CN108390421A - 计及用户满意度的电动汽车双尺度充电引导方法及系统 - Google Patents

Abstract

本发明涉及一种计及用户满意度的电动汽车双尺度充电引导方法及系统，所述的方法根据用户对充电时段要求将电动汽车分为立即充电集群和延时充电集群，并建立不同尺度下的满意度函数；在时间尺度层，考虑电网因素和用户充电费用因素建立模型，通过引导电动汽车的开始充电时间调节负荷曲线；在空间尺度层，考虑充电站因素和用户出行代价因素建立模型，规划各车辆的充电站选择，提高充电站运行效率；根据求得的最优解为电动汽车用户在时间和空间尺度上进行充电行为的引导。与现有技术相比，本发明在保证了用户满意度的同时实现优化负荷曲线、交通状况、充电站设备利用均衡的作用。

Description

计及用户满意度的电动汽车双尺度充电引导方法及系统

技术领域

本发明涉及电动汽车技术领域，尤其是涉及一种计及用户满意度的电动汽车时空双尺度充电引导方法及系统。

背景技术

电动汽车以其零排放、能效高、低噪声等优势，成为各国解决节能减排问题的有效手段之一，其规模化的应用是未来社会发展的必然趋势。电动汽车接入电网的充电行为具有空间和时间的不确定性，大量的电动汽车接入电网进行无序充电，必然给电网带来新一轮的负荷增长，降低电能质量，加大电网运行控制难度，也会使得交通网络的运行效率降低，设施的维护成本增加。要实现电动汽车的节能减排效应和对电网的辅助服务功能，必须规范电动汽车的充放电行为，使得电动汽车有序发展。目前，针对电动汽车充电行为进行引导控制方法主要集中在时间尺度上进行引导，但电动汽车用户参与调度的积极性不高，并没有实现很好的引导效果。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种计及用户满意度的电动汽车双尺度充电引导方法及系统。

本发明的目的可以通过以下技术方案来实现：

计及用户满意度的电动汽车双尺度充电引导方法，该方法包括以下步骤：

步骤一、获取某区域内电网预测的从当前到未来24小时的用电负荷曲线及具有充电需求时的荷电状态信息、充电站信息、电价信息；

步骤二、根据电动汽车用户对开始接入充电时间的要求，将电动汽车划分为集群A和集群B，并对属于不同集群的电动汽车获取充电开始时间范围；

集群A为立即充电集群，描述的是对充电费用不敏感或以充电便利性为主的电动汽车群体，该集群内的电动汽车一旦有充电需求，则立即前往充电站进行充电，属于集群A的电动汽车需将允许接入充电的开始时间范围上传；集群B为延时充电集群，描述的是接受延时充电的群体，由用户自主选择充电开始时间范围。

步骤三、根据电网和用户充电费用因素建立时间层电动汽车综合最优充电引导模型，通过模型求解获取该区域内电动汽车的最优充电开始时间和各时间段开始充电的电动汽车数量；

由于规模化的电动汽车充电负荷会影响电网运行，将负荷曲线峰谷差最小和负荷波动最小都列入目标函数内，既能有效填充低谷阶段，又能使充电负荷均匀分布在整个谷时段。同时，考虑用户的充电费用满意度，最大程度发挥用户的参与度。

(1)目标函数1：负荷曲线峰谷差值F₁最小

min F₁＝max P_t ^after-min P_t ^after (1)

式中：为加上电动汽车负荷后在第t时刻的总负荷；为t时刻的常规负荷，即由日前负荷预测得的数据；P_i为电动汽车i的充电功率；X_i,t为第i辆车的充电状态，其值为1时，表明该车在t时刻处于充电状态，其值为0时，表示未处于充电状态；N为整个调度周期内进行引导的车辆总数。

(2)目标函数2：负荷波动F₂最小

式中：T为一个周期内的时间间隔数；

(3)目标函数3：用户充电费用满意度F₃最大

式中：Y_i,t表示第i辆车在第t时段开始充电，由X_i,t计算得到；MF_i,t为第i辆电动汽车在第t时刻开始充电的充电费用满意度；ρ为充电电价；θ为超时惩罚费用；Q、Q′分别为两次上传电动汽车信息计算得到的所需充电电量；C_i,t(ρ,Q)为该车忽略偏差电量计算得到的充电费用；ΔC_i，t(ρ，θ，Q，Q′)为该车的额外费用，包括超时部分电量费用及惩罚费用。和分别为该车用户在所期望充电开始时间范围内可获得的最大和最小充电费用；偏差电量越大，该满意度的值越低，单个用户充电满意度最大为1。

(4)构建时间层电动汽车综合最优充电引导模型

将多目标问题转化为单目标问题，本发明构建了时间层电动汽车综合最优充电引导模型，其表达式为：

式中：F_1max、F_2max、F_3max分别为优化前负荷曲线对应的函数值；λ₁、λ₂、λ₃分别为各目标函数对应的权系数，且满足λ₁+λ₂+λ₃＝1。

(5)约束条件

上述各目标函数需同时满足以下约束条件：

车辆总数约束：

N₁+N₂＝N (7)

充电设备数量约束：

充电开始时间约束：

连续充电状态约束：

功率约束：

P_t ^after≤P_t ^max (11)

其中，N为整个调度周期内进行引导的车辆总数；N₁、N₂分别为不同集群电动汽车数量；NC为区域内充电设备总数；T_i ^start为充电开始时刻；集群A内的电动汽车，一有充电需求就立即寻找耗时最短充电站进行充电，T_i ^start,fast为可以得到的最早的充电时间；集群B内的电动汽车开始充电时间在选取范围内，由用户根据意愿自主选择充电开始时间的上下限，默认范围在整个调度周期；G_i为电动汽车所需充电间隔数；为区域内第t时段的功率上限值。

步骤四、发布并确认各车的最优充电开始时间，若确认接受，则将电动汽车充电负荷叠加至基础负荷；若不接受，则返回步骤二，重新选择充电时间。

步骤五、确认完成后，电动汽车用户在车辆开始充电时刻到来之前上传位置信息，云平台获取电动汽车信息、充电站信息与该区域道路交通信息后，考虑充电前后两次上传信息期间电动汽车行驶情况而更新电池荷电状态。

步骤六、确认是否忽略两次上传电池荷电状态得到的偏差电量值，若选择忽略偏差电量，则电动汽车充电所需电量不变，并执行步骤七；否则，对充电负荷进行修正，并补偿产生的费用及损失后，执行步骤七。

步骤七、结合充电站和用户出行因素建立空间层电动汽车综合最优充电引导模型模型，通过模型求解获取该区域内电动汽车的最优充电站选择；

根据时间层可得到在各时间段开始充电的电动汽车数量，以此作为约束条件，建立空间层优化模型，进行充电站选择。在充电站角度，需要使充电设备利用率均衡，即按充电站充电设备的规模来均匀分配车辆。在电动汽车用户角度，以用户出行满意度最大为目标函数，调动用户参与的积极性。

(1)目标函数4：充电设备利用率FF₁均衡

式中：U_t,i,k为在时段t开始充电的第i辆车是否选择在第k个充电站充电；M(t)为在时段t开始充电的车辆总数；c_k为第k个充电站充电设备数量；NS为区域内充电站数量。

(2)目标函数5：用户出行满意度FF₂最大

式中：MC_t,i,k为在t时段第i辆电动汽车选择在第k个充电站充电的出行满意度；为该车在充电站的排队等待时间；为该用户能承受的最大排队等待时间，若等待时间超过该值，则该电动汽车放弃本次充电；该车路程行驶时间T_i,t(l_t,i,k,v_t,i)与路程距离l_t,i,k和行驶速度v_t,i有关，分别为该车在道路上消耗的最大和最小行驶时间。行驶时间最少且无排队等待时间时，用户出行满意度最大。

(3)构建空间层电动汽车综合最优充电引导模型

其中，FF为最优目标函数，FF₁、FF₂分别为充电设备利用率和用户出行满意度，FF_1max、FF_2max分别为优化前对应的函数值；μ₁、μ₂分别为各目标函数对应的权系数，且满足μ₁+μ₂＝1。

(4)约束条件

电动汽车数量约束：

电动汽车行驶时间约束：

电动汽车充电站选择约束：

其中，电动汽车数量约束表示每个时间段下开始充电的电动汽车数量为确定值，可由时间尺度层求解结果所得到；电动汽车行驶时间约束表示未充电情况下的电动汽车可行驶最大时间大于等于其前往充电站的行驶时间；电动汽车充电站选择约束表示在每个时间段下进行充电的每一辆车只能选择一座充电站。

一种电动汽车双尺度充电引导系统，可实现计及用户满意度的电动汽车双尺度充电引导方法，该系统包括：

云平台，用于获取电网、充电站、道路交通、电动汽车等信息，并对电动汽车充电行为进行引导调度；

车联网，与云平台无线连接，用于采集电动汽车状态信息及道路交通信息，并与车联网平台实现信息交互，所述的车联网包括电动汽车和交通网；

智能电网，与云平台无线连接，用于预测电动汽车从当前到未来24小时的用电负荷曲线及具有充电需求时的荷电状态信息，并与车联网平台实现信息交互；

桩联网，与云平台连接，用于为电动汽车提供充电功能，并获取投入使用充电设备数量及地理位置信息，所述的桩联网包括多个充电站；

无线通信平台，用于为上述各个单元提供无线通信网络。

与现有技术相比，本发明计及用户满意度的电动汽车双尺度充电引导方法可从时间和空间两个尺度上对电动汽车充电行为进行更合理的引导，通过建立多目标双层的优化函数并选取最优函数，对电动汽车的充电行为在不同尺度上进行引导调度，且所得的充电安排方案能在保证了用户满意度的同时实现优化负荷曲线、交通状况、充电站设备利用均衡的作用，可广泛应用于电动汽车有序充电、换电控制领域。

附图说明

图1为本发明计及用户满意度的电动汽车双尺度充电引导方法的流程图；

图2为本发明电动汽车双尺度充电引导系统的主要架构示意图；

图3为本发明实施例中常规情况下、电动汽车无序接入情况下、未考虑满意度接入情况下和考虑满意度接入模式情况下的负荷曲线图；

图4为本发明实施例中有序充电引导控制与无序充电下各充电站平均设备利用率对比图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1所示，本发明涉及一种计及用户满意度的电动汽车双尺度充电引导方法，该方法包括以下步骤：

步骤一、获取某区域内电动汽车从当前到未来24小时的用电负荷曲线及具有充电需求时的荷电状态信息、充电站信息、电价信息；

步骤二、根据电动汽车用户对开始接入充电时间的要求，将电动汽车划分为集群A和集群B，集群A为立即充电集群，集群B为延时充电集群，集群A内的电动汽车需上传允许接入充电的开始时间范围；

步骤三、根据电网和用户充电费用因素建立时间层电动汽车综合最优充电引导模型，通过模型求解计算出在该区域内电动汽车的最优充电开始时间，并获取各时间段开始充电的电动汽车数量；

步骤四、发布各车的最优充电开始时间，并等待电动汽车用户确认；若确认接受，则将电动汽车充电负荷叠加至基础负荷，进入下一步；若不接受，则返回步骤二，重新选择充电时间；

步骤五、在车辆开始充电时刻到来之前，电动汽车用户上传位置信息，云平台获取电动汽车信息、充电站信息与该区域道路交通信息后，考虑充电前后两次上传信息期间电动汽车行驶情况而更新电池荷电状态；

步骤六、确认是否忽略两次上传电池荷电状态得到的偏差电量值，若选择忽略偏差电量，则电动汽车充电所需电量不变，进行下一步；否则，对充电负荷进行修正，对于可能会影响其他电动汽车的充电承担超时惩罚费用后，进行下一步；

步骤七、综合考虑充电站和用户出行因素，建立空间层电动汽车综合最优充电引导模型，通过模型求解计算出在该区域内电动汽车的最优充电站选择。

步骤三的具体内容包括：

将负荷曲线峰谷差值最小和负荷波动最小都列入目标函数内，可有效填充低谷阶段，又能使充电负荷均匀分布在整个谷时段。同时，考虑用户的充电费用满意度，最大程度发挥用户的参与度。即：

(1)目标函数1：负荷曲线峰谷差值F₁最小

min F₁＝max P_t ^after-min P_t ^after

式中：为加上电动汽车负荷后在第t时刻的总负荷；为t时刻的常规负荷，即由日前负荷预测得的数据；P_i为电动汽车i的充电功率；X_i,t为第i辆车的充电状态，其值为1时，表明该车在t时刻处于充电状态，其值为0时，表示未处于充电状态；N为整个调度周期内进行引导的车辆总数；

(2)目标函数2：负荷波动F₂最小

式中：T为一个周期内的时间间隔数；

(3)目标函数3：用户充电费用满意度F₃最大

式中：Y_i,t表示第i辆车在第t时段开始充电，由X_i,t计算得到；MF_i,t为第i辆电动汽车在第t时刻开始充电的充电费用满意度；ρ为充电电价；θ为超时惩罚费用；Q、Q′分别为两次上传电动汽车信息计算得到的所需充电电量；C_i,t(ρ,Q)为该车忽略偏差电量计算得到的充电费用；ΔC_i，t(ρ，θ，Q，Q′)为该车的额外费用，包括超时部分电量费用及惩罚费用。和分别为该车用户在所期望充电开始时间范围内可获得的最大和最小充电费用；偏差电量越大，该满意度的值越低，单个用户充电满意度最大为1。

(4)构建时间层电动汽车综合最优充电引导模型

由于时间层模型存在多个目标函数，需要先统一量纲，再将多目标问题转化为单目标问题。本发明时间层电动汽车综合最优充电引导模型为：

式中：F_1max、F_2max、F_3max分别为优化前负荷曲线对应的函数值；λ₁、λ₂、λ₃分别为各目标函数对应的权系数，且满足λ₁+λ₂+λ₃＝1。

(5)约束条件

上述各目标函数需同时满足以下约束条件：

车辆总数约束：

N₁+N₂＝N

充电设备数量约束：

充电开始时间约束：

连续充电状态约束：

功率约束：

P_t ^{a fter}≤P_t ^max

其中，N为整个调度周期内进行引导的车辆总数；N₁、N₂分别为不同集群电动汽车数量；NC为区域内充电设备总数；T_i ^start为充电开始时刻，T_i ^start,fast为可以得到的最早的充电时间，充电开始时间约束表示集群A内的电动汽车，一有充电需求就立即寻找耗时最短充电站进行充电，集群B内的电动汽车开始充电时间在选取范围内，由用户根据意愿自主选择充电开始时间的上下限；G_i为电动汽车所需充电间隔数；为区域内第t时段的功率上限值。

在步骤七中，根据时间层电动汽车综合最优充电引导模型可得到在各时间段开始充电的电动汽车数量，以此作为约束条件，建立空间层优化模型，进行充电站选择。在充电站角度，需要使充电设备利用率均衡，即按充电站充电设备的规模来均匀分配车辆。在电动汽车用户角度，以用户出行满意度最大为目标函数，调动用户参与的积极性；其具体内容包括：

(1)目标函数4：充电设备利用率FF₁均衡

式中：U_t,i,k为在时段t开始充电的第i辆车是否选择在第k个充电站充电；M(t)为在时段t开始充电的车辆总数；c_k为第k个充电站充电设备数量；NS为区域内充电站数量。

(2)目标函数5：用户出行满意度FF₂最大

式中：MC_t,i,k为在t时段第i辆电动汽车选择在第k个充电站充电的出行满意度；为该车在充电站的排队等待时间；为该用户能承受的最大排队等待时间，若等待时间超过该值，则该电动汽车放弃本次充电；该车路程行驶时间T_i,t(l_t,i,k,v_t,i)与路程距离l_t,i,k和行驶速度v_t,i有关，分别为该车在道路上消耗的最大和最小行驶时间。行驶时间最少且无排队等待时间时，用户出行满意度最大。

(3)构建空间层电动汽车综合最优充电引导模型

其中，FF为最优目标函数，FF₁、FF₂分别为充电设备利用率和用户出行满意度，FF_1max、FF_2max分别为优化前对应的函数值；μ₁、μ₂分别为各目标函数对应的权系数，且满足μ₁+μ₂＝1。

(4)约束条件

电动汽车数量约束：

电动汽车行驶时间约束：

电动汽车充电站选择约束：

其中，电动汽车数量约束由每个时间段下开始充电的电动汽车数量由时间层求解得到；电动汽车行驶时间约束：表示未充电情况下的电动汽车可行驶最大时间大于等于其前往充电站的行驶时间；电动汽车充电站选择约束表示在每个时间段下进行充电的每一辆车只能选择一座充电站。

本发明还提供了一种电动汽车双尺度充电引导系统，该系统可实现计及用户满意度的电动汽车双尺度充电引导方法，如图2所示，该系统包括：

云平台，用于获取电网、充电站、道路交通、电动汽车等信息，并对电动汽车充电行为进行引导调度；

车联网，与云平台无线连接，用于采集电动汽车状态信息及道路交通信息，并与车联网平台实现信息交互，所述的车联网包括电动汽车和交通网；

智能电网，与云平台无线连接，用于预测电动汽车从当前到未来24小时的用电负荷曲线及具有充电需求时的荷电状态信息，并与车联网平台实现信息交互；

桩联网，与云平台连接，用于为电动汽车提供充电功能，并获取投入使用充电设备数量及地理位置信息，所述的桩联网包括多个充电站；

无线通信平台，用于为上述各个单元提供无线通信网络。

该系统由无线通讯网络传输所需信息，电网负荷信息是根据日前数据预测所得，充电站信息有区域内各充电站能投入使用的充电设备数量和位置信息，交通实时信息包括道路拥堵状况，电动汽车实时信息有位置信息、充电需求状态、平均行驶时间等。电动汽车用户有充电需求时，通过通信网络将电池荷电状态信息和充电开始时间要求上传至云平台，该平台利用电网、充电站数据，考虑用户充电费用满意度进行充电时间引导。用户在接受充电时间引导后，在该时间之前上传位置信息，云平台通过分析收集到的信息为用户提供充电站引导服务。通过直接对电动汽车的引导调度，发挥其移动负荷的作用，间接改善配电网、交通网和提高充电站设施利用率。

本实施例以某15x15km区域内的充电站运行数据为基础，该区域包含四座充电站，取15min为一个时段，设定区域内各充电站有12台充电设备，汽车保有量为4000辆，电动汽车占有率为20％。本实施例的电动汽车采用恒功率方式充电，电池容量为W＝24kW·h，充电功率为30.4kW，100km耗电量为E100＝14.6kW·h。根据本发明所述的不同充电模式下的指标值如表1所示，其中，无序充电是指车辆一有充电需求时，便选择充电站即差即充。

表1不同充电模式下的指标值

结合图3可知，电动汽车无序接入在时间尺度和空间尺度上产生不利影响，对负荷曲线造成“峰上加峰”的现象，电网负荷指标变差且用户满意度均不理想。仅考虑电网因素时，能达到大幅度改善负荷指标的作用，将本文所提充电引导模式与未考虑用户满意度的充电模式下的数据进行对比可得，增加少许负荷波动来提升用户充电费用满意度，在空间上，减少了用户的路程行驶时间和充电排队时间，用户出行满意度得到保证。

图4为本发明实施例中有序充电引导控制与无序充电下各充电站平均设备利用率对比图，由图可知，无引导情况下，电动汽车较多集中在充电站1、3，会产生较长的车辆排队等待时间；而其他充电站的充电设备会出现闲置的现象。对电动汽车负荷引导充电后，电动汽车负荷均匀分布在各充电站，提高了充电站的运行效率。

本实施例还分析了不同场景下的电动汽车下的有序充电引导控制效果，结果如表2所示。

表2不同场景下的电动汽车充电引导效果

由表2中前3个场景结果的分析可知，当区域内电动汽车总量一定的情况下，延时充电集群的占比越大，即在时间尺度上可以进行调度的电动汽车负荷越多，负荷波动越小，用户平均充电满意度越大。由于本发明方法考虑的群体是按照充电开始时间要求不同进行划分，在空间尺度上的控制相同，因此区域内电动汽车总量为800辆时，用户平均出行满意度保持在0.9左右。由场景3和场景4所得结果可得到，延时充电集群的占比一定，对比区域内电动汽车总量不同下的控制效果。电动汽车总量为800辆时，由于充电设施的限制，谷时段内可用的充电设备已全被利用，其他车辆必须调度到平时段和峰时段进行充电。当电动汽车总量增加时，更多的电动汽车在平时段和峰时段进行充电，导致负荷波动增加且用户平均充电费用满意度降低。由于要保证充电站的充电设施利用率平衡，电动汽车数量增加时，用户进行充电站选择的余地变小，用户平均出行满意度减小，对该区域内的充电站投入使用充电设施数量具有参考作用。

综上，本发明针对某区域内规模化的电动汽车在时间和空间尺度进行有序充电引导，提出了双尺度充电引导方法，该方法能充分发挥电动汽车作为“移动负荷”的作用，将峰时段部分负荷转移至谷时段和平时段，改善配电网运行情况；相比于不考虑满意度充电引导模式，本发明双尺度充电引导方法下的用户充电满意度及出行满意度均能得到明显提高，调动用户参与的积极性；减少了用户排队等待充电时间，避免了较多电动汽车涌入某充电站导致的交通拥堵问题，同时，提高了充电站的运行效率。由于区域内充电设施的限制，电动汽车总量增加会影响控制效果。

以上所述，仅为本发明的具体实施方式，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工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改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以权利要求的保护范围为准。

Claims (10)

1.计及用户满意度的电动汽车双尺度充电引导方法，其特征在于，包括以下步骤：

1)获取某区域内电动汽车从当前到未来24小时的用电负荷曲线及具有充电需求时的荷电状态信息、充电站信息、电价信息；

2)根据电动汽车用户对开始接入充电时间的要求，将电动汽车划分为集群A和集群B，并对属于不同集群的电动汽车获取充电开始时间范围；

3)建立时间层电动汽车充电引导模型，通过模型获取最优目标函数，进一步获取各电动汽车的最优充电开始时间和各时间段开始充电的电动汽车数量；

4)发布并确认各电动汽车的最优充电开始时间，若确认通过，则将电动汽车的充电负荷叠加至基础负荷，执行步骤5)，若确认未通过，则返回步骤2)，重新选择充电时间；

5)获取充电站信息及该区域道路交通信息，根据电动汽车行驶情况更新电池荷电状态，获取偏差电量值；

6)确认是否忽略偏差电量值，若是，则电动汽车充电所需电量不变，执行步骤7)，若不是，则对充电负荷进行修正后，执行步骤7)；

7)结合充电站信息和用户出行因素，以时间层电动汽车综合最优充电引导模型获取的各时间段开始充电的电动汽车数量作为约束条件，建立空间层电动汽车综合最优充电引导模型，通过求解模型，选择该区域内电动汽车的最优充电站。

2.根据权利要求1所述的计及用户满意度的电动汽车双尺度充电引导方法，其特征在于，所述的步骤2)中，集群A为立即充电集群，该集群为对充电费用不敏感或以充电便利性为主的电动汽车群体，该集群的电动汽车需将允许接入充电的开始时间范围上传。

3.根据权利要求2所述的计及用户满意度的电动汽车双尺度充电引导方法，其特征在于，所述的步骤2)中，集群B为延时充电集群，该集群为接受延时充电的群体，该集群的电动汽车由用户自主选择充电开始时间范围。

4.根据权利要求3所述的计及用户满意度的电动汽车双尺度充电引导方法，其特征在于，所述的步骤3)中，时间层电动汽车综合最优充电引导模型的表达式为：

其中，F为时间层最优目标函数，F₁、F₂、F₃分别为负荷曲线峰谷差值、负荷波动和用户充电费用满意度，F_1max、F_2max、F_3max分别为优化前负荷曲线对应的函数值；λ₁、λ₂、λ₃分别为各目标函数对应的权系数，且满足λ₁+λ₂+λ₃＝1。

5.根据权利要求4所述的计及用户满意度的电动汽车双尺度充电引导方法，其特征在于，所述的各目标函数包括：

目标函数1：负荷曲线峰谷差值F₁最小

min F₁＝max P_t ^after-min P_t ^after

式中：为加上电动汽车负荷后在第t时刻的总负荷；为t时刻的常规负荷，即由日前负荷预测得的数据；P_i为电动汽车i的充电功率；X_i,t为第i辆车的充电状态，其值为1时，表明该车在t时刻处于充电状态，其值为0时，表示该车在t时刻未处于充电状态；N为整个调度周期内进行引导的车辆总数；

目标函数2：负荷波动F₂最小

式中：T为一个周期内的时间间隔数；

目标函数3：用户充电费用满意度F₃最大

式中：Y_i,t表示第i辆车在第t时段开始充电，由X_i,t计算得到；MF_i,t为第i辆电动汽车在第t时刻开始充电的充电费用满意度；ρ为充电电价；θ为超时惩罚费用；Q、Q′分别为两次上传电动汽车信息计算得到的所需充电电量；C_i,t(ρ,Q)为该车忽略偏差电量计算得到的充电费用；ΔC_i,t(ρ,θ,Q,Q′)为该车的额外费用，包括超时部分电量费用及惩罚费用；和分别为该车用户在所期望充电开始时间范围内可获得的最大和最小充电费用；偏差电量越大，该满意度的值越低，单个用户充电满意度最大为1。

6.根据权利要求5所述的计及用户满意度的电动汽车双尺度充电引导方法，其特征在于，所述的最优目标函数、目标函数1、目标函数2、目标函数3满足的约束条件为：

车辆总数约束：

N₁+N₂＝N

其中，N为整个调度周期内进行引导的车辆总数；N₁、N₂分别为不同集群的电动汽车数量；

充电设备数量约束：

其中，NC为区域内充电设备总数；

充电开始时间约束：

其中，为充电开始时刻，为可以得到的最早的充电时间；充电开始时间约束表示集群A内的电动汽车，一有充电需求则立即寻找耗时最短充电站进行充电；集群B内的电动汽车的开始充电时间在选取范围内，由用户根据意愿自主选择充电开始时间的上下限；

连续充电状态约束：

其中，G_i为电动汽车所需充电间隔数；

功率约束：

P_t ^after≤P_t ^max

其中，为区域内第t时段的功率上限值。

7.根据权利要求6所述的计及用户满意度的电动汽车双尺度充电引导方法，其特征在于，所述的步骤7)中，空间层电动汽车综合最优充电引导模型的表达式为：

其中，FF为空间层最优目标函数，FF₁、FF₂分别为充电设备利用率和用户出行满意度，FF_1max、FF_2max分别为优化前对应的函数值；μ₁、μ₂分别为各目标函数对应的权系数，且满足μ₁+μ₂＝1。

8.根据权利要求7所述的计及用户满意度的电动汽车双尺度充电引导方法，其特征在于，所述的FF₁、FF₂分别列入目标函数中，且有：

目标函数4：充电设备利用率FF₁均衡

式中：U_t,i,k为在时段t开始充电的第i辆车是否选择在第k个充电站充电；M(t)为在时段t开始充电的车辆总数；c_k为第k个充电站充电设备数量；NS为区域内充电站数量。

目标函数5：用户出行满意度FF₂最大

式中：MC_t,i,k为在t时段第i辆电动汽车选择在第k个充电站充电的出行满意度；为该车在充电站的排队等待时间；为该用户能承受的最大排队等待时间，若等待时间超过该值，则该电动汽车放弃本次充电；该车路程行驶时间T_i,t(l_t,i,k,v_t,i)与路程距离l_t,i,k和行驶速度v_t,i有关，分别为该车在道路上消耗的最大和最小行驶时间。行驶时间最少且无排队等待时间时，用户出行满意度最大。

9.根据权利要求8所述的计及用户满意度的电动汽车双尺度充电引导方法，其特征在于，所述的空间层最优目标函数、目标函数4、目标函数5满足的约束条件为：

电动汽车数量约束：

该约束表示每个时间段下开始充电的电动汽车数量为确定值，可由时间尺度层求解结果所得到；

电动汽车行驶时间约束：

该约束表示未充电情况下的电动汽车可行驶最大时间大于等于其前往充电站的行驶时间

电动汽车充电站选择约束：

该约束表示在每个时间段下进行充电的每一辆车只能选择一座充电站。

10.一种实现如权利要求1-9任一项所述的计及用户满意度的电动汽车双尺度充电引导方法的电动汽车双尺度充电引导系统，其特征在于，该系统包括：

云平台，用于获取电网、充电站、道路交通、电动汽车等信息，并对电动汽车充电行为进行引导调度；

车联网，与云平台无线连接，用于采集电动汽车状态信息及道路交通信息，并与车联网平台实现信息交互，所述的车联网包括电动汽车和交通网；

智能电网，与云平台无线连接，用于预测电动汽车从当前到未来24小时的用电负荷曲线及具有充电需求时的荷电状态信息，并与车联网平台实现信息交互；

桩联网，与云平台连接，用于为电动汽车提供充电功能，并获取投入使用充电设备数量及地理位置信息，所述的桩联网包括多个充电站；

无线通信平台，用于为上述各个单元提供无线通信网络。