CN112508364B - 一种电动汽车充电决策的权重量化方法 - Google Patents

Abstract

本发明公开了一种电动汽车充电决策的权重量化方法，属于电动汽车领域。一种电动汽车充电决策的权重量化方法，包括：步骤1：将城市抽象为路网层及电网层，对路网、电网中的节点、边及权重进行定义；步骤2：定义路网拓扑方法与电网拓扑方法；并定义路网权重与电网权重。步骤3：将上述的权重量化反馈至用户。与现有技术相比，本申请的方法能够有效地辅助用户进行汽车充电的决策与规划，有效引导充电负荷转移，优化城市整体运行状态，降低网络平均权重并有效缓解充电拥堵。

Description

一种电动汽车充电决策的权重量化方法

技术领域

本发明涉及电动汽车领域，具体涉及一种电动汽车充电决策的权重量化方法。

背景技术

电动汽车的特殊性在于其不仅是路网中的交通工具，也具备电网中用电负荷的属性，除了为路网带来交通拥堵的影响以外，大规模的无序充电也可能造成电网负荷过高、影响安全稳定运行等方面的问题。因此，大规模电动汽车无序充电问题亟待解决。

然而现有的研究大多只将电动汽车视作电网负荷，忽视了其交通属性。随着当代通信技术的发展，城市使得电网与路网之间产生更紧密的交互影响，路网交通信息与电网电价信息的实时传递性提高，使得基于实时充电服务费的电动汽车充电导航成为可能。

发明内容

针对现有技术的不足，本发明提出了一种电动汽车充电决策的权重量化方法。

本发明的目的可以通过以下技术方案实现：

一种电动汽车充电决策的权重量化方法，包括：

步骤1：将城市抽象为路网层及电网层，对路网、电网中的节点、边及权重进行定义；

步骤2：定义路网拓扑方法与电网拓扑方法；并定义路网权重与电网权重。

步骤3：将上述的权重量化反馈至用户。

可选地，所述步骤2中，所述路网拓扑方法为：

G_r＝(V_r,E_r,W_r)^T

其中V_r表示路网节点，用于表征各主干道交叉路口；E_r为路网边，用于表征各条道路；W_r为路网权重，即车辆行驶过某条道路所需平均通行时间。

可选地，所述电网拓扑方法为：

G_g＝(V_g,E_g,W_g)^T

式中，V_g为电网节点，用于表征配电网节点；E_g为电网边，用于表征配电网输电线路；W_g为电网权重，定义其物理意义为各节点电压增量。

可选地，所述路网权重表达为：

可选地，所述电网权重表达为：

可选地，还包括步骤4：根据基础服务费和城市网络权重计算充电站的充电服务费；

式中，c_s,t为充电站s在t时刻的实时充电服务费，为充电站s在t时刻的基础服务费；λ为量纲系数；

定义所述充电服务费的约束条件为：

式中，T为充电站受调控总时长，为充电服务费下限，/>为充电服务费上限。以上约束表示充电站参与调控后的平均利润应不小于参与调控前的平均利润，且规定了实时充电服务费的边界；

构建最小成本函数：

式中，M_s,t为t时刻在充电站s充电的成本函数，包含时间及金钱成本。为充电站s在t时刻的电价。/>EV从当前位置行驶到充电站s的时间，受当前交通状况影响。/>为充电站s的排队时长，与该站的充电桩占用状态有关。SOC_t为EV在t时刻的荷电量。π为量纲系数，为用户预设，若用户对价格的在意程度越高则π取值越大，反之对时间的在意程度越高则π取值越小。τ为焦虑系数，为用户预设，体现用户对EV电量水平的要求。

可选地，还包括步骤5：构建决策优化模型：

ΔSOC_O-D≤SOC_t

式中，Π为EV一日的出行计划合集，至/>为当日的第n次出行，/>为t时刻的出行计划。M_s′,t′为其他出行时间任意充电站的历史充电成本。ΔSOC_O-D为EV从当前位置行驶到充电站的耗电量。∑p_s,t为t时刻充电站s的总充电功率，p_ev为EV额定充电功率，为充电站s的充电容量。

本发明的有益效果：

所述的城市分层图论模型及权重计算方法能够有效简化电动汽车充电负荷接入对城市整体运行状态影响的分析；并且将权重量化后反馈至电动汽车的用户，能够有效地辅助用户进行汽车充电的决策与规划。

本申请所提出的方法兼顾了城市的电网与路网，其决策能够有效引导充电负荷转移，优化城市整体运行状态，降低网络平均权重并有效缓解充电拥堵。

附图说明

下面结合附图对本发明作进一步的说明。

图1为城市路网拓扑及充电站分布情况；

图2为实施所提充电导航方法前后城市网络权重变化曲线；

图3为实施所提充电导航方法前后充电排队时间变化曲线。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明的一个实施例中，公开了一种电动汽车充电决策的权重量化方法，具体可以包括以下步骤：

首先，提出基于分层图论的城市简化建模方法，具体方法为：

1)定义路网图、电网图

定义路网拓扑表示方法如下。

G_r＝(V_r,E_r,W_r)^T

其中V_r表示路网节点，用于表征各主干道交叉路口；E_r为路网边，用于表征各条道路；W_r为路网权重，即车辆行驶过某条道路所需平均通行时间。

定义电网拓扑表示方法如下。

G_g＝(V_g,E_g,W_g)^T

其中V_g为电网节点，用于表征配电网节点；E_g为电网边，用于表征配电网输电线路；W_g为电网权重，定义其物理意义为各节点电压增量。

则包含路网及电网的城市双层网络拓扑应表示为：

G＝{{G_r,G_g},E_r-g}^T

其中E_r-g表示路网节点与电网节点的耦合连接，即路网和电网因电动汽车行驶、充电行为而产生的交互影响关系。

2)提出网络权重计算方法

路网权重计算方法如下。

式中，w_i,j,t为t时刻道路ij间的平均通行时间，为道路ij间的零流通行时间，即车辆以道路最大限速行驶通过所需时间。γ_i,j,t为t时刻道路ij间的拥堵等级系数，通畅路段值为1，轻微拥堵路段值为1.5，拥挤路段值为2，严重拥堵路段对应值为3。

则定义路网节点s在t时刻的路网节点权重计算方法为：

式中，j为与s直接相连的路网节点，J为与s直接相连的路网节点个数。

由于所选研究区域边缘上的节点除了连接内部路径，还可能同时连接所选区域外部路径相连，仅计算内部路径的平均路网权重作为该节点权重容易产生误差。因此需要对节点路网权重进行修正计算，使其同时包含外部路径的交通状况以减少计算误差，如下式所示。

式中，Jex为区域边界节点i所连接的外部道路总数，为t时刻网络外部道路ij间权重。若节点为内部节点，不连接外部道路，则/>

电网节点权重计算方法如下。

配网中潮流平衡公式如下所示。

式中，为节点g在t时刻的充电功率，/>和/>为节点注入有功、无功功率；/>和/>为节点除EV充电功率以外的负荷有功、无功功率，V_g,t为节点电压，G_h,h为节点g和h间电导，B_g,h为节点间电纳，θ_g,h为节点间相角差。

以ΔV的大小判定充电负荷接入对配电网的影响程度，即定义t时刻电网节点g的电网权重计算方法为：

式中λ^G为电网权重的系数，ΔV_g,t为t时刻电网节点g的电压变化量。

提出考虑城市网络权重的实时充电服务费计算公式：

式中，c_s,t为充电站s在t时刻的实时充电服务费，为充电站s在t时刻的基础服务费。λ为量纲系数。

充电服务费需服从如下约束条件：

式中，T为充电站受调控总时长，为充电服务费下限，/>为充电服务费上限。以上约束表示充电站参与调控后的平均利润应不小于参与调控前的平均利润，且规定了实时充电服务费的边界。

提出电动汽车充电导航模型如下：

式中，M_s,t为t时刻在充电站s充电的成本函数，包含时间及金钱成本。为充电站s在t时刻的电价。/>为EV从当前位置行驶到充电站s的时间，受当前交通状况影响。/>为充电站s的排队时长，与该站的充电桩占用状态有关。SOC_t为EV在t时刻的荷电量。π为量纲系数，其取值受用户决策的主观性影响，若用户对价格的在意程度越高则π取值越大，反之对时间的在意程度越高则π取值越小。τ为焦虑系数，体现用户对EV电量水平的要求，τ越大表明用户更希望电量维持在较高水平。

其中，决策优化模型需满足以下约束条件：

ΔSOC_O-D≤SOC_t

式中，Π为EV一日的出行计划合集，至/>当日的第n次出行，/>为t时刻的出行计划。M_s′,t′为其他出行时间任意充电站的历史充电成本。ΔSOC_O-D为EV从当前位置行驶到充电站的耗电量。∑p_s,t为t时刻充电站s的总充电功率，p_ev为EV额定充电功率，/>为充电站s的充电容量。约束表示所提优化模型考虑了EV全天的出行计划，且优化结果为最佳充电时段的最小充电成本。此外，EV必须有足够的电量到达充电站，否则该充电站不在选择范围之内。该EV接入后充电站的总充电功率应不大于充电容量，否则该EV进入排队等待状态。

另外，本发明还公开了根据上述方法的一个具体示例，下面参照附图并结合实施例对本发明作进一步详细描述。应当说明的是，所给实施例中以选取了某市道路拓扑并进行简化建模，其中包含5座电动汽车充电站，电网建模选取IEEE标准33节点配电网，但是本发明不限于所给出的实施例，尽管改变路网、电网拓扑和充电站数目，其原理都是相同的。只要是依照本发明所提基于充电服务费的电动汽车充电导航方法所做的工作均在保护范围内。

选择某市具有较多充电站分布的交通枢纽区域进行城市路网建模，区域中包含31个主干道交叉口作为路网节点，5座快充充电站(charging station,CS)，共计30个充电桩(charging pile,CP)，充电桩额定功率120kW。路网拓扑及充电站分布如附图1所示。

运用蒙特卡洛法模拟电动汽车的出行计划，假设不设置动态充电服务费时各充电站电价为商用峰谷电价(峰时段8～21h，1.0元/kWh；其余为谷时段0.7元/kWh)，充电站以相同的时段划分方式分别收取充电服务费0.6元/kWh及0.2元/kWh。各电动汽车按照所提充电导航模型，综合路网交通状况、时间成本及充电费用等因素进行充电决策，可得到全天的电动汽车聚合充电功率。

基于聚合充电功率计算城市整体的网络权重变化情况，如附图2所示。可以看出城市整体网络权重的均值及方差均减小，即所提充电导航方法能够减轻大量聚合充电功率接入对城市的影响。

再计算各充电站的平均排队时间变化情况。排队时间取决于排队车辆总数及最快结束充电进程的电动汽车剩余充电时间。结果附图3所示。因此，本发明所提充电导航方法能够显著缓解充电拥堵，减少EV的充电排队时间。

综上所述，所提城市分层图论模型及权重计算方法能够有效简化电动汽车充电负荷接入对城市整体运行状态影响的分析；并且将权重量化后反馈至电动汽车的用户，能够有效地辅助用户进行汽车充电的决策与规划。

本申请的方法兼顾了城市的电网与路网，其决策能够有效引导充电负荷转移，优化城市整体运行状态，降低网络平均权重并有效缓解充电拥堵。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (1)

1.一种电动汽车充电决策的权重量化方法，其特征在于，包括：

步骤1：将城市抽象为路网层及电网层，对路网、电网中的节点、边及权重进行定义；

步骤2：定义路网拓扑方法与电网拓扑方法；并定义路网权重与电网权重；

步骤3：将上述的权重量化反馈至用户；

所述步骤2中，所述路网拓扑方法为：

G_r＝(V_r，E_r，W_r)^T

其中V_r表示路网节点，用于表征各主干道交叉路口；E_r为路网边，用于表征各条道路；W_r为路网权重，即车辆行驶过某条道路所需平均通行时间；

所述电网拓扑方法为：

G_g＝(V_g，E_g，W_g)^T

式中，V_g为电网节点，用于表征配电网节点；E_g为电网边，用于表征配电网输电线路；W_g为电网权重，定义其物理意义为各节点电压增量；

所述路网权重表达为：

式中，w_i，j，t为t时刻道路ij间的平均通行时间，为道路ij间的零流通行时间，即车辆以道路最大限速行驶通过所需时间；γ_i，j，t为t时刻道路ij间的拥堵等级系数，通畅路段值为1，轻微拥堵路段值为1.5，拥挤路段值为2，严重拥堵路段对应值为3；

所述电网权重表达为：

式中，为t时刻电网节点g的电网权重，λ^G为电网权重的系数，△V_g，t为t时刻电网节点g的电压变化量；

还包括步骤4：根据基础服务费和城市网络权重计算充电站的充电服务费：

式中，c_s，t为充电站s在t时刻的实时充电服务费，为充电站s在t时刻的基础服务费；λ为量纲系数，/>为路网节点s在t时刻的路网节点权重；

定义所述充电服务费的约束条件为：

式中，T为充电站受调控总时长，为充电服务费下限，/>为充电服务费上限；以上约束表示充电站参与调控后的平均利润应不小于参与调控前的平均利润，且规定了实时充电服务费的边界；

构建最小成本函数：

式中，M_s，t为t时刻在充电站s充电的成本函数，包含时间及金钱成本；为充电站s在t时刻的电价；/>为EV从当前位置行驶到充电站s的时间，受当前交通状况影响；/>为充电站s的排队时长，与该站的充电桩占用状态有关；SOC_t为EV在t时刻的荷电量；π为量纲系数，为用户预设，若用户对价格的在意程度越高则π取值越大，反之对时间的在意程度越高则π取值越小；τ为焦虑系数，为用户预设，体现用户对EV电量水平的要求；

还包括步骤5：构建决策优化模型：

△SOC_O-D≤SOC_t

式中，Π为EV一日的出行计划合集，至/>为当日的第n次出行，/>为t时刻的出行计划；M_s′，t′为其他出行时间任意充电站的历史充电成本；ΔSOC_O-D为EV从当前位置行驶到充电站的耗电量；∑p_s，t为t时刻充电站s的总充电功率，p_ev为EV额定充电功率，/>为充电站s的充电容量。