CN112926788A - 一种基于时间量化的anp双边利益模糊评价模型的电动汽车充电调度方法 - Google Patents
一种基于时间量化的anp双边利益模糊评价模型的电动汽车充电调度方法 Download PDFInfo
- Publication number
- CN112926788A CN112926788A CN202110285607.9A CN202110285607A CN112926788A CN 112926788 A CN112926788 A CN 112926788A CN 202110285607 A CN202110285607 A CN 202110285607A CN 112926788 A CN112926788 A CN 112926788A
- Authority
- CN
- China
- Prior art keywords
- charging
- time
- charging station
- road
- electric vehicle
- 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
Links
- 230000008901 benefit Effects 0.000 title claims abstract description 49
- 230000002146 bilateral effect Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013210 evaluation model Methods 0.000 title claims abstract description 20
- 238000013139 quantization Methods 0.000 title claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 230000005611 electricity Effects 0.000 claims abstract description 7
- 238000010606 normalization Methods 0.000 claims description 26
- 238000011835 investigation Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000011161 development Methods 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000002699 waste material Substances 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"
- G06Q10/047—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
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于时间量化的ANP双边利益模糊评价模型的电动汽车充电调度方法,包括:统计道路实时工况信息,用户汽车剩余电量及该地区充电站运行信息;统计各充电站实时排队情况,确定车辆到达后的预计等待时间;计算周边道路的车流量、节点损耗及路段损耗;检测用户是否有充电需求;结合此时周围充电站的运行情况执行不同充电方案。本发明综合考虑了实时路网信息、充电站状态信息及电价信息,在构建了基于双边利益权衡的充电方案评价体系的基础上,进一步构建基于时间量化的ANP双边利益模糊评价模型,克服了传统ANP模型求解该类问题时存在的主观性问题,能够实现了不同工况环境下电动汽车充电路径的最优选择。
Description
技术领域
本发明属于电动汽车充电调度领域,具体涉及一种基于时间量化的ANP双边利益模糊评价模型的电动汽车充电调度方法。
背景技术
在全球能源日益紧缺的情况下,新能源汽车凭借其无污染、节能、噪音小等优势将逐渐取代传统汽车成为主流。但随着电动汽车数量的不断增加,其有序充电和优化调度的难题也逐渐凸显,如若不能对电动汽车充电行为进行有序引导将造成较大的资源浪费,甚至引起交通堵塞、频率振荡等问题。随着电动汽车充电调度系统的发展,电动汽车用户在出行时可以用智能移动设备,将实时车辆状况如车辆位置、实时速度、充电需求、剩余电量等信息上传到充电调度平台;各充电站将实时运行情况上传至充电调度平台;相关部门将实时路况信息上传至充电调度平台;然后充电调度系统根据采集到的实时信息,在充分考虑用户和充电站双方利益的前提下,结合基于时间量化的ANP双边利益模糊评价方法制定双边利益模糊评价得分较高的优选充电路径方案,并通过无线通信网络,将策略推送给电动汽车用户。电动汽车用户根据自身实际需要选择合适的充电路径方案。由于实时路况信息和充电站运行信息是不断变化的,所以充电调度中心将对优选充电方案进行实时调整,在保证充电站收益的前提下,尽可能的满足用户的实际出行需要。
现有的电动汽车充电调度方法,在实时路况及时间成本的考虑不是很全面,且未综合考虑充电站和用户的双方权益,至少存在如下两方面的不足:1、现有技术考虑了道路行驶损耗,但没有建立合理的路网车流量模型,且没有考虑到红绿灯等原因造成的节点损耗;2、现有技术没有全面考虑充电站和用户双方利益的充电引导方案。
发明内容
发明目的:本发明在两个方向上进行设计,以克服现有技术中存在的不足:首先,对实时路网信息、充电站状态信息及电价信息进行综合分析,在构建了基于双边利益权衡的充电方案评价体系的基础上,进一步构建基于时间量化的ANP双边利益模糊评价模型,克服了传统ANP模型求解该类问题时存在的主观性问题;其次,提出一种基于路况信息考虑双边利益权衡的电动汽车充电路径优化调度策略,实现了不同工况环境下电动汽车充电路径的最优选择。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种基于时间量化的ANP双边利益模糊评价模型的电动汽车充电调度方法,包括如下步骤:
S1、充电调度中心获取考察地区内的道路工况信息、所有充电站的运行信息和所有电动汽车的SOC,SOC表示电动汽车的荷电量;
S2、对于考察地区内的某一电动汽车A,充电调度中心通过统计电动汽车A辐射半径内的道路工况信息,确定电动汽车A的预估行驶里程S、预估行驶速度V、预估节点损耗Jvj(t)、预估路段损耗Lvij(t)和预估路段车流量vi表示路口i,vj表示路口j,vij表示路口i和路口j之间的路段,表示t时刻路段vij的车流量(t时刻通过路段vij某一截面的汽车数量),Jvj(t)表示电动汽车在路口j处的荷电量损耗,Lvij(t)表示电动汽车在路段vij上的荷电量损耗;
S3、充电调度中心根据道路工况信息,估算电动汽车A到达各个充电站后的排队等待时间;
S4、充电调度中心判断是否接收到电动汽车A的充电请求:若接收到,则进入步骤S8;否则,进入步骤S5;
S5、充电调度中心判断电动汽车A的SOC是否低于电量预警值:若低于,则向电动汽车A推送电量预警信息,并进入步骤S7;否则,进入步骤S6;
S6、充电调度中心判断各个充电站的负荷是否处于谷值区:若处于谷值,则向电动汽车A推送相应充电站的优惠充电信息;否则,不作为;
S7、充电调度中心计算电动汽车A去往各个充电站的各个路径方案的双边利益模糊评价得分、时间损耗和荷电量损耗;
S8、充电调度中心基于电动汽车A的SOC选择出电动汽车A能够到达的充电站的路径方案:若存在两种以上路径方案,则进入步骤S9;否则,进入步骤S10;
S9、充电调度中心向电动汽车A推送双边利益模糊评价得分最高的方案;
S10、充电调度中心向电动汽车A推送荷电量损耗最小的方案。
S21、采用图论方法对考察地区内的交通路网进行建模,表示为:
其中:G表示交通路网,VG表示交通路网内所有路口(节点)的集合,总共有N个路口,EG表示交通路网内所有路段的集合,KG表示交通路网全天划分的时间段的集合,全天划分为K个时段,WG表示各个路段在各个时段的权值的集合,表示路段vij在时段k的权值;
其中:rij表示有向边dij的长度,即路段vij的长度;inf表示无穷大;
S22、交通路网中的三个重要指标是速度、流量和密度,考虑到实时交通路网受各种因素的影响,同一路段上的车辆分布可能不太均匀,所以本文将路段分为三段计算这三个指标,即将各路段分为首段、中段和尾段三个区间,以T=1,2,3区别表示;
S23、对电动汽车剩余荷电量的估算关键在于合理设定路段权值(即出行代价),以往研究时仅针对路段权值进行分析研究,但节点处由于信号灯等原因可能造成时间损耗,故本文认为应当分别对节点和路段进行损耗分析;t时刻路段vij的路段权值表示为
S231、电动汽车A在路段vij上的荷电量损耗Lvij(t)表示为:
使用路段饱和度F表征路段拥堵情况,一般来说F的范围是0~2.0,F值越大表征路段越拥堵:若0≤F≤0.6,则表征路段畅通;若0.6<F≤0.8,则表征路段缓行;若0.8<F≤1.0,则表征路段拥挤;若1.0<F≤2.0,则表征路段严重拥挤;
S232、电动汽车A从路口j驶出路段vij,在路口j处的荷电量损耗Jvj(t)表示为:
其中:pj表示路口j的信号周期,τj表示路口j的绿信比,qij表示路段vij上的车辆到达路口j的抵达率。
具体的,所述步骤S3中,电动汽车A到达各个充电站后的排队等待时间通过如下方法确定:
S31、设电动汽车A在T1时刻产生充电需求并开始前往目标充电站,在T2时刻到达目标充电站,行驶时间为td=T2-T1;
S32、设目标充电站拥有M个充电桩,T1时刻目标充电站内的电动汽车数量为N1,T2时刻目标充电站内的电动汽车数量为N2,(T1,T2)时间段内驶离的电动汽车数量为Ndepart,(T1,T2)时间段内驶入的电动汽车数量为Nenter,N2=N1-Ndepart+Nenter,Nenter=λ×td,其中:λ为单位时间驶入目标充电站的电动汽车数量;
S33、设目标充电站中第m个充电桩的充电功率为Pm,则在(T1,T2)时间段内充电桩m提供的充电量为Em=Pm×td;
S331、T2时刻正在充电桩m上充电的电动汽车的荷电量标幺值为:
其中:floor(·)表示对·向下取整;
S34、将电动汽车A驶入目标充电站后的排队等待时间分为tw1和tw2两个部分:
具体的,所述步骤S7中,电动汽车A去往各个充电站的各个路径方案的双边利益模糊评价得分通过如下方法确定:
S71、运用Dijkstra算法计算电动汽车A到达各充电站的最短总用时路径方案和最小总能耗路径方案;电动汽车A从T1时刻开始到完成充电的总时长为Ttotle=td+tw+tc;其中:tc为电动汽车A的充电时长;
S72、使用双边利益模糊评价模型进行分析,得出电动汽车A的成本归一化数值r、充电站收益归一化数值s和双边满意度归一化数值z;
S721、双边利益模糊评价模型包括三个层次:第一层为目标层,包括双边利益评价;第二层为一级指标,包括用户总成本C和充电站收益P;第三层为二级指标,包括影响各一级指标的因素,其中用户总成本C的二级指标包括用户荷电量损耗和用户时间损耗两部分,充电站收益P的二级指标包括充电站服务时间和充电站单位时间收益两部分;
S722、建立元素判断矩阵,计算权重;
S7221、建立一级指标权重对比矩阵,即用户总成本C和充电站收益P的相对重要程度:用户总成本C相对用户总成本C的重要程度记为wc,用户总成本C相对充电站收益P的重要程度记为wp,充电站收益P相对用户总成本C的重要程度记为wp,充电站收益P相对充电站收益P的重要程度记为wc;wc和wp为由决策者决定系数;
S7222、对时间成本进行经济性的量化,设Value为单位时间价值量(单位:元/h),G为考察地区人均生产总值,Dyear为考察地区年法定工作日,Tday为考察地区工作日平均工作时间,则考察地区的单位时间价值量表示为:
S7223、计算用户总时间成本H=Value×Ttotle;
S7224、计算充电总花费Money=(Eh-S+E)×m0;其中:Eh为充电结束时电动汽车A期望的荷电量,S为充电开始时电动汽车A的荷电量,E为电动汽车A在(T1,T2)时间段的能耗,m0为单位实时电价;
S7225、计算用户总成本C=H+Money;
S723、标准化函数处理:
S7231、用户总成本C属于成本型指标,其评价值随C的增大而减小,故其标准化函数为其中:C'为标准化后的用户总成本,Cmax和Cmin为依据考察地区人均生产总值G、电动汽车发展状况和充电站发展状况设定的用户成本最大值和最小值;
S7232、充电站收益P属于效益型指标,其评价值随P的增大而增大,故其标准化函数为其中:P'为标准化后的充电站收益,Pmax和Pmin为依据考察地区人均生产总值G、电动汽车发展状况和充电站发展状况设定的充电站收益最大值和最小值;
S724、模糊评价:
S7241、建立第一个对比矩阵,两两对比标准化后的用户总成本:
其中:Cq'表示第q个方案标准化后的用户总成本;Q为总方案数量;
S7242、建立第二个对比矩阵,两两对比标准化后的充电站收益:
其中:Pq'表示第q个方案标准化后的充电站收益;
S7243、由第一个对比矩阵得到第q个方案的用户总成本归一化数值rq:
S7244、由第二个对比矩阵得到第q个方案的充电站收益归一化数值sq:
S7245、基于以上两个对比矩阵,得出第q个方案的用户总成本归一化数值rq和充电站收益归一化数值sq后,计算第q个方案的双边满意度归一化数值zq:
有益效果:本发明提供的基于时间量化的ANP双边利益模糊评价模型的电动汽车充电调度方法,综合考虑了路网信息、充电站状态信息及电价信息,在一定程度上解决了实时路况及充电站运行状况对电动汽车充电调度的影响问题,能够更贴合电动汽车用户的实际情况;同时,本发明提出的基于时间量化的ANP双边利益模糊评价,克服了传统ANP模型求解该类问题时存在的主观性问题;最后,本发明提出的基于路况信息考虑双边利益权衡的电动汽车充电路径优化调度策略,实现了不同工况环境下电动汽车充电路径的最优选择。
附图说明
图1为本发明的实施流程示意图;
图2为本发明的中的双边利益评价体系图;
图3为本发明的指标求解流程图;
图4为本发明的实施例的双边利益模糊评价流程图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
如图1所示为一种基于时间量化的ANP双边利益模糊评价模型的电动汽车充电调度方法的流程示意图,下面就各个步骤加以具体说明。
S1、充电调度中心获取考察地区内的道路工况信息、所有充电站的运行信息和所有电动汽车的SOC,SOC表示电动汽车的荷电量。
S2、对于考察地区内的某一电动汽车A,充电调度中心通过统计电动汽车A辐射半径内的道路工况信息,确定电动汽车A的预估行驶里程S、预估行驶速度V、预估节点损耗Jvj(t)、预估路段损耗Lvij(t)和预估路段车流量
S21、采用图论方法对考察地区内的交通路网进行建模,表示为:
其中:vi表示路口i,vj表示路口j,vij表示路口i和路口j之间的路段;G表示交通路网,VG表示交通路网内所有路口(节点)的集合,总共有N个路口,EG表示交通路网内所有路段的集合,KG表示交通路网全天划分的时间段的集合,全天划分为K个时段,WG表示各个路段在各个时段的权值的集合,表示路段vij在时段k的权值。
其中:rij表示有向边dij的长度,即路段vij的长度;inf表示无穷大,即路口i和路口j不连通。
S22、交通路网中的三个重要指标是速度、流量和密度,考虑到实时交通路网受各种因素的影响,同一路段上的车辆分布可能不太均匀,所以本文将路段分为三段计算这三个指标,即将各路段分为首段、中段和尾段三个区间(我们设计首段和尾段各80km,剩余中间部分作为中段),以T=1,2,3区别表示。
S23、对电动汽车剩余荷电量的估算关键在于合理设定路段权值(即出行代价),以往研究时仅针对路段权值进行分析研究,但节点处由于信号灯等原因可能造成时间损耗,故本文认为应当分别对节点和路段进行损耗分析;t时刻路段vij的路段权值表示为
S231、电动汽车A在路段vij上的荷电量损耗Lvij(t)表示为:
使用路段饱和度F表征路段拥堵情况,一般来说F的范围是0~2.0,F值越大表征路段越拥堵:若0≤F≤0.6,则表征路段畅通;若0.6<F≤0.8,则表征路段缓行;若0.8<F≤1.0,则表征路段拥挤;若1.0<F≤2.0,则表征路段严重拥挤。
S232、电动汽车A从路口j驶出路段vij,在路口j处的荷电量损耗Jvj(t)表示为:
其中:Jvj(t)表示电动汽车在路口j处的荷电量损耗,pj表示路口j的信号周期,τj表示路口j的绿信比,qij表示路段vij上的车辆到达路口j的抵达率。
S3、充电调度中心根据道路工况信息,估算电动汽车A到达各个充电站后的排队等待时间。
S31、设电动汽车A在T1时刻产生充电需求并开始前往目标充电站,在T2时刻到达目标充电站,行驶时间为td=T2-T1。
S32、设目标充电站拥有M个充电桩,T1时刻目标充电站内的电动汽车数量为N1,T2时刻目标充电站内的电动汽车数量为N2,(T1,T2)时间段内驶离的电动汽车数量为Ndepart,(T1,T2)时间段内驶入的电动汽车数量为Nenter,N2=N1-Ndepart+Nenter,Nenter=λ×td,其中:λ为单位时间驶入目标充电站的电动汽车数量。
S33、设目标充电站中第m个充电桩的充电功率为Pm,则在(T1,T2)时间段内充电桩m提供的充电量为Em=Pm×td。
S331、T2时刻正在充电桩m上充电的电动汽车的荷电量标幺值为:
其中:floor(·)表示对·向下取整。
S34、将电动汽车A驶入目标充电站后的排队等待时间分为tw1和tw2两个部分。
S4、充电调度中心判断是否接收到电动汽车A的充电请求:若接收到,则进入步骤S8;否则,进入步骤S5。
S5、充电调度中心判断电动汽车A的SOC是否低于电量预警值:若低于,则向电动汽车A推送电量预警信息,并进入步骤S7;否则,进入步骤S6。
S6、充电调度中心判断各个充电站的负荷是否处于谷值区:若处于谷值,则向电动汽车A推送相应充电站的优惠充电信息;否则,不作为。
S7、充电调度中心计算电动汽车A去往各个充电站的各个路径方案的双边利益模糊评价得分、时间损耗和荷电量损耗。
S71、运用Dijkstra算法计算电动汽车A到达各充电站的最短总用时路径方案和最小总能耗路径方案;电动汽车A从T1时刻开始到完成充电的总时长为Ttotle=td+tw+tc;其中:tc为电动汽车A的充电时长。
S72、使用双边利益模糊评价模型进行分析,得出电动汽车A的成本归一化数值r、充电站收益归一化数值s和双边满意度归一化数值z。
S721、双边利益模糊评价模型包括三个层次:第一层为目标层,包括双边利益评价;第二层为一级指标,包括用户总成本C和充电站收益P;第三层为二级指标,包括影响各一级指标的因素,其中用户总成本C的二级指标包括用户荷电量损耗和用户时间损耗两部分,充电站收益P的二级指标包括充电站服务时间和充电站单位时间收益两部分。
S722、建立元素判断矩阵,计算权重。
S7221、建立一级指标权重对比矩阵,即用户总成本C和充电站收益P的相对重要程度:用户总成本C相对用户总成本C的重要程度记为wc,用户总成本C相对充电站收益P的重要程度记为wp,充电站收益P相对用户总成本C的重要程度记为wp,充电站收益P相对充电站收益P的重要程度记为wc;wc和wp为由决策者决定系数。
S7222、对时间成本进行经济性的量化,设Value为单位时间价值量(单位:元/h),G为考察地区人均生产总值,Dyear为考察地区年法定工作日,Tday为考察地区工作日平均工作时间,则考察地区的单位时间价值量表示为:
S7223、计算用户总时间成本H=Value×Ttotle。
S7224、计算充电总花费Money=(Eh-S+E)×m0;其中:Eh为充电结束时电动汽车A期望的荷电量,S为充电开始时电动汽车A的荷电量,E为电动汽车A在(T1,T2)时间段的能耗,m0为单位实时电价。
S7225、计算用户总成本C=H+Money。
S723、标准化函数处理。
S7231、用户总成本C属于成本型指标,其评价值随C的增大而减小,故其标准化函数为其中:C'为标准化后的用户总成本,Cmax和Cmin为依据考察地区人均生产总值G、电动汽车发展状况和充电站发展状况设定的用户成本最大值和最小值。
S7232、充电站收益P属于效益型指标,其评价值随P的增大而增大,故其标准化函数为其中:P'为标准化后的充电站收益,Pmax和Pmin为依据考察地区人均生产总值G、电动汽车发展状况和充电站发展状况设定的充电站收益最大值和最小值。
S724、模糊评价。
S7241、建立第一个对比矩阵,两两对比标准化后的用户总成本:
其中:Cq'表示第q个方案标准化后的用户总成本;Q为总方案数量。
S7242、建立第二个对比矩阵,两两对比标准化后的充电站收益:
其中:Pq'表示第q个方案标准化后的充电站收益。
S7243、由第一个对比矩阵得到第q个方案的用户总成本归一化数值rq:
S7244、由第二个对比矩阵得到第q个方案的充电站收益归一化数值sq:
S7245、基于以上两个对比矩阵,得出第q个方案的用户总成本归一化数值rq和充电站收益归一化数值sq后,计算第q个方案的双边满意度归一化数值zq:
S8、充电调度中心基于电动汽车A的SOC选择出电动汽车A能够到达的充电站的路径方案:若存在两种以上路径方案,则进入步骤S9;否则,进入步骤S10。
S9、充电调度中心向电动汽车A推送双边利益模糊评价得分最高的方案。
S10、充电调度中心向电动汽车A推送荷电量损耗最小的方案。
综上,本发明首先将实时路网信息、充电站状态信息及电价信息进行综合分析,在构建了基于双边利益权衡的充电方案评价体系的基础上,进一步构建基于时间量化的ANP双边利益模糊评价模型,克服了传统ANP模型求解该类问题时存在的主观性问题;其次,提出一种基于路况信息考虑双边利益权衡的电动汽车充电路径优化调度策略,实现了不同工况环境下电动汽车充电路径的最优选择。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”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、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (4)
1.一种基于时间量化的ANP双边利益模糊评价模型的电动汽车充电调度方法,其特征在于:包括如下步骤:
S1、充电调度中心获取考察地区内的道路工况信息、所有充电站的运行信息和所有电动汽车的SOC,SOC表示电动汽车的荷电量;
S2、对于考察地区内的某一电动汽车A,充电调度中心通过统计电动汽车A辐射半径内的道路工况信息,确定电动汽车A的预估行驶里程S、预估行驶速度V、预估节点损耗Jvj(t)、预估路段损耗Lvij(t)和预估路段车流量vi表示路口i,vj表示路口j,vij表示路口i和路口j之间的路段,表示t时刻路段vij的车流量,Jvj(t)表示电动汽车在路口j处的荷电量损耗,Lvij(t)表示电动汽车在路段vij上的荷电量损耗;
S3、充电调度中心根据道路工况信息,估算电动汽车A到达各个充电站后的排队等待时间;
S4、充电调度中心判断是否接收到电动汽车A的充电请求:若接收到,则进入步骤S8;否则,进入步骤S5;
S5、充电调度中心判断电动汽车A的SOC是否低于电量预警值:若低于,则向电动汽车A推送电量预警信息,并进入步骤S7;否则,进入步骤S6;
S6、充电调度中心判断各个充电站的负荷是否处于谷值区:若处于谷值,则向电动汽车A推送相应充电站的优惠充电信息;否则,不作为;
S7、充电调度中心计算电动汽车A去往各个充电站的各个路径方案的双边利益模糊评价得分、时间损耗和荷电量损耗;
S8、充电调度中心基于电动汽车A的SOC选择出电动汽车A能够到达的充电站的路径方案:若存在两种以上路径方案,则进入步骤S9;否则,进入步骤S10;
S9、充电调度中心向电动汽车A推送双边利益模糊评价得分最高的方案;
S10、充电调度中心向电动汽车A推送荷电量损耗最小的方案。
2.根据权利要求1所述的基于时间量化的ANP双边利益模糊评价模型的电动汽车充电调度方法,其特征在于:所述步骤S2中,电动汽车A的预估行驶里程S、预估行驶速度V、预估节点损耗Jvj(t)、预估路段损耗Lvij(t)和预估路段车流量通过如下方法确定:
S21、采用图论方法对考察地区内的交通路网进行建模,表示为:
其中:G表示交通路网,VG表示交通路网内所有路口的集合,总共有N个路口,EG表示交通路网内所有路段的集合,KG表示交通路网全天划分的时间段的集合,全天划分为K个时段,WG表示各个路段在各个时段的权值的集合,表示路段vij在时段k的权值;
其中:rij表示有向边dij的长度,即路段vij的长度;inf表示无穷大;
S22、将各路段分为首段、中段和尾段三个区间,以T=1,2,3区别表示;
S231、电动汽车A在路段vij上的荷电量损耗Lvij(t)表示为:
S232、电动汽车A从路口j驶出路段vij,在路口j处的荷电量损耗Jvj(t)表示为:
其中:pj表示路口j的信号周期,τj表示路口j的绿信比,qij表示路段vij上的车辆到达路口j的抵达率。
3.根据权利要求1所述的基基于时间量化的ANP双边利益模糊评价模型的电动汽车充电调度方法,其特征在于:所述步骤S3中,电动汽车A到达各个充电站后的排队等待时间通过如下方法确定:
S31、设电动汽车A在T1时刻产生充电需求并开始前往目标充电站,在T2时刻到达目标充电站,行驶时间为td=T2-T1;
S32、设目标充电站拥有M个充电桩,T1时刻目标充电站内的电动汽车数量为N1,T2时刻目标充电站内的电动汽车数量为N2,(T1,T2)时间段内驶离的电动汽车数量为Ndepart,(T1,T2)时间段内驶入的电动汽车数量为Nenter,N2=N1-Ndepart+Nenter,Nenter=λ×td,其中:λ为单位时间驶入目标充电站的电动汽车数量;
S33、设目标充电站中第m个充电桩的充电功率为Pm,则在(T1,T2)时间段内充电桩m提供的充电量为Em=Pm×td;
S331、T2时刻正在充电桩m上充电的电动汽车的荷电量标幺值为:
其中:floor(·)表示对·向下取整;
S34、将电动汽车A驶入目标充电站后的排队等待时间分为tw1和tw2两个部分:
4.根据权利要求1所述的基基于时间量化的ANP双边利益模糊评价模型的电动汽车充电调度方法,其特征在于:所述步骤S7中,电动汽车A去往各个充电站的各个路径方案的双边利益模糊评价得分通过如下方法确定:
S71、运用Dijkstra算法计算电动汽车A到达各充电站的最短总用时路径方案和最小总能耗路径方案;电动汽车A从T1时刻开始到完成充电的总时长为Ttotle=td+tw+tc;其中:tc为电动汽车A的充电时长;
S72、使用双边利益模糊评价模型进行分析,得出电动汽车A的成本归一化数值r、充电站收益归一化数值s和双边满意度归一化数值z;
S721、双边利益模糊评价模型包括三个层次:第一层为目标层,包括双边利益评价;第二层为一级指标,包括用户总成本C和充电站收益P;第三层为二级指标,包括影响各一级指标的因素,其中用户总成本C的二级指标包括用户荷电量损耗和用户时间损耗两部分,充电站收益P的二级指标包括充电站服务时间和充电站单位时间收益两部分;
S722、建立元素判断矩阵,计算权重;
S7221、建立一级指标权重对比矩阵,即用户总成本C和充电站收益P的相对重要程度:用户总成本C相对用户总成本C的重要程度记为wc,用户总成本C相对充电站收益P的重要程度记为wp,充电站收益P相对用户总成本C的重要程度记为wp,充电站收益P相对充电站收益P的重要程度记为wc;wc和wp为由决策者决定系数;
S7222、对时间成本进行经济性的量化,设Value为单位时间价值量,G为考察地区人均生产总值,Dyear为考察地区年法定工作日,Tday为考察地区工作日平均工作时间,则考察地区的单位时间价值量表示为:
S7223、计算用户总时间成本H=Value×Ttotle;
S7224、计算充电总花费Money=(Eh-S+E)×m0;其中:Eh为充电结束时电动汽车A期望的荷电量,S为充电开始时电动汽车A的荷电量,E为电动汽车A在(T1,T2)时间段的能耗,m0为单位实时电价;
S7225、计算用户总成本C=H+Money;
S723、标准化函数处理:
S7231、用户总成本C属于成本型指标,其评价值随C的增大而减小,故其标准化函数为其中:C'为标准化后的用户总成本,Cmax和Cmin为依据考察地区人均生产总值G、电动汽车发展状况和充电站发展状况设定的用户成本最大值和最小值;
S7232、充电站收益P属于效益型指标,其评价值随P的增大而增大,故其标准化函数为其中:P'为标准化后的充电站收益,Pmax和Pmin为依据考察地区人均生产总值G、电动汽车发展状况和充电站发展状况设定的充电站收益最大值和最小值;
S724、模糊评价:
S7241、建立第一个对比矩阵,两两对比标准化后的用户总成本:
其中:Cq'表示第q个方案标准化后的用户总成本;Q为总方案数量;
S7242、建立第二个对比矩阵,两两对比标准化后的充电站收益:
其中:Pq'表示第q个方案标准化后的充电站收益;
S7243、由第一个对比矩阵得到第q个方案的用户总成本归一化数值rq:
S7244、由第二个对比矩阵得到第q个方案的充电站收益归一化数值sq:
S7245、基于以上两个对比矩阵,得出第q个方案的用户总成本归一化数值rq和充电站收益归一化数值sq后,计算第q个方案的双边满意度归一化数值zq:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285607.9A CN112926788B (zh) | 2021-03-17 | 2021-03-17 | 一种基于时间量化的anp双边利益模糊评价模型的电动汽车充电调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285607.9A CN112926788B (zh) | 2021-03-17 | 2021-03-17 | 一种基于时间量化的anp双边利益模糊评价模型的电动汽车充电调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112926788A true CN112926788A (zh) | 2021-06-08 |
CN112926788B CN112926788B (zh) | 2023-09-29 |
Family
ID=76175720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110285607.9A Active CN112926788B (zh) | 2021-03-17 | 2021-03-17 | 一种基于时间量化的anp双边利益模糊评价模型的电动汽车充电调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112926788B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113386611A (zh) * | 2021-06-22 | 2021-09-14 | 南方电网数字电网研究院有限公司 | 充放电控制方法、装置、计算机设备和存储介质 |
CN115204513A (zh) * | 2022-07-29 | 2022-10-18 | 国网江苏电动汽车服务有限公司 | 一种考虑双边利益的电动汽车充电多目标引导方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104167751A (zh) * | 2014-07-18 | 2014-11-26 | 上海电力学院 | 基于充放储一体化电站调度的微网经济运行方法 |
CN105515083A (zh) * | 2015-08-20 | 2016-04-20 | 樊朝晖 | 一种支持安全动态增容的电动汽车群充电微网控制方法 |
CN109523051A (zh) * | 2018-09-18 | 2019-03-26 | 国网浙江省电力有限公司经济技术研究院 | 一种电动汽车充电实时优化调度方法 |
CN111401786A (zh) * | 2020-04-09 | 2020-07-10 | 南京工程学院 | 一种基于路况信息考虑双边利益权衡的电动汽车充电调度方法 |
CN112193116A (zh) * | 2020-09-30 | 2021-01-08 | 山西大学 | 一种考虑奖励机制的电动汽车充电优化引导策略 |
-
2021
- 2021-03-17 CN CN202110285607.9A patent/CN112926788B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104167751A (zh) * | 2014-07-18 | 2014-11-26 | 上海电力学院 | 基于充放储一体化电站调度的微网经济运行方法 |
CN105515083A (zh) * | 2015-08-20 | 2016-04-20 | 樊朝晖 | 一种支持安全动态增容的电动汽车群充电微网控制方法 |
CN109523051A (zh) * | 2018-09-18 | 2019-03-26 | 国网浙江省电力有限公司经济技术研究院 | 一种电动汽车充电实时优化调度方法 |
CN111401786A (zh) * | 2020-04-09 | 2020-07-10 | 南京工程学院 | 一种基于路况信息考虑双边利益权衡的电动汽车充电调度方法 |
CN112193116A (zh) * | 2020-09-30 | 2021-01-08 | 山西大学 | 一种考虑奖励机制的电动汽车充电优化引导策略 |
Non-Patent Citations (1)
Title |
---|
葛少云;连恒辉;刘洪;郭建;韩俊;李琥;: "电动汽车时序响应能力模型与控制策略", 电力系统自动化, no. 03, pages 39 - 44 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113386611A (zh) * | 2021-06-22 | 2021-09-14 | 南方电网数字电网研究院有限公司 | 充放电控制方法、装置、计算机设备和存储介质 |
CN115204513A (zh) * | 2022-07-29 | 2022-10-18 | 国网江苏电动汽车服务有限公司 | 一种考虑双边利益的电动汽车充电多目标引导方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112926788B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311122B (zh) | 面向智慧城市的充电站建设方法 | |
CN104331743B (zh) | 一种基于多目标优化的电动车辆出行规划方法 | |
CN114241778B (zh) | 高速公路网联车协同匝道汇入多目标优化控制方法和系统 | |
CN107490386B (zh) | 一种电动汽车最优路径和驾驶方式的规划方法及系统 | |
CN106777752B (zh) | 一种高速列车追踪运行曲线优化设定方法 | |
CN108177648B (zh) | 一种基于智能预测的插电式混合动力车辆的能量管理方法 | |
CN112926788A (zh) | 一种基于时间量化的anp双边利益模糊评价模型的电动汽车充电调度方法 | |
CN103745110B (zh) | 纯电动公交车营运续驶里程估算方法 | |
CN111754039A (zh) | 纯电动公交线网综合集成优化设计的方法 | |
CN110599760B (zh) | 一种多模式交通网络下的出行行为模拟方法 | |
CN111879329B (zh) | 基于a*算法的定制公交可通行最短路径计算方法 | |
CN103761589A (zh) | 一种城市轨道交通清分方法 | |
CN115048754B (zh) | 基于交通仿真的公交线网优化方法、电子设备及存储介质 | |
CN109472976A (zh) | 一种用于重载大型车辆的智能出行应用系统 | |
CN109344991A (zh) | 一种公交线路最高断面客流预测方法 | |
CN114742444A (zh) | 一种基于博弈组合赋权的城市低碳客运交通结构评价方法 | |
CN115048576A (zh) | 一种空港旅客群体出行方式柔性推荐方法 | |
CN114462898A (zh) | 基于地理信息的公路规划管理方法及系统 | |
CN112288272B (zh) | 基于需求演化与流量传播的地铁客流调控计划编制方法 | |
CN115495701A (zh) | 一种一致性电动汽车充电负荷时空分布预测方法 | |
CN115423286A (zh) | 一种市域轨道交通郊区段车站吸引范围划分方法 | |
CN113902209A (zh) | 出行路线推荐方法、边缘服务器、云服务器、设备及介质 | |
CN113610298A (zh) | 考虑用户出行行为的用户出行能耗预测及路径推荐方法 | |
CN113919529A (zh) | 一种网约车出行的环境影响评价方法 | |
Ning et al. | A catfish effect based team recommendation system |
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 |