(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211181188.5 (22)申请日 2022.09.27 (71)申请人 杭州市新能源 汽车服务有限公司 地址 310012 浙江省杭州市西湖区古翠路 78号 (72)发明人 戚佳金　戴咏夏　宋书轩　尹宏源　 石磊　丁妞妞　蔡明艳　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 专利代理师 杜娟 (51)Int.Cl. B60L 53/62(2019.01) B60L 53/63(2019.01) B60L 53/64(2019.01) G06N 3/12(2006.01)G06Q 10/06(2012.01) (54)发明名称 一种基于遗传学算法的电动公交车充换电 站充换电方法 (57)摘要 本发明公开了一种基于遗传学算法的电动 公交车充换电站充换电方法， 应用于电动公交车 充放电优化技术领域， 包括： 预设优化控制时段， 构建包括 以车辆充放电完成后电量最多及考虑 电池退化成本的车辆充放电成本最低的多目标 优化函数； 设置谷时段充放电优化控制系数； 利 用遗传学算法初始化随机产生种群， 求解峰时段 和平时段的充放电优化控制系数， 并根据电池容 量约束修正充放电优化控制系数， 带入多目标优 化函数， 求得各优化控制时段最优解； 对初始化 种群进行迭代更新， 重复上述遗传学算法求各优 化控制时段最优解过程， 得到多个各优化控制时 段最优解， 进行对比择优， 得到各优化控制时段 择优解对应的充放电优化控制系数， 提高了充换 电站削峰添谷的能力。 权利要求书3页 说明书8页 附图1页 CN 115503536 A 2022.12.23 CN 115503536 A 1.一种基于 遗传学算法的电动公交车充换电站充换电方法， 其特 征在于， 包括： 步骤(1)： 预设优化控制时段， 构建包括以车辆充放电完成后电量最多及考虑电池退化 成本的车辆充放电成本最低为目标的多目标优化 函数； 步骤(2)： 设置 谷时段充放电优化控制系数； 步骤(3)： 利用遗传学算法初始化随机产生种群， 求解峰时段和平时段的充放电优化控 制系数， 并根据电池容量约束修正所述充放电优化控制系数， 带入所述多目标优化函数， 求 得各优化控制时段最优解； 步骤(4)： 对所述初始化种群进行迭代更新， 重复所述步骤(3)， 得到多个所述各优化控 制时段最优解， 并进行对比择优， 以各优化控制时段择优解对应的所述充放电优化控制系 数执行充电、 放电及闲置操作。 2.根据权利要求1所述的一种基于遗传学算法的电动公交车充换电站充换电方法， 其 特征在于， 步骤(1)中， 所述电池退化成本， 表达式如下： 其中， 为车辆EVk在t时段的电池退化成本； Bk为电池寿命与循环次数之间的线性关 系系数； γk,t为车辆EVk在t时段的循环充放电电量； Ck为电池容量； CB为电池更换成本； SOCk,t和SOCk,t‑1分别为车辆 EVk在t时段和上个时段的SOC 。 3.根据权利要求2所述的一种基于遗传学算法的电动公交车充换电站充换电方法， 其 特征在于， 步骤(1)中， 考虑电池退化成本的车辆充放电成本最低， 表达式如下： 其中， fk,1为电池退化成本的车辆充 放电成本； n为预设优化控制时段的数量； St为t时段 的充放电电价； Scp、 Scf、 Scv分别为峰时段、 平时段、 谷时段的充电电价； Sdp、 Sdf、 Sdv分别为峰 时段、 平时段、 谷时段的放电电价； xk,t是电动公交车充放电控制系数； Pk为电动公交车额定 功率。 4.根据权利要求3所述的一种基于遗传学算法的电动公交车充换电站充换电方法， 其 特征在于， 步骤(1)中， 所述车辆充放电完成后电量 最多， 表达式如下： 其中， fk,2为车辆EVk充放电完成后电量的负数； SOC0,k为车辆EVk的初始SOC 。 5.根据权利要求4所述的一种基于遗传学算法的电动公交车充换电站充换电方法， 其 特征在于， 步骤(1)中， 所述多目标优化 函数， 表达式如下：权　利　要　求　书 1/3 页 2 CN 115503536 A 2其中， fk为车辆EVk的多目标优化函数； 分别为单目标函数fk,1、 fk,2的最大 值； λk,1、 λk,2分别为单目标函数fk,1、 fk,2的优化权 重。 6.根据权利要求1所述的一种基于遗传学算法的电动公交车充换电站充换电方法， 其 特征在于， 步骤(2)中， 设置所述谷时段充放电优化控制系数， 具体为： 将车辆EVk接入电网时每 个时段的负荷大小 进行升序排列； 为车辆EVk按1： 1： 1划分峰、 平、 谷时段； 将车辆EVk接入电网时， 所有的谷时段设置为以额定功率进行充电。 7.根据权利要求1所述的一种基于遗传学算法的电动公交车充换电站充换电方法， 其 特征在于， 步骤(3)中， 利用遗传学算法初始化随机产生种群， 求解所述峰时段和平 时段的 充放电优化控制系数， 具体为： 根据车辆EVk在停车时间内经过所述谷时段充放电优化控制系数优化后剩 余的峰时段 和平时段的数量 Nk初始化随机产生种群， 得到一个由编码0、 1构成的矩阵pop， 如下： pop＝round(rand(popsize， c hromlength) )； 其中， popsize为矩阵行数， 也为初始化种群个体数目； chromlength为矩阵列数， 也为 初始化种群 个体的编码长度， 计算公式如下： chromlength＝ Nk*10； 提取初始化种群中所有个 体第j个变量对应的二进制编码信息， 表达式如下： pop1＝pop(： ， 1+(j ‑1)*10： 10j)； 矩阵pop1包 含初始化种群中所有个 体第j个变量对应的二进制编码信息； 解码， 将矩阵pop1中二进制数转 化为十进制数， 表达式如下： [px， py]＝size(pop1)； 其中， px为矩阵pop1的行数， 也为种群个体数目； py为矩阵pop1的列数， 也为种群中所 有个体第j个变量对应的二进制编码所占位数； for i＝1： py； popp(:， 1)＝2.∧(py ‑i).*pop1(:， i)； end； pop2＝sum(pop p)； 其中， 矩阵pop2为将矩阵pop1中二进制数转 化为十进制数 所得； 将矩阵pop2中二 值域的数转 化为变量域中的数， 表达式如下： pop3＝‑1+pop2*2/pop2max； 其中， pop3为矩阵pop2中二值域的数转化为变量域中的数所得， 也为所述峰时段和平 时段的充放电优化控制系数； pop2max为矩阵pop2中变量数值的最大值。 8.根据权利要求1所述的一种基于遗传学算法的电动公交车充换电站充换电方法， 其 特征在于， 步骤(3)中， 所述电池容 量约束， 表达式如下： 当SOCk,t大于SOCmax时， 表达式如下：权　利　要　求　书 2/3 页 3 CN 115503536 A 3