CN107139741A - 一种电动汽车充电引导方法 - Google Patents

Abstract

本发明公开了一种电动汽车充电引导方法，属于电动汽车充电调度的技术领域。该方法通过采集待充电动汽车的充电参数以及充电站的静态参数和动态参数，建立考虑了车主利益和充电站利益的充电站综合评价指标，调用引导算法筛选出最佳引导充电站。本发明提出的充电引导方法可以实时响应充电站安全充电负荷限制，减小电动汽车集中式充电对电网安全带来的负面影响，此外，帮助电动汽车车主快速寻找附近充电桩，减小整体电动汽车充电的平均等待时间，提升整体充电桩的利用率，解决充电资源的浪费问题。

Description

一种电动汽车充电引导方法

技术领域

本发明公开了一种电动汽车充电引导方法，属于电动汽车充电调度的技术领域。

背景技术

随着环境污染和石油资源紧缺问题的日益突出，电动汽车作为燃油车的替代品受到了广泛关注。目前，电动车充电缺乏管理与引导，用户按照自己的充电意愿选择就近的充电站进行充电，容易造成车流量较大的充电站超负荷运行而车流量较小的充电站长时间保持空闲，不仅影响电网的安全性与经济性，还造成充电资源的浪费，提升电动汽车用户平均充电等待时间。

虽然目前可以采用状态电价和对电动汽车的强制调度来实现充电负荷空间上的均衡化，减小集中充电站超负荷运行，提升充电资源的利用率，降低电动汽车用户平均充电等待时间，但前者过度依赖用户的主动参与，缺乏一定的可控性，而后者通常从电网或者充电站的利益角度出发，难以兼顾电动汽车车主的利益，常常以牺牲车主的利益达到所期望的目标，降低了车主的用车体验度，不利于电动汽车的推广。

发明内容

本发明的发明目的是针对上述背景技术的不足，提供了一种电动汽车充电引导方法，充分考虑车主利益和充电站利益，智能地响应充电站安全充电负荷限制并帮助车主快速需找附近可用充电桩，解决了电动汽车充电平均等待时间长且充电桩利用率低的技术问题。

本发明为实现上述发明目的采用如下技术方案：

一种电动汽车充电引导方法，包括如下步骤：

S1：输入待充电动汽车的充电参数和充电站静态参数及道路信息，待充电动汽车的充电参数包括：电动汽车的地理位置数据、待充电动汽车最大充电功率数据P、电动汽车的剩余里程数据R、车主设置的充电电量E和用户最大容忍的引导路程L_max，充电站静态参数包括：辖区内每个充电站的地理位置数据、站内每个充电桩的充电效率η、充电站运营方愿意为用户保留所申请充电桩的时间、每个充电桩充电功率的上限P^-和充电功率下限P_-，道路信息为每条道路的平均车行速度数据

S2：根据S1输入的电动汽车地理位置数据、电动汽车的剩余里程数据R、用户最大容忍的引导路程L_max、辖区内每个充电站的地理位置数据、站内每个充电桩的充电效率η、每个充电桩充电功率的上限P^-和充电功率下限P_-得到电动汽车充电站备选集合{PCS}；

S3：输入充电站动态参数：起点为0点且终点为24点的并以15分钟为间隔的24小时充电站安全充电负荷限制数据、充电站内每个充电桩的充电起始时刻t_s及充电结束时刻t_d、正在充电车辆的最大充电功率和充电桩的状态参数；

S4：根据S3中输入的充电桩状态参数，在S2所得到的电动汽车充电站备选集合{PCS}的基础上得到充电站初始集合{CS}；

S5：根据S1输入的待充电动汽车的充电参数和充电站静态参数及道路信息、S3中输入的充电站动态参数，调用考虑了车主利益和充电站利益的充电引导算法在S4中得到的充电站初始集合{CS}中筛选出最佳引导充电站。

作为一种电动汽车充电引导方法的进一步优化方案，步骤S2得到电动汽车充电站备选集合{PCS}的方法具体包括以下步骤：

S2.1：根据电动汽车地理位置数据和辖区内每个充电站的地理位置数据，运用Dijkstra算法计算得到待充电动汽车与辖区内每个充电站的最短路径集合{L}；

S2.2：比较电动汽车剩余里程R与用户最大容忍的引导路程L_max，取其中较小值作为电动汽车实际可引导路程L_V，如式(1)所示：

S2.3：比较最短路径集合{L}中每个元素与L_V的大小，排除最短路径集合{L}中元素值大于L_V所对应的充电站得到电动汽车充电站备选集合{PCS}；

S2.4：读取S2.3中所得到的电动汽车充电站备选集合{PCS}中每个充电站站内每个充电桩充电功率的上限P^-和充电功率下限P_-，如果电动汽车充电站备选集合{PCS}中的充电站j满足：

使得

则保留充电站j，否则在电动车充电站集合{PCS}中删除充电站j，其中，i为充电站j内某个充电桩，CP_j为充电站j内的充电桩集合，CP_j∈{PCS}，P_i-为充电桩i的充电功率下限，为充电桩i的充电功率上限，重复用式(2)对充电站进行筛选并更新电动车充电站备选集合{PCS}，从而得到最终的电动车充电站备选集合{PCS}和与其对应的最短路径集合{L}。

作为一种电动汽车充电引导方法的进一步优化方案，步骤S3中输入的充电桩状态参数还包括充电桩充电状态和检修状态参数，其中，充电桩充电状态参数C取值1表示充电中，取值0表示闲置中；充电桩检修参数Ex取值1表示检修中，取值0表示投运中。

作为一种电动汽车充电方案的进一步优化方案，步骤S4中充电站初始集合筛选方法具体包括以下步骤：

S4.1：读取充电站备选集合{PCS}中充电站站内充电桩的状态参数，根据式(3)进行判别：

使得C＝0且Ex＝0 (3)，

则保留充电站j，否则从电动汽车充电站备选集合{PCS}中删除充电站j；

S4.2：重复S4.1最终得到充电站初始集合{CS}。

作为一种电动汽车充电引导方法的进一步优化方案，步骤S5中考虑了车主利益和充电站利益的充电引导算法具体包含以下步骤：

S5.1：从充电站初始集合{CS}中读取充电站k的时间间隔为15分钟的24小时充电站安全充电需求预测数据(根据充电站k的起点为0点且终点为24点的并以15分钟为间隔的24小时充电站安全充电负荷限制数据预测)，为含有97个点的离散序列，记为{A(j)}，j＝0，1，2...96，以{A(j)}为基础数据，将其扩充为含1441个点的离散序列n＝0，1，2，...，1440，每个点的间隔为1min，并且P_g(4j)＝A(j)，j＝0，1，2...96，进而进行线性样条得到线性样条函数，计算如式(4)：

将x离散化，离散间隔为1，则对x可取值i-4,i-3,i-2,i-1，i，将x代入式(4)得到其余点的值，完成充电站k的24小时安全充电需求预测数据的扩充；

S5.2：从最短路径集合{L}中读取待充电动汽车与充电站k的最短路径L_k，并从S1中输入的道路信息中读取L_k所对应路径的平均车行速度，记为根据式(5)计算待充电动汽车到站的时刻点的期望：

其中，t_r为待充电动汽车沿L_k到达充电站k的平均时间，N_m为待充电动汽车到充电站k的时刻点的期望，t₀为待充电动汽车申请充电的时刻点，

待充电动汽车所需充电时间t_c计算如式(6)所示：

其中，W为待充电动汽车的充电需求电量，P为待充电动汽车的最大充电功率，计算待充电动汽车充电完毕时刻点的期望N_d，见式(7)：

N_d＝60t₀+t_a+t_c (7)，

其中，t_a为充电站运营方愿意为用户保留所申请充电桩的时间，定义电动汽车虚拟的充电起始点N_s等于60t₀，读取充电站k中每个充电桩i的起始充电时刻及充电结束时刻和充电功率Pⁱ，将和转化为离散点，转化式见式(8)：

定义充电站k中充电桩i在时刻点n的开关函数uⁱ(n)，见式(9)：

其中，n可取60t₀,1,2…1440，则充电站k在时刻点n的充电功率P^k(n)计算如式(10)：

其中，M为充电站k站内充电桩的总数量，ηⁱ为充电站k中充电桩i的充电效率，重复对n取值并按照式(10)计算P^k(n)，则可以获得充电站k的充电功率序列{P^k(n)}，

电动汽车可在充电站k进行充电还需满足功率约束，见式(11)：

其中，n∈[N_m，N_d]，如果满足式(11)中的约束则进入S5.3，否则进入S5.4；

S5.3：建立待充电动汽车在充电站k充电时车主利益的评价指标，见式(12)：

建立充电站k利益的评价指标，见式(13)：

基于式(12)和式(13)建立充电站k的综合评价指标，见式(14)

其中，λ₁与λ₂为权重系数；

S5.4：重复S5.1-S5.3步骤得到综合评价指标序列{σ^k}，其中最小值所对应的充电站即为最佳的引导充电站。

本发明采用上述技术方案，具有以下有益效果：

(1)本申请提出的充电引导方法可以实时响应充电站安全充电负荷限制，避免电动汽车集中充电造成充电功率越限的情况发生，从而减小电动汽车集中充电对电网安全带来的负面影响；

(2)综合考虑电动汽车车主与充电站的利益，帮助电动汽车车主快速寻找附近可用充电桩，减小电动汽车充电平均等待时间，提升整体充电桩利用率，解决充电资源的浪费问题。

附图说明

图1为本发明提出的充电引导方法的步骤框图。

图2为仿真区域的地图。

图3无序充电与本发明充电引导方法下快充站C的站内充电功率曲线。

图4无序充电与本发明充电引导方法下5个充电站的充电桩利用率比较直方图。

图5无序充电与本发明充电引导方法下整体平均充电等待时间直方图。

具体实施方式

下面结合附图对发明的技术方案进行详细说明。

本发明公开的电动汽车充电引导方法如图1所示，包括以下步骤：

S1：输入待充电动车的充电参数与充电站静态参数，待充电动汽车的充电参数包括：电动汽车的地理位置数据、待充电动汽车最大充电功率数据P、电动汽车的剩余里程数据R、车主设置的充电电量E和用户最大容忍的引导路程L_max；充电站静态参数包括：辖区内每个充电站的地理位置数据、站内每个充电桩的充电效率η、充电站运营方愿意为用户保留所申请充电桩的时间、每个充电桩充电功率的上限P^-和充电功率下限P_-；道路信息为每条道路的平均车行速度数据

S2：根据S1输入的电动汽车地理位置数据、电动汽车的剩余里程数据R、用户最大容忍的引导路程L_max、辖区内每个充电站的地理位置数据、站内每个充电桩的充电效率η、每个充电桩充电功率的上限P^-和充电功率下限P_-得到电动汽车充电站备选集合{PCS}。

S3：输入充电站动态参数：起点为0点且终点为24点的并以15分钟为间隔的24小时充电站安全充电负荷限制数据、充电站内每个充电桩的充电起始时刻t_s及充电结束时刻t_d、正在充电车辆的最大充电功率和充电桩的状态参数。

S4：根据S3中输入的充电桩状态参数，在S2所得到的电动汽车充电站备选集合{PCS}的基础上得到充电站初始集合{CS}。

S5：根据S1输入的待充电动汽车的充电参数和充电站静态参数及道路信息、S3中输入的充电站动态参数，调用考虑了车主利益和充电站利益的充电引导算法在S4中得到的充电站初始集合{CS}中得到最佳引导充电站。

下面以一个5×5km的仿真区域为例，通过matlab编制引导程序，对比了无序充电与本引导算法引导后充电站的充电功率曲线，整体充电站的充电桩利用率和整体电动汽车的平均等待时间。仿真区域如图2所示，包含A、B、C、D、E共5个集中式快充电站。仿真区域内仿真电动汽车有3种类型，分别对应最大充电功率30kw、60kw和120kw，比例为1:1:1。仿真区域24小时内各时段的电动汽车总数量见表1：

表1仿真区域24小时内各时段的电动汽车总数量

算例中，电动汽车在各时间段的充电请求时刻满足随机分布。

该算法的关键是计算电动汽车的综合评价指标，任取某一时刻的5辆电动汽车进行研究。

根据S2可以得到5辆电动汽车可选充电站的备选集合{PCS}，如表2所示：

电动汽车编号	充电站A	充电站B	充电站C	充电站D	充电站E
						1	是	是	是	否	否
2	是	是	否	否	否
						3	否	否	是	是	是
4	否	否	否	是	是
						5	否	否	是	是	是

表2仿真区域内5辆电动汽车的备选充电站

根据S4可以进一步对{PCS}中的充电站进行筛选，从而获得{PCS}的一个子集{CS}，如表3所示：

电动汽车编号	充电站A	充电站B	充电站C	充电站D	充电站E
						1	是	否	是	否	否
2	是	是	否	否	否
						3	否	否	是	是	否
4	否	否	否	是	是
						5	否	否	是	是	是

表3仿真区域内5辆电动汽车的初始充电站

根据步骤S5可以计算得到电动汽车对应于集合{CS}每个元素的综合评价指标，其中式(14)的权重系数λ₁取0.3，λ₂取0.7，综合指标最小的即为最佳引导充电站，算法结果见表4：

电动汽车编号	充电站A	充电站B	充电站C	充电站D	充电站E	引导充电站
							1	0.43	否	0.71	否	否	A
2	0.39	0.58	否	否	否	B
							3	否	否	0.62	0.33	0.51	D
4	否	否	否	0.45	0.42	E
							5	否	否	0.61	0.47	0.41	E

表4引导算法输出结果

为了体现本发明的引导效果，将本发明的结果与无序充电情况下的结果进行比较。

从图3可以看出，在本发明的引导算法作用下，与无序充电相比，电动汽车快充站C的充电功率在24小时内没有发生充电功率越限的情形。

从图4可以看出，在本发明的引导算法作用下，与无序充电相比，充电站A、充电站D和充电站E的充电桩利用率有所提升，而充电站B和充电站C的充电桩利用率有所下降，这是因为请求充电的电动汽车的数量是一定的，本发明的引导算法把原本在B站和C站的电动汽车引去了其它3个站，从而造成了这一现象的发生。但整体充电桩的利用率是提升的，这是因为本发明的引导算法减少了电动汽车在B站和C站的积聚，将多余等待的部分车辆引去了其它站进行充电。

从图5中可以看出，在本发明的引导算法作用下，与无序充电相比，电动汽车平均充电等待时间有效降低。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为落入本发明的保护范围。

Claims (6)

1.一种电动汽车充电引导方法，其特征在于，包括如下步骤：

S1、采集包括但不限于电动汽车地理位置数据、电动汽车剩余里程数据、用户最大容忍引导路程的待充电动汽车的充电参数，和，包括但不限于辖区内每个充电站地理位置数据、站内每个充电桩充电效率、每个充电桩充电功率上下限的充电站静态参数，以及道路信息；

S2、根据电动汽车地理位置数据、电动汽车剩余里程数据、用户最大容忍引导路程、辖区内每个充电站地理位置数据、每个充电桩充电功率上下限筛选电动汽车充电站备选集合；

S3、采集包括但不限于24小时充电站安全充电负荷限制数据、充电桩的充电状态参数和检修状态参数的充电站动态参数；

S4、依据所采集的充电站动态参数从电动汽车充电站备选集合筛选充电站初始集合；

S5、根据采集的待充电动汽车的充电参数、充电站静态参数以及动态参数调用考虑了车主利益和充电站利益的引导算法，从充电站初始集合中筛选最佳引导充电站。

2.根据权利要求1所述一种电动汽车充电引导方法，其特征在于，步骤S2中筛选电动汽车充电站备选集合的具体方法包括如下步骤：

S2.1、根据电动汽车地理位置数据和辖区内每个充电站地理位置数据调用Dijkstra算法以确定待充电动汽车与辖区内每个充电站的最短路径集合；

S2.2、取电动汽车剩余里程数据和用户最大容忍引导路程中的较小值作为电动汽车实际可引导路程；

S2.3、筛选出辖区内每个充电站最短路径集合中数值小于电动汽车实际可引导路程的元素所对应的充电站组成电动汽车充电站备选集合；

S2.4、根据充电站内每个充电桩均能满足待充电动车充电需求的原则更新步骤S2.3筛选的电动汽车充电站备选集合。

3.根据权利要求1所述一种电动汽车充电引导方法，其特征在于，步骤S3采集的充电站动态参数还包括：充电站内每个充电桩的充电起始时刻和充电结束时刻、正在充电车辆的最大充电功率。

4.根据权利要求1所述一种电动汽车充电引导方法，其特征在于，步骤S4筛选充电站初始集合的原则为：保留电动汽车充电站备选集合中每个投运充电桩都闲置的充电站。

5.根据权利要求3所述一种电动汽车充电引导方法，其特征在于，步骤S5具体为：建立每个充电站的综合评价指标，选择综合评价指标值最小的充电站为最佳引导充电站，充电站k的综合评价指标σ^k为： 为待充电动汽车在充电站k充电时车主利益的评价指标，L_k为待充电动汽车与充电站k的最短路径，L_max为用户最大容忍引导路程，为充电站k利益的评价指标，N_m为待充电动汽车到充电站k的时刻点的期望，N_d为待充电动汽车充电完毕时刻点的期望，N_d＝60t₀+t_a+t_c，t₀为待充电动汽车申请充电的时刻点，t_a为充电站运营方愿意为用户保留所申请充电桩的时间，t_c为待充电动汽车所需的充电时间，W为待充电动汽车的充电需求电量，P为待充电动汽车的最大充电功率，P^k(n)为充电站k在时刻点n的充电功率，M为充电站k站内的充电桩总数，Pⁱ(·)为充电站k中充电桩i的充电功率，uⁱ(n)为充电站k中充电桩i在时刻点n的开关函数， 为充电站k中充电桩i起始充电时刻对应的离散点， 为充电站k中充电桩i充电结束时刻对应的离散点，ηⁱ为充电站k中充电桩i的充电效率，为根据充电站k的24小时充电站安全充电负荷限制数据预测得到的充电站k在时刻点n的24小时充电站安全充电需求预测数据，λ₁、λ₂分别为待充电动汽车在充电站k充电时车主利益评价指标、充电站k利益评价指标的权重。

6.根据权利要求5所述一种电动汽车充电引导方法，其特征在于，根据充电站k的24小时充电站安全充电负荷限制数据预测得到的充电站k在时刻点n的24小时充电站安全充电需求预测数据具体方法为：从充电站初始集合中获取充电站k的起点为0点且终点为24点并以15分钟为间隔的24小时充电站安全充电负荷限制数据，并根据所述24小时充电站安全充电负荷限制数据预测充电站k的时间间隔为15分钟的24小时充电站安全充电需求预测数据序列{A(j)}，j＝0，1，2...96，对充电站k的时间间隔为15分钟的24小时充电站安全充电需求预测数据序列进行线性样条处理以获取充电站k的时间间隔为1分钟的24小时充电站安全充电需求预测数据序列