CN109910671B - 基于智能充电桩的电动汽车v2g控制方法 - Google Patents

Abstract

基于智能充电桩的电动汽车V2G控制方法，包括以下步骤：通过用户用电信息采集系统，获取当前控制区域的历史负荷数据信息，预测当日区域的常规用电负荷，并生成负荷曲线；根据生成的负荷曲线，进行峰谷时段划分；计算各子时段的负荷裕度：充电桩通过电池管理系统得到接入电动汽车的电池信息，由用户界面得到用户的充电需求等相关信息，确定用户接入时刻a_i、用户离去时刻L_i和充电时长T_ev,i；为保证电动汽车电池的健康，则电池的荷电状态有上下限，整个充放电过程在这区间之内进行；根据用户接入时刻a_i处于峰或谷时段对车群进行分组。本发明控制方法流程不用集中式控制中心进行实时通信与控制，减少了通信负担与控制难度。

Description

基于智能充电桩的电动汽车V2G控制方法

技术领域

本发明涉及智能电网技术领域，具体是一种基于智能充电桩的电动汽车V2G控制方法。

背景技术

近年来，能源危机和环境问题受到越来越广泛的关注。而由于电池技术的成熟、成本的下降以及其本身的环保特性，以电动汽车为核心的交通电气化正迅猛发展。然而，当电动汽车大量接入电网时，作为新型负荷，其用电具有时间和空间上的双重不确定性，若不加以调控，必会导致配电系统的负荷曲线出现峰峰叠加的现象，进一步加大峰谷差，严重影响供电的稳定性。

智能电网技术的蓬勃发展为较好地解决大量电动汽车入网问题指明了方向。基于用户的负荷需求，采用恰当的控制策略，在满足用户需求的前提下，根据电网系统负荷相应地增加或减少负荷，实现供电的稳定性。实行分时电价是目前受到最广泛认可的电动汽车V2G控制方法之一。其主要内容是提高系统负荷高峰时电价，同时降低系统负荷低谷时电价。以电价经济手段鼓励用户低谷充电，高峰放电，起到削峰填谷的目的。

现有技术中，基于分时电价的电动汽车有序充放电控制策略，大多依赖于复杂的集中式通信控制系统，但考虑到个体用户分布广泛、负荷容量小以及充放电行为具有一定的随机性，电网直接控制成本高，充电和控制信息也很难及时交互。若电动汽车身负双向电力电子变换器，当大量电动汽车接入电网后，在有效的电动汽车V2G控制方法下，使其能在系统负荷低谷时充电，而在系统负荷高峰时将电能反送给电力系统，即电动汽车到电网的技术，由此可实现削峰填谷，同时也可保证系统供电的稳定性。

发明内容

本发明提供一种基于智能充电桩的电动汽车V2G控制方法，与一般控制方法相比，该方法能根据当前控制区域的电价与负荷信息及用户信息，由各智能充电桩自己制定相应的电动汽车V2G控制方法，独立地完成充放电任务。整个控制方法流程不用集中式控制中心进行实时通信与控制，减少了通信负担与控制难度。

本发明采取的技术方案为：

基于智能充电桩的电动汽车V2G控制方法，包括以下步骤：

步骤一：通过用户用电信息采集系统，该系统能够实现从电网获取当前控制区域的数据，并对数据进行相应的处理，获取当前控制区域的历史负荷数据信息，预测当日区域的常规用电负荷，并生成负荷曲线；

步骤二包括：

步骤S21：根据步骤S1中生成的负荷曲线，进行峰谷时段划分；

谷时段划分：设谷时段的开始时刻，结束时刻分别为t_g,s、t_g,e，将该谷时段划分为N个长度相等的子时段；

峰时段划分：设峰时段的开始时刻，结束时刻分别为t_p,s、t_p,e，将该峰时段划分为N个长度相等的子时段。

步骤S22：计算各子时段的负荷裕度：

谷时段第j个子时段的负荷裕度计算公式为：

其中：c_g,j是负荷裕度；p(t)是谷时段时刻t的负荷；p₀是谷时段中负荷的最大功率。

峰时段第q个子时段的负荷裕度计算公式为：

其中：c_p,q是负荷裕度；p(t)是峰时段时刻t的负荷；p₁是峰时段中负荷的最小功率。

步骤三：各充电桩通过电池管理系统得到接入电动汽车的电池信息，由用户界面得到用户的充电需求等相关信息，再结合充放电策略参数表，确定用户可能的开始充电时刻的集合和可能的开始放电时刻的集合，接着计算充电时间和放电时间的概率分布，最后分别按照起充概率和起放概率来确定用户的起充时刻和起放时刻。

步骤四：当原接入充电桩的电动汽车离开，新电动汽车接入时，回到步骤三，进行新一轮的策略制定。

步骤三包括：

S31：充电桩通过电池管理系统，该系统能够接收接入电动汽车的电池信息，包括电池种类、电池荷电状态等，得到接入电动汽车的电池信息，由用户界面得到用户的充电需求等相关信息，确定用户接入时刻a_i、用户离去时刻L_i和充电时长T_ev,i，

其中：S_ned,i是用户i的电池需求荷电状态；S_ini,i是用户i的电池初始荷电状态；W_i是用户i的电池容量；P_c,i是用户i的充电功率；η_c,i是用户i的充电效率。

S32：为保证电动汽车电池的健康，则电池的荷电状态有上下限，整个充放电过程在这区间之内进行：

S_min≤S_i≤S_max；

其中：S_min是电池的荷电状态的最小值；S_max是电池的荷电状态的最大值。

S33：根据用户接入时刻a_i处于峰或谷时段对车群进行分组。

所述步骤33包括以下步骤：

S331：若用户接入时刻a_i处于谷时段，则依循尽量聚集在谷时段负荷裕度最大的时刻，进行充电且不放电的原则：

情况①：若用户需要的充电时间不长，用户只需在谷时段充电，即其充电时长小于用户离去时刻(或谷时段结束时刻)与用户接入时刻的差值，则智能充电桩为其制定的策略为：根据用户充电时间确定用户在谷时段可能的起充时刻的集合Q_ev,s{q₁,q₂,q₃......q_n}，最后按照起充概率来选择用户的起充时刻。

用户在谷时段充电的时长需大于用户所需的总充电时长，则确定集合Q_ev,s{q₁,q₂,q₃......q_n}的详细过程为：

在T_ev,i≤H_i-a_i的前提下：

H_i-T_ev,i≥q_m≥a_i

其中：T_ev,i是用户充电时长；t_g,e是谷时段的结束时刻；a_i是用户接入时刻；q_m是集合Q_ev,s中的某个值；H_i＝min{L_i,t_g,e}。

将谷时段的负荷裕度转化为起充概率，则确定起充概率的详细过程为：

其中：j∈Q_ev,s，Q_ev,s是用户在谷时段可能的起充时刻的集合；k是集合Q_ev,s中的某个值；G_i,j是用户i在第j时刻的起充概率；C_g,j是谷时段第j个子时段的负荷裕度；C_g,k是谷时段第k个子时段的负荷裕度。

尽量使谷时段负荷裕度高的的子时段作为起充时刻的概率高，则按照起充概率来选择用户的起充时刻的详细过程为:

当满足下式时，q_m才作为用户的起充时刻，规定且q₀＝0：

其中：m＝1,2,3...n，Q_ev,s是用户在谷时段可能的起充时刻的集合；q_m、q_m-1是集合Q_ev,s中的某个值；RN是0-1的随机数；G_i,j是用户i在第j时刻的起充概率。

情况②：若用户需要的充电时间比较长，用户仅靠在谷时段充电已经不能满足需求，必须在峰时段充电，但在峰时段的充电起始时刻可以选择。即充电时长介于用户离去时刻与接入时刻的差值和谷时段结束时刻与用户离去时刻的差值，则智能充电桩为其制定的策略为：用户立即充电至t_g,e，然后根据剩余充电时间确定用户在峰时段可能的起充时刻的集合Q_ev,s{q₁,q₂,q₃......q_n}，最后按照起充概率来选择用户的起充时刻。

用户在峰时段充电的时长与在谷时段充电的时长之和需大于用户所需的总充电时长，则确定集合Q_ev,s{q₁,q₂,q₃......q_n}的详细过程为：

在L_i-a_i≥T_ev,i≥t_g,e-a_i的前提下：

(L_i-q_m)+(t_g,e-a_i)>T_ev,i

其中：T_ev,i是用户充电时长；t_g,e是谷时段的结束时刻；L_i是用户离去时刻；a_i是用户接入时刻；q_m是集合Q_ev,s中的某个值即q_m∈Q_ev,s。

将峰时段的负荷裕度转化为起充概率，则确定起充概率的详细过程为：

其中：j∈Q_ev,s，Q_ev,s是用户在谷时段可能的起充时刻的集合；F_i,j是用户i在第j时刻的起充概率；C_p,j是峰时段第j个子时段的负荷裕度；C_p,k峰时段第k个子时段的负荷裕度；k是集合Q_ev,s中的某个值。

尽量使峰时段负荷裕度高的的子时段作为起充时刻的概率低，则按照起充概率来选择用户的起充时刻的详细过程为:

当满足下式时，q_m才作为用户的起充时刻，规定且q₀＝0：

其中:m＝1,2,3...n，q_m∈Q_ev,s，Q_ev,s是用户在谷时段可能的起充时刻的集合；RN是0-1的随机数。q_m、q_m-1是集合Q_ev,s中的某个值；RN是0-1的随机数；F_i,j是用户i在第j时刻(峰时段)的起充概率。

情况③：若用户需要的充电时间很长直至离去时，都不能达到用户所需的充电时间。即充电时长大于用户离去时刻与接入时刻的差值，则智能充电桩为其制定的策略为：用户立即充电至离去时刻，即用户的起充时刻q_m为接入时刻a_i。其中情况三的详细过程为：

q_m＝a_i(T_ev,i≥L_i-a_i)

所述步骤33包括以下步骤：

S332：若用户接入时刻a_i处于峰时段，则依循尽量聚集在谷时段负荷裕度大的时刻进行充电且在峰时段负荷裕度大的时段放电的原则：

情况①：若用户制定的离去时刻比较迟、需要的充电时间不长，用户可以在谷时段充电，且用户仅靠在谷时段充电已经能满足需求。即离去时刻晚于峰时段的结束时刻、充电时长小于用户离去时刻与谷时段开始时刻的差值。则智能充电桩为其制定的策略为：①在满足用户需求的前提下，计算用户可提供的放电时长，确定其在峰时段可能的放电起始时刻的集合D_ev,s{d₁,d₂,d₃......d_n}，按照起放概率来选择用户的起放时刻。②基于放电后用户所需的充电时间确定用户在谷时段可能的起充时刻的集合Q_ev,s{q₁,q₂,q₃......q_n}，按照起充概率来选择用户的起充时刻。

要求用户放完电后，能在离去前达到用户的充电需求，则确定集合D_ev,s{d₁,d₂,d₃......d_n}的详细过程为：

在L_i>t_p,e、T_ev,i≤L_i-t_g,s的前提下，

Z_i＝t_p,e-a_i

TD_i＝min{X_i,Y_i,Z_i}

a_i≤d_m≤t_p,e-TD_i

其中：m＝1,2,3...n，d_m∈D_ev,s。X_i是用户在满足需求的前提下，所能提供的放电时间；Y_i是用户将电放至最低限度所耗费的时间；Z_i是峰时段的结束时刻距离用户接入时刻的时间；S_ned,i是用户i的电池需求荷电状态；S_ini,i是用户i的电池初始荷电状态；W_i是用户i的电池容量；P_c,i是用户i的充电功率；P_d,i是用户i的放电功率；η_c,i是用户i的充电效率；η_d,i是用户i的放电效率。

将峰谷的负荷裕度转化为起放概率，则确定起放概率的详细过程为：

其中：j∈D_ev,s，D_ev,s是用户可能的放电起始时刻的集合；FD_i,j是用户i在第j时刻的起放概率；C_p,j是峰时段第j个子时段的负荷裕度。

尽量使峰时段负荷裕度高的的子时段作为起放时刻的概率高，则按照起放概率来选择用户的起放时刻的详细过程为:

当满足下式时，d_m才作为用户的起放时刻，规定且d₀＝0；

其中：m＝1,2,3...n，d_m∈D_ev,s，D_ev,s是用户可能的放电起始时刻的集合；d_m、d_m-1是集合D_ev,s中的某个值；RN是0-1的随机数；FD_i,j是用户i在第j时刻(峰时段)的起放概率。放电后，确定用户的新充电时长：

其中：T_ev,i'是用户用户的新充电时长；S_ini,i是用户i放电前电池的初始荷电状态；S'_ini,i用户i放电后电池的荷电状态；S_ned,i是用户i的电池需求荷电状态；TD_i＝min{X_i,Y_i,Z_i}；W_i是用户i的电池容量；P_c,i是用户i的充电功率；P_d,i是用户i的放电功率；η_c,i是用户i的充电效率；η_d,i是用户i的放电效率。

用户在谷时段充电的时长需大于用户新充电时长，则确定集合Q_ev,s{q₁,q₂,q₃......q_n}的详细过程为：

L_i-q_m≥T'_ev,i；

其中：q_m∈Q_ev,s。

将谷时段的负荷裕度转化为起充概率，则确定起充概率的详细过程为：

其中：j∈Q_ev,s，G_i,j是用户i在第j时刻的起充概率；C_g,j是谷时段第j个子时段的负荷裕度。

尽量使谷时段负荷裕度高的的子时段作为起充时刻的概率高，则按照起充概率来选择用户的起充时刻的详细过程为:

当满足下式时，q_m才作为用户的起充时刻，规定且q₀＝0：

其中：q_m∈Q_ev,s，RN是0-1的随机数。

情况②：若用户制定的离去时刻比较迟,需要的充电时间较长，用户可在谷时段充电，但仅靠在谷时段充电不能满足需求，必须选择在峰时段充电。即用户离去时刻晚于峰时段的结束时刻、充电时长介于用户离去时刻与谷时段开始时刻的差值和用户离去时刻与接入时刻的差值。则智能充电桩为其制定的策略为：用户在满足尽量在谷时段充电的前提下，根据剩余充电时间确定用户在峰时段可能的起充时刻的集合Q_ev,s{q₁,q₂,q₃......q_n}，最后按照起充概率来选择用户在峰时段的起充时刻。

用户在峰时段充电的时长与在谷时段充电的时长之和需大于用户所需的总充电时长，则确定集合Q_ev,s{q₁,q₂,q₃......q_n}的详细过程为：

在L_i>t_p,e、L_i-a_i≥T_ev,i≥L_i-t_p,e的前提下：

(L_i-q_m)>T_ev,i

其中：T_ev,i是用户充电时长；t_p,e是峰时段的结束时刻；L_i是用户离去时刻；a_i是用户接入时刻；q_m是集合Q_ev,s中的某个值即q_m∈Q_ev,s。

将峰时段的负荷裕度转化为起充概率，则确定起充概率的详细过程为：

其中：j∈Q_ev,s，F_i,j是用户i在第j时刻的起充概率；C_p,j是峰时段第j个子时段的负荷裕度。

尽量使峰时段负荷裕度高的的子时段作为起充时刻的概率低，则按照起充概率来选择用户的起充时刻的详细过程为:

当满足下式时，q_m才作为用户的起充时刻(规定且q₀＝0)

其中：q_m∈Q_ev,s，RN是0-1的随机数。

情况③：若用户制定的离去时刻比较早、充电时间较短，用户只能在峰时段充电，但在峰时段的起充时刻可以选择。即离去时刻早于峰时段的结束时刻，充电时间小于用户离去时刻与接入时刻的差值。则智能充电桩为其制定的策略为：用户尽量选择负荷裕度低的时段作为起充时刻，根据所需充电时间确定用户在峰时段可能的起充时刻的集合Q_ev,s{q₁,q₂,q₃......q_n}，最后按照起充概率来选择用户在峰时段的起充时刻。

用户在峰时段充电的时长与在谷时段充电的时长之和需大于用户所需的总充电时长，则确定集合Q_ev,s{q₁,q₂,q₃......q_n}的详细过程为：

在t_p,e≥L_i≥(T_ev,i+a_i)的前提下，

(L_i-q_m)>T_ev,i

其中：T_ev,i是用户充电时长；t_p,e是峰时段的结束时刻；L_i是用户离去时刻；a_i是用户接入时刻；q_m是集合Q_ev,s中的某个值即q_m∈Q_ev,s。

按照起充概率来选择用户在峰时段的起充时刻如情况②；

情况④：若用户需要的充电时间很长，直至离去时，都不能达到用户所需的充电时间即充电时长大于用户离去时刻与接入时刻的差值。则智能充电桩为其制定的策略为：用户立即充电至离去时刻，即用户的起充时刻q_i为接入时刻a_i。

本发明一种基于智能充电桩的电动汽车V2G控制方法，技术效果如下：

1：本发明方法能根据当前控制区域的电价与负荷信息及用户信息，由各智能充电桩自己制定相应的电动汽车V2G控制，独立地完成充放电任务。整个流程不用集中式控制中心进行实时通信与控制，减少了通信负担与控制难度。

2：本发明方法能够有效引导分散的电动汽车用户进行有序的充放电，达到均衡利用各时段电力资源的目的。

附图说明

下面结合附图和实施例对本发明作进一步说明：

图1为本发明的步骤流程图。

图2(1)是当用户接入时刻a_i处于谷时段，情况①智能充电桩制定的策略的基本控制原理图；

图2(2)是当用户接入时刻a_i处于谷时段，情况②智能充电桩制定的策略的基本控制原理图；

图2(3)是当用户接入时刻a_i处于峰时段，情况③智能充电桩制定的策略的基本控制原理图。

图3(1)是当用户接入时刻a_i处于峰时段，情况①智能充电桩制定的策略的基本控制原理图；

图3(2)是当用户接入时刻a_i处于峰时段，情况②智能充电桩制定的策略的基本控制原理图；

图3(3)是当用户接入时刻a_i处于峰时段，情况③智能充电桩制定的策略的基本控制原理图。

图3(4)是当用户接入时刻a_i处于峰时段，情况④智能充电桩制定的策略的基本控制原理图。

图4是智能充电桩策略制定的具体控制流程图。

图5是通过本发明方法具体实施例的仿真结果图。

具体实施方式

基于智能充电桩的电动汽车V2G控制方法，包括以下步骤：

步骤S1：收集当前控制区域的历史负荷信息，预测当日负荷曲线；

步骤S2：计算各时段负荷裕度；

步骤S3：提出由智能充电桩独立制定电动汽车V2G控制方法的方法。

本发明的基于智能充电桩的电动汽车V2G控制方法时，智能充电桩可直接参与对用户充放电行为的调控，快速实现削峰填谷，提高系统供电的稳定性。针对不同情况的用户，智能充电桩制定的策略基本控制原理见图2(1)～图2(3)(用户接入时刻a_i处于谷时段)、图3(1)～图3(4)(用户接入时刻a_i处于峰时段)，其中具体的控制流程图如图4所示，可以分为以下四个步骤：

步骤1：居民用电信息采集系统从配电网收集当前控制区域的历史负荷信息，预测当日负荷曲线；

步骤2：根据负荷曲线，生成充放电策略参数表，下发给各个充电桩。表的计算方法如下：

1.根据步骤1生成的负荷曲线进行峰谷时段划分。

谷时段划分，设谷时段的开始时刻，结束时刻分别为t_g,s、t_g,e。将该谷时段划分为N个长度相等的子时段。

峰时段划分，设峰时段的开始时刻，结束时刻分别为t_p,s、t_p,e。将该峰时段划分为N个长度相等的子时段。

2.计算各子时段的负荷裕度。

谷时段第j个子时段的负荷裕度计算公式为：

其中c_g,j是负荷裕度；p(t)是谷时段时刻t的负荷；p₀是谷时段中负荷的最大功率。

峰时段第q个子时段的负荷裕度计算公式为：

其中c_p,q是负荷裕度；p(t)是峰时段时刻t的负荷；p₁是峰时段中负荷的最小功率。

步骤3：各充电桩通过电池管理系统得到接入电动汽车的电池信息，由用户界面得到用户的充电需求等相关信息，再结合充放电策略参数表，确定用户可能的开始充电时刻的集合和可能的开始放电时刻的集合，接着计算充电时间和放电时间的概率分布，最后分别按照起充概率和起放概率来确定用户的起充时刻和起放时刻。

步骤4：当原接入充电桩的电动汽车离开，新电动汽车接入时，回到步骤3，进行新一轮的策略制定。

为了验证本方案的有效性，以某居民区为例：

居民区在12:00和19:00左右会出现两个用电高峰，其峰谷时段划分如图3(1)～图3(4)所示。考虑到居民区大多为家用电动汽车，而家用电动汽车大多以慢充为主，因此可视为恒功率充电，设为10KW，为简便起见充放电效率均为1。

峰时段的最小负荷值约为2500KW，谷时段的最大负荷值约为2200KW，因此各子时段的负荷裕度的计算方法如下：

谷时段第j个子时段的负荷裕度计算公式为：

峰时段第q个子时段的负荷裕度计算公式为：

本发明使用蒙特卡洛方法随机产生电动汽车接入数据，包括用户接入时刻a_i、用户离去时刻L_i，用户i的电池初始荷电状态S_ini,i，设S_ned,i＝1，接入电动汽车为100辆。通过仿真得出该居民区的负荷曲线。仿真结果见图5。由仿真结果可以看出，该策略能有效地将大量充电负荷移至谷时段，放电移至峰时段，并根据各时段常规负荷波动的大小控制转移负荷的多少。负荷整体曲线趋于平缓，达到了削峰填谷的目的。

综上所述，本发明提出的基于智能充电桩的电动汽车V2G控制方法在满足用户充电需求的前提下，由各智能充电桩自己制定相应的电动汽车V2G控制方法，独立地完成充放电任务。整个流程不用集中式控制中心进行实时通信与控制，减少了通信负担与控制难度。

Claims (2)

1.基于智能充电桩的电动汽车V2G控制方法，其特征在于包括以下步骤：

步骤一：通过用户用电信息采集系统，获取当前控制区域的历史负荷数据信息，预测当日区域的常规用电负荷，并生成负荷曲线；

步骤二包括：

步骤S21：根据步骤S1中生成的负荷曲线，进行峰谷时段划分；

谷时段划分：设谷时段的开始时刻，结束时刻分别为t_g,s、t_g,e，将该谷时段划分为N个长度相等的子时段；

峰时段划分：设峰时段的开始时刻，结束时刻分别为t_p,s、t_p,e，将该峰时段划分为N个长度相等的子时段；

步骤S22：计算各子时段的负荷裕度：

谷时段第j个子时段的负荷裕度计算公式为：

其中：c_g,j是负荷裕度；p(t)是谷时段时刻t的负荷；p₀是谷时段中负荷的最大功率；

峰时段第q个子时段的负荷裕度计算公式为：

其中：c_p,q是负荷裕度；p(t)是峰时段时刻t的负荷；p₁是峰时段中负荷的最小功率；

步骤三：各充电桩通过电池管理系统得到接入电动汽车的电池信息，由用户界面得到用户的充电需求相关信息，再结合充放电策略参数表，确定用户可能的开始充电时刻的集合和可能的开始放电时刻的集合，接着计算充电时间和放电时间的概率分布，最后分别按照起充概率和起放概率来确定用户的起充时刻和起放时刻；

步骤四：当原接入充电桩的电动汽车离开，新电动汽车接入时，回到步骤三，进行新一轮的策略制定；

步骤三包括：

S31：充电桩通过电池管理系统得到接入电动汽车的电池信息，由用户界面得到用户的充电需求相关信息，确定用户接入时刻a_i、用户离去时刻L_i和充电时长T_ev,i，

其中：S_ned,i是用户i的电池需求荷电状态；S_ini,i是用户i的电池初始荷电状态；W_i是用户i的电池容量；P_c,i是用户i的充电功率；η_c,i是用户i的充电效率；

S32：为保证电动汽车电池的健康，则电池的荷电状态有上下限，整个充放电过程在这区间之内进行：

S_min≤S_i≤S_max；

其中：S_min是电池的荷电状态的最小值；S_max是电池的荷电状态的最大值；

S33：根据用户接入时刻a_i处于峰或谷时段对车群进行分组；

所述步骤33包括以下步骤：

S331：若用户接入时刻a_i处于谷时段，则依循尽量聚集在谷时段负荷裕度最大的时刻，进行充电且不放电的原则：

情况①：若用户需要的充电时间不长，仅靠在谷时段充电已经能满足需求；则智能充电桩为其制定的策略为：根据用户充电时间确定用户在谷时段可能的起充时刻的集合Q_ev,s{q₁,q₂,q₃......q_n}，最后按照起充概率来选择用户的起充时刻；

用户在谷时段充电的时长需大于用户所需的总充电时长，则确定集合Q_ev,s{q₁,q₂,q₃......q_n}的详细过程为：

在T_ev,i≤H_i-a_i的前提下：

H_i-T_ev,i≥q_m≥a_i

其中：H_i＝min{L_i,t_g,e}，q_m∈Q_ev,s；

将谷时段的负荷裕度转化为起充概率，则确定起充概率的详细过程为：

其中：j∈Q_ev,s，G_i,j是用户i在第j时刻的起充概率；C_g,j是谷时段第j个子时段的负荷裕度；

尽量使谷时段负荷裕度高的的子时段作为起充时刻的概率高，则按照起充概率来选择用户的起充时刻的详细过程为:

当满足下式时，q_m才作为用户的起充时刻，规定且q₀＝0：

其中q_m∈Q_ev,s，RN是0-1的随机数；

情况②：若用户需要的充电时间比较长，仅靠在谷时段充电已经不能满足需求，但在峰时段的充电起始时刻可以选择；则智能充电桩为其制定的策略为：用户立即充电至t_g,e，然后根据剩余充电时间确定用户在峰时段可能的起充时刻的集合Q_ev,s{q₁,q₂,q₃......q_n}，最后按照起充概率来选择用户的起充时刻；

用户在峰时段充电的时长与在谷时段充电的时长之和需大于用户所需的总充电时长，则确定集合Q_ev,s{q₁,q₂,q₃......q_n}的详细过程为：

在L_i-a_i≥T_ev,i≥t_g,e-a_i的前提下：

(L_i-q_m)+(t_g,e-a_i)>T_ev,i

其中：q_m∈Q_ev,s；

将峰时段的负荷裕度转化为起充概率，则确定起充概率的详细过程为：

其中：j∈Q_ev,s，F_i,j是用户i在第j时刻的起充概率；C_p,j是峰时段第j个子时段的负荷裕度；

尽量使峰时段负荷裕度高的的子时段作为起充时刻的概率低，则按照起充概率来选择用户的起充时刻的详细过程为:

当满足下式时，q_m才作为用户的起充时刻，规定且q₀＝0：

其中:q_m∈Q_ev,s，RN是0-1的随机数；

情况③：若用户需要的充电时间很长，直至离去时，都不能达到用户所需的充电时间；则智能充电桩为其制定的策略为：用户立即充电至离去时刻，即用户的起充时刻q_m为接入时刻a_i；其中情况③的详细过程为：

q_m＝a_i(T_ev,i≥L_i-a_i)。

2.根据权利要求1所述基于智能充电桩的电动汽车V2G控制方法，其特征在于：

所述步骤33包括以下步骤：

S332：若用户接入时刻a_i处于峰时段，则依循尽量聚集在谷时段负荷裕度大的时刻进行充电且在峰时段负荷裕度大的时段放电的原则：

情况①：若用户制定的离去时刻比较迟，可以使用户在谷时段充电，且用户需要的充电时间不长，仅靠在谷时段充电已经能满足需求；则智能充电桩为其制定的策略为：①在满足用户需求的前提下，计算用户可提供的放电时长，确定其在峰时段可能的放电起始时刻的集合D_ev,s{d₁,d₂,d₃......d_n}，按照起放概率来选择用户的起放时刻；②基于放电后用户所需的充电时间确定用户在谷时段可能的起充时刻的集合Q_ev,s{q₁,q₂,q₃......q_n}，按照起充概率来选择用户的起充时刻；

要求用户放完电后，能在离去前达到用户的充电需求，则确定集合D_ev,s{d₁,d₂,d₃......d_n}的详细过程为：

在T_ev,i≤L_i-t_p,e的前提下，X_i是用户在满足需求的前提下，所能提供的放电时间；Y_i是用户将电放至最低限度所耗费的时间；Z_i是峰时段的结束时刻距离用户接入时刻的时间；

Z_i＝t_p,e-a_i

TD_i＝min{X_i,Y_i,Z_i}

a_i≤d_m≤t_p,e-TD_i

其中：d_m∈D_ev,s；

P_d,i是用户i的放电功率；

将峰谷的负荷裕度转化为起放概率，则确定起放概率的详细过程为：

其中：j∈D_ev,s，FD_i,j是用户i在第j时刻的起放概率；C_p,j是峰时段第j个子时段的负荷裕度；

尽量使峰时段负荷裕度高的的子时段作为起放时刻的概率高，则按照起放概率来选择用户的起放时刻的详细过程为:

当满足下式时，d_m才作为用户的起放时刻，规定且d₀＝0，

其中：d_m∈TD_i，RN是0-1的随机数；

放电后，确定用户的新充电时长：

S'_ini,i是用户i放电后电池的荷电状态；T_ev,i'是用户的新充电时长；

用户在谷时段充电的时长需大于用户新充电时长，则确定集合Q_ev,s{q₁,q₂,q₃......q_n}的详细过程为：

L_i-q_m≥T'_ev,i

其中：q_m∈Q_ev,s；

将谷时段的负荷裕度转化为起充概率，则确定起充概率的详细过程为：

其中：j∈Q_ev,s，G_i,j是用户i在第j时刻的起充概率；C_g,j是谷时段第j个子时段的负荷裕度；C_g,k是谷时段第k个子时段的负荷裕度；

尽量使谷时段负荷裕度高的的子时段作为起充时刻的概率高，则按照起充概率来选择用户的起充时刻的详细过程为:

当满足下式时，q_m才作为用户的起充时刻，规定且q₀＝0；

其中：q_m∈Q_ev,s，RN是0-1的随机数；

情况②：若用户制定的离去时刻比较迟，可以使用户在谷时段充电，但仅靠在谷时段充电不能满足需求，必须选择在峰时段充电；则智能充电桩为其制定的策略为：用户在满足尽量在谷时段充电的前提下，根据剩余充电时间确定用户在峰时段可能的起充时刻的集合Q_ev,s{q₁,q₂,q₃......q_n}，最后按照起充概率来选择用户在峰时段的起充时刻；

用户在峰时段充电的时长与在谷时段充电的时长之和需大于用户所需的总充电时长，则确定集合Q_ev,s{q₁,q₂,q₃......q_n}的详细过程为：

在L_i-a_i≥T_ev,i≥L_i-t_p,e的前提下

(L_i-q_m)>T_ev,i

其中：q_m∈Q_ev,s；

将峰时段的负荷裕度转化为起充概率，则确定起充概率的详细过程为：

其中：j∈Q_ev,s，F_i,j是用户i在第j时刻的起充概率；C_p,j是峰时段第j个子时段的负荷裕度；C_p,k是峰时段第k个子时段的负荷裕度；

尽量使峰时段负荷裕度高的的子时段作为起充时刻的概率低，则按照起充概率来选择用户的起充时刻的详细过程为:

当满足下式时，q_m才作为用户的起充时刻，规定且q₀＝0；

其中：q_m∈Q_ev,s，RN是0-1的随机数；

情况③：若用户制定的离去时刻比较早，不能使用户在谷时段充电，但在峰时段的起充时刻可以选择；则智能充电桩为其制定的策略为：用户尽量选择负荷裕度低的时段作为起充时刻，根据所需充电时间确定用户在峰时段可能的起充时刻的集合Q_ev,s{q₁,q₂,q₃......q_n}，最后按照起充概率来选择用户在峰时段的起充时刻；

用户在峰时段充电的时长与在谷时段充电的时长之和需大于用户所需的总充电时长，则确定集合Q_ev,s{q₁,q₂,q₃......q_n}的详细过程为：

在t_p,e≥L_i≥(T_ev,i+ai)的前提下，

(L_i-q_m)>T_ev,i

其中：q_m∈Q_ev,s；

按照起充概率来选择用户在峰时段的起充时刻如情况②；

情况④：若用户需要的充电时间很长，直至离去时，都不能达到用户所需的充电时间；则智能充电桩为其制定的策略为：用户立即充电至离去时刻，即用户的起充时刻q_i为接入时刻a_i。