CN112193116A - 一种考虑奖励机制的电动汽车充电优化引导策略 - Google Patents

Abstract

本发明属于电力系统领域，具体涉及一种考虑奖励机制的电动汽车充电优化引导策略。现有技术在调动用户积极性方面考虑较少，同时没有充分反映电动汽车配置信息和出行特征信息，电动汽车的电池容量等配置信息和开始充电时刻的荷电状态会影响电动汽车的充电时长，因此本发明主要考虑电动汽车在减小负荷波动方面的奖励和充电费用，考虑用户出行需求，由此确定电动汽车的最优充电时段；引入了充电站在减小电网峰谷差和负荷波动的奖励机制，最后，利用电动汽车动态响应的实时优化算法对所提优化调度模型进行求解。

Description

一种考虑奖励机制的电动汽车充电优化引导策略

技术领域

本发明属于电力系统领域，具体涉及一种考虑奖励机制的电动汽车充电优化引导策略。

背景技术

电动汽车在节能减排和改善环境方面越来越受到各个国家的重视，在多个领域被积极推广应用，随着电动汽车数量的不断增加，大量电动汽车的无序充电会增大电网负荷的峰谷差，造成网损增大，影响配网系统的电能质量，对电网的安全稳定运行构成威胁。合理的优化调度策略能够有效限制电动汽车无序充电对电力系统产生的负面影响，减小配电系统的负荷峰谷差，提高电网安全性和经济性，丰富电网运行、调节和控制手段，改善用户的充电体验，推动电动汽车产业健康快速发展。

文献[1-3]以分时电价作为激励措施，研究电动汽车充放电优化调度策略，文献[3]分析对比了固定电价与分时电价下对电网及用户的影响，表明在减小电网峰谷差和提高电动汽车用户经济性方面，分时电价引导的调度方法具有明显的优势。文献[4]从需求方合作出发，引入优惠定价措施刺激用户加入调度计划，让用户在固定的时间段充电，但部分电动汽车用户在规定时间段可能无充电需求，在配网峰值时段充电就会造成峰峰叠加。通常分时电价的调节时间跨度较长，用户充电负荷集中在低谷充电，可能会形成新的负荷高峰，对系统的可靠性和安全性构成威胁，还可能导致在部分车流量较大的充电站用户的排队和等候时间变长。因此，需要良好的控制和调度措施，采取多主体配合的办法才能解决问题。

在电网实际运行中，网损是造成经济损失的一大来源[5]，而大量电动汽车用户充电的随机性和不确定性很可能会增大电网的负荷峰谷差，进一步增加系统网损，造成更大的经济损失。可将部分经济损失的费用作为激励用户参与电动汽车调度的奖励，通过合理调度，电动汽车充电负荷作为灵活负荷，不仅能够减小系统网损，使电网更安全，而且用户得到奖励，充电满意度也会提高，同时电动汽车充电站也可得到减小网损的奖励，更愿意接受电网的充电优化调度策略，且更易于管理，达到电动汽车用户、电动汽车充电设备、配电系统多主体间的多赢。负荷方差与网损紧密关联，从实际系统出发，最小化负荷方差近似最小化网损[6]，且负荷方差法比最小化网损所用时间更短，这对于电动汽车的实时调度显得非常重要。因此以减小负荷波动为研究内容。文献[7]以居民区配网负荷为研究对象，考虑电动汽车充电需求，以网损最小为目标的对电动汽车充电进行优化，但其假设电动汽车用户均愿意加入到有序充电的计划中，电动汽车在优化时间段内充电完全可控；且设定电动汽车在配网的各个节点相对均匀分布地进行充电，设定了电动汽车充电前的荷电状态和电池容量，优化结果不具有说服力。

[1]常方宇,黄梅,张维戈.分时充电价格下电动汽车有序充电引导策略[J].电网技术,2016,40(09):2609-2615.

[2]Y.ZHOU,G.XU.Demand side energy management with PSO and regulatedelectric vehicles behaviours[C].Hong Kong,2014IEEE PES Asia-Pacific Power andEnergy Engineering Conference,2014:1-6.

[3]魏大钧,张承慧,孙波,等.基于分时电价的电动汽车充放电多目标优化调度[J].电网技术,2014,38(11):2972-2977.

[4]Q.KANG,S.FENG,M.ZHOU,et al.Optimal load scheduling ofplug-inhybrid electric vehicles via weight-aggregation multi-objective evolutionaryalgorithms[J].IEEE Transactions on Intelligent Transportation Systems,2017,18(9):2557-2568.

[5]陈凯炎,牛玉刚.基于V2G技术的电动汽车实时调度策略[J].电力系统保护与控制,2019,8(03):1-9.

[6]Eric Sortomme,Mohammad M.Hindi,S.D.James MacPherson,etal.Coordinated charging ofplug-in hybrid electric vehicles to minimizedistribution system losses[J].IEEE Transactions on Smart Grid,2011,2(1):198-205.

[7]占恺峤,宋永华,胡泽春,等.以降损为目标的电动汽车有序充电优化[J].中国电机工程学报,2012,32(31):11-18+213.

发明内容

电动汽车充电优化引导策略研究中，上述现有技术在调动用户积极性方面考虑较少，同时没有充分反映电动汽车配置信息和出行特征信息，电动汽车的电池容量等配置信息和开始充电时刻的荷电状态会影响电动汽车的充电时长。因此，从电网、充电设备和用户多主体出发，考虑充电优化管理调度架构建立电动汽车充电优化调度模型，为充分激发电动汽车用户响应参与充电优化引导策略，基于分时电价的调控策略，引入用户在降低电网负荷波动中的奖励机制，对于充电位置的选择具有不确定性的电动汽车，同时考虑电动汽车在减小配电网负荷波动方面奖励和电动汽车行驶成本和充电等待成本，通过电动汽车用户的自主选择性而确定充电的位置和充电时间，考虑用户出行需求，以用户综合满意度最优为目标；对于充电地点较为固定的用户，充电位置的选择具有确定性，因此主要考虑电动汽车在减小负荷波动方面的奖励和充电费用，考虑用户出行需求，由此确定电动汽车的最优充电时段；引入了充电站在减小电网峰谷差和负荷波动的奖励机制，最后，利用电动汽车动态响应的实时优化算法对所提优化调度模型进行求解。

为了达到上述目的，本发明采用了下列技术方案：

一种考虑奖励机制的电动汽车充电优化引导策略,提出充电优化管理调度架构,在分时电价基础上建立用户在降低电网负荷波动中的奖励机制，基于充电优化管理调度架构提出考虑奖励机制的电动汽车充电优化引导策略，对充电位置的选择具有不确定性的电动汽车用户和充电地点较为固定的用户，考虑用户出行需求，确定电动汽车的充电的位置和充电时间，以用户综合满意度最优为目标，建立考虑奖励机制的电动汽车充电优化引导策略模型，具体包括以下步骤：

步骤1，提出充电优化管理调度架构：随着电动汽车数量的不断增加，电动汽车无序充电会对电网的经济和安全运行构成极大的威胁，电动汽车用户可能对电网负荷的运行情况不知情，在用电高峰期进行充电，加大电网的负荷峰谷差值。而随着网络技术的高速发展，电网可基于网络服务平台向电动汽车用户发布信息，车主可通过车内信息交互平台或手机APP提示获取信息，电动汽车用户在有充电需求时，可获取附近可提供充电服务设备的位置信息，同时可获取充电设备的利用情况，有效避免车主在充电站内很长的排队等候时间，提高出行和充电效率，车主也可及时获取电网一天内的电价信息，根据出行需求选择在较低电价时段充电，可以提高车主充电舒适度；根据电网负荷运行情况和用户出行信息，充电站也可对车辆的充电进行控制和调节；电网可根据电动汽车用户充电信息和充电设备的信息制定合理的电价等引导策略，为了能够达到多主体间信息的传递交互，更好对电动汽车进行充电优化和引导，提出电动汽车充电优化管理调度架构，如图1所示，由调动信息服务中心、交通系统、充电设备、配网系统和电动汽车用户构成；

步骤2，建立电动汽车充电优化奖励机制和目标函数，电动汽车充电优化奖励机制分为用户在降低电网负荷中的奖励机制和电网公司对充电站的奖励机制；

步骤3，优化引导策略模型的求解：利用蒙特卡洛方法模拟电动汽车的出行特征信息和充电需求，电动汽车的充电路径由Floyd算法确定，根据电动汽车用户的出行特征信息和约束条件确定一种动态响应的实时优化算法，通过MATLAB软件对电动汽车的充电优化引导策略模型求解，电动汽车充电优化引导流程如图3所示。

进一步，所述步骤1中调动信息服务中心根据电动汽车产生充电需求的历史数据、配网系统负荷波动情况及充电奖励提示电动汽车用户充电，通过信息交互提示界面为电动汽车用户实时提供行程范围内每个充电站当前的状态，可与配网系统、充电设备交通系统和电动车用户信息交互；

实时调度的信息采集、更新和传输对网络和通信带宽要求较高，5G网络正被各大运营商考虑作为新型网络部署架构，5G无线通信技术通过升级可实时搜集、汇总大量信息放入移动终端，提高了数据的有效性和安全性。5G技术大带宽、超高速度、大规模链接、超低时延和高可靠的特征使得实时信息的获取和传输将更加快捷和高效。

所述充电设备为充电站、某区域内配有若干充电桩的集合，可通过电动汽车接入获取电动汽车用户的车辆信息，充电设备的当前信息包括可用充电桩数量、队列状态、充电价格，可与调动信息服务中心、交通系统、配网系统和电动汽车用户信息交互；

所述配网系统的负荷主要为常规负荷、电动汽车负荷，配网系统的数据包括电价信息、充电设备对应的配网节点的负荷数据，可与调动信息服务中心、充电设备、电动汽车用户信息交互；

所述电动汽车用户将车辆配置和出行特征信息传递给调度信息服务中心，可与调动信息服务中心、交通系统、充电设备和配网系统信息交互，当电动汽车用户产生充电需求时，通过信息交互提示界面向调度信息服务中心发送需求，由调度信息服务中心为用户规划充电选择方案来指导电动汽车调度，实时传递给用户，用户根据信息交互提示界面反馈的信息进行决策，是否参与到充电优化调度中，用户接受调度信息服务中心的调度指令后，将按照最优路径规划前往目的充电设备进行充电。

再进一步，所述出行特征信息为电动汽车的电池容量、充电预期值、停车时长。

进一步，从电动汽车充电负荷对配网经济和安全的影响出发，充分调动用户参与充电调度的积极性，引入用户在降低电网损耗中的奖励机制，可对每辆电动汽车进行充电优化调度，为其提供充电策略。所述步骤2中用户在降低电网负荷波动中的奖励机制为电动汽车接入充电设备进行充电得到的奖励值依据减小配网系统负荷波动的幅度大小而制定；

对于出行目的和充电位置具有不确定性的电动汽车，为减小节点负荷波动，可能会出现负荷波动减小幅度较小，而用户到达目的充电站的行驶距离和充电排队等候时长较长，使用户的综合满意度会降低的情况，用户综合满意度最优为用户的出行成本和充电费用最低，而获取的奖励最大，目标函数为：

式(5)中，w_p-op为负荷波动权重系数，w_user为用户出行满意度权重系数，w_p-op可取0.6，w_user取0.4，N_e为电动汽车数量；

为电动汽车一次充电过程中的费用，公式如下：

式(6)中，t_e,star为电动汽车e的开始充电时间，t_e,end为电动汽车e充电结束时间，P_e,c,t为t时刻接入充电站的电动汽车e的充电功率，

为t时刻的分时电价，η_c为充电效率；

式(5)中，R_re,e为电动汽车e获取的奖励值，其公式如下：

式(1)中，α_re,e为奖励系数，P_L,i,t为节点i在t时刻的常规负荷，P′_c,t为电动汽车未接入时充电站的功率，P_e,c,t为t时刻接入充电站的电动汽车e的充电功率，P′_av和P″_av分别表示电动汽车未接入和接入充电站的平均负荷函数；T为调度周期，N_d为配电网节点数；

式(5)中，C_d为电动汽车行驶成本，其公式如下：

C_d＝ξ_dE_aλ_h-sd_h-su (2)

式(2)中，E_a表示平均充电电价，λ_h-s为电动汽车用户是否加入到调度中的决策变量，d_h-s为电动汽车从接受调度信息服务中心的调度指令地点到充电站间的距离，u为电动汽车单位里程耗电量，ξ_d为行驶成本系数；

式(5)中，C_q为电动汽车充电排队等待成本，其公式如下：

C_q＝ξ_qE_aT_qP_c (3)

式(3)中，ξ_q为等待成本系数，E_a表示平均充电电价，P_c为电动汽车的充电功率，T_q为电动汽车到达充电站k的排队时间，其公式如下：

式(4)中，S_ex,e为电动汽车e用户的充电预期值，S_sta,e为电动汽车e在开始充电时的荷电状态，C_e为电动汽车e的电池容量，P_s,j为第j辆电动汽车的充电功率，η_c为充电效率，N_s,k为充电站k的充电桩数量，N_q,k为充电站k的电动汽车数量，sort表示排序函数，对充电站正在充电的电动汽车充电时长进行升序排列，对应充电站内电动汽车的到达顺序，即先到达充电站的等待时长相应较短，充电站中每接入一辆电动汽车，充电等待时长更新一次；

调度信息服务中心可向电动汽车用户提供荷电状态范围内各充电站的充电电价和排队情况等信息，用户可避免排队等待时间过长，同时便于各充电站间的管理，当电动汽车用户产生充电需求时，可通过信息交互提示界面向调度信息服务中心发送需求，调度信息服务中心会判断在当前荷电状态条件下，电动汽车能够到达的充电站，当电动汽车到达目的充电站的行驶时长和充电站排队等候时长之和相等时，优先选择对应配电系统节点的负荷方差较小的充电站。

为充分发挥分时电价的作用，分时电价可作为优化调度措施，通过对电网历史负荷数据的峰谷走向和电动汽车充电负荷分析制定具体的电价信息，从整体协调调度电动汽车充放电，表1为某地区分时电价信息表。分时电价可激励电动汽车用户在电价较低的负荷低谷时段充电达到平抑负荷峰谷差的目的，低电价充电对客户来说是一种经济激励。通过优化控制电动汽车在负荷低谷充电，不仅可以减小负荷的峰谷差，同时可以降低用户的充电费用，提高用户的充电满意度。

表1分时电价表

对于充电地点较为固定的用户，如电动汽车用户下班返回居住地，选择在配有充电基础设施的居住地或靠近居住地配有充电设备的区域进行充电。图2为典型日负荷曲线和电动汽车出行结束时间图，从图中可以看出，如果大量电动汽车用户返回居住地选择直接接入充电设备进行充电，很容易和居民负荷叠加形成负荷高峰，对电网的安全稳定运行构成威胁。而通常用户选择在居住地进行充电时，停车时间较长，在保证达到用户充电期望的条件下，选择开始充电时间的裕度较大。充电设备层通过获取电动汽车当前的荷电状态值和充电荷电状态期望值，可以较精确计算电动汽车所需充电时长，当停车时长大于所需充电时长，由充电设备层协调和控制电动汽车的充电开始时间，不影响用户出行且使用户的充电费用最小，同时可以避免大量电动汽车充电负荷和常规负荷高峰重叠的风险，目标函数为：

进一步，充电站充电负荷叠加到常规负荷中很可能会增大电网的负荷波动，进一步增加系统网损，给电网带来较大的经济损失，同时会影响电网的安全运行。假定电网公司对充电站在减少系统峰谷差和负荷波动方面给与相应的奖励。所述步骤2中电网公司对充电站的奖励机制以负荷峰谷差变化程度和整体负荷波动变化程度为依据，目标函数如下：

R_re,c＝r_p-v+r_f (8)

式(8)中，r_p-v为负荷峰谷差奖励函数，其公式如下：

式(9)中，α_p-v为该充电站在减小负荷峰谷差，

为初始负荷峰谷差，M′_p-v为电动汽车接入该充电站后的峰谷差；

式(8)中，r_f为负荷波动奖励函数，其公式如下：

式(10)中，α_f为整体负荷波动方面的奖励系数，

为初始整体负荷波动值，M′_f为电动汽车接入该充电站后的整体负荷波动值。

进一步，所述步骤3中约束条件具体为：

(1)考虑到对电池寿命的影响，用户通常不会将电池电量耗尽，同时会尽量避免电池过充，因此设定荷电状态最小预警值和最大值，表示为：

S_min≤S_e≤S_max (11)

(2)为达到电动汽车用户出行要求，当有充电需求时须保证荷电状态可以到达最近的充电设备，表示为：

式(12)中

D_re为电动汽车可行驶里程，根据电动汽车在某一时刻的荷电状态，调度信息服务中心可以给出电动汽车在某时刻的最大行驶距离，S_AGG为区域内的充电站集合；

(3)考虑到实际降低网损的程度，用户奖励值应设置上限和下限：

R_re,e，min≤R_re,e≤R_re,e，max (13)

(4)电动汽车充电时长应不大于停车时长：

T_c≤T_p (14)

式(14)中，电动汽车充电时长与电池容量、充电功率有关，表达式为：

式(15)中S_ex为用户充电预期值，S_t为开始充电时的荷电状态，C_e为电动汽车e的电池容量，P_c为充电功率；

(5)电动汽车充电后的荷电量要满足用户预期出行的需求：

S_ex≤S_i+1≤S_max (16)

式(16)中，S_i+1为预期出行的需求荷电量。

进一步，负荷方差和负荷峰谷差值是负荷曲线重要的衡量指标，其值的变化可作为优化结果的评价指标之一，所述步骤2中目标函数的优化评价指标：

(1)负荷方差：

式(17)中，P_L,i,t为节点i在t时刻的常规负荷，P_c,t为充电站c的电动汽车充电功率，P_av为平均负荷函数，其公式如下：

式(18)中，P_L,t为t时刻的常规负荷；

(2)负荷峰谷差：

F_p-v＝max(P_L,t+P_ev,t)-min(P_L,t+P_ev,t) (19)

式(19)中，P_ev,t为t时刻的电动汽车充电总负荷。

对于出行目的地和充电位置具有不确定性的电动汽车，当有充电需求并接受奖励引导计划时，根据行驶范围内的充电站与电动汽车的距离信息、充电站排队信息、电价信息以及常规负荷信息确定电动汽车的充电位置和充电时间，当电动汽车不接受奖励引导计划时，由Floyd算法和车辆行驶速度，选择行驶时间最短的充电站进行充电；对于充电位置固定的电动汽车用户，当接受奖励引导计划时，根据用户出行需求、充电预期值、配网节点负荷信息确定充电时间，充电设备为智能充电设备，通过获取电动汽车的配置信息和充电预期值可控制接入电动汽车的开始充电时间，从而达到充电优化的目的，当电动汽车不接受奖励引导计划时，用户返回到居住地即可开始充电。根据电动汽车充电的状态动态更新电动汽车的荷电状态和配网负荷信息，每一辆电动汽车接入充电设备层进行充电时，动态更新负荷信息，在下一辆车产生充电需求时，由更新信息重新根据目标函数判断充电的位置和充电开始时间，最后判断是否达到一天调度时长，当不满足要求时继续判断电动汽车的充电需求，当满足调度时长时优化结束。

对接入的每一辆电动汽车进行优化，实时更新信息，通过MATLAB软件对电动汽车的充电优化模型进行求解。

与现有技术相比本发明具有以下优点：

1.现有技术在调动用户积极性方面考虑较少，同时没有充分反映电动汽车配置信息和出行特征信息，本发明将电动汽车用户在参与充电优化引导中降低的部分网损费用作为激励用户参与电动汽车调度的奖励，引入用户在降低电网损耗中的奖励机制，同时考虑电动汽车的出行规律，可对每辆电动汽车进行充电优化调度，为其提供充电策略。

2.现有技术在考虑对充电站的奖励时只考虑了充电站在减少系统峰谷差层面的影响，而未考虑充电站在减小负荷波动方面的作用，因此综合考虑两者因素建立电网对充电站的奖励机制；

3.本发明综合考虑电动汽车用户奖励机制和出行需求，建立电动汽车实时排队模型和电动汽车充电满意度模型。

附图说明

图1为本发明的充电优化管理调度架构；

图2为本发明日负荷曲线与电动汽车出行结束时间对比图；

图3为本发明的电动汽车充电优化引导流程；

图4为本发明的路网结构图；

图5为本发明私家车负荷叠加曲线对比图；

图6为本发明私家车居民区充电类别对比图；

图7为本发明私家车不同接入时刻奖励图；

图8为本发明私家车居民区用户优化充电费用图；

图9为本发明出租车充电负荷叠加曲线对比图；

图10为本发明不同奖励系数下充电站获得的奖励。

具体实施方式

实施例1

一种考虑奖励机制的电动汽车充电优化引导策略，所述引导策略提出充电优化管理调度构架，在分时电价基础上建立用户在降低电网负荷波动中的奖励机制；基于充电优化管理调度架构提出考虑奖励机制的电动汽车充电优化引导策略，对充电位置的选择具有不确定性的电动汽车用户和充电地点较为固定的用户，考虑用户出行需求，确定电动汽车的充电的位置和充电时间，建立考虑奖励机制的电动汽车充电优化引导策略模型，具体包括以下步骤：

步骤1，提出充电优化管理调度架构：由调动信息服务中心、交通系统、充电设备、配网系统和电动汽车用户构成；所述调动信息服务中心根据电动汽车产生充电需求的历史数据、配网系统负荷波动情况及充电奖励提示电动汽车用户充电，通过信息交互提示界面为电动汽车用户实时提供行程范围内每个充电站当前的状态，可与配网系统、充电设备交通系统和电动车用户信息交互；

所述充电设备为充电站、某区域内配有若干充电桩的集合，可通过电动汽车接入获取电动汽车用户的车辆信息，充电设备的当前信息包括可用充电桩数量、队列状态、充电价格，可与调动信息服务中心、交通系统、配网系统和电动汽车用户信息交互；

所述配网系统的负荷主要为常规负荷、电动汽车负荷，配网系统的数据包括电价信息、充电设备对应的配网节点的负荷数据，可与调动信息服务中心、充电设备、电动汽车用户信息交互；

所述电动汽车用户将车辆配置和出行特征信息(电动汽车的电池容量、充电预期值、停车时长)传递给调度信息服务中心，可与调动信息服务中心、交通系统、充电设备和配网系统信息交互，当电动汽车用户产生充电需求时，通过信息交互提示界面向调度信息服务中心发送需求，由调度信息服务中心为用户规划充电选择方案来指导电动汽车调度，实时传递给用户，用户根据信息交互提示界面反馈的信息进行决策，是否参与到充电优化调度中，用户接受调度信息服务中心的调度指令后，将按照最优路径规划前往目的充电设备进行充电。

步骤2，建立电动汽车充电优化奖励机制和目标函数，电动汽车充电优化奖励机制分为用户在降低电网负荷中的奖励机制和电网公司对充电站的奖励机制；

用户在降低电网负荷波动中的奖励机制为电动汽车接入充电设备进行充电得到的奖励值依据减小配网系统负荷波动的幅度大小而制定；

对于出行目的和充电位置具有不确定性的电动汽车，目标函数为：

式(5)中，w_p-op为负荷波动权重系数，w_user为用户出行满意度权重系数，w_p-op可取0.6，w_user取0.4，N_e为电动汽车数量；

为电动汽车一次充电过程中的费用，公式如下：

式(6)中，t_e,star为电动汽车e的开始充电时间，t_e,end为电动汽车e充电结束时间，P_e,c,t为t时刻接入充电站的电动汽车e的充电功率，

为t时刻的分时电价，η_c为充电效率；

式(5)中，R_re,e为电动汽车e获取的奖励值，其公式如下：

式(1)中，α_re,e为奖励系数，P_L,i,t为节点i在t时刻的常规负荷，P′_c,t为电动汽车未接入时充电站的功率，P_e,c,t为t时刻接入充电站的电动汽车e的充电功率，P′_av和P″_av分别表示电动汽车未接入和接入充电站的平均负荷函数；T为调度周期，N_d为配电网节点数；

式(5)中，C_d为电动汽车行驶成本，其公式如下：

C_d＝ξ_dE_aλ_h-sd_h-su (2)

式(2)中，E_a表示平均充电电价，λ_h-s为电动汽车用户是否加入到调度中的决策变量，d_h-s为电动汽车从接受调度信息服务中心的调度指令地点到充电站间的距离，u为电动汽车单位里程耗电量，ξ_d为行驶成本系数；

式(5)中，C_q为电动汽车充电排队等待成本，其公式如下：

C_q＝ξ_qE_aT_qP_c (3)

式(3)中，ξ_q为等待成本系数，E_a表示平均充电电价，P_c为电动汽车的充电功率，T_q为电动汽车到达充电站k的排队时间，其公式如下：

式(4)中，S_ex,e为电动汽车e用户的充电预期值，S_sta,e为电动汽车e在开始充电时的荷电状态，C_e为电动汽车e的电池容量，P_s,j为第j辆电动汽车的充电功率，η_c为充电效率，N_s,k为充电站k的充电桩数量，N_q,k为充电站k的电动汽车数量，sort表示排序函数，对充电站正在充电的电动汽车充电时长进行升序排列，对应充电站内电动汽车的到达顺序，即先到达充电站的等待时长相应较短，充电站中每接入一辆电动汽车，充电等待时长更新一次；

对于充电地点较为固定的用户，目标函数为：

电网公司对充电站的奖励机制以负荷峰谷差变化程度和整体负荷波动变化程度为依据，目标函数如下：

R_re,c＝r_p-v+r_f (8)

式(8)中，r_p-v为负荷峰谷差，其公式如下：

式(9)中，α_p-v为该充电站在减小负荷峰谷差，

为初始负荷峰谷差，M′_p-v为电动汽车接入该充电站后的峰谷差；

式(8)中，r_f为负荷波动奖励函数，其公式如下：

式(10)中，α_f为整体负荷波动方面的奖励系数，

为初始整体负荷波动值，M′_f为电动汽车接入该充电站后的整体负荷波动值。

步骤2中目标函数的优化评价指标：

(1)负荷方差：

式(17)中，P_L,i,t为节点i在t时刻的常规负荷，P_c,t为充电站c的电动汽车充电功率，P_av为平均负荷函数，其公式如下：

式(18)中，P_L,t为t时刻的常规负荷；

(2)负荷峰谷差：

F_p-v＝max(P_L,t+P_ev,t)-min(P_L,t+P_ev,t) (19)

式(19)中，P_ev,t为t时刻的电动汽车充电总负荷。

步骤3，优化引导策略模型的求解：利用蒙特卡洛方法模拟电动汽车的出行特征信息和充电需求，电动汽车的充电路径由Floyd算法确定，根据电动汽车用户的出行特征信息和约束条件确定一种动态响应的实时优化算法，通过MATLAB软件对电动汽车的充电优化引导策略模型求解。

所述约束条件为：

(1)设定荷电状态最小预警值和最大值，表示为：

S_min≤S_e≤S_max (11)

(2)当有充电需求时须保证荷电状态可以到达最近的充电设备，表示为：

式(12)中

D_re为电动汽车可行驶里程，根据电动汽车在某一时刻的荷电状态，调度信息服务中心可以给出电动汽车在某时刻的最大行驶距离，S_AGG为区域内的充电站集合；

(3)用户奖励值应设置上限和下限：

R_re,e，min≤R_re,e≤R_re,e，max (13)

(4)电动汽车充电时长应不大于停车时长：

T_c≤T_p (14)

式(14)中，电动汽车充电时长与电池容量、充电功率有关，表达式为：

式(15)中S_ex为用户充电预期值，S_t为开始充电时的荷电状态，C_e为电动汽车e的电池容量，P_c为充电功率；

(5)电动汽车充电后的荷电量要满足用户预期出行的需求：

S_ex≤S_i+1≤S_max (16)

式(16)中，S_i+1为预期出行的需求荷电量。

实施例2

参数设置:以某地区为例进行电动汽车充电优化引导分析，公交车的充电地点和时间较固定，电动汽车主要以私家车和出租车为分析对象，电动汽车数量设为600量，电动汽车容量配置参数如表2所示，出租车空间转移的随机性较大，充电地点相对灵活，充电功率为40Kw，充电行驶成本和等待成本系数为1，私家车根据出行需求可在工作区或商业区停车点充电，也可回到居住地进行充电，在居民区的充电时间裕度较大，优先选择慢充，充电功率为7kw；电动汽车单位里程耗电量为0.2kW·h/km，S_min取0.2，S_max取0.95，充电设备充电效率η取90％。对于充电位置不固定的电动汽车，由空间转移概率确定其行驶位置，电动汽车选择在充电站充电，假设每个充电站配有20个充电桩，对于充电地点固定的电动汽车，主要考虑在居住地固定充电的用户，居民区充电桩建设的原则是适度超前，有序建设，假设居民区内电动汽车拥有量与充电桩的比例小于1。当电动汽车用户接受调度指令前往目的充电设备进行充电时，在满足荷电状态的条件下，利用Floyd算法和车辆行驶速度对电动汽车从所在位置到目的充电设备最短行驶时长路径进行规划，路网结构和充电设备的位置分布如图4所示，交通路网节点坐标和充电设备坐标如表3和表4所示，优化调度仿真间隔Δt为1min。

表2电动汽车容量配置参数

表3交通路网节点坐标(单位：km)

表4充电设备位置信息表(单位km)

图5所示为私家车负荷叠加曲线对比图，私家车的出行主要考虑‘居民区-工作区-居民区’出行方式，表5为私家车工作区充电优化前后指标参数，私家车在工作区进行充电，工作区一般配有专用的充电桩，因此可视为固定地点充电，电动汽车进行无序充电时，及电动汽车到达工作区及开始充电，配网负荷波动值增大，由于工作期间车辆停留时间较长，因此充电设备可对电动汽车进行充电优化控制，电动汽车接受有序充电控制较无序充电的引起的负荷波动有所降低。

表5私家车工作区充电优化前后指标参数

从图5和图6可以看出，电动汽车在工作地自由充电时间模式下会使部分充电负荷叠加到原始负荷局部峰值上，私家车在居住地无序充电会出现峰峰叠加现象，低谷时段充电负荷没有有效发挥填谷作用，进一步增大负荷峰谷差，负荷波动程度也明显增大，当单一考虑分时电价引导策略时，负荷峰值无明显增加，负荷波动程度较无电动汽车接入配网和电动汽车无序充电均有所降低，分时电价的引导时间跨度较长，通常为几小时，分时电价策略对电价高峰时段充电的电动汽车负荷的引导作用不大，考虑奖励机制的充电优化引导策略时，充电负荷主要集中在负荷低谷时段充电，从而减小了负荷峰谷差，负荷波动程度较无序充电和单一考虑分时电价引导策略时也明显降低，且考虑奖励机制的充电优化策略在分时电价的峰值电价时段对电动汽车具有明显的引导作用，使局部的负荷峰值有所降低，对负荷波动情况会有明显改善，在谷段电价时间段，电动汽车充电优化策略的“填谷”的效果较只考虑分时电价时也较优。

图7为奖励系数为10⁴时单个电动汽车在不同时刻接入时的奖励曲线，由图可以看出，电动汽车越靠近负荷低谷接入时，奖励值越高，从负荷高峰到负荷低谷时段，奖励值呈增加趋势，奖励的制定是以电动汽车用户在降低负荷波动的大小而制定的，当电动汽车接入对负荷波动有减小作用时，奖励值为正，私家车在工作结束返回居住地时，若直接接入充电，容易和居民负荷叠加形成负荷高峰，此时奖励值为负，具有一定的‘惩罚’，由于夜间停车时间较长，在满足次日出行条件的情况下选择开始充电时间的裕度较大，用户可选择参与到充电优化中，充电设备层控制充电时间，在低电价时段接入充电，同时用户会获得奖励，降低充电费用；对于在工作区充电的用户，接受充电优化策略时，电动汽车在减小局部负荷波动方面具有一定作用，可对局部负荷曲线设定奖励系数，增加用户的充电的奖励值，提高用户的充电满意度。

车辆按照达到充电桩的时间顺序接入充电设备，先到达的电动汽车优先接受充电设备的控制，毎接入一辆电动汽车，根据负荷波动情况确定其开始充电时间和充电时长，对充电负荷信息进行更新。图8所示为私家车居民区用户优化充电费用图私家车在居民区的停车时间较长，因此充电设备对私家车的充电开始时间控制的裕度也较大，随着奖励系数的增加，用户充电总费用在减小，负荷波动情况不变，因此设定合适的奖励值对于激发电动汽车用户参与到充电优化引导策略中具有重要作用。

表6出租车不同时间段充电指标参数

图9为出租车无序充电和优化充电模式下的负荷曲线对比图，出租车具有明显的随机转移特性，充电位置的选择具有不确定性，由于中午大量出租车采用快充模式，出现了局部高峰，由表6可知当出租车用户产生充电需求时，选择奖励机制的充电优化引导策略较选择最短时长路径充电的负荷波动程度较小，同时通过设定合适的奖励系数，可使用户的充电费用降低。出租车在晚上2点之前出现新的负荷峰值的主要原因是部分用户夜间选择在低电价时段集中充电，从而使低谷时段出现了新的局部负荷峰值，当用户选择基于分时电价的奖励充电优化策略时，负荷波动显著降低，较无序充电时降低了16.4％，同时减小了局部的负荷高峰，负荷峰谷差较无序充电降低了11.13％，在一定程度上达到了“削峰填谷”的目的。电动汽车充电优化调度需要用户的积极参与，只有充分调动充电用户的自主性才会更好的实现充电优化和调度，在奖励机制的引导策略下，电网负荷波动明显降低，用户得到的减小负荷波动方面的奖励，降低了电动汽车充电成本，综合满意度提升。

图10所示为α_p-v在10^-2到10^-1和α_f在10^-5到10^-4之间变化时充电站获得的奖励图，随着奖励系数的提高，充电站获得的奖励也随之提高，出租车若考虑优化充电，且奖励系数α_p-v为0.1，α_f为10^-4时，充电站获得的奖励为293.06，而出租车采用最短距离无序充电时，获得的奖励为13.43。电动汽车用户和充电站共同参与电网充电优化调度，在提高电网运行经济性的同时，选择合理的奖励系数均可获得奖励，对于电网、充电站和电动汽车用户参与充电引导策略是满足多方利益的。

Claims (7)

1.一种考虑奖励机制的电动汽车充电优化引导策略，其特征在于，所述引导策略提出充电优化管理调度构架，在分时电价基础上建立用户在降低电网负荷波动中的奖励机制；基于充电优化管理调度架构提出考虑奖励机制的电动汽车充电优化引导策略，对充电位置的选择具有不确定性的电动汽车用户和充电地点较为固定的用户，考虑用户出行需求，确定电动汽车的充电的位置和充电时间，建立考虑奖励机制的电动汽车充电优化引导策略模型，具体包括以下步骤：

步骤1，提出充电优化管理调度架构：由调动信息服务中心、交通系统、充电设备、配网系统和电动汽车用户构成；

步骤2，建立电动汽车充电优化奖励机制和目标函数，电动汽车充电优化奖励机制分为用户在降低电网负荷中的奖励机制和电网公司对充电站的奖励机制；

步骤3，优化引导策略模型的求解：利用蒙特卡洛方法模拟电动汽车的出行特征信息和充电需求，电动汽车的充电路径由Floyd算法确定，根据电动汽车用户的出行特征信息和约束条件确定一种动态响应的实时优化算法，通过MATLAB软件对电动汽车的充电优化引导策略模型求解。

2.根据权利要求1所述的一种考虑奖励机制的电动汽车充电优化引导策略，其特征在于，所述步骤1中调动信息服务中心根据电动汽车产生充电需求的历史数据、配网系统负荷波动情况及充电奖励提示电动汽车用户充电，通过信息交互提示界面为电动汽车用户实时提供行程范围内每个充电站当前的状态，可与配网系统、充电设备交通系统和电动车用户信息交互；

所述充电设备为充电站、某区域内配有若干充电桩的集合，可通过电动汽车接入获取电动汽车用户的车辆信息，充电设备的当前信息包括可用充电桩数量、队列状态、充电价格，可与调动信息服务中心、交通系统、配网系统和电动汽车用户信息交互；

所述配网系统的负荷主要为常规负荷、电动汽车负荷，配网系统的数据包括电价信息、充电设备对应的配网节点的负荷数据，可与调动信息服务中心、充电设备、电动汽车用户信息交互；

所述电动汽车用户将车辆配置和出行特征信息传递给调度信息服务中心，可与调动信息服务中心、交通系统、充电设备和配网系统信息交互，当电动汽车用户产生充电需求时，通过信息交互提示界面向调度信息服务中心发送需求，由调度信息服务中心为用户规划充电选择方案来指导电动汽车调度，实时传递给用户，用户根据信息交互提示界面反馈的信息进行决策，是否参与到充电优化调度中，用户接受调度信息服务中心的调度指令后，将按照最优路径规划前往目的充电设备进行充电。

3.根据权利要求2所述的一种考虑奖励机制的电动汽车充电优化引导策略，其特征在于，所述出行特征信息为电动汽车的电池容量、充电预期值、停车时长。

4.根据权利要求1所述的一种考虑奖励机制的电动汽车充电优化引导策略，其特征在于，所述步骤2中用户在降低电网负荷波动中的奖励机制为电动汽车接入充电设备进行充电得到的奖励值依据减小配网系统负荷波动的幅度大小而制定：

对于出行目的和充电位置具有不确定性的电动汽车，目标函数为：

式(5)中，w_p-op为负荷波动权重系数，w_user为用户出行满意度权重系数，w_p-op可取0.6，w_user取0.4，N_e为电动汽车数量；

为电动汽车一次充电过程中的费用，公式如下：

式(6)中，t_e,star为电动汽车e的开始充电时间，t_e,end为电动汽车e充电结束时间，P_e,c,t为t时刻接入充电站的电动汽车e的充电功率，

为t时刻的分时电价，η_c为充电效率；

式(5)中，R_re,e为电动汽车e获取的奖励值，其公式如下：

式(1)中，α_re,e为奖励系数，P_L,i,t为节点i在t时刻的常规负荷，P'_c,t为电动汽车未接入时充电站的功率，P_e,c,t为t时刻接入充电站的电动汽车e的充电功率，P’_av和P”_av分别表示电动汽车未接入和接入充电站的平均负荷函数；T为调度周期，N_d为配电网节点数；

式(5)中，C_d为电动汽车行驶成本，其公式如下：

C_d＝ξ_dE_aλ_h-sd_h-su (2)

式(2)中，E_a表示平均充电电价，λ_h-s为电动汽车用户是否加入到调度中的决策变量，d_h-s为电动汽车从接受调度信息服务中心的调度指令地点到充电站间的距离，u为电动汽车单位里程耗电量，ξ_d为行驶成本系数；

式(5)中，C_q为电动汽车充电排队等待成本，其公式如下：

C_q＝ξ_qE_aT_qP_c (3)

式(3)中，ξ_q为等待成本系数，E_a表示平均充电电价，P_c为电动汽车的充电功率，T_q为电动汽车到达充电站k的排队时间，其公式如下：

式(4)中，S_ex,e为电动汽车e用户的充电预期值，S_sta,e为电动汽车e在开始充电时的荷电状态，C_e为电动汽车e的电池容量，P_s,j为第j辆电动汽车的充电功率，η_c为充电效率，N_s,k为充电站k的充电桩数量，N_q,k为充电站k的电动汽车数量，sort表示排序函数，对充电站正在充电的电动汽车充电时长进行升序排列，对应充电站内电动汽车的到达顺序，即先到达充电站的等待时长相应较短，充电站中每接入一辆电动汽车，充电等待时长更新一次；

对于充电地点较为固定的用户，目标函数为：

5.根据权利要求1所述的一种考虑奖励机制的电动汽车充电优化引导策略，其特征在于，所述步骤2中电网公司对充电站的奖励机制以负荷峰谷差变化程度和整体负荷波动变化程度为依据，目标函数如下：

R_re,c＝r_p-v+r_f (8)

式(8)中，r_p-v为负荷峰谷差奖励函数，其公式如下：

式(9)中，α_p-v为该充电站在减小负荷峰谷差，

为初始负荷峰谷差，M'_p-v为电动汽车接入该充电站后的峰谷差；

式(8)中，r_f为负荷波动奖励函数，其公式如下：

式(10)中，α_f为整体负荷波动方面的奖励系数，

为初始整体负荷波动值，M'_f为电动汽车接入该充电站后的整体负荷波动值。

6.根据权利要求1所述的一种考虑奖励机制的电动汽车充电优化引导策略，其特征在于，所述步骤3中约束条件具体为：

(1)设定荷电状态最小预警值和最大值，表示为：

S_min≤S_e≤S_max (11)

(2)当有充电需求时须保证荷电状态可以到达最近的充电设备，表示为：

式(12)中

D_re为电动汽车可行驶里程，根据电动汽车在某一时刻的荷电状态，调度信息服务中心可以给出电动汽车在某时刻的最大行驶距离，S_AGG为区域内的充电站集合；

(3)用户奖励值应设置上限和下限：

R_re,e，min≤R_re,e≤R_re,e，max (13)

(4)电动汽车充电时长应不大于停车时长：

T_c≤T_p (14)

式(14)中，电动汽车充电时长与电池容量、充电功率有关，表达式为：

式(15)中S_ex为用户充电预期值，S_t为开始充电时的荷电状态，C_e为电动汽车e的电池容量，P_c为充电功率；

(5)电动汽车充电后的荷电量要满足用户预期出行的需求：

S_ex≤S_i+1≤S_max (16)

式(16)中，S_i+1为预期出行的需求荷电量。

7.根据权利要求1所述一种考虑奖励机制的电动汽车充电优化引导策略，其特征在于，所述步骤2中目标函数的优化评价指标：

(1)负荷方差：

式(17)中，P_L,i,t为节点i在t时刻的常规负荷，P_c,t为充电站c的电动汽车充电功率，P_av为平均负荷函数，其公式如下：

式(18)中，P_L,t为t时刻的常规负荷；

(2)负荷峰谷差：

F_p-v＝max(P_L,t+P_ev,t)-min(P_L,t+P_ev,t) (19)

式(19)中，P_ev,t为t时刻的电动汽车充电总负荷。

Images