预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113928155A(43)申请公布日2022.01.14(21)申请号202111153068.X(22)申请日2021.09.29(71)申请人西安交通大学地址710049陕西省西安市咸宁西路28号(72)发明人张爱民王珊韩植李心怡郭绍堂(74)专利代理机构西安通大专利代理有限责任公司61200代理人陈翠兰(51)Int.Cl.B60L53/60(2019.01)B60L53/62(2019.01)B60L53/64(2019.01)H02J7/00(2006.01)权利要求书3页说明书8页附图3页(54)发明名称一种基于IEC61499的电动汽车有序充电控制系统的搭建方法(57)摘要本发明公开了一种基于IEC61499的电动汽车有序充电控制系统的搭建方法,采用4DIAC‑IDE分布式应用开发环境搭建包含电动汽车有序充电控制方法的有序充电控制功能块;将有序充电控制功能块放入有序充电控制库;在4DIAC‑IDE分布式应用开发环境下调用有序充电控制库,对有序充电控制库中的功能块编译生成电动汽车有序充电控制应用程序文件;在电动汽车充电桩控制器底层设备上运行基于IEC61499标准的Forte运行时环境,实现电动汽车有序充电控制应用程序文件对电动汽车充电桩控制器的有序充电控制;电动汽车充电桩控制器底层设备的驱动单元响应电动汽车有序充电控制任务,完成电动汽车有序充电控制系统搭建。本发明目的在于满足复杂工业控制越来越多的需求。CN113928155ACN113928155A权利要求书1/3页1.一种基于IEC61499的电动汽车有序充电控制系统的搭建方法,其特征在于,包括:采用4DIAC‑IDE分布式应用开发环境搭建包含电动汽车有序充电控制方法的有序充电控制功能块;将有序充电控制功能块放入有序充电控制库,所述有序充电控制库还包括基本功能块、通讯功能块、数字逻辑功能块和数学运算功能块;在4DIAC‑IDE分布式应用开发环境下调用有序充电控制库,对有序充电控制库中的功能块编译生成电动汽车有序充电控制应用程序文件;在电动汽车充电桩控制器底层设备上运行基于IEC61499标准的Forte运行时环境,实现电动汽车有序充电控制应用程序文件对电动汽车充电桩控制器的有序充电控制;电动汽车充电桩控制器底层设备的驱动单元响应电动汽车有序充电控制任务,完成电动汽车有序充电控制系统搭建,对多个电动汽车充电桩控制器的协同控制。2.根据权利要求1所述的一种基于IEC61499的电动汽车有序充电控制系统的搭建方法,其特征在于,所述搭建包含电动汽车有序充电控制方法的有序充电控制功能块,具体为:将电动汽车有序充电控制模型封装到所述有序充电控制功能块中,所述电动汽车有序充电控制模型包括计算模型和优化模型;所述计算模型如下:其中,F2=min[max(Plk')‑min(Plk')]Plk+Pk<PT式中,F为计算模型的总目标函数;F1为台区电网含电动汽车充电负荷的负荷波动方差;F2为台区电网含电动汽车充电负荷曲线的峰谷差;F3为电动汽车参与调度时的充电成本;0F1为台区电网不含电动汽车充电负荷的负荷波动方差,通过日前负荷预测得到;PT为变压0器的额定功率;F3为电动汽车未参与调度时的充电成本;α1为电网的负荷波动方差的权重系数,α2为电网负荷曲线峰谷差的权重系数,α3为电动汽车充电成本权重系数,且α1+α2+α3=1;Plk为台区电网不含电动汽车充电负荷的第k时段负荷;Pk为第k个时间段充电站的充电功2CN113928155A权利要求书2/3页率;Pav为不含电动汽车充电负荷的台区电网日平均负荷;max(Plk')为含电动汽车充电负荷的台区电网负荷峰值;min(Plk')为含电动汽车充电负荷的台区电网负荷谷值;xi为该充电桩第i个最小充电时间单元的工作状态,“1”表示工作,“0”表示不工作;Qi为第i最小充电时间单元的电网电价;Pc为充电桩的充电功率;Δt为最小充电时间单元的时间间隔大小;T为当前车辆充电的总共用时;Cn,end为第n辆电动汽车的预期充电结束时的电量;Cn,sart为第n辆电动汽车的开始充电时的电量;Cn,max为第n辆电动汽车的最大可容纳电量;所述优化模型如下:vid=ω*vid+c1*rand()*(pid‑xid)+c2*rand()*(pig‑xid)式中,vid为粒子群算法中第d组种群的第i维的速度矢量;ω为粒子群算法中的惯性权重系数;c1为粒子群算法中的认知学习因子;c2为粒子群算法中的社会学习因子;pid为第d组种群第i维的最优位置;xid为当前第d组种群第i维的粒子位置;pig为当前计算的最优解的第i维的粒子位置;s(vid)表示位置xid取1的概率;F(n)为