CN106548272A - 一种电动汽车快充设施综合性能的评价方法 - Google Patents

Abstract

本发明一种电动汽车快充设施综合性能的评价方法，其包括步骤：收集综合性能指标数据；计算指标权重集；根据梯形隶属函数和专家打分，确定隶属度；根据隶属度函数和指标权重，确定定量指标模糊评价矢量；确定模糊综合评价值；根据评价值分级标准和所述模糊综合评价值，确定电动汽车快充设施综合性能的评价等级。本发明提出的综合性能评价方法，为电动汽车快充设施在规划建设和运营管理提供了具体详细的参考和指导。

Description

一种电动汽车快充设施综合性能的评价方法

技术领域

本发明涉及电动汽车充换电领域，具体讲涉及一种电动汽车快充设施综合性能的评价方法。

背景技术

电动汽车的普及是实现未来交通低碳化发展的一种重要途径，根据工业和信息化部发布的电动汽车发展战略研究报告，预计到2030年，我国电动汽车保有量将达到6000万辆，其总耗电量预计高达1350亿千瓦时，约占全国用电量的1.3％，如此大规模的电动汽车接入，对电力系统中某些薄弱环节产生安全性无疑是一种考验。在电价等措施的激励下，电动汽车可采用无控充电、有序充电以及智能充电等充电模式，实现充电功率在时间尺度上的变换(如削峰填谷效应等)，或在紧急情况下，根据系统需求向系统反馈电能，辅助系统运行。

目前，国内在电力系统评价的研究方面主要使用层次分析和模糊综合评价法，虽然对于充电站经济性、能效评估，充电桩的综合性能方面有较多报道，且还涉及了对充电站进行管理和能效评估，或对充电桩进行综合评估研究，但对充电设施，尤其是快充设施综合性能的研究尚存不足。

因此，需要提供一种技术方案为电动汽车快充设施在规划建设和运营管理中提供参考和指导。

发明内容

为满足现有技术的不足，本发明提出一种电动汽车快充设施综合性能的评价方法，包括以下步骤：

A.收集综合性能指标数据；B.计算指标权重集；C.根据梯形隶属函数和专家打分，确定隶属度；D.根据隶属度函数和指标权重，确定定量指标模糊评价矢量；E.确定模糊综合评价值；F.根据评价值分级标准和模糊综合评价值，确定电动汽车快充设施综合性能的评价等级。

步骤A中的综合性能指标数据包括：容量评估指标、效率指标、可靠性指标、负荷特性指标和用户体验指标。

步骤B包括步骤：B1.构造判断矩阵；B2.进行一致性检验；B3.确定判断矩阵是否满足要求。

步骤B1包括：将同一评价因素集内的因素进行两两对比构造的对比较阵确定下式所示的判断矩阵A＝(a_ij)_n×n；

其中，a_ij表示两个因素重要程度的比值，因素i相对于因素j的相对重要度。

步骤B2包括：按下式检验对于判断矩阵A的不一致程度CI：

其中，λ_max为矩阵A的最大特征根，n代表矩阵阶数，当CI＝0具有完全的一致性；CI接近0，具有满意的一致性；CI越大，不一致性越严重。

步骤B3包括：按下式判定判断矩阵A是否满足要求：

其中，RI为随机一致性指标；

当一致性比率CR<1时，所述判断矩阵A的不一致程度在容许范围之内，否则重新构建。

分别利用梯形隶属函数和专家打分确定定量指标的隶属度和定性指标隶的属度。

梯形隶属函数包括：升半梯形函数、降半梯形函数和区间梯形函数。

步骤D包括：用模糊关系矩阵确定模糊综合评价矢量。

由单因素模糊评价矩阵r_i(r_i1,r_i2,r_i3...,r_in)确定模糊关系矩阵R_k＝(r_ij)_m×n：其中，r_ij表示第i个因素对评价等级j的隶属度。

基于专家打分方式的指标隶属度，确定评价因素集中定性指标的单因素模糊评价矩阵；

基于梯形隶属函数，确定评价因素集中定量指标的单因素模糊评价矩阵。

模糊综合评价矢量集B_k＝{b₁,b₂,b₃….b_j}；

b_j：模糊综合评价矢量，w_i：模糊权矢量。

步骤E包括：按下式确定综合评价值V：

与最接近的现有技术比，本发明提供的技术方案具有如下有益效果：

1、本发明运用基于多层次分析的模糊综合评价方法，建立针对快充设施的综合指标评价模型，通过科学合理的方式对快充设施进行了全面的综合性能评价；

2、本发明基于隶属度函数、专家打分法以及模糊综合评价法计算快充设施综合性能具体得分，进而得到快充设施综合性能评价等级的方法；

3、本发明提出的综合性能评价方法，为电动汽车快充设施在规划建设和运营管理中提供了具体详细的参考和指导。

附图说明

图1为本发明的综合性能评价流程图；

图2为本发明的综合性能评价指标图。

具体实施方式

下面结合附图1对本发明的具体实施方式作进一步的详细说明。

本发明采用以下技术方案：

1、根据电动汽车快充设施的容量评估、效率、可靠性、负荷特性、用户体验五方面，提出19项二级综合性能指标；

获取的指标数据包括：容量评估指标、效率指标、可靠性指标、负荷特性指标和用户体验指标。

容量评估指标数据，包括：设备利用小时数、平均负荷系数、需用系数、站用电率；

效率指标数据，包括：充电效率、功率因数、单位面积输出电量、单枪输出电量、充电计划完成率；

可靠性指标数据，包括：平均无故障时间、平均故障修复时间、设备可利用率；

负荷特性指标数据，包括：典型日峰谷差率、典型日负荷率、季不均衡系数、尖峰负荷持续时间；

用户体验指标数据，包括：噪声、平均排队时间、平均充电时间。

2、根据电动汽车快速充电站各项指标值，计算指标权重集，得到各项指标的重要性排序；

进行综合评价之前需要依据评价对象的具体情况，将复杂问题分解为目标层、准则层、方案层三层结构U，然后根据下层对上层的重要性确定评价因素集合的权重。

若将层次结构用数学表达式表达，则为U＝{U₁，U₂，U₃，U₄，U₅}，其中U₁＝{U₁₁，U₁₂，U₁₃，U₁₄}，U₂＝{U₂₁，U₂₂，U₂₃，U₂₄，U₂₅}，U₃＝{U₃₁，U₃₂，U₃₃}，U₄＝{U₄₁，U₄₂，U₄₃，U₄₄}，U₅＝{U₅₁，U₅₂，U₅₃}。

指标权重集，即各项指标的重要性排序的确定过程，包括以下步骤：

①构造判断矩阵：

根据成对比较法和1-9比较尺度确定比较因素的相对重要程度的取值，将同一因素集内所有因素进行两两对比，构造“成对比较阵”，直到最上层。由此确定判断矩阵A＝(a_ij)_n×n，其中a_ij用来表示两个因素重要程度的比值，即第i个因素对第j个因素的相对重要度。a_ij＝1表示两个因素同等重要，a_ij＝9表示第i个因素绝对重要，其余数值间于两者之间。

②进行一致性检验：

判断矩阵A最大特征根λ_max的特征向量经归一化后记为W＝(w₁,w₂,...,w_n)，W的元素为该级对应权重。当判断矩阵的阶数较大时，判断矩阵偏离一致性条件应在可接受的范围内，因此必须对判断矩阵进行一致性检验。当一致性检验通过时，说明权系数分配合理。

根据下式对矩阵A进行一致性检验：

CI是衡量矩阵A不一致程度的指标，当CI＝0具有完全的一致性；CI接近0，具有满意的一致性；CI越大，不一致性越严重。n代表矩阵阶数，为衡量不同阶数的CI大小，引入随机一致性指标RI，其值如表1所示。

表1随机一致性指标RI

③根据下式判断A是否满足要求：

当一致性比率CR<0.1时，认为A的不一致程度在容许范围之内，具有满意的一致性，通过一致性检验，特征向量W可作为指标的权向量。否则需要重新构造判断矩阵A。由以上方法，我们可以确定出各个层次的权重矩阵。

例如,一级指标判断矩阵：

容量评估指标判断矩阵：

效率指标判断矩阵：

可靠性指标判断矩阵：

负荷特性指标判断矩阵：

用户体验指标判断矩阵：

计算判断矩阵特征根，得到各判断矩阵的最大特征根λ_max分别为5.0000、4.0206、5.0133、3.0000、4.0459、3.0000，由此可以对判断矩阵进行一致性检验，得到CR分别为0.0000、0.0077、0.0030、0.0000、0.0172、0.0000，均小于0.1，表示具有满意或完全一致性，说明权系数的分配是合理的。进而计算最大特征根对应的特征向量如下：

W＝(0.09521，0.28573，0.28573，0.28573，0.04760)；

W₁＝(0.47855，0.21658，0.19658，0.10829)；

W₂＝(0.45855，0.22928，0.12179，0.12179，0.06859)；

W₃＝(0.60000，0.20000，0.20000)；

W₄＝(0.35620，0.32500，0.12510，0.19370)；

W₅＝(0.10000，0.60000，0.30000)。

从而得到快充设施综合性能各级评价指标的权重，如表2所示权重也表示各项指标的重要性排序。

表2快充设施综合性能评价指标及其权重

3、根据梯形隶属函数和专家打分方式，分别得到定量、定性指标的隶属度；

定量指标和定性指标的隶属度确定过程包括：

①根据梯形隶属函数确定定量指标隶属度。梯形隶属函数分以下三类：

升半梯形函数，适用于指标值越大越好的指标，如平均无故障时间、设备可利用率、充电效率、功率因数、单位面积输出电量、单枪输出电量，其分布为：

降半梯形函数，适用于指标值越小越好的指标，如平均故障修复时间、典型日峰谷差率、站用电率、季不均衡系数、尖峰负荷持续时间、噪声、平均排队时间，其分布为：

区间梯形函数，适用于指标值越趋近于某一区间越好的指标，如设备利用小时数、平均负荷系数、典型日负荷率、充电计划完成率、平均充电时间，其分布为

根据电动汽车充电设施的性能标准及技术要求确定指标常数a₁,a₂,a₃,a₄。

②根据专家打分方式确定定性指标隶属度。

由于快充设施建设目前属于示范阶段，运行经验较少，将缺乏数据的定量指标归属为定性指标的范畴，通过专家打分确定其隶属度，这些指标包括容量评估指标的全部，效率指标中的单位面积输出电量、单枪输出电量、充电计划完成率，负荷特性指标的全部，相关的各二级指标的隶属度如下：

容量评估指标隶属度：

表3容量评估指标隶属度

效率指标隶属度：

表4效率指标隶属度

负荷特性指标隶属度：

表5负荷特性指标隶属度

评语等级	优	良	中	合格	差
						典型日峰谷差率	0.5	0.3	0.2	0	0
典型日负荷率	0.8	0.1	0.1	0	0
						季不均衡系数	0.7	0.1	0.2	0	0
尖峰负荷持续时间	0.8	0.1	0.1	0	0

依据上述各指标隶属度，确定模糊关系矩阵如下：

容量评估指标：

效率指标：

负荷特性指标：

4、根据隶属度函数确定定量指标模糊评价矢量，由模糊评价矢量得到模糊综合评价值；

模糊综合评价值的确定过程包括以下步骤：

①由单因素模糊评价矩阵r_i(r_i1,r_i2,r_i3...,r_in)确定模糊关系矩阵其中，r_ij表示第i个因素对评价等级j的隶属度。

对于评价因素集合中的定性指标，基于专家打分方式来确定指标的隶属度，得到其单因素模糊评价矩阵；定量指标则基于上一节中的梯形隶属函数来确定其单因素模糊评价矩阵。

②根据下式确定模糊综合评价结果矢量：

由加权平均型模糊合成算子确定W_k，将模糊权矢量W_k与模糊关系矩阵R_k合成，得到各一级指标的模糊综合评价结果矢量B_k：

b_j是模糊综合评价结果矢量B_k中的每一个值，W_i是模糊权矢量中的每一个值，若∑b_j≠1则需要对B_k进行归一化运算。

③根据下式确定综合评价值，使用加权平均法确定隶属等级：

V即为最终的评价值。

④电动汽车快充设施综合性能评价等级的确定过程包括：

评语集采用五级评语，分别是：优、良、中、合格、差，其隶属度关系见表6。将得出的综合评价值V的具体数值，代入表6即可确定评价对象的评价等级。

表6评价值分级标准

5、根据模糊综合评价值和评价值分级标准，得到电动汽车快充设施综合性能评价等级；

以下举例说明：

某市24小时电动汽车快速充电站各项指标值如表7所示。

表7快充电站各项指标值

首先，确定权重：

构造判断矩阵A，进行一致性检验，确定综合评价结果：

(1)模糊评价矢量的计算

通过前文中的方法确定模糊关系矩阵R，计算各结果矢量B_k和最终结果矢量B，并进行归一化运算。得到五项一级指标的评价矢量如下：

容量评估指标的评价向量：

B₁＝(0.11，0.49，0.23，0.13，0.04)

效率指标的评价向量：

B₂＝(0.44，0.52，0.04，0，0)

可靠性指标的评价向量：

B₃＝(0.20，0.20，0，0，0.60)

负荷特性的评价向量：

B₄＝(0.68，0.17，0.15，0，0)

用户体验指标的评价向量：

B₅＝(0.60，0.30，0，0，0.10)

最终的综合指标的模糊评价矢量为：

(2)综合评价值的计算

最终的综合评价值为：

根据表6，说明该快充电站综合指标评价结果为“良”，属于L2级。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (13)

1.一种电动汽车快充设施综合性能的评价方法，其特征在于，所述方法包括以下步骤：

A.收集综合性能指标数据；

B.计算指标权重集；

C.根据梯形隶属函数和专家打分，确定隶属度；

D.根据隶属度函数和指标权重，确定定量指标模糊评价矢量；

E.确定模糊综合评价值；

F.根据评价值分级标准和所述模糊综合评价值，确定电动汽车快充设施综合性能的评价等级。

2.根据权利要求1所述的评价方法，其特征在于，所述步骤A中的综合性能指标数据包括：容量评估指标、效率指标、可靠性指标、负荷特性指标和用户体验指标。

3.根据权利要求1所述的评价方法，其特征在于，所述步骤B包括以下步骤：

B1.构造判断矩阵；

B2.进行一致性检验；

B3.确定判断矩阵是否满足要求。

4.根据权利要求3所述的评价方法，其特征在于，所述步骤B1包括：

将同一评价因素集内的因素进行两两对比构造的对比较阵确定下式所示的判断矩阵A＝(a_ij)_n×n；

其中，a_ij表示两个因素重要程度的比值，因素i相对于因素j的相对重要度。

5.根据权利要求4所述的评价方法，其特征在于，所述步骤B2包括：按下式检验对于所述判断矩阵A的不一致程度CI：

$CI=\frac{{\mathrm{\&lambda;}}_{max}-n}{n-1}$

其中，λ_max为矩阵A的最大特征根，n代表矩阵阶数，当CI＝0具有完全的一致性；CI接近0，具有满意的一致性；CI越大，不一致性越严重。

6.根据权利要求5所述的评价方法，其特征在于，所述步骤B3包括：按下式判定所述判断矩阵A是否满足要求：

$CR=\frac{CI}{RI}$

其中，RI为随机一致性指标；

当一致性比率CR<1时，所述判断矩阵A的不一致程度在容许范围之内，否则重新构建。

7.根据权利要求1所述的评价方法，其特征在于，

分别利用梯形隶属函数和专家打分确定定量指标的隶属度和定性指标隶的属度。

8.根据权利要求7所述的评价方法，其特征在于，所述梯形隶属函数包括：升半梯形函数、降半梯形函数和区间梯形函数。

9.根据权利要求1所述的评价方法，其特征在于，所述步骤D包括：用模糊关系矩阵确定所述模糊综合评价矢量。

10.根据权利要求9所述的评价方法，其特征在于，由单因素模糊评价矩阵r_i(r_i1,r_i2,r_i3...,r_in)确定所述模糊关系矩阵R_k＝(r_ij)_m×n：其中，r_ij表示第i个因素对评价等级j的隶属度。

11.根据权利要求10所述的评价方法，其特征在于，基于所述专家打分方式的指标隶属度，确定所述评价因素集中定性指标的单因素模糊评价矩阵；

基于所述梯形隶属函数，确定所述评价因素集中定量指标的单因素模糊评价矩阵。

12.根据权利要求11所述的评价方法，其特征在于，所述模糊综合评价矢量集B_k＝{b₁,b₂,b₃….b_j}；

$b_j={\&Sigma;}_{i=1}^l(w_i\&CenterDot;r_{ij})=\min (1,{\&Sigma;}_{i=1}^l{w}_i\&CenterDot;r_{ij});j=1,2,3...,n$

b_j：模糊综合评价矢量，w_i：模糊权矢量。

13.根据权利要求1所述的评价方法，其特征在于，

所述步骤E包括：按下式确定所述综合评价值V：

$V=(1,0.8,0.6,0.4,0.2)\left[\begin{array}{c}{b}_1\\ b_2\\ .\\ .\\ .\\ b_n\end{array}\right].$