CN120156382B 一种基于动态电价的车网充放电优化方法及系统 （四川蜀兴优创安全科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN120156382B(45)授权公告日2025.07.08

(21)申请号202510637058.5

(22)申请日2025.05.19

(65)同一申请的已公布的文献号申请公布号CN120156382A

(43)申请公布日2025.06.17

(73)专利权人四川蜀兴优创安全科技有限公司地址610213四川省成都市天府新区华阳

华府大道一段1号2栋1单元9层20号专利权人天津大学

(72)发明人秦培均车延博刘亮亮张燕

(74)专利代理机构成都智涌知识产权代理事务所(普通合伙)51313

专利代理师周正辉

(51)Int.CI.

B60L53/64(2019.01)

G06Q30/0283(2023.01)

B60L53/62(2019.01)

HO2J7/00(2006.01)

(56)对比文件

CN119093540A,2024.12.06

CN113410530A,2021.09.17

审查员陈江兰

权利要求书2页说明书15页附图2页

(54)发明名称

一种基于动态电价的车网充放电优化方法及系统

(57)摘要

CN120156382B本发明公开了一种基于动态电价的车网充放电优化方法及系统，涉及智能电网与电动汽车技术领域，所述方法包括S1、通过电化学模型和历史运行数据，构建电池极化程度的预测模型，得到电池极化程度的量化结果，S2、根据电池极化程度的量化结果，结合动态电价数据和用户需求数据，采用强化学习算法，构建充放电策略优化框架，输出初步充放电策略，确定策略在不同场景下的适应性，得到平滑的充放电曲线；该基于动态电价的车网充放电优化方法及系统，实现了电池充放电过程的智能管理，有效延长了电池寿命，提高了能量利用效率，并最大化了经济效益，为电池储能系统的高效运行提供了技术支

CN120156382B

通过电化学模型和历史运行数据，构建电池极化程度的预测模型，得

通过电化学模型和历史运行数据，构建电池极化程度的预测模型，得到电池极化程度的量化结果

根据电池极化程度的量化结果，结合动态电价数据和用户需求数据，

采用强化学习算法，构建充放电策略优化框架，输出初步充放电策略

,确定策略在不同场景下的适应性，得到平滑的充放电曲线

若优化后的充放电曲线在模拟运行中的能量效率低于预设阈值，则通

过调整遗传算法的变异率和交叉率，重新生成充放电曲线，输出更新

后的充放电曲线

根据更新后的充放电曲线，计算电池在不同循环次数下的容量衰减率

,采用电化学仿真模型，输入包括曲线参数和极化程度，输出电池寿

命预测值，得到寿命延长的量化结果

从电池寿命预测值中提取容量衰减趋势，结合动态电价数据，采用线

性规划算法，优化经济效益目标函数，输出最优充放电调度方案，确

定经济效益最大化的结果

若最优充放电调度方案在实时运行中的收益波动超过预设阈值，则通

过实时采集电价和需求数据，调整强化学习算法的奖励函数，重新生成调度方案，输出动态适配的调度方案，得到收益稳定性的提升结果

S1

S2

$3

4

S5

S6

CN120156382B权利要求书1/2页

2

1.一种基于动态电价的车网充放电优化方法，其特征在于，所述方法包括：

S1、通过电化学模型和历史运行数据，构建电池极化程度的预测模型，得到电池极化程度的量化结果；

S2、根据电池极化程度的量化结果，结合动态电价数据和用户需求数据，采用强化学习算法，构建充放电策略优化框架，输出初步充放电策略，确定策略在不同场景下的适应性，得到平滑的充放电曲线；

S3、若优化后的充放电曲线在模拟运行中的能量效率低于预设阈值，则通过调整遗传算法的变异率和交叉率，重新生成充放电曲线，输出更新后的充放电曲线；

S4、根据更新后的充放电曲线，计算电池在不同循环次数下的容量衰减率，采用电化学仿真模型，输入包括曲线参数和极化程度，输出电池寿命预测值，得到寿命延长的量化结果；

S5、从电池寿命预测值中提取容量衰减趋势，结合动态电价数据，采用线性规划算法，优化经济效益目标函数，输出最优充放电调度方案，确定经济效益最大化的结果；

S6、若最优充放电调度方案在实时运行中的收益波动超过预设阈值，则通过实时采集电价和需求数据，调整强化学习算法的奖励函数，重新生成调度方案，输出动态适配的调度方案，得到收益稳定性的提升结果。