CN112926788B - 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

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

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

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Jv_j(t)、预估路段损耗Lv_ij(t)和预估路段车流量v_i表示路口i，v_j表示路口j，v_ij表示路口i和路口j之间的路段，/>表示t时刻路段v_ij的车流量(t时刻通过路段v_ij某一截面的汽车数量)，Jv_j(t)表示电动汽车在路口j处的荷电量损耗，Lv_ij(t)表示电动汽车在路段v_ij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。

具体的，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Jv_j(t)、预估路段损耗Lv_ij(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(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v_ij在时段k的权值；

其中：r_ij表示有向边d_ij的长度，即路段v_ij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；

S221、t时刻路段v_ij的车流密度表示为/> 表示t时刻路段v_ij的T区间行驶的车辆数量，l_ijR为路段v_ij的T区间的长度；

S222、t时刻路段v_ij的车流平均速度表示为/> 表示路段v_ij的零流量速度；

S223、t时刻路段v_ij的车流量表示为/>

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v_ij的路段权值表示为

S231、电动汽车A在路段v_ij上的荷电量损耗Lv_ij(t)表示为：

其中：表示t时刻路段v_ij的饱和度，X_ij表示路段v_ij的通行能力，/>表示路段v_ij的零流量通行时间，α和β为路段影响因子；

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v_ij，在路口j处的荷电量损耗Jv_j(t)表示为：

其中：p_j表示路口j的信号周期，τ_j表示路口j的绿信比，q_ij表示路段v_ij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t_d＝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N_depart，(T₁,T₂)时间段内驶入的电动汽车数量为N_enter，N₂＝N₁-N_depart+N_enter，N_enter＝λ×t_d，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P_m，则在(T₁,T₂)时间段内充电桩m提供的充电量为E_m＝P_m×t_d；

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：为电动汽车驶入目标充电站的初始荷电量标幺值，E₀为电动汽车的平均电池容量，E_avm为充电桩m向电动汽车提供的平均充电量，N_depart-m为(T₁,T₂)时间段内驶离充电桩m的电动汽车数量；

S332、

其中：floor(·)表示对·向下取整；

S333、

S34、将电动汽车A驶入目标充电站后的排队等待时间分为t_w1和t_w2两个部分：

S341、T₂时刻正在充电的电动汽车剩余充电时间

S342、T₂时刻正在等待充电的电动汽车充电时间其中：fix(·)表示对·向上取整；

S343、电动汽车A驶入目标充电站后的排队等待时间

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T_totle＝t_d+t_w+t_c；其中：t_c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w_c，用户总成本C相对充电站收益P的重要程度记为w_p，充电站收益P相对用户总成本C的重要程度记为w_p，充电站收益P相对充电站收益P的重要程度记为w_c；w_c和w_p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，D_year为考察地区年法定工作日，T_day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×T_totle；

S7224、计算充电总花费Money＝(E_h-S+E)×m₀；其中：E_h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；

S7226、计算充电站收益

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，C_max和C_min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，P_max和P_min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：C_q'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：P_q'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r_q：

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s_q：

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r_q和充电站收益归一化数值s_q后，计算第q个方案的双边满意度归一化数值z_q：

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Jv_j(t)、预估路段损耗Lv_ij(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：v_i表示路口i，v_j表示路口j，v_ij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v_ij在时段k的权值。

其中：r_ij表示有向边d_ij的长度，即路段v_ij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。

S221、t时刻路段v_ij的车流密度表示为/> 表示t时刻路段v_ij的T区间行驶的车辆数量，l_ijR为路段v_ij的T区间的长度。

S222、t时刻路段v_ij的车流平均速度表示为/> 表示路段v_ij的零流量速度；

S223、t时刻路段v_ij的车流量表示为/> 表示t时刻路段v_ij的车流量(t时刻通过路段v_ij某一截面的汽车数量)。

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v_ij的路段权值表示为

S231、电动汽车A在路段v_ij上的荷电量损耗Lv_ij(t)表示为：

其中：Lv_ij(t)表示电动汽车在路段v_ij上的荷电量损耗，表示t时刻路段v_ij的饱和度，X_ij表示路段v_ij的通行能力，/>表示路段v_ij的零流量通行时间，α和β为路段影响因子。

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v_ij，在路口j处的荷电量损耗Jv_j(t)表示为：

其中：Jv_j(t)表示电动汽车在路口j处的荷电量损耗，p_j表示路口j的信号周期，τ_j表示路口j的绿信比，q_ij表示路段v_ij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t_d＝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N_depart，(T₁,T₂)时间段内驶入的电动汽车数量为N_enter，N₂＝N₁-N_depart+N_enter，N_enter＝λ×t_d，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P_m，则在(T₁,T₂)时间段内充电桩m提供的充电量为E_m＝P_m×t_d。

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：为电动汽车驶入目标充电站的初始荷电量标幺值，E₀为电动汽车的平均电池容量，E_avm为充电桩m向电动汽车提供的平均充电量，N_depart-m为(T₁,T₂)时间段内驶离充电桩m的电动汽车数量。

S332、

其中：floor(·)表示对·向下取整。

S333、

S34、将电动汽车A驶入目标充电站后的排队等待时间分为t_w1和t_w2两个部分。

S341、T₂时刻正在充电的电动汽车剩余充电时间

S342、T₂时刻正在等待充电的电动汽车充电时间其中：fix(·)表示对·向上取整。

S343、电动汽车A驶入目标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。

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T_totle＝t_d+t_w+t_c；其中：t_c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w_c，用户总成本C相对充电站收益P的重要程度记为w_p，充电站收益P相对用户总成本C的重要程度记为w_p，充电站收益P相对充电站收益P的重要程度记为w_c；w_c和w_p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，D_year为考察地区年法定工作日，T_day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×T_totle。

S7224、计算充电总花费Money＝(E_h-S+E)×m₀；其中：E_h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。

S7226、计算充电站收益

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，C_max和C_min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，P_max和P_min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：C_q'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：P_q'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r_q：

/>

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s_q：

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r_q和充电站收益归一化数值s_q后，计算第q个方案的双边满意度归一化数值z_q：

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 (1)

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Jv_j(t)、预估路段损耗Lv_ij(t)和预估路段车流量v_i表示路口i，v_j表示路口j，v_ij表示路口i和路口j之间的路段，/>表示t时刻路段v_ij的车流量，Jv_j(t)表示电动汽车在路口j处的荷电量损耗，Lv_ij(t)表示电动汽车在路段v_ij上的荷电量损耗；

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Jv_j(t)、预估路段损耗Lv_ij(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v_ij在时段k的权值；

其中：r_ij表示有向边d_ij的长度，即路段v_ij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；

S221、t时刻路段v_ij的车流密度表示为/> 表示t时刻路段v_ij的T区间行驶的车辆数量，l_ijR为路段v_ij的T区间的长度；

S222、t时刻路段v_ij的车流平均速度表示为/> 表示路段v_ij的零流量速度；

S223、t时刻路段v_ij的车流量表示为/>

S23、t时刻路段v_ij的路段权值表示为/>

S231、电动汽车A在路段v_ij上的荷电量损耗Lv_ij(t)表示为：

其中：表示t时刻路段v_ij的饱和度，X_ij表示路段v_ij的通行能力，/>表示路段v_ij的零流量通行时间，α和β为路段影响因子；

S232、电动汽车A从路口j驶出路段v_ij，在路口j处的荷电量损耗Jv_j(t)表示为：

其中：p_j表示路口j的信号周期，τ_j表示路口j的绿信比，q_ij表示路段v_ij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；

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t_d＝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N_depart，(T₁,T₂)时间段内驶入的电动汽车数量为N_enter，N₂＝N₁-N_depart+N_enter，N_enter＝λ×t_d，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P_m，则在(T₁,T₂)时间段内充电桩m提供的充电量为E_m＝P_m×t_d；

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：为电动汽车驶入目标充电站的初始荷电量标幺值，E₀为电动汽车的平均电池容量，E_avm为充电桩m向电动汽车提供的平均充电量，N_depart-m为(T₁,T₂)时间段内驶离充电桩m的电动汽车数量；

S332、

其中：floor(·)表示对·向下取整；

S333、

S34、将电动汽车A驶入目标充电站后的排队等待时间分为t_w1和t_w2两个部分：

S341、T₂时刻正在充电的电动汽车剩余充电时间

S342、T₂时刻正在等待充电的电动汽车充电时间其中：fix(·)表示对·向上取整；

S343、电动汽车A驶入目标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；

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T_totle＝t_d+t_w+t_c；其中：t_c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w_c，用户总成本C相对充电站收益P的重要程度记为w_p，充电站收益P相对用户总成本C的重要程度记为w_p，充电站收益P相对充电站收益P的重要程度记为w_c；w_c和w_p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，D_year为考察地区年法定工作日，T_day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×T_totle；

S7224、计算充电总花费Money＝(E_h-S+E)×m₀；其中：E_h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；

S7226、计算充电站收益

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，C_max和C_min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，P_max和P_min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：C_q'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：P_q'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r_q：

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s_q：

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r_q和充电站收益归一化数值s_q后，计算第q个方案的双边满意度归一化数值z_q：

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。