CN106779176B - 电动出租车快充站内充电设施配置及定容方法 - Google Patents
电动出租车快充站内充电设施配置及定容方法 Download PDFInfo
- Publication number
- CN106779176B CN106779176B CN201611063879.XA CN201611063879A CN106779176B CN 106779176 B CN106779176 B CN 106779176B CN 201611063879 A CN201611063879 A CN 201611063879A CN 106779176 B CN106779176 B CN 106779176B
- Authority
- CN
- China
- Prior art keywords
- charging
- station
- quick
- charging station
- electric taxi
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明提供了一种电动出租车快充站内充电设施配置及定容方法。该方法包括:分析电动出租车的进站时间间隔和充电时长的分布规律,确定电动出租车快充站的站内排队模型类型;测算单位时间的站内投资成本和用户时间成本;确定站内充电设施配置优化模型的目标函数以及约束条件;建立站内充电设施配置优化模型,求解得到站内充电设施的最优配置数量;根据站内充电设施的最优配置数量计算出电动出租车快充站的配电容量。本发明解决了电动出租车快充站的负荷利用率低、配电经济性差、设施数量配置不合理等问题,全面考虑电动出租车快充站的投资成本和用户逗留时间成本,保证快充站资源的合理配置。
Description
技术领域
本发明涉及电动出租车技术领域,尤其涉及一种电动出租车快充站内充电设施配置及定容方法。
背景技术
随着在低碳经济和新能源战略的推动下,电动出租车产业蓬勃发展。中国许多大城市提出了出租车全部实现电动化的战略,除了停车总站的常规充电外,公共领域的快速电动出租车快充站建设将成为电动出租车摆脱电池容量限制、大幅提高行驶里程的关键。未经规划计算的快充站建设将带来站间服务不均衡、站内配电经济性差等问题,因此快充站的经济性规划方法对保证投资和用户双方的利益十分重要。
在电动出租车快充站的容量确定方面,目前现有技术是根据电动出租车快充站服务范围内的充电需求大小计算电动出租车快充站的总容量,进而粗略计算站内的充电设施数目,容易造成充电服务水平低、充电排队拥堵等问题;不经测算地统一化站内设施配置会造成站间服务不均衡、负荷率低下,投资经济性差的现象。
因此,如何将用户和投资者的利益结合,实现快充站的设施数量和配电容量的合理配置是一个亟待解决的问题。
发明内容
本发明的实施例提供了一种电动出租车快充站内充电设施的配置及定容方法,以实现对电动出租车快充站内充电设施进行合理配置。
为了实现上述目的,本发明采取了如下技术方案。
一种电动出租车快充站内充电设施的配置及定容方法,包括:
分析电动出租车的进站时间间隔和充电时长的分布规律,确定电动出租车快充站的站内排队模型类型;
基于所述站内排队模型类型测算单位时间的站内投资成本和用户时间成本;
基于所述站内排队模型类型、站内投资成本和用户时间成本,确定站内充电设施配置优化模型的目标函数和约束条件;
基于所述站内充电设施配置优化模型的目标函数和约束条件,建立站内充电设施配置优化模型,求解得到站内充电设施的最优配置数量;
根据所述站内充电设施的最优配置数量计算出所述电动出租车快充站的配电容量。
进一步地,所述的分析电动出租车的进站时间间隔和充电时长的分布规律,包括:
记录已投运一定时间的电动出租车快充站的运营时段、电动出租车的进站充电时间点、接受充电时间长度、充电前后电池的荷电状态;
根据电动出租车的进站时间点,计算各个运营时段电动出租车的到站时间间隔,对各个运营时段的到站时间间隔数据进行拟合,得到各个运营时段内电动出租车的到站时间间隔符合负指数分布;对电动出租车在站内各时段的充电时长数据进行拟合,得到充电时长符合正态分布。
进一步地,所述的确定电动出租车快充站的站内排队模型类型,包括:
采用多服务台等待制M/G/s排队模型描述电动出租车快充站服务系统,对电动出租车快充站服务系统进行数学描述,设在M/G/s排队模型中,用户的输入过程服从参数为λ的Poisson分布,单位时间内到站充电的车辆的数量为λ,充电车辆的进站充电时间间隔为1/λ;充电车辆的充电时长服从正态分布,假设μ为单位时间内能完成充电的车辆数量,即1/μ为充电车辆的充电时长;电动出租车快充站系统达到稳定以后,电动出租车快充站系统达到进出平衡,用方程表示为:
其中,pn(n=0,1,2,…)表示系统达到平稳状态后排队队长为n的概率分布;λn为状态为n的电动出租车快充站系统到下一辆充电车辆到达时刻止的到达率;μn为状态为n的电动出租车快充站系统到下一辆充电车辆离开时刻止的平均服务率,有:
λn=λn=0,1,2,...
得到电动出租车快充站系统的状态概率为:
进一步地,所述的基于所述站内排队模型类型测算单位时间的站内投资成本和用户时间成本,包括:
(1)计算所述M/G/s排队模型的各项运行指标,用ρ表示电动出租车快充站系统中正在接受充电服务的充电车辆的平均数量,即快充站的服务率为对于有s个充电桩的电动出租车快充站系统,用ρs表示充电桩的装置利用率:
在电动出租车等待制排队模型中,要求电动出租车的平均到达率小于电动出租车快充站的平均服务率,才能使电动出租车快充站系统达到统计平衡,即ρs<1;
p0为所有充电桩都处于空闲的概率,p0与站内充电设施的同时工作系数K负相关,在p0<0.05下,K取值为1;计算电动出租车快充站系统的装置空闲率:
计算电动出租车快充站的平均排队长度Lq:
计算电动出租车快充站的平均等候队长Ls:
计算电动出租车快充站的平均排队时间Wq:
计算电动出租车快充站的平均等候时间Ws:
(2)计算电动出租车快充站k内运营商投资成本Fsk;
式中,Ctd为电动出租车快充站内非充电车位土地的成本;Cyu为电动出租车快充站内运营成本;Czm为电动出租车快充站内照明办公用电的配电成本;r为电动出租车快充站的运营年限;Se为电动出租车快充站内照明办公用电总容量;a为单位配电容量的配电成本;β为电动出租车快充站内变压器最佳负载率;sk为快充站k内充电设施数目;Cgm为单个充电设施的购买成本;Cwa为单个充电设施的维护安装成本;Ccw为单个充电设施配套充电车位的土地成本;Cpd为单个充电设施的配电成本;P为单个充电设施功率;η为充电设施的工作效率;为充电设施的功率因数;
(3)计算快充站k内用户逗留时间成本Fwk:
式中,Cw为电动出租车司机的平均出行时间成本;Hki为快充站k内运营时段i(i=1,2,…,n)到站充电的电动出租车车次;Wqki为各个运营时段的平均排队时长;Tki为快充站k内运营时段i的时间长度;τ为电动出租车的平均充电时长(h)。
进一步地,所述的基于所述站内排队模型类型、站内投资成本和用户时间成本,确定站内充电设施配置优化模型的目标函数和约束条件,包括:
以电动出租车快充站内投资成本以及用户时间成本之和最小为目标函数,将各项成本都归算成每小时的成本,得到充电设施配置优化模型目标函数:
minFk=Fsk+Fwk
式中,Fk为快充站k内总成本;
确定约束条件,对于电动出租车快充站k,在固定的运营时段Tki内,到站充电的Hki辆车的总充电需求占这段时间内站内sk个充电设施的输入电能的比例为该时段电动出租车快充站内的负荷利用率:
式中,put(ki)表示快充站k内运营时段i的充电设施的负荷利用率,ρs(ki)表示快充站k内运营时段i的充电设施的装置利用率;对站内的装置利用率做出限制以保证电动出租车快充站的配电经济性:
pki≥pt
式中,pki为快充站k内第i个时段的装置利用率;pt为装置利用率的最低限定值;
从用户心理角度,考虑用户能够忍受的排队时间:
Wqki≤Wt
式中,Wqki为快充站k内第i个时段的排队时间;Wt为用户能够容忍的最大排队时间;
考虑快充站k的配电容量限制:
SNk≤Stk
式中,SNk为快充站k的配电容量;Stk为快充站k的配电容量上限值;
考虑快充站的占地面积约束,将占地面积约束条件转化为站内充电车位的约束条件也即充电设施的数目约束:
sk≤stk
式中,sk为快充站k的充电设施数目;stk为快充站k的充电设施数目上限值。
进一步地,所述的基于所述站内充电设施配置优化模型的目标函数和约束条件,建立站内充电设施配置优化模型,求解得到站内充电设施的最优配置数量,包括:
在电动出租车快充站的配电容量和占地面积均受限制的情况下,加入对各个快充站配电容量和设施数目的约束条件,建立电动出租车快充站的站内充电设施配置优化模型:
结合边际成本算法和相应约束条件对所述站内充电设施配置优化模型进行求解,得到快充站的最优充电机配置数量s*:
进一步地,所述的根据所述站内充电设施的最优配置数量计算出所述电动出租车快充站的配电容量,包括:
电动出租车快充站的配电容量SNk的计算公式如下:
Kk为快充站k站内充电设施的同时工作系数,在pki<0.05的情况下,Kk取值为1。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例的电动出租车快充站内充电设施配置及定容方法考虑了配电经济性,明确了装置利用率与配置经济性的联系关系,将装置利用率这一衡量经济性指标的重要因素作为站内设施配置优化模型的一个约束条件,有利于提高充电站配置的经济性。此外将充电站的占地面积限制转化为充电桩的数量限制,将其作为站内设施配置优化模型的一个约束条件,有利于提高发明的工程应用价值。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种电动出租车快充站内排队现象说明图;
图2为本发明实施例提供的一种电动出租车快充站技术方案流程图;
图3为本发明实施例提供的一种站内设施配置优化模型求解程序流程图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
本发明实施例提出了一种确定站内充电设施配置数量和快充站配电容量的方法,解决了电动出租车快充站的负荷利用率低、配电经济性差、设施数量配置不合理等问题。兼顾用户和投资者两个方面,考虑电动出租车快充站服务系统的特殊性和分时段运营的特点,全面有效地保证快充站设施配置的合理经济性。
图1为本发明实施例提供的一种电动出租车快充站内排队现象说明图,如图1所示,电动出租车快充站内的电动出租车进站、排队、充电、离开的整个过程中存在排队现象,用户进站之后如果有空闲的充电设施,那么该用户无需排队,直接到该充电车位进行充电;如果用户进站后发现没有空闲的充电设施,则需要排队直至有车辆充电完毕离站,用户排队的规则一般遵循先到先服务。基于此过程,在本文的研究中将采用排队理论研究站内的充电服务系统。
图2为本发明实施例提供的一种电动出租车快充站内充电设施配置及定容方法的处理流程,包括以下步骤:
步骤1、分析电动出租车的进站时间间隔和充电时长的分布规律,确定站内排队模型的类型;
步骤2、基于站内排队模型测算单位时间的站内投资成本和用户时间成本;
步骤3、基于所述站内排队模型类型、站内投资成本、用户时间成本和成本计算方法,确定站内充电设施配置优化模型的目标函数和约束条件;
步骤4、基于站内充电设施配置优化模型的目标函数和约束条件,建立站内充电设施配置优化模型,求解得到站内充电设施的最优配置数量;
步骤5、根据快充站内的设施最优配置数量计算快充站配电容量。
所述的步骤1中的分析电动出租车的进站时间间隔和充电时长的分布规律确定站内排队模型类型的具体处理过程包括如下:
(1)分析已投运较长时间的电动出租车快充站,记录其运营时段、电动出租车的进站充电时间点、接受充电时间长度、充电前后电池的荷电状态。上述记录的各种数据可以是一段时间内的平均值;
(2)根据电动出租车的进站时间点,计算各个运营时段电动出租车的到站时间间隔,对各个到站时间间隔进行数据拟合,得到各个运营时段内电动出租车的到站时间间隔符合负指数分布;对电动出租车在站内的充电时长进行数据拟合,得到充电时长符合正态分布。
(3)快充站可以满足其服务范围内所有电动出租车充电需求,站内设有多个服务台且相互独立工作,则电动出租车快充站内的服务系统符合M/G/s(多服务台等待制)排队模型的核心特征,因此采用M/G/s排队模型描述电动出租车快充站的服务系统。
(4)对电动出租车快充站的服务系统进行数学描述,设在M/G/s排队模型中,用户的输入过程服从参数为λ的Poisson分布,单位时间内到站充电的车辆的数量为λ,即充电车辆的进站充电时间间隔为1/λ;用户(电动汽车)的充电时长服从正态分布,假设μ为单位时间内能完成充电的车辆数量,即1/μ为充电车辆的充电时长;系统达到稳定以后,站内服务系统达到进出平衡,可以用方程表示为:
其中,pn(n=0,1,2,…)表示系统达到平稳状态后排队队长为n的概率分布;λn为状态为n的系统到下一辆充电车辆到达时刻止的到达率;μn为状态为n的系统到下一辆充电车辆离开时刻止的平均服务率,这些参数描述了快充站内排队系统的输入过程以及服务过程的特征。有:
λn=λn=0,1,2,...
可以得到系统的状态概率为:
上述步骤2中的基于站内排队模型测算单位时间的站内投资成本和用户时间成本的具体处理过程包括:
(1)计算M/G/s排队模型的各项运行指标,用ρ表示电动出租车快充站系统中正在接受充电服务的充电车辆的平均数量,即快充站的服务率为对于有s个充电桩的电动出租车快充站服务系统,用ρs表示充电桩的装置利用率:
在电动出租车等待制排队模型中,要求电动出租车的平均到达率小于电动出租车快充站的平均服务率,才能使系统达到统计平衡,即ρs<1。
p0为所有充电桩都处于空闲的概率,p0与站内充电设施的同时工作系数K负相关,在p0很小的情况(p0<0.05)下,K取值为1;计算装置空闲率:
计算电动出租车快充站的平均排队长度Lq:
计算电动出租车快充站的平均等候队长Ls:
计算电动出租车快充站的平均排队时间Wq:
计算电动出租车快充站的平均等候时间Ws:
(2)计算快充站k内运营商投资成本Fsk,Fsk一部分包括电动出租车快充站内非充电车位土地的成本、站内运营成本、电动出租车快充站照明办公用电的配电成本,这个部分的成本是定值;另一部分包括了站内充电桩的购买与维护安装费用、充电设施配套的充电车位土地费用、充电设施所需配电费用,这部分成本会随着站内充电设施的功率和数量发生变化,
式中,Ctd为电动出租车快充站内非充电车位土地的成本(元);Cyu为电动出租车快充站内运营成本(元);Czm为电动出租车快充站内照明办公用电的配电成本(元);r为电动出租车快充站的运营年限(年);Se为电动出租车快充站内照明办公用电总容量(kVA);a为单位配电容量的配电成本(元/kVA);β为电动出租车快充站内变压器最佳负载率。sk为快充站k内充电设施数目(个);Cgm为单个充电设施的购买成本(元);Cwa为单个充电设施的维护安装成本(元);Ccw为单个充电设施配套充电车位的土地成本(元);Cpd为单个充电设施的配电成本(元);P为单个充电设施功率(kW);η为充电设施的工作效率;为充电设施的功率因数;
(3)计算快充站k内用户逗留时间成本Fwk,步骤1部分的分析得知电动出租车快充站内运营时间可能是不连续的,需要对各段时间的用户等待时间分别计算后进行加权求取该电动出租车快充站内单位时间的用户时间成本,建立分时段运营电动出租车快充站用户时间成本计算模型:
式中,Cw为电动出租车司机的平均出行时间成本(元/h),可以根据出租车司机的月收入和月工作时间折合求得;Hki为快充站k内运营时段i(i=1,2,…,n)到站充电的电动出租车车次(辆);Wqki为各个运营时段的平均排队时长(h);Tki为快充站k内运营时段i的时间长度(h);τ为电动出租车的平均充电时长(h)。
上述步骤3中的基于所述站内排队模型类型和成本计算方法,确定站内充电设施配置优化模型的目标函数和约束条件的具体处理过程包括:
(1)确定以电动出租车快充站内投资成本以及用户时间成本之和最小为目标函数,将各项成本都归算成每小时的成本(元/h),得到充电设施配置优化模型目标函数:
minFk=Fsk+Fwk
式中,Fk为快充站k内总成本。
(2)确定约束条件,首先定义一个负荷利用率的概念,对于电动出租车快充站k,在固定的运营时段Tki内,到站充电的Hki辆车的总充电需求占这段时间内站内sk个充电设施的输入电能的比例即为该时段电动出租车快充站内的负荷利用率:
式中,put(ki)表示快充站k内运营时段i的充电设施的负荷利用率。容易证明站内充电设施的负荷利用率等于装置利用率:
式中,ρs(ki)表示快充站k内运营时段i的充电设施的装置利用率。对站内的装置利用率做出限制以保证电动出租车快充站的配电经济性:
pki≥pt
式中,pki为快充站k内第i个时段的装置利用率;pt为装置利用率的最低限定值。
从用户心理角度,考虑用户可以忍受的排队时间:
Wqki≤Wt
式中,Wqki为快充站k内第i个时段的排队时间(h);Wt为用户可以容忍的最大排队时间(h)。
考虑快充站的配电容量限制:
SNk≤Stk
式中,SNk为快充站k的配电容量(MVA);Stk为快充站k的配电容量上限值(MVA)。
考虑快充站的占地面积约束,将占地面积约束条件转化为站内充电车位的约束条件也即充电设施的数目约束:
sk≤stk
式中,sk为快充站k的充电设施数目;stk为快充站k的充电设施数目上限值。此约束条件应考虑装置数目的取整性。
上述步骤4中的基于站内充电设施配置优化模型的目标函数和约束条件,建立站内充电设施配置优化模型,求解得到站内充电设施的最优配置数量的具体处理过程包括:
(1)建立应用优化模型。在快充站的配电容量和占地面积均受限制的情况下,需要加入对各个快充站配电容量和设施数目的约束条件:
(2)结合边际成本算法和相应约束条件进行求解:
可求得快充站的最优充电机配置数量s*,图3为本发明实施例提供的一种站内设施配置优化模型求解程序流程图。
上述步骤5中的根据快充站内的设施最优配置数量计算快充站配电容量的具体处理过程包括:
SNk为电动出租车快充站的配电容量,Kk为快充站k站内充电设施的同时工作系数,在站内装置空闲率很低(pki<0.05)的情况下,Kk取值为1。
综上所述,本发明实施例的电动出租车快充站内充电设施的配置及定容方法考虑了配电经济性,明确了装置利用率与配置经济性的联系关系,将装置利用率这一衡量经济性指标的重要因素作为站内设施配置优化模型的一个约束条件,有利于提高充电站配置的经济性。此外将充电站的占地面积限制转化为充电桩的数量限制,将其作为站内设施配置优化模型的一个约束条件,有利于提高发明的工程应用价值。
本发明实施例对电动出租车这一特殊车型的出行规律进行分析,采用M/G/s排队模型更适用于电动出租车这一特殊车型进行快充站内充电设施配置。本发明考虑电动出租车快充站分时段运营特性,提出分时段运营充电站的用户时间成本计算方法。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (1)
1.一种电动出租车快充站内充电设施的配置及定容方法,其特征在于包括以下步骤:
采集电动出租车的进站时间间隔和充电时长的数据,
分析电动出租车的进站时间间隔和充电时长的分布规律,确定电动出租车快充站的站内排队模型类型;
基于包括站内排队模型类型,确定站内充电设施配置优化模型的目标函数和约束条件;
基于站内充电设施配置优化模型的目标函数和约束条件,建立站内充电设施配置优化模型,求解得到站内充电设施的最优配置数量;
根据站内充电设施的最优配置数量计算出所述电动出租车快充站的配电容量;
分析电动出租车的进站时间间隔和充电时长的分布规律的数据,对数据进行处理:
记录已投运一定时间的电动出租车快充站的运营时段、电动出租车的进站充电时间点、接受充电时间长度、充电前后电池的荷电状态;
根据电动出租车的进站时间点,计算各个运营时段电动出租车的到站时间间隔,对各个运营时段的到站时间间隔数据进行拟合,得到各个运营时段内电动出租车的到站时间间隔符合负指数分布;对电动出租车在站内各时段的充电时长数据进行拟合,得到充电时长符合正态分布;
确定电动出租车快充站的站内排队模型类型,包括:
采用多服务台等待制M/G/s排队模型描述电动出租车快充站服务系统,对电动出租车快充站服务系统进行数学描述,设在M/G/s排队模型中,用户的输入过程服从参数为λ的Poisson分布,单位时间内到站充电的车辆的数量为λ,充电车辆的进站充电时间间隔为1/λ;充电车辆的充电时长服从正态分布,假设μ为单位时间内能完成充电的车辆数量,即1/μ为充电车辆的充电时长;电动出租车快充站系统达到稳定以后,电动出租车快充站系统达到进出平衡,用方程表示为:
其中,pn(n=0,1,2,…)表示系统达到平稳状态后排队队长为n的概率分布;λn为状态为n的电动出租车快充站系统到下一辆充电车辆到达时刻止的到达率;μn为状态为n的电动出租车快充站系统到下一辆充电车辆离开时刻止的平均服务率,有:
λn=λ n=0,1,2,...
得到电动出租车快充站系统的状态概率为:
还包括以下步骤:
(1)计算所述M/G/s排队模型的各项运行指标,用ρ表示电动出租车快充站系统中正在接受充电服务的充电车辆的平均数量,即快充站的服务率为对于有s个充电桩的电动出租车快充站系统,用ρs表示充电桩的装置利用率:
在电动出租车等待制排队模型中,要求电动出租车的平均到达率小于电动出租车快充站的平均服务率,才能使电动出租车快充站系统达到统计平衡,即ρs<1;
p0为所有充电桩都处于空闲的概率,p0与站内充电设施的同时工作系数K负相关,在p0<0.05下,K取值为1;计算电动出租车快充站系统的装置空闲率:
计算电动出租车快充站的平均排队长度Lq:
计算电动出租车快充站的平均等候队长Ls:
计算电动出租车快充站的平均排队时间Wq:
计算电动出租车快充站的平均等候时间Ws:
(2)计算电动出租车快充站k内运营商投资成本Fsk;
式中,Ctd为电动出租车快充站内非充电车位土地的成本;Cyu为电动出租车快充站内运营成本;Czm为电动出租车快充站内照明办公用电的配电成本;r为电动出租车快充站的运营年限;Se为电动出租车快充站内照明办公用电总容量;a为单位配电容量的配电成本;β为电动出租车快充站内变压器最佳负载率;sk为快充站k内充电设施数目;Cgm为单个充电设施的购买成本;Cwa为单个充电设施的维护安装成本;Ccw为单个充电设施配套充电车位的土地成本;Cpd为单个充电设施的配电成本;P为单个充电设施功率;η为充电设施的工作效率;为充电设施的功率因数;
(3)计算快充站k内用户逗留时间成本Fwk:
式中,Cw为电动出租车司机的平均出行时间成本;Hki为快充站k内运营时段i(i=1,2,…,n)到站充电的电动出租车车次;Wqki为快充站k内第i个时段的排队时间;Tki为快充站k内运营时段i的时间长度;τ为电动出租车的平均充电时长(h);
确定站内充电设施配置优化模型的目标函数和约束条件,包括:
以电动出租车快充站内投资成本以及用户时间成本之和最小为目标函数,将各项成本都归算成每小时的成本,得到充电设施配置优化模型目标函数:
minFk=Fsk+Fwk
式中,Fk为快充站k内总成本;
确定约束条件,对于电动出租车快充站k,在固定的运营时段Tki内,到站充电的Hki辆车的总充电需求占这段时间内站内sk个充电设施的输入电能的比例为该时段电动出租车快充站内的负荷利用率,即负荷利用率等于装置利用率:
式中,SE为电池能量,SOCch为电池荷电状态,put(ki)表示快充站k内运营时段i的充电设施的负荷利用率,ρs(ki)表示快充站k内运营时段i的充电设施的装置利用率;
pki≥pt
式中,pki为快充站k内第i个时段的装置利用率;pt为装置利用率的最低限定值;
从用户心理角度,考虑用户能够忍受的排队时间:
Wqki≤Wt
式中,Wt为用户能够容忍的最大排队时间;
考虑快充站k的配电容量限制:
SNk≤Stk
式中,SNk为快充站k的配电容量;Stk为快充站k的配电容量上限值;
考虑快充站的占地面积约束,将占地面积约束条件转化为站内充电车位的约束条件也即充电设施的数目约束:
sk≤stk
式中,sk为快充站k的充电设施数目;stk为快充站k的充电设施数目上限值;
基于所述站内充电设施配置优化模型的目标函数和约束条件,建立站内充电设施配置优化模型,求解得到站内充电设施的最优配置数量,
包括:
在电动出租车快充站的配电容量和占地面积均受限制的情况下,加入对各个快充站配电容量和设施数目的约束条件,建立电动出租车快充站的站内充电设施配置优化模型:
结合边际成本算法和相应约束条件对所述站内充电设施配置优化模型进行求解,得到快充站的最优充电机配置数量s*:
根据所述站内充电设施的最优配置数量计算出所述电动出租车快充站的配电容量,包括:
电动出租车快充站的配电容量SNk的计算公式如下:
Kk为快充站k站内充电设施的同时工作系数,在pki<0.05的情况下,Kk取值为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611063879.XA CN106779176B (zh) | 2016-11-25 | 2016-11-25 | 电动出租车快充站内充电设施配置及定容方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611063879.XA CN106779176B (zh) | 2016-11-25 | 2016-11-25 | 电动出租车快充站内充电设施配置及定容方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106779176A CN106779176A (zh) | 2017-05-31 |
CN106779176B true CN106779176B (zh) | 2023-08-25 |
Family
ID=58901922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611063879.XA Active CN106779176B (zh) | 2016-11-25 | 2016-11-25 | 电动出租车快充站内充电设施配置及定容方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106779176B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977747A (zh) * | 2017-10-27 | 2018-05-01 | 江苏中路工程技术研究院有限公司 | 一种集约化高速公路服务区停车场的布局方法 |
CN107769199B (zh) * | 2017-11-22 | 2020-05-05 | 国网福建省电力有限公司 | 一种公交线路电气化优化配置的线性化建模方法 |
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 |
CN109146135B (zh) * | 2018-07-18 | 2021-06-08 | 华南理工大学 | 一种共享电动自行车站点车桩配备的优化方法 |
CN109376894A (zh) * | 2018-08-21 | 2019-02-22 | 南京理工大学 | 基于排队论最佳费用模型的高校充电设施定量方法 |
CN109177750B (zh) * | 2018-09-05 | 2021-10-15 | 华东师范大学 | 一种高校充电桩配置数量确定方法 |
CN109977527B (zh) * | 2019-03-21 | 2021-04-16 | 华北电力大学 | 一种城市公共充电站网络的充电桩配置方法 |
CN110705745B (zh) * | 2019-08-27 | 2022-08-05 | 北京交通大学 | 一种电动公交车充电站优化规划与有序退出方法 |
CN110705746B (zh) * | 2019-08-27 | 2022-08-05 | 北京交通大学 | 电动出租车快速充电站优化配置方法 |
CN111027847B (zh) * | 2019-12-06 | 2023-05-02 | 国网天津市电力公司 | 一种应急电动汽车充电保障车调配方法 |
CN111461441B (zh) * | 2020-04-03 | 2023-09-12 | 国网辽宁省电力有限公司 | 基于电动汽车泊停态势划分的多类充电设施优化配置方法 |
CN113033911A (zh) * | 2021-04-13 | 2021-06-25 | 上海电机学院 | 一种充换电站设施配置及成本优化方法 |
CN113762612A (zh) * | 2021-08-31 | 2021-12-07 | 北京交通大学 | 一种电动汽车充电站的分时运维成本测算方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295167A (zh) * | 2013-05-13 | 2013-09-11 | 中国科学院电工研究所 | 居民小区电动汽车充电设施规划方法 |
CN104463701A (zh) * | 2014-12-07 | 2015-03-25 | 国网浙江省电力公司电动汽车服务分公司 | 一种配电系统与电动汽车充电网络的协调规划方法 |
CN104680258A (zh) * | 2015-03-12 | 2015-06-03 | 北京交通大学 | 电动出租车调度方法及装置 |
CN105095611A (zh) * | 2015-09-25 | 2015-11-25 | 东南大学 | 一种高速公路电动汽车快速充电站排队算法 |
CN105139096A (zh) * | 2015-09-28 | 2015-12-09 | 东南大学 | 一种基于两阶段优化的电动汽车充电站选址定容方法 |
CN105389621A (zh) * | 2015-10-15 | 2016-03-09 | 南昌大学 | 电动汽车充电负荷对配网系统电压影响的充电桩最优分布方法 |
CN105760949A (zh) * | 2016-02-04 | 2016-07-13 | 国网山东省电力公司经济技术研究院 | 一种电动汽车快充站充电机台数优化配置方法 |
CN105787600A (zh) * | 2016-03-03 | 2016-07-20 | 国家电网公司 | 基于自适应量子遗传算法的电动出租车充电站规划方法 |
CN106066942A (zh) * | 2016-06-15 | 2016-11-02 | 广东工业大学 | 一种充电服务满意度计算方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080140469A1 (en) * | 2006-12-06 | 2008-06-12 | International Business Machines Corporation | Method, system and program product for determining an optimal configuration and operational costs for implementing a capacity management service |
US9132742B2 (en) * | 2012-02-23 | 2015-09-15 | International Business Machines Corporation | Electric vehicle (EV) charging infrastructure with charging stations optimumally sited |
CN102663564A (zh) * | 2012-04-23 | 2012-09-12 | 中国电力技术装备有限公司北京分公司 | 电池集中充电、集中调配的一体化调度系统 |
US9626823B2 (en) * | 2014-04-11 | 2017-04-18 | Nissan North America, Inc. | System and method of predicting future demand of a charging station |
-
2016
- 2016-11-25 CN CN201611063879.XA patent/CN106779176B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295167A (zh) * | 2013-05-13 | 2013-09-11 | 中国科学院电工研究所 | 居民小区电动汽车充电设施规划方法 |
CN104463701A (zh) * | 2014-12-07 | 2015-03-25 | 国网浙江省电力公司电动汽车服务分公司 | 一种配电系统与电动汽车充电网络的协调规划方法 |
CN104680258A (zh) * | 2015-03-12 | 2015-06-03 | 北京交通大学 | 电动出租车调度方法及装置 |
CN105095611A (zh) * | 2015-09-25 | 2015-11-25 | 东南大学 | 一种高速公路电动汽车快速充电站排队算法 |
CN105139096A (zh) * | 2015-09-28 | 2015-12-09 | 东南大学 | 一种基于两阶段优化的电动汽车充电站选址定容方法 |
CN105389621A (zh) * | 2015-10-15 | 2016-03-09 | 南昌大学 | 电动汽车充电负荷对配网系统电压影响的充电桩最优分布方法 |
CN105760949A (zh) * | 2016-02-04 | 2016-07-13 | 国网山东省电力公司经济技术研究院 | 一种电动汽车快充站充电机台数优化配置方法 |
CN105787600A (zh) * | 2016-03-03 | 2016-07-20 | 国家电网公司 | 基于自适应量子遗传算法的电动出租车充电站规划方法 |
CN106066942A (zh) * | 2016-06-15 | 2016-11-02 | 广东工业大学 | 一种充电服务满意度计算方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于遗传算法的电动汽车换电站经济运行;张帝;姜久春;张维戈;张言茹;黄彧;;电网技术(08);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106779176A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106779176B (zh) | 电动出租车快充站内充电设施配置及定容方法 | |
Lojowska et al. | Stochastic modeling of power demand due to EVs using copula | |
Bayram et al. | Local energy storage sizing in plug-in hybrid electric vehicle charging stations under blocking probability constraints | |
CN105429218B (zh) | 一种电动汽车群有序充电管理的分布式控制方法 | |
CN109177802B (zh) | 一种基于无线通信的电动汽车有序充电系统及其方法 | |
CN109670661B (zh) | 用于确定换电站内的欠电电池的充电策略的方法和装置 | |
Liu et al. | A planning strategy considering multiple factors for electric vehicle charging stations along German motorways | |
CN111391709B (zh) | 一种电动汽车换电站调度方法及系统 | |
CN103241130A (zh) | 一种电动公交车充换电站的能量管理方法及系统 | |
CN105024432A (zh) | 一种基于虚拟电价的电动汽车充放电优化调度方法 | |
CN103915869A (zh) | 一种基于移动设备的电动汽车智能充电系统及方法 | |
CN106384175B (zh) | 一种基于可调度能力的电动汽车实时控制方法 | |
CN103337890A (zh) | 一种电动出租车充电站有序充电系统及方法 | |
CN109754136B (zh) | 电池均衡方法及系统 | |
CN109849723B (zh) | 一种基于充电站功率裕度的电动汽车有序充电控制方法 | |
CN108944500B (zh) | 一种分布式站点联合控制的电动汽车充电调度方法 | |
CN110826841A (zh) | 考虑用户充电体验和配电网运行风险的充电站规划方法 | |
Zhou et al. | Probability model and simulation method of electric vehicle charging load on distribution network | |
CN110053508B (zh) | 基于车联网平台的能源互联网集群运行调度方法及系统 | |
Darabi et al. | Plug-in hybrid electric vehicles: Charging load profile extraction based on transportation data | |
CN108599267B (zh) | 一种考虑电动汽车出行相关性的机组组合调度方法 | |
CN112183882B (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
CN114722595A (zh) | 一种含有换电站的微电网优化运行方法 | |
Qin et al. | Mobile storage for demand charge reduction | |
Sun et al. | Charging stations‐oriented electric vehicle charging strategy based on battery characteristics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |