CN108944517B - 电动汽车在线充电方法 - Google Patents

Abstract

本发明公开了一种电动汽车在线充电方法，包括以下步骤；充电服务提供商获取分时电价信息以及电动汽车充电历史统计数据；根据获取的数据求解最小化充电总成本问题；获取即将充电的电动汽车的到达、离开时刻以及充电需求信息；根据获取的电动汽车信息，充电服务提供商对每一时隙内充电的电动汽车进行功率分配。本发明的电动汽车在线充电方案考虑实时电价并动态分配电动汽车充电功率，基于电动汽车离线充电方法的解结构，利用电动汽车充电历史统计数据，使得充电总成本最小。

Description

电动汽车在线充电方法

技术领域

本发明涉及电动汽车充电领域，尤其涉及一种电动汽车在线充电方法。

背景技术

最近一段时间，充电式电动汽车和混合电动汽车的低碳排放以及高能量效率的特点引起了广泛关注。在可预见的未来，将会大规模部署电动汽车，在2015年预计有一百万辆电动汽车上路。然而，尽管电动汽车有很大的发展潜力，如何在日常生活中为电动汽车充电依然是目前一大挑战，如果大量电动汽车同时充电，会影响当地配电网的稳定性。为了维持配电网的稳定性同时最小化充电总成本，一套电动汽车智能充电方案是必须的。

在私人/公共充电站处对电动汽车进行智能充电的问题引起了一些研究者的关注。其中就充电服务提供商是否提前获取电动汽车的准确信息可以分为两类(1)充电服务提供商在充电方案开始前已经获取电动汽车准确信息(到达、离开时刻以及充电需求等)。由于离线方案中电动汽车运动的不确定性，其准确信息一般难以获得；(2)充电服务提供商在充电方案开始前未获取电动汽车准确信息，提出的在线调度方案。由于在线方案中缺失电动汽车准确信息，因此在线方案需要分析电动汽车历史数据信息并确定优化问题解的结构。

发明内容

本发明的目的在于提供一种电动汽车在线充电方法，该方法通过最优充电服务提供商的购电以及电动汽车的充电功率分配，降低充电总成本，即最小化购电成本和惩罚成本。

本发明为达上述目的，提供了一种电动汽车在线充电方法，包括以下步骤：

提供一种电动汽车在线充电方法，包括以下步骤；

充电服务提供商获取分时电价信息以及电动汽车充电历史统计数据；

根据获取的数据求解最小化充电总成本问题，求解过程中，购电优化问题表示成以下形式：

使服从：

∑_tΔTp^U(t)≤∑_iB_i

充电服务提供商通过电动车充电历史统计数据获得购电总量E[∑_iB_i]，用E[∑_iB_i]来估计∑_iB_i；其中B_i为电动汽车i在逻辑充电端口i处的充电需求；p^U(t)为单位时隙内所有充电端口所需电量；

c^pen为充电服务提供商设定的惩罚常数，c(t)为分时电价信息，M为充电端口总数，p^MAX为充电端口能提供最大功率、

表示购电最大功率

t为电动汽车停留充电的时间，t∈{1,2,…T}，将电动汽车停留充电的时间划分为t个等长时隙ΔT；

获取即将充电的电动汽车的到达、离开时刻以及充电需求信息，根据获取的上述电动汽车信息，充电服务提供商对每一时隙内充电的电动汽车进行功率分配，功率分配问题表示成以下形式：

maximize∑_iλ_i(t)p_i(t)

使服从：

p_i(t)＝0,当t<a_i或

其中，λ_i(t)≥0，λ_i(t)定义为t时隙内逻辑充电端口i充电功率的单位价值，p_i(t)为每个时隙内单个充电端口的充电功率，Q_i(t)定义为电动汽车i在t时隙开始时刻剩余的充电需求，表达式如下：

用

表示k时隙内第i个电动汽车分配功率的最优解；在t时隙内没有电动汽车连入的逻辑充电端口，令Q_i(t)＝0；为了不失一般性，定义：

接上述技术方案，将电动汽车停留充电的时间划分为多个等长时隙，在每个时隙内充电端口动态分配每辆电动汽车的充电功率。

接上述技术方案，每个时隙内单个充电端口充电功率应当满足p_i(t)∈[0,p^MAX]，

本发明产生的有益效果是：本发明的电动汽车在线充电方法考虑实时电价并动态分配电动汽车充电功率，本发明基于电动汽车离线充电方法的解结构，利用电动汽车充电历史统计数据，使得充电总成本最小。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例电动汽车在线充电的结构示意图；

图2是本发明实施例电动汽车在线充电方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明中涉及到电动汽车、充电端口、充电服务提供商以及当地公共事业单位。充电服务商通过当地公共事业单位购买电量，充电服务商通过充电端口为电动车充电。本发明的电动汽车在线充电方法的主要步骤如图2所示。

具体地，多辆电动汽车j∈{1,2,3,…N}在公共充电站点多个充电端口i∈{1,2,3,…M}处进行充电，一辆电动汽车对应一个充电端口，每个充电端口都有最大充电功率p^MAX，然而通常认为充电端口提供的充电功率较低，因此电动汽车需要在充电站点停留较长的时间以充满电。

可将电动汽车停留充电的时间t∈{1,2,…T}划分为t个等长时隙ΔT，在每个时隙内充电端口动态分配每辆电动汽车的充电功率p_i(t)。

充电服务提供商采用分时计价方式从当地公共事业单位购电，在充电方案执行之前充电服务提供商已经获取一整天的分时电价信息c(t)。在每一个充电时隙的开始，充电服务提供商需要决定为满足该时隙内所有充电端口充电需要从当地公共事业单位购买的电量p(t)^U(t)＝∑_i p_i(t)。每个时隙内单个充电端口充电功率应当满足p_i(t)∈[0,p^MAX]，另外，每个时隙内的购电总量应当符合当地电网传输政策，同时不应超出当地便变压器以及传输线路的容量，即

假设每辆电动汽车在a_j时隙的开始时刻到达，而在d_j时隙的结束时刻离开(其中，1≤a_j≤d_j≤T+1)，则总充电时间为ΔT(d_j-a_j)。定义h_j表示电动汽车j电量充满需要的电量。为了保障公平，可以通过电动汽车容量和其初始电量计算出其充电需求B_j＝min{h_j,ΔTγ(d_j-a_j)，其中γ为充电服务提供商设定的电费常数。如果电动汽车j在充电结束后电量没有达到预先的充电需求，即已充的电q_j<B_j，则对充电服务提供商进行惩罚(主要指金钱惩罚，对充电服务商未能提供预定服务的惩罚)，定义惩罚函数为W_j(q_j)＝max{c^pen(B_j-q_j),0}，其中c^pen为充电服务提供商设定的惩罚常数(单位为美分/千瓦时)。

考虑电动汽车离线充电方案，将不同时段服务不同电动汽车的同一个充电端口看作不同的逻辑充电端口，即同一个充电端口可以在不同时段服务不同电动汽车，被看作不同的逻辑充电端口，则可重新定义i∈{1,2,3,…N}，即电动汽车i在逻辑充电端口i处进行充电。最小化充电总成本问题可以表示成以下形式：

minimize∑_imax{c^PenB_i-c^Pen∑_tΔTp_i(t),0}+∑_ic(t)∑_iΔTp_i(t)

使服从：

p_i(t)＝0,当t<a_i或

为了求解上述问题，定义

其中

当q_i≤B_i。充电总成本在满足条件q_i>B_i时并不会减少，因此当充电总成本取到最小值时，相应的q_i的最优解表示为

且

因此，将优化问题重新整理为如下形式：

minimize∑_ic(t)∑_iΔTp_i(t)-∑_ic^Pen∑_tΔTp_i(t)

使服从：

p_i(t)＝0,当t<a_i或

显而易见，由于∑_i c^PenB_i是常数，则该问题与原问题最优解一致。

由于电动汽车运动的不确定性，该问题应该使用在线的方式求解。特别的，当电动汽车到达逻辑充电端口i时，充电服务提供商获得该电动汽车的到达时隙a_i、离开时隙d_i以及充电需求h_i；在充电方案开始执行的时刻，充电服务提供商仅仅知道每个时隙内的c(t)、对应的p^MAX、

以及电动汽车的历史统计数据。

在离线情况下，如果充电服务提供商在充电方案执行前已经准确获得电动汽车的所有信息即a_i、d_i和h_i，优化目标可以重新整理成以下形式：

其中，

从上式可以发现，如果要最大化

当

时，p^U(t)应该取0；当

时，p^U(t)取正数。基于这个结构，离线充电方案的解

可以通过取合适的p_i(t)使得

为正值时

式取得最大。

基于离线充电方案最优解的结构，可以进一步得到基于预测的在线充电方案的最优解

在线充电方案分为两个阶段：

1)购电阶段，在电动汽车充电开始之前，充电服务提供商向当地公共事业单位购电。由于在线方案没有获取电动汽车的准确信息，因此购电优化问题可以表示成以下形式：

使服从：

∑_tΔTp^U(t)≤∑_iB_i

充电服务提供商能够通过历史记录获得E[∑_iB_i]，并且当电动汽车数量足够大(即N→+∞)时，有∑_iB_i→E[∑_iB_i]，因此可以用E[∑_iB_i]来估计∑_iB_i。

2)功率分配阶段，在每一个时隙开始时刻，充电服务提供商基于这一时隙内充电的电动汽车的准确信息进行功率分配，因此功率分配问题可以表示成以下形式：

maximize∑_iλ_i(t)p_i(t)

使服从：

p_i(t)＝0,当t<a_i或

其中，λ_i(t)≥0定义为t时隙内逻辑充电端口i充电功率的单位价值，Q_i(t)定义为电动汽车i在t时隙开始时刻剩余的充电需求，表达式如下：

用

表示k时隙内第i个电动汽车分配功率的最优解。在t时隙内没有电动汽车连入的逻辑充电端口，令Q_i(t)＝0。为了不失一般性，定义：

本发明的一个具体实施例中，假设充电服务提供商有M＝1000个充电端口，提供充电服务的时间段为7:00AM-8:00PM。每个时间间隙长度为一小时，即在充电服务期间总时隙数为T＝13。不失一般性，假设每辆电动汽车的电池尺寸为32KWh，初始电量均匀分布在40％-80％之间，即充电需求h_i均匀分布在6.4KWh-19.2KWh之间。充电端口能提供最大功率p^MAX＝5kW，购电最大功率

夏季/冬季当地实时电价c^S(t)/c^w(t)如表1所示所示，取c^Pen＝1+sup_tc(t)。令

表示电动汽车在t时隙连入/离开充电端口i，因此，有以下表达式：

表1夏季/冬季当地实时电价c^S(t)/c^w(t)(单位：cent/KWh)

最终得到的离线充电方案、在线充电方案的充电总成本如表2、3所示：

表2冬季在线、离线方案充电总成本对比

γ(kW)	1.5	2.0	2.5	3.0
					离线(USD)	585.72	664.84	686.74	690.98
在线(USD)	587.87	666.67	688.85	693.22
					性能差距	0.37％	0.28％	0.31％	0.32％

表3夏季在线、离线方案充电总成本对比

γ(kW)	1.5	2.0	2.5	3.0
					离线(USD)	931.2	1109.9	1146.7	1153.8
在线(USD)	953.0	1131.1	1167.8	1174.8
					性能差距	2.34％	1.91％	1.84％	1.82％

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (3)

1.一种电动汽车在线充电方法，其特征在于，包括以下步骤；

充电服务提供商获取分时电价信息以及电动汽车充电历史统计数据；

根据获取的数据求解最小化充电总成本问题，求解过程中，购电优化问题表示成以下形式：

使服从：

∑_tΔTp^U(t)≤∑_iB_i

充电服务提供商通过电动车充电历史统计数据获得购电总量E[∑_iB_i]，用E[∑_iB_i]来估计∑_iB_i；其中B_i为电动汽车i在逻辑充电端口i处的充电需求；p^U(t)为单位时隙内所有充电端口所需电量；

c^pen为充电服务提供商设定的惩罚常数，c(t)为分时电价信息，M为充电端口总数，p^MAX为充电端口能提供最大功率、

表示购电最大功率

t为电动汽车停留充电的时间，t∈{1,2,…T}，将电动汽车停留充电的时间划分为t个等长时隙ΔT；

获取即将充电的电动汽车的到达、离开时刻以及充电需求信息；

根据获取的电动汽车信息，充电服务提供商对每一时隙内充电的电动汽车进行功率分配，功率分配问题表示成以下形式：

maximize∑_iλ_i(t)p_i(t)

使服从：

ΔTp_i(t)≤Q_i(t),

p_i(t)＝0,当t<a_i或t≥d_i,

0≤p_i(t)≤p^MAX,

其中，λ_i(t)≥0，λ_i(t)定义为t时隙内逻辑充电端口i充电功率的单位价值，p_i(t)为每个时隙内单个充电端口的充电功率，Q_i(t)定义为电动汽车i在t时隙开始时刻剩余的充电需求，表达式如下：

用

表示k时隙内第i个电动汽车分配功率的最优解；在t时隙内没有电动汽车连入的逻辑充电端口，令Q_i(t)＝0；为了不失一般性，定义：

d_i为离开时隙。

2.根据权利要求1所述的方法，其特征在于，将电动汽车停留充电的时间划分为多个等长时隙，在每个时隙内充电端口动态分配每辆电动汽车的充电功率。

3.根据权利要求1所述的方法，其特征在于，每个时隙内单个充电端口充电功率应当满足p_i(t)∈[0,p^MAX]，

Images