CN108197765B - 面向电池损耗等额分配的停车场充电调度方法及计算设备 - Google Patents

Abstract

本发明公开了一种面向电池损耗等额分配的电动汽车智能充电停车场内的充电调度方法及用于执行该方法的计算设备，所述智能充电停车场中设置有多个充电桩，每个充电桩对应为一个或多个电动汽车充电，所述方法包括：获取各电动汽车的基本信息以及智能充电停车场与配电网在未来各时段内的预期交互功率值；根据所获取到的信息建立优化调度模型，所述优化调度模型包括实现各充电桩的电池损耗差异最小化的目标函数和对应的约束条件；根据所述优化约束条件对所述优化调度模型进行求解，以获取各充电桩上的电动汽车在未来各时段的充放电功率的最优调度规划。

Description

面向电池损耗等额分配的停车场充电调度方法及计算设备

技术领域

本发明涉及智能用电管理技术领域，尤其涉及一种面向电池损耗等额分 配的电动汽车智能充电停车场内的充电调度方法及计算设备。

背景技术

过去十年来，不断增长的环境问题和化石能源日渐短缺为全球电动汽车 的蓬勃发展和普及提供了强劲的动力。作为常规汽油车的替代品，电动汽车 具有更高的能源效率，同时在行驶过程中没有污染物的排放，因此，电动汽 车的广泛使用预计将为未来城市的电力系统带来广泛的收益。

然而，实际上，电动汽车的大量加入会对电网的安全运行带来挑战。具 体来讲，电动汽车充电造成的负荷会提高配电系统的终端负载，从而可能导 致配电网网损增加、电压质量下降以及运行经济性降低等负面影响。因此， 为了解决这个问题，如何将电动汽车负荷与电网进行有效融合至关重要。实 际上，实现这一目标的最常见方式是通过使用公共充电基础设施，其中以智 能充电停车场)为代表。像大多数公共设施一样，智能充电停车场的实现方 式是电动汽车用户可以通过与供电商签订合同来实现充电服务，同时也可以 通过放电向电网提供电能。

在实际智能充电停车场的运营中，由于对电动汽车动力电池进行充放电， 会引起电池寿命加速折损(相较于慢速充电方式)。因此，为了提高用户的 满意度并保证不同用户参与智能停车场项目的公平性，需要通过制定合理的 充电策略使各用户承担大致相同的电池损耗成本。即在智能充电停车场内针 对各个站内充电桩实施特定的电能分配(充放电管理)策略，使得参与智能 充电停车场项目的各个电动汽车用户能够具有相似的电池损耗，即实现电池 损耗平均分配的功能。

发明内容

为此，本发明提供一种面向电池损耗等额分配的电动汽车智能充电停车 场内的充电调度方法和计算设备，以力图解决或至少缓解上面存在的问题。

根据本发明的一个方面，提供一种面向电池损耗等额分配的电动汽车智 能充电停车场的充电调度方法，在计算设备中执行，智能充电停车场中设置 有多个充电桩，每个充电桩对应为一个或多个电动汽车充电，该方法包括： 获取各电动汽车的基本信息以及智能充电停车场与配电网在未来各时段内的 预期交互功率值；根据所获取到的信息建立优化调度模型，优化调度模型包 括实现各充电桩的电池损耗差异最小化的目标函数和对应的约束条件；根据 优化约束条件对优化调度模型进行求解，以获取各充电桩上的电动汽车在未 来各时段的充放电功率的最优调度规划。

可选地，在根据本发明的充电调度方法中，基本信息包括电动汽车驶入 时间、预计离开时间和电池信息中的一种或多种。

可选地，在根据本发明的充电调度方法中，电池信息包括电池型号、额 定容量、荷电状态和充放电效率中的一种或多种。

可选地，在根据本发明的充电调度方法中，优化调度模型的目标函数为：

其中，

为电动汽车i在一天24h内各时段因充 放电造成的总电池损耗成本；

为电动汽车i在时 段k的电池损耗成本；

为电动汽车i在第k个时段的充电功率；

为电动 汽车i在第k个时段的放电功率；r_k为时段k对应的持续时长；π^deg为电动汽 车动力电池单位充放电电量对应的损耗成本；N为一天之内进入智能充电停 车场的电动汽车总数；

为所有电动汽车对应X_i的平均值；当电 动汽车i在时段k未处于连接状态时z_i，k＝0，当电动汽车i在时段k未处于连接 状态时z_i，k＝1。

可选地，在根据本发明的充电调度方法中，优化调度模型的约束条件包 括如下的一个或多个：智能充电停车场的内部功率平衡约束、电动汽车荷电 状态第一约束、充电功率约束、放电功率约束、电动汽车荷电状态第二约束、 充放电逻辑约束。

可选地，在根据本发明的充电调度方法中，智能充电停车场的内部功率 平衡约束以如下公式确定：

其中，

为智能充电停车场在 时段k与外部电网之间的总交互功率。

可选地，在根据本发明的充电调度方法中，电动汽车荷电状态第一约束 以如下公式确定：SOC_i,desire≤SOC_i,depature≤SOC_max，其中，SOC_i,desire为电动汽车车主 希望达到的荷电状态水平，SOC_i,depature为电动汽车离开充电桩时的实际荷电状态 水平，SOC_max为电动汽车的最高荷电状态限制。

可选地，在根据本发明的充电调度方法中，充电功率约束以如下公式确 定：

其中，

为单个充电桩的最大充电功率。

可选地，在根据本发明的充电调度方法中，放电功率约束以如下公式确 定：

其中，

为单个充电桩的最大放电功率

可选地，在根据本发明的充电调度方法中，电动汽车荷电状态第二约束 以如下公式确定：

其中，SOC_i,k和SOC_i,k-1分 别为电动汽车i在第k个时段和第k-1个时段的荷电状态水平。

可选地，在根据本发明的充电调度方法中，充放电逻辑约束以如下公式 确定：

可选地，在根据本发明的充电调度方法中，采用内点法、粒子群算法或 者遗传算法来求解优化调度模型。

根据本发明的又一个方面，提供一种计算设备，包括一个或多个处理器、 存储器以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置 为由一个或多个处理器执行，一个或多个程序包括用于执行根据本发明的面 向电池损耗等额分配的电动汽车智能充电停车场内的充电调度方法的指令。

根据本发明的又一个方面，还提供一种存储一个或多个程序的计算机可 读存储介质，一个或多个程序包括指令，指令当由计算设备执行时，使得计 算设备执行根据本发明的面向电池损耗等额分配的电动汽车智能充电停车场 内的充电调度方法。

根据本发明技术方案，提供了一种适用于电动汽车智能充电停车场的充 放电策略。智能充电停车场获取到各电动汽车的基本信息以及该充电站与配 电网在未来各时段内的预期交互功率值后，根据本发明的优化调度模型即可 求得各时段电动汽车的最优充放电策略并下发至各个充电桩进行执行。这种 方法能够将电池损耗平均分到各充电桩的电动汽车，使得参与智能充电停车 场项目的各个电动汽车用户能够具有相似的电池损耗，从而提高用户的满意 度并保证不同用户参与智能充电停车场项目的公平性。

附图说明

为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说 明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所 有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅 读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明 显。遍及本公开，相同的附图标记通常指代相同的部件或元素。

图1示出了根据本发明一个实施例的智能充电停车场的结构图；

图2示出了根据本发明一个实施例的计算设备200的结构图；以及

图3示出了根据本发明一个实施例的电动汽车智能充电停车场内的充电 调度方法300的流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示 了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不 应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地 理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1示出了根据本发明一个实施例的智能充电停车场的结构框图。在该 智能充电停车场中有一个或多个计算设备作为控制器来来管理接入充电站的 电动汽车集群的充放电行为，另有多个充电桩来为对应用户的电动汽车充电。 通常，各电动汽车已以与智能充电停车场建立了供电关系，并有对应的充电 桩为其提供充放电服务。在智能电网环境下，假设每辆电动汽车一旦驶入充 电站，一辆电动汽车对应一台双向充电桩(既可实现充电，亦可实现放电)。 计算设备可以通过充电桩检测和记录对应电动汽车的基本相关信息及充电站 与配电网在未来各个时段的预期交互功率值。在收集到这些信息后，计算设 备经过相应的优化计算，即可得到当前运行周期(如1天)内针对各个充电 桩上电动汽车在各个时间段(如每小时)的充放电功率，并将这些指令发送 给电动汽车相连的充电桩，由充电桩来执行相应的充放电指令。

图2示出了根据本发明一个实施例的计算设备200的结构框图。在基本 的配置202中，计算设备200典型地包括系统存储器206和一个或者多个处 理器204。存储器总线208可以用于在处理器204和系统存储器206之间的通 信。

取决于期望的配置，处理器204可以是任何类型的处理，包括但不限于： 微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任 何组合。处理器204可以包括诸如一级高速缓存210和二级高速缓存212之 类的一个或者多个级别的高速缓存、处理器核心214和寄存器216。示例的处 理器核心214可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信 号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器218可 以与处理器204一起使用，或者在一些实现中，存储器控制器218可以是处 理器204的一个内部部分。

取决于期望的配置，系统存储器206可以是任意类型的存储器，包括但 不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存 等)或者它们的任何组合。系统存储器206可以包括操作系统220、一个或者 多个应用222以及程序数据224。在一些实施方式中，应用222可以布置为在 操作系统上利用程序数据224进行操作。程序数据224包括指令，在根据本 发明的计算设备200中，程序数据224包含用于执行根据本发明的面向电池 损耗等额分配的电动汽车智能充电停车场内的充电调度方法300的指令。

计算设备200还可以包括有助于从各种接口设备(例如，输出设备242、 外设接口244和通信设备246)到基本配置202经由总线/接口控制器130的 通信的接口总线240。示例的输出设备242包括图形处理单元248和音频处理 单元250。它们可以被配置为有助于经由一个或者多个A/V端口252与诸如 显示器或者扬声器之类的各种外部设备进行通信。示例外设接口244可以包 括串行接口控制器254和并行接口控制器256，它们可以被配置为有助于经由 一个或者多个I/O端口258和诸如输入设备(例如，键盘、鼠标、笔、语音输 入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外 部设备进行通信。示例的通信设备246可以包括网络控制器260，其可以被布 置为便于经由一个或者多个通信端口264与一个或者多个其他计算设备262 通过网络通信链路的通信。

网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在 诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据 结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样 的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息 的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专 线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR)或 者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以 包括存储介质和通信介质二者。

计算设备200可以实现为服务器，例如文件服务器、数据库服务器、应 用程序服务器和WEB服务器等，也可以实现为小尺寸便携(或者移动)电子 设备的一部分，这些电子设备可以是诸如蜂窝电话、个人数字助理(PDA)、 个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、 或者可以包括上面任何功能的混合设备。计算设备200还可以实现为包括桌 面计算机和笔记本计算机配置的个人计算机。在一些实施例中，计算设备200 被配置为执行根据本发明的面向电池损耗等额分配的电动汽车智能充电停车 场内的充电调度方法300。

图3示出了根据本发明一个实施例的面向电池损耗等额分配的电动汽车 智能充电停车场内的充电调度方法300的流程图。该方法在计算设备中执行， 适于对智能充电停车场内的各电动汽车进行充放电调度。如图3所示，该方 法始于步骤S320。

在步骤S320中，获取各电动汽车的基本信息以及智能充电停车场与配电 网在未来各时段内的预期交互功率值。

根据一种实施例，电动汽车的基本信息可以包括电动汽车的驶入时间、 预计离开时间和电池信息中的一种或多种，电池信息可以包括电池型号、额 定容量、荷电状态和充放电效率中的一种或多种。其中，预计离开时间由用 户进行提供并将这一信息通过充电桩上的面板手工输入，并反馈给计算设备 (控制器)，也就是计算设备通过获取用户在面板上输入的数字来或获取预 计了离开时间，其他参数则可由充电桩自动检测得到。此外，计算设备还能 通过智能充电停车场内部的通讯网实时获取充电站整体与外部电网的交互信息，主要是获取智能充电停车场与配电网在未来各个时段的预期交互功率值。

进一步地，考虑到一般居民出行具有高度的规律性，因此在步骤S320中 可以通过统计各电动汽车的往日到场离场及充放电规律提前一天获知电动汽 车用户在次日的到场时间、离场时间和到场时的电池荷电状态。此外，由于 智能充电停车场与电网之间的电能交易是基于日前电价进行的，因此在步骤 S320中同样可以通过统计往日该智能充电停车场与电网之间的电能交易规律 来提前一天获知次日该充电站与电网在各个时段的总体交互功率。

随后，在步骤S340中，根据所获取到的信息建立优化调度模型，该优化 调度模型包括实现各充电桩的电池损耗差异最小化的目标函数和对应的约束 条件。也就是，本发明为了实现将电池损耗平均分到各充电桩的电动汽车上， 建立了一种单目标优化模型，优化目标是各充电桩的电池损耗差异最小。其 中，差异最小化可以用多种方式表示，根据一个实施例，可以选择方差最小 化。

根据本发明的一个实施例，优化调度模型的目标函数为：

其中，

为电动汽车i在一天24h内各时段因充放电造成的总电池 损耗成本；

为电动汽车i在时段k的电池损耗成 本；

为电动汽车i在第k个时段的充电功率；

为电动汽车i在第k个时 段的放电功率；r_k为时段k对应的持续时长；π^deg为电动汽车动力电池单位充 放电电量对应的损耗成本；N为一天之内进入智能充电停车场的电动汽车总 数；

为所有电动汽车对应X_i的平均值；当电动汽车i在时段k 未处于连接状态时z_i，k＝0，当电动汽车i在时段k未处于连接状态时z_i，k＝1。一 般地，智能充电停车场以一天为一个运行周期，每个周期内以1小时为一个 时段，此时时段k即为一天的第k个小时。当然，也可以其他时长作为一个 运行周期或一个时段，如以2天为一个运行周期，以2h为一个时段，此时 X_i等式中的数字则应为48，第k个时段即为2天内的第k个2h，以此类推。

根据本发明的又一个实施例，优化调度模型的约束条件可以包括如下的 一个或多个：智能充电停车场的内部功率平衡约束、电动汽车荷电状态第一 约束、充电功率约束、放电功率约束、电动汽车荷电状态第二约束、充放电 逻辑约束。

其中，智能充电停车场的内部功率平衡约束可以如下公式确定：

其中，

为智能充电停车场在时段k与外部电网之间的总 交互功率。当

说明智能充电停车场整体工作在“充电”状态(即从外 部电网吸收电能)、当

说明智能充电停车场整体工作在“放电”状态 (即向外部电网注入电能)、当

说明智能充电停车场整体工作在“平 衡”状态，(即与外部电网无电能交互)。在实际运行中，由于

的值可由 日前经电能市场出清情况预测得知，因此它在本模型中为已知参数。

电动汽车荷电状态第一约束可以如下公式确定： SOC_i,desire≤SOC_i,depature≤SOC_max，其中，SOC_i,desire为电动汽车车主希望达到的荷电状 态水平，SOC_i,depature为电动汽车离开充电桩时的实际荷电状态水平，SOC_max为电 动汽车的最高荷电状态限制。电动汽车荷电状态第二约束可以如下公式确定：

其中，SOC_i,k和SOC_i,k-1分别为电动汽车i在 第k个时段和第k-1个时段的荷电状态水平。

充电功率约束可以如下公式确定：

其中，

为单个充电 桩的最大充电功率。放电功率约束可以如下公式确定：

其中，

为单个充电桩的最大放电功率。充放电逻辑约束可以如下公式确定：

随后，在步骤S360，根据优化约束条件对优化调度模型进行求解，以获 取各充电桩上的电动汽车在未来各时段的充放电功率的最优调度规划。

本发明所提出的智能充电停车场内的运行调度方法属于一类优化问题， 每次执行都需要对优化模型进行求解。由于模型属于一类经典的非线性优化 问题，可以采用多种方法来求解该模型，本领域技术人员可以根据需要选择 合适的方法和结构参数，本发明对此不作限制，如可以采用内点法、粒子群 算法或者遗传算法来求解该优化调度模型。具体的计算可以通过在 MATLAB编程后进行求解。通过对模型的相关优化求解，即可得到各时段电 动汽车的最优充放电策略并下发至各个充电桩进行执行。

为验证本发明所提出的电路调度策略的可行性和有效性，以下以某一智 能充电停车场为例进行计算。假设某地区的电力系统包括218个用户、66个 分布式电源和4个统调发电厂。假设电动汽车驶入时间的概率分布曲线是正 态分布的，驶入时间的概率密度曲线是均值为9，方差为1.2的正态分布。初 始荷电状态水平设置为0.2～0.6间的连续随机数，停车时间设置为1～8h之间 的随机数。最大充电功率采用即“插充”最大功率，该充电方式可以提供7.68kW 的功率，而由于电力电子装置的作用，它所提供的功率也可以低于这个值， 即约束条件中的

为7.68kW。为了便于计算，本发明仿真的每一时段长度 设置为1h，并设定了运行周期的总时段T_total＝24h，用来分析一天的优化结果。 使用Matlab编程求解优化模型，算法中参数设置为：电动汽车总数设置为10， 对应该停车场中充电桩有10个。

实践证明，未采用本发明的充放电策略的充电站电池损耗方差为1958， 运算时间为56.4s；采用本发明的充放电策略后，充电站电池损耗方差为426， 运算时间为67.2s，从而明显降低了整体电池损耗，提高了用户体验。

根据本发明的技术方案，在智能充电停车场针对各个站内充电桩实施特 定的电能分配(充放电管理)策略，使各用户承担大致相同的电池损耗成本， 即使得参与智能充电停车场项目的各个电动汽车用户能够具有相似电池损 耗，从而提高用户的满意度并保证不同用户参与智能充电停车场项目的公平 性。

A9、如A5所述的充电调度方法，其中，所述放电功率约束以如下公式 确定：

其中，

为单个充电桩的最大放电功率。

A10、如A5所述的充电调度方法，其中，所述电动汽车荷电状态第二约 束以如下公式确定：

其中，SOC_i,k和SOC_i,k-1分别为电动汽车i在第k个时段和第k-1个时段的荷电状态水平。

A11、如A5所述的充电调度方法，其中，所述充放电逻辑约束以如下公 式确定：

A12、如A1所述的充电调度方法，其中，采用内点法、粒子群算法或 者遗传算法来求解所述优化调度模型。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本 发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并 未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个 或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时 被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开 的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求 中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的 那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具 体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单 元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位 在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合 为一个模块或者此外可以分成多个子模块。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自 适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以 把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可 以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者 单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴 随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或 者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴 随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相 似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其 它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组 合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权 利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使 用。

这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从 而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采 取嵌入有形媒介，例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读 的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类 的机器，并被所述机器执行时，所述机器变成实践本发明的设备。

在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、 处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少 一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代 码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行 本发明的面向电池损耗等额分配的电动汽车智能充电停车场内的充电调度方 法。

此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或 者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用 于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法 元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装 置用于实施由为了实施该发明的目的的元素所执行的功能。

如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第 三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗 示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方 式的给定顺序。

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本 技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它 实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导 的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此， 在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技 术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明 所做的公开是说明性的而非限制性的，本发明的范围由所附权利要求书限定。

Claims (13)

1.一种面向电池损耗等额分配的电动汽车智能充电停车场内的充电调度方法，在计算设备中执行，所述智能充电停车场中设置有多个充电桩，每个充电桩对应为一个或多个电动汽车充电，所述方法包括：

获取各电动汽车的基本信息以及智能充电停车场与配电网在未来各时段内的预期交互功率值；

根据所获取到的信息建立优化调度模型，所述优化调度模型包括实现各充电桩的电池损耗差异最小化的目标函数和对应的约束条件；

根据所述优化约束条件对所述优化调度模型进行求解，以获取各充电桩上的电动汽车在未来各时段的充放电功率的最优调度规划；

其中，所述优化调度模型的目标函数为：

其中，

为电动汽车i在一天24h内各时段因充放电造成的总电池损耗成本；

为电动汽车i在时段k的电池损耗成本；

为电动汽车i在第k个时段的充电功率；

为电动汽车i第k个时段的放电功率；r_k为时段k对应的持续时长；π^deg为电动汽车动力电池单位充放电电量对应的损耗成本；N为一天之内进入智能充电停车场的电动汽车总数；

为所有电动汽车对应X_i的平均值；当电动汽车i在时段k未处于连接状态时z_i，k＝0，当电动汽车i在时段k未处于连接状态时z_i，k＝1。

2.如权利要求1所述的充电调度方法，其中，所述基本信息包括电动汽车驶入时间、预计离开时间和电池信息中的一种或多种。

3.如权利要求2所述的充电调度方法，其中，所述电池信息包括电池型号、额定容量、荷电状态和充放电效率中的一种或多种。

4.如权利要求1所述的充电调度方法，其中，所述优化调度模型的约束条件包括如下的一个或多个：智能充电停车场的内部功率平衡约束、电动汽车荷电状态第一约束、充电功率约束、放电功率约束、电动汽车荷电状态第二约束、充放电逻辑约束。

5.如权利要求4所述的充电调度方法，其中，所述智能充电停车场的内部功率平衡约束以如下公式确定：

其中，

为智能充电停车场在时段k与外部电网之间的总交互功率。

6.如权利要求4所述的充电调度方法，其中，所述电动汽车荷电状态第一约束以如下公式确定：

SOC_i,desire≤SOC_i,depature≤SOC_max

其中，SOC_i,desire为电动汽车车主希望达到的荷电状态水平，SOC_i,depature为电动汽车离开充电桩时的实际荷电状态水平，SOC_max为电动汽车的最高荷电状态限制。

7.如权利要求4所述的充电调度方法，其中，所述充电功率约束以如下公式确定：

其中，

为单个充电桩的最大充电功率。

8.如权利要求4所述的充电调度方法，其中，所述放电功率约束以如下公式确定：

其中，

为单个充电桩的最大放电功率。

9.如权利要求4所述的充电调度方法，其中，所述电动汽车荷电状态第二约束以如下公式确定：

其中，SOC_i,k和SOC_i,k-1分别为电动汽车i在第k个时段和第k-1个时段的荷电状态水平。

10.如权利要求4所述的充电调度方法，其中，所述充放电逻辑约束以如下公式确定：

11.如权利要求1所述的充电调度方法，其中，采用内点法、粒子群算法或者遗传算法来求解所述优化调度模型。

12.一种计算设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至11所述的方法中的任一方法的指令。

13.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至11所述的方法中的任一方法。

Images