CN110110911B - 基于绕路模型的电动汽车充电桩优化部署方法 - Google Patents
基于绕路模型的电动汽车充电桩优化部署方法 Download PDFInfo
- Publication number
- CN110110911B CN110110911B CN201910342915.3A CN201910342915A CN110110911B CN 110110911 B CN110110911 B CN 110110911B CN 201910342915 A CN201910342915 A CN 201910342915A CN 110110911 B CN110110911 B CN 110110911B
- Authority
- CN
- China
- Prior art keywords
- charging
- time
- path
- charging pile
- detour
- 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 13
- 238000010586 diagram Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000007670 refining Methods 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
一种基于绕路模型的电动汽车充电桩优化部署方法,包括以下步骤:将街区图中的交叉口细化为多个交叉口点,遍历当前已部署充电桩个数小于给定单点部署最大值的候选部署位置,将一个充电桩部署在使得覆盖质量最大的候选位置,直至给定个数的充电桩全部部署完毕,从而得到充电桩的部署方案。本发明适用于为电动汽车部署充电桩的场景,在计算充电桩覆盖质量时考虑了道路车流量等因素对用户绕路行为的影响,提出了以绕路时间为衡量指标的用户绕路模型,基于该绕路模型的充电桩优化部署方法,可以最大化满足车辆的充电需求,提高充电桩的利用率。
Description
技术领域
本发明涉及一种基于绕路模型的电动汽车充电桩优化部署方法,该方法适用于为电动汽车规划充电桩位置,以满足更多的充电需求。
背景技术
电动汽车作为新能源汽车,具有节约能源、减少环境污染等特点。但受限于电池容量有限、充电桩成本高等因素,电动汽车的充电问题已经成为了当前面临的较大困难。充电桩的部署对电动汽车的发展至关重要,合理的充电桩部署不仅可以满足更多用户的充电需求,还可以确保交通网络的效率。已有文献提出基于给定的用户绕路模型,优化充电桩的部署位置,以最大化覆盖车辆充电需求的解决方案(参见《You Can Recharge WithDetouring:Optimizing Placement for Roadside Wireless Charger》,刊于IEEEAccess,2018)。但是该文献采用的用户绕路模型是以距离为衡量指标,没有考虑道路车流量等因素对用户绕路行为的影响,不能完全适用于本发明涉及的场景。
发明内容
为克服已有充电桩部署方法的利用率较低的不足,本发明提出了以绕路时间为衡量指标的用户绕路模型,并提供了一种基于该绕路模型的充电桩优化部署方法,以最大化满足车辆的充电需求,提高充电桩的利用率。
本发明解决其技术问题所采用的技术方案是:
一种基于绕路模型的充电桩优化部署方法,包括以下步骤:
步骤1:在有N个交叉口的街区图中,将每个交叉口细化为四个顶点,整个街区图中的交叉口点集合即为V={v1,v2,v3,...,v4N};假定车辆的行驶起点和终点都位于交叉口点上,那么在此街区图中车辆的行驶线路(起点,终点)的集合为{(vi,vj)|1≤i,j≤4N},其中,vi为行驶起点,vj为行驶终点;给定C个充电桩,充电桩的候选部署位置设定为某些特定的交叉口点且同一个侯选位置最多可同时部署Vmax个充电桩;
步骤2:查看是否有尚未部署的充电桩,若有执行步骤3,若无,结束操作;
步骤3:遍历当前已部署充电桩个数小于Vmax的候选部署位置,将一个充电桩部署在使得覆盖质量U最大的候选位置,然后继续执行步骤2,如果部署于多个候选位置的覆盖质量相等,则将充电桩随机部署于其中一个位置;
覆盖质量U的表达式为:
其中,L={lij|1≤i,j≤4N}为车辆在此街区图中所有行驶线路的最短时间路径集合,lij是以vi为起点,vj为终点的线路(vi,vj)的最短时间路径,V*为当前方案充电桩部署位置点的集合,Aij为路径lij上需要充电的车辆百分比,fij为路径lij上的交通量,为路径lij上的车辆去v处充电的概率,其表达式为:
其中,Tiv为车辆从起点vi到充电桩所在交叉口点v沿最短时间路径的行驶时间,Tvj为车辆从充电桩所在交叉口点v到终点vj沿最短时间路径的行驶时间,Tv为车辆在交叉口点v处排队等待充电的时间,Tij为车辆沿路径lij从vi到vj的行驶时间。
再进一步,所述车辆从任意起点到终点的行驶时间包括车辆在交叉口等待红绿灯时间和在交叉口间路段行车时间的总和,其中每个红绿灯平均等待时间为tc,任意交叉口vi到相邻交叉口vk间路径lik上的行车时间tik基于BPR(Bureau of Public Road)路阻函数计算,表达式为:
更进一步,假设车辆到达时间间隔服从参数为λ的负指数分布,每个充电桩的服务时间服从参数为μ的负指数分布,充电桩个数为s,1≤s≤Vmax,系统空间为K,即车辆数达到上限K时,不会再有车辆进入该交叉口点等待充电,由此,车辆在v处的平均排队等待时间Tv的表达式为:
其中,Lq为平均排队长度,pK为交叉口点内车辆数为K时的稳态概率,根据交叉口点处充电桩数量s的不同,分成两种情况:
当s=1时,Lq和pK的表达式分别为:
pK=ρKp0 (7)
当1<s≤Vmax时,Lq和pK的表达式分别为:
本发明的有益效果主要表现在:考虑道路车流量等因素对用户绕路行为的影响,提出了以绕路时间为衡量指标的用户绕路模型,基于该绕路模型的充电桩优化部署方法,可以最大化满足车辆的充电需求,提高充电桩的利用率。
附图说明
图1是本实施例中的街区图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1,一种基于绕路模型的充电桩优化部署方法,包括以下步骤:
步骤1:在有N个交叉口的街区图中,将每个交叉口细化为四个顶点,整个街区图中的交叉口点集合即为V={v1,v2,v3,...,v4N};假定车辆的行驶起点和终点都位于交叉口点上,那么在此街区图中车辆的行驶线路(起点,终点)的集合为{(vi,vj)|1≤i,j≤4N},其中,vi为行驶起点,vj为行驶终点;给定C个充电桩,充电桩的候选部署位置设定为某些特定的交叉口点且同一个侯选位置最多可同时部署Vmax个充电桩;本实施例中,N=9,C=12,V’={7,13,19,25,12,18,24,28},Vmax=5;
步骤2:查看是否有尚未部署的充电桩,若有执行步骤3,若无,结束操作;
步骤3:遍历当前已部署充电桩个数小于Vmax的候选部署位置,将一个充电桩部署在使得覆盖质量U最大的候选位置,然后继续执行步骤2,如果部署于多个候选位置的覆盖质量相等,则将充电桩随机部署于其中一个位置;
覆盖质量U的表达式为:
其中,L={lij|1≤i,j≤4N}为车辆在此街区图中所有行驶线路的最短时间路径集合,lij是以vi为起点,vj为终点的线路(vi,vj)的最短时间路径,V*为当前方案充电桩部署位置点的集合,Aij为路径lij上需要充电的车辆百分比,fij为路径lij上的交通量,为路径lij上的车辆去v处充电的概率,其表达式为:
其中,为路径lij上的车辆绕路去v处充电的绕路时间,M为绕路时间阈值,由用户设定;v∈lij表示路径lij会经过交叉口点v,表示路径lij不会经过交叉口点v;本实施例中,fij设置为500到1000之间的随机数(单位:辆/小时),Aij=0.1,M=0.4小时。
其中,Tiv为车辆从起点vi到充电桩所在交叉口点v沿最短时间路径的行驶时间,Tvj为车辆从充电桩所在交叉口点v到终点vj沿最短时间路径的行驶时间,Tv为车辆在交叉口点v处排队等待充电的时间,Tij为车辆沿路径lij从vi到vj的行驶时间。
再进一步,所述车辆从任意起点到终点的行驶时间包括车辆在交叉口等待红绿灯时间和在交叉口间路段行车时间的总和,本实施例中,汽车的行驶线路为(1,6),那么它的行驶时间就包括车辆在交叉口(1,8),(9,10)和(11,6)等待红绿灯的时间和在交叉口间路段(8,9),(10,11)的行车时间的总和;其中每个红绿灯平均等待时间为tc,任意交叉口vi到相邻交叉口vk间路径lik上的行车时间tik基于BPR(Bureau of Public Road)路阻函数计算,表达式为:
其中,表示可自由行驶时的最短行车时间,fik为路径lik上的交通量,cik为lik上的实际通行能力,α和β为给定参数,建议分别取0.15和4。本实施例中,tc=0.004小时,小时,cik=800辆/小时。
更进一步,假设车辆到达时间间隔服从参数为λ的负指数分布,每个充电桩的服务时间服从参数为μ的负指数分布,充电桩个数为s,1≤s≤Vmax,系统空间为K,即车辆数达到上限K时,不会再有车辆进入该交叉口点等待充电,车辆在v处的平均排队等待时间Tv的表达式为:
其中,Lq为平均排队长度,pK为交叉口点内车辆数为K时的稳态概率,根据交叉口点处充电桩数量s的不同,分成两种情况:
当s=1时,Lq和pK的表达式分别为:
pK=ρKp0 (7)
当1<s≤Vmax时,Lq和pK的表达式分别为:
Claims (1)
1.一种基于绕路模型的电动汽车充电桩优化部署方法,其特征在于,所述方法包括以下步骤:
步骤1:在有N个交叉口的街区图中,将每个交叉口细化为四个顶点,整个街区图中的交叉口点集合即为V={v1,v2,v3,...,v4N};假定车辆的行驶起点和终点都位于交叉口点上,那么在此街区图中车辆的行驶线路(起点,终点)的集合为{(vi,vj)|1≤i,j≤4N},其中,vi为行驶起点,vj为行驶终点;给定C个充电桩,充电桩的候选部署位置设定为某些特定的交叉口点且同一个侯选位置最多可同时部署Vmax个充电桩;
步骤2:查看是否有尚未部署的充电桩,若有执行步骤3,若无,结束操作;
步骤3:遍历当前已部署充电桩个数小于Vmax的候选部署位置,将一个充电桩部署在使得覆盖质量U最大的候选位置,然后继续执行步骤2,如果部署于多个候选位置的覆盖质量相等,则将充电桩随机部署于其中一个位置;
所述覆盖质量U的表达式为:
其中,L={lij|1≤i,j≤4N}为车辆在此街区图中所有行驶线路的最短时间路径集合,lij是以vi为起点,vj为终点的线路(vi,vj)的最短时间路径,V*为当前方案充电桩部署位置点的集合,Aij为路径lij上需要充电的车辆百分比,fij为路径lij上的交通量,为路径lij上的车辆去v处充电的概率,其表达式为:
其中,Tiv为车辆从起点vi到充电桩所在交叉口点v沿最短时间路径的行驶时间,Tvj为车辆从充电桩所在交叉口点v到终点vj沿最短时间路径的行驶时间,Tv为车辆在交叉口点v处排队等待充电的时间,Tij为车辆沿路径lij从vi到vj的行驶时间;
所述车辆从任意起点到终点的行驶时间包括车辆在交叉口等待红绿灯时间和在交叉口间路段行车时间的总和,其中每个红绿灯平均等待时间为tc,任意交叉口vi到相邻交叉口vk间路径lik上的行车时间tik基于BPR(Bureau of Public Road)路阻函数计算,表达式为:
假设车辆到达时间间隔服从参数为λ的负指数分布,每个充电桩的服务时间服从参数为μ的负指数分布,充电桩个数为s,1≤s≤Vmax,系统空间为K,即车辆数达到上限K时,不会再有车辆进入该交叉口点等待充电,车辆在v处的平均排队等待时间Tv的表达式为:
其中,Lq为平均排队长度,pK为交叉口点内车辆数为K时的稳态概率,根据交叉口点处充电桩数量s的不同,分成两种情况:
当s=1时,Lq和pK的表达式分别为:
pK=ρKp0 (7)
当1<s≤Vmax时,Lq和pK的表达式分别为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910342915.3A CN110110911B (zh) | 2019-04-26 | 2019-04-26 | 基于绕路模型的电动汽车充电桩优化部署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910342915.3A CN110110911B (zh) | 2019-04-26 | 2019-04-26 | 基于绕路模型的电动汽车充电桩优化部署方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110110911A CN110110911A (zh) | 2019-08-09 |
CN110110911B true CN110110911B (zh) | 2021-05-18 |
Family
ID=67486811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910342915.3A Active CN110110911B (zh) | 2019-04-26 | 2019-04-26 | 基于绕路模型的电动汽车充电桩优化部署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110110911B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313327A (zh) * | 2021-06-29 | 2021-08-27 | 浙江大学 | 一种基于Agent仿真的电动汽车充电桩布局优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615260A (zh) * | 2018-12-19 | 2019-04-12 | 国网北京市电力公司 | 确定充电桩的安装地址的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103855767B (zh) * | 2014-02-18 | 2015-10-21 | 电子科技大学 | 一种电动汽车充电站的调度方法 |
CN106355760B (zh) * | 2016-08-30 | 2019-02-12 | 杭州元朗智能科技有限公司 | 一种电动车充电服务方法及充电服务系统 |
CN108304977B (zh) * | 2018-03-12 | 2022-04-12 | 电子科技大学 | 一种基于截流模型的充电站选址方法 |
-
2019
- 2019-04-26 CN CN201910342915.3A patent/CN110110911B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615260A (zh) * | 2018-12-19 | 2019-04-12 | 国网北京市电力公司 | 确定充电桩的安装地址的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110110911A (zh) | 2019-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kong et al. | Optimal location planning method of fast charging station for electric vehicles considering operators, drivers, vehicles, traffic flow and power grid | |
Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
JP5954584B2 (ja) | 充電器配置計画支援装置、充電器配置計画支援方法、及びプログラム | |
CN104864883B (zh) | 基于云平台的电动汽车路径规划方法 | |
Alesiani et al. | Optimization of charging stops for fleet of electric vehicles: A genetic approach | |
GB2572962A (en) | Vehicle Routing | |
CN107392336B (zh) | 智能交通中基于预约的分布式电动汽车充电调度方法 | |
CN108199100A (zh) | 智能交通中电动汽车长途运行充电规划方法 | |
CN107180274B (zh) | 一种电动汽车充电设施规划典型场景选取和优化方法 | |
CN112418610B (zh) | 基于soc信息与路网电网信息融合的充电优化方法 | |
CN112686441B (zh) | 基于交通均衡的电动汽车充电导航及路径选择方法 | |
JP2011170686A (ja) | 乗換地決定方法及び装置、並びにカーナビゲーション装置 | |
EP3556601A1 (en) | Vehicle routing | |
CN109670674A (zh) | 一种考虑交通网-配电网耦合的电动汽车时空分布充电调度方法 | |
Lindgren et al. | Identifying bottlenecks in charging infrastructure of plug-in hybrid electric vehicles through agent-based traffic simulation | |
CN111582581B (zh) | 考虑随机交通流量偏移的电动汽车换电站鲁棒选址方法 | |
CN110110911B (zh) | 基于绕路模型的电动汽车充电桩优化部署方法 | |
Qiao et al. | Vehicle powertrain connected route optimization for conventional, hybrid and plug-in electric vehicles | |
CN113067355B (zh) | 提升电网可靠性的电动汽车灵活性挖掘与协同调控方法 | |
Kumar et al. | Mitigation of Complexity in Charging Station Allocation for EVs Using Chaotic Harris Hawks Optimization Charge Scheduling Algorithm | |
Coninx et al. | Anticipatory coordination of electric vehicle allocation to fast charging infrastructure | |
CN116542377A (zh) | 一种电动汽车充电站的规划方法 | |
CN115663867A (zh) | 基于智能充电网络系统的电动汽车充电调度方法 | |
CN115640974A (zh) | 一种公路沿线充电设施布局规划方法 | |
Liu et al. | Ev charging recommendation concerning preemptive service and charging urgency policy |
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 |