CN110570050A - 一种计及路-网-车的电动汽车充电引导方法 - Google Patents

Abstract

本发明提供一种计及路‑网‑车的电动汽车充电引导方法，该方法考虑不同种类电动汽车充电需求差异，从日前与实时两个角度对慢充、快充模式的电动汽车进行优化引导调度，包括以下步骤：建立电气交通协同控制架构；制定充电站选择与导航策略；制定分时分区电价引导快充；建立双层优化调度模型引导慢充。本发明方法在保证配电系统安全性和经济性的前提下,兼顾电力用户的满意程度，考虑到不同充电需求、时间空间等因素来研究电动汽车的引导策略与运行模式。分析优化前后充电站与系统负荷情况可知，采用本发明方法使得系统负荷较自由充电模式下平缓，在一定程度上起到了“削峰填谷”的作用，改善了电力系统运行的安全性和经济性。

Description

一种计及路-网-车的电动汽车充电引导方法

技术领域

本发明涉及电力系统领域，特别是一种计及路-网-车的电动汽车充电引导方法。

背景技术

作为解决能源安全、环境污染和全球气候变暖的一种有效途径，电动汽车有着广阔的市场前景。但大量的电动汽车无引导的自由充电会对城市交通系统和配电系统的安全和经济运行带来严重的负面影响。因此，为避免这一现象，需制定车网友好互动综合引导策略与运行模式。通过协调控制电动汽车的充电过程可降低电动汽车造成的负面影响。传统电动汽车充电引导方法存在局限性，如：在建立电动汽车用户价格响应模型时，未将交通系统与电气系统协同考虑，准确度较低；通常对快充模式与慢充模式的电动汽车采用相同的引导策略与运行模式，未考虑二者充电需求的差异；传统方法侧重于考虑充电站利益，往往忽视了电动汽车用户的满意度。

发明内容

针对现有技术中存在的缺陷，本发明提供一种计及路-网-车的电动汽车充电引导方法。本发明方法在保证配电系统安全性和经济性的前提下,兼顾电力用户的满意程度，考虑到不同充电需求、时间空间等因素来研究电动汽车的引导策略与运行模式。

本发明采用以下技术方案：

一种计及路-网-车的电动汽车充电引导方法，考虑不同种类电动汽车充电需求差异，从日前与实时两个角度对慢充、快充模式的电动汽车进行优化引导调度，所述的电动汽车充电引导方法包括如下步骤：

建立电气交通协同控制架构；

制定充电站选择与导航策略；

制定分时分区电价引导快充；

建立双层优化调度模型引导慢充。

上述技术方案中，进一步地，所述的制定充电站选择与导航策略包括如下步骤：充电站选择导航平台分别从交通系统调度机构、配电系统调度机构、充电站运营商处获得各交通道路的实时通行速度、各充电站的实时电价、实时车桩比-信息，进行充电站选择决策，从而引导电动汽车用户充电；

并采用微观交通配流模型描述电动汽车用户的充电需求与出行规律，基本单元为出行链；出行链是指一天内电动汽车用户按照时间顺序依次完成一个或者多个出行目的地之间的连接关系，该出行链序列中包含时间、空间、电量三个特征量；通过描述这些特征量，可模拟出电动汽车用户的驾驶行为，进而获得充电需求的时空分布，方法如下：

1)时间特征量

时间特征量满足下述约束：

式中：分别为电动汽车行程j的开始、结束时刻；分别为电动汽车行程j的行驶、停车时长；

2)空间特征量

对于空间特征量，基于路网模型描述交通系统的拓扑结构，利用Floyd算法确定最优交通路径；

3)电量特征量

电量特征量满足下述约束：

式中：ΔS为电动汽车单位里程的耗电量；Δd为电动汽车单位时间内的行驶里程；S_capacity为电动汽车的电池容量，S_t和S_t+1分别为时刻t和t+1电动汽车的荷电状态。

进一步地，所述的制定分时分区电价引导快充的方法为：

针对快充模式，基于微观交通配流模型，日前通过分时分区电价的制定进行引导，实时通过充电站的选择与导航策略进行调度。

进一步地，所述的建立双层优化调度模型引导慢充的方法为：

针对慢充模式，基于双层优化调度模型，根据用户申报充电情况，日前制定日前调度计划，实时根据电动汽车实际充电情况进行调整。

进一步地，所述的制定分时分区电价引导快充的方法包括如下步骤：

1)充电站选择与导航策略制定

基于道路阻塞程度、行驶的距离和时间、充电等待时间、分时分区电价求取等效道路长度，

ρ_k,t'＝γ_k,t'/N_k

α_k,t＝ρ_k,t'/min(ρ_1,t',ρ_2,t',...,ρ_N,t')

β_k,t＝s_k,t'/min(s_1,t',s_2,t',...,s_N,t')

式中：l_r、l_r,t分别为道路的原始长度和在时刻t的加权长度；v_r,t为道路在时刻t的平均通行速度；抵达充电站k充电的总加权长度；l_r,t,k为抵达充电站k时的等效道路长度，综合考虑充电站k的车桩比系数与充电服务费用等因素求得；α_k,t、β_k,t为对应的充电站k车桩比系数、充电服务费用的加权系数；ρ_k,t'、s_k,t'、γ_k,t'为预计抵达充电站k时刻的车桩比系数、充电服务费用、电动汽车数量；N_k为充电站k的充电桩数目；

电动汽车用户基于Floyd算法进行充电站的选择：当电动汽车抵达目的地荷电状态低于最小阈值时，选择从当前位置至充电站、目的地道路等效长度最小的充电站进行充电；反之，电动汽车则继续前往目的地；

2)分时分区充电服务电价制定

制定分时分区服务价格，并优化电动汽车充电负荷；

目标函数如下：

f＝maxΔC_grid

ΔC_grid＝G_peak×ΔW_peak+G_valley×ΔW_valley

式中：ΔC_grid为分时分区电价引入前后充电站减少的购电费用；G_peak、G_valley分别为电网在峰、谷期的购电费用；ΔW_peak、ΔW_valley分别为用户在峰、谷期充电负荷的变化量；

约束条件如下：

0≤U_p,i-U_v,i≤1

U_min≤U≤U_max

ΔC_grid＝Ratio×ΔC_user

式中：U_p,i、U_v,i分别为充电站i充电服务的峰、谷期价格；U_min、U_max分别为充电站充电服务价格的最小值、最大值；电网在峰、谷期的购电费用；Ratio为用户总体的分成比例；ΔC_user为分时分区电价引入前后用户减少的购电费用。

进一步地，所述的建立双层优化调度模型引导慢充的方法中，双层优化调度模型的建立方法为：

(1)上层模型

配电系统调度机构通过制定各充电站各时刻的最优充电调度计划，使系统的实时调度计划与日前调度计划的偏差、系统网损、实时调度与下层实际偏差最小；

1)目标函数

式中：F_t ^u为上层目标函数，其中包含三项：第一项为实时调度计划与日前调度计划的偏差，第二项为系统网损，第三项为实时调度计划与实际的偏差；ω₁、ω₂、ω₃为三个目标函数对应的权重；为第k个充电站在t时刻的日前调度功率；为第k个充电站在t时刻的实时调度计划功率；为第k个充电站在t时刻的实时调度实际功率；L为系统线路数目；r_l为线路l的电阻；P_l,t、Q_l,t分别为流过线路l的有功功率和无功功率；V为线路电压基准值，一般取V＝1.0pu；

2)约束条件

上层模型中考虑潮流等式约束、变压器容量约束、节点电压约束、线路传输功率约束、各充电站可调度容量约束；

基于DistFlow模型的潮流约束，通过二阶锥松弛转化进行线性化：

AP_t-P_G,t+P_L,t+P_t ^plan＝0

AQ_t-Q_G,t+Q_L,t＝0

式中：A为节点支路关联矩阵；P_t、Q_t分别为时刻t线路的有功、无功潮流向量；P_G,t、Q_G,t分别为时刻t各节点的有功、无功发电向量；P_L,t、Q_L,t分别为时刻t各节点的有功、无功负荷向量；P_t ^plan为时刻t的实时调度计划功率；为时刻t各节点的电压幅值平方的向量；R、X分别为各线路电阻、电抗的对角矩阵；

变压器容量约束

式中：P_i、Q_i分别为时刻t各节点的注入的有功、无功向量；S_i.tran为各节点的变压器容量；

线路传输功率约束

-P_max≤P_l,t≤P_max

-Q_max≤Q_l,t≤Q_max

式中：P_max、Q_max分别为线路可传输的有功和无功功率上限；

节点电压约束

V_i,min≤V_i,t≤V_i,max

式中：V_i,t为时刻t节点i的电压幅值；V_i,min、V_i,max分别为节点i的电压幅值下限和上限；

各充电站可调度容量约束

式中：N_k为充电站k充电桩的数目；P_k,t为时刻t充电站k的充电功率；为充电站k充电桩的最大充电功率；

(2)下层模型

1)目标函数

式中：为下层目标函数，表示实时调度计划与实际的偏差；Ω_k,t为时刻t在充电站k的电动汽车集合

；P_k,u,t为时刻t充电站k内电动汽车u的充电功率。

2)约束条件

下层模型中考虑充电站内各电动汽车充放电功率约束、充电状态约束、充电荷电状态动态约束、充电荷电状态安全约束、用户充电荷电状态期望约束；

P_k,u,t＝γ_k,u,tP_k

S_min≤S_k,u,t≤S_max

式中：P_k,u,t为时刻t充电站k内电动汽车u的充电功率，P_k为充电桩的分时变充电功率；S_k,u,t和S_k,u,t+1分别为时刻t和t+1充电站k内电动汽车u的荷电状态；γ_k,u,t为表示第u辆电动汽车在时刻t充电状态的0-1变量；分别为用户抵达、驶离充电站的时间；α_k,u为充电站k内第u辆电动汽车的电池寿命损耗系数；η_k,u为充电站k内第u辆电动汽车的充放电效率；β_k,u为充电站k内第u辆电动汽车的蓄电池容量；S_min、S_max分别为最小、最大容许荷电状态；为用户期望荷电状态。

本发明中，由于电动汽车同时具备交通属性和电气属性，因此基于城市交通系统、配电系统和电动汽车三者的交互作用，建立电气交通协同控制架构。基于微观交通配流模型，制定分时分区电价，分析定价前后各快充充电站充电情况变化；基于双层优化调度模型，对慢充电动汽车进行优化调度，分析优化前后系统负荷水平情况变化。

本发明提供的技术方案的有益效果：

本发明的一种计及路-网-车的电动汽车充电引导方法，针对不同充电需求的电动汽车分别进行实时时空优化引导调度。采用本发明模型,可以在保证配电系统安全性和经济性的前提下,同时考虑到电力用户的满意程度，从日前与实时两个角度对慢充、快充模式的电动汽车从时空两个方面进行优化引导调度。

其中，快充模式针对电动汽车用户在充电需求紧急的情况。本发明的电动汽车快速充电模式基于分时分区电价引导策略与充电站选择与导航策略，使得快充用户行驶距离和时间更短，充电排队等待时间短，充电费用更低。其次，还可使各充电站的负荷在时空分布上尽可能均匀，避免资源浪费和在充电站附近区域出现严重道路拥堵的情况。

本发明的慢充模式则针对电动汽车用户在用电需求松弛的情况，可有效减小电力系统峰谷差、降低用户充电成本、满足用户充电需求。

附图说明

图1为计及路-网-车的电动汽车充电引导方法流程图；

图2为优化前后快充充电站单位时段平均充电车辆数量；

图3为优化前后系统负荷曲线；

图4为电气交通协同控制架构；

图5为基于微观交通配流模型的充电站选择与导航策略建模流程图。

具体实施方式

为更好地理解本发明的目的、技术方案以及技术效果，以下结合附图对本发明进行进一步的讲解说明。

本发明提出了一种计及路-网-车的电动汽车充电引导方法，其实施流程如图1所示，具体包括如下详细步骤：

步骤1、建立电气交通协同控制架构；

因为电动汽车同时具备交通属性和电气属性，因此基于城市交通系统、配电系统和电动汽车三者的交互作用，建立了电气交通协同控制架构。充电站选择导航平台分别从交通系统调度机构、配电系统调度机构、充电站运营商处获得各交通道路的实时通行速度、各充电站的实时电价、实时车桩比等信息，进行充电站选择决策，从而引导电动汽车用户充电。

步骤2、建立微观交通配流模型；

采用微观交通配流模型来描述电动汽车用户的充电需求与出行规律，基本单元为出行链。出行链是指一天内电动汽车用户按照时间顺序依次完成一个或者多个出行目的地之间的连接关系。通过描述出行链序列中的时间、空间、电量三个特征量(如表1)，可模拟出电动汽车用户的驾驶行为，进而获得充电需求的时空分布。

表1出行链特征量及指标信息

特征量信息提取的至关重要，其提取方法直接影响微观交通配流模型的模拟准确性。在提取特征量信息时，首先采用核密度法获得概率密度函数，再通过蒙特卡洛法进行抽样。

1)时间特征量

时间特征量满足下述约束：

式中：分别为电动汽车行程j的开始、结束时刻；分别为电动汽车行程j的行驶、停车时长。

2)空间特征量

对于空间特征量，首先利用路网模型描述交通系统的拓扑结构，根据交通节点附近目的地的类型求得其权重，然后快充用户以行驶里程作为结束判据、慢充用户则以行程数目作为结束判据，最终利用Floyd算法确定最优交通路径。

3)电量特征量

电量特征量满足下述约束：

式中：ΔS为电动汽车单位里程的耗电量；Δd为电动汽车单位时间内的行驶里程；S_capacity为电动汽车的电池容量。

步骤3、制定充电站选择与导航策略，具体如图5所示；

基于道路阻塞程度、行驶的距离和时间、充电等待时间、分时分区电价求取等效道路长度。

ρ_k,t'＝γ_k,t'/N_k

α_k,t＝ρ_k,t'/min(ρ_1,t',ρ_2,t',...,ρ_N,t')

β_k,t＝s_k,t'/min(s_1,t',s_2,t',...,s_N,t')

式中：l_r、l_r,t分别为道路的原始长度和在时刻t的加权长度；v_r,t为道路在时刻t的平均通行速度；抵达充电站k充电的总加权长度；l_r,t,k为抵达充电站k时的等效道路长度，综合考虑充电站k的车桩比系数与充电服务费用等因素求得；α_k,t、β_k,t为对应的充电站k车桩比系数、充电服务费用的加权系数；ρ_k,t'、s_k,t'、γ_k,t'为预计抵达充电站k时刻的车桩比系数、充电服务费用、电动汽车数量；N_k为充电站k的充电桩数目。

电动汽车用户基于Floyd算法进行充电站的选择。当电动汽车抵达目的地荷电状态低于最小阈值时，选择从当前位置至充电站、目的地道路等效长度最小的充电站进行充电。反之，电动汽车则继续前往目的地。

步骤4、制定分时分区电价引导快充；

本发明以降低充电站以及用户的购电费用为目标，制定分时分区服务价格，并优化电动汽车充电负荷。

(1)目标函数

f＝maxΔC_grid

ΔC_grid＝G_peak×ΔW_peak+G_valley×ΔW_valley

式中：ΔC_grid为分时分区电价引入前后充电站减少的购电费用；G_peak、G_valley分别为电网在峰、谷期的购电费用；ΔW_peak、ΔW_valley分别为用户在峰、谷期充电负荷的变化量。

(2)约束条件

0≤U_p,i-U_v,i≤1

U_min≤U≤U_max

ΔC_grid＝Ratio×ΔC_user

式中：U_p,i、U_v,i分别为充电站i充电服务的峰、谷期价格；U_min、U_max分别为充电站充电服务价格的最小值、最大值；电网在峰、谷期的购电费用；Ratio为用户总体的分成比例；ΔC_user为分时分区电价引入前后用户减少的购电费用。

步骤5、建立双层优化调度模型引导慢充；

(1)上层模型

上层模型中，配电系统调度机构通过制定各充电站各时刻的最优充电调度计划，使系统的实时调度计划与日前调度计划的偏差、系统网损、实时调度与下层实际偏差最小。

1)目标函数

式中：F_t ^u为上层目标函数，其中包含三项：第一项为实时调度计划与日前调度计划的偏差，第二项为系统网损，第三项为实时调度计划与实际的偏差；ω₁、ω₂、ω₃为三个目标函数对应的权重；为第k个充电站在t时刻的日前调度功率；为第k个充电站在t时刻的实时调度计划功率；为第k个充电站在t时刻的实时调度实际功率；L为系统线路数目；r_l为线路l的电阻；P_l,t、Q_l,t分别为流过线路l的有功功率和无功功率；V为线路电压基准值，一般取V＝1.0pu。

2)约束条件

上层调度模型中考虑潮流等式约束、变压器容量约束、节点电压约束、线路传输功率约束、各充电站可调度容量约束等。

1、基于DistFlow模型的潮流约束

DistFlow模型广泛用于无环网的辐射性配电网的潮流计算，但传统的基于DistFlow模型的配电系统最优潮流模型是非线性的，故通过二阶锥松弛转化进行线性化。

AP_t-P_G,t+P_L,t+P_t ^plan＝0

AQ_t-Q_G,t+Q_L,t＝0

式中：A为节点支路关联矩阵；P_t、Q_t分别为时刻t线路的有功、无功潮流向量；P_G,t、Q_G,t分别为时刻t各节点的有功、无功发电向量；P_L,t、Q_L,t分别为时刻t各节点的有功、无功负荷向量；为时刻t各节点的电压幅值平方的向量；R、X分别为各线路电阻、电抗的对角矩阵。

2、变压器容量约束

式中：P_i、Q_i分别为时刻t各节点的注入的有功、无功向量；S_i.tran为各节点的变压器容量。

3、线路传输功率约束

-P_max≤P_l,t≤P_max

-Q_max≤Q_l,t≤Q_max

式中：P_max、Q_max分别为线路可传输的有功和无功功率上限。

4、节点电压约束

V_i,min≤V_i,t≤V_i,max

式中：V_i,t为时刻t节点i的电压幅值；V_i,min、V_i,max分别为节点i的电压幅值下限和上限。

5、各充电站可调度容量约束

式中：N_k为充电站k充电桩的数目；P_k,t为时刻t充电站k的充电功率；为充电站k充电桩的最大充电功率。

(2)下层模型

1)目标函数

式中：为下层目标函数，表示实时调度计划与实际的偏差；Ω_k,t为时刻t在充电站k的电动汽车集合

；P_k,u,t为时刻t充电站k内电动汽车u的充电功率。

2)约束条件

下层调度模型中考虑充电站内各电动汽车充电状态约束、充电荷电状态动态约束、充电荷电状态安全约束、用户充电荷电状态期望约束等不等式约束。

P_k,u,t＝γ_k,u,tP_k

S_min≤S_k,u,t≤S_max

式中：P_k为充电桩的分时变充电功率；S_k,u,t为时刻t充电站k内电动汽车u的荷电状态；γ_k,u,t为表示第u辆电动汽车在时刻t充电状态的0-1变量；分别为用户抵达、驶离充电站的时间；α_k,u为充电站k内第u辆电动汽车的电池寿命损耗系数；η_k,u为充电站k内第u辆电动汽车的充放电效率；β_k,u为充电站k内第u辆电动汽车的蓄电池容量；S_min、S_max分别为最小、最大容许荷电状态；为用户期望荷电状态。不等式约束依次为充电站内各电动汽车充放电功率约束、充放电状态约束、充电荷电状态动态约束、充电荷电状态安全约束、用户充电荷电状态期望约束。

步骤6、分析优化前后充电站与系统负荷情况。

为进一步说明本发明,以浙江省某典型A类供电区域为例来解释本发明的实际应用。

在对电气化交通协同系统进行仿真时，给定下述参数：(1)仿真时段为00：00-24：00，仿真时长为15min，总共包括96个时段；(2)共有电动出租车501辆，为快充模式，电动社会车辆1652辆，采用慢充模式；(3)快充充电站共10个，每个充电站内有15个充电桩，慢充充电站共8个，每个充电站内有40个充电桩；(4)各EV的参数相同：电池容量为30kWh,快充功率为30kW，慢充功率为15kW；(5)SOC上下限分别为100％和20％；(5)快充充电服务电费优化前采取单一定价制度，为0.6/kWh，优化后采用分时分区定价制度。

表2展示了分时分区电价制定情况以及充电站减少购电成本情况。

表2分时分区电价制定

由表2可知,采用分时分区电价引导策略后,充电站的购电成本相较之前显著下降。

根据附图2,可看出经过分时分区电价引导策略后，充电站10单位时段平均充电车辆明显减少，充电站2单位时段平均充电车辆增加，各充电站单位时段充电车辆趋于平均。

根据附图3，可看出自由充电模式会增加系统峰荷，导致“峰上加峰”，对电力系统安全运行带来负面影响，采用双层优化调度模型后，在有序充电模式下，系统负荷较自由充电模式下平缓，在一定程度上起到了“削峰填谷”的作用，改善了电力系统运行的安全性和经济性。

Claims (6)

1.一种计及路-网-车的电动汽车充电引导方法,其特征在于，考虑不同种类电动汽车充电需求差异，从日前与实时两个角度对慢充、快充模式的电动汽车进行优化引导调度，所述的电动汽车充电引导方法包括如下步骤：

建立电气交通协同控制架构；制定充电站选择与导航策略；制定分时分区电价引导快充；建立双层优化调度模型引导慢充。

2.根据权利要求1所述的一种计及路-网-车的电动汽车充电引导方法，其特征在于，所述的制定充电站选择与导航策略包括如下步骤：充电站选择导航平台分别从交通系统调度机构、配电系统调度机构、充电站运营商处获得各交通道路的实时通行速度、各充电站的实时电价、实时车桩比-信息，进行充电站选择决策，从而引导电动汽车用户充电；并采用微观交通配流模型描述电动汽车用户的充电需求与出行规律，基本单元为出行链；出行链是指一天内电动汽车用户按照时间顺序依次完成一个或者多个出行目的地之间的连接关系，该出行链序列中包含时间、空间、电量三个特征量；通过描述这些特征量，可模拟出电动汽车用户的驾驶行为，进而获得充电需求的时空分布，方法如下：

1)时间特征量

时间特征量满足下述约束：

式中：分别为电动汽车行程j的开始、结束时刻；分别为电动汽车行程j的行驶、停车时长；

2)空间特征量

对于空间特征量，基于路网模型描述交通系统的拓扑结构，利用Floyd算法确定最优交通路径；

3)电量特征量

电量特征量满足下述约束：

式中：ΔS为电动汽车单位里程的耗电量；Δd为电动汽车单位时间内的行驶里程；S_capacity为电动汽车的电池容量，S_t和S_t+1分别为时刻t和t+1电动汽车的荷电状态。

3.根据权利要求1所述的一种计及路-网-车的电动汽车充电引导方法，其特征在于，所述的制定分时分区电价引导快充的方法为：

针对快充模式，基于微观交通配流模型，日前通过分时分区电价的制定进行引导，实时通过充电站的选择与导航策略进行调度。

4.根据权利要求1所述的一种计及路-网-车的电动汽车充电引导方法，其特征在于，所述的建立双层优化调度模型引导慢充的方法为：

针对慢充模式，基于双层优化调度模型，根据用户申报充电情况，日前制定日前调度计划，实时根据电动汽车实际充电情况进行调整。

5.根据权利要求3所述的一种计及路-网-车的电动汽车充电引导方法，其特征在于，所述的制定分时分区电价引导快充的方法包括如下步骤：

1)充电站选择与导航策略制定

基于道路阻塞程度、行驶的距离和时间、充电等待时间、分时分区电价求取等效道路长度，

ρ_k,t'＝γ_k,t'/N_k

α_k,t＝ρ_k,t'/min(ρ_1,t',ρ_2,t',...,ρ_N,t')

β_k,t＝s_k,t'/min(s_1,t',s_2,t',...,s_N,t')

式中：l_r、l_r,t分别为道路的原始长度和在时刻t的加权长度；v_r,t为道路在时刻t的平均通行速度；抵达充电站k充电的总加权长度；l_r,t,k为抵达充电站k时的等效道路长度，综合考虑充电站k的车桩比系数与充电服务费用等因素求得；α_k,t、β_k,t为对应的充电站k车桩比系数、充电服务费用的加权系数；ρ_k,t'、s_k,t'、γ_k,t'为预计抵达充电站k时刻的车桩比系数、充电服务费用、电动汽车数量；N_k为充电站k的充电桩数目；

电动汽车用户基于Floyd算法进行充电站的选择：当电动汽车抵达目的地荷电状态低于最小阈值时，选择从当前位置至充电站、目的地道路等效长度最小的充电站进行充电；反之，电动汽车则继续前往目的地；

2)分时分区充电服务电价制定

制定分时分区服务价格，并优化电动汽车充电负荷；

目标函数如下：

f＝maxΔC_grid

ΔC_grid＝G_peak×ΔW_peak+G_valley×ΔW_valley

式中：ΔC_grid为分时分区电价引入前后充电站减少的购电费用；G_peak、G_valley分别为电网在峰、谷期的购电费用；ΔW_peak、ΔW_valley分别为用户在峰、谷期充电负荷的变化量；

约束条件如下：

0≤U_p,i-U_v,i≤1

U_min≤U≤U_max

ΔC_grid＝Ratio×ΔC_user

式中：U_p,i、U_v,i分别为充电站i充电服务的峰、谷期价格；U_min、U_max分别为充电站充电服务价格的最小值、最大值；电网在峰、谷期的购电费用；Ratio为用户总体的分成比例；ΔC_user为分时分区电价引入前后用户减少的购电费用。

6.根据权利要求4所述的一种计及路-网-车的电动汽车充电引导方法，其特征在于，所述的建立双层优化调度模型引导慢充的方法中，双层优化调度模型的建立方法为：

(1)上层模型

配电系统调度机构通过制定各充电站各时刻的最优充电调度计划，使系统的实时调度计划与日前调度计划的偏差、系统网损、实时调度与下层实际偏差最小；

1)目标函数

式中：F_t ^u为上层目标函数，其中包含三项：第一项为实时调度计划与日前调度计划的偏差，第二项为系统网损，第三项为实时调度计划与实际的偏差；ω₁、ω₂、ω₃为三个目标函数对应的权重；为第k个充电站在t时刻的日前调度功率；为第k个充电站在t时刻的实时调度计划功率；为第k个充电站在t时刻的实时调度实际功率；L为系统线路数目；r_l为线路l的电阻；P_l,t、Q_l,t分别为流过线路l的有功功率和无功功率；V为线路电压基准值，一般取V＝1.0pu；

2)约束条件

上层模型中考虑潮流等式约束、变压器容量约束、节点电压约束、线路传输功率约束、各充电站可调度容量约束；

基于DistFlow模型的潮流约束，通过二阶锥松弛转化进行线性化：

AP_t-P_G,t+P_L,t+P_t ^plan＝0

AQ_t-Q_G,t+Q_L,t＝0

式中：A为节点支路关联矩阵；P_t、Q_t分别为时刻t线路的有功、无功潮流向量；P_G,t、Q_G,t分别为时刻t各节点的有功、无功发电向量；P_L,t、Q_L,t分别为时刻t各节点的有功、无功负荷向量；P_t ^plan为时刻t的实时调度计划功率；为时刻t各节点的电压幅值平方的向量；R、X分别为各线路电阻、电抗的对角矩阵；

变压器容量约束

式中：P_i、Q_i分别为时刻t各节点的注入的有功、无功向量；S_i.tran为各节点的变压器容量；

线路传输功率约束

-P_max≤P_l,t≤P_max

-Q_max≤Q_l,t≤Q_max

式中：P_max、Q_max分别为线路可传输的有功和无功功率上限；

节点电压约束

V_i,min≤V_i,t≤V_i,max

式中：V_i,t为时刻t节点i的电压幅值；V_i,min、V_i,max分别为节点i的电压幅值下限和上限；

各充电站可调度容量约束

式中：N_k为充电站k充电桩的数目；P_k,t为时刻t充电站k的充电功率；为充电站k充电桩的最大充电功率；

(2)下层模型

1)目标函数

式中：为下层目标函数，表示实时调度计划与实际的偏差；Ω_k,t为时刻t在充电站k的电动汽车集合

；P_k,u,t为时刻t充电站k内电动汽车u的充电功率。

2)约束条件

下层模型中考虑充电站内各电动汽车充放电功率约束、充电状态约束、充电荷电状态动态约束、充电荷电状态安全约束、用户充电荷电状态期望约束；

P_k,u,t＝γ_k,u,tP_k

S_min≤S_k,u,t≤S_max

式中：P_k,u,t为时刻t充电站k内电动汽车u的充电功率，P_k为充电桩的分时变充电功率；S_k,u,t和S_k,u,t+1分别为时刻t和t+1充电站k内电动汽车u的荷电状态；γ_k,u,t为表示第u辆电动汽车在时刻t充电状态的0-1变量；分别为用户抵达、驶离充电站的时间；α_k,u为充电站k内第u辆电动汽车的电池寿命损耗系数；η_k,u为充电站k内第u辆电动汽车的充放电效率；β_k,u为充电站k内第u辆电动汽车的蓄电池容量；S_min、S_max分别为最小、最大容许荷电状态；为用户期望荷电状态。