CN110363311A - 基于预约的充电桩分配方法及系统 - Google Patents

基于预约的充电桩分配方法及系统 Download PDF

Info

Publication number
CN110363311A
CN110363311A CN201910497918.4A CN201910497918A CN110363311A CN 110363311 A CN110363311 A CN 110363311A CN 201910497918 A CN201910497918 A CN 201910497918A CN 110363311 A CN110363311 A CN 110363311A
Authority
CN
China
Prior art keywords
charging
reservation
charging pile
user
list
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.)
Granted
Application number
CN201910497918.4A
Other languages
English (en)
Other versions
CN110363311B (zh
Inventor
张浩翔
甘小莺
金海明
王新兵
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201910497918.4A priority Critical patent/CN110363311B/zh
Publication of CN110363311A publication Critical patent/CN110363311A/zh
Application granted granted Critical
Publication of CN110363311B publication Critical patent/CN110363311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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
    • 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
    • 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
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F15/00—Coin-freed apparatus with meter-controlled dispensing of liquid, gas or electricity
    • G07F15/003—Coin-freed apparatus with meter-controlled dispensing of liquid, gas or electricity for electricity
    • G07F15/005—Coin-freed apparatus with meter-controlled dispensing of liquid, gas or electricity for electricity dispensed for the electrical charging of vehicles

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Educational Administration (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于预约的充电桩分配方法及系统，收集用户的充电需求信息；根据用户提出的需求信息，确定用户可接受的充电站列表；在某一决策点，充电桩分配调度中心从请求数据库中读取所有计划充电行为在某一时间窗内的请求，以最小化用户损失和被系统拒绝的用户数量为目标，为所有用户进行充电桩的预约分配，通过混合模拟退火算法给出分配结果；将分配结果分别发送至新能源车车主和充电站运营方。本发明可以为用户直接指定充电桩，避免了车主在目的地附近绕圈寻找可用的充电桩，从而在减少用户损失率的同时也缓解了交通压力，并使得充电资源得到最大化。

Description

基于预约的充电桩分配方法及系统
技术领域
本发明涉及电动汽车技术领域，具体地，涉及一种基于预约的充电桩分配方法及系统。
背景技术
随着全球气候变暖等问题的不断加剧，人们逐渐认识到化石燃料对环境的危害性，这促使人们去寻找可替代化石燃料的新的清洁能源。作为化石燃料消耗的主要途径之一，汽车行业的发展也面临着巨大的挑战和压力。作为应对策略之一，以电力作为动力来源的新能源汽车被视为汽车工业的未来。显然，新能源汽车的尾气排放量对环境造成的影响可以忽略不计，同时由于电力资源的可再生性，新能源车不会面临能源危机。因此，推广新能源车已被各国政府提上了议事日程。
然而，相比于传统汽车的加油过程只需几分钟即可完成，新能源车的充电速度较慢。目前市场上的充电桩以慢充桩为主，它使用240V交流电，电流大小在30A以上，功率较小，一般需要6至8小时才能将车辆电池充满。因此，如果新能源车车主也像普通汽车车主一样需要专门前往某个充电站为车辆进行充电，那么极有可能导致等候时间远超用户所能接受的范畴，从而使大量用户无法及时获得充电服务。因此，目前较为理想的充电方式是利用停车时间为车辆进行充电，从而节省了用户的等待时间。
考虑到非居民区长时间停车的用户基本以上班族为主，其停车时间的起始基本可以事先确定。另一方面，在某些区域的用户到达高峰，稀少的充电桩资源可能会导致用户无法及时寻找到合适的充电桩，在增加用户不满意度的同时可能给交通带来额外的压力。因此，我们迫切地需要一个智慧的充电规划系统，能够实现充电桩的提前预约，从而使车主只需根据规划建议前往指定的充电桩充电即可。
与本申请相关的现有技术是专利文献CN106023641B，公开一种基于动态优化的停车位预约分配方法及系统，该方法包括：S1、划分网络预约分配停车服务所覆盖的地理范围为多个停车区域、建立数据结构表、加载基础数据并初始化时间窗；S2、开启时间窗，收集各停车区域的停车位供需信息，并判断各停车区域的停车位供需情况；S3、基于以停车位总利用率最大原则和停车位可利用时间碎片化最小原则的动态优化方法对各停车区域的停车位进行预约分配，得到分配结果；S4、分别向停车位需求者终端、停车位提供者终端和停车位智能管理系统发送分配结果。从多角度提高停车位利用率，减少停车位资源浪费，缓解城市“停车难”问题。但是上述专利文献是将整个地图划分成多个区域，且每个区域互不重叠。如果某个停车请求的目的地属于某个区域，那么该系统将只能在该区域内为用户分配一个停车位，并不适用目前的用户需求。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于预约的充电桩分配方法及系统。
根据本发明提供的一种基于预约的充电桩分配方法，包括：
预约步骤：接收预约充电请求，根据预约充电请求输出可供选择的推荐充电列表，将推荐充电列表中的选项与预约充电请求进行存储，形成预约充电需求；
决策步骤：基于设定决策点，读取所有的预约充电需求，采取混合模拟退火算法，对预约充电需求进行分配，得出充电桩分配结果。
优选地，所述预约步骤包括：
接收预约步骤：接收预约充电请求，所述预约充电请求中至少包括第一筛选要素、第二筛选要素；
预约筛选步骤：根据预约充电请求中的第一筛选要素，对充电桩进行筛选，生成候选列表，根据第二筛选要素对候选列表进行筛选，生成推荐充电列表。
优选地，所述决策步骤包括：
损失计算步骤：令充电桩至目的地之间的步行距离和充电桩收费价格进行加权计算，得到用户损失，根据用户损失对推荐充电列表进行排序；
充电分配步骤：根据设定决策点和设定决策时长，得到下一个决策点，在设定决策点与下一个决策点之间，采用混合模拟退火算法，判定排序后的推荐充电列表中的充电桩的最优分配状态。
优选地，所述第一筛选要素中至少包括目的地到充电桩之间的最大步行距离；所述第二筛选要素中至少包括可接受的充电桩收费限额。
优选地，所述加权计算采用：
其中c为用户损失，ω为加权系数，d为用户从充电站到目的地之间的步行距离， D为用户可接受的最大步行距离，p为充电站单位时间收费价格，C为用户可接受的最高收费价格。
优选地，所述混合模拟退火算法包括如下步骤：
步骤A1：设置初始温度T0和初始状态向量S0；
步骤A2：在上一状态向量St-1的基础上通过随机扰动获得下一候选状态向量St；
步骤A3：计算状态向量St对应的能量等级E(St)；
步骤A4：比较相邻两个状态向量的能量等级，并根据设定的准则来决定是否接受该候选状态，若接收则继续步骤A5，否则，则通过计算接受率，推定相邻两个状态向量之间的最优状态作为候选状态，继续步骤A5；
步骤A5：判断在当前温度Ti下是否达到稳定，若不稳定，则跳转到步骤A2，否则继续步骤A6；
步骤A6：判断算法是否已经收敛，若已达到收敛条件，则输出最优分配方案Sopt，否则跳转至步骤A2。
优选地，所述步骤A2包括：
步骤A21：通过随机扰动获得当前状态St的随机邻居S′t+1；
步骤A22：对于状态S′t+1中的每一个充电桩，分别构建该充电桩的等价有向无环图G；
步骤A23：对于状态S′t+1中的每一个充电桩，分别求解图G的最小路径覆盖，得到图G的最小路径覆盖Cmin；
步骤A24：对随机邻居S′t+1进行合法化，得到合法的状态St+1；
步骤A25：更新剩余空闲充电桩数量。
根据本发明提供的一种基于预约的充电桩分配系统，包括：
预约模块：接收预约充电请求，根据预约充电请求输出可供选择的推荐充电列表，将推荐充电列表中的选项与预约充电请求进行存储，形成预约充电需求；
决策模块：基于设定决策点，读取所有的预约充电需求，采取混合模拟退火算法，对预约充电需求进行分配，得出充电桩分配结果。
优选地，所述预约模块包括：
接收预约模块：接收预约充电请求，所述预约充电请求中至少包括第一筛选要素、第二筛选要素；
预约筛选模块：根据预约充电请求中的第一筛选要素，对充电桩进行筛选，生成候选列表，根据第二筛选要素对候选列表进行筛选，生成推荐充电列表。
优选地，所述决策模块包括：
损失计算模块：令充电桩至目的地之间的步行距离和充电桩收费价格进行加权计算，得到用户损失，根据用户损失对推荐充电列表进行排序；
充电分配模块：根据设定决策点和设定决策时长，得到下一个决策点，在设定决策点与下一个决策点之间，采用混合模拟退火算法，判定排序后的推荐充电列表中的充电桩的最优分配状态。
与现有技术相比，本发明具有如下的有益效果：
通过为新能源车车主分配符合其要求的充电桩，使得用户可以直接前往指定充电站为车辆进行充电，避免了车主在目的地附近绕圈寻找可用的充电桩，从而在减少用户损失率的同时也缓解了交通压力，并使得充电资源得到最大化。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的使用方法流程示意图；
图2为本发明的混合模拟退火算法的流程示意图；
图3为通过随机扰动获得当前状态的下一候选状态的流程示意图；
图4为本发明的状态向量输出流程示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的一种基于预约的充电桩分配方法，包括：
预约步骤：接收预约充电请求，根据预约充电请求输出可供选择的推荐充电列表，将推荐充电列表中的选项与预约充电请求进行存储，形成预约充电需求；
决策步骤：基于设定决策点，读取所有的预约充电需求，采取混合模拟退火算法，对预约充电需求进行分配，得出充电桩分配结果。
具体地，所述预约步骤包括：
接收预约步骤：接收预约充电请求，所述预约充电请求中至少包括第一筛选要素、第二筛选要素；
预约筛选步骤：根据预约充电请求中的第一筛选要素，对充电桩进行筛选，生成候选列表，根据第二筛选要素对候选列表进行筛选，生成推荐充电列表。
具体地，所述决策步骤包括：
损失计算步骤：令充电桩至目的地之间的步行距离和充电桩收费价格进行加权计算，得到用户损失，根据用户损失对推荐充电列表进行排序；
充电分配步骤：根据设定决策点和设定决策时长，得到下一个决策点，在设定决策点与下一个决策点之间，采用混合模拟退火算法，判定排序后的推荐充电列表中的充电桩的最优分配状态。
具体地，所述第一筛选要素中至少包括目的地到充电桩之间的最大步行距离；所述第二筛选要素中至少包括可接受的充电桩收费限额。
具体地，所述加权计算采用：
其中c为用户损失，ω为加权系数，d为用户从充电站到目的地之间的步行距离， D为用户可接受的最大步行距离，p为充电站单位时间收费价格，C为用户可接受的最高收费价格。
具体地，所述混合模拟退火算法包括如下步骤：
步骤A1：设置初始温度T0和初始状态向量S0；
步骤A2：在上一状态向量St-1的基础上通过随机扰动获得下一候选状态向量St；
步骤A3：计算状态向量St对应的能量等级E(St)；
步骤A4：比较相邻两个状态向量的能量等级，并根据设定的准则来决定是否接受该候选状态，若接收则继续步骤A5，否则，则通过计算接受率，推定相邻两个状态向量之间的最优状态作为候选状态，继续步骤A5；
步骤A5：判断在当前温度Ti下是否达到稳定，若不稳定，则跳转到步骤A2，否则继续步骤A6；
步骤A6：判断算法是否已经收敛，若已达到收敛条件，则输出最优分配方案Sopt，否则跳转至步骤A2。
具体地，所述步骤A2包括：
步骤A21：通过随机扰动获得当前状态St的随机邻居S′t+1；
步骤A22：对于状态S′t+1中的每一个充电桩，分别构建该充电桩的等价有向无环图G；
步骤A23：对于状态S′t+1中的每一个充电桩，分别求解图G的最小路径覆盖，得到图G的最小路径覆盖Cmin；
步骤A24：对随机邻居S′t+1进行合法化，得到合法的状态St+1；
步骤A25：更新剩余空闲充电桩数量。
根据本发明提供的一种基于预约的充电桩分配系统，包括：
预约模块：接收预约充电请求，根据预约充电请求输出可供选择的推荐充电列表，将推荐充电列表中的选项与预约充电请求进行存储，形成预约充电需求；
决策模块：基于设定决策点，读取所有的预约充电需求，采取混合模拟退火算法，对预约充电需求进行分配，得出充电桩分配结果。
具体地，所述预约模块包括：
接收预约模块：接收预约充电请求，所述预约充电请求中至少包括第一筛选要素、第二筛选要素；
预约筛选模块：根据预约充电请求中的第一筛选要素，对充电桩进行筛选，生成候选列表，根据第二筛选要素对候选列表进行筛选，生成推荐充电列表。
具体地，所述决策模块包括：
损失计算模块：令充电桩至目的地之间的步行距离和充电桩收费价格进行加权计算，得到用户损失，根据用户损失对推荐充电列表进行排序；
充电分配模块：根据设定决策点和设定决策时长，得到下一个决策点，在设定决策点与下一个决策点之间，采用混合模拟退火算法，判定排序后的推荐充电列表中的充电桩的最优分配状态。
本发明提供的基于预约的充电桩分配系统，可以通过基于预约的充电桩分配方法的步骤流程实现。本领域技术人员可以将基于预约的充电桩分配方法理解为所述基于预约的充电桩分配系统的优选例。
在具体实施中，本发明的目的之一在于提供一种基于预约的充电桩分配和使用方法，从而为新能源车车主分配最优的充电桩，其技术方案具体包括以下步骤：首先，收集用户的充电需求信息；其次，根据用户提出的需求信息，确定用户可接受的充电站列表；第三，在某一决策点，充电桩分配调度中心从请求数据库中读取所有计划充电行为在某一时间窗内的请求，然后系统以最小化用户损失和未能被成功分配充电桩的用户数量为目标，为所有用户进行充电桩的预约分配，通过混合模拟退火算法给出分配结果；最后，将分配结果分别发送至新能源车车主和充电站运营方。
本发明的另一目的在于提供一种基于预约的充电桩分配系统，其包括若干新能源车车主终端、若干充电站运营方终端、一个请求数据库和一个充电桩分配调度中心。其中，新能源车车主终端收集该用户的充电需求信息，并将该信息发送至请求数据库，同时接受充电桩分配调度中心下发的分配结果，并展示给车主；
充电站运营方终端向充电桩分配调度中心发送该站的可用充电桩数以及充电桩的单位收费价格；请求数据库储存所有从新能源车车主终端收集的且尚未被充电桩分配调度中心读取的请求数据；
充电桩分配调度中心读取请求数据库中所有计划停车行为在某一时间窗内的所有用户充电需求信息，并以最小化用户损失和未能被成功分配充电桩的用户数量为目标，为所有用户进行充电桩的预约分配，并将分配结果分别发送至新能源车车主终端和充电站运营方终端。
如图1所示，在步骤S1中，新能源车车主提出自己的充电需求。用户可以通过移动设备或电脑在新能源车车主终端上提交自己的充电需求信息，包括用户所希望前往的目的地位置，用户计划开始充电和结束充电的时间以及用户能接受的从目的地到充电站之间的最大步行距离和充电站的最高单位时间收费价格。特别的，开始充电和结束充电的时间信息包括具体的日期，时间精确到分。终端会为用户提供几个最大步行距离和最高单位时间收费价格的选项，用户可以在这些选项中选择其能接受的从目的地到充电站之间的最大步行距离和充电站的最高单位时间收费价格。
在步骤S2中，系统根据用户提供的充电信息确定用户可接受的充电站列表。具体的，系统首先计算所有充电站到该用户目的地之间的距离，然而根据用户所能接受的从目的地到充电站之间的最大步行距离给出用户能接受的充电站候选列表。接着，在该候选列表中删去单位时间收费价格高于用户所能接受的最高单位时间收费价格的充电站，并生成最终的用户可接受的充电站列表。
在步骤S3中，在某一决策点，充电桩分配调度中心从请求数据库中读取所有计划充电行为在某一时间窗内的请求。在本实施例中，决策点取0点，相邻决策点之间的时间间隔为24小时。时间窗的长度亦为24小时，其起点与当前决策点重合。举例来说，如果取决策点为1月1日0点，此时充电桩分配调度中心将从请求数据库中读取所有计划充电行为在1月1日0点至24点之间的所有请求。
在步骤S4中，系统以最小化用户损失和未能被成功分配充电桩的用户数量为目标，为所有用户进行充电桩的预约分配。具体的，用户损失包括从充电站到目的地的步行距离和充电站的单位时间收费价格。通过混合模拟退火算法，系统最终给出分配结果。
混合模拟退火算法的框架如图2所示，其可具体分为如下几个步骤：
在步骤S41中，算法进行初始化，设置初始温度T0和初始系统状态向量S0，而状态向量S0对应的能量等级分别为E(S0)，二者分别对应某种分配方案和优化问题的目标函数值。
在步骤S42中，算法在上一状态St-1的基础上通过随机扰动获得下一候选状态St。
在步骤S43中，算法计算状态St对应的能量等级E(St)。
在步骤S44中，算法比较两个状态的能量等级并根据Metropolis准则来决定是否接受该候选状态。具体来说，如果候选状态的能量等级低于上一状态的能量等级，即E(St)<E(St-1)，那么系统将接受该候选状态；否则，系统将以一定的概率拒绝该状态并继续保持上一状态，即随机产生一个0到1之间的随机数，如果它大于等于则拒绝状态St。
在步骤S45中，算法判断系统在当前温度Ti下是否达到稳定，若不稳定，则跳转到步骤S42，否则跳转至步骤S46。在本实施例中，判定系统在当前温度Ti下是否达到稳定的方法是连续几个状态的能量等级变化小于某一阈值，如连续3个状态的能量等级变化小于1。
在步骤S46中，判断算法是否已经收敛，若已达到收敛条件，则输出最优分配方案Sopt，否则跳转至步骤S47。在本实施例中，收敛条件为系统运行达到最大次数，如100次。
在步骤S47中，算法根据降温方案更新系统温度。在本实施例中，降温方案为线性降温方案，即Ti＝αTi-1，其中0<α<1是冷却常数。
步骤S42可进一步分为多个子步骤，其实施过程如图3所示：
在步骤S421中，算法首先通过随机扰动获得当前状态St的随机邻居S′t+1。优选地，算法限定每一轮随机扰动的扰动次数L。在本实施例中，产生随机邻居的操作主要有三种：
1)将上一状态中暂时未能被分配的请求放入任意充电站
2)将上一状态中已被分配充电桩的请求的状态置为未分配状态。
3)将某一充电站的请求随机放入另一满足一定要求的充电站内。优选地，满足一定要求指的是如果用户可接受的充电站列表中尚有有空闲充电桩的充电站，则将其随机放入这些充电站中的任意一个；否则，将其随机放入其可接受的所有充电站中任意一个。
对于状态S′t+1中的每一个充电站，分别执行步骤S422。
在步骤S422中，将当前分配至该充电站的每一个请求都抽象成一个节点。对于任意两个请求r和r′，如果r′的充电开始时间晚于r的充电结束时间，那么就在图中增加一条由r到r′的有向边。当所有的节点对都被遍历以后，得到一个有向无环图G。
在步骤S423中，求解图G的最小路径覆盖问题，得到图G的最小路径覆盖Cmin。
在步骤S424中，判断最小路径覆盖Cmin的规模是否大于该充电站所配置的充电桩数量N，若是，则将最Cmin中长度最短的|Cmin|-N个路径中的节点所对应的请求状态置为未分配状态。
在步骤S425中，更新当前充电站剩余空闲充电桩数量。
在步骤S5中，系统根据最优分配方案Sopt中每一个充电站对应的最小路径覆盖给出所有用户的分配结果，即该用户应当在其请求的时间内到哪一个充电站的哪一个充电桩接受充电服务。随后，系统将该结果发送至新能源车车主终端和充电站运营方终端。
在传统的混合模拟退火算法中，需要不断通过随机扰动获得当前状态的随机邻居，直到生成一个合法的状态，但这样做会耗费大量计算时间。为此，我们作出改进，只生成一次随机邻居，通过一系列的操作使其得以合法化，从而节省了运算开销，如图4所示，通过内层循环和外层循环相配合，提升算法运算效率，在充电桩分配的难点上，运用本发明的模拟退火方法，降低计算复杂度，从而快速获得最优的分配方案。
本发明的一具体实施例的系统包括：若干新能源车车主终端、若干充电站运营方终端、一个请求数据库和一个充电桩分配调度中心。
其中，新能源车车主终端：收集该用户的充电需求信息，并根据用户给出的可接受的从目的地到充电站之间的最大步行距离和充电站单位时间最高收费价格计算出用户可接受的充电站列表，并将所有信息发送至请求数据库，同时接受充电桩分配调度中心下发的分配结果，并展示给车主。除此之外，该终端为用户提供行车导航等其他辅助功能；
充电站运营方终端：向充电桩分配调度中心发送该站的可用充电桩数以及充电桩的单位收费价格，同时接受充电桩分配调度中心下发的分配结果，用以现场核对进出充电站的用户；
请求数据库：储存所有从新能源车车主终端收集的且尚未被充电桩分配调度中心读取的请求数据；
充电桩分配调度中心：读取请求数据库中所有计划充电行为在某一时间窗内的所有用户充电需求信息，并以最小化用户损失和未能被成功分配充电桩的用户数量为目标，为所有用户进行充电桩的预约分配，并将分配结果分别发送至新能源车车主终端和充电站运营方终端。
本发明能够保证充电资源的最大化利用，从而避免在充电高峰有更多的人无法及时获得充电服务，通过系统集中为用户分配最优充电桩，它能保证充电桩资源的最大化利用，同时为尽可能多的用户提供充电服务。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于预约的充电桩分配方法，其特征在于，包括：
预约步骤：接收预约充电请求，根据预约充电请求输出可供选择的推荐充电列表，将推荐充电列表中的选项与预约充电请求进行存储，形成预约充电需求；
决策步骤：基于设定决策点，读取所有的预约充电需求，采取混合模拟退火算法，对预约充电需求进行分配，得出充电桩分配结果。
2.根据权利要求1所述的基于预约的充电桩分配方法，其特征在于，所述预约步骤包括：
接收预约步骤：接收预约充电请求，所述预约充电请求中至少包括第一筛选要素、第二筛选要素；
预约筛选步骤：根据预约充电请求中的第一筛选要素，对充电桩进行筛选，生成候选列表，根据第二筛选要素对候选列表进行筛选，生成推荐充电列表。
3.根据权利要求1所述的基于预约的充电桩分配方法，其特征在于，所述决策步骤包括：
损失计算步骤：令充电桩至目的地之间的步行距离和充电桩收费价格进行加权计算，得到用户损失，根据用户损失对推荐充电列表进行排序；
充电分配步骤：根据设定决策点和设定决策时长，得到下一个决策点，在设定决策点与下一个决策点之间，采用混合模拟退火算法，判定排序后的推荐充电列表中的充电桩的最优分配状态。
4.根据权利要求2所述的基于预约的充电桩分配方法，其特征在于，所述第一筛选要素中至少包括目的地到充电桩之间的最大步行距离；所述第二筛选要素中至少包括可接受的充电桩收费限额。
5.根据权利要求3所述的基于预约的充电桩分配方法，其特征在于，所述加权计算采用：
其中c为用户损失，ω为加权系数，d为用户从充电站到目的地之间的步行距离，D为用户可接受的最大步行距离，p为充电站单位时间收费价格，C为用户可接受的最高收费价格。
6.根据权利要求3所述的基于预约的充电桩分配方法，其特征在于，所述混合模拟退火算法包括如下步骤：
步骤A1：设置初始温度T0和初始状态向量S0；
步骤A2：在上一状态向量St-1的基础上通过随机扰动获得下一候选状态向量St；
步骤A3：计算状态向量St对应的能量等级E(St)；
步骤A4：比较相邻两个状态向量的能量等级，并根据设定的准则来决定是否接受该候选状态，若接收则继续步骤A5，否则，则通过计算接受率，推定相邻两个状态向量之间的最优状态作为候选状态，继续步骤A5；
步骤A5：判断在当前温度Ti下是否达到稳定，若不稳定，则跳转到步骤A2，否则继续步骤A6；
步骤A6：判断算法是否已经收敛，若已达到收敛条件，则输出最优分配方案Sopt，否则跳转至步骤A2。
7.根据权利要求6所述的基于预约的充电桩分配方法，其特征在于，所述步骤A2包括：
步骤A21：通过随机扰动获得当前状态St的随机邻居S′t+1；
步骤A22：对于状态S′t+1中的每一个充电桩，分别构建该充电桩的等价有向无环图G；
步骤A23：对于状态S′t+1中的每一个充电桩，分别求解图G的最小路径覆盖，得到图G的最小路径覆盖Cmin；
步骤A24：对随机邻居S′t+1进行合法化，得到合法的状态St+1；
步骤A25：更新剩余空闲充电桩数量。
8.一种基于预约的充电桩分配系统，其特征在于，包括：
预约模块：接收预约充电请求，根据预约充电请求输出可供选择的推荐充电列表，将推荐充电列表中的选项与预约充电请求进行存储，形成预约充电需求；
决策模块：基于设定决策点，读取所有的预约充电需求，采取混合模拟退火算法，对预约充电需求进行分配，得出充电桩分配结果。
9.根据权利要求1所述的基于预约的充电桩分配系统，其特征在于，所述预约模块包括：
接收预约模块：接收预约充电请求，所述预约充电请求中至少包括第一筛选要素、第二筛选要素；
预约筛选模块：根据预约充电请求中的第一筛选要素，对充电桩进行筛选，生成候选列表，根据第二筛选要素对候选列表进行筛选，生成推荐充电列表。
10.根据权利要求1所述的基于预约的充电桩分配系统，其特征在于，所述决策模块包括：
损失计算模块：令充电桩至目的地之间的步行距离和充电桩收费价格进行加权计算，得到用户损失，根据用户损失对推荐充电列表进行排序；
充电分配模块：根据设定决策点和设定决策时长，得到下一个决策点，在设定决策点与下一个决策点之间，采用混合模拟退火算法，判定排序后的推荐充电列表中的充电桩的最优分配状态。
CN201910497918.4A 2019-06-10 2019-06-10 基于预约的充电桩分配方法及系统 Active CN110363311B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910497918.4A CN110363311B (zh) 2019-06-10 2019-06-10 基于预约的充电桩分配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910497918.4A CN110363311B (zh) 2019-06-10 2019-06-10 基于预约的充电桩分配方法及系统

Publications (2)

Publication Number Publication Date
CN110363311A true CN110363311A (zh) 2019-10-22
CN110363311B CN110363311B (zh) 2021-12-10

Family

ID=68216906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910497918.4A Active CN110363311B (zh) 2019-06-10 2019-06-10 基于预约的充电桩分配方法及系统

Country Status (1)

Country Link
CN (1) CN110363311B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160588A (zh) * 2019-12-04 2020-05-15 国网电动汽车服务有限公司 一种预约充电服务方法及系统
CN112706648A (zh) * 2019-10-24 2021-04-27 大众汽车股份公司 充电方法、车辆、充电装置以及其系统
CN113159907A (zh) * 2021-05-22 2021-07-23 重庆紫微星新能源科技有限公司 一种私桩共享方法、装置、计算机设备以及存储介质
CN113183813A (zh) * 2021-05-22 2021-07-30 重庆紫微星新能源科技有限公司 一种充电桩充电管理方法、系统、存储介质及智能终端
CN113335121A (zh) * 2021-05-26 2021-09-03 安徽工程大学 一种共享充电桩的错峰式自动充电方法及系统
CN114757453A (zh) * 2022-06-14 2022-07-15 深圳大学 充电站有约束排程优化方法、计算机设备及可读存储介质
CN116228295A (zh) * 2023-03-02 2023-06-06 深圳市蜂蜗科技有限公司 一种充电桩的智能推荐方法及系统
CN117933433A (zh) * 2024-03-22 2024-04-26 成都信息工程大学 基于区块链的充电桩预约充电调度方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104218626A (zh) * 2013-05-31 2014-12-17 比亚迪股份有限公司 电动汽车预约充电的方法、系统及充电桩、预约服务器
CN108171353A (zh) * 2018-03-12 2018-06-15 湘潭大学 一种基于时间片的电动汽车充电预约匹配方法
CN108983638A (zh) * 2017-05-31 2018-12-11 国网江苏省电力公司常州供电公司 电动汽车充电推荐系统及方法
CN109693576A (zh) * 2019-01-10 2019-04-30 浙江工业大学 一种基于模拟退火算法的电动汽车充电调度优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104218626A (zh) * 2013-05-31 2014-12-17 比亚迪股份有限公司 电动汽车预约充电的方法、系统及充电桩、预约服务器
CN108983638A (zh) * 2017-05-31 2018-12-11 国网江苏省电力公司常州供电公司 电动汽车充电推荐系统及方法
CN108171353A (zh) * 2018-03-12 2018-06-15 湘潭大学 一种基于时间片的电动汽车充电预约匹配方法
CN109693576A (zh) * 2019-01-10 2019-04-30 浙江工业大学 一种基于模拟退火算法的电动汽车充电调度优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蒲勇健: ""基于物联网协调的电动汽车有序快速充电的一种市场设计模式与预约充电的优化算法"", 《北京论坛（2014）文明的和谐与共同繁荣——中国与世界：传统、现实与未来》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112706648A (zh) * 2019-10-24 2021-04-27 大众汽车股份公司 充电方法、车辆、充电装置以及其系统
CN111160588B (zh) * 2019-12-04 2024-03-19 国网电动汽车服务有限公司 一种预约充电服务方法及系统
CN111160588A (zh) * 2019-12-04 2020-05-15 国网电动汽车服务有限公司 一种预约充电服务方法及系统
CN113159907B (zh) * 2021-05-22 2024-02-13 重庆紫微星新能源科技有限公司 一种私桩共享方法、装置、计算机设备以及存储介质
CN113159907A (zh) * 2021-05-22 2021-07-23 重庆紫微星新能源科技有限公司 一种私桩共享方法、装置、计算机设备以及存储介质
CN113183813A (zh) * 2021-05-22 2021-07-30 重庆紫微星新能源科技有限公司 一种充电桩充电管理方法、系统、存储介质及智能终端
CN113183813B (zh) * 2021-05-22 2022-10-04 重庆紫微星新能源科技有限公司 一种充电桩充电管理方法、系统、存储介质及智能终端
CN113335121A (zh) * 2021-05-26 2021-09-03 安徽工程大学 一种共享充电桩的错峰式自动充电方法及系统
CN113335121B (zh) * 2021-05-26 2023-04-25 安徽工程大学 一种共享充电桩的错峰式自动充电方法及系统
CN114757453B (zh) * 2022-06-14 2022-09-09 深圳大学 充电站有约束排程优化方法、计算机设备及可读存储介质
CN114757453A (zh) * 2022-06-14 2022-07-15 深圳大学 充电站有约束排程优化方法、计算机设备及可读存储介质
CN116228295A (zh) * 2023-03-02 2023-06-06 深圳市蜂蜗科技有限公司 一种充电桩的智能推荐方法及系统
CN117933433A (zh) * 2024-03-22 2024-04-26 成都信息工程大学 基于区块链的充电桩预约充电调度方法及装置
CN117933433B (zh) * 2024-03-22 2024-05-31 成都信息工程大学 基于区块链的充电桩预约充电调度方法及装置

Also Published As

Publication number Publication date
CN110363311B (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN110363311A (zh) 基于预约的充电桩分配方法及系统
Sun et al. Optimal battery purchasing and charging strategy at electric vehicle battery swap stations
Mukherjee et al. A review of charge scheduling of electric vehicles in smart grid
WO2022242579A1 (zh) 兼容储能充电桩的电动运载工具电量路径规划方法
Kong et al. On-line event-driven scheduling for electric vehicle charging via park-and-charge
Wang et al. Two-stage admission and scheduling mechanism for electric vehicle charging
Bi et al. Logistical planning for electric vehicles under time-dependent stochastic traffic
Benetti et al. Real-time modeling and control of electric vehicles charging processes
Arif et al. Online scheduling of plug-in vehicles in dynamic pricing schemes
Yang et al. Distributed approach for temporal–spatial charging coordination of plug-in electric taxi fleet
Diaz et al. Smart charge of an electric vehicles station: A model predictive control approach
Kong et al. Smart rate control and demand balancing for electric vehicle charging
KR101413291B1 (ko) 전기 자동차의 배터리 충전 장치 및 방법
You et al. Online station assignment for electric vehicle battery swapping
CN110677445A (zh) 动态分配电池模组的方法和相应的服务器
Lee et al. Dual battery management for renewable energy integration in EV charging stations
CN112257886A (zh) 一种小区充电桩的预约系统及方法
Lee et al. Genetic algorithm-based charging task scheduler for electric vehicles in smart transportation
KR20190068358A (ko) 전기자동차 충방전 시스템과 그 방법
CN110293872A (zh) 一种电动汽车智能充电导航系统及方法
Yi et al. A data-driven framework for residential electric vehicle charging load profile generation
Zhou et al. E-sharing: Data-driven online optimization of parking location placement for dockless electric bike sharing
Saatloo et al. Hierarchical user-driven trajectory planning and charging scheduling of autonomous electric vehicles
Pinto et al. Space-aware modeling of two-phase electric charging stations
Li et al. A coordinated battery swapping service management scheme based on battery heterogeneity

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