[发明专利]一种电动汽车充电功率控制方法及控制装置

说明书

技术领域

本发明属于交通控制领域，具体涉及一种电动汽车充电功率控制方法及控制装置。

背景技术

随着经济和科技的发展，世界各国都在大力发展电动汽车，电动汽车将进入全面大发展时期。然而，随着电动汽车的快速增长，充电成为最为棘手的问题。由于电池的材料与性能不同，充电方法也不相同，在不同的剩余电量或温度条件下，充电功率也不相同。经过研究发现，电池在充电过程中存在一条最优的充电曲线。但目前的充电方式大多为恒功率或者简单切换充电功率方式来充电，充电效率有待进一步提高。

发明内容

发明目的：针对现有的电动汽车充电效率不高的问题，本发明提供了一种电动汽车充电功率控制方法及控制装置，采用该控制方法，可以根据电池的状态参数，控制最佳充电功率，能够实现高效、快速的充电。

技术方案：本发明一方面公开了一种电动汽车充电功率控制方法，包括如下步骤：

(1)获取电动汽车动力电池的电池容量Cap；

(2)采集电动汽车动力电池在充电过程中的剩余电量SOC和电池温度T，设采集的数据为P组；

(3)以电池容量Cap、剩余电量SOC和电池温度T作为输入节点构建输出节点数为1的RBF神经网络，根据P组输入样本，训练所述RBF神经网络；

(4)计算RBF神经网络的输出，即为充电桩的充电功率控制信号。

构建的RBF神经网络结构为：输入层节点数为3，隐含层节点数为h，输出节点数为1；激活函数为：输入X＝[SOC,Cap,T]^T，输出其中ω_i为RBF神经网络中隐含层到输出层的连接权值，X_p为采集的第p组输入样本,c_i为高斯函数的中心，σ_i为高斯函数的方差，||·||²为欧式范数运算符，i＝1,2,3,…,h，p＝1,2,…,P。

高斯函数的中心c_i的计算步骤为：

(2.1)随机选取h个输入样本作为初始聚类中心c_i，i＝1,2,3,…,h；

(2.2)将P组输入样本按最近邻规则分组：对于每一组输入样本X_p，计算X_p与每一个聚类中心c_i之间的欧式距离，将X_p加入到其中欧式距离最小的聚类集合Γ_i中，i＝1,2,3,…,h，p＝1,2,…,P；

(2.3)重新调整聚类中心，计算各个聚类集合Γ_i中输入样本平均值作为新的聚类中心c_i′，如果新的聚类中心c_i′与上一次迭代的聚类中心c_i欧式距离满足

ci-ci′||2<ε，ci即为RBF神经网络最终的径向基函数中心，否则更新c_i＝c_i′，返回(2.2)，进行下一轮的聚类中心的迭代求解，||·||²为欧式范数运算符，ε为表征运算精度的正实数。

高斯函数的方差σ_i的计算式为：其中c_max为高斯函数的中心c_i的最大值。

RBF神经网络中隐含层到输出层的连接权值ω_i的计算式为：

其中c_max为高斯函数的中心c_i的最大值，i＝1,2,3,…,h，p＝1,2,…,P。

本发明另一方面公开了一种种电动汽车充电功率控制装置，包括位于电动汽车侧的数据采集装置和位于充电桩侧的计算控制装置；

所述数据采集装置包括检测传感器(1)、温度传感器(2)、信号采集模块(3)和无线发射器(4)；所述检测传感器(1)安装在电动汽车动力电池的电源端口，采集动力电池的SOC信号，所述温度传感器(2)安装在动力电池内部，采集电池内部温度值，检测传感器(1)和温度传感器(2)均与信号采集模块(3)连接，所述信号采集模块(3)上设置有电池容量设置模块(5)，信号采集模块(3)将SOC信号、温度值和电池容量传输至信号采集模块(3)，通过无线发射器(4)发送至充电桩侧的计算控制装置；