CN108182537B - 基于排队论的电动出租车快速充电站服务特性分析方法 - Google Patents

基于排队论的电动出租车快速充电站服务特性分析方法 Download PDF

Info

Publication number
CN108182537B
CN108182537B CN201711488236.4A CN201711488236A CN108182537B CN 108182537 B CN108182537 B CN 108182537B CN 201711488236 A CN201711488236 A CN 201711488236A CN 108182537 B CN108182537 B CN 108182537B
Authority
CN
China
Prior art keywords
charging
charging station
gamma
time
sequence
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
CN201711488236.4A
Other languages
English (en)
Other versions
CN108182537A (zh
Inventor
刘亚丽
李树鹏
赵新
李国栋
王旭东
胡晓辉
陈培育
刘云
吕金炳
于光耀
徐青山
刘瑜俊
任国岐
徐志丹
赵宏振
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.)
State Grid Corp of China SGCC
Southeast University
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Southeast University
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
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 State Grid Corp of China SGCC, Southeast University, State Grid Tianjin Electric Power Co Ltd, Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201711488236.4A priority Critical patent/CN108182537B/zh
Publication of CN108182537A publication Critical patent/CN108182537A/zh
Application granted granted Critical
Publication of CN108182537B publication Critical patent/CN108182537B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06—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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于排队论的电动出租车快速充电站服务特性分析方法，其主要技术特点是：统计电动出租车用户快速充电的充电需求；使用极大似然估计法和假设检验估计每日充电需求高峰时间段以及在该时间段内充电需求所服从的泊松分布的参数；分别求取不同充电机数量下的最长队长和平均等待时间；根据最长队长、平均等待时间选取最佳充电机数量。本发明通过对快速充电站潜在用户的充电行为数据分析，建立排队论数学模型，得出充电站的排队队长、排队时间与充电位数量的关系，以帮助充电站优化充电位的数量，提升充电站经济效益和服务水平。

Description

基于排队论的电动出租车快速充电站服务特性分析方法
技术领域
本发明属于电动汽车快速充电站技术领域，尤其是一种基于排队论的电动出租车快速充电站服务特性分析方法。
背景技术
随着国家对新能源汽车发展的持续推广，电动汽车在全社会的应用已经愈加广泛，特别是电动公交车和电动出租车已经在许多大中型城市进行了大范围的示范运行。但是，电动汽车的充电基础设施建设仍旧不能满足电动汽车用户不断增长的使用需求，急需进行充电设施的新建和改扩建。
电动出租车是电动汽车各类型中一个十分重要的组成部分，其具有日运行时间长、用电需求量大、可用于充电时间短以及充电时间集中等特点，是较为特殊的电动汽车用电负荷。根据电动出租车的特点，其往往采用快速充电或换电的方式进行能量补充，从而大大减少其充电时间。对于采用快速充电方式的电动出租车，其在需要进行能量补充时，行驶至快速充电站停车充电，主要通过充电机进行1C以上的大电流直流充电，充电时间一般在60分钟以内。由于快速充电站的充电位数量的限制，快速充电站在充电高峰时期可能出现排队现象，因此需要对这一现象进行分析研究，提出充电服务的改进方案。
目前已发表的有关电动汽车充电站的专利和文献主要针对充电站的选址和定容问题，其研究的主要内容是保证充电站的位置和容量能够满足区域电动汽车用户的电量使用需求，而没有详细考虑充电站内部实际的运行情况。由于电动出租车充电的同时率较高，传统充电站规划的电量研究角度不能满足其实际运行的使用需求，充电站内不可避免会出现排队现象，从而造成电动出租车大量滞留在充电站，极大限制了电动出租车的普及和发展。
发明内容
本发明的目的在于克服现有技术的不足，提出一种基于排队论的电动出租车快速充电站服务特性分析方法，其通过对快速充电站潜在用户的充电行为数据分析，建立排队论数学模型，得出充电站的排队队长、排队时间与充电位数量的关系，以帮助充电站优化充电位的数量，提升充电站经济效益和服务水平。
本发明解决其技术问题是采取以下技术方案实现的：
一种基于排队论的电动出租车快速充电站服务特性分析方法，包括以下步骤：
步骤1：统计电动出租车用户快速充电的充电需求；
步骤2：使用极大似然估计法和假设检验估计每日充电需求高峰时间段以及在该时间段内充电需求所服从的泊松分布的参数；
步骤3：分别求取不同充电机数量下的最长队长和平均等待时间；
步骤4：根据最长队长、平均等待时间选取最佳充电机数量。
进一步地，所述步骤1的具体实现方法为：
步骤11：获取电动出租车用户驾驶电动汽车至快速充电站充电的起始时间，统计一段时间内到达电动出租车快速充电站的数量，形成序列{xi}；
步骤12：根据目前ΔT的取值，统计序列{xi}内每隔ΔT时间的出租车到达数量，记为{γi}。
进一步地，所述步骤2的具体实现方法为：
步骤21：选取序列{γi}中的一个最高点作为高峰时段极值，取其前后1小时形成充电高峰时间段初值区间[a0,b0]；
步骤22：使用极大似然估计法估计序列{γi}在[ai,bi]内的平均到达率
Figure BDA0001535135780000021
其中，
Figure BDA0001535135780000022
为序列{γi}在[ai,bi]区间的平均值；
步骤23：计算泊松分布假设检验的统计量
Figure BDA0001535135780000031
其中pi是{γi}序列中的某一数值γi在{γi}序列(i∈[ai,bi])中出现的频数，r为不同γi值的数量，n为序列{γi}中样本的总数量；
步骤24：通过计算和查数理统计表，如果满足
Figure BDA0001535135780000032
则通过假设检验进入步骤3，否则将研究[ai,bi]时间段缩小为[ai+1,bi+1]＝[ai+Δt,bi-Δt]后返回步骤22重新计算，若但改变后出现ai+1≥bi+1，则将ΔT增加Δt，返回步骤1继续计算。
进一步地，所述步骤3采用如下公式求取不同充电机数量c下的最长队长Lq、平均等待时间Wq
Figure BDA0001535135780000033
其中，P0为有0辆电动汽车接受快速充电服务的概率；μ为服务时间服从的负指数分布式的参数；c为充电站内充电机的台数；ρ称为服务强度，为平均到达率λi与平均服务率cμ的比值；k为公式内辅助参数。
进一步地，所述步骤4的具体实现方法为：根据步骤3求取的最长队长Lq、平均等待时间Wq选取最佳充电机数量c，要求Lq＜10且Wq＜30min，若没有符合条件的充电机数量c则ΔT增加Δt，返回步骤1。
本发明的优点和积极效果是：
1、本发明重点在于对实际运行数据的处理和分析方法，使用极大似然估计和假设检验结合的方法反复验证，定位充电站的高峰期的持续时间段和充电需求，然后运用排队论模型公式模拟不同服务充电机数量下的高峰期充电站的队长和排队时间参数，快速分析出充电站的运行情况，并给出了确定最优充电机数量的方法，为电动出租车快速充电站的规划和扩建提供了理论分析支持，并且本发明亦可推广至普通电动汽车充电站的规划和扩建中，具有较强的实用意义。
2、本发明通过对快速充电站潜在用户的充电行为数据分析，建立排队论数学模型，得出充电站的排队队长、排队时间与充电位数量的关系，以帮助充电站优化充电位的数量，提升充电站经济效益和服务水平。
附图说明
图1为本发明的处理流程图；
图2为每5分钟到达快速充电站的电动出租车数量示意图。
具体实施方式
以下结合附图对本发明实施例做进一步详述。
一种基于排队论的电动出租车快速充电站服务特性分析方法，是对电动出租车到达充电站的时间数据进行处理和分析，通过参数识别和假设检验求得充电需求高峰时间及在此时间段内充电需求服从的泊松分布参数，从而基于排队论求得快速充电站最佳的充电车位设置数量。具体方法如图1所示，包括以下步骤：
步骤S1：获取电动出租车用户驾驶电动汽车至快速充电站充电的起始时间，统计每个ΔT时段内(ΔT为5min)到达充电站的电动出租车数量序列{γi}。具体包括如下步骤：
步骤S11：统计每一分钟到达电动出租车快速充电站的数量，形成序列{xi}；
步骤S12：根据目前ΔT的取值5min，统计序列{xi}内每隔ΔT时间的出租车到达数量，记为{γi}。
按照上述步骤得到的统计数据如附图2所示。
步骤S2：通常认为高峰时段内充电需求服从泊松分布，根据各时段充电需求数据，使用极大似然估计法和假设检验对数据中的疑似高峰时间段进行估计，观察图2可知高峰时间段在11:00～12:00和16:00～18:30区间内。因为泊松分布的极大似然估计值为样本均值，即
Figure BDA0001535135780000051
可用X2统计量来检验样本是否符合泊松分布，并得到服从泊松分布的时间段[ai,bi]，即是每日充电需求高峰时间段范围，如果计算结果无法通过假设检验，则ΔT增加Δt(5min)，返回步骤S1重新统计。具体包括如下步骤：
步骤S21：选取γi数列中的一个极值点作为高峰时段极值，取其前后1小时形成充电高峰时间段初值区间[a0,b0]＝[11：15,12：15]；
步骤S22：根据经典排队论分析可知，某一时间段[ai,bi]内充电需求所服从的泊松分布的参数λi的极大似然估计值等于该时段内充电需求的平均值，即
Figure BDA0001535135780000052
因此λ0＝3。
步骤S23：计算泊松分布假设检验的统计量
Figure BDA0001535135780000053
其中pi是{γi}序列中的某一数值γi在{γi}序列(i∈[ai,bi])中出现的频数，r为不同γi值的数量，n为序列{γi}中样本的总数量；
步骤S24：通过计算和查数理统计表，如果满足
Figure BDA0001535135780000054
则通过假设检验进入步骤S3，否则将研究[ai,bi]时间段缩小为[ai+1,bi+1]＝[ai+Δt,bi-Δt]后返回步骤S22重新计算，若但改变后出现ai+1≥bi+1，则将ΔT增加Δt，返回步骤S1继续计算。计算结果如表1所示。
表1对快速充电站到达数据进行极大似然估计和假设检验结果
Figure BDA0001535135780000055
Figure BDA0001535135780000061
步骤S3：已知泊松分布参数λi和单车充电服务时间
Figure BDA0001535135780000062
(单位:min,本实施例分别设置为30min和36min两种)，根据排队论模型模拟不同充电机数量c下的快速充电站排队情况,分别求取最长队长Lq、平均等待时间Wq。计算公式如下所示：
Figure BDA0001535135780000063
步骤S4：根据所述步骤S3的最长队长Lq、平均等待时间Wq模拟结果选取最小充电机数量c，要求Lq＜10且Wq＜30min，若无解则Δt增加5min，返回S1重新计算。计算结果如表2所示。
表2为不同充电位数量和服务时间下快速充电站排队时间和队长
Figure BDA0001535135780000064
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (1)

1.一种基于排队论的电动出租车快速充电站服务特性分析方法，其特征在于，包括以下步骤：
步骤1：统计电动出租车用户快速充电的充电需求；
步骤2：使用极大似然估计法和假设检验估计每日充电需求高峰时间段以及在该时间段内充电需求所服从的泊松分布的参数；
步骤3：分别求取不同充电机数量下的最长队长和平均等待时间；
步骤4：根据最长队长、平均等待时间选取最佳充电机数量；
所述步骤1的具体实现方法为：
步骤11：获取电动出租车用户驾驶电动汽车至快速充电站充电的起始时间，统计一段时间内到达电动出租车快速充电站的数量，形成序列{xi}；
步骤12：根据目前ΔT的取值，统计序列{xi}内每隔ΔT时间的出租车到达数量，记为{γi}；
所述步骤2的具体实现方法为：
步骤21：选取序列{γi}中的一个最高点作为高峰时段极值，取其前后1小时形成充电高峰时间段初值区间[a0,b0]；
步骤22：使用极大似然估计法估计序列{γi}在[ai,bi]内的平均到达率
Figure FDA0003449225520000011
其中，
Figure FDA0003449225520000012
为序列{γj}在[ai,bi]区间的平均值；
步骤23：计算泊松分布假设检验的统计量
Figure FDA0003449225520000013
其中pi是{γi}序列中的某一数值γi在{γi}序列(i∈[ai,bi])中出现的频数，r为不同γi值的数量，n为序列{γi}中样本的总数量；
步骤24：通过计算和查数理统计表，如果满足
Figure FDA0003449225520000014
则通过假设检验进入步骤3，否则将研究[ai,bi]时间段缩小为[ai+1,bi+1]＝[ai+Δt,bi-Δt]后返回步骤22重新计算，若但改变后出现ai+1≥bi+1，则将ΔT增加Δt，返回步骤1继续计算；
所述步骤3采用如下公式求取不同充电机数量c下的最长队长Lq、平均等待时间Wq
Figure FDA0003449225520000021
其中，P0为有0辆电动汽车接受快速充电服务的概率；μ为服务时间服从的负指数分布式的参数；c为充电站内充电机的台数；ρ称为服务强度，为平均到达率λi与平均服务率cμ的比值；k为公式内辅助参数；
所述步骤4的具体实现方法为：根据步骤3求取的最长队长Lq、平均等待时间Wq选取最佳充电机数量c，要求Lq＜10且Wq＜30min，若没有符合条件的充电机数量c则ΔT增加Δt，返回步骤1。
CN201711488236.4A 2017-12-30 2017-12-30 基于排队论的电动出租车快速充电站服务特性分析方法 Active CN108182537B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711488236.4A CN108182537B (zh) 2017-12-30 2017-12-30 基于排队论的电动出租车快速充电站服务特性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711488236.4A CN108182537B (zh) 2017-12-30 2017-12-30 基于排队论的电动出租车快速充电站服务特性分析方法

Publications (2)

Publication Number Publication Date
CN108182537A CN108182537A (zh) 2018-06-19
CN108182537B true CN108182537B (zh) 2022-03-18

Family

ID=62549574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711488236.4A Active CN108182537B (zh) 2017-12-30 2017-12-30 基于排队论的电动出租车快速充电站服务特性分析方法

Country Status (1)

Country Link
CN (1) CN108182537B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110543967B (zh) * 2019-07-23 2021-06-08 浙江工业大学 一种网联充电站环境下电动汽车等待时间分布短时预测方法
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

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160428A (zh) * 2015-08-19 2015-12-16 天津大学 高速公路电动汽车快速充电站的规划方法
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
CN106130110A (zh) * 2016-07-15 2016-11-16 华北电力大学 基于分层概率选择出行地的电动出租车充电站定容方法
CN106683443A (zh) * 2017-01-13 2017-05-17 哈尔滨工业大学 一种交叉口左转相位信号配时设计和优化方法
CN107274008A (zh) * 2017-05-26 2017-10-20 上海蔚来汽车有限公司 电动汽车充换电需求量预测方法、存储设备及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160428A (zh) * 2015-08-19 2015-12-16 天津大学 高速公路电动汽车快速充电站的规划方法
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
CN106130110A (zh) * 2016-07-15 2016-11-16 华北电力大学 基于分层概率选择出行地的电动出租车充电站定容方法
CN106683443A (zh) * 2017-01-13 2017-05-17 哈尔滨工业大学 一种交叉口左转相位信号配时设计和优化方法
CN107274008A (zh) * 2017-05-26 2017-10-20 上海蔚来汽车有限公司 电动汽车充换电需求量预测方法、存储设备及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《电动出租车充电桩优化配置》;张帝;《电工技术学报》;20151218;第30卷(第18期);第181-188页 *
《电动出租车功率需求影响因素随机过程分析与建模》;张曦予;《电工电能新技术》;20140319;第33卷(第1期);第21-25页 *

Also Published As

Publication number Publication date
CN108182537A (zh) 2018-06-19

Similar Documents

Publication Publication Date Title
WO2021057570A1 (zh) 一种退役动力电池寿命预测方法
CN110010987B (zh) 一种基于大数据的电动汽车剩余充电时间预测方法
CN107528316B (zh) 一种台区变压器容量受限条件下的充电桩智能配电方法
CN109460853B (zh) 一种电动汽车充电负荷需求确定方法及系统
CN108182537B (zh) 基于排队论的电动出租车快速充电站服务特性分析方法
CN110764009A (zh) 一种电动汽车的电池组循环容量及健康状态的估算方法
CN111426952A (zh) 一种锂离子电池的寿命预测方法
CN109085507B (zh) 一种评估储能电池健康状态的方法和系统
CN103413217A (zh) 预付费系统的控制方法及控制装置
WO2021184982A1 (zh) 预测模型构建方法和相关装置
CN108599267B (zh) 一种考虑电动汽车出行相关性的机组组合调度方法
CN111237646B (zh) 一种供水管网漏损的自动识别和定位方法
CN105786610A (zh) 计算密集型任务向云服务器中卸载的方法
Chiodo et al. Accelerated life tests of complete lithium-ion battery systems for battery life statistics assessment
CN114646888A (zh) 一种动力电池容量衰减的评估方法及系统
Lavenberg et al. Introduction to regenerative simulation
CN107067130A (zh) 一种基于电动汽车马尔可夫充电需求分析模型的快速充电站容量规划方法
CN113791351A (zh) 基于迁移学习和差值概率分布的锂电池寿命预测方法
Qiu et al. Equipment optimization method of electric vehicle fast charging station based on queuing theory
CN115224751A (zh) 电池充电剩余时长的获取方法、装置、电子设备及介质
CN108736084A (zh) 充电方法和终端
CN109658009B (zh) 基于随机原理与排队理论的电动汽车充电站能量管理方法
CN111319510B (zh) 一种预估电动车辆续驶里程的方法和装置
CN116111579A (zh) 一种电动汽车接入配电网集群方法
CN111273186A (zh) 一种电动汽车动力电池系统健康状态估算方法及装置

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
CP02 Change in the address of a patent holder

Address after: No. 8, Haitai Huake 4th Road, Huayuan Industrial Zone, High tech Zone, Binhai New Area, Tianjin, 300384

Patentee after: ELECTRIC POWER SCIENCE & RESEARCH INSTITUTE OF STATE GRID TIANJIN ELECTRIC POWER Co.

Patentee after: STATE GRID TIANJIN ELECTRIC POWER Co.

Patentee after: State Grid Corporation of China

Patentee after: SOUTHEAST University

Address before: No.8, Haitai Huake 4th Road, Xiqing District, Tianjin 300384

Patentee before: ELECTRIC POWER SCIENCE & RESEARCH INSTITUTE OF STATE GRID TIANJIN ELECTRIC POWER Co.

Patentee before: STATE GRID TIANJIN ELECTRIC POWER Co.

Patentee before: State Grid Corporation of China

Patentee before: SOUTHEAST University

CP02 Change in the address of a patent holder