CN109636008B - 一种电动公交快充站服务费定价获取方法 - Google Patents
一种电动公交快充站服务费定价获取方法 Download PDFInfo
- Publication number
- CN109636008B CN109636008B CN201811385284.5A CN201811385284A CN109636008B CN 109636008 B CN109636008 B CN 109636008B CN 201811385284 A CN201811385284 A CN 201811385284A CN 109636008 B CN109636008 B CN 109636008B
- Authority
- CN
- China
- Prior art keywords
- charging
- cost
- electric bus
- electric
- constraint
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 241000287828 Gallus gallus Species 0.000 claims abstract description 33
- 230000005611 electricity Effects 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims description 17
- 244000144992 flock Species 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims description 2
- 235000013330 chicken meat Nutrition 0.000 description 28
- 238000005457 optimization Methods 0.000 description 15
- 230000002068 genetic effect Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种电动公交快充站服务费定价获取方法,该方法将采集的电动公交车原始参数数据导入鸡群算法中;设置充电服务费收取方案,构建双层规划模型;以运营商的运行年收益作为上层目标函数,设置成本约束,计算上层目标函数,得到初始充电服务费定价;利用鸡群算法进行寻优,将初始化后得到的各时段的充电服务费作为控制变量,以电动公交充电站日充电成本最小为目标函数,计算下层目标函数;根据下层目标函数的寻优结果获取电动公交车的充电方法,并反馈给上层;上层规划模型根据下层的反馈进行电价调整,获取双层规划模型全局最优快充站充电服务费定价。与现有技术相比,本发明具有保证运营商收益最大化、鲁棒性好等优点。
Description
技术领域
本发明涉及电动公交快充站服务技术领域,尤其是涉及一种电动公交快充站服务费定价获取方法。
背景技术
随着能源短缺和环境污染的问题日益严峻,电动汽车的发展已势不可挡。电动公交既能缓解交通压力又可以实现零排放,必将成为城市交通的主力军。与传统私家车不同,公交车具有固定行驶路线及发车计划,可通过集中管理优化充电负荷的时空分布。所以制定一个运营商与公交公司双方共赢的充电电价的收费模式与充电策略对电动公交车的发展有着重大的实际意义。
现有的收费模式存在以下问题:目前运营商普遍采用固定充电电价的收费模式,公交公司无需考虑电价机制对充电成本的影响,普遍采用即到即充的充电模式。为了减小充电负荷大规模接入对电网的影响,可通过充电电价的调节作用引导充电负荷的合理分布。目前我国充换电服务收费模式缺乏充足的理论依据,故亟需对收费模式进行研究,为相关决策者制定科学的收费政策提供参考。
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电动公交快充站服务费定价获取方法。
本发明的目的可以通过以下技术方案来实现:
一种电动公交快充站服务费定价获取方法,该方法包括以下步骤:
S1:采集电动公交车原始参数数据,并将其导入鸡群算法中。
S2:设置电动公交快充站充电服务费收取方案,构建双层规划模型。
电动公交快充站充电服务费决策方案包括:
方案一:使用分时服务费定价方案。在实施分时服务费后,以平时段的服务费为固定服务费。峰、谷时段服务费分别为:
S1=(1+k2)·S2
S3=(1+k3)·S2
方案二:使用全日固定充电服务费方案。
S1=S2=S3
其中:S1,S2,S3分别为峰平谷时段的分时服务费,k2为峰时段的服务费变化率,k3为谷时段的服务费变化率。
S3:对鸡群算法进行初始化赋值并对鸡群进行初始化。
S4:以运营商的运行年收益作为上层目标函数,设置成本约束,考虑电池残值收入,计算上层目标函数,得到初始充电服务费定价。
上层目标函数为:
I0pe=Isell-Ccon-Cbuy
其中,I0pe表示运营商的运行年收益,Isell表示运营商向公交公司收取的年售电收益,Cbuy为运营商向电力公司支付的年购电成本;Ccon为运营商投资建站的等年值费用。Isell的计算公式为:
其中:Pl为充电站第l时的耗电量。
Cbuy为运营商向电力公司支付的年购电成本,其数学计算公式为:
其中:Cl为某地区第l时的分时电价;Ccap为需量电费。
Ccon为运营商投资建站的等年值费用,其数学计算公式为:
Ccon=Cbui+Copm
其中:Cbui为一次建设成本,Copm为二次运营成本。
Cbui为一次建设成本,其数学计算公式为:
其中:Clsup为供电站系统设备购置的等年值费用,Clcha为充电系统设备购置的等年值费用,Clmon为监视系统设备购置的等年值费用,Clels为其他成本,r为贴现率,s为运营年限。
Copm为二次运营成本,其数学计算公式为:
Copm=C2wag+C2mai
其中:C2wag为人工成本,C2mai为设备维护费。
优选地,步骤S4的约束条件为:
Cgbus≥Cebus
其中:Cgbus为传统燃气车的使用成本,Cebus为纯电动公交车的使用成本。
Cgbus的数学计算公式为:
Cgbus=Cbuyg+Ccomg+Crig
其中:Cbuyg为购车成本、Ccomg为能耗费用、Crig为经营权使用费用。
Cebus的数学计算公式为:
Cebus=Cbuye+Cchae-Cres
其中:Cbuye为购车成本、Cchae为充电电费、Cres为电动公交残值收入。
S5:将初始化后得到的各时段的充电服务费作为控制变量,以电动公交充电站日充电成本最小为目标函数,同时考虑充电桩数量约束、充电站配电变压器容量约束、充电容量约束、快速充电连续性约束、公交运营模式约束和供需平衡等式约束,计算下层目标函数。
目标函数的表达式为:
其中,F为电动公交充电站日充电成本,Ca为某地区的分时电价,Sa为某地区的分时服务费,Pc为充电机的额定充电功率;Xnt表示第n辆电动公交在t时刻时的充电状态,“0”、“1”分别表示该电动公交为“未充电”、“充电”状态;△t表示电动公交的单位充电时间。
充电桩数量约束为:
其中:N为电动公交充电站电动公交的数量。
充电站配电变压器容量约束为:
其中,Pt为地区充电站的常规负荷,DN为变压器的额定功率,μ为变压器的额定功率因数,一般取0.95;β为变压器的负载率。取决于变压器的内部参数,考虑变压器的经济运行,在实际工作中,当设备容量和负荷已定的条件下,变压器可以在负载率为0.2~1的范围内使用。
充电容量约束为:
其中:an(n=1,2,3,4,···,N)为电动公交在T时段中的停靠次数,χnj为每辆公交车的进站时间段,ψnj为每辆公交车的出站时间段(1≤j≤αn,且1≤χnj,ψnj≤T),Bm(m=1,2,3,4,···,N)为电池总电量,SOCave为电动公交往返消耗的平均电量,SOCmin为电动公交的剩余电量百分比。
荷电状态连续性约束为:
快速充电连续性约束为:
(Yon,n(t-1)-Ton,n)(Xn,t-1-Xnt)≥0
其中:Yon,n(t-1)为第n辆电动公交已经连续充电时间;Ton,n为第n辆电动公交最小充电时间。
公交运营模式约束为:
Xnt=0,n=1,2,3,4,…,N(t∈{1,2,…χn1}∪{ψn2,…,χn2-1}∪…∪{ψnt,…,288})
供需平衡等式约束为:
S6:根据下层目标函数的寻优结果获取电动公交车的充电方法,包括电动公交车的日充电起始、终止时刻,并将其反馈给上层;
S7:上层规划模型根据下层的反馈进行电价调整,进而获取双层规划模型全局最优快充站充电服务费定价。
步骤S7利用鸡群算法进行迭代寻优,公鸡更新公式为:
其中:为第i只公鸡的在j维第k次迭代的位置值;randn(0,σ2)为一个随机数,并服从正态分布。
其中:g为随机选择的另一只公鸡,fg为第g只公鸡的适应度值。
母鸡更新公式为:
其中:g1、g2为[0,1]之间的某两个随机数,fg1、fg2分别为第i只母鸡的伙伴公鸡g1、g2的适应度值。
小鸡更新公式为:
其中:为该小鸡母亲的在j维第k次迭代的位置值;E为跟随系数,一般取值范围为(0,2)。
与现有技术相比,本发明具有以下优点:
(1)本发明根据电动公交车的运行数据,以成本和收益为目标建立了电动公交运行的双层规划模型,利用双层目标函数求解后,不仅保证运营商收益最大化,还明显降低公交公司的运营成本,实现运营商和公交公司的双赢;
(2)本发明利用鸡群算法进行寻优,鸡群优化算法可以多次跳出局部最优解,全局搜索能力较强,在寻优过程中鲁棒性较好;
(3)本发明提出的双层优化模型能反映相关利益者之间的博弈关系,该模型考虑了电动公交充电策略与价格之间的相关性,能有效平抑电动公交接入后的充电负荷波动。
附图说明
图1为实施例中一种电动公交快充站服务费定价获取方法的流程示意图;
图2为实施例中充电负荷曲线图;
图3为实施例中在不同充电情形下的充电负荷曲线图;
图4为实施例中采用粒子群算法、遗传算法、鸡群算法等三种算法的收敛曲线图。
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,本发明涉及一种电动公交快充站服务费定价获取方法,该方法包括下列步骤:
步骤一、采集电动公交车原始参数的数据,并导入到鸡群算法中。电动公交车原始参数的数据包括电动公交车的运行时间、运行路线等数据。电动公交车原始参数的数据来源于电动公交车公司。
本实施例运用鸡群算法,并结合双层规划得到最优方案。采集电动公交车原始参数的数据包括电动车的运行时间与运行路线等数据,并导入到鸡群算法中,运行数据如表1所示。
表1某公交快充站运营模式
步骤二、设置电动公交快充站充电服务费决策方案,将方案数据进行处理,导入到鸡群算法中。设置电动公交快充站充电服务费决策方案,包括两种方案,方案一使用分时服务费定价,方案二使用全日固定充电服务费方案。
设置电动公交快充站充电服务费决策方案,电价如表2所示。
表2 1-10kV电压等级分时电价参数
步骤三、对鸡群算法进行初始化赋值并对鸡群进行初始化。分别设置母鸡、公鸡、小鸡以个体的形式设置在平面坐标系下的坐标。个体的形式为每个电动公交车在平面坐标系下的位置坐标。
步骤四、以运营商的运行年收益作为上层目标函数,设置成本约束,并考虑到电池残值收入,计算上层目标函数,得到初始服务费定价。
以运营商的运行年收益作为上层目标函数,设置成本约束,并考虑到电池残值收入,计算上层目标函数,得到初始服务费定价方案。
目标函数为:
I0pe=Isell-Ccon-Cbuy
其中:I0pe表示运营商的运行年收益,Isell表示运营商向公交公司收取的年售电收益,其数学计算公式为:
式中,Pi为充电站第l时的耗电量。
Cbuy为运营商向电力公司支付的年购电成本;Ccon为运营商投资建站的等年值费用。运行成本分为运营商向电力公司支付的年购电成本和运营商投资建站的等年值费用成本两部分,运营商向电力公司支付的年购电成本数学计算公式分别为:
式中:Ci为某地区第l时的分时电价;Ccap为需量电费。
运营商投资建站的等年值费用成本包含一次建设成本Cbui以及二次运营成本Copm,其计算公式为:
Ccon=Cbui+Copm
式中:Cbui为一次建设成本,Copm为二次运营成本。一次建设成本Cbui主要包括:供电站系统设备购置的等年值费用Clsup、充电系统设备购置的等年值费用Clcha、监视系统设备购置的等年值费用Clmon以及其他成本Clels。一次建设成本Cbui的计算公式为:
式中:r为贴现率,s为运营年限。
二次运营成本Copm包括人工成本C2wag以及设备维护费C2mai,二次运营成本的计算公式为:
Copm=C2wag+C2mai
成本等数据如表3所示。
表3某快充站一次、二次建设投资成本
步骤五、将初始化后得到的各时段的充电服务费作为控制变量以电动公交充电站日充电成本最小为目标函数,同时考虑充电桩数量约束、充电站配电变压器容量约束、充电容量约束、快速充电连续性约束、公交运营模式约束、供需平衡等式约束,计算下层目标函数。
计算优化目标函数需要对个体进行不断更新,得到适应度即目标函数最大的个体。CSO算法中鸡群的层级关系由适应度值的好坏决定,适应度值最好一类的当作公鸡,优先获取食物;适应度值最差一类当作小鸡,获取食物能力最弱;其余看作母鸡。整个鸡群按照公鸡的数量分为若干个群组,每组由一个公鸡、一些母鸡和小鸡组成,其中伴侣关系和母子关系随机产生。不同组之间存在竞争关系,不同的鸡遵循不同的运动规律。
其中,公鸡位置更新公式如下:
其中:为第i只公鸡在j维第k次迭代的位置值;randn(0,σ2)为一个随机数,并服从正态分布;g为随机选择的另一只公鸡;fg为第g只公鸡的适应度值值。
母鸡位置更新公式如下:
其中:g1、g2为[0,1]之间的某两个随机数;fg1、fg2分别为第i只母鸡的伙伴公鸡g1、g2的适应度值。
小鸡位置更新公式如下:
其中:为该小鸡母亲的在j维第k次迭代的位置值;F为跟随系数,一般取值范围为(0,2)。
步骤六、根据下层目标函数的寻优结果得到电动公交车的充电策略,即电动公交车的日充电起始、终止时刻,并反馈给上层。
步骤七、上层规划模型再根据下层传递的信号调整电价方案并做出新的决策,从而实现上下层之间的迭代,进而求得双层规划模型全局最优方案。
上层规划模型再根据下层传递的信号调整电价方案并做出新的决策,从而实现上下层之间的迭代,进而求得双层规划模型全局最优方案。其中有序、无序优化结果如表4所示。
表4优化前后对比
服务费定价方案一使用分时服务费定价方案,方案二则使用全日固定充电服务费方案。在实施分时服务费后,以平时段的服务费为基准。利用双层优化模型求解最优服务费,优化结果如表5所示。
表5充电服务费求解结果
为验证鸡群优化算法的优越性,将其与遗传算法(GA,Genetic Algorithm)、粒子群算法(PSO,Particle Swarm Optimization)进行比较,比较结果如表6所示。
表6三种算法参数
利用双层规划模型根据输入信息得到从早晨7:00至未来24h内的充电需求,如图2实例充电负荷图,为优化得到有序充电负荷结果,并与无序充电方式下电动公交快充站的负荷曲线进行对比,如图3所示,可以发现:1)电动公交有序充电的日充电成本较无序充电方式降低了约24.77%,在经济性上较优化前有了明显改善。2)无序充电策略由于充电负荷集中在了9:00-20:00时段而不是电价低谷时段,增大了负荷峰谷差,达到了498kW,充电负荷波动大且负荷峰值可能会超出变压器最大容量限制。有序充电将充电负荷集中到了夜间电价低谷时段,充电负荷峰谷差较无序充电方式降低了138kW,在削峰的同时平抑了充电负荷的波动。
对比上述方案,就公交公司而言,方案一谷时段服务费相对方案二抬高了0.09元,但平、峰服务费分别降低了0.20、0.29元,故对公交公司而言更易于接受方案一。在实行电价引导方案后由于谷时段充电价格较低,公交公司会选择在谷时段进行充电,如表4所示,其日充电成本为1814元,降低了运行成本。就运营商而言,方案一中运营商通过抬高充电负荷体量大的谷时段充电服务费来增加日运营收入,如表5所示,方案一运营商日收入较方案二提高了15.32%,较现行方案提高了42.89%,实现其收益最大化。
三种算法的收敛特性曲线如图4所示。从图4中可看出,CSO算法(Chicken SwarmOptimization,鸡群算法)具有更好的收敛特性。粒子群算法收敛最快,但易陷入局部最优,无法适用于多变量非线性的复杂优化模型;遗传算法因交叉和变异随机找寻下个最优解,故寻优过程中可能会需要更多的迭代次数,效率较低,且易陷入早熟收敛;鸡群优化算法可以多次跳出局部最优解,全局搜索能力较强,在寻优过程中鲁棒性较好。
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 (1)
1.一种电动公交快充站服务费定价获取方法,其特征在于,该方法包括以下步骤:
1)采集电动公交车原始参数数据,并将其导入鸡群算法中;
2)设置电动公交快充站充电服务费收取方法,构建双层规划模型;
3)对鸡群算法进行初始化赋值并对鸡群进行初始化;
4)以运营商的运行年收益作为上层目标函数,设置成本约束,考虑电池残值收入,计算上层目标函数,得到初始充电服务费定价;
上层目标函数为:
I0pe=Isell-Ccon-Cbuy
其中,I0pe表示运营商的运行年收益,Isell表示运营商向公交公司收取的年售电收益,Cbuy为运营商向电力公司支付的年购电成本;Ccon为运营商投资建站的等年值费用;Isell的计算公式为:
其中:Pl为充电站第l时的耗电量;
Cbuy为运营商向电力公司支付的年购电成本,其数学计算公式为:
其中:Cl为某地区第l时的分时电价;Ccap为需量电费;
Ccon为运营商投资建站的等年值费用,其数学计算公式为:
Ccon=Cbui+Copm
其中:Cbui为一次建设成本,Copm为二次运营成本;
Cbui为一次建设成本,其数学计算公式为:
其中:Clsup为供电站系统设备购置的等年值费用,Clcha为充电系统设备购置的等年值费用,Clmon为监视系统设备购置的等年值费用,Clels为其他成本,r为贴现率,s为运营年限;
Copm为二次运营成本,其数学计算公式为:
Copm=C2wag+C2mai
其中:C2wag为人工成本,C2mai为设备维护费;
约束条件为:
Cgbus≥Cebus
其中:Cgbus为传统燃气车的使用成本,Cebus为纯电动公交车的使用成本;
Cgbus的数学计算公式为:
Cgbus=Cbuyg+Ccomg+Crig
其中:Cbuyg为购车成本、Ccomg为能耗费用、Crig为经营权使用费用;
Cebus的数学计算公式为:
Cebus=Cbuye+Cchae-Cres
其中:Cbuye为购车成本、Cchae为充电电费、Cres为电动公交残值收入;
5)将初始化后得到的各时段的充电服务费作为控制变量,以电动公交充电站日充电成本最小为目标函数,同时考虑充电桩数量约束、充电站配电变压器容量约束、充电容量约束、快速充电连续性约束、公交运营模式约束和供需平衡等式约束,计算下层目标函数;
目标函数的表达式为:
其中,F为电动公交充电站日充电成本,Ca为某地区的分时电价,sa为某地区的分时服务费,Pc为充电机的额定充电功率;Xnt表示第n辆电动公交在t时刻时的充电状态,“0”、“1”分别表示该电动公交为“未充电”、“充电”状态;△t表示电动公交的单位充电时间;
充电桩数量约束为:
其中:N为电动公交充电站电动公交的数量;
充电站配电变压器容量约束为:
其中,Pt为地区充电站的常规负荷,DN为变压器的额定功率,μ为变压器的额定功率因数;β为变压器的负载率;
充电容量约束为:
其中:an(n=1,2,3,4,···,N)为电动公交在T时段中的停靠次数,χnj为每辆公交车的进站时间段,ψnj为每辆公交车的出站时间段(1≤j≤αn,且1≤χnj,ψnj≤T),Bm(m=1,2,3,4,···,N)为电池总电量,SOCave为电动公交往返消耗的平均电量,SOCmin为电动公交的剩余电量百分比;
荷电状态连续性约束为:
快速充电连续性约束为:
(Yon,n(t-1)-Ton,n)(Xn,t-1-Xnt)≥0
其中:Yon,n(t-1)为第n辆电动公交已经连续充电时间;Ton,n为第n辆电动公交最小充电时间;
公交运营模式约束为:
Xnt=0,n=1,2,3,4,…,N(t∈{1,2,…χn1}∪{ψn2,…,χn2-1}∪…∪{ψnt,…,288})
供需平衡等式约束为:
6)根据下层目标函数的寻优结果获取电动公交车的充电方法,包括电动公交车的日充电起始、终止时刻,并将其反馈给上层;
7)上层规划模型根据下层的反馈进行电价调整,进而获取双层规划模型全局最优快充站充电服务费定价;
通过充电电价的调节作用引导充电负荷的合理分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811385284.5A CN109636008B (zh) | 2018-11-20 | 2018-11-20 | 一种电动公交快充站服务费定价获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811385284.5A CN109636008B (zh) | 2018-11-20 | 2018-11-20 | 一种电动公交快充站服务费定价获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109636008A CN109636008A (zh) | 2019-04-16 |
CN109636008B true CN109636008B (zh) | 2023-08-29 |
Family
ID=66068666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811385284.5A Active CN109636008B (zh) | 2018-11-20 | 2018-11-20 | 一种电动公交快充站服务费定价获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636008B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110569589B (zh) * | 2019-08-30 | 2021-05-11 | 西南交通大学 | 过道布置方法 |
CN110851769B (zh) * | 2019-11-25 | 2020-07-24 | 东南大学 | 一种基于网络承载力的电动公交网络可靠性评价方法 |
CN111126712B (zh) * | 2019-12-30 | 2023-09-01 | 长安大学 | 一种面向通勤廊道的停车充电换乘系统规划方法 |
CN112564145A (zh) * | 2020-10-30 | 2021-03-26 | 国网浙江省电力有限公司杭州供电公司 | 一种基于v2g技术的双向充放电控制方法 |
CN113222241B (zh) * | 2021-05-08 | 2022-04-01 | 天津大学 | 考虑充电服务引导与客户需求的出租车快充电站规划方法 |
CN113919966A (zh) * | 2021-07-15 | 2022-01-11 | 南京理工大学 | 一种基于双层规划的电动公交快充站经济性充电方法 |
CN113725857A (zh) * | 2021-09-03 | 2021-11-30 | 广东电网有限责任公司广州供电局 | 一种计及电动汽车换电站优化充电的协调控制方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651059A (zh) * | 2017-01-13 | 2017-05-10 | 国网山西省电力公司 | 一种电动汽车充电站优化配置的方法 |
CN107239847A (zh) * | 2017-04-12 | 2017-10-10 | 广州供电局有限公司 | 一种主动配电网储能系统动态规划方法 |
-
2018
- 2018-11-20 CN CN201811385284.5A patent/CN109636008B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651059A (zh) * | 2017-01-13 | 2017-05-10 | 国网山西省电力公司 | 一种电动汽车充电站优化配置的方法 |
CN107239847A (zh) * | 2017-04-12 | 2017-10-10 | 广州供电局有限公司 | 一种主动配电网储能系统动态规划方法 |
Non-Patent Citations (1)
Title |
---|
"兼顾不同角色利益的集中型充电站优化布局";徐方维 等;《高电压技术》;第43卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109636008A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109636008B (zh) | 一种电动公交快充站服务费定价获取方法 | |
CN106951978B (zh) | 一种基于改进K-means算法的城市集中型充电站规划方法 | |
CN112467722B (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
CN110112767B (zh) | 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法 | |
Solanke et al. | Control and management of a multilevel electric vehicles infrastructure integrated with distributed resources: A comprehensive review | |
CN108460487A (zh) | 基于apso算法的电动汽车快速充电站优化选址定容方法 | |
Kumar et al. | A review on integration of electric vehicles into a smart power grid and vehicle-to-grid impacts | |
CN111030188A (zh) | 一种含分布式和储能的分层分级控制策略 | |
CN110598904B (zh) | 市场环境下考虑可再生能源消纳的车网能量交互优化方法 | |
CN112183882B (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
CN113869678B (zh) | 一种共享储能模式下电动汽车充电系统容量规划方法 | |
CN116645124B (zh) | 一种考虑用户有限理性和市场监管的充电站动态定价方法 | |
CN110739690A (zh) | 考虑电动汽车快充站储能设施的配电网优化调度方法及系统 | |
CN113902182A (zh) | 考虑能耗不确定性的电动公交车队鲁棒充电优化方法 | |
Reddy et al. | A novel on energy management strategy with maximum exploitation of renewables and EV storage in distribution networks | |
CN114069700A (zh) | 一种基于能源互联网的区域综合能源调度控制系统 | |
CN110059869B (zh) | 一种基于交通流量的充电站与配电网协调规划方法 | |
CN112085363B (zh) | 一种储能和电动汽车集群协同调度的需求响应方法 | |
He et al. | Electric vehicle charging station planning based on multiple-population hybrid genetic algorithm | |
CN117013552A (zh) | 一种电力交通耦合网协同运行策略 | |
Bai et al. | Multi-objective planning for electric vehicle charging stations considering TOU price | |
CN112270432B (zh) | 一种考虑多主体利益均衡的综合能源系统的能量管理方法 | |
CN111882137B (zh) | 计及天然气管网压力能消纳的充电设施优化规划方法 | |
CN110311378A (zh) | 分布式能源和用户群体交直流配用电系统自治运行方法 | |
Wang et al. | The Coordinated Charging Pricing Approach for Charging Stations with Multi-Agent Deep Reinforcement Learning |
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 |