CN103903090B - 基于用户意愿和出行规律的电动汽车充电负荷分配方法 - Google Patents

Abstract

本发明公开了一种基于用户意愿和出行规律的电动汽车充电负荷分配方法，根据输入的分配电动汽车充电负荷的原始数据，得到每个时段的理想充电功率；根据采集的电动汽车数据以及用户输入设定确定加权系数，当电动汽车当前实际最大充电功率满足系统调度指令时，遍历每辆电动汽车用户的信息，接受调度，参与优化流程，建立充电负荷分配的数学模型，并输出结果。本发明在完成充电要求的同时，可以减少电动汽车充电启停次数；在尊重电动汽车用户的前提下，每个时段充电负荷分配策略都与电动汽车自身特征紧密联系，可以公平合理地安排电动汽车充电次序。

Description

基于用户意愿和出行规律的电动汽车充电负荷分配方法

技术领域

本发明属于电动汽车智能控制技术领域，尤其涉及一种基于用户意愿和出行规律的电动汽车充电负荷分配方法。

背景技术

能源危机的产生和电动汽车各项技术的发展促进了电动汽车的大规模推广，如今，各国均加大力度对电动汽车进行政策支持，可以预计，未来将有大量电动汽车接入电网。大规模电动汽车接入电网以后，电动汽车引发的经济效益问题和其对电力系统规划运行所产生的影响不容忽视。

如果对电动汽车用户充电行为不加以引导与控制，电动汽车无序充电会对电网原有负荷造成“峰上加峰”的结果，影响电网安全稳定运行，并且对经济效益也产生不利影响。因此有必要掌握电动汽车使用规律，实现对电动汽车群集中充电负荷进行控制。

然而，大规模电动汽车的有序充电是通过每一个电动汽车个体的充电行为聚合后形成的群体策略，在制定电动汽车整体充电策略时，需要进一步研究如何将该群体策略向下延伸分配至每个个体，并充分考虑个体的自身条件和意愿，体现充电策略的公平性和合理性。

目前，国内外对电动汽车有序充电研究主要集中在汽车集中充电控制，如何将区域电网层面的充电策略结果分解至每辆电动汽车上的研究涉及较少。因此，如何将大规模电动汽车有序充电控制需求在充分考虑每辆电动汽车充电个体需求和用户意愿的基础上进行合理分配是一个亟待解决的问题。

发明内容

发明目的：本发明目的主要针对目前电动汽车充电负荷分配策略的问题和不足，提供一种将大规模电动汽车有序充电控制需求在充分考虑每辆电动汽车的出行规律、电池状态、用户意愿等因素基础上进行合理分配的方法。

技术方案：本发明所述的一种基于用户意愿和出行规律的电动汽车充电负荷分配的方法，包括以下步骤：

（1）根据输入的分配电动汽车充电负荷的原始数据，以15min为间隔划分时间段，得到每个时段的理想充电功率P_ref,j；

（2）根据采集的电动汽车数据以及用户输入设定确定加权系数，所述数据包括电动汽车当前荷电状态下所能行使的里程和历史出行里程；所述设定包括是否愿意参加调度计划、电动汽车预期停留时间、期望达到的电动汽车最终荷电状态和第二天计划行程；

（3）当电动汽车当前实际最大充电功率不能满足系统调度指令时，所有电动汽车接入电网充电，否则转入步骤（4）；

（4）遍历每辆电动汽车用户的信息，如果用户不愿意接受调度，电动汽车接入系统时立即开始充电，否则转入步骤（5）；

（5）如果电动汽车的当前时段电池容量B_n,j已达到电池总容量B_n，电动汽车不再参与优化流程，否则进行步骤（6）；

（6）如果当前时段判断为电动汽车必须充电时间，则立即充电，否则进入步骤（7）；

（7）如果没有需要分配的充电安排，则进入下一时段，否则进入步骤（8）；

（8）基于剩余的电动汽车，建立充电负荷分配的数学模型，并输出结果。

所述步骤（8）中数学模型以最小化电动汽车充电次数作为目标函数，以满足每个时段充电负荷安排为约束条件，具体表示为：

$\min \mathrm{\Δp}=\underset{n=1}{\overset{n_j}{\mathrm{\Σ}}}{\mathrm{\ω}}_n|x_{n,j}-x_{n,j-1}|---\left(1\right)$

约束条件：

$\underset{n=1}{\overset{n_j}{\mathrm{\Σ}}}{P}_{n,j}{x}_{n,j}=P_{\mathrm{ref},j}---\left(2\right)$

n_j为本时段可以调度的电动汽车总数目，x_n,j为本时段第n辆电动汽车的充电决策，x_n,j=1，表示该辆车在充电，x_n,j=0表示该辆车未充电，x_n,j-1为上时段第n辆电动汽车的充电决策，P_n,j为本时段第n辆车的充电功率，P_ref,j为本时段可调度的充电功率，ω_n为第n辆电动汽车的充电优先级。

第n辆电动汽车的充电优先级ω_n的确定方法为：

如果用户设置了第二天的行驶里程，则ω_n为：

${\mathrm{\ω}}_n=\frac{L_{n,c}}{L_{n,t}}$

否则：

${\mathrm{\ω}}_n=\frac{L_{n,c}}{L_{n,h}}---\left(3\right)$

L_n,t为用户设置的第二天行驶里程，L_n,c表示鉴于该时段的电池状态，第n辆电动汽车可以行使的里程，L_n,h表示第n辆电动汽车历史出行里程。

工作原理：本发明首先根据负荷特征以及电动汽车使用情况，制定电动汽车总体有序充电计划；进而综合考虑每个用户意愿以及电动汽车电池状态和自身行驶特征，将充电负荷公平合理的安排至每辆电动汽车。

有益效果：本发明以电动汽车用户的意愿为前提，将每辆电动汽车电池充电次数最少作为目标，利用电动汽车的历史出行里程和电池实时状态确定电动汽车充电的加权系数，将电动汽车群充电安排分解至每一辆电动汽车，体现了大规模电动汽车有序充电策略的合理性和公平性。在完成充电要求的同时，可以减少电动汽车充电启停次数；在尊重电动汽车用户的前提下，每个时段充电负荷分配策略都与电动汽车自身特征紧密联系，可以公平合理地安排电动汽车充电次序。

附图说明

图1为本发明大规模电动汽车有序充电调度框架图；

图2为本发明中一个时段内基于用户意愿和出行规律的电动汽车充电负荷分配策略流程图；

图3为无序充电、有序充电时电网总负荷及常规负荷曲线；

图4为是否考虑充电次数情况下电动汽车充电次数；

图5为两种充电模式下不同时段充电汽车数量。

具体实施方式

如图1、2所示，一种基于用户意愿和出行规律的电动汽车充电负荷分配方法，包括将一天时间分为96个时间段，即时间间隔为15min，根据历史常规数据，采用已有方法预测当日96点常规负荷数据和电动汽车接入电网的情况，由电力公司对其进行在线实时优化，制定电动汽车整体有序充电计划，得到每个时段的理想充电功率。采集电动汽车数据和用户输入相关设定，电动汽车数据包括电动汽车当前荷电状态下可以行使的里程和历史出行里程；用户输入相关设定，包括是否愿意参加调度计划、电动汽车预期停留时间、期望达到的电动汽车最终荷电状态和第二天计划行程。

以居民区用户使用的电动汽车为对象，假设小区拥有780住户，每户居民都拥有一辆汽车，其中电动汽车共有100辆，电动汽车渗透率为12.8%；用电高峰时期，平均每户居民用电4kW，即居民总负荷最高峰为3120kW；10%电动汽车用户不愿意接受电动汽车充电调度，在愿意接受电动汽车调度的用户中，约5%的用户设置了第二天出行里程；采用常规充电模式对电动汽车进行充电，并且充电过程中充电功率保持不变，充电功率为7kW，每辆电动汽车每天充电一次；利用蒙特卡洛方法，随机产生多个所需的电动汽车充电数据，具体数据如表1所示。

表1电动汽车充电数据设定

设该区域电力系统层面的充电安排已知，电动汽车有序充电负荷如图3所示。电动汽车负荷分配策略流程如下所示：

（1）获取当前时段每个时段的理想充电功率P_ref,j与实际可调度的电动汽车数量n_j；

（2）当前电动汽车实际最大充电功率不能满足系统调度指令时，系统则要求所有电动汽车接入电网充电，尽可能接近系统调度指令，当前时段预测电动汽车最大充电功率能够满足并且超过系统调度指令时，进入步骤（3）；

（3）遍历每辆电动汽车用户的信息，如果用户不愿意接受调度，当电动汽车接入系统时立即开始充电；如果用户愿意接受调度，则进入步骤（4）；

（4）判断电动汽车的当前时段电池容量B_n,j是否已达到电池总容量B_n，如果已达到，即该辆电动汽车不再参与优化流程，如果没有达到，则进行步骤（5）；

（5）判断当前时段T_j是否为电动汽车的必须充电时间t_m,n，如果是，则立即充电；如果不是则进入步骤（6）；

（6）判断是否还有需要分配的充电安排，如果没有，则进入下一时段；如果有，则进入步骤（6）；

（7）基于剩余的电动汽车，建立充电负荷分配数学模型，并计算结果。

数学模型以最小化电动汽车充电次数作为目标函数，以满足每个时段充电负荷安排为约束条件，具体表示为：

$\min \mathrm{\Δp}=\underset{n=1}{\overset{n_j}{\mathrm{\Σ}}}{\mathrm{\ω}}_n|x_{n,j}-x_{n,j-1}|---\left(1\right)$

约束条件：

$\underset{n=1}{\overset{n_j}{\mathrm{\Σ}}}{P}_{n,j}{x}_{n,j}=P_{\mathrm{ref},j}---\left(2\right)$

n_j为本时段可以调度的电动汽车总数目，x_n,j为本时段第n辆电动汽车的充电决策，x_n,j=1，表示该辆车在充电，x_n,j=0表示该辆车未充电，x_n,j-1为上时段第n辆电动汽车的充电决策，P_n,j为本时段第n辆车的充电功率，P_ref,j为本时段可调度的充电功率，ω_n为第n辆电动汽车的充电优先级。

第n辆电动汽车的充电优先级ω_n的确定方法为：

如果用户设置了第二天的行驶里程，则ω_n为：

${\mathrm{\ω}}_n=\frac{L_{n,c}}{L_{n,t}}$

否则：

${\mathrm{\ω}}_n=\frac{L_{n,c}}{L_{n,h}}---\left(3\right)$

L_n,t为用户设置的第二天行驶里程，L_n,c表示鉴于该时段的电池状态，第n辆电动汽车可以行使的里程，L_n,h表示第n辆电动汽车历史出行里程。

充电负荷分配数学模型以最小化电动汽车充电次数作为目标函数，以满足每个时段充电负荷安排为约束条件。利用电动汽车的历史出行里程和电池实时状态确定加权系数：历史出行里程较长的电动汽车优先充电，如果用户设置了第二天的行驶里程，则参考用户设置，用户设置的里程越长，则充电优先级越高；当前电池所剩容量越小，则充电优先级越高。最后，输出所有参加调度的电动汽车在是否考虑充电次数情况下的充电次数以及无序和有序充电模式下不同时段充电电动汽车数量对比。

Claims (2)

1.一种基于用户意愿和出行规律的电动汽车充电负荷分配的方法，其特征在于，包括以下步骤：

(1)根据输入的分配电动汽车充电负荷的原始数据，以15min为间隔划分时间段，得到每个时段的理想充电功率；

(2)根据采集的电动汽车数据以及用户输入设定确定加权系数，所述数据包括电动汽车当前荷电状态下所能行使的里程和历史出行里程；所述设定包括是否愿意参加调度计划、电动汽车预期停留时间、期望达到的电动汽车最终荷电状态和第二天计划行程；

(3)当电动汽车当前实际最大充电功率不能满足系统调度指令时，所有电动汽车接入电网充电，否则转入步骤(4)；

(4)遍历每辆电动汽车用户的信息，如果用户不愿意接受调度，电动汽车接入系统时立即开始充电，否则转入步骤(5)；

(5)如果电动汽车的当前时段电池容量B_n,j已达到电池总容量B_n，电动汽车不再参与优化流程，否则进行步骤(6)；

(6)如果当前时段判断为电动汽车必须充电时间，则立即充电，否则进入步骤(7)；

(7)如果没有需要分配的充电安排，则进入下一时段，否则进入步骤(8)；

(8)基于剩余的电动汽车，建立充电负荷分配的数学模型，并输出结果；具体为：数学模型以最小化电动汽车充电次数作为目标函数，以满足每个时段充电负荷安排为约束条件，具体表示为：

$min\mathrm{\Δ}p=\underset{n=1}{\overset{n_j}{\Σ}}{\mathrm{\ω}}_n\left|x_{n,j}-x_{n,j-1}\right|---\left(1\right)$

约束条件：

$\underset{n=1}{\overset{n_j}{\Σ}}{P}_{n,j}{x}_{n,j}=P_{ref,j}---\left(2\right)$

Δp电动汽车充电次数，j为本时段，n_j为本时段可以调度的电动汽车总数目，x_n,j为本时段第n辆电动汽车的充电决策，x_n,j＝1，表示该辆车在充电，x_n,j＝0表示该辆车未充电，x_n,j-1为上时段第n辆电动汽车的充电决策，P_n,j为本时段第n辆车的充电功率，P_ref,j为本时段可调度的充电功率，ω_n为第n辆电动汽车的充电优先级。

2.按照权利要求1所述的基于用户意愿和出行规律的电动汽车充电负荷分配方法，其特征在于，所述第n辆电动汽车的充电优先级ω_n的确定方法为：

如果用户设置了第二天的行驶里程，则ω_n为：

否则：

${\mathrm{\ω}}_n=\frac{L_{n,c}}{L_{n,h}}---\left(3\right)$

L_n,t为用户设置的第二天行驶里程，L_n,c表示鉴于该时段的电池状态，第n辆电动汽车可以行使的里程，L_n,h表示第n辆电动汽车历史出行里程；ω_n值越小优先级越大。