CN106042963B - 电气化交通网络和电力系统的协同优化方法与系统 - Google Patents
电气化交通网络和电力系统的协同优化方法与系统 Download PDFInfo
- Publication number
- CN106042963B CN106042963B CN201610446084.0A CN201610446084A CN106042963B CN 106042963 B CN106042963 B CN 106042963B CN 201610446084 A CN201610446084 A CN 201610446084A CN 106042963 B CN106042963 B CN 106042963B
- Authority
- CN
- China
- Prior art keywords
- electric car
- charging station
- electric
- path
- initial
- 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.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/64—Optimising energy costs, e.g. responding to electricity rates
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/50—Control modes by future state prediction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/50—Control modes by future state prediction
- B60L2260/52—Control modes by future state prediction drive range estimation, e.g. of estimation of available travel distance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/50—Control modes by future state prediction
- B60L2260/54—Energy consumption estimation
-
- 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
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- 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
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/14—Plug-in electric vehicles
Abstract
本发明提供一种电气化交通网络和电力系统的协同优化方法与系统,耦合电动汽车电气化交通网络和电力网络,获得电动汽车初始路径以及充电站初始价格参数,实时获取电动汽车位置信息、剩余电量信息,根据电动汽车位置信息、剩余电量信息、初始路径以及充电站初始价格参数,采用dijkstra算法查找电动汽车最低成本路径,统计每个充电站所需电量,采用拉格朗日松弛算法优化电力网络。将电动汽车电气化交通网络和电力系统耦合,一方面,采用dijkstra算法求解路径优化减少充电、运输和耗时成本的总和,另一方面,针对每个充电站所需电量用拉格朗日松弛算法,对电力网络反馈优化,实现对电气化交通网络和电力系统良好的协同优化。
Description
技术领域
本发明涉及电动汽车管控技术领域,特别是涉及电气化交通网络和电力系统的协同优化方法与系统。
背景技术
新能源汽车,包括插电式混合动力汽车(PHEVs)和纯电动汽车(BEVs),在减少中国空气污染、汽油消耗与交通行业对石油依赖性中扮演重要角色。插电式汽车完全地或部分地依靠廉价的电力,这些电力可从本地的、再生的、比汽油的碳密集度更低的能源中获得。但是,道路上不断增加的电动汽车导致对电力系统更多的能源需要。这将直接成比例地对电力系统运行产生影响。对于一个可靠的电力系统,发电量和耗电量应保持平衡。
电动汽车在交通网络具有随机性并且难以精确估算电动汽车充电负荷。电动汽车的高渗透性将会增加交通网络和电力需求的不确定性,而电动汽车司机为他们的汽车充电行为的不可预测性是这种不确定性的主要来源之一。另外,在现实情况下,司机需要规划目的地路线方案。大多数时候最短距离并不是最便宜的路径。由于汽车部件效率和交通条件使得评估实际路途成本是一项巨大挑战。如果需要对电池充电,会产生很多种选择,用户通常独自评估成本效率选择,另外还需要考虑充电站容量。
发明内容
基于此,有必要针对目前尚无一种电动汽车电力系统与交通网络协调优化方法对电动汽车在交通网络充电进行协调优化的问题,提供一种电气化交通网络和电力系统的协同优化方法与系统,以对电动汽车在交通网络充电进行协调优化。
一种电气化交通网络和电力系统的协同优化方法,包括步骤:
耦合电动汽车电气化交通网络和电力网络,获得电动汽车初始路径以及充电站初始价格参数;
实时获取电动汽车位置信息以及电动汽车剩余电量信息,根据电动汽车位置信息、电动汽车剩余电量信息、电动汽车初始路径以及充电站初始价格参数,采用dijkstra算法查找电动汽车最低成本路径;
统计每个充电站所需电量,根据每个充电站所需电量,采用拉格朗日松弛算法优化电力网络。
一种电气化交通网络和电力系统的协同优化系统,包括:
耦合模块,用于耦合电动汽车电气化交通网络和电力网络,获得电动汽车初始路径以及充电站初始价格参数;
路径优化模块,用于实时获取电动汽车位置信息以及电动汽车剩余电量信息,根据电动汽车位置信息、电动汽车剩余电量信息、电动汽车初始路径以及充电站初始价格参数,采用dijkstra算法查找电动汽车最低成本路径;
电网优化模块,用于统计每个充电站所需电量,根据每个充电站所需电量,采用拉格朗日松弛算法优化电力网络。
本发明电气化交通网络和电力系统的协同优化方法与系统,耦合电动汽车电气化交通网络和电力网络,获得电动汽车初始路径以及充电站初始价格参数,实时获取电动汽车位置信息、剩余电量信息,根据电动汽车位置信息、剩余电量信息、初始路径以及充电站初始价格参数,采用dijkstra算法查找电动汽车最低成本路径,统计每个充电站所需电量,采用拉格朗日松弛算法优化电力网络。整个过程中,将电动汽车电气化交通网络和电力系统耦合,一方面,采用dijkstra算法求解路径优化减少充电、运输和耗时成本的总和,另一方面,针对每个充电站所需电量用拉格朗日松弛算法,对电力网络反馈优化,实现对电气化交通网络和电力系统良好的协同优化。
附图说明
图1为本发明电气化交通网络和电力系统的协同优化方法第一个实施例的流程示意图;
图2为本发明电气化交通网络和电力系统的协同优化方法第二个实施例的流程示意图;
图3为本发明电气化交通网络和电力系统的协同优化方法其中一个应用实例中,电动汽车需求处理流程示意图;
图4为本发明电气化交通网络和电力系统的协同优化方法其中一个应用实例中,充电站需求处理流程示意图;
图5为本发明电气化交通网络和电力系统的协同优化方法其中一个应用实例中,多路径对象选择处理流程示意图;
图6为本发明电气化交通网络和电力系统的协同优化系统第一个实施例的结构示意图;
图7为本发明电气化交通网络和电力系统的协同优化系统第二个实施例的结构示意图。
具体实施方式
如图1所示,一种电气化交通网络和电力系统的协同优化方法,包括步骤:
S200:耦合电动汽车电气化交通网络和电力网络,获得电动汽车初始路径以及充电站初始价格参数。
电动汽车电气化交通网络和电力网络可以从互联网获得,例如电动汽车电气化交通网络可以从互联网下载导航软件,从导航软件内的数据提取获得,电力网络可以通过互联网向电力电网管理部门申请获得。电价沟通从电力网络传送到交通网络。另外,每个电动汽车充电站的预期充电需求与电力网络相连,不同的电价需求影响充电网网络中的电价。
S400:实时获取电动汽车位置信息以及电动汽车剩余电量信息,根据电动汽车位置信息、电动汽车剩余电量信息、电动汽车初始路径以及充电站初始价格参数,采用dijkstra算法查找电动汽车最低成本路径。
dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法,用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。dijkstra算法是很有代表性的最短路径算法。电动汽车位置信息可以通过内置于电动汽车的定位装置获取,电动汽车剩余电量信息可以通过与电动汽车控制系统无线通信,请求其实施反馈电动汽车剩余电量信息。基于电动汽车位置信息和电气化交通网络可以清楚了解当前电动汽车作为能够提供充电服务的充电站位置,基于电动汽车剩余电量信息可以了解若此时电动汽车充电所需充电量等参数。具体来说,最低成本包括行驶成本和充电成本两个方面。
S600:统计每个充电站所需电量,根据每个充电站所需电量,采用拉格朗日松弛算法优化电力网络。
拉格朗日松弛算法是用以求解约束规划的一种数学算法。将目标函数中造成问题难的约束吸收到目标函数中,并保持目标函数的线性,使问题更加容易求解。电力负荷和生产应该平衡,因此需要寻找电力网络的最优的运行点,实现对电力网络的优化。由于将电气化交通和电力系统联系在了一起,将使用更加精确的拉格朗日松弛法算法来解决整个系统中优化电力系统问题。荷载和供应间的平衡是电力网络优化的首要任务,对电力网路优化的实质是寻找发电水平给出的预测荷载。为了使电力网络供应电动汽车能量时的总电力系统发电机成本降到最低,我们提出一个解决DC(Direct Current,直流电)最优功率问题的方法,使我们连接电气化交通和电力系统网络的方法来更好地预测电力负荷。DC功率流是基于一些假设来更快地解决功率流等式并且使非线性有功功率流方程线性化。这些假设为:1)所有电压等级都为1p.u.;2)电压角度小到足以忽略差异;3)线路电阻可忽略。DC最优功率流(DC OPF)问题显示在以下方程中:
s,t,g(x)=0
h(x)≤0
如果X是控制变量和状态变量中的矢量,是目标函数,和是等式和不等式各自的约束条件。一般来说,控制变量是有功功率输出和无功功率输出;状态变量是每一总线的电压等级和角度。由此而论,我们找到了每一总线的发电机输出,这可使总发电机组受到系统物理限制约束的成本最小化。为了获得这些物理约束,我们使用了DC最优功率流。因此在这个问题上,控制变量变成了有功功率输出,状态变量则是总线的电压角度。DC最优功率问题的目标函数是整个系统发电机组的成本。
本发明电气化交通网络和电力系统的协同优化方法,耦合电动汽车电气化交通网络和电力网络,获得电动汽车初始路径以及充电站初始价格参数,实时获取电动汽车位置信息、剩余电量信息,根据电动汽车位置信息、剩余电量信息、初始路径以及充电站初始价格参数,采用dijkstra算法查找电动汽车最低成本路径,统计每个充电站所需电量,采用拉格朗日松弛算法优化电力网络。整个过程中,将电动汽车电气化交通网络和电力系统耦合,一方面,采用dijkstra算法求解路径优化减少充电、运输和耗时成本的总和,另一方面,针对每个充电站所需电量用拉格朗日松弛算法,对电力网络反馈优化,实现对电气化交通网络和电力系统良好的协同优化。
如图2所示,在其中一个实施例中,步骤S200包括:
S220:获取电动汽车始发地和目的地。
S240:根据电力网络以及电动汽车始发地和目的地,确定充电站初始价格参数。
基于电力网络可以了解电动汽车始发地与目的地区间区域内各个充电站的初始价格参数。具体来说,这个价格参数是电力网络预设的充电站节点边际价格。
S260:根据充电站初始价格参数以及电动汽车电气化交通网络,选取电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为电动汽车初始路径。
基于已经准备好的数据,可以计算出选择不同充电站所需充电费用以及电动汽车多条行驶路径,选取其中充电费用最便宜且行驶路径最优的路径为电动汽车初始路径。
在其中一个实施例中,根据电力网络以及电动汽车始发地和目的地,确定充电站初始价格参数的步骤包括:
步骤一:根据电力网络,获取预设充电站节点边际价格。
步骤二:根据电动汽车始发地和目的地,识别每个潜在需充电的电动汽车,当电动汽车准备在当前充电站充电时,获取每台电动汽车的预期的充电时间、所需的电荷量以及与当前充电站的距离信息。
充电站识别每个潜在需充电的电动汽车,并预计该电动汽车所需充电时间、所需电荷量以及与自身的距离。
步骤三:根据每台电动汽车的预期的充电时间、所需的电荷量以及与当前充电站的距离信息,统计当前充电站的电量需求总量。
充电站将电动汽车所需充电时间、所需电荷量以及与自身的距离推送给电动汽车,电动汽车驾驶员选择是否在该充电站进行充电。充电站在收到电动汽车反馈回是否充电信息之后,统计所有准备在此充电汽车的电量需求总量。
步骤四:根据电量需求总量,更新预设充电站节点边际价格,获得充电站初始价格参数。
在实际工程应用中,充电站不同的电量需求总量其具体的价格也会发生一定的改变。因此,我们需要根据电量需求总量,更新预设充电站节点边际价格,获得充电站初始价格参数。
为了更进一步详细解释上述过程,下面将采用实际应用场景进行说明。
步骤一:充电站接收来电力网络查询获得的节点边际价格。
步骤二:充电站接收来自每个潜在电动汽车的信号,判断该电动汽车是否在充电站为它的电池充电。
步骤三:充电站接收来自每台电动汽车的预期的充电时间、所需的电荷量以及距离信息。
步骤四:充电站为每台电动汽车确定电价并且将价格传输过去。
步骤五:充电站根据来自电动汽车到充电站的被经核准的信号,充电站将预计电动汽车充电需求的总量。
步骤六:充电站把它们的预计需求发给电力网络,以更新下一步价格信号。
步骤七:电力网络更新预设充电站节点边际价格,获得充电站初始价格参数。
在其中一个实施例中,根据充电站初始价格参数以及电动汽车电气化交通网络,选取电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为电动汽车初始路径的步骤包括:
步骤一:根据电动汽车电气化交通网络,获取电动汽车始发地和目的地之间多条路径。
步骤二:根据充电站初始价格参数,分别计算电动汽车始发地和目的地之间多条路径充电费用。
步骤三:选取电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为电动汽车初始路径。
如图2所示,在其中一个实施例中,步骤S400包括:
S420:实时获取电动汽车位置信息以及电动汽车剩余电量信息。
S440:当电动汽车剩余电量不满足电动汽车从当前位置行驶至目的地时,根据电动汽车初始路径,采用dijkstra算法查找电动汽车最低行驶成本路径以及电动汽车在最低行驶成本路径中能量耗尽的节点。
S460:根据充电站初始价格参数,采用dijkstra算法查找电动汽车最低成本对应的候选充电站,其中,最低成本包括最低行驶成本和最低充电成本。
S480:当待充电站比能量耗尽的节点更靠近电动汽车目的地时,剔除已查找的候选充电站,返回S460。
在本实施例中,考虑电动汽车剩余电量不足以支撑电动汽车行驶至该候选充电站的情况,针对此种情况,将该候选充电站剔除,重新根据充电站初始价格参数,采用dijkstra算法查找电动汽车最低成本对应的候选充电站。如果电动汽车剩余电量足够支持电动汽车从始发地行驶至目的,那么最优路径的计算函数就是p(i)=[n1(i),n2(i),…,nk(i)]。然后在该路径的每个节点nj(i),会显示最近的充电站mj。从这些充电站中选择5个可到达的最低成本充电站,这个成本包括行驶路线中的交通运输、充电、以及时间价值。
为了更进一步详细解释本发明电气化交通网络和电力系统的协同优化方法的技术方案,下面采用具体应用实例,详细描述整个过程。
1)电动汽车测量当前电荷量。
2)电动汽车根据始点和终点确定最优路线。根据主要确定的最优路线。
3)电动汽车选择潜在的充电站并把询问电价的信号发过去。
4)电动汽车通过云计算服务器从潜在的充电站i1到ip接收到充电价格信号。通常来说,充电站的充电价格由充电站j充电到EVi,用cprji表示。这个模块还需要所有充电站的位置信息,给电动汽车传输价格信号。
5)准备数据集,包括1),2),3)步数据、充电站位置cprji和电动车型号(电池容量、充电效率)等数据。
6)电动汽车将获得的包括二等路线优化的已知信息数据集发送到加密云计算服务器上。
7)等待足够的时间段以接收来自云计算服务器的最优路线。
8)接收最优路线,电动汽车最优路线将能展示给电动汽车司机的决策上。
9)如果路线被接受,电动汽车会发送一个批准信号来通知云计算服务器它的决定路线。电动汽车还应该通过云计算服务器发送预期需求和批准信号给已选中的充电站模块,这样充电站就能更新其策略和获得的总充电需求。如果电动汽车司机拒绝所建议最优路线,他需要通过改变他的偏好设置来更新数据集。偏好设置更新会让云计算服务器选择另一个充电站,即使另一个充电站的价格更高。
为更一步详细解释本发明电气化交通网络和电力系统的协同优化的技术方案,下面将采用三个具体实施例分别从充电站需求、电动汽车需求以及多路对象选择三个方面,并结合图3、图4以及图5进行详细的解释说明。需要指出的是,在下述应用实例中设计详细计算与处理的过程均在上述内容进行展开了描述,在此不在赘述。
应用实例一,电动汽车需求。
基于电动汽车的始发地和目的地有N多个充电站可以为其进行充电,这些充电站将自身一些基础信息发送至电动汽车,具体来说,对于第i充电站,发送其价格cpri以及其能够提供的电能量至电动汽车,电动汽车接收这些信息,排除无法提供足够充电电能量的充电站。在电动汽车行驶过程中,只要可以包括如下操作过程:1)测量自身剩余电量;2)确定当前位置,并定位目的地;3)基于上述方式确定预设最佳行驶路径;4)选择潜在的充电站,并把请求充电信号发送至这些潜在的充电,等待接收各个充电站反馈回的价格参数;5)准备数据,具体需要准备各个充电站位置、各个充电站价格cpri和电动汽车自身型号(电池容量与充电效率等);6)上一步骤准备的数据发送至加密云计算服务器;7)电动汽车等待足够的时间来接收来自云计算服务器反馈的最优路线;8)将接收到的最优路线显示在电动汽车的显示屏上;9)司机通过显示屏获知云计算服务器得到的当前最优路径,当不接受该最优路径时,返回上述步骤6);10)当接受该最优路径时,发送接受的路径信号到电动汽车数据库;11)发送预期充电需求和接受信号到已选择的充电站中。
应用实例二,充电站需求。
如图4所示,在实际应用中,对于充电站而言,具体过程包括如下步骤:1)独立系统运行员解决的电网最优功率问题;2)估计整个电力市场的价格pm;3)获取所有电动车预计所需充电tij时间和预计充电需求dij;4)为每台潜在的被连接的电动车cpri找到最优价格;5)给电动车发送计算的充电价格信号;6)等待电动车与云计算服务器通信并接收他们的最佳路线决定;7)从所有潜在的电动车接收器批准/拒绝信号和期望在这个停车场充电的需求;8)整合与其需求来估计总充电需求;9)发送估计充电需求到独立系统运行员,为下一个时刻更新价格信号。
应用实例三,多路径对象选择。
如图5所示,在实际本发明电气化交通网络和电力系统的协同优化方法过程中,针对多路径对象选择而言,具体过程包括如下步骤:a)对于每个驾驶员i,判断电池剩余电量是否满足整个行程所需电量;b)当电池剩余电量满足整个行程所需电量时,判断是否需要给电池充电;c1)当需要充电时,利用dijkstra算法为驾驶员i找出最低成本(驾驶成本)p(i)=[n1(i),n2(i),…,nk(i)];d)当不需要充电时,利用dijkstra算法根据始发地和目的地规划最低成本路线;e1)对于p(i)=[n1(i),n2(i),…,nk(i)]中每个节点nj(i),利用dijkstra算法找出对应于它最低成本(运输成本+充电费用)路径的唯一充电站;c2)当电池剩余电量不满足整个行程所需电量时,利用dijkstra算法为驾驶员i找出最低成本(驾驶成本)p(i)=[n1(i),n2(i),…,nk(i)],并找出电动汽车该点后能量耗尽的节点nmax(i);e2)对于p(i)=[n1(i),n2(i),…,nk(i)]中每个节点nj(i),利用dijkstra算法找出对应于它最低成本(运输成本+充电费用)路径的唯一充电站;f)利用约束确保车辆中的电池可以到达这些充电站mj(i)之间耗尽,如果结果是可以信的即删除选择,如果充电站不符合约束,驾驶员需在当前点充电;g)在所有mj(i)中找出5个成本最低以及满足约束的充电站,把他们列为候选并提供给驾驶员。
如图6所示,一种电气化交通网络和电力系统的协同优化系统,包括:
耦合模块200,用于耦合电动汽车电气化交通网络和电力网络,获得电动汽车初始路径以及充电站初始价格参数;
路径优化模块400,用于实时获取电动汽车位置信息以及电动汽车剩余电量信息,根据电动汽车位置信息、电动汽车剩余电量信息、电动汽车初始路径以及充电站初始价格参数,采用dijkstra算法查找电动汽车最低成本路径;
电网优化模块600,用于统计每个充电站所需电量,根据每个充电站所需电量,采用拉格朗日松弛算法优化电力网络。
本发明电气化交通网络和电力系统的协同优化方法,耦合模块200耦合电动汽车电气化交通网络和电力网络,获得电动汽车初始路径以及充电站初始价格参数,路径优化模块400实时获取电动汽车位置信息、剩余电量信息,根据电动汽车位置信息、剩余电量信息、初始路径以及充电站初始价格参数,采用dijkstra算法查找电动汽车最低成本路径,电网优化模块600统计每个充电站所需电量,采用拉格朗日松弛算法优化电力网络。整个过程中,将电动汽车电气化交通网络和电力系统耦合,一方面,采用dijkstra算法求解路径优化减少充电、运输和耗时成本的总和,另一方面,针对每个充电站所需电量用拉格朗日松弛算法,对电力网络反馈优化,实现对电气化交通网络和电力系统良好的协同优化
如图7所示,在其中一个实施例中,耦合模块200包括:
获取单元220,用于获取电动汽车始发地和目的地。
初始价格确定单元240,用于根据电力网络以及电动汽车始发地和目的地,确定充电站初始价格参数。
初始路径确定单元260,用于根据充电站初始价格参数以及电动汽车电气化交通网络,选取电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为电动汽车初始路径。
在其中一个实施例中,初始价格确定单元220包括:
边际价格获取单元,用于根据电力网络,获取预设充电站节点边际价格。
识别单元,用于根据电动汽车始发地和目的地,识别每个潜在需充电的电动汽车,当电动汽车准备在当前充电站充电时,获取每台电动汽车的预期的充电时间、所需的电荷量以及与当前充电站的距离信息。
统计单元,用于根据每台电动汽车的预期的充电时间、所需的电荷量以及与当前充电站的距离信息,统计当前充电站的电量需求总量。
更新单元,用于根据电量需求总量,更新预设充电站节点边际价格,获得充电站初始价格参数。
在其中一个实施例中,初始路径确定单元260包括:
多路径获取单元,用于根据电动汽车电气化交通网络,获取电动汽车始发地和目的地之间多条路径。
多路径充电费用计算单元,用于根据充电站初始价格参数,分别计算电动汽车始发地和目的地之间多条路径充电费用。
选取确定单元,用于选取电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为电动汽车初始路径。
如图7所示,在其中一个实施例中,路径优化模块400包括:
实时获取单元420,用于实时获取电动汽车位置信息以及电动汽车剩余电量信息。
能量耗尽节点确定单元440,用于当电动汽车剩余电量不满足电动汽车从当前位置行驶至目的地时,根据电动汽车初始路径,采用dijkstra算法查找电动汽车最低行驶成本路径以及电动汽车在最低行驶成本路径中能量耗尽的节点。
最低成本计算单元460,用于根据充电站初始价格参数,采用dijkstra算法查找电动汽车最低成本对应的待充电站,其中,最低成本包括最低行驶成本和最低充电成本。
充电站选择单元480,用于当待充电站比能量耗尽的节点更靠近电动汽车目的地时,剔除已查找的候选充电站,控制最低成本计算单元460重新执行根据充电站初始价格参数,采用dijkstra算法查找电动汽车最低成本对应的候选充电站的操作。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电气化交通网络和电力系统的协同优化方法,其特征在于,包括步骤:
耦合电动汽车电气化交通网络和电力网络,获得所述电动汽车初始路径以及充电站初始价格参数,其中,所述电动汽车初始路径是指电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径;
实时获取所述电动汽车位置信息以及所述电动汽车剩余电量信息,根据所述电动汽车位置信息、所述电动汽车剩余电量信息、所述电动汽车初始路径以及所述充电站初始价格参数,采用dijkstra算法查找所述电动汽车最低成本路径;
统计每个充电站所需电量,根据所述每个充电站所需电量,采用拉格朗日松弛算法优化所述电力网络。
2.根据权利要求1所述的电气化交通网络和电力系统的协同优化方法,其特征在于,所述耦合电动汽车电气化交通网络和电力网络,获得所述电动汽车初始路径以及充电站初始价格参数的步骤包括:
获取所述电动汽车始发地和目的地;
根据所述电力网络以及所述电动汽车始发地和目的地,确定充电站初始价格参数;
根据所述充电站初始价格参数以及所述电动汽车电气化交通网络,选取所述电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为所述电动汽车初始路径。
3.根据权利要求2所述的电气化交通网络和电力系统的协同优化方法,其特征在于,所述根据所述电力网络以及所述电动汽车始发地和目的地,确定充电站初始价格参数的步骤包括:
根据所述电力网络,获取预设充电站节点边际价格;
根据所述电动汽车始发地和目的地,识别每个潜在需充电的所述电动汽车,当所述电动汽车准备在当前充电站充电时,获取每台所述电动汽车的预期的充电时间、所需的电荷量以及与所述当前充电站的距离信息;
根据每台所述电动汽车的预期的充电时间、所需的电荷量以及与所述当前充电站的距离信息,统计所述当前充电站的电量需求总量;
根据所述电量需求总量,更新所述预设充电站节点边际价格,获得充电站初始价格参数。
4.根据权利要求2所述的电气化交通网络和电力系统的协同优化方法,其特征在于,所述根据所述充电站初始价格参数以及所述电动汽车电气化交通网络,选取所述电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为所述电动汽车初始路径的步骤包括:
根据所述电动汽车电气化交通网络,获取所述电动汽车始发地和目的地之间多条路径;
根据所述充电站初始价格参数,分别计算所述电动汽车始发地和目的地之间多条路径充电费用;
选取所述电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为所述电动汽车初始路径。
5.根据权利要求1所述的电气化交通网络和电力系统的协同优化方法,其特征在于,所述实时获取所述电动汽车位置信息以及所述电动汽车剩余电量信息,根据所述电动汽车位置信息、所述电动汽车剩余电量信息、所述电动汽车初始路径以及充电站初始价格参数,采用dijkstra算法查找所述电动汽车最低成本路径的步骤包括:
实时获取所述电动汽车位置信息以及所述电动汽车剩余电量信息;
当所述电动汽车剩余电量不满足所述电动汽车从当前位置行驶至所述目的地时,根据所述电动汽车初始路径,采用dijkstra算法查找所述电动汽车最低行驶成本路径以及所述电动汽车在所述最低行驶成本路径中能量耗尽的节点;
根据所述充电站初始价格参数,采用dijkstra算法查找所述电动汽车最低成本对应的候选充电站,其中,所述最低成本包括最低行驶成本和最低充电成本;
当所述候选充电站比所述能量耗尽的节点更靠近所述电动汽车目的地时,剔除已查找的所述候选充电站,返回所述根据所述充电站初始价格参数,采用dijkstra算法查找所述电动汽车最低成本对应的候选充电站的步骤。
6.一种电气化交通网络和电力系统的协同优化系统,其特征在于,包括:
耦合模块,用于耦合电动汽车电气化交通网络和电力网络,获得所述电动汽车初始路径以及充电站初始价格参数,其中,所述电动汽车初始路径是指电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径;
路径优化模块,用于实时获取所述电动汽车位置信息以及所述电动汽车剩余电量信息,根据所述电动汽车位置信息、所述电动汽车剩余电量信息、所述电动汽车初始路径以及所述充电站初始价格参数,采用dijkstra算法查找所述电动汽车最低成本路径;
电网优化模块,用于统计每个充电站所需电量,根据所述每个充电站所需电量,采用拉格朗日松弛算法优化所述电力网络。
7.根据权利要求6所述的电气化交通网络和电力系统的协同优化系统,其特征在于,所述耦合模块包括:
获取单元,用于获取所述电动汽车始发地和目的地;
初始价格确定单元,用于根据所述电力网络以及所述电动汽车始发地和目的地,确定充电站初始价格参数;
初始路径确定单元,用于根据所述充电站初始价格参数以及所述电动汽车电气化交通网络,选取所述电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为所述电动汽车初始路径。
8.根据权利要求7所述的电气化交通网络和电力系统的协同优化系统,其特征在于,所述初始价格确定单元包括:
边际价格获取单元,用于根据所述电力网络,获取预设充电站节点边际价格;
识别单元,用于根据所述电动汽车始发地和目的地,识别每个潜在需充电的所述电动汽车,当所述电动汽车准备在当前充电站充电时,获取每台所述电动汽车的预期的充电时间、所需的电荷量以及与所述当前充电站的距离信息;
统计单元,用于根据每台所述电动汽车的预期的充电时间、所需的电荷量以及与所述当前充电站的距离信息,统计所述当前充电站的电量需求总量;
更新单元,用于根据所述电量需求总量,更新所述预设充电站节点边际价格,获得充电站初始价格参数。
9.根据权利要求7所述的电气化交通网络和电力系统的协同优化系统,其特征在于,所述初始路径确定单元包括:
多路径获取单元,用于根据所述电动汽车电气化交通网络,获取所述电动汽车始发地和目的地之间多条路径;
多路径充电费用计算单元,用于根据所述充电站初始价格参数,分别计算所述电动汽车始发地和目的地之间多条路径充电费用;
选取确定单元,用于选取所述电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为所述电动汽车初始路径。
10.根据权利要求6所述的电气化交通网络和电力系统的协同优化系统,其特征在于,所述路径优化模块包括:
实时获取单元,用于实时获取所述电动汽车位置信息以及所述电动汽车剩余电量信息;
能量耗尽节点确定单元,用于当所述电动汽车剩余电量不满足所述电动汽车从当前位置行驶至所述目的地时,根据所述电动汽车初始路径,采用dijkstra算法查找所述电动汽车最低行驶成本路径以及所述电动汽车在所述最低行驶成本路径中能量耗尽的节点;
最低成本计算单元,用于根据所述充电站初始价格参数,采用dijkstra算法查找所述电动汽车最低成本对应的候选充电站,其中,所述最低成本包括最低行驶成本和最低充电成本;
充电站选择单元,用于当所述候选充电站比所述能量耗尽的节点更靠近所述电动汽车目的地时,剔除已查找的所述候选充电站,控制所述最低成本计算单元重新执行根据所述充电站初始价格参数,采用dijkstra算法查找所述电动汽车最低成本对应的候选充电站的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610446084.0A CN106042963B (zh) | 2016-06-17 | 2016-06-17 | 电气化交通网络和电力系统的协同优化方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610446084.0A CN106042963B (zh) | 2016-06-17 | 2016-06-17 | 电气化交通网络和电力系统的协同优化方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106042963A CN106042963A (zh) | 2016-10-26 |
CN106042963B true CN106042963B (zh) | 2019-02-05 |
Family
ID=57168578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610446084.0A Active CN106042963B (zh) | 2016-06-17 | 2016-06-17 | 电气化交通网络和电力系统的协同优化方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106042963B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106965688A (zh) * | 2017-03-17 | 2017-07-21 | 南京邮电大学 | 一种电网和交通网协同环境下的电动汽车充电方法 |
CN107464016B (zh) * | 2017-07-27 | 2020-09-08 | 北京交通大学 | 考虑电池剩余电量的电动汽车充电路线诱导方法 |
CN109050284B (zh) * | 2018-07-09 | 2020-06-09 | 华中科技大学 | 一种考虑v2g的电动汽车充放电电价优化方法 |
CN109703390A (zh) * | 2018-12-29 | 2019-05-03 | 苏州唯控汽车科技有限公司 | 模块化车用电池系统的正交充电装置及方法 |
JP7230705B2 (ja) * | 2019-06-21 | 2023-03-01 | 株式会社デンソー | 配車管理方法、配車管理プログラム及び配車管理装置 |
JP7207212B2 (ja) * | 2019-07-16 | 2023-01-18 | トヨタ自動車株式会社 | 電動車両 |
CN110533901B (zh) * | 2019-08-29 | 2020-09-11 | 厦门金龙联合汽车工业有限公司 | 一种无人驾驶车辆群组的充电调度方法和云管理服务器 |
CN110751409B (zh) * | 2019-10-28 | 2022-03-29 | 华北电力大学 | 考虑储能系统和交通分配的电动汽车充电管理方法及系统 |
US11571987B2 (en) * | 2020-01-02 | 2023-02-07 | Nio Technology (Anhui) Co., Ltd. | Optimization of battery pack size using swapping |
CN112464454B (zh) * | 2020-11-19 | 2024-04-05 | 广东电网有限责任公司电力调度控制中心 | 一种基于预计算优化的分布式执行优化方法及系统 |
CN112636345B (zh) * | 2020-12-29 | 2022-05-31 | 浙江中力机械股份有限公司 | 一种基于分布式多机器人充电站分配问题的求解方法 |
CN114944075A (zh) * | 2022-05-06 | 2022-08-26 | 南京依维柯汽车有限公司 | 基于交通流分类的混合动力汽车生态路径方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102709984A (zh) * | 2012-06-13 | 2012-10-03 | 清华大学 | 一种基于智能交通系统的电动汽车充电路径规划方法 |
CN104460583A (zh) * | 2014-10-11 | 2015-03-25 | 国家电网公司 | 一种电动汽车与用户互动系统 |
CN104992238A (zh) * | 2015-06-24 | 2015-10-21 | 国网山东省电力公司电力科学研究院 | 一种基于典型日负荷特性的电力负荷预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103900598A (zh) * | 2012-12-28 | 2014-07-02 | 日电(中国)有限公司 | 车辆路径规划方法及装置 |
-
2016
- 2016-06-17 CN CN201610446084.0A patent/CN106042963B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102709984A (zh) * | 2012-06-13 | 2012-10-03 | 清华大学 | 一种基于智能交通系统的电动汽车充电路径规划方法 |
CN104460583A (zh) * | 2014-10-11 | 2015-03-25 | 国家电网公司 | 一种电动汽车与用户互动系统 |
CN104992238A (zh) * | 2015-06-24 | 2015-10-21 | 国网山东省电力公司电力科学研究院 | 一种基于典型日负荷特性的电力负荷预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106042963A (zh) | 2016-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106042963B (zh) | 电气化交通网络和电力系统的协同优化方法与系统 | |
Cao et al. | An EV charging management system concerning drivers’ trip duration and mobility uncertainty | |
Chen et al. | Optimal routing and charging of an electric vehicle fleet for high-efficiency dynamic transit systems | |
Guo et al. | Rapid-charging navigation of electric vehicles based on real-time power systems and traffic data | |
CN104864883B (zh) | 基于云平台的电动汽车路径规划方法 | |
James | Two-stage request scheduling for autonomous vehicle logistic system | |
CN107101643B (zh) | 一种拼车匹配方法 | |
EP2760696B1 (en) | Method and system for charging electric vehicles | |
CN107323300A (zh) | 一种基于路‑站‑车联合模型的电动汽车预约充电方法 | |
Bi et al. | Logistical planning for electric vehicles under time-dependent stochastic traffic | |
KR101560957B1 (ko) | 충전기 배치 계획 지원 장치, 충전기 배치 계획 지원 방법, 및 프로그램 | |
CN104156826B (zh) | 一种中心服务式电动汽车动态充电路径规划服务系统 | |
CN104184190A (zh) | 一种电动汽车动态充电路径规划方法 | |
CN109489676A (zh) | 一种计及电网信息与充电站信息的电动汽车充电导航方法 | |
Yang et al. | Electric-vehicle navigation system based on power consumption | |
CN106427635A (zh) | 一种电动汽车 | |
Pan et al. | Extending delivery range and decelerating battery aging of logistics UAVs using public buses | |
CN107747948A (zh) | 一种电动汽车车载复合电源控制系统及方法 | |
Saatloo et al. | Hierarchical user-driven trajectory planning and charging scheduling of autonomous electric vehicles | |
Li et al. | Connectivity supported dynamic routing of electric vehicles in an inductively coupled power transfer environment | |
Baouche et al. | Electric vehicle green routing with possible en-route recharging | |
CN110135641A (zh) | 行驶方案优化方法、装置、智能驾驶优化系统 | |
Muhammad et al. | Path planning for EVs based on RA-RRT* model | |
Vandael et al. | A decentralized approach for public fast charging of electric vehicles using delegate multi-agent systems | |
Afshar et al. | Optimal Scheduling of Electric Vehicles in the Presence of Mobile Charging Stations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |