CN113505962A - 一种考虑完整行程的电动汽车导航与充电预约方法 - Google Patents
一种考虑完整行程的电动汽车导航与充电预约方法 Download PDFInfo
- Publication number
- CN113505962A CN113505962A CN202110592634.0A CN202110592634A CN113505962A CN 113505962 A CN113505962 A CN 113505962A CN 202110592634 A CN202110592634 A CN 202110592634A CN 113505962 A CN113505962 A CN 113505962A
- Authority
- CN
- China
- Prior art keywords
- charging
- time
- electric vehicle
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000005457 optimization Methods 0.000 claims abstract description 128
- 238000004364 calculation method Methods 0.000 claims abstract description 41
- 230000005611 electricity Effects 0.000 claims description 63
- 238000009826 distribution Methods 0.000 claims description 19
- 230000003993 interaction Effects 0.000 claims description 11
- 238000004146 energy storage Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000006854 communication Effects 0.000 abstract description 17
- 238000004891 communication Methods 0.000 abstract description 16
- 230000007935 neutral effect Effects 0.000 abstract description 7
- 230000000452 restraining effect Effects 0.000 abstract 1
- 238000012163 sequencing technique Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000035699 permeability Effects 0.000 description 6
- 229910052799 carbon Inorganic materials 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000006386 neutralization reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001595 flow curve Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011451 sequencing strategy Methods 0.000 description 1
- 238000009827 uniform distribution Methods 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
- G06Q10/06—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
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Navigation (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供一种考虑完整行程的电动汽车导航与充电预约方法。方法包括电动汽车用户端申请充电,电动汽车用户端得到来自导航系统的优化用信息和充电站的实况信息,电动汽车用户端执行优化计算,充电站周期性给各优化计算完毕的车辆分配充电时间并更新其充电时间空档,用户在电动汽车用户端与选中的充电站建立通信并调整确认充电站充电时间、充电站与用户进一步通信并获取配时结果且电动汽车用户端向导航系统发送路径选择结果,随后充电站在电动汽车用户端行驶途中不断调整充电队列。本发明具有考虑道路车流量、均衡配置充电站充电资源、保护电动汽车用户出行时长、抑制电网负荷峰值和优先利用清洁能源的特点。
Description
技术领域
本发明涉及一种电动汽车充电以及导航技术领域,具体涉及一种考虑完整行程的电动汽车导航与充电预约方法。
背景技术
目前,电动汽车出行受到电池容量和行驶里程的限制,过多的电动汽车在道路上行驶会带来充电站车辆拥堵、充电站车辆排队等候时间过长、甚至找不到充电位置的情况,影响正常出行。
申请号为CN202010202636.X的中国专利申请公开了一种快充/慢充模式下的电动汽车充电导航方法及系统,其没有考虑多个电动汽车用户端预约同一充电桩的实时排序问题,另外,总时间成本中行驶时间和充电站等候时间的计算采用惩罚因子的方式处理,这两类时间成本具有随机性和一定的任意性。
申请号为CN202010565031.7的中国专利申请中公开的一种电动汽车路径规划方法同样未考虑多个电动汽车用户端预约同一充电桩的排队等候和实时排序问题,也没有考虑充电价格。
另外,申请号为CN202010692351.9的中国专利申请中公开的一种电动汽车前往充电桩路线的综合智能推荐方法中同样未考虑多个电动汽车用户端预约同一充电桩的排队等候和实时排序问题,也没有考虑充电价格,且其以车辆当前位置为基准,根据可用充电区域中所有充电桩各可行性路径的综合评价指标选择最好的路径推荐给用户,其存在的问题是,如果用户整个行程中需要多次充电则需要多次判断,且单次判断性能最优的充电选择不能保证整个行程路线耗电量最优和充电费用最低。
发明内容
本发明的目的在于提供一种考虑完整行程、考虑道路车流量、均衡配置充电站充电资源、保护电动汽车用户出行时长、考虑充电价格、抑制电网负荷峰值的电动汽车导航与充电预约方法。
本发明提供的电动汽车导航与充电预约方法包括导航分配中心获取来自于电动汽车用户端的充电请求信息,充电请求信息包括与该电动汽车用户端相关的完整行程相关数据,每个导航分配中心与预设区域内的一个或多个充电站交互;导航分配中心根据充电请求信息调取优化用信息,导航分配中心向电动汽车用户端发送优化用信息;多个充电站均向电动汽车用户端发送各自的充电站实况信息;电动汽车用户端根据获取的优化用信息和充电站实况信息更新其在所述充电站的起始充电时间,采用快捷模式或精确模式生成优化路径和充电时间信息;优化路径和充电时间信息关联的一个或多个充电站与电动汽车用户端进行交互并根据交互结果生成配时结果,电动汽车用户端根据交互结果向导航分配中心发送路径选择结果。
由上述方案可见,本方案基于高速通信进行,优化用信息包括实时更新的路网情况、车辆电池荷电状态初始值、目的地电池荷电状态期望值、车流量实时信息以及对未来预设时间段各个路段的车流量数据预测,充电站实况信息包括充电桩数量和充电功率上限、对应额外排队停车位置实时情况、电价、充电空档时间以及与车辆的匹配程度等,因此,电动汽车用户端结合优化用信息和充电站实况信息能优化计算生成满足用户需求的优化路径和充电时间信息,用户确定选择计划选项后,与对应的充电站确认充电时间段后即确立充电配时结果以及路径选择结果,本发明考虑完整行程,考虑道路车流量、均衡配置充电站充电资源、保护电动汽车用户出行时长、考虑充电价格且抑制电网负荷峰值。
进一步的方案是,充电请求信息包括与该电动汽车用户端相关的完整行程相关数据的步骤中,完整行程相关数据包括电动汽车用户端的当前位置数据、充电申请时刻数据、额定充电功率数据、出发时刻数据、至少一个可选行程路线数据、预计到达目的地时间区间数据、停车时长数据、出发站点分布式充电优化控制中心优化充电结果、以及目的站点分布式充电优化控制中心充电条件数据的申请信息。
由上可见,本发明可以较全面地考虑用户整个行程的路径和充电优化,优化行程时间或费用;另外,本发明各个电动汽车用户分布式地计算各自的充电导航路径,不用集中计算,避免由于计算量大造成等候时间长、通信中断甚至无法给出导航结果。
更进一步的方案是,在导航分配中心根据充电请求信息调取优化用信息,导航分配中心向电动汽车用户端发送优化用信息的步骤中,包括分布式充电优化控制中心根据获取的目的站点分布式充电优化控制中心充电条件数据的申请信息和出发站点分布式充电优化控制中心优化充电结果的申请信息向导航控制中心发送目的站点分布式充电优化控制中心充电条件数据和出发站点分布式充电优化控制中心优化充电结果;导航控制中心根据获取的目的站点分布式充电优化控制中心充电条件数据的申请信息和出发站点分布式充电优化控制中心优化充电结果的申请信息向导航分配中心发送目的站点分布式充电优化控制中心充电条件数据和出发站点分布式充电优化控制中心优化充电结果;导航分配中心将目的站点分布式充电优化控制中心充电条件数据和出发站点分布式充电优化控制中心优化充电结果加入优化用信息。
由上可见,用户到达目的地分布式充电优化控制中心对应区域停车前,需要分布式充电优化控制中心根据预估的车辆到达时间段及其停车时长提供包括充电桩数量、充电时段和充电功率这些充电条件数据,并判断该控制区域提供的充电条件是否符合该车辆到达时段和充电功率需求,若不满足就按照其他方式确立最后路段的电池状态SOC 值,从而保证获得更满足车辆需求的优化充电计划。
更进一步的方案是,导航分配中心根据充电请求信息调取优化用信息,导航分配中心向电动汽车用户端发送优化用信息的步骤前,还包括导航控制中心获取来自导航分配中心的电动汽车数量信息并将电动汽车数量信息发送至路况监控中心,路况监控中心周期性地向导航控制中心发送车流量实时数据、车流量预测数据和道路施工路况数据;导航控制中心向导航分配中心发送车流量实时数据、车流量预测数据和道路施工路况数据,导航分配中心根据车流量实时数据、车流量预测数据和道路施工路况数据生成多个路段的车流量实时信息和未来预设时间段内各个路段的车流量数据。
由上可见,路况监控中心根据历史数据、一定的社会事件、循环预测未来预设时间段各个路段车流量数据,根据导航控制中心发送过来的各路段电动汽车数目的变化调整车流量数据,周期循环地向导航控制中心传送车流量实时数据、预测数据以及道路施工路况数据,从而保证导航计划和充电计划的实时性和准确性。
进一步的方案是,多个充电站均向电动汽车用户端发送各自的充电站实况信息的步骤中,充电站实况信息包括充电桩的数量、充电桩口对应的额外排队等候停车位置数量、充电桩的充电功率上限、充电站的充电时间空档、充电站于未来预设时间段内的电价信息,电价信息为峰谷电价信息、阶梯电价信息或节点边际电价信息。
由上可见,充电站为电动汽车用户端提供实时的、有效的信息组能进一步满足电动汽车用户端优化计算。
另一进一步的方案是,电价信息为节点边际电价信息;导航分配中心将电价信息发送至充电站的步骤包括导航分配中心根据配电网最优潮流计算出对应区域中多个充电站的历史节点边际电价并将历史节点边际电价发送给对应的充电站;多个充电站均向电动汽车用户端发送各自的充电站实况信息的步骤包括充电站根据获取的历史节点边际电价计算未来预设时间段内的节点边际电价信息,充电站向电动汽车用户端发送节点边际电价信息。
由上可见,本发明可以考虑各个充电站充电时的边际电价,可以引导车辆优先使用分布式新能源,为碳中和做出贡献。
进一步的方案是,各路段充电站按照优化完毕预约车辆到达该站的时间排序,然后按照次序加入排队序列,给各优化计算完毕的车辆分配充电时间,并传送给相应用户;充电站接收到用户确认充电时段信息以后,更新本站充电时间空档发送给相关待优化车辆。
由上可见,充电站可以实时地为所有用户分配充电时间,避免充电时间冲突,并且实时更新其充电时间空档,引导车辆优先使用充电时间富裕的充电站,均衡充电资源。
更进一步的方案是,优化路径和充电时间信息关联的一个或多个充电站与电动汽车用户端进行交互并根据交互结果生成配时结果的步骤中,包括电动汽车用户端获取交互指令组并根据交互指令组判断是否满足生成配时结果的逻辑条件,若否,电动汽车用户端重新优化计算优化路径和充电时间信息。
由上可见,用户可以在用户端上对充电计划如是否接受等待时长、是否需要推迟充电等等选项进行设置,用户端根据这些用户的交互指令组生成完成预约和配时,或取消预约并进行重新优化,从而获取满足用户需求的充电行程。
附图说明
图1为本发明电动汽车导航与充电预约方法实施例的系统及充电预约原理图。
图2为本发明电动汽车导航与充电预约方法实施例的单用户充电配时逻辑流程框图。
图3为本发明电动汽车导航与充电预约方法实施例的通信与优化控制时序图。
图4为本发明电动汽车导航与充电预约方法实施例某区域的路网示意图。
图5为本发明电动汽车导航与充电预约方法实施例日车流量比率图。
具体实施方式
电动汽车导航与充电预约方法实施例
本发明提供的电动汽车用户的电动汽车导航与充电预约方法的基本流程为电动汽车用户端申请充电、电动汽车用户端得到优化条件、电动汽车用户端执行优化计算、各路段充电站周期性更新优化完毕预约车辆的充电时间分配结果、用户在电动汽车用户端与选中的充电站建立通信并确认、充电站分配时间、充电站与用户进一步通信,最后电动汽车用户端行驶途中,充电站不断调整充电队列。
参见图1,实现电动汽车导航与充电预约方法的系统包括导航控制中心11、多个导航分配中心12、多个分布式充电优化控制中心13、多个充电站41、路况监控中心21、电网公司22和处于不同状态的多个电动汽车用户端31、电动汽车用户端32以及电动汽车用户端33。
其中,本方法对路网划分区域进行管理,每个分布式充电优化控制中心13与预设的区域相对应,每个导航分配中心12与预设的区域相对应,每个预设的区域内有对应的多个充电站41。
每个导航分配中心12与处于其对应区域的电动汽车用户端31、电动汽车用户端32和电动汽车用户端33通过4G或5G网络进行信息交互,导航控制中心11与每个导航分配中心12、每个分布式充电优化控制中心13、路况监控中心21以及电网公司22采用光纤进行有线信息交互,电动汽车用户端31、电动汽车用户端32和电动汽车用户端33通过4G或5G网络与充电站41进行信息交互,每个导航分配中心12与充电站41采用光纤进行有线信息交互。
其中,图1中所示电动汽车用户端31、电动汽车用户端32和电动汽车用户端33为处于不同通信阶段下的同一电动汽车用户端,电动汽车用户端31处于优化计算阶段,电动汽车用户端32处于优化完毕阶段,电动汽车用户端33处于配时完毕阶段。电动汽车用户端可以为智能手机,也可以是电动汽车上的控制系统。
继续参见图1,电网公司22向导航控制中心11传送信息K,信息K包括各时段相关网络的电价、网络参数和负荷信息,导航控制中心11再将各时段相关网络的电价、网络参数和负荷信息以信息J传送给导航分配中心12。如果采用节点边际电价,在导航分配中心12用配电网最优潮流计算出所辖充电站41的节点边际电价,并将节点边际电价以信息R传送给相应充电站41,充电站41根据历史边际电价预测其未来24小时节点边际电价信息C,然后将信息C提供给电动汽车用户端。另外,如果采用峰谷电价或阶梯电价则不用进行计算,导航分配中心12通过导航控制中心11从电网公司22获得电价信息后则依次通过信息R和信息C向电动汽车用户端31转送电价信息。另外,电网公司22还会向多个分布式充电优化控制中心13传送与电力负荷以及电力网络相关的信息L。
导航控制中心11统计计算各路段电动汽车数目的变化后也会以信息P发送给路况监控中心21,路况监控中心21根据历史数据和一定的社会事件循环预测(例如每15分钟预测一次)未来24小时各个路段的车流量数据,并根据导航控制中心11发送来的各路段的电动汽车数目变化的信息P调整车流量数据,并周期循环地向导航控制中心 11以信息H传送车流量实时数据、预测数据以及道路施工路况数据。
各个导航分配中心12向导航控制中心11周期性上传信息I,信息 I包括本区域各充电站41的信息和本区域的电动汽车用户端31发出的充电申请信息A中需要的其它区域充电站41的信息、汽车出发站点分布式充电优化控制中心13优化充电结果(或不需要)、目的站点分布式充电优化控制中心13充电条件数据的信息需求以及优化计算完毕的电动汽车用户端32的路径选择结果。
导航控制中心11向各个导航分配中心12下传信息J,信息J包括该导航分配中心12优化计算需要的其它导航分配中心12的相关充电站41的信息、车流量信息、路网变化信息、电价信息以及电网信息、各导航分配中心12对应的电动汽车用户端31需要的出发站点分布式充电优化控制中心13优化充电结果(或不需要)和目的站点分布式充电优化控制中心13充电条件数据。
首先,处于预约充电阶段的电动汽车用户端31向导航分配中心 12上传充电申请信息A,同时地,其他的完成优化计算且配时完成的电动汽车用户端33向导航分配中心12上包含传路径选择结果的信息 O。
各个电动汽车用户端31实时向导航分配中心12上传的充电申请信息A包括电动汽车用户端31当前所在位置、充电申请时刻额定充电功率出发时刻一个或多个可选行程路线、预估的车辆到达目的地时间区间、停车时长出发站点分布式充电优化控制中心优化充电结果(或不需要)和目的站点分布式充电优化控制中心充电条件数据的申请信息。
然后,导航分配中心12根据各电动汽车用户端31的充电申请信息A检索并调用相关的充电站信息并形成优化用信息B,并把优化用信息B传送给电动汽车用户端31。优化用信息B包括路网更新信息、各用户车辆电池初始值和目的地电池期望值相关的各个路段的车流量实时信息和未来24小时各个路段的车流量数据。
随后,各个电动汽车用户端31将先计算预估的车辆到达各路段末端的时间段:首先估算充电时间,考虑行驶时间不同路段车流量的变化,通过循环迭代下边两式求出下边三个参量预估值:
其中,分别为第iv辆电动汽车PEV路径q起点O到(i,j)路段末端间所有路段的集合,Lij代表(i,j)路段的道路长度, 分别表示第iv辆电动汽车PEV电池容量、每公里耗电量、电池的荷电状态SOC初始值和到达目的地时的SOC 设定值、电池的SOC上、下限值、额定充电功率,Cij为(i,j)路段最大交通流量,vijm为路段(i,j)自由流车速,即车辆在完全自由状态下的平均车速,一般等于路段设计的最大车速;表示第iv辆电动汽车PEV到达路径q路段(i,j)时车流量。式中mod表示求余运算。
预估的车辆到达目的地最早时间:
用户可在电动汽车用户端31中根据自身实际情况设置若是马上启程的车辆或者停放在停车场的车辆,则由用户在电动汽车用户端31中自行填写当前值;若是正在充电而用户提前预约行程路线的车辆,需要调用其所在区域对应的分布式充电优化控制中心13 提供的优化充电结果数值来设置数据直接由分布式充电优化控制中心13发送至电动汽车用户端31,或先以信息N发送至导航控制中心11,再由导航控制中心11以信息J发送至导航分配中心12,最后由导航分配中心12以优化用信息B发送给电动汽车用户端。
第二种情况,电动汽车到达分式充电优化控制中心13对应的区域停车时,需要分布式充电优化控制中心13根据预估的车辆到达时间段及其停车时长提供包括充电接口数量、充电时段和充电功率这些充电条件数据,并判断该区域提供的充电条件是否符合该车辆到达时段和充电功率需求;若不满足就按照上述第一种情况确定值;若满足,计算该车辆可以获得的充电电量充电电量等于充电时段长度与充电功率的乘积,即然后由用户自行设定在该停车场的充电目标值达到满足其下一行程或未来行程的电力需求,从而获得第一行程到达目的地时的目的地电池期望值该部分计算在导航分配中心12进行。
导航控制中心11向所辖分布式充电优化控制中心13发送信息M 以向分布式充电优化控制中心13索要充放电优化结果或充电条件信息,然后分布式充电优化控制中心13发送信息N给导航控制中心11,导航控制中心11再发送给导航分配中心12,在导航分配中心12执行计算后把电池初始值和目的地电池期望值加入到优化用信息B中发送至电动汽车用户端31。
各路段充电站41会向待优化的电动汽车用户端31发送本充电站实况信息C,充电站实况信息C包括充电桩(充电接口)个数及其额外排队等候停车位置数目充电桩的充电功率上限本充电站41充电时间空档、未来24小时本站峰谷电价或阶梯电价或节点边际电价另外,充电站41还向导航分配中心12发送信息 Q,信息Q包括该充电站41的充电时间空档及对应充电功率(功率信息Q)。
另外,各路段的充电站41会周期性地更新优化完毕完成预约的车辆(优化结果为的充电时间分配结果。各路段充电站41 按照车辆到达该站的时间排序,然后按照次序将车辆加入排队序列,给各优化计算完毕的车辆分配充电时间,并传送信息E给相应的电动汽车用户端32,充电站41接收到来自配时成功的电动汽车用户端33 的确认充电时段信息G以后,则更新本站充电时间空档,并将本站充电时间空档以信息C发送给其他相关待优化的电动汽车用户端31。具体流程如下:
若满足该不等式或就继续下列步骤c到f;若不满足该不等式,推迟到达时间设置继续下列步骤c到f;式中,表示车辆的起始充电时间,表示车辆的结束充电时间,表示在该站等候的车辆数目上限,表示iv车辆到达时间充电站站内排队等候车辆在各队列最尾部车辆的集合,Ψij_k表示iv车辆到达时间充电站站内排队等候车辆集合;
每个充电站有列车队等候。为iv车辆到达时间充电站 ij_k第个队列站内等候车的集合,对于iv车辆到达时间正在充电车辆的充电时长为其剩余充电时长:按照先到的车辆优先充电的原则,选中最短等候时长队列排队等候充电;
f)如果没有预约充电车辆即跳过本步骤;否则,已经安排充电时间段的预约充电车辆的最早充电时间 为选中的排队队列场外预约充电车辆集合,若iv车辆的充电结束时间把iv车辆的到达时间和充电起始时间都延迟到预约好的车辆全部充电时段的下一时间空档首端,返回步骤a;若否,继续下列步骤:
随后,待优化的电动汽车用户端31则根据获取的优化用信息B和充电站实况信息C优化计算路径和充电时间段,生成优化路径和充电时间信息。
1)预约用户端根据沿途充电站已经预约好的车辆达到时间和充电时间段更新其起始充电时间,流程如下:
以下计算满足iv车辆充电时长的时间空档:遍历按起始时间升序选择满足iv车辆充电时长的时间空档并计算:利用时间空档的起始时间和iv车辆的到达时间计算出等候或推迟时间,并判断等候或推迟时间是否满足该车辆最大等候时长要求。若是就检查到达时刻是否满足车场位置数量约束。如果不满足就推迟到达时间为时间段的开始时间;时间段的开始时间即为预约车辆iv的起始充电时间结束对时间空档的遍历。
如果所有时间段都不满足该车辆最大等候时长要求,就继续下列步骤:
随后结束对每个充电站ij_k的遍历并结束流程。
3)第iv个电动汽车用户在其终端设备——例如智能手机上,根据获得的路网节点矩阵、行程全过程各路段车流量、相关充电站的充电功率上限和充电起始时间优化计算各自的行程路线选择充电站并计算等候时长和充电时长返回上述第1步。
完成优化计算的电动汽车用户端32向被选中的充电站41发送信息 D,信息D包括等候时长充电时长和到达选中充电站41 的时间随后电动汽车用户端32收到充电站41分配充电时间段相关的信息E,电动汽车用户端32根据全部选中充电站信息E给各个选中充电站分配确认充电时间段。
若用户认为可以接受等候时长,电动汽车用户端32就按照相关充电站41分配的到达时间调整行驶速度,并通过信息G给相关充电站 41确认信息,并将路径选择结果以信息O发送给导航分配中心12。
能否接受过长的等候时长,由用户事前的交互指令选择,由电动汽车用户端32的程序自动执行。如果用户不能接受过长的等候时长,就按照如图2所示配时逻辑流程执行配时,电动汽车用户端32收到优化选中的全部充电站41分配的充电时间段的信息E后,执行步骤S1,按照行程先后次序选择第一个充电站,执行判断步骤S2,判断该站是否为行程最末站,若是,执行步骤S3,判断是否满足等候时长需求,若是,执行判断步骤S6,判断是否已经遍历完全部充电站,若是,执行步骤S7,计算在全程所有充电站的等候总时长,判断是否满足等候时长上限,若是,配时完毕;若步骤S6判断为否,执行步骤S5,选择下一个充电站并执行判断步骤S2,若步骤S2的判断结果为否,则执行判断步骤S9,是否需要在该站推迟充电,若是,则执行判断步骤 S10,判断同路段是否有同类型充电桩可以按计划充电,若判断结果为是,则执行步骤S11调整目标充电桩,若判断结果为否(或者步骤S3 或S7判断为否,)则执行步骤S4,向全部选中充电站41发送信息G 以取消行程所有充电站41的充电配时结果并返回待优化阶段重新优化计算,完成优化计算后再继续把候选充电站时间段以信息D发送给相关充电站41再次进行配时;若判断步骤S9判断为否执行步骤S3。
配时完毕后,电动汽车用户端33通过向相关充电站41发送信息 G以确认配时,并将选出的路径选择结果通过信息O发送给导航分配中心12。
随后,充电站41实时更新进站电动汽车排队队列。如果由于路况和驾驶随机性导致车辆在预设到达时间没有到达充电站41,充电站41 的控制设备,如智能手机或计算机安排下一已经到达的车辆并把迟到车辆推迟安排一个车位,或者迟到车辆按照该充电站点设置的保留充电时间段服务费用支付迟到费用,这种情况需要PEV电动汽车用户银行账户设置充电站自动扣费。如果车辆提早到达,类似按照最小等待时间原则调整排队队列,但提早到达车辆不可以插入已支付保留充电时间段费用车辆的充电时间段。
充电站41更新进站电动汽车队列后,调整预约该站但还未进站的电动汽车预约充电时间,并向预约电动汽车用户端33发送信息F,电动汽车用户端33通过用户的交互指令调整到达时间或取消该充电站 41的充电配时结果并通过信息G与该充电站41通信。这种充电时间调整会导致还在进行优化计算的电动汽车用户端31在该站等候时间改变,这个偏差需要充电站41周期性地调整排队等候序列加以调整。
图3为整体的充电导航预约通信与优化控制时序图,图3中代表信息的字母符号和图1中一致,在汽车用户行驶途中,充电站41不断调整充电队列,任一电动汽车用户端31随时可向导航分配中心11发出充电申请信息A,最多延迟1秒钟就可得到优化用信息B;导航控制中心11循环传送信息M、N、H、K、I及J;导航分配中心12循环传送信息A、I、J及B;充电站41循环传送信息C、F及G,有电动汽车用户端32选中充电站41时,该充电站41则接收信息D并在下一秒完成充电时间分配并形成配时结果后向电动汽车用户端32发送信息E。
如果前面路段不能找到满足上式的充电站,就不用计算后续路段充电站,取消该次行程。
其中,和分别为第iv辆PEV的电池自放电率、电池充电效率、到达充电站ij_k的时刻、充电功率和充电站ij_k充电功率上限,为第iv辆PEV在路径q上(l,m)路段行驶时长,为在(i,j)路段之前且不包括(i,j)路段的可以充电路段集合;
精确模式下采用混合整数非线性规划算法:
目标函数Fun可由用户于电动汽车用户端31根据实际需要进行选择。首先,选择电动汽车用户出行总时长最小化,Fun为全部电动汽车在各路段行驶时长和充电时长的总和:
其二,选择出行费用最小化,Fun包括各路段公路使用费用、行驶耗电费用和充电食宿费用:
式中表示在(i,j)路段的第iv辆电动汽车PEV的公路单位长度使用费用,和分别为(i,j) 路段第iv车辆行驶的放电功率、第iv车辆选择路径q行驶的变量、在路径q上(i,j)路段第k个充电站41的充电功率、0/1选择变量(1 表示选中该充电设备充电)、充电价格、(i,j)路段第k个充电站41 车场停车价格和附近食宿价格;和分别表示第iv辆电动汽车 PEV在路径q上(i,j)路段第k个充电站41的充电时长和等候时长;和分别为iv电动车辆出发前充电价格、出行路径集合和在路径q上可以充电的路段集合;充电交易电价按照峰谷电价信息、阶梯电价信息或节点边际电价信息设置。
由于可采用节点边际电价,不但能满足众多电动汽车PEV用户的费用需求,还能优先到连接到含有绿色低价的分散式新能源配电网的充电站41并进行充电,消纳大量高比例新能源,为碳中和做出贡献。
以下公式组为电动汽车导航充电最优计算模型,采用诸如分支定界全局优化等算法求解该混合整数非线性规划模型:
最小化目标函数Fun
约束方程如下:
其中,和分别表示第iv辆PEV出发路网节点、停车等待时功率、电池自放电率、电池充电效率、电池放电效率的倒数、行驶途中放电功率和每公里电耗,行驶途中放电功率按照路段的坡度、道路潮湿泥泞和车辆的荷载量等因素整定调整,分别为(i,j)路段末端所有充电站总数、第k个充电站充电设备总数;和分别表示第iv辆PEV 在路径q上(i,j)路段的所用时长、行驶时长、到达路径q上(i,j) 路段第k个充电站的时刻、在路径q上(i,j)路段第k个充电站的充电时长、等候时长、在路径q上(i,j)路段末端充完电的时刻;分别为表示第iv辆PEV充电容量的最小/最大值;表示第iv辆 PEV到达路径q路段ij时车流量,分别表示第iv辆PEV在路径q上时刻t的电池储能、到达目的地的电池储能、 (i,j)路段行驶耗电量、(i,j)路段充电能量,表示第iv车辆在路径q的时间段;
式表示第iv辆电动汽车PEV到达路径q上(i,j)路段末端充完电的时刻。式表示第iv辆电动汽车PEV在路径q上(i,j)路段行驶和充电等候所用的时长;式表示第iv辆电动汽车PEV到达路径q上(i,j)路段第k个充电站时间加上等候时长大于等于预约到达时间决定的充电起始时刻tSTij_k;
式表示第iv辆电动汽车PEV在路径q上(i,j)路段的充电能量;式表示第iv辆电动汽车PEV在路径q上(i,j)路段行驶耗电量;式为电池储能上下限约束;式表示第iv辆电动汽车PEV在行程最后电池储能约束;为第iv辆电动汽车的行驶路径集合;
此优化模型中,第iv辆电动汽车PEV在路径q上(i,j)路段第k 个充电站的等候时长和充电时长路径q行驶的选择变量在路径q上(i,j)路段第k个充电站的充电选择变量为优化计算的基本变量;当汽车用户自行选择路线以及充电站,仅仅计算充电时间段的情况下,只有等候时长和充电时长为基本优化变量。
与申请号为CN202010202636.X的中国专利申请公开的电动汽车充电导航方法相比,本发明提供了详细的实时通信方案;本发明各个电动汽车用户端分布式地计算各自的充电导航路径,防止大量用户集中计算导致计算时长过长甚至通信中断无法得出导航结果;本发明提供了多个电动汽车用户端预约同一个充电桩的优化排序策略且实时调整队列;本发明基于高速通信和实时调整排序的方法得到比较精确的行驶时间和充电等候时间;发明考虑出行费用时还加入停车费用和食宿费用等。
与申请号为CN202010565031.7的中国专利申请公开的电动汽车路径规划方法以及与申请号为CN202010692351.9的中国专利申请中公开的一种电动汽车前往充电桩路线的综合智能推荐方法相比,本发明在优化策略中考虑了车辆在充电站的排队等候时间、提供了多个电动汽车用户端预约同一个充电桩的优化排序策略并且实时调整队列而更贴近车辆行驶实际情况;本发明还可处理交通的突发情况和交通的拥塞情况,且本发明考虑各个充电站的实时的边际电价,引导车辆优先使用分布式新能源,为碳中和做出贡献。
另外,与申请号为CN202010692351.9的中国专利申请中公开的一种电动汽车前往充电桩路线的综合智能推荐方法相比,本发明可以比较全面的考虑电动汽车用户整个行程的路径和充电优化,优化行程时间以及出行费用。
以下是本发明方法的一个实际算例,以中国某区域道路为例进行可以均衡配置充电站充电资源、保护电动汽车用户出行时长、抑制电网负荷峰值、优先利用清洁能源的电动汽车导航与充电预约。
参见图4,该区域道路路网结构和充电站布置如下:共有58个路网节点、62条路段、24个具有充电站的路网节点以及92个充电站,单个充电站最大容纳100辆车。表1为用户电动汽车参数表,采用恒功率充放电。假设所有路段采用相同的日车流量曲线、定义车流量率ρij=ηij/Cij,本算例采用如图5所示的日车流量率。
假设路网节点7、29、50连接的电网有负荷聚合商或园区运营商或电力零售商等,充电站采用节点边际电价进行计价,路网节点7、 29、50以外的其他充电站采用峰谷电价:22:45–7:00负荷低谷时充电电价为0.95元/kWh,7:00–22:45负荷高峰时充电电价为3.11元/kWh,路网节点7、29、50连接的电网节点统一采用同样的节点边际电价: 22:45–7:00负荷低谷时充电电价为0.10元/kWh,7:00–22:45负荷高峰时充电电价为0.20元/kWh。假设道路上行驶的电动汽车均为表1所列的两种类型电动汽车之一,并且车辆出发前充电电价均为0.52元/kWh,
表1电动汽车参数表
对起点O到终点D的6条路径的车辆进行优化计算,按照 1~10%PEV车辆渗透率优化计算各个车辆的导航路径和充电预约。从 7:00开始优化计算各车辆的路径和预约充电选择。在不同PEV车辆渗透率情况下各路车辆的数目如表2所示,假设同一路车辆出发时间服从所在时间段的均匀分布,比如10%渗透率时,起点1到终点13的 6路PEV出发时刻均匀分布在7:00到7:05之间。
表2起点O到终点D的车辆数目
单个电动汽车用户的充电行为:第一次优化中,在7点到9点之间、9点到12点之间在所有充电站等候时长分别统一采用0.4小时和 0.2小时。车辆iv=1是I型电动汽车,行驶起点和终点分别为路网节点 1和13,常用路径有3条。目标函数采用出行费用情况下,第3条路径出行费用只有78.84元,第1、2条路径的出行费用分别有:199.45 和220.74元,大幅降低出行费用,其中第1、2、3条路径充电费用分别为141.69、150.92和20.31元,主要原因时第3条路径最大限度地利用了9_2很低的节点边际电价;另外,出行时长只有3.55小时也恰好是三条路径中最小的。目标函数采用出行总时长情况下,优化结果也是第3条路径同样的2个充电站,出行时长只有3.55小时,第1、2 条路径的出行时长分别有:3.55和3.88小时。
车辆iv=2是I型电动汽车,行驶起点和终点分别为路网节点30和 13,常用有第7、8、9这3条路径。按照出行总时长最小和出行费用最小化的优化结果如表3所示。目标函数采用出行费用情况下,选择第7条路径的9_8和15_2两个充电站,出行费用只有74.47元,但出行耗时8.88小时,第8、9条路径的出行费用分别有:231.12和221.22 元;其中第7、8、9条路径充电费用分别为19.58、158.54和160.70 元。主要原因时第7条路径最大限度地利用了9_8很低的节点边际电价。目标函数采用出行总时长情况下,结果选择第7条路径的9_5和 11_1两个充电站,出行时长只有3.76小时,但出行费用高达179.66 元,第8、9条路径的出行时长分别有:5.64和9.80小时;两种优化结果不一致,需要用户按照自身出行需求选择其一。
表3 7:00出发用户iv=2导航与充电优化结果
通信与优化计算周期计算:前一辆电动汽车用户端32优化计算完毕并向相关充电站41发送信息D以进行充电时段配时,充电站41配时完毕后发送信息E给该电动汽车用户端32,同时把该充电站41的充电时间空档信息通过信息C发送给待优化的下一个电动汽车用户端 31。
参考文献《基于LTE D2D技术的车联网通信架构与数据分发策略研究》的图6,采用基站传输,5G通信数据接收速率最低为700kbit/s,采用双精度数据。单个信息D(充电时间段到达选中充电站的时间)数据量为3×4bit。iv=1用户端优化结果要充电2次。
本算例中设信息C中充电时间空档有1个,车辆沿途用到37个充电站信息、经过26个路段,行程最多需要时间3.88小时,信息 和未来iv=1行程各个路段车流量数据)数据量有(2+26×3.88× 12)×4bit向上取整数为4852bit,信息C(未来iv=1行程中充电站的充电时间空档)数据量有126×1×1×4bit=504bit,充电申请信息A数据量有(8+26)×4bit=136bit,iv=1电动汽车用户端优化计算时间需要 74.076秒(电脑配置为12核3.4GHzCPU和16GB内存),信息传输过程C-A-B-D需要8ms,充电时间分配调整队列周期为1秒,整个优化通信过程耗时75.084秒。如此,优化计算同一充电站的前后两个车辆申请优化的间隔时间超过75.084秒,优化用信息B则依此更新,电动汽车用户端将不会选择同一个充电站;否则,电动汽车用户端可能会选择同一充电站,进而需要在充电站充电时段分配中错开充电时段。
单个充电站的通信和排序仿真:多个电动汽车用户端预约的充电时间交叠情况下的排序,对起点O到终点D的6条路径的已经优化完毕的电动汽车用户端分配充电时间段。
表4为1%的渗透率下7:00出发各用户优化计算到站时间。充电时间段冲突,充电站内调整策略。
表4 1%的渗透率下7:00出发各用户优化计算到站时间
由于充电站周期性地对电动汽车用户端进行时间分配和队列调整,所以最先把信息D传给充电站的电动汽车用户端就优先获得分配充电时间。只有多个电动汽车用户端在同一秒内都把信息D传给充电站的情况下,充电站才会对这多个用户分配时间。如表4所示,车辆iv=3、 4和iv=5优化时长接近,优化配时结束后,充电站在同一秒内需要对这几个电动汽车用户端分配时间。车辆iv=3和iv=5在充电站26_3的时间上发生冲突,充电站26_3就需要为车辆iv=3和iv=5排队配时。车辆iv=5先到达充电站,那么就需要把车辆iv=3的充电时间推迟 10.1-8.95=1.15小时,车辆iv=3的行程中,此路段没有与充电站26_3 同类型充电站,iv=3用户可以选择取消该次优化的所有充电计划,重新优化,优化中在充电站26_3的等候时长更新为1.15小时。
由于车辆iv=3比车辆iv=1第一次优化配时所用时间短,车辆iv=3 先重新优化。由于车辆iv=4和车辆iv=5的优化配时用时比iv=3的优化配时用时短,用车辆iv=4和5优化配时更新充电站可用充电时间段,更新车辆iv=3在各站的等候时长。在充电站26_3的等候时长更新为 1.15小时,车辆iv=3沿途没有经过充电站15_1、43_1。优化结果见表5所示,各充电站满足配时逻辑,经过72.961+73.751=146.712秒配时完毕。
时间推移到7点75~76秒之间,iv=1和iv=4车辆在充电站15_1 的充电时间存在交叠情况。iv=1和iv=4车辆iv=1通信、排队和优化时长分别为75.084和72.786秒,充电站15_1先收到车辆iv=4的充电时间段,先对其安排充电时段。充电站15_1是该车辆iv=1行程的末次充电站,把iv=1车辆推后充电,推迟到11.12小时再充电,推迟时长 11.12-10.07=1.05小时,超出该车辆的最大等候时长要求,并且该路段没有同类型充电站可以调整。充电站15_1将分配结果发送给该车辆 (信息E),该车辆用户iv=1可以选择拒绝该配时结果取消全部充电计划(信息G),继续再优化一次避开此次冲突等候,优化中充电站 15_1的等候时长更新为1.05小时。表4中,车辆iv=1和车辆iv=3在充电站9_2处的时间冲突就不存在,因为车辆iv=3已经取消了表4中的充电计划,并且开始正在重新优化中,所以充电站9_2处的等候时长不变。在充电站9_5等候时长8.78-8.03=0.75小时、在充电站11_1 等候时长10.69-8.29=2.4小时、车辆iv=1不经过充电站26-3、43-1。优化结果见表5所示,各充电站充电时段没有冲突,经过 75.084+74.053=149.137秒配时完毕。
仿真结果表示,电动汽车用户端要提前足够时间例如提前2~3分钟申请优化导航,后续优化依然可以来得及在预设的出发时刻前计算并通信分配完毕,不影响该车辆的出发时间。
表5 1%的渗透率下7:00出发重新优化用户优化计算到站时间
当车辆渗透率提高到10%时,7:00到7:05之间由30到54车辆就有10量,平均30秒就要出发一辆车。比如车辆iv=1第二次优化过程中,滞后其30秒申请充电的电动汽车用户端已经优化完毕,提前预约了充电站9_2和11_2,而且还有可能和车辆iv=1优化结果有时间段冲突,导致车辆iv=1还要继续再次优化。因此,在排队车辆过多的情况下,电动汽车用户端最好选择接受适当超长的等候时长,此外,可以采用快速模式计算,减小计算时长,也就降低了这种冲突发生的可能性。本例采用快速模式优化用时只有0.428秒,就可以赶在后续车辆申请优化前就已经配时完毕。
虽然实例部分采用计算机模拟,当用手机计算时计算时间可能要长一些,但这个缺点可以随着计算机配置的升级,以及可以采用提前预约计算的方法来克服这一点。
最后需要强调的是,以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种变化和更改,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种考虑完整行程的电动汽车导航与充电预约方法,其特征在于,包括:
导航分配中心获取来自于电动汽车用户端的充电请求信息,所述充电请求信息包括与该电动汽车用户端相关的完整行程相关数据,每个所述导航分配中心与预设区域内的一个或多个所述充电站交互;
所述导航分配中心根据所述充电请求信息调取优化用信息,所述导航分配中心向所述电动汽车用户端发送所述优化用信息;
多个充电站均向所述电动汽车用户端发送各自的充电站实况信息;
所述电动汽车用户端根据获取的所述优化用信息和所述充电站实况信息更新其在所述充电站的起始充电时间,采用快捷模式或精确模式生成优化路径和充电时间信息;
各路段充电站周期性更新优化完毕预约车辆的充电时间分配结果;
所述优化路径和充电时间信息关联的一个或多个所述充电站与所述电动汽车用户端进行交互并根据交互结果生成配时结果,所述电动汽车用户端根据所述交互结果向所述导航分配中心发送路径选择结果;
所述电动汽车用户端根据获取的所述优化用信息和所述充电站实况信息更新其在所述充电站的起始充电时间,采用快捷模式或精确模式生成优化路径和充电时间信息的步骤中:
所述快捷模式包括:
为首次充电充电站前面行驶路段集合,为第二次及以后充电相关行驶路段集合,为第iv辆电动汽车PEV路径q所有路段的集合,Llm代表路网节点l,m之间的道路长度, 分别表示第iv辆PEV电池容量、在路网节点l,m之间道路上行驶途中的每公里电耗、预估行驶时长、电池的荷电状态SOC初始值、电池的SOC上、下限值;
若不能计算得出满足以上公式的前面路段的充电站,则不计算后续路段充电站,所述电动汽车用户端取消该次行程;
若完成选择满足以上公式的路段(i,j)中的最尾路段的充电站的步骤,从第iv辆PEV路径q起点开始到终点所有路段依次按照以下公式计算在路段(i,j)充电站k的等候时长和充电时长并根据计算结果选择等候时长和充电时长最短的充电站ij_k:
其中,和分别为第iv辆PEV的出发时刻、电池自放电率、电池充电效率、额定充电功率、到达充电站ij_k的时刻、在充电站ij_k的起始充电时间、充电功率和充电站ij_k充电功率上限,为第iv辆PEV路径q起点O到(i,j)路段末端间所有路段的集合,和分别为第iv辆PEV在路径q上(l,m)路段行驶时长和第k个充电站的0/1选择变量(1表示选中该充电设备充电),为(l,m)路段充电站总数,为在(i,j)路段之前且不包括(i,j)路段的可以充电路段集合;Cij为(i,j)路段最大交通流量,vij.m为路段(i,j)自由流车速,即车辆在完全自由状态下的平均车速,一般等于路段设计的最大车速;表示第iv辆电动汽车到达路径q路段ij时车流量;
所述精准模式包括:
根据以下步骤采用混合整数非线性规划算法计算:
A、所述电动汽车用户端根据获取的交互指令选择目标函数Fun:
若所述电动汽车用户端根据获取的交互指令与选择出行总时长最小化相关,所述目标函数Fun为全部电动汽车在各路段行驶时长和充电时长的总和:
若所述电动汽车用户端根据获取的交互指令与出行费用最小化相关,所述目标函数Fun包括各路段公路使用费用、行驶耗电费用和充电食宿费用:
或者表示为:
目标函数Fun中表示在出行各路段的公路使用费用,或表示电动汽车行驶耗电费用,表示出行各路段的充电停车食宿费用,表示在(i,j)路段的第iv辆电动汽车的公路单位长度使用费用, 和分别为(i,j)路段第iv车辆行驶的放电功率、第iv车辆选择路径q行驶的变量、在路径q上(i,j)路段第k个充电站的充电功率、0/1选择变量(1表示选中该充电设备充电)、充电价格、(i,j)路段第k个充电站车场停车价格和附近食宿价格;和分别为iv电动车辆出发前充电价格、出行路径集合和在路径q上可以充电的路段集合;
B、以下公式组为电动汽车导航充电最优计算模型:
最小化目标函数Fun约束方程如下:
其中,和分别表示第iv辆电动汽车停车等待时功率、电池放电效率的倒数、行驶途中每公里电耗,为第iv辆电动汽车车主设置的行程结束时刻最少充电SOC期望值,为(i,j)路段末端第k个充电站充电设备总数,和分别为第iv车辆出发路网节点、选择路径q行驶的变量、在(i,j)路段第k个充电站的充电功率、0/1选择变量(1表示选中该充电设备充电);
和分别表示第iv辆电动汽车在路径q上(i,j)路段的所用时长、行驶时长、到达路径q上(i,j)路段第k个充电站的时刻、在路径q上结束(i,j)路段行程和充电进入下一路段时刻、最大等候时长、在路径q充电次数上限、出行路径集合;分别为表示第iv辆电动汽车充电容量的最小/最大值;
2.根据权利要求1所述的考虑完整行程的电动汽车导航与充电预约方法,其特征在于:
所述充电请求信息包括与该电动汽车用户端相关的完整行程相关数据的步骤中,所述完整行程相关数据包括所述电动汽车用户端的当前位置数据、充电申请时刻数据、额定充电功率数据、出发时刻数据、至少一个可选行程路线数据、预计到达目的地时间区间数据、停车时长数据、出发站点分布式充电优化控制中心优化充电结果和目的站点分布式充电优化控制中心充电条件数据的申请信息。
3.根据权利要求2所述的考虑完整行程的电动汽车导航与充电预约方法,其特征在于:
在所述导航分配中心根据所述充电请求信息调取优化用信息,所述导航分配中心向所述电动汽车用户端发送所述优化用信息的步骤中,包括:
所述分布式充电优化控制中心根据获取的所述目的站点分布式充电优化控制中心充电条件数据的申请信息和所述出发站点分布式充电优化控制中心优化充电结果的申请信息向所述导航控制中心发送目的站点分布式充电优化控制中心充电条件数据和出发站点分布式充电优化控制中心优化充电结果;
所述导航控制中心根据获取的所述目的站点分布式充电优化控制中心充电条件数据的申请信息和所述出发站点分布式充电优化控制中心优化充电结果的申请信息向所述导航分配中心发送所述目的站点分布式充电优化控制中心充电条件数据和所述出发站点分布式充电优化控制中心优化充电结果;
所述导航分配中心将所述目的站点分布式充电优化控制中心充电条件数据和所述出发站点分布式充电优化控制中心优化充电结果加入所述优化用信息。
4.根据权利要求1至3任一项所述的考虑完整行程的电动汽车导航与充电预约方法,其特征在于:
所述导航分配中心根据所述充电请求信息调取优化用信息,所述导航分配中心向所述电动汽车用户端发送所述优化用信息的步骤前,还包括:
导航控制中心获取来自所述导航分配中心的电动汽车数量信息,统计计算各路段电动汽车数目的变化,并将所述电动汽车数量信息发送至路况监控中心,所述路况监控中心周期性地向所述导航控制中心发送车流量实时数据、车流量预测数据和道路施工路况数据;
所述导航控制中心向所述导航分配中心发送所述车流量实时数据、所述车流量预测数据和所述道路施工路况数据,所述导航分配中心根据所述车流量实时数据、所述车流量预测数据和所述道路施工路况数据生成所述多个路段的车流量实时信息和未来预设时间段内各个路段的车流量数据。
5.根据权利要求1至3任一项所述的考虑完整行程的电动汽车导航与充电预约方法,其特征在于:
所述多个充电站均向所述电动汽车用户端发送各自的充电站实况信息的步骤中,所述充电站实况信息包括充电桩的数量、所述充电桩对应的额外排队等候停车位置数量、充电桩的充电功率上限、所述充电站的充电时间空档、所述充电站于未来预设时间段内的电价信息,所述电价信息为峰谷电价信息、阶梯电价信息或节点边际电价信息。
6.根据权利要求5所述的考虑完整行程的电动汽车导航与充电预约方法,其特征在于:
所述电价信息为所述节点边际电价信息;
所述导航分配中心将所述电价信息发送至所述充电站的步骤包括:
所述导航分配中心根据配电网最优潮流计算出对应区域中多个所述充电站的历史节点边际电价并将所述历史节点边际电价发送给对应的所述充电站;
所述多个充电站均向所述电动汽车用户端发送各自的充电站实况信息的步骤包括:
所述充电站根据获取的所述历史节点边际电价计算未来预设时间段内的所述节点边际电价信息,所述充电站向所述电动汽车用户端发送所述节点边际电价信息。
7.根据权利要求1至3任一项所述的考虑完整行程的电动汽车导航与充电预约方法,其特征在于:
所述各路段充电站周期性更新优化完毕预约车辆的充电时间分配结果步骤中,各路段充电站按照优化完毕预约车辆到达该站的时间排序,然后按照次序加入排队序列,给各优化计算完毕的车辆分配充电时间,并传送给相应用户;充电站接收到用户确认充电时段信息以后,更新本站充电时间空档发送给相关待优化车辆。
8.根据权利要求1至3任一项所述的考虑完整行程的电动汽车导航与充电预约方法,其特征在于:
所述优化路径和充电时间信息关联的一个或多个所述充电站与所述电动汽车用户端进行交互并根据交互结果生成配时结果的步骤中,包括:
所述电动汽车用户端获取交互指令组并根据所述交互指令组判断是否满足生成所述配时结果的逻辑条件,若否,所述电动汽车用户端重新优化计算所述优化路径和充电时间信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110592634.0A CN113505962B (zh) | 2021-05-28 | 2021-05-28 | 一种考虑完整行程的电动汽车导航与充电预约方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110592634.0A CN113505962B (zh) | 2021-05-28 | 2021-05-28 | 一种考虑完整行程的电动汽车导航与充电预约方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113505962A true CN113505962A (zh) | 2021-10-15 |
CN113505962B CN113505962B (zh) | 2023-08-29 |
Family
ID=78008856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110592634.0A Active CN113505962B (zh) | 2021-05-28 | 2021-05-28 | 一种考虑完整行程的电动汽车导航与充电预约方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113505962B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066106A (zh) * | 2022-01-13 | 2022-02-18 | 滨州邦维信息科技有限公司 | 在途排队队列动态调整方法、装置及电子设备 |
CN114819656A (zh) * | 2022-04-29 | 2022-07-29 | 兰州理工大学 | 基于多阶段延迟接受算法的电动汽车-快充站匹配方法 |
CN117273181A (zh) * | 2023-11-17 | 2023-12-22 | 天津平高易电科技有限公司 | 一种电动汽车充电调度方法和系统 |
CN117553816A (zh) * | 2023-11-02 | 2024-02-13 | 浙江大学 | 考虑车主偏好与需求的电动汽车路径规划与充放电策略联合优化方法 |
CN117698452A (zh) * | 2024-02-06 | 2024-03-15 | 国网江苏省电力有限公司电力科学研究院 | 一种车联网环境下电动汽车主动充电引导方法及相关装置 |
CN117922361A (zh) * | 2024-03-25 | 2024-04-26 | 宁波市电力设计院有限公司 | 一种提高电资源利用的充电管理方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107323300A (zh) * | 2017-07-26 | 2017-11-07 | 河海大学 | 一种基于路‑站‑车联合模型的电动汽车预约充电方法 |
CN108162771A (zh) * | 2017-11-09 | 2018-06-15 | 贵州电网有限责任公司电力科学研究院 | 一种电动汽车智能充电导航方法 |
CN108955711A (zh) * | 2018-08-24 | 2018-12-07 | 广东工业大学 | 一种应用于电动汽车智能充放电的导航方法 |
CN109489676A (zh) * | 2018-09-29 | 2019-03-19 | 广东工业大学 | 一种计及电网信息与充电站信息的电动汽车充电导航方法 |
-
2021
- 2021-05-28 CN CN202110592634.0A patent/CN113505962B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107323300A (zh) * | 2017-07-26 | 2017-11-07 | 河海大学 | 一种基于路‑站‑车联合模型的电动汽车预约充电方法 |
CN108162771A (zh) * | 2017-11-09 | 2018-06-15 | 贵州电网有限责任公司电力科学研究院 | 一种电动汽车智能充电导航方法 |
CN108955711A (zh) * | 2018-08-24 | 2018-12-07 | 广东工业大学 | 一种应用于电动汽车智能充放电的导航方法 |
CN109489676A (zh) * | 2018-09-29 | 2019-03-19 | 广东工业大学 | 一种计及电网信息与充电站信息的电动汽车充电导航方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066106A (zh) * | 2022-01-13 | 2022-02-18 | 滨州邦维信息科技有限公司 | 在途排队队列动态调整方法、装置及电子设备 |
CN114819656A (zh) * | 2022-04-29 | 2022-07-29 | 兰州理工大学 | 基于多阶段延迟接受算法的电动汽车-快充站匹配方法 |
CN114819656B (zh) * | 2022-04-29 | 2024-06-07 | 兰州理工大学 | 基于多阶段延迟接受算法的电动汽车-快充站匹配方法 |
CN117553816A (zh) * | 2023-11-02 | 2024-02-13 | 浙江大学 | 考虑车主偏好与需求的电动汽车路径规划与充放电策略联合优化方法 |
CN117553816B (zh) * | 2023-11-02 | 2024-05-24 | 浙江大学 | 考虑车主偏好与需求的电动汽车路径规划与充放电策略联合优化方法 |
CN117273181A (zh) * | 2023-11-17 | 2023-12-22 | 天津平高易电科技有限公司 | 一种电动汽车充电调度方法和系统 |
CN117273181B (zh) * | 2023-11-17 | 2024-04-26 | 天津平高易电科技有限公司 | 一种电动汽车充电调度方法和系统 |
CN117698452A (zh) * | 2024-02-06 | 2024-03-15 | 国网江苏省电力有限公司电力科学研究院 | 一种车联网环境下电动汽车主动充电引导方法及相关装置 |
CN117698452B (zh) * | 2024-02-06 | 2024-05-03 | 国网江苏省电力有限公司电力科学研究院 | 一种车联网环境下电动汽车主动充电引导方法及相关装置 |
CN117922361A (zh) * | 2024-03-25 | 2024-04-26 | 宁波市电力设计院有限公司 | 一种提高电资源利用的充电管理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113505962B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113505962B (zh) | 一种考虑完整行程的电动汽车导航与充电预约方法 | |
CN104864883B (zh) | 基于云平台的电动汽车路径规划方法 | |
CN110458332B (zh) | 一种基于负荷空间转移的电动汽车快速充电需求调度方法 | |
US11340083B2 (en) | Assignment of motor vehicles to charging stations | |
CN108390421B (zh) | 计及用户满意度的电动汽车双尺度充电引导方法及系统 | |
CN112193116B (zh) | 一种考虑奖励机制的电动汽车充电优化引导策略 | |
CN108955711B (zh) | 一种应用于电动汽车智能充放电的导航方法 | |
CN104182492B (zh) | 信息提供装置 | |
WO2022242579A1 (zh) | 兼容储能充电桩的电动运载工具电量路径规划方法 | |
CN111160588A (zh) | 一种预约充电服务方法及系统 | |
US10157242B2 (en) | Charger arrangement planning supporting apparatus, charger arrangement planning supporting method, and program | |
CN110414750B (zh) | 一种基于深度增强学习的电动汽车实时充电站选择方法 | |
CN109657820A (zh) | 一种可预约的出租车匹配方法 | |
CN111311002B (zh) | 一种考虑乘客在途主动换乘的公交出行规划方法 | |
CN106096793A (zh) | 基于拥塞感知的周期性优化的电动汽车充电决策方法 | |
CN112149906B (zh) | 一种计及充电时间的电动车出行线路综合优化方法 | |
CN110949151B (zh) | 一种车用bms充放电控制系统 | |
CN104809868A (zh) | 基于出行需求响应的车辆线路确定方法及其装置 | |
CN108831148A (zh) | 一种免费通行下高峰拥堵的高速路网管控方法及系统 | |
CN115663867B (zh) | 基于智能充电网络系统的电动汽车充电调度方法 | |
US11966861B2 (en) | Operation planning system and operation planning method | |
CN114331231B (zh) | 一种公共交通排班的方法和系统 | |
CN116470549A (zh) | 考虑电动汽车随机转移特性的充储电站群调度方法 | |
Huang et al. | Congestion-preventing routing and charging scheduling mechanism for electric vehicles in dense urban areas | |
Hiremath et al. | A Cloud-Interfaced Social Ski Driver Optimized routing and Charge scheduling for EV using deep RNN |
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 |