[发明专利]一种基于蒙特卡洛方法的电动车智能充电优化方法和系统

说明书

本发明涉及一种基于蒙特卡洛方法的电动车智能充电优化方法和系统，包括：对所有的充电状况s设置一任意策略；对所有的充电状况s和行动a设置一任意初始化行动值函数值；将开始时刻的状态s₀和行动a₀带入初始化策略获得序列；根据上述序列获得i时刻状况s_i和行动a_i对应的G值；若状态s_t和行动a_t在序列中出现过，则记录其G值中，遍历所有待测状态和行动，获得所有在序列中出现过的状态和行动对应的G值；S6将所有的G值取平均值获得行动值函数值；重复上述步骤，选取不同的策略并获得与其对应的行动值函数值；其中行动值函数值最大时对应的策略为最优策略。其基于蒙特卡洛方法给出了电动车的最优充电方案，计算准确，效率高。

技术领域

本发明是关于一种基于蒙特卡洛方法的电动车智能充电优化方法和系统，属于车辆控制技术领域。

背景技术

随着智能电网和电动汽车的发展，越来越多的电动车融入智能网使得电网的负担增加。为了使得智能电网更加经济，有效和稳定，有必要将电动车的充电策略纳入需求侧管理。一般要求电网中的电动车在一段时间内的能耗为最小。因此如何给出电动车用电方案，包括如何充电、如何待命、如何用电是一项重要而有意义的任务。但目前对如何考虑电动车用电方案的能耗优化方法还比较少，而且现有的方法大部分是基于电动车的历史行程和历史轨迹进行计算，但是电动车作为交通工具在行驶过程中会遇到各种突发情况，根据历史行程获得的能耗优化方案不能很好的应对突发情况，具有明显的滞后性。

发明内容

针对上述现有技术的不足，本发明的目的是提供了一种基于蒙特卡洛方法的电动车智能充电优化方法和系统，基于随机模型建立了关于插电式混合动力车辆的能耗目标函数，然后基于蒙特卡洛方法给出了电动车的最优充电方案，计算准确，效率高，特别适用于随机性强的道路交通状况。

为实现上述目的，本发明提供了一种基于蒙特卡洛方法的电动车智能充电优化方法，包括以下步骤：S1对所有的电动车充电状况s设置一任意策略π(s)；S2将开始时刻的状态s₀和行动a₀带入初始化策略π(s)获得序列：s₀，a₀，R₁，…，s_T-1，a_T-1，R_T，R_i为i时刻能量的即时消耗；S3根据S2中的序列获得i时刻状况s_i和行动a_i对应的G值；S4若状态s_t和行动a_t在序列中出现过，则记录其G值中，遍历所有待测状态和行动，获得所有在序列中出现过的状态和行动对应的G值；S5将所有的G值取平均值获得行动值函数值Q(s,a)；S6重复步骤S1-S5，选取不同的策略π(s)并获得与其对应的行动值函数值Q(s,a)；其中行动值函数值Q(s,a)最大时对应的策略π(s)为最优策略。

进一步，步骤S2中能量的即时消耗的公式为：

其中，E_ch(SoC(t))表示[t,t+1]时间段内的充电桩充给电动车的电能，η是充电效率系数，g表示当能耗超过电池可用电能时候的油耗。

进一步，步骤S3中G值的计算公式：

G_t＝γG_t-1+R_t+1

其中，γ为折扣因子，为常数，G₀＝0。

进一步，步骤S5中行动值函数值Q(s,a)的计算公式：

其中，T为时间段[0,M]插入的T个等分点，E_π[]为采用策略π在时间段[0,M]中消耗的电能。