CN109615268B - 一种分时电价的公交充电经济调度方法及系统 - Google Patents

一种分时电价的公交充电经济调度方法及系统 Download PDF

Info

Publication number
CN109615268B
CN109615268B CN201811619365.7A CN201811619365A CN109615268B CN 109615268 B CN109615268 B CN 109615268B CN 201811619365 A CN201811619365 A CN 201811619365A CN 109615268 B CN109615268 B CN 109615268B
Authority
CN
China
Prior art keywords
charging
bus
time
soc
vehicle
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
CN201811619365.7A
Other languages
English (en)
Other versions
CN109615268A (zh
Inventor
杨梦楠
陈华杰
胡佳慧
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.)
Deri Energy Research Institute
Original Assignee
Deri Energy Research Institute
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 Deri Energy Research Institute filed Critical Deri Energy Research Institute
Priority to CN201811619365.7A priority Critical patent/CN109615268B/zh
Publication of CN109615268A publication Critical patent/CN109615268A/zh
Application granted granted Critical
Publication of CN109615268B publication Critical patent/CN109615268B/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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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

Abstract

本发明公开一种分时电价的公交充电经济调度方法，对公交车辆的运行历史和充电记录进行记录和保存至云端服务器；对公交车辆的运行规律和充电特性进行分析并保存至云端服务器；针对公交车辆的运行规律对其充电需求和充电时间点进行预测；根据车辆全天预测的充电需求和充电的时间点结果，综合全天各时段的分时电价情况，以全天总的充电费用最低为优化目标，云端服务器可以进行优化计算得到车辆全天各次充电时的目标SOC值；在车辆通过充电终端连入充电网后，云端服务器将实时计算出车辆充电的目标SOC值下发至充电终端予以执行，本发明在不影响公交车辆正常运行的前提下，利用电网的分时电价政策，有效地降低充电站的用电费用。

Description

一种分时电价的公交充电经济调度方法及系统
技术领域
本发明涉及一种分时电价的公交充电经济调度方法及系统，属于车辆充电优化调度领域。
背景技术
公共汽车是城市交通基础设置的重要组成部分，公共汽车服务于日常的固定线路，使它们成为电气化的理想场所。越来越多的城市将电动公交车视为减少当地空气污染的一种方式。大量研究表明，电动车相比常规燃油车在能效和减排方面有明显优势。国务院发展研究中心对纯电动车和传统汽油车的能源消耗和二氧化碳排放进行了比较，其中纯电动车按照“煤-电-电动机”的能源应用路径，而传统汽油车按照“石油-汽油-内燃发动机”的路径进行测算。结果表明，即使在电能来源仅考虑煤电的最差情况，纯电动车单位行驶里程所消耗的一次能源(折成热值)只有传统汽油汽车的0.7倍。
根据统计数据，在2017年中国电动公交车的销量已经达到10万辆，总存量已经超过了120万辆。大批量的电动公交的投入使用，也带来了公交充电站的快速扩张。这种充电站专门服务于公交车辆，场地大、充电终端数目多、且都是直流快充，充电功率最高可以达到300-400kW。充电站的运营通常是由充电服务商与公交公司签订合同，公交公司下辖车辆在充电站内使用的电量按照合同规定的电价付给充电服务商，充电服务商再与电网签订固定电价或者分时电价合同，从中获取价差利润。
电网公司为充电服务商提供的固定电价通常在0.6元左右，充电服务商为了提高自身的利润空间，有时会选择分时电价。分时电价的特点是在早上和下午的用电高峰期间，电价会远远高于0.6元，一般会达到1.2元甚至更高，而夜间用电低谷期间，电价一般会低至0.3元附近，全天其他时段的分时电价基本为0.6元左右，与固定电价比较接近。如果充电服务商能对充电场站合理调度，使其在高峰期间尽量少充电，夜间尽量多充电，就能极大地降低场站的用电成本，提高自身的利润空间。当然，充电站调度的前提是不能影响公交车辆的正常使用，即保证车辆保有足够的电量来进行正常营运。
目前已有的充电站经济调度系统，基本都是通过设置一个固定的调度策略，来对站内所有车辆的充电行为进行控制。在高电价的时段设置一个较低的SOC上限，从而使车辆在该时段尽量少充电，在低电价的时段不进行限制，使车辆在该时段尽量多充电，从而达到降低整体用电成本的目的。这种调度方法使用起来比较简单，也能达到一定的效果，但是它具有以下缺点:
1)不方便考虑车辆电池容量的区别。电池容量较高的车辆通常可以一日只充1-2次电，高电价时段甚至可以不进行充电，但电池容量较低的车辆一日需要充电4-5次，在高电价时段就不得不进行充电行为。同一个站内可能有多种电池容量的车型在进行充电，如果设置固定调度策略，那么只能迁就电池容量较低的车辆的使用需求，不能完全发挥出调度的经济性。
2)不方便满足车辆的不同充电需求。公交车辆的用电需求决定于它所在的公交线路的运行安排。例如有些公交线路在下午18点左右停止运营，那么从属于这些公交线路的车辆就可以在18点之后进行限制充电，等待低电价时段到来之后再进行充电(通常是夜间)。相应地，有些公交线路运营时间可能较长，例如要到晚间22点才停止运营。那么如果这两种线路的车辆在一个充电场站内进行充电，假使策略设置的限制充电时间太早，则有可能影响到其他线路的正常充电，假使策略设置的限制充电时间太晚，又会极大地影响到调度的经济性。
发明内容
本发明的目的，在于提供针对分时电价的公交充电经济调度方法，使得充电站的用电成本得以显著降低，同时不影响公交车辆的正常营运。
本发明的技术方案如下：
一种分时电价的公交充电经济调度方法，包括以下步骤：
S01，存储公交车辆的历史出行数据和历史充电数据，计算公交车辆的充电特性和预测公交车辆的充电需求数据；
S02根据车辆识别码VIN进行判断公交车辆是否参与经济调度充电，如果参与经济调度充电则进入步骤S03，否则，将车辆充电的调度目标SOC值设置为100％，进入步骤S04；
S03，以分时电价为基础，全天总充电费用最低为目标，车辆预测运行计划为约束条件，进行实时优化计算得到每个时段车辆充电的调度目标SOC值；
S04，根据接收到的调度目标SOC值为公交车辆进行充电。
步骤S01具体包括以下步骤：
将公交车辆的每日出行记录和每日充电行为记录保存，获得公交车辆的历史出行数据和历史充电数据并存储；
根据公交车辆的历史出行数据预测公交车辆未来的充电行为，得到公交车辆充电需求数据，充电需求数据包括当日充电的次数N、每次充电开始的时间点CTimes和充电结束的时间点CTimee；
根据公交车辆的历史充电数据进行统计，计算出公交车辆的充电特性，充电特性包括公交车辆的电池容量Q和车辆平均单次运行的电池耗电量E。
预测公交车辆预测当日充电的次数N、每次充电开始的时间点CTimes和充电结束的时间点CTimee，具体包括以下步骤：
根据历史数据统计公交车辆所属公交线路的平均运行时长和休息间隔，并按日对公交线路的公交班次进行分组，分别统计每个班组的运行趟数、出发时刻表和到达时刻表；
从公交系统获取公交车辆的实时GPS位置信号，获取车辆的地理坐标位置和所处的公交站点，跟踪车辆GPS信号的变化情况得到车辆实际从起点站的出发时刻，实际到达终点站的时刻；根据公交车辆当日已得到的出行时刻和实时GPS信息推测当日所属的班次，得到当日的运行趟数，获得每趟对应的出发时刻和到达时刻；公交车辆在运行一趟之后在充电站停留至下次出发为止，车辆的预测当日充电的次数N等于车辆的运行趟数；每次充电开始的时间点CTimes为车辆的到达时刻，充电结束的时间点CTimee为车辆下一趟的出发时刻。
公交车辆的电池容量Q和车辆平均单次运行的电池耗电量E计算过程具体包括以下步骤：
根据历史数据统计公交车辆每日总的充电量大小，结合公交车辆每日实际运行趟数的统计，总充电量除以每日运行趟数就得到公交车辆平均单次运行的电池耗电量E；
根据公交车辆充电结束的时间点CTimee的SOC值与每次充电开始的时间点CTimes的SOC值的差为每次充电的SOC变化量，对应的充电电量除以SOC变化量得到电池容量Q。
步骤S03具体包括以下步骤：
(301)建立优化数学模型，具体包括以下步骤，
a),设置参数：
对应每个充电时段，设置车辆充电量为Ec，设置车辆的起始SOC设为SOCs，结束SOC(SOC即车辆电池的荷电状态，标识电池的剩余电量的多少，一般使用百分数来表示)为SOCe；
设置车辆所能允许的最低SOC为SOCmin；
设置车辆所能允许的最高SOC为100％；
设置充电站的充电终端额定输出功率为P；
b)，为充电时段加上分时电价信息：
根据每次充电开始的时间点CTimes、充电结束的时间点CTimee的值查询分时电价表，得到充电时段对应的电价信息，对应第i个充电时段的电价为Pricei，对应第i个时段的充电费用(充电量乘以电价)为Eci*Pricei，i＝1,2…n，n为时段总数；
c)，建立优化目标方程
目标函数是车辆当天充电费用最小：
Figure BDA0001926512810000041
d)，建立优化约束方程
公交车辆第j次的充电后SOC值为SOCej与第j+1次次的充电前SOC值为SOCsj+1满足以下约束：
Figure BDA0001926512810000042
Figure BDA0001926512810000043
...
Figure BDA0001926512810000044
...
Figure BDA0001926512810000045
其中，j＝1,2…N，SOCsj表示公交车辆第j次的充电前SOC值，SOCej代表公交车辆表示第j次的充电后SOC值，E代表车辆平均单次运行的耗电量；下标代表的是充电次数，例如
Figure BDA00019265128100000411
代表第一次充电前的值，SOCej代表第j次充电后的值；
公交车辆第j次的充电前SOC值为SOCsj与第j次的充电后SOC值SOCej车，满足以下约束：
Figure BDA0001926512810000046
Figure BDA0001926512810000047
...
Figure BDA0001926512810000048
...
Figure BDA0001926512810000049
其中
Figure BDA00019265128100000410
代表第j次充电的电量；
e)，建立变量约束
对于各个时段的充电量变量，不考虑车辆放电的情况得到：
Figure BDA0001926512810000051
且充电量不大于额定功率乘以最长充电时间：
Figure BDA0001926512810000052
综合式(4)和式(5)得：
Figure BDA0001926512810000053
对于各个时段的SOC变量，则有：
Figure BDA0001926512810000054
Figure BDA0001926512810000055
...
Figure BDA0001926512810000056
Figure BDA0001926512810000057
其中SOCmax默认为100％，SOCmin根据公交车辆的情况和用户要求设置；
(302)优化模型求解
所述优化数学模型为线性规划模型，基于所述优化数学模型，使用线性规划算法进行求解；
(303)将优化计算结果转换为充电调度指令
优化计算结果是一组与充电时段对应车辆的调度目标SOC值，封装为充电终端所能识别的充电调度指令。
步骤S04具体包括以下步骤：
接收到充电调度指令后，按照充电调度指令为公交车辆进行充电，保证公交车辆在各个时段的实际SOC值与调度目标SOC值相符；
在公交车辆达到当前时段的车辆的调度目标SOC值后暂停充电，直至当前时段的车辆的调度目标SOC值大于实际SOC值时，恢复充电；
在公交车辆的实际SOC值达到100％或者充电被拔出后，充电流程结束；否则每隔固定的时间间隔继续发起充电调度指令请求,以刷新充电调度指令。
一种分时电价的公交充电经济调度系统，包括云端服务器和充电终端；
云端服务器存储公交车辆的历史出行数据和历史充电数据，计算公交车辆的充电特性和预测公交车辆的充电需求数据；
云端服务器根据车辆识别码VIN进行判断公交车辆是否参与经济调度充电，如果参与经济调度充电，云端服务器控制公交车辆连接充电终端后，以分时电价为基础，全天总充电费用最低为目标，车辆预测运行计划为约束条件，进行实时优化计算得到每个时段车辆充电的调度目标SOC值；否则，将车辆充电的调度目标SOC值设置为100％充电终端根据接收到的调度目标SOC值为公交车辆进行充电。
所述云端服务器存储公交车辆的历史出行数据和历史充电数据，计算公交车辆的充电特性和预测公交车辆的充电需求数据，具体包括以下步骤：
云端服务器将公交车辆的每日出行记录和每日充电行为记录保存，获得公交车辆的历史出行数据和历史充电数据并存储；
云端服务器根据公交车辆的历史出行数据预测公交车辆未来的充电行为，得到公交车辆充电需求数据，充电需求数据包括当日充电的次数N、每次充电开始的时间点CTimes和充电结束的时间点CTimee；
云端服务器根据公交车辆的历史充电数据进行统计，计算出公交车辆的充电特性，充电特性包括公交车辆的电池容量Q和车辆平均单次运行的电池耗电量E；
预测公交车辆预测当日充电的次数N、每次充电开始的时间点CTimes和充电结束的时间点CTimee，具体包括以下步骤：
根据历史数据统计公交车辆所属公交线路的平均运行时长和休息间隔，并按日对公交线路的公交班次进行分组，分别统计每个班组的运行趟数、出发时刻表和到达时刻表；
从公交系统获取公交车辆的实时GPS位置信号，获取车辆的地理坐标位置和所处的公交站点，跟踪车辆GPS信号的变化情况得到车辆实际从起点站的出发时刻，实际到达终点站的时刻；根据公交车辆当日已得到的出行时刻和实时GPS信息推测当日所属的班次，得到当日的运行趟数，获得每趟对应的出发时刻和到达时刻；公交车辆在运行一趟之后在充电站停留至下次出发为止，车辆的预测当日充电的次数N等于车辆的运行趟数；每次充电开始的时间点CTimes为车辆的到达时刻，充电结束的时间点CTimee为车辆下一趟的出发时刻；
公交车辆的电池容量Q和车辆平均单次运行的电池耗电量E计算过程具体包括以下步骤：
根据历史数据统计公交车辆每日总的充电量大小，结合公交车辆每日实际运行趟数的统计，总充电量除以每日运行趟数就得到公交车辆平均单次运行的电池耗电量E；
根据公交车辆充电结束的时间点CTimee的SOC值与每次充电开始的时间点CTimes的SOC值的差为每次充电的SOC变化量，对应的充电电量除以SOC变化量得到电池容量Q。
所述云端服务器控制公交车辆连接充电终端后，以分时电价为基础，全天总充电费用最低为目标，车辆预测运行计划为约束条件，进行实时优化计算得到每个时段车辆充电的调度目标SOC值，具体包括以下步骤：
(301)建立优化数学模型，具体包括以下步骤，
a),设置参数：
对应每个充电时段，设置车辆充电量为Ec，设置车辆的起始SOC设为SOCs，结束SOC(SOC即车辆电池的荷电状态，标识电池的剩余电量的多少，一般使用百分数来表示)为SOCe；
设置车辆所能允许的最低SOC为SOCmin；
设置车辆所能允许的最高SOC为100％；
设置充电站的充电终端额定输出功率为P；
b)，为充电时段加上分时电价信息：
根据每次充电开始的时间点CTimes、充电结束的时间点CTimee的值查询分时电价表，得到充电时段对应的电价信息，对应第i个充电时段的电价为Pricei，对应第i个时段的充电费用(充电量乘以电价)为Eci*Pricei，i＝1,2…n，n为时段总数；
c)，建立优化目标方程
目标函数是车辆当天充电费用最小：
Figure BDA0001926512810000081
d)，建立优化约束方程
公交车辆第j次的充电后SOC值为SOCej与第j+1次次的充电前SOC值为SOCsj+1满足以下约束：
Figure BDA0001926512810000082
Figure BDA0001926512810000083
...
Figure BDA0001926512810000084
...
Figure BDA0001926512810000085
其中，j＝1,2…N，SOCsj表示公交车辆第j次的充电前SOC值，SOCej代表公交车辆表示第j次的充电后SOC值，E代表车辆平均单次运行的耗电量；下标代表的是充电次数，例如
Figure BDA00019265128100000811
代表第一次充电前的值，SOCej代表第j次充电后的值；
公交车辆第j次的充电前SOC值为SOCsj与第j次的充电后SOC值SOCej车，满足以下约束：
Figure BDA0001926512810000086
Figure BDA0001926512810000087
...
Figure BDA0001926512810000088
...
Figure BDA0001926512810000089
其中
Figure BDA00019265128100000810
代表第j次充电的电量；
e)，建立变量约束
对于各个时段的充电量变量，不考虑车辆放电的情况得到：
Figure BDA0001926512810000091
且充电量不大于额定功率乘以最长充电时间：
Figure BDA0001926512810000092
综合式(4)和式(5)得：
Figure BDA0001926512810000093
对于各个时段的SOC变量，则有：
Figure BDA0001926512810000094
Figure BDA0001926512810000095
...
Figure BDA0001926512810000096
Figure BDA0001926512810000097
其中SOCmax默认为100％，SOCmin根据公交车辆的情况和用户要求设置；
(302)优化模型求解
所述优化数学模型为线性规划模型，基于所述优化数学模型，使用线性规划算法进行求解；
(303)将优化计算结果转换为充电调度指令
优化计算结果是一组与充电时段对应车辆的调度目标SOC值，封装为充电终端所能识别的充电调度指令。
充电终端接收到云端服务器下发的充电调度指令后，控制充电终端按照指令为车辆进行充电，保证公交车辆在各个时段的实际SOC值与调度目标SOC值相符；
充电终端在车辆达到当前时段的车辆的调度目标SOC值后暂停充电，直至当前时段的车辆的调度目标SOC值大于实际SOC值时，充电终端自动恢复充电；
在公交车辆的实际SOC值达到100％或者充电终端被拔出后，充电流程结束；否则每隔固定的时间间隔继续向云端服务器发起充电调度指令请求,以刷新充电调度指令。
与现有技术相比，本发明的有益效果包括：
本发明公开一种分时电价的公交充电经济调度方法及系统，与现有的设置统一固定的调度策略方法不同，本发明针对每台车辆的自身电池情况和充电需求，以充电费用最低为目标，实时计算出最优的调度策略，既能最大限度地利用车辆本身的电池容量来进行经济调度，又能充分考虑车辆的充电需求，保证实施充电经济调度不会对车辆的正常使用造成影响。充电经济调度的配置项少，全过程自动运行，基本无需人工干预，且充电经济调度服务是运行在云服务器上，除了需增加与充电经济调度服务的通讯接口之外，场站设备无需做出大的改动。在实施充电经济调度后，充电站的高峰时段用电行为能得到有效控制，低谷时段的用电量会得以上升，全站平均用电价格明显下降。
附图说明
图1为本发明一种分时电价的公交充电经济调度方法流程框图。
具体实施方式
为使本发明的目的、技术方案、优点更加清楚，下面结合附图对本发明的具体实施方式进行详细说明。
以下将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本发明的一部分实例，并不是全部的实例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
如图1所示，一种分时电价的公交充电经济调度方法，包括以下步骤：
S01，存储公交车辆的历史出行数据和历史充电数据，计算公交车辆的充电特性和预测公交车辆的充电需求数据；保存过程中对记录内容进行过滤，将无效记录予以删除或修正，例如经纬度信息跳变，经纬度信息与公交站点信息不匹配等。
每台公交车辆的电池容量不尽相同，每趟运行的耗电量也不尽相同，这些都会体现在车辆的充电特性上。为了体现出这些特性，需要将车辆的历史充电记录进行保存以备用。
S02根据车辆识别码VIN进行判断公交车辆是否参与经济调度充电，如果参与经济调度充电则进入步骤S03，否则，将车辆充电的调度目标SOC值设置为100％，进入步骤S04。
S03，以分时电价为基础，全天总充电费用最低为目标，车辆预测运行计划为约束条件，进行实时优化计算得到每个时段车辆充电的调度目标SOC值；
S04，根据接收到的调度目标SOC值为公交车辆进行充电。
步骤S01具体包括以下步骤：
将公交车辆的每日出行记录和每日充电行为记录保存，获得公交车辆的历史出行数据和历史充电数据并存储；
本实施例中，针对充电场站内的每一辆公交车辆，每隔一分钟保存一条该车的实时位置信息至历史数据库中。
根据公交车辆的历史出行数据预测公交车辆未来的充电行为，得到公交车辆充电需求数据，充电需求数据包括当日充电的次数N、每次充电开始的时间点CTimes和充电结束的时间点CTimee；
根据公交车辆的历史充电数据进行统计，计算出公交车辆的充电特性，充电特性包括公交车辆的电池容量Q和车辆平均单次运行的电池耗电量E。
预测公交车辆预测当日充电的次数N、每次充电开始的时间点CTimes和充电结束的时间点CTimee，具体包括以下步骤：
根据历史数据统计公交车辆所属公交线路的平均运行时长和休息间隔，并按日对公交线路的公交班次进行分组，分别统计每个班组的运行趟数、出发时刻表和到达时刻表；
从公交系统获取公交车辆的实时GPS位置信号，获取车辆的地理坐标位置和所处的公交站点，跟踪车辆GPS信号的变化情况得到车辆实际从起点站的出发时刻，实际到达终点站的时刻；根据公交车辆当日已得到的出行时刻和实时GPS信息推测当日所属的班次，得到当日的运行趟数，获得每趟对应的出发时刻和到达时刻；公交车辆在运行一趟之后在充电站停留至下次出发为止，车辆的预测当日充电的次数N等于车辆的运行趟数；每次充电开始的时间点CTimes为车辆的到达时刻，充电结束的时间点CTimee为车辆下一趟的出发时刻。
根据每一条历史充电记录，可以得到车辆充电起始SOC值、充电结束SOC值和充电电量的大小。其中充电结束SOC值与充电起始SOC值的差额是此次充电的SOC变化量，它与此次充电的充电电量近似满足线性函数关系。
取出车辆最近200条历史充电记录，进行拟合计算出SOC变化量与充电电量之间的系数coef。进而可以求出车辆的实际电池容量：
Q＝100*coef
公交车辆的电池容量Q和车辆平均单次运行的电池耗电量E计算过程具体包括以下步骤：
按照车辆所属的公交线路，对车辆历史出行记录进行分组。针对同一条线路下的所有车辆的历史出行记录，根据其经纬度位置、所处站点信息统计该线路的班次、平均运行时长、班次之间的休息间隔。
对于公交线路而言，一段时间内的公交营运任务会由若干辆公交车辆来完成，在这个时段内，每辆车仅运行一次，这若干辆公交车辆定义为一个班组。全天的班次可以按照此原则分为若干个班组。根据历史记录可统计出每个班组的运行趟数和运行时刻。
根据历史数据统计公交车辆每日总的充电量大小，结合公交车辆每日实际运行趟数的统计，总充电量除以每日运行趟数就得到公交车辆平均单次运行的电池耗电量E；
根据公交车辆充电结束的时间点CTimee的SOC值与每次充电开始的时间点CTimes的SOC值的差为每次充电的SOC变化量，对应的充电电量除以SOC变化量得到电池容量Q。
步骤S03具体包括以下步骤：
(301)建立优化数学模型，具体包括以下步骤，
a),设置参数：
对应每个充电时段，设置车辆充电量为Ec，设置车辆的起始SOC设为SOCs，结束SOC(SOC即车辆电池的荷电状态，标识电池的剩余电量的多少，一般使用百分数来表示)为SOCe；
设置车辆所能允许的最低SOC为SOCmin；
设置车辆所能允许的最高SOC为100％；
设置充电站的充电终端额定输出功率为P；
b)，为充电时段加上分时电价信息：
根据每次充电开始的时间点CTimes、充电结束的时间点CTimee的值查询分时电价表，得到充电时段对应的电价信息，对应第i个充电时段的电价为Pricei，对应第i个时段的充电费用(充电量乘以电价)为Eci*Pricei，i＝1,2…n，n为时段总数；
c)，建立优化目标方程
目标函数是车辆当天充电费用最小：
Figure BDA0001926512810000131
d)，建立优化约束方程
公交车辆第j次的充电后SOC值为SOCej与第j+1次次的充电前SOC值为SOCsj+1满足以下约束：
Figure BDA0001926512810000132
Figure BDA0001926512810000133
...
Figure BDA0001926512810000134
...
Figure BDA0001926512810000135
其中，j＝1,2…N，SOCsj表示公交车辆第j次的充电前SOC值，SOCej代表公交车辆表示第j次的充电后SOC值，E代表车辆平均单次运行的耗电量；下标代表的是充电次数，例如
Figure BDA0001926512810000136
代表第一次充电前的值，SOCej代表第j次充电后的值。
公交车辆第j次的充电前SOC值为SOCsj与第j次的充电后SOC值SOCej车，满足以下约束：
Figure BDA0001926512810000137
Figure BDA0001926512810000138
...
Figure BDA0001926512810000139
...
Figure BDA00019265128100001310
其中
Figure BDA00019265128100001311
代表第j次充电的电量；
e)，建立变量约束
对于各个时段的充电量变量，不考虑车辆放电的情况得到：
且充电量不大于额定功率乘以最长充电时间：
Figure BDA0001926512810000142
综合式(4)和式(5)得：
Figure BDA0001926512810000143
对于各个时段的SOC变量，则有：
Figure BDA0001926512810000144
Figure BDA0001926512810000145
...
Figure BDA0001926512810000146
Figure BDA0001926512810000147
其中SOCmax默认为100％，SOCmin根据公交车辆的情况和用户要求设置。
(302)优化模型求解
所述优化数学模型为线性规划模型，基于所述优化数学模型，使用线性规划算法进行求解；
(303)将优化计算结果转换为充电调度指令
优化计算结果是一组与充电时段对应车辆的调度目标SOC值，封装为充电终端所能识别的充电调度指令。
步骤S04具体包括以下步骤：
接收到充电调度指令后，按照充电调度指令为公交车辆进行充电，保证公交车辆在各个时段的实际SOC值与调度目标SOC值相符；
在公交车辆达到当前时段的车辆的调度目标SOC值后暂停充电，直至当前时段的车辆的调度目标SOC值大于实际SOC值时，恢复充电；
在公交车辆的实际SOC值达到100％或者充电被拔出后，充电流程结束；否则每隔固定的时间间隔继续发起充电调度指令请求,以刷新充电调度指令,即返回到步骤S02重新执行流程。
一种分时电价的公交充电经济调度系统，包括云端服务器和充电终端；
云端服务器存储公交车辆的历史出行数据和历史充电数据，计算公交车辆的充电特性和预测公交车辆的充电需求数据；
云端服务器根据车辆识别码VIN进行判断公交车辆是否参与经济调度充电，如果参与经济调度充电，云端服务器控制公交车辆连接充电终端后，以分时电价为基础，全天总充电费用最低为目标，车辆预测运行计划为约束条件，进行实时优化计算得到每个时段车辆充电的调度目标SOC值；否则，将车辆充电的调度目标SOC值设置为100％充电终端根据接收到的调度目标SOC值为公交车辆进行充电。
所述云端服务器存储公交车辆的历史出行数据和历史充电数据，计算公交车辆的充电特性和预测公交车辆的充电需求数据，具体包括以下步骤：
云端服务器将公交车辆的每日出行记录和每日充电行为记录保存，获得公交车辆的历史出行数据和历史充电数据并存储；
云端服务器根据公交车辆的历史出行数据预测公交车辆未来的充电行为，得到公交车辆充电需求数据，充电需求数据包括当日充电的次数N、每次充电开始的时间点CTimes和充电结束的时间点CTimee；
云端服务器根据公交车辆的历史充电数据进行统计，计算出公交车辆的充电特性，充电特性包括公交车辆的电池容量Q和车辆平均单次运行的电池耗电量E。
预测公交车辆预测当日充电的次数N、每次充电开始的时间点CTimes和充电结束的时间点CTimee，具体包括以下步骤：
根据历史数据统计公交车辆所属公交线路的平均运行时长和休息间隔，并按日对公交线路的公交班次进行分组，分别统计每个班组的运行趟数、出发时刻表和到达时刻表；
从公交系统获取公交车辆的实时GPS位置信号，获取车辆的地理坐标位置和所处的公交站点，跟踪车辆GPS信号的变化情况得到车辆实际从起点站的出发时刻，实际到达终点站的时刻；根据公交车辆当日已得到的出行时刻和实时GPS信息推测当日所属的班次，得到当日的运行趟数，获得每趟对应的出发时刻和到达时刻；公交车辆在运行一趟之后在充电站停留至下次出发为止，车辆的预测当日充电的次数N等于车辆的运行趟数；每次充电开始的时间点CTimes为车辆的到达时刻，充电结束的时间点CTimee为车辆下一趟的出发时刻；
公交车辆的电池容量Q和车辆平均单次运行的电池耗电量E计算过程具体包括以下步骤：
根据历史数据统计公交车辆每日总的充电量大小，结合公交车辆每日实际运行趟数的统计，总充电量除以每日运行趟数就得到公交车辆平均单次运行的电池耗电量E；
根据公交车辆充电结束的时间点CTimee的SOC值与每次充电开始的时间点CTimes的SOC值的差为每次充电的SOC变化量，对应的充电电量除以SOC变化量得到电池容量Q。
所述云端服务器控制公交车辆连接充电终端后，以分时电价为基础，全天总充电费用最低为目标，车辆预测运行计划为约束条件，进行实时优化计算得到每个时段车辆充电的调度目标SOC值，具体包括以下步骤：
(301)建立优化数学模型，具体包括以下步骤，
a),设置参数：
对应每个充电时段，设置车辆充电量为Ec，设置车辆的起始SOC设为SOCs，结束SOC(SOC即车辆电池的荷电状态，标识电池的剩余电量的多少，一般使用百分数来表示)为SOCe；
设置车辆所能允许的最低SOC为SOCmin；
设置车辆所能允许的最高SOC为100％；
设置充电站的充电终端额定输出功率为P；
b)，为充电时段加上分时电价信息：
根据每次充电开始的时间点CTimes、充电结束的时间点CTimee的值查询分时电价表，得到充电时段对应的电价信息，对应第i个充电时段的电价为Pricei，对应第i个时段的充电费用(充电量乘以电价)为Eci*Pricei，i＝1,2…n，n为时段总数；
c)，建立优化目标方程
目标函数是车辆当天充电费用最小：
Figure BDA0001926512810000171
d)，建立优化约束方程
公交车辆第j次的充电后SOC值为SOCej与第j+1次次的充电前SOC值为SOCsj+1满足以下约束：
Figure BDA0001926512810000172
Figure BDA0001926512810000173
...
Figure BDA0001926512810000174
...
Figure BDA0001926512810000175
其中，j＝1,2…N，SOCsj表示公交车辆第j次的充电前SOC值，SOCej代表公交车辆表示第j次的充电后SOC值，E代表车辆平均单次运行的耗电量；下标代表的是充电次数，例如
Figure BDA00019265128100001710
代表第一次充电前的值，SOCej代表第j次充电后的值。
公交车辆第j次的充电前SOC值为SOCsj与第j次的充电后SOC值SOCej车，满足以下约束：
Figure BDA0001926512810000176
Figure BDA0001926512810000177
...
Figure BDA0001926512810000178
...
Figure BDA0001926512810000179
其中
Figure BDA00019265128100001711
代表第j次充电的电量；
e)，建立变量约束
对于各个时段的充电量变量，不考虑车辆放电的情况得到：
Figure BDA0001926512810000181
且充电量不大于额定功率乘以最长充电时间：
Figure BDA0001926512810000182
综合式(4)和式(5)得：
Figure BDA0001926512810000183
对于各个时段的SOC变量，则有：
Figure BDA0001926512810000184
Figure BDA0001926512810000185
...
Figure BDA0001926512810000186
Figure BDA0001926512810000187
其中SOCmax默认为100％，SOCmin根据公交车辆的情况和用户要求设置。
(302)优化模型求解
所述优化数学模型为线性规划模型，基于所述优化数学模型，使用线性规划算法进行求解；
(303)将优化计算结果转换为充电调度指令
优化计算结果是一组与充电时段对应车辆的调度目标SOC值，封装为充电终端所能识别的充电调度指令。
充电终端接收到云端服务器下发的充电调度指令后，控制充电终端按照指令为车辆进行充电，保证公交车辆在各个时段的实际SOC值与调度目标SOC值相符；
充电终端在车辆达到当前时段的车辆的调度目标SOC值后暂停充电，直至当前时段的车辆的调度目标SOC值大于实际SOC值时，充电终端自动恢复充电；
在公交车辆的实际SOC值达到100％或者充电终端被拔出后，充电流程结束；否则每隔固定的时间间隔(为保证调度目标及时有效，通常不超过5分钟)继续向云端服务器发起充电调度指令请求,以刷新充电调度指令。
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间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间组合成一个模块或单元或组间，以及此外可以把它们分成多个子模块或子单元或子组间。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。
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。
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，执行本发明的方法。
以示例而非限制的方式，计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
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。
以上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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种分时电价的公交充电经济调度方法，其特征在于，包括以下步骤：
S01，存储公交车辆的历史出行数据和历史充电数据，计算公交车辆的充电特性和预测公交车辆的充电需求数据；
S02根据车辆识别码VIN进行判断公交车辆是否参与经济调度充电，如果参与经济调度充电则进入步骤S03，否则，将车辆充电的调度目标SOC值设置为100％，进入步骤S04；
S03，以分时电价为基础，全天总充电费用最低为目标，车辆预测运行计划为约束条件，进行实时优化计算得到每个时段车辆充电的调度目标SOC值；
S04，根据接收到的调度目标SOC值为公交车辆进行充电；
步骤S01具体包括以下步骤：
将公交车辆的每日出行记录和每日充电行为记录保存，获得公交车辆的历史出行数据和历史充电数据并存储；
根据公交车辆的历史出行数据预测公交车辆未来的充电行为，得到公交车辆充电需求数据，充电需求数据包括当日充电的次数N、每次充电开始的时间点CTimes和充电结束的时间点CTimee；
根据公交车辆的历史充电数据进行统计，计算出公交车辆的充电特性，充电特性包括公交车辆的电池容量Q和车辆平均单次运行的电池耗电量E；
步骤S03具体包括以下步骤：
(301)建立优化数学模型，具体包括以下步骤，
a)，设置参数：
对应每个充电时段，设置车辆充电量为Ec，设置车辆的起始SOC设为SOCs，结束SOC为SOCe；
设置车辆所能允许的最低SOC为SOCmin；
设置车辆所能允许的最高SOC为100％；
设置充电站的充电终端额定输出功率为P；
b)，为充电时段加上分时电价信息：
根据每次充电开始的时间点CTimes、充电结束的时间点CTimee的值查询分时电价表，得到充电时段对应的电价信息，对应第i个充电时段的电价为Pr icei，对应第i个时段的充电费用为Eci*Pr icei，i＝1，2…n，n为时段总数；
c)，建立优化目标方程
目标函数是车辆当天充电费用最小：
Figure FDA0002393367710000021
d)，建立优化约束方程
公交车辆第j次的充电后SOC值为SOCej与第j+1次的充电前SOC值为SOCsj+1满足以下约束：
Figure FDA0002393367710000022
Figure FDA0002393367710000023
...
Figure FDA0002393367710000024
...
Figure FDA0002393367710000025
其中，j＝1，2…N，SOCsj表示公交车辆第j次的充电前SOC值，SOCej代表公交车辆表示第j次的充电后SOC值，E代表车辆平均单次运行的耗电量；下标代表的是充电次数，
Figure FDA0002393367710000026
代表第一次充电前的值，SOCej代表第j次充电后的值；
公交车辆第j次的充电前SOC值为SOCsj与第j次的充电后SOC值SOCej车，满足以下约束：
Figure FDA0002393367710000027
Figure FDA0002393367710000028
...
Figure FDA0002393367710000029
...
Figure FDA00023933677100000210
其中
Figure FDA00023933677100000211
代表第j次充电的电量；
e)，建立变量约束
对于各个时段的充电量变量，不考虑车辆放电的情况得到：
Figure FDA0002393367710000031
且充电量不大于额定功率乘以最长充电时间：
Figure FDA0002393367710000032
综合式(4)和式(5)得：
Figure FDA0002393367710000033
对于各个时段的SOC变量，则有：
Figure FDA0002393367710000034
Figure FDA0002393367710000035
...
Figure FDA0002393367710000036
Figure FDA0002393367710000037
其中SOCmax默认为100％，SOCmin根据公交车辆的情况和用户要求设置；
(302)优化模型求解
所述优化数学模型为线性规划模型，基于所述优化数学模型，使用线性规划算法进行求解；
(303)将优化计算结果转换为充电调度指令
优化计算结果是一组与充电时段对应车辆的调度目标SOC值，封装为充电终端所能识别的充电调度指令；
预测公交车辆预测当日充电的次数N、每次充电开始的时间点CTimes和充电结束的时间点CTimee，具体包括以下步骤：
根据历史数据统计公交车辆所属公交线路的平均运行时长和休息间隔，并按日对公交线路的公交班次进行分组，分别统计每个班组的运行趟数、出发时刻表和到达时刻表；
从公交系统获取公交车辆的实时GPS位置信号，获取车辆的地理坐标位置和所处的公交站点，跟踪车辆GPS信号的变化情况得到车辆实际从起点站的出发时刻，实际到达终点站的时刻；根据公交车辆当日已得到的出行时刻和实时GPS信息推测当日所属的班次，得到当日的运行趟数，获得每趟对应的出发时刻和到达时刻；车辆的预测当日充电的次数N等于车辆的运行趟数；每次充电开始的时间点CTimes为车辆的到达时刻，充电结束的时间点CTimee为车辆下一趟的出发时刻；
公交车辆的电池容量Q和车辆平均单次运行的电池耗电量E计算过程具体包括以下步骤：
根据历史数据统计公交车辆每日总的充电量大小，结合公交车辆每日实际运行趟数的统计，总充电量除以每日运行趟数就得到公交车辆平均单次运行的电池耗电量E；
根据公交车辆充电结束的时间点CTimee的SOC值与每次充电开始的时间点CTimes的SOC值的差为每次充电的SOC变化量，对应的充电电量除以SOC变化量得到电池容量Q。
2.根据权利要求1所述的一种分时电价的公交充电经济调度方法，其特征在于，
步骤S04具体包括以下步骤：
接收到充电调度指令后，按照充电调度指令为公交车辆进行充电，使得公交车辆在各个时段的实际SOC值与调度目标SOC值相符；
在公交车辆达到当前时段的车辆的调度目标SOC值后暂停充电，直至当前时段的车辆的调度目标SOC值大于实际SOC值时，恢复充电；
在公交车辆的实际SOC值达到100％或者充电被拔出后，充电流程结束；否则每隔固定的时间间隔继续发起充电调度指令请求，以刷新充电调度指令。
3.一种分时电价的公交充电经济调度系统，其特征在于，包括云端服务器和充电终端；
云端服务器存储公交车辆的历史出行数据和历史充电数据，计算公交车辆的充电特性和预测公交车辆的充电需求数据；
云端服务器根据车辆识别码VIN进行判断公交车辆是否参与经济调度充电，如果参与经济调度充电，云端服务器控制公交车辆连接充电终端后，以分时电价为基础，全天总充电费用最低为目标，车辆预测运行计划为约束条件，进行实时优化计算得到每个时段车辆充电的调度目标SOC值；否则，将车辆充电的调度目标SOC值设置为100％充电终端根据接收到的调度目标SOC值为公交车辆进行充电；
所述云端服务器存储公交车辆的历史出行数据和历史充电数据，计算公交车辆的充电特性和预测公交车辆的充电需求数据，具体包括以下步骤：
云端服务器将公交车辆的每日出行记录和每日充电行为记录保存，获得公交车辆的历史出行数据和历史充电数据并存储；
云端服务器根据公交车辆的历史出行数据预测公交车辆未来的充电行为，得到公交车辆充电需求数据，充电需求数据包括当日充电的次数N、每次充电开始的时间点CTimes和充电结束的时间点CTimee；
云端服务器根据公交车辆的历史充电数据进行统计，计算出公交车辆的充电特性，充电特性包括公交车辆的电池容量Q和车辆平均单次运行的电池耗电量E；
预测公交车辆预测当日充电的次数N、每次充电开始的时间点CTimes和充电结束的时间点CTimee，具体包括以下步骤：
根据历史数据统计公交车辆所属公交线路的平均运行时长和休息间隔，并按日对公交线路的公交班次进行分组，分别统计每个班组的运行趟数、出发时刻表和到达时刻表；
从公交系统获取公交车辆的实时GPS位置信号，获取车辆的地理坐标位置和所处的公交站点，跟踪车辆GPS信号的变化情况得到车辆实际从起点站的出发时刻，实际到达终点站的时刻；根据公交车辆当日已得到的出行时刻和实时GPS信息推测当日所属的班次，得到当日的运行趟数，获得每趟对应的出发时刻和到达时刻；车辆的预测当日充电的次数N等于车辆的运行趟数；每次充电开始的时间点CTimes为车辆的到达时刻，充电结束的时间点CTimee为车辆下一趟的出发时刻；
公交车辆的电池容量Q和车辆平均单次运行的电池耗电量E计算过程具体包括以下步骤：
根据历史数据统计公交车辆每日总的充电量大小，结合公交车辆每日实际运行趟数的统计，总充电量除以每日运行趟数就得到公交车辆平均单次运行的电池耗电量E；
根据公交车辆充电结束的时间点CTimee的SOC值与每次充电开始的时间点CTimes的SOC值的差为每次充电的SOC变化量，对应的充电电量除以SOC变化量得到电池容量Q；
所述云端服务器控制公交车辆连接充电终端后，以分时电价为基础，全天总充电费用最低为目标，车辆预测运行计划为约束条件，进行实时优化计算得到每个时段车辆充电的调度目标SOC值，具体包括以下步骤：
(301)建立优化数学模型，具体包括以下步骤，
a)，设置参数：
对应每个充电时段，设置车辆充电量为Ec，设置车辆的起始SOC设为SOCs，结束SOC为SOCe；
设置车辆所能允许的最低SOC为SOCmin；
设置车辆所能允许的最高SOC为100％；
设置充电站的充电终端额定输出功率为P；
b)，为充电时段加上分时电价信息：
根据每次充电开始的时间点CTimes、充电结束的时间点CTimee的值查询分时电价表，得到充电时段对应的电价信息，对应第i个充电时段的电价为Pr icei，对应第i个时段的充电费用为Eci*Pr icei，i＝1，2…n，n为时段总数；
c)，建立优化目标方程
目标函数是车辆当天充电费用最小：
Figure FDA0002393367710000061
d)，建立优化约束方程
公交车辆第j次的充电后SOC值为SOCej与第j+1次的充电前SOC值为SOCsj+1满足以下约束：
Figure FDA0002393367710000062
Figure FDA0002393367710000063
...
Figure FDA0002393367710000064
...
Figure FDA0002393367710000065
其中，j＝1，2…N，SOCsj表示公交车辆第j次的充电前SOC值，SOCej代表公交车辆表示第j次的充电后SOC值，E代表车辆平均单次运行的耗电量；下标代表的是充电次数，
Figure FDA0002393367710000066
代表第一次充电前的值，SOCej代表第j次充电后的值；
公交车辆第j次的充电前SOC值为SOCsj与第j次的充电后SOC值SOCej车，满足以下约束：
Figure FDA0002393367710000071
Figure FDA0002393367710000072
...
Figure FDA0002393367710000073
...
Figure FDA0002393367710000074
其中
Figure FDA0002393367710000075
代表第j次充电的电量；
e)，建立变量约束
对于各个时段的充电量变量，不考虑车辆放电的情况得到：
Figure FDA0002393367710000076
且充电量不大于额定功率乘以最长充电时间：
Figure FDA0002393367710000077
综合式(4)和式(5)得：
Figure FDA0002393367710000078
对于各个时段的SOC变量，则有：
Figure FDA0002393367710000081
Figure FDA0002393367710000082
...
Figure FDA0002393367710000083
Figure FDA0002393367710000084
其中SOCmax默认为100％，SOCmin根据公交车辆的情况和用户要求设置；
(302)优化模型求解
所述优化数学模型为线性规划模型，基于所述优化数学模型，使用线性规划算法进行求解；
(303)将优化计算结果转换为充电调度指令
优化计算结果是一组与充电时段对应车辆的调度目标SOC值，封装为充电终端所能识别的充电调度指令；
充电终端接收到云端服务器下发的充电调度指令后，控制充电终端按照指令为车辆进行充电，使得公交车辆在各个时段的实际SOC值与调度目标SOC值相符；
充电终端在车辆达到当前时段的车辆的调度目标SOC值后暂停充电，直至当前时段的车辆的调度目标SOC值大于实际SOC值时，充电终端自动恢复充电；
在公交车辆的实际SOC值达到100％或者充电终端被拔出后，充电流程结束；否则每隔固定的时间间隔继续向云端服务器发起充电调度指令请求，以刷新充电调度指令。
CN201811619365.7A 2018-12-28 2018-12-28 一种分时电价的公交充电经济调度方法及系统 Active CN109615268B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811619365.7A CN109615268B (zh) 2018-12-28 2018-12-28 一种分时电价的公交充电经济调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811619365.7A CN109615268B (zh) 2018-12-28 2018-12-28 一种分时电价的公交充电经济调度方法及系统

Publications (2)

Publication Number Publication Date
CN109615268A CN109615268A (zh) 2019-04-12
CN109615268B true CN109615268B (zh) 2020-04-17

Family

ID=66012000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811619365.7A Active CN109615268B (zh) 2018-12-28 2018-12-28 一种分时电价的公交充电经济调度方法及系统

Country Status (1)

Country Link
CN (1) CN109615268B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110244968B (zh) * 2019-06-18 2021-06-29 深圳市小兔充充科技有限公司 充电站管理系统及方法
CN110533222B (zh) * 2019-07-29 2022-09-09 国网河南省电力公司经济技术研究院 基于峰平谷电价的电动汽车充电负荷预测方法及装置
CN110688743B (zh) * 2019-09-12 2023-04-07 南京蓝人电力科技有限公司 一种电动公交车充电站经济充电方法
CN111191802B (zh) * 2019-12-31 2023-07-18 上海钧正网络科技有限公司 车辆电池的更换方法、系统、终端及可读存储介质
CN111915176B (zh) * 2020-04-28 2022-08-09 同济大学 一种混合运营模式下纯电动公交车辆的排班方法及其系统
CN113673069B (zh) * 2020-05-14 2023-11-03 南京行者易智能交通科技有限公司 一种新能源公交车充电模型的设计方法、装置及移动端设备
CN111762051B (zh) * 2020-06-03 2022-09-02 国网上海市电力公司 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法
CN112510735B (zh) * 2020-09-24 2023-06-20 葛炽昌 电力调度系统及电力调度方法
CN112810484B (zh) * 2021-03-09 2022-08-19 上海鼎充新能源技术有限公司 一种公交充电场站基于云平台的公交车优先级充电方法
CN112906983B (zh) * 2021-03-22 2022-10-21 吉林大学 一种考虑分时电价影响的电动公交车充电方案优化方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104917248A (zh) * 2015-06-29 2015-09-16 中国电力科学研究院 电动公交车快速充电站的协调充电控制方法
CN108407633B (zh) * 2018-01-30 2019-11-05 西南交通大学 一种电动公交车充换电站优化运行方法
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

Also Published As

Publication number Publication date
CN109615268A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
CN109615268B (zh) 一种分时电价的公交充电经济调度方法及系统
US11087422B2 (en) Method and device for determining a configuration for deployment of a public transportation system
US11383611B2 (en) Control apparatus, and computer-readable storage medium
CN111915176B (zh) 一种混合运营模式下纯电动公交车辆的排班方法及其系统
Yuan et al. p^ 2charging: Proactive partial charging for electric taxi systems
US11124084B2 (en) Control apparatus, and computer-readable storage medium
CN109693659B (zh) 车辆和运算系统
US20220410750A1 (en) System and method for smart charging management of electric vehicle fleets
US11498450B2 (en) Forecast of electric vehicle state of charge and energy storage capacity
Tucker et al. Online charge scheduling for electric vehicles in autonomous mobility on demand fleets
CN111055716B (zh) 确定充电策略的方法及装置、存储介质与处理器
CN110688743B (zh) 一种电动公交车充电站经济充电方法
Lu et al. Joint optimal scheduling for a mixed bus fleet under micro driving conditions
Zhang et al. Stochastic modeling and analysis of public electric vehicle fleet charging station operations
Moradipari et al. Mobility-aware smart charging of electric bus fleets
US20200156496A1 (en) Method and system for power management of a fleet of electric vehicles
Lindgren Electrification of city bus traffic:-a simulation study based on data from Linköping
CN112736941A (zh) 一种基于移动储能电动汽车的可调度容量预测方法及装置
CN115577938A (zh) 一种电气化按需移动调度方法、装置及系统
Jayadharashini Driving the future-electric mobility a paradigm shift & its challenges
CN115130727A (zh) 一种新能源纯电公交车夜间充电调度方法
Zhang et al. Simulating charging processes of mobility-on-demand services at public infrastructure: Can operators complement each other?
Jawad et al. A novel renewable powered stand-alone electric vehicle parking-lot model
Dean Power trip: smart management of shared autonomous electric vehicle fleets
Brigatti Mobility patterns as a basis for integrating electric vehicles in ancillary services market

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