[0001] 本发明属于换电站控制技术领域，尤其涉及一种信息物理融合的电动汽车换电站网络双层控制方法。

[0002] 随着传统化石能源的持续消耗和环境问题的日益加剧，清洁环保的电动汽车逐渐进入大众视野，近年来其迅猛发展也使得与之相关的技术问题迫切需要得到解决。其中动力电池的容量限制以及充电耗时长即是当下制约电动汽车发展的首要问题。

[0003] 当前阶段，电动汽车中动力电池的能量补充普遍依赖于充电桩，这种传统的充电模式不但存在充电耗时长的问题，还存在交直流充电差异性、同时段充电需求可控性差等问题。

[0004] 近年来，电动汽车换电站得到越来越多的关注。相较于传统的充电模式，换电模式可以有效地解决充电耗时长的问题，且对于有长途行驶需求的电动汽车，换电模式可以极大地削减由动力电池容量限制带来的出行不便。目前，已有许多国内外学者针对电动汽车换电站进行了相关研究，主要集中在有序充电控制、换电调度、结合可再生能源的消纳等方面。

[0005] 考虑到充电站内备有一定数量的动力电池，可作为特殊的储能系统与电网进行互交，基于B2G模式下电动汽车参与电网互动运行策略（刘海破，曾平良，马军等．基于B2G模式下电动汽车参与电网互动运行策略[J]. 电力建设, 2015, 36(7):126-132）所提出的充换电站的充放电策略通过采用申报激励模式引导电动汽车与电网的互动，充换电站利用所提出的充放电策略，完成电网控制中心复核的用电计划，达到收益最大。Dynamic operation model of the battery swapping station for EV in electricity market（YANG S，YAO J，KANG T，et al. Dynamic operation model of the battery swapping station for EV in electricity market[J]. Energy,2014,65(1):544-549）以换电站运营商为研究主体，提出了电力市场中电动汽车换电站的动态运行模型，积极响应电力市场的价格波动，以获得额外的收益。

[0006] 中国发明专利（申请号：201910762829.8）提出一种考虑换电需求与光伏不确定性电动汽车充换电站控制方法，为换电站运营商的合理决策提供参考，有利于换电站的优化运行。中国发明专利（申请号：201711216951.2）提出一种基于无线通讯的换电站控制系统和换电站，采用无线通讯的控制方式取代有线通讯以及滑动链接部件的通讯控制方式，采用分布式控制，集中管理的控制方法，提高了换电站控制的实时性和可靠性。

[0007] 然而以上研究均未从换电站网络的层面考虑区域内动态信息对换电控制的影响，也未充分挖掘换电站内动力电池在接入电网状态下可发挥的效用。因此本发明针对以上问题，充分考虑区域内动态信息与换电站网络相互作用的基础上，在保证区域内电动汽车有序换电的同时协调各动力电池聚类参与电网调频，形成信息物理融合的电动汽车换电站网络双层控制方法。

[0020] 下面结合实例及附图，对本发明作进一步详细的说明，但本发明的实施方式不限于此。

[0021] 本发明公开了一种信息物理融合的电动汽车换电站网络双层控制方法，其包括下层换电控制与上层调频控制两部分，首先启动下层换电控制：
S10：换电站网络控制中心实时监测区域内各车电分离式电动汽车的行驶位置、电池荷电状态、电池寿命、各道路交通状况等动态信息，并储蓄于数据库中。

[0022] S11：以最小化换电站拥堵程度为目标函数，考虑各路段速度、行驶路程、不重复建议、换电速度等约束条件，建立优化模型求解得到各电动汽车的最佳换电地点和换电时间点，并将最佳换电地点和换电时间点作为建议信息发送给各车主，各车主根据建议信息向换电站网络控制中心提供反馈信息：同意并执行建议。

[0023] S12：根据车主提供的反馈信息和实时监测的电动汽车数据，采用BP神经网络预测各电动汽车换电地点和换电时间点，具体步骤如下：（1）将各车行驶位置、SOC、各道路交通状况、车主反馈信息等数据作为输入，各车在下一计算周期是否驶入第i个换电站作为输出，对数据库中各数据进行归一化处理。

[0024] （2）构建三层BP神经网络，选用反正切S型函数tansig作为输入层到隐含层的激励函数，选用线性函数pureline作为隐含层到输出层的激励函数，反传误差函数选用，其中ti表示理论输出，oi表示实际输出。

[0025] （3）采用梯度下降法利用数据库中归一化处理后的数据对BP神经网络进行训练。当其在达到规定总步长或输出小于规定误差后结束训练。

[0026] （4）将各车当前数据信息归一化处理后输入到BP神经网络中，预测其在下一计算周期是否驶入某一换电站。

[0027] S13：根据预测结果，对各换电站中将使用的电池进行有序充电。

[0028] 电网频率受到一个如图2（a）所示的10KW阶跃扰动，启动上层调频控制：S20：采集电网频率信息以及各换电站内各电池的功率、可用容量、荷电状态等数据。

[0029] S21：采用K-means算法对换电站网络中参与调频的电池进行聚类分组，使具有相似调频能力的电池聚合，具体步骤如下：（1）获取各电池的功率、可用容量、SOC值等特征量。

[0030] （2）随机选取K个数据对象作为初始样本中心。

[0031] （3）计算各个数据到所选样本中心的距离，将数据对象指派到最近的分组中，然后计算每个分组的均值，根据分组中数据对象的平均值，将每个数据对象赋给最类似的分组。

[0032] （4）更新分组的平均值，即计算每个分组中数据对象的平均值。

[0033] （5）计算聚类准则函数，并判断聚类准则函数是否收敛，不收敛则返回步骤（2）。直至结果收敛，得到聚类结果K=6及相应的分组G1、G2、G3……G6。

[0034] S22：根据电网频率信息和电池聚类分组情况，形成调频控制策略，指导各换电站参与电网调频，具体步骤如下：（1）确定各电池在调频过程中的荷电状态上下限SOCmax、SOCmin以及充电功率上限Pbess,c,max和放电功率上限Pbess,dis,max。各电池在调频中需满足如下约束：
其中， 为电池功率的绝对值。

[0035] （2）根据各电池荷电状态上下限和充放电功率上限，计算各电池分组的充电可用容量SGi,c、放电可用容量SGi,dis和出力上限PGi,max：其中，N为组内电池数量；SOCj，max表示组内第j个电池的荷电状态上限，SOCj，min表示组内第j个电池的荷电状态上限；SOCj表示组内第j个电池当前的荷电状态; Pbess,j,max表示第j个电池的电池功率上限。

[0036] （3）将上述各电池组数据代入下述评价指标，对各电池分组参与调频的综合性能进行评分，可得到各电池组评分为K1=12.80、K2=16.40、K3=14.35、K4=19.50、K5=22.36、K6=21.46。

[0037] 所述的评价指标为：其中，Ni为电池分组的故障率，由电池出厂信息而定，Ti为电池分组调频相应时间，由电池出厂信息而定，f为当前电网频率，f0为电网额定频率。α、β、χ、δ为各指标参量的权重系数，分别取0.3、0.0004、0.1、2；所述α对应为SGi,c和SGi,dis的权重系数，β对应为PGi,max的权重系数，χ对应为Ni的权重系数，δ对应为Ti的权重系数；Ni-1表示为Ni的负一次方，Ti-1表示为Ti 的负一次方。

[0038] （4）根据各电池分组评分对各分组进行排序K5> K6> K4> K2> K3> K1。并根据电网调频出力需求P，选择G5、G6两电池分组参与频率响应，使得 。

[0039] 随着换电站网络出力，电网频率偏差从1.4s开始减小，逐渐恢复到允许范围以内，如图2（b）所示；该过程中换电站网络出力逐渐稳定在5.8kW，如图2（c）所示；换电站中参与调频的动力电池SOC也逐渐降低，如图2（d）所示。

[0040] 以上是本发明的优选实施方式而已，当然不能以此来限定本发明之权利范围，应当指出，对于本技术领域的技术人员来说，不付出创造性劳动对本发明技术方案的修改或者等同替换，都不脱离本发明技术方案的保护范围。