欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2023105229798
申请人: 淮阴工学院
专利类型:发明专利
专利状态:已下证
专利领域: 一般车辆
更新日期:2024-10-29
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种电动汽车用自适应智能快充充电装置,其特征在于,包括电网、AC/DC变换器、充电桩、数据测量模块、充电策略模块、混合储能模块;

所述电网与所述AC/DC变换器连接并以直流电的形式输入充电桩;所述充电桩的充电头与电动汽车的充电口相连;所述数据测量模块测量电动汽车中电池的电流、电压、SOC、温度T’数据;所述充电策略模块设置于所述充电桩和电动汽车的电池之间,包括并联设置的智能自适应充电模块、恒压充电模块,当充电状态即SOC到达80%时,充电状态由智能自适应充电模块切换至恒压充电模块进行充电;所述智能自适应充电模块基于数据测量模块所测得的瞬间电流、瞬间电压、充电电流、充电电压,以最优充电功率为目标,利用IHHO算法进行自适应快充充电,所述IHHO算法对HHO算法利用柯西分布函数增加哈里斯鹰种群多样性;

所述恒压充电模块保持恒定充电电压进行充电;

当数据测量模块测得的SOC低于80%时,利用IHHO算法基于数据测量模块所测得的数据进行自适应快充充电,实现过程如下:

41)初始化参数,包括最大迭代次数T、种群个体数N、目标函数的维数D、初始值上下界lb、ub;

42)获取数据测量模块中的瞬间电流、瞬间电压、充电电流、充电电压,输入适应度函数,即目标函数,所述目标函数如下:其中,瞬间电流、瞬间电压是当电动汽车插头插入充电桩的1s时的瞬间电流、电压,记为u(1)、I(1);u(s)、I(s)为充电s时刻的电压、电流,F(s)表示最优功率值;

43)计算适应度值,计算每只鹰对应的最大功率作为该只鹰的适应度值,将适应度值最小的鹰作为当前目标位置,即猎物的位置;

44):计算猎物的逃逸能量E:根据逃逸能量的值来决定采用探索还是不同的开发策略,从而产生新的功率值:其中,E表示猎物逃跑的能量,T表示最大迭代次数,E0表示其能量的初始状态,用下式表示:E0=2*rand‑1

其中rand是区间(0,1)上的随机数;

45)判断逃逸能量E,根据逃逸能量提供对应的位置更新策略,当|E|≥1时,算法执行全局探索过程,用下式进行位置更新:其中X(t)和X(t+1)分别为当前鹰对应功率的位置和下一次迭代式时鹰对应功率的位置,t为当前迭代次数,Xrand(t)为随机选出的个体位置,Xrabbit(t)为猎物位置,ri为[0,1]之间的随机数,Xm(t)为个体平均位置,表示为:对该步骤产生的全局最优解进行柯西变异,公式如下:

X′(t+1)=X(t+1)+X(t+1)×Cauchy(0,1)当猎物逃逸能量|E|≤1时,算法执行局部开发行为;哈里斯鹰根据围捕中的随机数r和猎物能量E与0.5的大小比较形成四种围捕策略,Cauchy(0,1)为柯西变异因子;

46)将本次迭代功率值与原目标组合功率值进行比较,将适应度值小的组合作为本次迭代目标组合;

47)判断是否达到最大迭代次数,如果满足条件,返回步骤48),如果不满足,返回步骤

44)

48)输出最优的功率值,即目标函数的最优解;

所述混合储能模块集成在充电桩中,由蓄电池和超级电容耦合组成,当数据测量模块未检测到电池充电时,通过电网将电能储存在混合储能模块中,当充电桩进行充电时,混合储能模块和电网同时供电来应对高峰负载供应不足的情况。

2.根据权利要求1所述的电动汽车用自适应智能快充充电装置,其特征在于,所述充电策略模块还包括保护控制模块,所述保护控制模块还包括过欠压保护器、温度感应报警器,当数据测量模块所测得的充电电压超过或低于预设值时,所述保护控制模块动作并切换至恒压充电模块保持恒压充电;所述温度感应报警器实时监测充电桩的充电线与电动汽车的充电口的温度,当温度超过预设值,发出报警并断开其连接状态。

3.根据权利要求1所述的电动汽车用自适应智能快充充电装置,其特征在于,对逃逸能量E进行改进,引入非线性动态自适应权重因子w,表达式如下:E=2E0ω(1‑t/T)

其中,ωc、ωz为权重初值、权重终值,δ为[0,1]之间的随机数。

4.根据权利要求1所述的电动汽车用自适应智能快充充电装置,其特征在于,所述45)中的四种围捕策略具体为:策略1:软围捕,当0.5≤|E|<1、r≥0.5时,此时猎物具有充沛的逃逸能量E,鹰群执行软围捕策略,鹰对应的功率位置位置更新公式为:X(t+1)=ΔX(t)‑E|JXrabbit(t)‑X(t)|ΔX(t)=Xrabbit(t)‑X(t)

ΔX(t)是迭代时哈里斯鹰与猎物的位置之差,J表示猎物逃脱围捕过程中的随机跳跃力量,用下式表示J=2(1‑r5)

策略2:硬围捕,当E<0.5、r≥0.5时,猎物的逃逸能量E较低,无充足能量逃脱,鹰群执行硬围捕策略,其鹰对应的功率位置更新公式为:X(t+1)=Xrabbit(t)‑E|ΔX(t)|

策略3:快速俯冲式软围捕,当0.5≤|E|<1、r<0.5时,其位置进行更新并与当前位置的适应度进行比较,若适应度没有得到改善说明围捕失败,则鹰群基于levy飞行随机游走,其鹰对应的功率位置更新公式为:其中,Y表示评估软围捕的下一步行动:

Y=Xrabbit(t)‑E|JXrabbit(t)‑X(t)|假设它们将根据基于莱维飞行的机制潜水,使用以下规则:

Z=Y+S×LF(D)

其中,D是问题的维数,S是大小为1×D的随机向量,LF是莱维飞行函数:策略4:快速俯冲式硬围捕,当E<0.5,r<0.5时,猎物没有足够的逃逸能力,鹰群执行快速俯冲式硬围捕策略,若快速俯冲失败则执行levy飞行随机游走,其功率位置更新公式为:其中,Y表示评估硬围捕的下一步行动: