一种基于用户习惯的新能源汽车充电方法

技术领域

本发明涉及一种基于用户习惯的新能源汽车充电方法，属于新能源汽车充电技术领域。

背景技术

随着排放标准的日益严苛，以电动汽车为代表的新能源汽车越来越广泛的得到应用，从城市公共交通到普通人的日常通勤，零排放的电动汽车越来越受到人们的欢迎。

但电动汽车在使用中并不如燃油汽车那么方便，燃油汽车在燃料耗尽后可以很快得到补充，而电动汽车需要较长时间对车辆的动力电池进行充电。为了防止在需要用车时车辆没电，人们普遍在不使用车辆的空闲时间，无论车辆当前的电量情况如何都会及时对车辆进行充电。电池均存在一定的循环寿命，每次标准充电时都会使电池的寿命下降，同时电池电量在充满后继续处于快充模式或标准模式等大电流充电模式下，容易出现过充的情况，可能导致严重的事故。

发明内容

本发明的目的是提供一种基于用户习惯的新能源汽车充电方法，用以解决传统的充电控制方式存在有损电池寿命和存在过程风险的问题。

为实现上述目的，本发明的方案包括：

本发明的一种基于用户习惯的新能源汽车充电方法，包括如下步骤：

1)在充电前采集开始充电的充电起始时刻和当前电池电量；

2)将充电起始时刻代入充电预测模型中得到本次充电的可充电时长和下次充电前的车辆所需电量；所述车辆所需电量和当前电池电量做差得到本次充电的基本需求电量；由所述基本需求电量和可充电时长得到本次充电的需求充电电流；

3)若基本需求电量小于0，则不进行充电或以车辆最小充电电流充电；

若基本需求电量大于0，且需求充电电流小于车辆最小充电电流，则以车辆最小充电电流充电；

若基本需求电量大于0，且需求充电电流大于车辆最小充电电流，则采用车辆最大充电电流充电；

所述充电预测模型为机器学习模型，是由充电起始时刻对应可充电时长、下次充电前的车辆所需电量的充电习惯历史数据训练得到；所述可充电时长为对应的充电起始时刻到对应的车辆下次使用的时刻的时长。

用作公共交通及通勤使用的电动汽车，其使用和空闲充电时间存在一定规律，本发明通过历史数据发现用户充电和用车的规律习惯，并基于这种规律建立用户充电习惯模型，实现对用户可充电时间和需求充电电量进行预测，并基于预测的可充电时间及需求电量进行充电控制，在保证满足车辆正常使用需求的前提下，降低充电次数和充电电流的大小，有效延长了电池寿命，避免了电池过充的风险。

进一步的，步骤3)中，若基本需求电量小于0，则判断所述当前电池电量是否达到设定阈值A，若达到则不进行充电，若未达到则以车辆最小充电电流充电。

电池电量能够满足需求且电量足够，则不再进行充电，进一步降低充电次数，延长电池寿命，也避免过充风险。

进一步的，步骤3)中，若基本需求电量小于0，且当前电池电量未达到设定阈值A，则以车辆最小充电电流充电直至电量达到设定阈值B；阈值B大于阈值A。

虽然电池电量能够满足需求，但电池电量处于较低水平，存在过放电的风险，同样不利于电池寿命的延长，同时电量可能耗尽而导致车辆抛锚，本发明进一步避免了这两种情况的可能。

进一步的，步骤3)中，若基本需求电量大于0，且需求充电电流小于车辆最小充电电流，则以车辆最小充电电流充电直至电量达到设定阈值B。

小电流涓流充电有利于电池容量的恢复，对电池起到养护的作用，本发明无需单独专门进行涓流浮冲，在判断出电量能够满足车辆的下次使用时，主动触发涓流浮冲，利用日常使用中对电池进行养护，进一步增加了电池寿命。

进一步的，步骤3)中，若基本需求电量大于0，且需求充电电流大于车辆最小充电电流、小于车辆最大充电电流，则采用车辆最大充电电流充电直至电量达到所述车辆所需电量。

进一步的，步骤3)中，若基本需求电量大于0，且需求充电电流大于车辆最小充电电流、小于车辆最大充电电流，则采用车辆最大充电电流充电直至电量达到所述车辆所需电量，再换用车辆最小充电电流充电至电量达到阈值B或者本次充电时长结束。

优先保证车辆的正常使用，在极端情况自动启动车辆的快速充电。

进一步的，所述下次充电前的车辆所需电量通过该次充电结束的电池电量和下次充电前的电池电量做差得到。

进一步的，开始充电的充电起始时刻根据充电枪插入时刻确定。

进一步的，车辆下次使用的时刻根据充电枪拔掉时刻或车辆启动时刻确定。

附图说明

图1是本发明的用户充电习惯模型构建流程图；

图2是本发明的基于用户习惯的新能源汽车充电方法流程图。

具体实施方式

下面结合附图对本发明做进一步详细的说明。

本发明的一种基于用户习惯的新能源汽车充电方法，用于实现在满足用户下次用车需求的前提下，尽可能采取最有利于电池循环寿命的方式对电池进行养护充电，该方法主要针对具有较强规律性充电习惯的车辆，例如城市公交车，或者用于上下班通勤的个人电动车辆。

本发明的方法依赖于本发明提出的用户充电习惯模型，如图1所示，用户充电习惯模型的建立具体包括如下步骤：

1)采集用户充电习惯数据，用户充电习惯历史数据可以通过用户个人使用的充电桩进行采集，若用户有多辆电动汽车且在同一个充电桩上进行充电，则充电桩应当能够识别出具体车辆且分别为对应车辆采集充电习惯数据和构建充电习惯历史数据。具体的，充电桩内置的芯片系统在每次用户接通充电时查询并获取充电车辆的信息，并记录相关充电习惯数据并储存于存储器中，当对于同一车辆获取了一定规模的充电习惯数据后，对数据进行过滤，删除无效及偏差较大的数据，然后处理形成该车辆的充电习惯历史数据。最终针对不同车辆形成对应的充电习惯历史数据，通过网络上传该充电习惯历史数据，或者留存于充电桩存储器中待处理。

或者，通过电动汽车进行每次充电的充电习惯数据的采集记录，通过与充电控制相连的整车控制器进行采集，或者通过独立的芯片系统采集，独立的芯片系统与充电控制器或整车控制相连，或者直接从充电接口处采集。采集的数据达到一定规模后，经数据过滤和处理形成该车辆的充电习惯历史数据，通过网络上传该充电习惯历史数据，或者留存于充电桩存储器中待处理。

具体的，充电时采集的充电习惯数据至少包括：i)充电开始时刻(车辆插入充电枪的时刻，可以通过检测充电枪的插入实现记录)；ii)该次充电的充电开始时刻到车辆拔出充电枪的时长(也即车辆可用于充电的空闲时长，可以通过检测插拔充电枪来记录或者根据车辆启动时间来记录)；iii)每次充电完成后动力电池的电量；iv)每次充电开始前动力电池的剩余电量。电量数据可通过整车控制器获得，或者通过测量电动汽车动力电池的开路电压后计算获得。在获取了大量的每次充电的充电习惯数据后，从中挖掘寻找针对该车辆的用户充电习惯，形成该车辆的存在一定规律性的充电习惯历史数据。

充电习惯历史数据包括：

a)有规律用户充电时间点，该时间点为用户按照习惯进行的固定时间充电(有规律的用户充电)的充电开始时刻，特殊情况而进行的非固定时间的临时充电不进行考虑，通过数据过滤识别出临时充电并将临时充电数据删除。具体可将充电时间低于设定阈值的充电认为是临时充电，或将某充电时间下的分布概率低于设定值的充电认为是临时充电，或同时满足上述两个条件的充电认定为临时充电。

举例来说，采集到的对应车辆的大量充电习惯数据(充电习惯大数据)中，该车辆的充电开始时刻主要分布在每间隔两日的晚7点至9点范围内，则仅保留充电开始时刻在每两天的8点(±1h)内的充电数据；而其他时间进行的零星临时充电因无法构成有规律的、能够反映用户充电习惯的充电行为进行去除。又或者，根据对应车辆的充电习惯大数据，充电开始时刻主要集中落在每日早11点和下午7点左右，当上述时间点前后20分钟内开始充电的充电时刻的比例或分布概率等标准达到设定值时，则仅保留充电开始时刻在每天的11点(±20min)和19点(±20min)内的充电数据。

b)可充电时长，该时间长度为有规律用户充电时间点所对应的充电行为后用户拔出充电枪需要使用车辆的时间长度，在获得了一个有规律用户充电时间点后，对应记载下充电习惯大数据中的ii)该次充电的充电开始时刻到车辆拔出充电枪的时长作为该次有规律用户充电时间点所对应的可充电时长。

举例来说，用户每天11点和19点都进行充电，某天11时15分时进行充电后，在14时15分使用了车辆，在18时50分进行了充电后，次日7时50分使用了车辆，则该次可充电时长数据为，11点(±20min)的可充电时长为3小时，和19点(±20min)的可充电时长为13小时。

c)所需充电电量，所需充电电量即为某次有规律的用户充电时间点到下次有规律的用户充电时间点中间的车辆使用消耗电量(该次充电充入所需充电电量即可满足充电后的车辆使用)。所需充电电量根据充电习惯大数据中的iii)该次充电完成后动力电池的电量及iv)下次充电开始前动力电池的剩余电量计算获得。将对应的相邻两次有规律用户充电的iii)在前充电完成后动力电池的电量及iv)在后充电开始前动力电池的剩余电量做差，得到在前那次充电所对应的所需充电电量。记载每个有规律用户充电时间点所对应的所需充电电量。

举例来说，对于某日11点和19点的分别进行的有规律用户充电，11点那次充电的所需充电电量应当为11点到19点间的电池消耗量，电池消耗量用11点的iii)该次充电完成后动力电池的电量减去19点的iv)充电开始前动力电池的剩余电量得到；19点那次充电的所需充电电量应当为19点到次日(或下次)的11点间的电池消耗量，电池消耗量用19点的iii)该次充电完成后动力电池的电量减去次日11点的iv)充电开始前动力电池的剩余电量得到。

采集足够的充电习惯大数据后，将数据降噪、滤波，去除局部坏点，保证数据的准确性(即对用户充电习惯和规律的反映)不因局部坏点的出现而降低。局部坏点数据包括没有规律的临时性充电所产生的充电数据。剩余的有规律用户充电数据，处理获得1)有规律用户充电时间点；2)每个有规律用户充电时间点对应的可充电时长；3)每个有规律用户充电时间点对应的所需充电电量。以上数据形成对应车辆的充电习惯历史数据。

建立机器学习模型，例如神经网络模型，将对应车辆的充电习惯历史数据对机器学习模型训练，其中，1)有规律用户充电时间点作为模型输入量，2)可充电时长和3)所需充电电量作为模型输出量。得到用户充电习惯模型。根据该用户充电习惯模型，输入将进行充电的充电时间点(符合充电习惯的充电时间点)，可以预估出本次充电的可充电时长和所需充电电量。

用户充电习惯模型搭建完毕后，如图2所示，本发明的一种基于用户习惯的新能源汽车充电方法，具体包括如下步骤：

1)当用户依照习惯对车辆进行充电时，实时采集当前时间t

2)将充电当前时间t

根据从车辆厂家获得的动力电池充电参数，得到该车辆标准充电模式下的最小充电电流I

3)判断Q

3-1)若Q

3-2)若Q

若I

若I

若I

并发明的方法在使用中，还继续采集将充电数据并按照上述模型训练方法对用户充电习惯模型进行训练和修正。使模型继续跟随用户的使用习惯进行调整变化。本发明针对有规律的电动车辆使用习惯，采取最佳的充电策略进行充电，在保证尽可能满足下次车辆使用的前提下，不使电池存在过充风险，尽可能以对电池最为有利的浮冲方式对电池进行充电，有效降低了电动汽车的充电风险，延长了动力电池的使用寿命。

本领域技术人员应当明了，实施例中所提到的本发明的方法所适用的电动汽车，应当包括纯电动汽车，可充电的混合动力汽车等可充电的新能源车辆。