CN107323300B - 一种基于路-站-车联合模型的电动汽车预约充电方法 - Google Patents

一种基于路-站-车联合模型的电动汽车预约充电方法 Download PDF

Info

Publication number
CN107323300B
CN107323300B CN201710616195.6A CN201710616195A CN107323300B CN 107323300 B CN107323300 B CN 107323300B CN 201710616195 A CN201710616195 A CN 201710616195A CN 107323300 B CN107323300 B CN 107323300B
Authority
CN
China
Prior art keywords
electric car
charging
information
charging station
road
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
Application number
CN201710616195.6A
Other languages
English (en)
Other versions
CN107323300A (zh
Inventor
刘皓明
殷文倩
王尉杰
袁晓玲
梅飞
牛曼
方万两
陈美璇
杨志豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201710616195.6A priority Critical patent/CN107323300B/zh
Publication of CN107323300A publication Critical patent/CN107323300A/zh
Application granted granted Critical
Publication of CN107323300B publication Critical patent/CN107323300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • 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
    • 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
    • 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
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种基于路‑站‑车联合模型的电动汽车预约充电方法，包括：1）获取车辆状态信息、路况信息、充电站状态信息及用户设置的优化控制参数；2）根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从当前位置到各充电站的行车路径；3）确定预约充电方案集合；4）根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从充电站到目的地的行车路径；5）根据电动汽车用户需求确定最优行车路径和进行充电预约。本发明综合考虑电动汽车用户行程需求及充电需求，为有充电需求的电动汽车用户选择满足要求的充电站预约充电服务，并为其规划合理的行车路径。

Description

一种基于路-站-车联合模型的电动汽车预约充电方法
技术领域
本发明涉及一种基于路-站-车联合模型的电动汽车预约充电方法，属于电动汽车技术领域。
背景技术
全球能源、资源的枯竭以及生态环境恶化的危机促进了电动汽车产业的发展。相较于传统汽车，电动汽车(electric vehicle，EV)采用电能取代化石能源作为动力，能够有效减小温室气体排放，减缓对化石能源的消耗。在全球倡导节能减排的大环境下，美、日、欧以及中国都相继出台了一系列计划和政策鼓励电动汽车行业的发展，然而现在电动汽车仍处于起步阶段，充电桩等充电基础设施有待完善，充电资源有限，因此，解决电动汽车的充电问题显得尤为重要。
电动汽车和传统的燃油汽车有着很大的不同，主要体现在他们的能源补给方式上，相比较于传统汽车加油，电动汽车充电需要较长的时间，而且由于充电站覆盖不够，充电资源有限，充电站不能及时将充电桩的忙闲状态告知电动汽车车主，可能使电动汽车到达充电站后并不能像传统汽车到达加油站一样马上得到补给。目前电动汽车电池的续航能力也是制约电动汽车发展的一个重要因素，而目前还没有专门为电动汽车研发的导航，为续航能力不足的电动汽车规划合适的路径，将其导航到合适的充电站。因此，现有的关于电动汽车充电方面的技术仍有待改进和发展。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种基于路-站-车联合模型的电动汽车预约充电方法，综合考虑电动汽车用户行程需求及充电需求，同时考虑充电站可用充电桩可用情况以及交通侧路况，为有充电需求的电动汽车用户选择满足要求的充电站预约充电服务，并为其规划合理的行车路径，使电动汽车以较小的充电费用尽快完成充电并完成整个行程。
为解决上述技术问题，本发明提供一种基于路-站-车联合模型的电动汽车预约充电方法，包括以下步骤：
1)获取车辆状态信息、路况信息、充电站状态信息及用户设置的优化控制参数；
2)根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从当前位置到各充电站的行车路径；
3)确定预约充电方案集合；
4)根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从充电站到目的地的行车路径；
5)根据电动汽车用户需求确定最优行车路径和进行充电预约。
前述的车辆状态信息包括：电动汽车产生充电需求时的位置信息、电动汽车所要到达的目的地信息、电动汽车当前所剩余的续航里程、电动汽车当前荷电状态信息、充电完成后的期望荷电状态信息、电动汽车电池容量信息、充电功率信息、电动汽车单位里程消耗的电量信息；
所述路况信息包括：道路的拓扑结构信息、各路段长度信息、各路段限速信息、各路段最大通行能力信息和当前各路段车流量信息；
所述充电站状态信息包括：充电站的位置信息、充电站实时充电价格信息、充电站可用充电桩状态信息；
所述优化控制参数是指行车时间和充电费用的权重系数。
前述的步骤2)具体包括以下步骤：
2-1)根据电动汽车当前位置信息、各充电站位置信息，以电动汽车当前位置为起点、各充电站位置为终点，结合道路的拓扑结构信息、各路段长度信息、各路段限速信息、各路段最大通行能力信息、当前各路段车流量信息，计算电动汽车通过各路段所需要的时间：
2-2)将道路的拓扑结构作为一个有向图，电动汽车通过各路段的时间作为有向图对应边的权重，采用Dijkstra算法规划从电动汽车当前位置到各充电站所在位置最小行车时间对应的路径，将对应路径各边权重相加即可得到电动汽车自当前位置至各充电站位置的最小行车时间；
2-3)根据最小行车时间对应路径的各个路段长度信息，将对应路径各个路段长度加即可得到电动汽车自当前位置至各充电站位置的最小行车时间对应的行车路程。
前述的步骤3)确定预约充电方案集合包括以下步骤：
3-1)根据电动汽车当前所剩余的续航里程及所述步骤2)确定的从电动汽车当前位置到各充电站所在位置的路程，排除电动汽车当前剩余续航里程之外的充电站；
3-2)比较电动汽车自初始位置至各充电站的行车时间和从电动汽车在初始位置产生充电需求到所选择充电站为其提供充电服务的时间，选两者中的较大者向充电站预约充电服务；
3-3)根据从电动汽车当前位置到各充电站所在位置的最小行车时间路径信息、电动汽车单位里程消耗的电量信息、电动汽车当前荷电状态信息、电动汽车电池容量信息计算出电动汽车到达各充电站时的荷电状态：
其中，SOCa表示电动汽车到达各充电站时的荷电状态，SOCp表示电动汽车出现充电需求开始决策时的荷电状态，D表示电动汽车从产生充电需求的初始位置到各充电站所在位置的最小行车时间路径对应的行车距离，qkm表示电动汽车行驶每公里耗电量，Qe表示电动汽车电池额定容量；
3-4)根据电动汽车到达各充电站时的荷电状态、充电完成后的期望荷电状态信息、充电功率及电动汽车电池容量信息计算出电动汽车所需要充的电量和充电时间：
Qn＝(SOCe-SOCa)·Qe
其中，Qn表示电动汽车所需充电电量，SOCe表示电动汽车充电完成后期望的荷电值，tc为充电时长，Pc为电动汽车的充电功率；
3-5)结合充电电价，计算到各充电站充电所需的充电费用：
C＝λ(t)·Qn
其中，C表示充电费用，λ(t)表示与时间t相关的充电电价。
前述的步骤4)具体包括以下步骤：
4-1)根据充电站位置信息、目的地信息，以充电站位置为起点、目的地为终点，结合道路的拓扑结构信息、各路段长度信息、各路段限速信息、各路段最大通行能力信息、当前各路段车流量信息，计算电动汽车通过各路段所需要的时间；
4-2)将道路的拓扑结构作为一个有向图，电动汽车通过各路段的时间作为有向图对应边的权重，采用Dijkstra算法规划电动汽车从各充电站到目的地最小行车时间对应的路径，将对应路径各边权重相加即可得到电动汽车自各充电站至目的地的最小行车时间；
4-3)将对应路径各个路段长度相加即可得到电动汽车自各充电站至目的地的最小行车时间对应的行车路程。
前述的计算电动汽车通过各路段所需要的时间的计算式为：
其中，tpq表示电动汽车通过路段(p,q)所需的时间，p,q表示道路的拓扑结构中相邻的两个节点，包括道路交叉点、充电站和拟充电电动汽车所在位置，(p,q)表示两节点p,q之间的路段，D(p,q)表示路段(p,q)的距离，vpq(t)表示电动汽车t时刻通过路段(p,q)的平均速度，为路段(p,q)的最高限速，Cpq(t-1)为t-1时刻路段(p,q)的车流量，为路段(p,q)的最大车流量。
前述的步骤5)中，将总时间消耗和总费用消耗进行归一化权重叠加，以归一化后的函数最小作为目标函数，求解最优路径：
其中，w1和w2为行车时间权重系数和充电费用权重系数，w1+w2＝1；
T为电动汽车从当前位置到充电站所在位置的行车时间、从充电站到目的地的行车时间及充电时间相加的总行程时间，Ta为电动汽车从初始位置经过不同充电站充电到达目的地所需要总时间消耗的平均值，C为充电费用，Ca为电动汽车在不同充电站充电所需充电费用的平均值。
与现有技术比，本发明达到的有益效果是：
本发明综合考虑电动汽车用户行程需求及充电需求，为有充电需求的电动汽车用户选择满足要求的充电站预约充电服务，使其以较短的时间、较小的充电费用代价获得充电服务，并为其规划相应的行车路径。
附图说明
图1为本发明的基于路-站-车联合模型的电动汽车预约充电方法流程图；
图2为实施例中EV经充电站40充电的行车路径；
图3为实施例中EV经充电站52充电的行车路径；
图4为实施例中EV经充电站53充电的行车路径；
图5为实施例中EV到各充电站的时间消耗与成本消耗；
图6为实施例中不同权重系数下决策分析图。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，本发明提供的基于路-站-车联合模型的电动汽车预约充电方法，包括按顺序执行的下列步骤：
步骤1，获取车辆状态信息、路况信息、充电站状态信息及用户设置的优化控制参数；
获取车辆状态信息包括：电动汽车产生充电需求时的位置信息、车辆所要到达的目的地信息、车辆当前所剩余的续航里程、电动汽车当前荷电状态(state of charge,SOC)信息、充电完成后的期望SOC状态信息、电动汽车电池容量信息、充电功率信息、电动汽车单位里程消耗的电量信息；
获取路况信息包括：道路的拓扑结构信息、各路段长度信息、各路段限速信息、各路段最大通行能力信息、当前各路段车流量信息；
获取充电站状态信息包括：充电站的位置信息、充电站实时充电价格信息、充电站可用充电桩状态信息；
获取用户设置的优化控制参数包括：将行车时间和充电费用双目标转化为单目标时的权重系数。
步骤2，根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从当前位置到各充电站的行车路径；具体方法如下：
根据车辆当前位置信息、各充电站位置信息，以车辆当前位置为起点、各充电站位置为终点，结合道路的拓扑结构信息、各路段长度信息、各路段限速信息、各路段最大通行能力信息、当前各路段车流量信息，计算电动汽车通过各路段所需要的时间：
其中，tpq表示电动汽车通过路段(p,q)所需的时间，p,q表示道路的拓扑结构中相邻的两个节点，包括道路交叉点、充电站和拟充电电动汽车所在位置，(p,q)表示两节点p,q之间的路段，D(p,q)表示路段(p,q)的距离，vpq(t)表示电动汽车t时刻通过路段(p,q)的平均速度，为路段(p,q)的最高限速，Cpq(t-1)为t-1时刻路段(p,q)的车流量，为路段(p,q)的最大车流量。
对所有的充电站都进行上述计算。
将道路网络作为一个有向图，电动汽车通过各路段的时间作为有向图对应边的权重，采用Dijkstra算法规划从电动汽车当前位置到各充电站所在位置最小行车时间对应的路径，将对应路径各边权重相加即可得到电动汽车自当前位置至各充电站位置的最小行车时间，根据该对应路径各个路段长度信息，可将待选路径各个路段长度相加即可得到电动汽车自当前位置至各充电站位置的最小行车时间对应的行车路程。针对每个充电站，都规划出一条最小行车时间对应的行车路程。
步骤3，确定可能的预约充电方案集合；
根据电动汽车当前所剩余的续航里程及步骤2所确定的从车辆当前位置到充电站所在位置的路程，排除电动汽车当前剩余续航里程之外的充电站；比较电动汽车自初始位置至充电站的行车时间和从电动汽车在初始位置产生充电需求到所选择充电站可以为其提供充电服务的时间，选两者中的较大者向充电站预约充电服务：
t1＝max{ta,tw}
t1——电动汽车产生充电需求到电动汽车开始充电所需的时间；
ta——电动汽车从初始位置到充电站所需的行驶时间；
tw——从电动汽车在初始位置产生充电需求到所选择充电站可以为其提供充电服务的时间。
根据从电动汽车当前位置到各充电站所在位置的最小行车时间路径信息、电动汽车单位里程消耗的电量信息、电动汽车当前荷电状态信息、电动汽车电池容量信息计算出电动汽车到达各充电站时的SOC状态：
其中，SOCa表示电动汽车到达各充电站时的SOC状态，SOCp表示电动汽车出现充电需求开始决策时的SOC状态，D表示电动汽车从产生充电需求的初始位置到各充电站所在位置的最小行车时间路径对应的行车距离，qkm表示电动汽车行驶每公里耗电量，Qe表示电动汽车电池额定容量。
根据电动汽车到达各充电站时的SOC状态、充电完成后的期望SOC状态信息、充电功率及电动汽车电池容量信息计算出电动汽车所需要充的电量和充电时间：
Qn＝(SOCe-SOCa)·Qe
其中，Qn表示电动汽车所需充电电量，SOCe表示电动汽车充电完成后期望的SOC值，tc为充电时长，Pc为电动汽车的充电功率。
结合充电电价，计算到各充电站充电所需的充电费用：
C＝λ(t)·Qn
其中，C表示充电费用，λ(t)表示与时间t相关的充电电价。
步骤4，根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从充电站到目的地的行车路径；
根据充电站位置信息、目的地信息，以充电站位置为起点、目的地为终点，结合道路的拓扑结构信息、各路段长度信息、各路段限速信息、各路段最大通行能力信息、当前各路段车流量信息，计算电动汽车通过各路段所需要的时间；计算方法与步骤2相同。
将道路网络作为一个有向图，电动汽车通过各路段的时间作为有向图对应边的权重，采用Dijkstra算法规划电动汽车从各充电站到目的地最小行车时间对应的路径，将对应路径各边权重相加即可得到电动汽车自各充电站至目的地的最小行车时间，根据该对应路径各个路段长度信息，可将待选路径各个路段长度相加即可得到电动汽车自充电站至目的地的最小行车时间对应的行车路程。针对每个充电站，都规划出一条最小行车时间对应的行车路程。
步骤5，根据电动汽车用户需求确定最优行车路径和预约充电选择；
将从电动汽车当前位置到各充电站所在位置的行车时间、从充电站到目的地的行车时间及充电时间相加得到总的行程时间：
T＝t1+tc+t2
其中，T表示总行程时间，t2为电动汽车从充电站到最终目的地所需要的时间。
兼顾总时间消耗和总费用消耗，使总时间和费用消耗综合最低，因此将两个目标归一化权重叠加后转为单目标优化问题，用户设置各目标的权重参数，为用户选择符合用户需求的充电站预约充电，并规划相应的行车路径。
其中，w1、w2为行车时间权重系数和充电费用权重系数，w1+w2＝1；
Ta为电动汽车从初始位置经过不同充电站充电到达目的地所需要总时间消耗的平均值；
Ca为电动汽车在不同充电站充电所需充电费用的平均值。
实施例
1)获取车辆状态信息、路况信息、充电站状态信息及用户设置的优化控制参数
考虑某地区实际交通网络，只计及交通主干道，并对各交通节点进行编号，如图2所示。其中，4个充电站具体位置为：充电站12位于节点12，充电站40位于节点40，充电站52位于道路(9,16)上距离9号节点1km处，充电站53位于道路(42,46)上距离42号节点1km处。道路(27,28)、(30,31)、(14,21)和(41,43)均为单行道。
充电站执行峰谷分时电价，为简化，假设充电均在峰时段，基准购电电价为1元/kW·h，若取基准充电服务价格为0.8元/kW·h，充电站12、40、52、53实时发布充电价格系数αi(t)分别为1、1.3、1.2和0.83，λmax和λmin分别取2元/kW·h和1.5元/kW·h，则各充电站发布的充电电价分别为：λ12(t)＝1.8元/kW·h，λ40(t)＝λ52(t)＝2元/kW·h，λ53(t)＝1.5元/kW·h。通过预约充电优化决策系统向各充电站请求实时信息，得到充电站12、40、52、53可以提供充电服务的等待时间tw分别为17min、14min、0min、10min。
以北汽新能源EV200电动车2015款轻享版为例，该车电池容量为Qe＝30kW·h，其每公里耗电量为qkm＝0.15kW·h。充电站提供快充方式，充电功率Pc＝20kW。假设EV行驶在节点50到节点45的道路上距离45号节点1km处，此时电池的剩余电量为1.5kW·h，则电池剩余电量所能支持的续航里程Dr＝10km。
2)根据车辆状态信息、路况信息、充电站状态信息划电动汽车从当前位置到各充电站的行车路径：
采用Dijkstra算法按行车时间最小原则规划EV从当前位置到各充电站的行驶路径距离Da分别为10.33km、5.57km、8.2km、2.83km。
3)确定预约充电方案集合
由于到充电站12的距离超出了EV的续航里程，因此充电站12被排除在外，可选充电站方案为充电站40，充电站52和充电站53。EV从当前位置到充电站40、52、53的行驶时间ta分别为7min、11min和4min。
4)根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从充电站到目的地的行车路径，
假设最终目的地在节点11和节点18之间的道路上，距离11号节点0.67km。采用Dijkstra算法规划充电站40、52和53到达目的地的路径，分别如图2、3和4所示。
5)根据电动汽车用户需要确定最优形成路径和进行充电预约，
若车主期望充电后电池SOC达到SOCe＝85％，即电池电量达到25.5kW·h，可以计算出电动汽车在充电站40、52和53的充电时间tc分别为74.5min、75.7min和73.3min；结合当前电池的剩余电量和充电电价可得EV到充电站40、52和53充电的费用C。EV车主到各充电站的总时间代价和总成本代价如图5所示。
预约充电优化决策系统会针对因用户偏好而赋予的不同目标权重值做出不同的最优决策。取时间偏好系数w1从0按步长0.001逐渐递增到1，则费用偏好系数w2从1按步长0.001逐渐递减到0，确保w1+w2＝1。随着时间偏好系数w1变化的最优决策结果如图6所示。
1)当用户时间偏好系数w1小于0.803时，选择充电站53的总代价F最小。EV到达充电站53所需时间ta＝4min，充电站53可以提供充电服务的等待时间tw＝10min，因此t1＝10min后即开始充电，充电时间tc＝73.3min，从充电站至最终目的地所需行驶时间t2＝17min，因此总时间消耗T＝100.3min；EV在充电站53的充电成本为36元。
2)当用户时间偏好系数w1大于0.803时，选择充电站52的总代价F最小。EV到达充电站52所需时间ta＝11min，充电站52可以提供充电服务的等待时间tw＝7min，因此t1＝11min后即开始充电，充电时间tc＝75.5min，从充电站至最终目的地所需行驶时间t2＝7min，因此总时间消耗T＝93.7min；EV在充电站52的充电成本为48元。
当用户时间偏好系数w1较小成本偏好系数w2较大，即EV车主是成本偏好型，将会选择充电费用较小的充电站53；而当用户时间偏好系数w1较大成本偏好系数w2较小时，即EV车主是时间偏好型，将会选择总时间消耗较少的充电站52。因此，预约充电优化决策系统能够根据不同用户偏好需求做出最优决策。
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本发明的保护范围。

Claims (3)

1.一种基于路-站-车联合模型的电动汽车预约充电方法，其特征在于，包括以下步骤：
1)获取车辆状态信息、路况信息、充电站状态信息及用户设置的优化控制参数；
2)根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从当前位置到各充电站的行车路径；具体包括以下步骤：
2-1)根据电动汽车当前位置信息、各充电站位置信息，以电动汽车当前位置为起点、各充电站位置为终点，结合道路的拓扑结构信息、各路段长度信息、各路段限速信息、各路段最大通行能力信息、当前各路段车流量信息，计算电动汽车通过各路段所需要的时间：
2-2)将道路的拓扑结构作为一个有向图，电动汽车通过各路段的时间作为有向图对应边的权重，采用Dijkstra算法规划从电动汽车当前位置到各充电站所在位置最小行车时间对应的路径，将对应路径各边权重相加即可得到电动汽车自当前位置至各充电站位置的最小行车时间；
2-3)根据最小行车时间对应路径的各个路段长度信息，将对应路径各个路段长度加即可得到电动汽车自当前位置至各充电站位置的最小行车时间对应的行车路程；
3)确定预约充电方案集合；包括以下步骤：
3-1)根据电动汽车当前所剩余的续航里程及所述步骤2)确定的从电动汽车当前位置到各充电站所在位置的路程，排除电动汽车当前剩余续航里程之外的充电站；
3-2)比较电动汽车自初始位置至各充电站的行车时间和从电动汽车在初始位置产生充电需求到所选择充电站为其提供充电服务的时间，选两者中的较大者向充电站预约充电服务；
3-3)根据从电动汽车当前位置到各充电站所在位置的最小行车时间路径信息、电动汽车单位里程消耗的电量信息、电动汽车当前荷电状态信息、电动汽车电池容量信息计算出电动汽车到达各充电站时的荷电状态：
其中，SOCa表示电动汽车到达各充电站时的荷电状态，SOCp表示电动汽车出现充电需求开始决策时的荷电状态，D表示电动汽车从产生充电需求的初始位置到各充电站所在位置的最小行车时间路径对应的行车距离，qkm表示电动汽车行驶每公里耗电量，Qe表示电动汽车电池额定容量；
3-4)根据电动汽车到达各充电站时的荷电状态、充电完成后的期望荷电状态信息、充电功率及电动汽车电池容量信息计算出电动汽车所需要充的电量和充电时间：
Qn＝(SOCe-SOCa)·Qe
其中，Qn表示电动汽车所需充电电量，SOCe表示电动汽车充电完成后期望的荷电值，tc为充电时长，Pc为电动汽车的充电功率；
3-5)结合充电电价，计算到各充电站充电所需的充电费用：
C＝λ(t)·Qn
其中，C表示充电费用，λ(t)表示与时间t相关的充电电价；
4)根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从充电站到目的地的行车路径；具体包括以下步骤：
4-1)根据充电站位置信息、目的地信息，以充电站位置为起点、目的地为终点，结合道路的拓扑结构信息、各路段长度信息、各路段限速信息、各路段最大通行能力信息、当前各路段车流量信息，计算电动汽车通过各路段所需要的时间；
4-2)将道路的拓扑结构作为一个有向图，电动汽车通过各路段的时间作为有向图对应边的权重，采用Dijkstra算法规划电动汽车从各充电站到目的地最小行车时间对应的路径，将对应路径各边权重相加即可得到电动汽车自各充电站至目的地的最小行车时间；
4-3)将对应路径各个路段长度相加即可得到电动汽车自各充电站至目的地的最小行车时间对应的行车路程；
5)根据电动汽车用户需求确定最优行车路径和进行充电预约，具体为：将总时间消耗和总费用消耗进行归一化权重叠加，以归一化后的函数最小作为目标函数，求解最优路径：
其中，w1和w2为行车时间权重系数和充电费用权重系数，w1+w2＝1；
T为电动汽车从当前位置到充电站所在位置的行车时间、从充电站到目的地的行车时间及充电时间相加的总行程时间，Ta为电动汽车从初始位置经过不同充电站充电到达目的地所需要总时间消耗的平均值，C为充电费用，Ca为电动汽车在不同充电站充电所需充电费用的平均值。
2.根据权利要求1所述的一种基于路-站-车联合模型的电动汽车预约充电方法，其特征在于，所述车辆状态信息包括：电动汽车产生充电需求时的位置信息、电动汽车所要到达的目的地信息、电动汽车当前所剩余的续航里程、电动汽车当前荷电状态信息、充电完成后的期望荷电状态信息、电动汽车电池容量信息、充电功率信息、电动汽车单位里程消耗的电量信息；
所述路况信息包括：道路的拓扑结构信息、各路段长度信息、各路段限速信息、各路段最大通行能力信息和当前各路段车流量信息；
所述充电站状态信息包括：充电站的位置信息、充电站实时充电价格信息、充电站可用充电桩状态信息；
所述优化控制参数是指行车时间和充电费用的权重系数。
3.根据权利要求1所述的一种基于路-站-车联合模型的电动汽车预约充电方法，其特征在于，所述计算电动汽车通过各路段所需要的时间的计算式为：
其中，tpq表示电动汽车通过路段(p,q)所需的时间，p,q表示道路的拓扑结构中相邻的两个节点，包括道路交叉点、充电站和拟充电电动汽车所在位置，(p,q)表示两节点p,q之间的路段，D(p,q)表示路段(p,q)的距离，vpq(t)表示电动汽车t时刻通过路段(p,q)的平均速度，为路段(p,q)的最高限速，Cpq(t-1)为t-1时刻路段(p,q)的车流量，为路段(p,q)的最大车流量。
CN201710616195.6A 2017-07-26 2017-07-26 一种基于路-站-车联合模型的电动汽车预约充电方法 Active CN107323300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710616195.6A CN107323300B (zh) 2017-07-26 2017-07-26 一种基于路-站-车联合模型的电动汽车预约充电方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710616195.6A CN107323300B (zh) 2017-07-26 2017-07-26 一种基于路-站-车联合模型的电动汽车预约充电方法

Publications (2)

Publication Number Publication Date
CN107323300A CN107323300A (zh) 2017-11-07
CN107323300B true CN107323300B (zh) 2019-05-24

Family

ID=60200014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710616195.6A Active CN107323300B (zh) 2017-07-26 2017-07-26 一种基于路-站-车联合模型的电动汽车预约充电方法

Country Status (1)

Country Link
CN (1) CN107323300B (zh)

Families Citing this family (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107813725B (zh) * 2017-11-10 2021-01-19 爱驰汽车有限公司 用于电动汽车的充电方法及装置
ES2837001T3 (es) * 2017-11-30 2021-06-29 Einride Ab Método de planificación de transporte para optimización del paquete de baterías
CN108106626A (zh) * 2017-12-18 2018-06-01 浙江工业大学 一种基于行驶工况的电动汽车出行路径规划方法
CN108171353B (zh) * 2018-03-12 2021-12-24 湘潭大学 一种基于时间片的电动汽车快速预约匹配方法
CN108470224A (zh) * 2018-03-20 2018-08-31 李琰 基于电动汽车充电的充电站选择方法、介质以及设备
CN108759832A (zh) * 2018-03-30 2018-11-06 北京新能源汽车股份有限公司 一种导航方法、装置及计算机可读存储介质
CN108981732B (zh) * 2018-04-26 2021-05-18 杭州中恒云能源互联网技术有限公司 一种电动汽车充电导航系统的充电导航方法
CN108773279B (zh) * 2018-04-27 2020-09-04 北京交通大学 一种电动汽车充电路径规划方法及装置
CN110435474A (zh) * 2018-05-03 2019-11-12 南宁富桂精密工业有限公司 充电方法、服务器及计算机可读存储介质
CN108981736B (zh) * 2018-05-28 2021-03-16 国网江苏省电力有限公司电力科学研究院 一种基于用户出行规律的电动汽车充电路径优化方法
CN108891286B (zh) * 2018-07-09 2020-12-15 深圳市易成自动驾驶技术有限公司 车辆最优充电方法、装置及计算机可读存储介质
CN110884381B (zh) * 2018-09-07 2022-07-22 大众汽车（中国）投资有限公司 用于推荐充电站的方法和装置
CN109489676B (zh) * 2018-09-29 2022-07-05 广东工业大学 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
CN109159676A (zh) * 2018-11-11 2019-01-08 长沙源婕科技有限公司 一种用于对多个电动车辆充电的方法
CN109492927A (zh) * 2018-11-22 2019-03-19 上海电机学院 充电桩智能调度管理方法
CN109835207B (zh) * 2019-01-08 2020-09-25 恒大智慧充电科技有限公司 充电车位引导方法、计算机设备及存储介质
CN110111211A (zh) * 2019-03-27 2019-08-09 苏州市黑甲智能科技有限公司 一种充电桩的预约方法、装置、服务终端和存储介质
CN110081900A (zh) * 2019-03-27 2019-08-02 苏州市黑甲智能科技有限公司 一种充电桩智能推荐方法、装置、服务终端和存储介质
CN110174117B (zh) * 2019-05-29 2022-12-13 国网浙江电动汽车服务有限公司 一种电动汽车充电路线规划方法
CN110322120B (zh) * 2019-06-12 2021-08-06 深圳大学 一种基于效益最大化的电动车充电调度方法和系统
CN110146103B (zh) * 2019-06-14 2021-03-02 电子科技大学 考虑目标走向与能源补给的无人设备路径规划方法
CN110207717B (zh) * 2019-06-21 2020-12-29 北京嘀嘀无限科技发展有限公司 汽车充电导航方法、电子设备及存储介质
CN110388932A (zh) * 2019-07-12 2019-10-29 上海电机学院 一种电动汽车充电导航方法
CN110458332B (zh) * 2019-07-18 2023-04-18 天津大学 一种基于负荷空间转移的电动汽车快速充电需求调度方法
CN110598985A (zh) * 2019-08-09 2019-12-20 广州智湾科技有限公司 一种车辆路径规划方法
CN110466389A (zh) * 2019-08-26 2019-11-19 广州小鹏汽车科技有限公司 车辆能量补充的推荐方法、装置、车辆以及机器可读介质
CN110657815A (zh) * 2019-09-07 2020-01-07 苏州浪潮智能科技有限公司 一种基于云计算的Dijkstra导航方法、系统、终端及存储介质
CN110733382B (zh) * 2019-11-08 2021-03-16 合肥科尚电子科技有限公司 一种车载设备用电源智能管理系统
CN111160588B (zh) * 2019-12-04 2024-03-19 国网电动汽车服务有限公司 一种预约充电服务方法及系统
CN111044067A (zh) * 2019-12-05 2020-04-21 国网北京市电力公司 路径确定方法及装置
CN112990525B (zh) * 2019-12-16 2024-07-19 中信科智联科技有限公司 电动汽车的控制方法、装置、网联汽车服务器及电动汽车
US11203268B2 (en) * 2020-01-14 2021-12-21 GM Global Technology Operations LLC Method and apparatus for selecting a charging station
CN111267667B (zh) * 2020-02-14 2021-03-23 山东中科先进技术研究院有限公司 一种电动汽车高速公路智能充电方法及系统
CN111284358B (zh) * 2020-02-20 2021-11-09 深圳供电局有限公司 智能充电需求调度系统
CN111391820B (zh) * 2020-03-20 2021-08-20 刘丹 新能源混合汽车控制方法、装置、设备和存储介质
CN111532166A (zh) * 2020-04-30 2020-08-14 重庆长安新能源汽车科技有限公司 一种电动汽车充电路径规划方法、装置、汽车及计算机存储介质
CN111609867B (zh) * 2020-06-19 2022-02-22 北京交通大学 一种电动汽车路径规划方法
US20220063440A1 (en) * 2020-08-27 2022-03-03 GM Global Technology Operations LLC Charging systems and methods for electric vehicles
CN112152246B (zh) * 2020-09-22 2022-08-16 上海申沃客车有限公司 基于双源无轨车辆调度系统的能量管理优化方法
CN112465222B (zh) * 2020-11-26 2023-07-07 浙江警察学院 一种基于充电站服务水平预测的最佳充电站选择方法
CN112508364B (zh) * 2020-11-26 2024-04-05 东南大学 一种电动汽车充电决策的权重量化方法
CN112498164A (zh) * 2020-11-30 2021-03-16 国网北京市电力公司 充电策略的处理方法和装置
CN112373348B (zh) * 2020-12-04 2022-04-15 江苏科技大学 一种无人自助式海上充电方法及其充电系统
CN113029176B (zh) * 2021-03-19 2023-08-15 深蓝汽车科技有限公司 面向多层级体验的电动汽车最优充电路径规划方法
CN113029182B (zh) * 2021-04-23 2024-02-13 河南大学 一种考虑无线充电和动态能耗的电动汽车路径规划方法
CN113191547B (zh) * 2021-04-29 2023-03-24 浙江吉利控股集团有限公司 一种新能源车辆动力电池充电优化方法及系统
CN113505962B (zh) * 2021-05-28 2023-08-29 暨南大学 一种考虑完整行程的电动汽车导航与充电预约方法
CN113386770B (zh) * 2021-06-10 2024-03-26 武汉理工大学 基于充电站数据共享的电动汽车充电路径动态规划方法
CN113808289A (zh) * 2021-09-15 2021-12-17 上海氢巅能源信息科技有限公司 基于分布式能源服务图的充电停车方法和存储介质
CN113963564B (zh) * 2021-10-12 2023-01-03 清华大学 连续信号灯道路车辆最优通行速度规划方法、系统及介质
CN113942401B (zh) * 2021-10-29 2023-11-24 文远苏行(江苏)科技有限公司 充电站确定方法、装置、可移动载体及存储介质
CN113988346A (zh) * 2021-12-23 2022-01-28 深圳易加油信息科技有限公司 一种针对预约充电的推荐方法、设备及存储介质
CN114537203A (zh) * 2022-01-28 2022-05-27 重庆金康赛力斯新能源汽车设计院有限公司 一种车辆充电或换电方法、设备及存储介质
CN114936666B (zh) * 2022-03-24 2024-05-10 国网河北省电力有限公司营销服务中心 基于车-站-平台系统的电动汽车充电导航方法及系统
CN116101089B (zh) * 2023-04-04 2023-08-01 国网浙江省电力有限公司宁波供电公司 一种交互式电动汽车充电设施选择方法以及共享系统
CN116153081A (zh) * 2023-04-18 2023-05-23 北京无极慧通科技有限公司 一种基于大数据的信息推荐方法及系统
CN117128966B (zh) * 2023-08-02 2024-04-02 山东科技大学 一种基于多因素耦合的车辆充电路径规划方法及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104390650A (zh) * 2014-11-12 2015-03-04 清华大学 基于云平台的电动汽车路径规划方法及系统
CN106871917A (zh) * 2017-01-23 2017-06-20 深圳充电网科技有限公司 一种电动车路线规划方法及装置
CN106926716A (zh) * 2016-09-14 2017-07-07 蔚来汽车有限公司 电动汽车智能充电导航方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8589076B2 (en) * 2011-09-14 2013-11-19 International Business Machines Corporation Power usage planning for a vehicle

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104390650A (zh) * 2014-11-12 2015-03-04 清华大学 基于云平台的电动汽车路径规划方法及系统
CN106926716A (zh) * 2016-09-14 2017-07-07 蔚来汽车有限公司 电动汽车智能充电导航方法
CN106871917A (zh) * 2017-01-23 2017-06-20 深圳充电网科技有限公司 一种电动车路线规划方法及装置

Also Published As

Publication number Publication date
CN107323300A (zh) 2017-11-07

Similar Documents

Publication Publication Date Title
CN107323300B (zh) 一种基于路-站-车联合模型的电动汽车预约充电方法
Ke et al. Minimizing the costs of constructing an all plug-in electric bus transportation system: A case study in Penghu
Tao et al. Data-driven optimized layout of battery electric vehicle charging infrastructure
CN106599390B (zh) 一种计及电动出租车时空随机特性的充电负荷的计算方法
Qin et al. Numerical analysis of electric bus fast charging strategies for demand charge reduction
CN106197459B (zh) 考虑航程及充电站位置的电动汽车路径寻优方法
CN109711630A (zh) 一种基于出行概率矩阵的电动汽车快充站选址定容方法
CN108955711B (zh) 一种应用于电动汽车智能充放电的导航方法
CN109523051A (zh) 一种电动汽车充电实时优化调度方法
JP4596073B2 (ja) 動力発生源制御装置
CN112193116B (zh) 一种考虑奖励机制的电动汽车充电优化引导策略
CN103094950B (zh) 用于车辆的个性化充电管理
CN106042963B (zh) 电气化交通网络和电力系统的协同优化方法与系统
CN107392336A (zh) 智能交通中基于预约的分布式电动汽车充电调度方法
CN105322559A (zh) 一种基于v2g技术的电动汽车配电调度控制方法
CN105835710A (zh) 用于延长电动车辆电池寿命的智能能量管理
CN109670674B (zh) 一种考虑交通网-配电网耦合的电动汽车时空分布充电调度方法
CN114611993B (zh) 一种基于移动电池包的城乡电动公交车辆调度方法
Liu et al. A three-layer stochastic energy management approach for electric bus transit centers with PV and energy storage systems
Lu et al. Integrated route planning algorithm based on spot price and classified travel objectives for EV users
CN111199300A (zh) 一种“车-路-网”模式下电动汽车充电负荷时空预测方法
CN110232219A (zh) 一种基于数据挖掘的电动汽车可调度容量核定方法
CN110293872A (zh) 一种电动汽车智能充电导航系统及方法
CN109130897A (zh) 一种基于时空双尺度的匹配式v2v能量交换方法
Chau et al. Fuel minimization of plug-in hybrid electric vehicles by optimizing drive mode selection

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