CN106207290A - 一种基于多源数据的电动汽车充电辅助决策优化方法 - Google Patents

Abstract

本发明涉及一种电动汽车充电辅助决策优化方法，具体为一种基于多源数据的电动汽车充电辅助决策优化方法，通过多源数据的综合优化，获得电动汽车的最优充电方案，同时达到缓解交通拥堵、减小电网峰谷差、最大化电动汽车拥有者效益的效果，使得电动汽车最大限度的发挥其对社会各个方面的优化作用，是很有前景的一种电动汽车充电辅助决策优化方法。

Description

一种基于多源数据的电动汽车充电辅助决策优化方法

技术领域

本发明涉及一种电动汽车充电辅助决策优化方法，具体为一种基于多源数据的电动汽车充电辅助决策优化方法。

背景技术

随着电动汽车技术的快速发展，其由于污染少、运行成本低而受到越来越多人的欢迎，电动汽车市场占有率越来越大。随着电动汽车的发展，电动汽车充电站也在逐步建设。随着电力体制改革，为了减小电力系统阻塞、调整峰谷电量差，电力系统中各时刻、各节点的电价会不同，因此电动汽车在不同时间、不同充电站的充电成本会不同。由于电动汽车本身特性，除公共服务车辆采取换电服务外，大部分个人用户仍然采用插充方式，充电需要一定的时间，除此之外，考虑到电动汽车数量的快速发展，充电站所建的充电桩有一定的限制，因此某些情况下，用户到达充电站后需要排队等待，过长的等待加充电时间可能会限制电动汽车的发展。同时随着城市车辆的发展，城市交通堵塞也不可避免，到达相同的目的地可选的路径较多，可以通过合理的选择避免拥堵区域，但如果在此过程中需要进行电动汽车充电，此时充电策略需要根据交通拥堵情况进行充电站位置和充电时间的选择。

对于车流量的监测及车流量预测在近年来发展迅速，且逐步完善，并发表了一系列研究结果，如田保慧等在2016年重庆交通大学学报上的“基于时空特征分析的短时交通流预测模型”可以根据历史车流数据较为准确的预测短期内的车流量，从而确定道路的拥塞情况;浙江大学的发明专利 “基于GPS的交通流量和道路拥塞检测系统”申请号：201010290408.9，陕西师范大学的发明专利“短时交通流量Volterra-DFP自适应预测方法”等等，可以基于上述系统和方法实现交通流量的监测和预测。对于电力市场电价的预测也得到了快速的发展，并发表了一系列相关研究结果，如南昌大学的周明华在2007年发表了“基于电力市场的实时电价研究”,可见节点电价预测也现实可行。

随着GPS、导航系统、交通流量管理系统、电力交易系统、电动汽车管理系统、充电站管理系统、云计算等技术的发展，可以根据GPS确定电动汽车位置；根据交通流量管理系统中历史统计数据预测某一时间交通拥堵情况，根据交通拥堵情况估算出电动汽车到达各个位置所需要的时间；根据电动汽车的目的地和导航地图中沿线所有电动汽车充电站的位置，获得按照交通拥堵加权的最短路径；根据电动汽车管理系统获取电动汽车运行状况，了解剩余里程数；根据电力交易系统获得各电动汽车充电站电价；根据充电站管理系统获取各充电站排队等候情况，预计充电等待时间等信息提供给充电优化决策系统。

根据上述多源数据可以获取电动汽车充电辅助决策优化方案，将其与电动汽车驾驶者的主观意愿相结合，可以根据驾驶者所选定的方案，利用移动互联网技术，根据电动汽车预计到达时间提前发出充电预约，减少排队等待时间，从而缩短电动汽车的总体充电时间。

发明内容

本发明为了尽可能的发挥电动汽车对社会交通、电网的调节作用，最大化汽车驾驶者利益，提供了一种基于多源数据的电动汽车充电辅助决策优化方法。采用该方法，针对多数据源提供的数据，综合考虑客户效益和各数据量之间的相互制约关系，给定电动汽车的充电辅助决策优化方案。

本发明是采用如下的技术方案实现的：一种基于多源数据的电动汽车充电辅助决策优化方法，包括以下步骤：

步骤1：根据导航系统GPS定位信息、输入的目的地信息，利用导航系统确定当前位置到目的地周边的所有电动汽车充电站。结合交通流量管理系统获取的道路阻塞情况，采用以道路阻塞情况为权重的最短路径搜索算法，选择“电动汽车目前位置——>某充电站——>目的地”三者之间的最短路径作为行驶方案。根据电动汽车管理系统确定电动汽车剩余里程数，排除所有行驶方案中“目前位置——>充电站”距离大于电动汽车剩余里程数的行驶方案；排除行驶方案中路径长度大于“电动汽车目前位置——>目的地”最短路径长度2倍以上的行驶方案。

步骤2：根据交通流量管理系统，预测所有步骤1确定的行驶方案中“目前位置——>充电站”的行驶时间，获得到达充电站的时间；根据电动汽车管理系统预测该段行驶距离所需耗费电量。

步骤3：根据电动汽车充电站空闲充电桩、等待车辆数、充电桩剩余充电时间、步骤2获得的到达充电站时刻，采用充电站管理系统预测到达充电站后的等待时长。所需充电量=目标充电量-（电动汽车现在电量-“目前位置——>充电站”路程消耗电量），根据电动汽车充电站充电桩功率，计算所需充电时间。充电费用=预测充电时刻电价*所需充电量。

步骤4：从充电站出发时间=现在时刻+至充电站路途时间+等待时长+充电时长。根据交通流量管理系统预测从充电站出发时刻行驶道路的阻塞情况，采用以道路阻塞情况为权重的最短路径搜索算法，确定“充电站——>目的地”的最短路径，确定行驶时间。

步骤5：至目的地所需时间=“现在位置——>充电站”行驶时间+充电站等待时长+充电时长+“充电站——>目的地”行驶时间。所需总费用=“充电站——>目的地”路程耗电量*电价+充电费用。

步骤6：分别将步骤5获得的所有行驶方案的至目的地所需时间和所需总费用按照从小到大进行排序，确定最短时间充电优化策略和最少成本充电优化策略。并由用户根据主观意愿进行选取，确定后向指定充电站发出充电预约。

上述策略通过设定道路拥堵情况加权的最短路径选择，可以使电动汽车尽可能的避过阻塞道路，从而减轻道路压力。同时通过充电时间和道路行驶时间之和最小作为优化，当道路严重堵塞时，若道路堵塞情况预测得出该道路会在一段时间后畅通，优化结果可能会给出先进行充电，等待道路畅通后再行通过，对于道路拥堵情况起到疏导作用。同时，通过充电成本和行驶成本求和确定最小成本，可以引导电动汽车至电价较低的充电站进行充电，从而缓解电力系统的阻塞情况，同时通过节点电价预测机制，可以使得电动汽车尽可能在负荷较低时充电，达到平衡峰谷差的目的。该优化方法在电动汽车为城市交通、电力系统优化做出贡献的同时，也兼顾了驾驶人员的利益，使得其付出最短的时间或最小的成本获得更好的行使体验和服务。本发明提出的一种基于多源数据的电动汽车充电辅助决策优化方法具有很大的应用前景。

附图说明：

图1为本发明系统框图。

图2为本发明数据传输示意图。

具体实施方式

下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

参照附图1：

框1：根据导航系统获取的GPS定位信息、目的地信息，确定周边所有电动汽车充电站位置，采用导航系统确定从“当前位置—>充电站—>目的地”的路径。根据交通流量管理系统获取的道路阻塞情况，结合导航系统获取的可选路径信息，采用以道路阻塞情况为权重的最短路径搜索算法，选择“电动汽车目前位置—>某充电站—>目的地”三者之间的最短路径作为行驶方案。根据电动汽车管理系统确定电动汽车剩余里程数，排除所有行驶方案中“目前位置—>充电站”距离大于电动汽车剩余里程数的行驶方案；排除行驶方案中路径长度大于“电动汽车目前位置—>目的地”最短路径长度3倍的线路方案，从而确定“当前位置—>充电站位置”的以拥塞加权的行驶方案。根据交通流量管理系统，预测所有行驶方案中“目前位置—>充电站”的行驶时间，获得到达充电站的时刻；根据电动汽车管理系统预测该段行驶距离所需耗费电量。

框2：根据框1中获取的到达充电站时刻，和预计耗电量，以及充电站管理系统中获取充电等待情况等信息，预测充电时间，并根据所需充电量和充电站信息，预测充电完成时间。所需充电量=目标充电量-（电动汽车现在电量-“目前位置—>充电站”路程消耗电量）；充电完成时刻=现在时刻+至充电站路途时间+等待时长+充电时长。

框3：根据框2获取的预计充电时刻，由电力交易系统获取充电时刻的预测节点电价，计算确定充电费用=预测充电时刻电价*所需充电量。

框4：根据框2获得的充电完成时刻，根据交通流量管理系统预测充电完成时刻道路拥塞情况，采用以道路阻塞情况为权重的最短路径搜索算法，确定“充电站—>目的地”的最短路径，确定行驶时间。计算确定行驶路径所需总的时间=“现在位置—>充电站”行驶时间+充电站等待时间+充电时间+“充电站—>目的地”行驶时间。所需总的费用=“充电站—>目的地”路程耗电量*电价+充电费用。

框5：根据路径分别按所需总时间和所需总费用从小到大进行排序，确定最短时间充电优化策略和最少成本充电优化策略。

参照附图2：

所有的电动汽车用户、交通管理中心、电力交易中心、电动汽车充电站通过互联网与云计算中心相连接。电动汽车用户可以通过智能手机，将GPS定位信息和目的地信息发送给云计算中心，电动汽车管理系统将其相关信息通过无线网络发送给云计算中心；交通管理中心和电力交易中心通过互联网将实时和预测的路况信息和节点电价信息发送给云计算中心；电动汽车充电站将其实时等待和空闲信息通过互联网发送给云计算中心；考虑到信息流量和决策系统运行速度，将导航系统服务器端安装在云计算中心，则相关的最短路径搜索过程中的中间计算信息无需进行数据流传输，只需将最后排序靠前的优化结果发送给电动汽车用户，电动汽车用户根据其选择，将预约指令发送给云计算中心，通过云计算中心将相关信息发送给对应的充电站。

Claims (1)

1.一种基于多源数据电动汽车充电辅助决策优化方法，其特征在于包括以下步骤：

步骤1：根据GPS定位信息及目的地信息，确定目前位置周边到目的地周边的所有电动汽车充电站；

结合交通流量管理系统获取的道路阻塞情况，采用以道路阻塞情况为权重的最短路径搜索算法，选择电动汽车目前位置到某充电站再到目的地三者之间的最短路径作为行驶方案；

根据电动汽车管理系统确定电动汽车剩余里程数，排除行驶方案中目前位置到充电站距离大于电动汽车剩余里程数的行驶方案；排除行驶方案中路径长度大于电动汽车目前位置到目的地最短路径长度2倍以上的行驶方案；

步骤2：根据交通流量管理系统，预测步骤1确定的所有行驶方案中目前位置到充电站的行驶时间，获得到达充电站的时间；根据电动汽车管理系统预测该段行驶距离所需耗费电量；

步骤3：根据电动汽车充电站空闲充电桩、等待车辆数、充电桩剩余充电时间、步骤2获得的到达充电站时刻，预测到达充电站后的等待时长，根据电动汽车充电站充电桩功率，计算所需充电时间，充电费用等于预测充电时刻电价和所需充电量的乘积；

步骤4：根据交通流量管理系统预测从充电站出发时间行驶道路的阻塞情况，采用以道路阻塞情况为权重的最短路径搜索算法，确定充电站到目的地的最短路径，确定行驶时间，从充电站出发时间等于现在时刻、至充电站路途时间、等待时长和充电时长的和；

步骤5：计算确定所有路径的总时间等于从现在位置到充电站的行驶时间、充电站等待时间、充电时间和充电站到目的地行驶时间的和，所需总费用等于从充电站到目的地所耗电量与电价的乘积与之前所需充电费用之和；

步骤6：根据路径分别按总时间和总费用从小到大进行排序，确定最短时间充电优化策略和最少成本充电优化策略，用户根据主观意愿进行选取，确定后向指定充电站发出充电预约。