速和工况。

2.根据权利要求1所述的智能电动汽车电能规划装置，其特征在于：所述电池工况具体为电池电压、SOC、SOH的情况。

3.根据权利要求1所述的智能电动汽车电能规划装置，其特征在于：所述视觉模块具体为显示屏。

4.一种智能电动汽车电能规划方法，其特征在于，该方法包括：

获取电动汽车的实时电池工况；

通过多目标人工蜂鸟优化算法寻找出电动汽车处于当前电池工况时的最高车速以及最佳电池容量配置；针对多目标人工蜂鸟优化算法设置的优化目标函数为：

约束条件:

其中，f(x)为优化目标函数，n表示电池维护工程中的成本种类数目，C_i表示第i种成本，V表示行驶速度，ilb表示评价周期内失效的电池单体数量，lb表示电储能单元电池单体总数，λ₁、λ₂、λ₃，k₁，k₂为权重；U、SOC、SOH分别表示电池的电压、SOC、SOH值，V_min和V_max分别表示道路允许的最低时速与最高时速，C_max为投入的最大成本，优化目标函数求解到的V的最优值即为最高车速，ilb的最优值即为最佳电池容量配置；

所述多目标人工蜂鸟优化算法中生成蜂鸟新位置所采用的比例因子α为：

式中，α₀为初始比例因子，P_i ^t、分别表示在t次迭代时的位置和全局最佳位置，t表示迭代次数，t_max表示最大迭代次数；

在引导搜索阶段，根据如下公式获取领导鸟位置：

P^T,t+1＝P^T,t+r_d·λ

其中，P^T,t是在第t次迭代时的领导鸟位置，r_d是介于-1和1之间的随机值，用于调整个体的搜索方向；λ是一个比例因子，使领地鸟在其当前位置周围轻微移动，此处，λ＝0.1(ub-lb)，ub和lb分别表示搜索空间中变量的上界和下界，如果P^T,t+1的适应值更优，将取代P^T,t；

根据优化调度模块的输出，控制电动汽车车速达到最高车速，并将电池设置为最佳电池容量配置；

在电动汽车达到最高车速且电池达到最佳电池容量配置时，进行语音播报；

在电动汽车运行时，对电动汽车进行导航，寻找到起点和终点之间的最短路径，指导电动汽车行驶；

实时显示路径、车速和工况。

5.根据权利要求4所述的智能电动汽车电能规划方法，其特征在于：所述电池工况具体为电池电压、SOC、SOH的情况。

6.根据权利要求4所述的智能电动汽车电能规划方法，其特征在于：所述显示路径、车速和工况通过显示屏显示。