CN104091211A - 一种电动汽车充电电价制定的综合决策方法 - Google Patents
一种电动汽车充电电价制定的综合决策方法 Download PDFInfo
- Publication number
- CN104091211A CN104091211A CN201410331428.4A CN201410331428A CN104091211A CN 104091211 A CN104091211 A CN 104091211A CN 201410331428 A CN201410331428 A CN 201410331428A CN 104091211 A CN104091211 A CN 104091211A
- Authority
- CN
- China
- Prior art keywords
- electricity price
- charging
- consumer
- index
- charging electricity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种电动汽车充电电价制定的综合决策方法,它包括以下过程:1)形成充电电价初始方案;2)确定充电电价评估准则的权重;3)确定各评估准则下方案的相对优劣次序;4)确定最优的充电电价方案。本发明提供了一种基于层次化数据包络分析的可以兼顾各类消费者的电动汽车充电电价的综合决策方法,该综合决策方法在探讨充电电价制定应满足要求的基础上建立了充电电价综合评价指标集,并进一步确定层次化数据包络模型的输入、输出指标,给出各指标的计算方法,形成完整的充电电价综合决策分析模型,以行驶里程不同的消费者为例,对适用于每类消费者的充电电价初始方案进行综合评估,可制定出兼顾不同类型消费者的综合最优充电电价。
Description
技术领域
本发明涉及一种电动汽车充电电价的制定方法,具体地说是一种电动汽车充电电价制定的综合决策方法。
背景技术
近年来,国内外电动汽车技术发展日趋成熟,各国政府也相继出台激励政策推动电动汽车的普及。充电站运营商和消费者是电动汽车产业运营不可或缺的参与者,而充电电价直接影响运营商和消费者的经济效益,进而影响电动汽车的产业化发展,受到研究者的关注。一些研究建立了分时电价对充电行为影响的分析模型,并在此基础上评估了充电设施位置(包括居民区和非居民区)与充电电价的关系,向私家电动汽车用户提供了三种可供选择的充电电价方案。另外,一些研究在设定标准充电站和标准电动汽车的基础上,分别建立了运营商和消费者的效益模型,对充电电价的影响进行了定量的敏感性分析,求得既满足运营商盈利又能保证电动汽车消费者用车成本低于燃油汽车的充电电价范围,并针对无法同时满足两者效益的情况,建议了多项解决措施。以此为基础,分析了考虑项目资金的时间价值、分时电价以及政府补贴水平等的影响的充电电价制定。
综上可以看出,现有研究多是面向的仅是一种类型(标准或典型)消费者的充电电价制定方案,而实际中消费者个体差异很大,如此制定的充电电价难以被普遍接受。因此,区分消费者类别,多方位评估充电电价对消费者的影响,方能制定出综合效益最佳的充电电价。
发明内容
针对现有技术的不足,本发明提供了一种可以兼顾各类消费者的电动汽车充电电价制定的综合决策方法。
本发明解决其技术问题采取的技术方案是:一种电动汽车充电电价制定的综合决策方法,其特征是,包括以下过程:
1)形成初始方案
根据电动汽车车辆日行驶距离对电动车消费者进行分类,分为行驶距离短、行驶距离短中、行驶距离短长和行驶距离短较长4类电动车消费者,并以每类消费者日行驶距离的平均值作为行驶距离的典型值,每类消费者行驶距离的典型值所对应的充电电价就是该类消费者可以接受的平均充电电价,即可形成4个充电电价初始方案;
2)确定充电电价评估准则的权重
首先通过建立准则和指标来形成评估方案的层次结构模型,然后利用层次分析法得到充电电价评估方案经济性、适用性和满意度的输入、输出指标集,最后采用方根法求解准则权重向量w=(wP1,wP2,…,wPm);
3)确定各评估准则下方案的相对优劣次序
在比较各项评估指标时,针对不同的评估准则,采用数据包络分析方法构造最优化模型;根据最优化模型测算各种评估准则所需的输入、输出指标数据,求得最优效率指数;
4)确定最优的充电电价方案
运用归一化及加权求和的方法计算各方案的综合排序权值Qi,按综合排序权值Qi由大到小对初始方案进行排序,确定综合评估最优的充电电价方案。
上述方法中,所述层次结构模型分为目标层、准则层和指标层,所述目标就是满足各个准则的指标要求;所述准则包括经济性、适用性和满意度;所述指标包括经济性好、适用性广和满意度高。
上述方法中,所述经济性好就是:(1)以消费者的内部收益率I1和动态回收期I2表示消费者的经济性,I1值越高、I2值越小说明消费者使用电动汽车越经济;(2)以运营商的净现值I3和动态回收期I4表示其经济性,I3值越大、I4值越小说明充电站盈利能力越强;
所述适用性广就是以充电电价对应的消费者比例I5以及充电电价与运营商期望电价的价差I6表示适用性,I5值越大、I6值越小说明制定的充电电价适用的消费者范围越广,同时适用于消费者和运营商的能力越强;
所述满意度高就是以制定的充电电价与现执行充电电价的差值I7表示消费者的满意度,I7值越大,意味着消费者的可接受电价越高,消费者剩余越多,该充电电价越容易令消费者满意。
上述方法中,所述经济性、适用性和满意度的输入、输出指标集如表1所示:
表1:经济性、适用性、满意度的评估指标
准则 | 输入指标 | 输出指标 |
经济性P1 | I2,I4 | I1,I3 |
适用性P2 | I6 | I5 |
满意度P3 | I2,I6,I7 | U |
I1为消费者的内部收益率、I2为动态回收期、I3为运营商的净现值、I4为动态回收期、I5为充电电价对应的消费者比例、I6为充电电价与运营商期望电价的价差、I7为制定的充电电价与现执行充电电价的差值、U为满意度的输出指标。
上述方法中,所述最优化模型如式1所示:
式1中,可将不同充电电价方案视为决策单元,假设有n个决策单元,每个决策单元都有m个输入量和s个输出量,分别表示该充电电价所耗费的资源和所产生的效益,xj=(x1j,x2j,…,xmj)T,yj=(y1j,y2j,…,ysj)T,j=1,2,…,n;xij代表第j个决策单元在第i项的输入值;yrj代表第j个决策单元在第r项的输出值;v=(v1,v2,…,vm)为输入权系数,u=(u1,u2,…,um)为输出权系数;
根据式1测算各种准则评估所需的输入输出指标数据,求得最优效率指数VP1,VP2和VP3。
上述方法中,所述综合排序权值通过式2进行求得:
式2中,Qi为综合排序权值,wP1、wP2、wP3为权重向量,Vi P1、Vi P2、Vi P3为最优效率指数,i=1,2,3,4。
本发明的有益效果是:本发明提供了一种基于层次化数据包络分析的可以兼顾各类消费者的电动汽车充电电价的综合决策方法,该综合决策方法在探讨充电电价制定应满足要求的基础上建立了充电电价综合评价指标集,并进一步确定层次化数据包络模型的输入、输出指标,给出各指标的计算方法,形成完整的充电电价综合决策分析模型,以行驶里程不同的消费者为例,对适用于每类消费者的充电电价初始方案进行综合评估,可制定出兼顾不同类型消费者的综合最优充电电价。
与现有技术相比,本发明将层次化数据包络分析方法应用于电动汽车充电电价综合评估,建立了能够较科学、完整的反映充电电价制定各项要求的评价指标集,恰当地运用层次分析法和数据包络分析方法分别处理专家经验和各方案指标的相对有效性,最终得出能兼顾各类消费者多重利益的综合最优充电电价。
附图说明
图1为本发明的方法流程图。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
如图1所示,本发明的一种电动汽车充电电价制定的综合决策方法,它包括以下过程:
1)形成初始方案
根据电动汽车车辆日行驶距离对电动车消费者进行分类,分为行驶距离短、行驶距离短中、行驶距离短长和行驶距离短较长4类电动车消费者,并以每类消费者日行驶距离的平均值作为行驶距离的典型值,每类消费者行驶距离的典型值所对应的充电电价就是该类消费者可以接受的平均充电电价,即可形成4个充电电价初始方案。
2)确定充电电价评估准则的权重
首先通过建立准则和指标来形成评估方案的层次结构模型,然后利用层次分析法得到充电电价评估方案经济性、适用性和满意度的输入、输出指标集,最后在准则层,利用层次分析法(AHP)确定能够反映决策者倾向的准则权重,以体现准则间各自不同的重要程度,采用方根法求解目标和准则层的判断矩阵的权重向量w=(wP1,wP2,…,wPm)。
3)确定各评估准则下方案的相对优劣次序
在比较各项评估指标时,针对不同的评估准则,采用数据包络分析方法(DEA)构造最优化模型;根据最优化模型测算各种评估准则所需的输入、输出指标数据,求得最优效率指数。
4)确定最优的充电电价方案
运用归一化及加权求和的方法计算各方案的综合排序权值Qi,按综合排序权值Qi由大到小对初始方案进行排序,确定综合评估最优的充电电价方案。
在步骤2)中,所述层次结构模型分为目标层、准则层和指标层,充电电价制定的基本原则为:成本为主、合理利润、公平负担、促进电动汽车的推广,因此,所述目标就是满足各个准则的指标要求;所述准则包括经济性、适用性和满意度;所述指标包括经济性好、适用性广和满意度高。其中,所述经济性好就是:(1)以消费者的内部收益率I1和动态回收期I2表示消费者的经济性,I1值越高、I2值越小说明消费者使用电动汽车越经济;(2)以运营商的净现值I3和动态回收期I4表示其经济性,I3值越大、I4值越小说明充电站盈利能力越强,制定的充电电价应满足各类消费者以及充电站运营商的经济性要求。所述适用性广就是以充电电价对应的消费者比例I5以及充电电价与运营商期望电价的价差I6表示适用性,I5值越大、I6值越小说明制定的充电电价适用的消费者范围越广,同时适用于消费者和运营商的能力越强。所述满意度高就是以制定的充电电价与现执行充电电价的差值I7表示消费者的满意度,I7值越大,意味着消费者的可接受电价越高,消费者剩余越多,该充电电价越容易令消费者满意,也就越有利于电动汽车的推广使用。
在步骤2)中,所述经济性、适用性和满意度的输入、输出指标集如表1所示:
表1:经济性、适用性、满意度的评估指标
准则 | 输入指标 | 输出指标 |
经济性P1 | I2,I4 | I1,I3 |
适用性P2 | I6 | I5 |
满意度P3 | I2,I6,I7 | U |
I1为消费者的内部收益率、I2为动态回收期、I3为运营商的净现值、I4为动态回收期、I5为充电电价对应的消费者比例、I6为充电电价与运营商期望电价的价差、I7为制定的充电电价与现执行充电电价的差值、U为满意度的输出指标。需要指出的是,表1中评估方案满意度的原始输出指标空缺,由于DEA方法评价的是决策单元(DMU)的相对有效性,所以为计算需要将其补充为取值为l的规范化输出U。
在步骤3)中,所述最优化模型如式1所示:
式1中,可将不同充电电价方案视为决策单元,假设有n个决策单元,每个决策单元都有m个输入量和s个输出量,分别表示该充电电价所耗费的资源和所产生的效益,xj=(x1j,x2j,…,xmj)T,yj=(y1j,y2j,…,ysj)T,j=1,2,…,n;xij代表第j个决策单元在第i项的输入值;yrj代表第j个决策单元在第r项的输出值;v=(v1,v2,…,vm)为输入权系数,u=(u1,u2,…,um)为输出权系数;
通过数据包络分析中效率指数的优化目标可知,优化的方向是最小化输入指标及最大化输出指标,在比较充电电价方案的各项评估指标时,为避免直接指定指标权重带来的主观因素影响,分别建立不同评估准则下的如式1所示的最优化模型,并根据表1定义的指标内容测算各种准则评估所需的输入输出指标数据,求得最优效率指数VP1,VP2和VP3。
在步骤4)中,所述综合排序权值通过式2进行求得:
式2中,Qi为综合排序权值,wP1、wP2、wP3为权重向量,Vi P1、Vi P2、Vi P3为最优效率指数,i=1,2,3,4。
为了更好地阐述该综合决策方法的实施方式,下面通过一个实例来进行分析说明。采用山东省某充换电站作为算例进行分析,其现执行充电电价为0.82元/kWh。剔除行驶距离过大过小的情况,将车辆日行使距离为10km-120km(占总量的73%)的消费者分为4类,即形成4个决策单元(DMU)。参与评估的4个方案及各项指标I1~I7的值如表2、表3所示。为保证指标的可比性,在指标I1和I2的计算中消费者的参数统一取日行驶距离为75km所对应的数值。
表2:消费者分类及其充电电价初始方案
表3:各初始方案的指标值
方案号 | I1 | I2(年) | I3(万元) | I4(年) | I5 | I6(元/kWh) | I7(元/kWh) |
1 | 92% | 2 | -3041.2 | 106 | 25% | 1.29 | 0.17 |
2 | 19% | 12 | 107.6 | 15 | 27% | 0.04 | 1.50 |
3 | 5% | 16 | 1173 | 9 | 13% | 0.49 | 1.95 |
4 | 1% | 21 | 1622.9 | 8 | 8% | 0.68 | 2.14 |
电动汽车发展的阶段不同,充电电价制定的侧重也必然不同,那么运用AHP确定的各项评估准则的权重会相应变化,为此本文对权重设置变化很大的四种情形进行了分析。
(1)算例1
一般情况下,就充电电价制定的综合最优决策的目标而言,保证运营商和消费者的经济性最为重要,其次,适用性和满意度二者相比,适用性则略显重要。利用AHP构造评估准则判断矩阵如下:
运用方根法求得三项准则的权重向量为
w=(wP1,wP2,wP3)=(0.5395,0.2970,0.1634)
利用DEA得到最优效率指数VP1,VP2和VP3如表4所示。
表4.方案最优效率指数
方案号 | VP1 | VP2 | VP3 |
1 | 0.6667 | 0.0287 | 1 |
2 | 0.7053 | 1 | 1 |
3 | 0.7375 | 0.0393 | 0.6242 |
4 | 0.6822 | 0.0174 | 0.5387 |
针对以上4个方案,按式(2)求得其综合排序权值如表5所示。
表5.方案评估综合排序权值
方案号 | 1 | 2 | 3 | 4 |
Qi | 0.2013 | 0.4753 | 0.1998 | 0.1776 |
由表5可知,各方案的综合排序为:2、1、3、4,即方案2为综合最优的方案。进一步分析可见:方案2的效率指数VP2、VP3均为1,VP1为0.7053,即第二类消费者的合理充电电价在保证消费者和运营商一定利益的前提下,有很好的适用性和很高的总体满意度,因此综合排序权值最大。方案1的VP3为1,但此时的充电电价对运营商来讲偏低,严重影响其总体经济性和适用性,拉低了其综合排序权值;方案3的经济性最优,但是适用性和满意度偏低,由于两准则的重要性不可忽视,使其综合排序权值相对偏低;方案4的充电电价对大多数消费者来讲过高,严重影响其适用性和满意度,经济性也较差,故整体的排序权值最小。
(2)算例2
电动汽车推广应用初期,可认为各类消费者的满意度最为重要,适用性和经济性都暂时忽略,因此可构造P矩阵如下:
此时求得三项准则的权重向量为
w=(wP1,wP2,wP3)=(0.0909,0.0909,0.8182)
进一步可得综合排序权值
Q=(Q1,Q2,Q3,Q4)=(0.2828,0.3654,0.1888,0.1630)
因此各方案的综合排序为:2、1、3、4。
(3)算例3
当认为各类消费者和运营商的经济性最为重要时,可相对减小准则判断矩阵中适用性和满意度的值,令经济性相对于适用性和满意度的标度为9,则三项准则的权重向量为
w=(wP1,wP2,wP3)=(0.8182,0.0909,0.0909)
此时综合排序权值
Q=(Q1,Q2,Q3,Q4)=(0.2265,0.3192,0.2374,0.2169)
各方案的综合排序为:3、1、2、4。
(4)算例4
当认为适用性最为重要时,可相对减小准则判断矩阵中经济性和满意度的值,令适用性相对于经济性和满意度的标度为9,则三项准则的权重向量为
w=(wP1,wP2,wP3)=(0.0909,0.8182,0.0909)
可得此时综合排序权值
Q=(Q1,Q2,Q3,Q4)=(0.0721,0.8055,0.0716,0.0508)
各方案的综合排序为:2、1、3、4。
综上可见,除算例3因特别强调经济性而使方案3成为综合最优的方案外,其他算例的结果是一样的。这说明,本发明提出的充电电价制定的综合决策方法有很强的实用性,运用DEA方法可保证不同准则下各方案的优劣次序较少受主观因素的影响,因而即使准则层的权重有变化,也能得出最有利于大多数消费者(方案2对应的消费者比例最高)的科学合理的结果。
总之,本发明所述的电动汽车充电电价制定的综合决策方法既能保证决策中的主、客观因素相结合,又能反映评估的侧重点,可实现针对不同制定需求的充电电价综合决策。
以上所述只是本发明的优选实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也被视为本发明的保护范围。
Claims (6)
1.一种电动汽车充电电价制定的综合决策方法,其特征是,包括以下过程:
1)形成初始方案
根据电动汽车车辆日行驶距离对电动车消费者进行分类,分为行驶距离短、行驶距离短中、行驶距离短长和行驶距离短较长4类电动车消费者,并以每类消费者日行驶距离的平均值作为行驶距离的典型值,每类消费者行驶距离的典型值所对应的充电电价就是该类消费者可以接受的平均充电电价,即可形成4个充电电价初始方案;
2)确定充电电价评估准则的权重
首先通过建立准则和指标来形成评估方案的层次结构模型,然后利用层次分析法得到充电电价评估方案经济性、适用性和满意度的输入、输出指标集,最后采用方根法求解准则权重向量w=(wP1,wP2,…,wPm);
3)确定各评估准则下方案的相对优劣次序
在比较各项评估指标时,针对不同的评估准则,采用数据包络分析方法构造最优化模型;根据最优化模型测算各种评估准则所需的输入、输出指标数据,求得最优效率指数;
4)确定最优的充电电价方案
运用归一化及加权求和的方法计算各方案的综合排序权值Qi,按综合排序权值Qi由大到小对初始方案进行排序,确定综合评估最优的充电电价方案。
2.根据权利要求1所述的一种电动汽车充电电价制定的综合决策方法,其特征是,所述层次结构模型分为目标层、准则层和指标层,所述目标就是满足各个准则的指标要求;所述准则包括经济性、适用性和满意度;所述指标包括经济性好、适用性广和满意度高。
3.根据权利要求2所述的一种电动汽车充电电价制定的综合决策方法,其特征是,所述经济性好就是:(1)以消费者的内部收益率I1和动态回收期I2表示消费者的经济性,I1值越高、I2值越小说明消费者使用电动汽车越经济;(2)以运营商的净现值I3和动态回收期I4表示其经济性,I3值越大、I4值越小说明充电站盈利能力越强;
所述适用性广就是以充电电价对应的消费者比例I5以及充电电价与运营商期望电价的价差I6表示适用性,I5值越大、I6值越小说明制定的充电电价适用的消费者范围越广,同时适用于消费者和运营商的能力越强;
所述满意度高就是以制定的充电电价与现执行充电电价的差值I7表示消费者的满意度,I7值越大,意味着消费者的可接受电价越高,消费者剩余越多,该充电电价越容易令消费者满意。
4.根据权利要求1所述的一种电动汽车充电电价制定的综合决策方法,其特征是,所述经济性、适用性和满意度的输入、输出指标集如表1所示:
表1:经济性、适用性、满意度的评估指标
I1为消费者的内部收益率、I2为动态回收期、I3为运营商的净现值、I4为动态回收期、I5为充电电价对应的消费者比例、I6为充电电价与运营商期望电价的价差、I7为制定的充电电价与现执行充电电价的差值、U为满意度的输出指标。
5.根据权利要求1所述的一种电动汽车充电电价制定的综合决策方法,其特征是,所述最优化模型如式1所示:
式1中,可将不同充电电价方案视为决策单元,假设有n个决策单元,每个决策单元都有m个输入量和s个输出量,分别表示该充电电价所耗费的资源和所产生的效益,xj=(x1j,x2j,…,xmj)T,yj=(y1j,y2j,…,ysj)T,j=1,2,…,n;xij代表第j个决策单元在第i项的输入值;yrj代表第j个决策单元在第r项的输出值;v=(v1,v2,…,vm)为输入权系数,u=(u1,u2,…,um)为输出权系数;
根据式1测算各种准则评估所需的输入输出指标数据,求得最优效率指数VP1,VP2和VP3。
6.根据权利要求1所述的一种电动汽车充电电价制定的综合决策方法,其特征是,所述综合排序权值通过式2进行求得:
式2中,Qi为综合排序权值,wP1、wP2、wP3为权重向量,Vi P1、Vi P2、Vi P3为最优效率指数,i=1,2,3,4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410331428.4A CN104091211A (zh) | 2014-07-11 | 2014-07-11 | 一种电动汽车充电电价制定的综合决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410331428.4A CN104091211A (zh) | 2014-07-11 | 2014-07-11 | 一种电动汽车充电电价制定的综合决策方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104091211A true CN104091211A (zh) | 2014-10-08 |
Family
ID=51638926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410331428.4A Pending CN104091211A (zh) | 2014-07-11 | 2014-07-11 | 一种电动汽车充电电价制定的综合决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104091211A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139222A (zh) * | 2015-07-30 | 2015-12-09 | 武汉大学 | 一种自适应电动汽车充电服务费率浮动计算系统与方法 |
CN109191694A (zh) * | 2018-06-26 | 2019-01-11 | 北京国网普瑞特高压输电技术有限公司 | 一种电动汽车快充站充电分段计费方法及装置 |
CN109636137A (zh) * | 2018-11-23 | 2019-04-16 | 浙江华云电力工程设计咨询有限公司 | 基于层次分析的电动汽车充电站规划布局方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455852A (zh) * | 2013-08-28 | 2013-12-18 | 西安交通大学 | 一种基于dea合作博弈的输配电费用分摊方法 |
CN103679299A (zh) * | 2013-12-30 | 2014-03-26 | 华北电力大学(保定) | 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法 |
WO2014101278A2 (zh) * | 2012-12-26 | 2014-07-03 | 国家电网公司 | 一种智能配电网高效运行评估方法 |
-
2014
- 2014-07-11 CN CN201410331428.4A patent/CN104091211A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014101278A2 (zh) * | 2012-12-26 | 2014-07-03 | 国家电网公司 | 一种智能配电网高效运行评估方法 |
CN103455852A (zh) * | 2013-08-28 | 2013-12-18 | 西安交通大学 | 一种基于dea合作博弈的输配电费用分摊方法 |
CN103679299A (zh) * | 2013-12-30 | 2014-03-26 | 华北电力大学(保定) | 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法 |
Non-Patent Citations (3)
Title |
---|
刘艳 等: "评估黑启动方法的层次化数据包络分析方法", 《电力系统自动化》 * |
李承程: "基于改进价格上限的输配电价监管模型", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
路宽 等: "运用成本效益分析的电动汽车充电电价制定", 《电力系统及其自动化学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139222A (zh) * | 2015-07-30 | 2015-12-09 | 武汉大学 | 一种自适应电动汽车充电服务费率浮动计算系统与方法 |
CN109191694A (zh) * | 2018-06-26 | 2019-01-11 | 北京国网普瑞特高压输电技术有限公司 | 一种电动汽车快充站充电分段计费方法及装置 |
CN109636137A (zh) * | 2018-11-23 | 2019-04-16 | 浙江华云电力工程设计咨询有限公司 | 基于层次分析的电动汽车充电站规划布局方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ahmadian et al. | A review on plug-in electric vehicles: Introduction, current status, and load modeling techniques | |
Ye et al. | A data-driven bottom-up approach for spatial and temporal electric load forecasting | |
Liang et al. | Analysis of factors affecting economic operation of electric vehicle charging station based on DEMATEL-ISM | |
Wu et al. | Risk assessment of electric vehicle supply chain based on fuzzy synthetic evaluation | |
He et al. | Urban long term electricity demand forecast method based on system dynamics of the new economic normal: the case of Tianjin | |
CN103177395B (zh) | 一种基于社会期望的智能配电网节能减排综合评价方法 | |
CN103632203A (zh) | 一种基于综合评价的配电网供电区域划分方法 | |
Zhao et al. | Data-driven framework for large-scale prediction of charging energy in electric vehicles | |
Ida et al. | A stated preference analysis of smart meters, photovoltaic generation, and electric vehicles in Japan: Implications for penetration and GHG reduction | |
CN105160428A (zh) | 高速公路电动汽车快速充电站的规划方法 | |
Strobel et al. | Joint analysis of regional and national power system impacts of electric vehicles—A case study for Germany on the county level in 2030 | |
CN104318482A (zh) | 一套智能配电网综合评估体系和方法 | |
CN104021300B (zh) | 一种基于分布式电源接入对配电网影响的综合评估方法 | |
CN104933629A (zh) | 基于区间层次分析和区间熵组合的电力用户设备评估方法 | |
CN106548272A (zh) | 一种电动汽车快充设施综合性能的评价方法 | |
CN105447082A (zh) | 一种海量负荷曲线的分布式聚类方法 | |
Zhang et al. | Data-driven cooling, heating and electrical load prediction for building integrated with electric vehicles considering occupant travel behavior | |
Zhang et al. | A hybrid electric vehicle load classification and forecasting approach based on GBDT algorithm and temporal convolutional network | |
Jin et al. | Optimal siting and sizing of EV charging station using stochastic power flow analysis for voltage stability | |
CN104091211A (zh) | 一种电动汽车充电电价制定的综合决策方法 | |
CN104820942A (zh) | 一种基于层次聚类的电力市场交易评价标准测算方法 | |
Boulakhbar et al. | Electric vehicles arrival and departure time prediction based on deep learning: the case of Morocco | |
Hasan et al. | A new smart approach of an efficient energy consumption management by using a machinelearning technique | |
Yuan et al. | A synthetic dataset of Danish residential electricity prosumers | |
Ji et al. | Comprehensive pricing scheme of the EV charging station considering consumer differences based on integrated AHP/DEA methodology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141008 |
|
RJ01 | Rejection of invention patent application after publication |