一种基于充电站推荐策略的电动汽车充电引导方法与流程

1.本发明涉及电动汽车充电调度的技术领域，具体是一种基于充电站推荐策略的电动汽车充电引导方法。


背景技术：

2.电动汽车作为解决目前能源危机和环境污染问题的一种有效途径，市场前景广阔。然而大量的电动汽车涌入道路，不仅给城市交通系统带来较大压力，更对电网的经济性和安全性提出新的要求。在此背景下，有必要研究电动汽车充电引导策略，为充电需求用户提供充电站推荐服务，以提高用户充电行为的满意度为目标最小化用户充电的时间成本和金钱成本，通过指导相关的电动汽车充电服务，以期对充电负荷的削峰填谷来缓解电网负荷压力，提高充电设备利用率，从而形成电网-用户利益的整体协调与优化。
3.目前已有很多关于充电引导策略的相关研究，根据引导方式的不同可以划分为两类：一类基于引导策略的直接充电引导，一类通过分时电价的方式间接引导充电。前者如专利申请号：cn202010027578.1，名称：一种考虑多因素多场景的电动汽车充电站推荐方法，该专利通过采集待充电动汽车的soc和位置信息，兼顾用户充电时间最短、充电费用最低、电网负荷最均衡等多种目标，智能地为用户给出推荐方案。该专利综合考虑多方利益为用户提供充电站选择，然而用户更多是从自身利益出发，此方法无法反映用户角度下的充电选择；专利申请号：cn202110154195.5，名称：基于时间敏感度的电动汽车充电引导方法，该方法通过获取待分析区域内的充电桩属性和当前状态，构建用户整体充电耗时计算模型，对计算模型进行求解并计算用户充电桩选择效应，从而对待分析区域内的车辆进行充电引导。该专利可以有效地降低电动汽车充电时间，然而其将用户利益单独考虑，并没有考虑充电汽车入网对电网负荷的影响等，忽略了用户、充电站运营商和电网的利益之间相互协调、相互制约的关系。
4.后者如专利申请号：cn201711021969.7，名称：一种基于峰谷分时电价的电动汽车有序充电控制方法，该方法基于峰谷分时电价建立电动汽车总充电费用最低和配电网负荷峰谷差最小为目标的两阶段优化模型，保证了电网的稳定性，但以电动汽车总充电费用最低为目标优化并不能代表每个用户的利益，无法起到很好的引导效果。专利申请号：cn201910910606，名称：一种计及路-网-车的电动汽车充电引导方法，提出了等效道路长度的概念，综合考虑了道路交通状况和充电过程整体耗时等因素，并引入微观交通配流的模型来描述电动汽车用户的充电需求与出行规律。此外，该专利采用分时分区电价制定的方法引导用户充电，实现了充电站购电成本的显著下降，改善了电力系统运行的安全性和经济性。其所涉及特征量无法很好的模拟出电动汽车用户的驾驶行为，因而无法获得准确的充电需求时空分布。
5.以往的研究一方面局限于无法准确的描述电动汽车用户的充电自行决策行为，另一方面以分时电价引导用户充电的方式依赖于日前数据，无法应对负荷的频繁和异常波动，因而其充电引导和调度几乎不可能达到全局最优。


技术实现要素：

6.本发明的目的是克服现有技术的不足之处，提出一种基于充电站推荐策略的电动汽车充电引导方法，完全从用户角度出发，综合考虑时间成本和经济成本，为充电需求用户提供优质的充电站推荐；另外，相较于负荷预测方法，以实时统计充电站的负荷数据作为下一时间段充电电价制定依据可以基于充电站推荐系统更准确的引导用户充电行为，实现充电站负荷曲线削峰填谷和提高充电设备利用率。该方法兼顾了用户和电网的需求，形成电网-用户利益的整体协调与优化。
7.本发明采用的技术方案为：
8.一种基于充电站推荐策略的电动汽车充电引导方法，包括以下步骤：
9.a、获取数据，包括用户产生充电需求时的实时相关数据以及系统所需的常规数据；
10.b、构建用户视角下的充电站推荐策略，通过充电站推荐策略建立充电站综合评价指标，为用户提供基于综合时间成本和经济成本的充电站推荐；
11.c、获取某一时间段内所有充电需求用户基于充电站推荐策略的充电决策，进而统计得到该时间段内各个充电站的充电负荷；
12.d、构建实时电价引导模型，以步骤c中统计的各充电站充电负荷作为实时电价引导模型的模型输入，采用模拟退火算法求解实时电价引导模型的目标函数，得到下一时间段各充电站的理想充电负荷，并基于实时电价的制定策略输出下一时间段各充电站电价。
13.进一步的，步骤a中获取用户产生充电需求时的实时相关数据以及系统所需的常规数据，其中用户产生充电需求时的实时相关数据包括电动汽车在产生充电需求的位置信息、电动汽车的soc数据和充电标准、电动汽车的剩余里程、车主设置的充电电量和用户最大容忍的引导路程；所述系统所需的常规数据包括辖区内每个充电站的地理位置数据、站内每个充电桩的型号、数量及运行状态、充电站运营方愿意为用户保留所申请充电桩的时间以及道路的历史交通信息。
14.进一步的，步骤b中构建用户视角下的充电推荐策略，该充电推荐策略以步骤a中获取的数据作为指标参数输入，通过计算可行充电站综合评价指标，并将评价指标排名后返回给用户，以供用户做出基于时间成本和经济成本的最优充电选择，具体为：
15.首先，根据约束条件筛选出可行充电站集合{s1,s2,
…
,sn}，具体为：
16.根据各充电站充电桩型号及运行状态判断其是否空闲可用；
17.根据电动汽车当前位置、剩余里程以及用户最大容忍的引导路程判断可到达的范围内是否存在充电站；
18.充电站运营方愿意为用户保留所申请充电桩的时间是否不小于用户到达充电站所耗时间；
19.其次，建立可行充电站综合评价指标，其表达式为：
[0020][0021]
其中，σi为辖区中充电站i的综合评价指标，为用户选择在充电站i为待充电电动汽车充电时所用时间成本评估指标，
[0022][0023]
其中to为充电站运营方愿意为用户保留所申请充电桩的时间； t
p,k
为待充电汽车k从产生充电需求位置到充电站i的路程耗时，与路程距离lk和行驶速度vk有关；t
c,k
为待充电汽车从当前电量到用户所需电量的充电耗时，与充电电量qk、充电功率p
i,k
以及充电效率ek有关；tw为待充电汽车从到达充电站到充电开始的等待时间，为该充电站所有充电桩剩余充电时间的最小值；
[0024]
为用户选择在充电站i为电动汽车充电时所用经济成本评估指标，
[0025][0026]
其中sc为待充电汽车从当前电量到用户所需电量的充电费用,与充电时间t
c,k
和实时电价ρ
i,j
有关；s
t
为待充电汽车从产生充电需求位置到充电站i位置的路程费用，s
p
为待充电汽车在该充电站充电时额外的停车费用，与在该充电站停留时间有关，θ的取值如下：
[0027][0028]
λ1、λ2分别为各评估指标对应的权系数；
[0029]
最后，计算辖区内所有可行充电站综合评价指标，并将其按照指标计算结果的数值大小进行排序，排序后的结果作为充电站推荐排名返回给用户。
[0030]
进一步的，步骤c中用户基于步骤b中的充电站推荐策略做出充电决策，用户的充电决策行为用集合表示为其中元素为充电站的选择，元素为充电开始时刻的选择，元素为到充电站路线的选择，元素为出发时间的选择，元素为充电电量的选择；
[0031]
获取时间段j内所有充电需求用户基于充电站推荐策略的充电决策，统计时间段j辖区内充电站i因电动汽车充电而产生的充电负荷 l
i,j
，其中时间段的划分是将1天按照1小时分为24个时间段，j＝1则代表0：00-1：00时间段，以此类推，时间段j辖区内充电站i的充电负荷l
i,j
的统计方法具体为：
[0032]
首先，根据元素元素预计用户到达充电站并开始充电的时刻，根据元素元素预计车辆的充电时长；
[0033]
其次，比较预计开始充电时刻与元素中所选择的充电开始时刻判断用户能否在所选择充电时刻开始前到达充电站并开始充电。若是，则以到达时刻作为充电开始时刻更新元素否则保持元素中所选择的充电开始时刻；
[0034]
最后，根据元素元素以及预计充电时长计算时间段j辖区内充电站i因电动汽车充电而产生的充电负荷l
i,j
，计算方法为：
[0035]
[0036]
其中，m为在时间段j内开始充电的跨时间段充电的电动汽车数量，t
k,j
为电动汽车k在时间段j内的充电时长，t
k,j 1
为电动汽车k 在时间段j 1内的充电时长，p
i,k
为电动汽车k在充电站i的充电功率。
[0037]
进一步的，步骤d中所述实时电价引导模型用于降低电网负荷的峰谷差，提高电网设备利用率，实时电价引导模型的输出为下一时间段各充电站电价ρ
i,j 1
，模型目标函数表达式为：
[0038]
min f＝η1ε1 η2ε2[0039]
其中，ε1为评估各充电站充电桩利用率差异的指标，ε1的表达式如下，其中ci为充电站i的充电桩数量：
[0040][0041]
ε2为评估辖区所有充电站日充电负荷曲线平滑的指标，ε2的表达式如下，其中l
i，j
为充电站i在时间段j的充电负荷：
[0042][0043]
η1、η2分别为对应的权系数；
[0044]
上述模型目标函数最优值求解实为一个n元函数在自变量定义域内求解最小值的问题，采用模拟退火算法对实时电价引导模型的目标函数求解，并以其最优解作为下一时间段各充电站理想充电负荷，模拟退火算法求解实时电价引导模型的目标函数的步骤如下：
[0045]
step 1：输入各充电站实时统计负荷l
i,j
；
[0046]
step 2：设定算法参数，分别是退火起始tb，终止温度te，降温速度r，最大迭代次数n，接受差解的概率系数s1；
[0047]
step 3：随机产生初始解ω(l
1,j 1
,l
2,j 1
,
…
,l
n,j 1
)，计算目标函数 f(ω)；
[0048]
step 4：扰动产生新解ω
′
(l
′
1,j 1
,l
′
2,j 1
,
…
,l
′
n,j 1
)，计算目标函数 f(ω
′
)和测度值δf＝f(ω
′
)-f(ω)；
[0049]
step 5：以metropolis准则判断新解是否接受:若δf《0则接受ω
′
作为新的当前解ω，否则以概率exp(-δf/t)接受ω
′
作为新的当前解s；
[0050]
step 6：终止条件判断：当前温度t小于最低温度te或迭代次数小于0；
[0051]
step 7：如果满足终止条件则以当前解ω作为最优解，输出下一时间段充电站i的理想充电负荷l
i,j 1
，结束程序；
[0052]
模拟退火算法求解目标函数后，其最优解ω为下一时间段充电站i 的理想充电负荷l
i,j 1
，电网运营方可以通过调整下一时间段电价ρ
i,j 1
来达成充电负荷的理想值：在步骤b中实时电价ρ
i,j 1
对充电站综合评价指标的影响体现在经济成本评估指标上，即各充电站实时电价的浮动会影响充电站推荐排名，从而充电站推荐排名的更新对于下一时间段产生充电需求的用户起到引导的作用，充电站i的实时电价的制定策略为：
[0053][0054]
ρ
i,j
为充电站i在时间段j的分时电价，ρ
i,cs
为充电站i的服务费用,为充电站i的调整系数。
[0055]
本发明具有如下有益效果：
[0056]
与无序充电相比，采用本发明充电站总负荷曲线峰谷差值更小，各个时间段负荷更加均衡，减缓了无序充电中出现的用户等待现象。本发明所提的电动汽车充电引导系统可为进一步的电动汽车充电站选址等充电相关服务提供有效依据
附图说明
[0057]
图1是本发明基于充电站推荐策略的电动汽车充电引导方法其中一个实施例的流程图；
[0058]
图2是本发明的详细流程实施图；
[0059]
图3是本发明采用模拟退火算法进行模型目标函数求解的流程图；
[0060]
图4是某辖区路网图；
[0061]
图5是采用本发明引导前后各充电站日均负荷；
[0062]
图6是采用本发明引导前后充电站总负荷曲线。
具体实施方式
[0063]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0064]
如图1及图2所述，本发明实施例提供一种基于充电站推荐策略的电动汽车充电引导方法，包括以下步骤：
[0065]
a、获取数据，包括用户产生充电需求时的实时相关数据以及系统所需的常规数据；
[0066]
b、构建用户视角下的充电站推荐策略，通过充电站推荐策略建立充电站综合评价指标，为用户提供基于综合时间成本和经济成本的充电站推荐；
[0067]
c、获取某一时间段内所有充电需求用户基于充电站推荐策略的充电决策，进而统计得到该时间段内各个充电站的充电负荷；
[0068]
d、构建实时电价引导模型，以步骤c中统计的各充电站充电负荷作为实时电价引导模型的模型输入，采用模拟退火算法求解实时电价引导模型的目标函数，得到下一时间段各充电站的理想充电负荷，并基于实时电价的制定策略输出下一时间段各充电站电价。
[0069]
步骤a中获取用户产生充电需求时的实时相关数据以及系统所需的常规数据，其中用户产生充电需求时的实时相关数据包括电动汽车在产生充电需求的位置信息、电动汽车的soc数据和充电标准、电动汽车的剩余里程、车主设置的充电电量和用户最大容忍的引导路程；所述系统所需的常规数据包括辖区内每个充电站的地理位置数据、站内每个充电
桩的型号、数量及运行状态、充电站运营方愿意为用户保留所申请充电桩的时间以及道路的历史交通信息。
[0070]
步骤b中构建用户视角下的充电推荐策略，该充电推荐策略以步骤a中获取的数据作为指标参数输入，通过计算可行充电站综合评价指标，并将评价指标排名后返回给用户，以供用户做出基于时间成本和经济成本的最优充电选择，具体为：
[0071]
首先，根据约束条件筛选出可行充电站集合{s1,s2,
…
,sn}，具体为：
[0072]
1.根据各充电站充电桩型号及运行状态判断其是否空闲可用；
[0073]
2.根据电动汽车当前位置、剩余里程以及用户最大容忍的引导路程判断可到达的范围内是否存在充电站；
[0074]
3.充电站运营方愿意为用户保留所申请充电桩的时间是否不小于用户到达充电站所耗时间；
[0075]
其次，建立可行充电站综合评价指标，其表达式为：
[0076][0077]
其中，σi为辖区中充电站i的综合评价指标，为用户选择在充电站i为待充电电动汽车充电时所用时间成本评估指标，
[0078][0079]
其中to为充电站运营方愿意为用户保留所申请充电桩的时间； t
p,k
为待充电汽车k从产生充电需求位置到充电站i的路程耗时，与路程距离lk和行驶速度vk有关；t
c,k
为待充电汽车从当前电量到用户所需电量的充电耗时，与充电电量qk、充电功率p
i,k
以及充电效率ek有关；tw为待充电汽车从到达充电站到充电开始的等待时间，为该充电站所有充电桩剩余充电时间的最小值；
[0080]
为用户选择在充电站i为电动汽车充电时所用经济成本评估指标，
[0081][0082]
其中sc为待充电汽车从当前电量到用户所需电量的充电费用,与充电时间t
c,k
和实时电价ρ
i,j
有关；s
t
为待充电汽车从产生充电需求位置到充电站i位置的路程费用，s
p
为待充电汽车在该充电站充电时额外的停车费用，与在该充电站停留时间有关，θ的取值如下：
[0083][0084]
λ1、λ2分别为各评估指标对应的权系数；
[0085]
最后，计算辖区内所有可行充电站综合评价指标，并将其按照指标计算结果的数值大小进行排序，排序后的结果作为充电站推荐排名返回给用户。用户参照充电站推荐排名预约充电站，并在指定时间内到达该充电站进行充电。
[0086]
步骤c中用户基于步骤b中的充电站推荐策略做出充电决策，用户的充电决策行为用集合表示为其中元素为充电站的选择，元素为充电开
始时刻的选择，元素为到充电站路线的选择，元素为出发时间的选择，元素为充电电量的选择；
[0087]
获取时间段j内所有充电需求用户基于充电站推荐策略的充电决策，统计时间段j辖区内充电站i因电动汽车充电而产生的充电负荷 l
i,j
，其中时间段的划分是将1天按照1小时分为24个时间段，j＝1则代表0：00-1：00时间段，以此类推，时间段j辖区内充电站i的充电负荷l
i,j
的统计方法具体为：
[0088]
首先，根据元素元素预计用户到达充电站并开始充电的时刻，根据元素元素预计车辆的充电时长；
[0089]
其次，比较预计开始充电时刻与元素中所选择的充电开始时刻判断用户能否在所选择充电时刻开始前到达充电站并开始充电。若是，则以到达时刻作为充电开始时刻更新元素否则保持元素中所选择的充电开始时刻；
[0090]
最后，根据元素元素以及预计充电时长计算时间段j辖区内充电站i因电动汽车充电而产生的充电负荷l
i,j
，计算方法为：
[0091][0092]
其中，m为在时间段j内开始充电的跨时间段充电的电动汽车数量，t
k,j
为电动汽车k在时间段j内的充电时长，t
k,j 1
为电动汽车k 在时间段j 1内的充电时长，p
i,k
为电动汽车k在充电站i的充电功率。
[0093]
步骤d中基于步骤c中统计的各充电站充电负荷l
ij
，构建实时电价引导模型，该模型旨在降低电网负荷的峰谷差，提高电网设备利用率。其输出为下一时间段各充电站电价ρ
i,j 1
，模型目标函数表达式为：
[0094]
min f＝η1ε1 η2ε2[0095]
其中，ε1为评估各充电站充电桩利用率差异的指标，ε1的表达式如下，其中ci为充电站i的充电桩数量：
[0096][0097]
ε2为评估辖区所有充电站日充电负荷曲线平滑的指标，ε2的表达式如下，其中l
i，j
为充电站i在时间段j的充电负荷：
[0098][0099]
η1、η2分别为对应的权系数。
[0100]
上述最优化模型实为一个n元函数在自变量定义域内求解最小值的问题。本发明实施例引入模拟退火算法对该模型的目标函数求解，并以其最优解作为下一时间段各充电站理想充电负荷。模拟退火算法在求解复杂的非线性优化问题上运行效率高，鲁棒性强，求解主要步骤如下(如图3所示)：
[0101]
step 1输入各充电站实时统计负荷l
i,j
；
[0102]
step 2设定算法参数，分别是退火起始tb，终止温度te，降温速度 r，最大迭代次数n，接受差解的概率系数s1；
[0103]
step 3随机产生初始解ω(l
1,j 1
,l
2,j 1
,
…
,l
n,j 1
)，计算目标函数 f(ω)；
[0104]
step 4扰动产生新解ω
′
(l
′
1,j 1
,l
′
2,j 1
,
…
,l
′
n,j 1
)，计算目标函数 f(ω
′
)和测度值δf＝f(ω
′
)-f(ω)；
[0105]
step 5以metropolis准则判断新解是否接受:若δf《0则接受ω
′
作为新的当前解ω，否则以概率exp(-δf/t)接受ω
′
作为新的当前解s；
[0106]
step 6终止条件判断：当前温度t小于最低温度te或迭代次数小于0；
[0107]
step 7如果满足终止条件则以当前解ω作为最优解，输出下一时间段充电站i的理想负荷l
i,j 1
，结束程序。
[0108]
模拟退火算法求解目标函数后，其最优解ω为下一时间段充电站i 的理想充电负荷l
i,j 1
，电网运营方可以通过调整下一时间段电价ρ
i,j 1
来达成负荷的理想值：在步骤b中电价ρ
i,j 1
对充电站综合评价指标的影响体现在经济成本评估指标上，即各充电站实时电价的浮动会影响充电站推荐排名，从而充电站推荐排名的更新对于下一时间段产生充电需求的用户起到引导的作用。充电站i的实时电价的制定策略为：
[0109][0110]
ρ
i,j
为充电站i在时间段j的分时电价，ρ
i,cs
为充电站i的服务费用, 为充电站i的调整系数。
[0111]
在对基于充电站推荐策略的电动汽车充电引导方法进行仿真时，以某辖区为例，其交通路网图见图4，给定下述参数：(1)仿真时间为 0:00-24:00,分为24个时段，每个时段时长为1小时；(2)辖区内充电站有5个，每个充电站有10个快充充电桩，各充电站位置见图，各充电站j时刻充电电价见表1。电动汽车有1000辆，充电模式均为恒功率快充，充电功率为60kw；(3)电动汽车用户产生充电需求的时刻符合均匀分布，电动汽车产生充电需求的位置均随机选取，用户选取充电站综合评价指标最高的充电站进行充电；(4)电动汽车用户产生充电需求时的剩余路程大于其与辖区内任一充电站的距离，充电时长均为1小时；(5)充电费用仅与实时电价有关，路程时间仅与路程长度有关；(6)权重系数ε1取0.6，ε2取0.4，权重系数λ1取0.6，λ2取0.4。
[0112]
表1各充电站j时刻充电电价
[0113][0114]
为了体现本发明的引导效果，将充电引导的结果与无序充电的结果进行比较。从图5中可以看出，在本发明的充电引导下，与无序充电相比，1号充电站、3号充电站、4号充电站日均负荷有所下降，而2号充电站、5号充电站日均负荷有所提升。因为辖区内车辆数目固定，本发明的充电引导方法将原本在1、3、4号充电站充电的车辆引导至2或5号充电站，使得相同负载能力的充电站所承担负荷更加均衡，进而提高了整体充电桩的利用率。。
[0115]
从图6中可以看出，在本发明的充电引导下，与无序充电相比，充电站总负荷曲线峰谷差值更小，各个时间段负荷更加均衡，减缓了无序充电中出现的用户等待现象。
[0116]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。