CN113536209A - 换电站定容分析方法、系统、计算机设备及存储介质 - Google Patents
换电站定容分析方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113536209A CN113536209A CN202111094609.6A CN202111094609A CN113536209A CN 113536209 A CN113536209 A CN 113536209A CN 202111094609 A CN202111094609 A CN 202111094609A CN 113536209 A CN113536209 A CN 113536209A
- Authority
- CN
- China
- Prior art keywords
- load
- station
- capacity
- service
- power
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明属于新能源汽车领域,具体涉及一种换电站定容分析方法、系统、计算机设备及存储介质。该方法包括:构建换电站负载估计模型,分别定义服务质量函数和服务冗余函数量化车辆等待换电的过程和可用电池等待车辆前来换电的过程,并通过定义换电站的服务偏好计算单位时间内的综合负载指数;利用多个时间周期内的综合负载指数,计算换电站的动态综合负载指数,并通过负载水平评价函数将换电站分为空闲、平衡、繁忙三个阶段;构建负载优化目标函数,计算不同换电站容量参数的负载目标函数,并作为定容分析和决策的参考依据。本发明对现有换电站可以进行负载分析及其动态容量调整,同时为新建换电站配置优化决策提供参考依据。
Description
技术领域
本发明属于新能源汽车领域,涉及一种换电站定容的决策模型,具体涉及一种基于负载估计模型的换电站定容分析方法、系统、计算机设备及存储介质。
背景技术
在我国新能源汽车产业高速发展的重要时期,为其制定合理、优化、智能的电能补充方案是一个亟待解决的问题。换电站作为传统充电站的替代和补充模式,可在数分钟内完成对电量补充,缓解充电时间长、里程焦虑、停车占位等问题。换电站模式已在国内外有所尝试,但出于商业模式、接受度、建设及营运成本等方面考虑,从需求调度、电池管理、盈利模式、选址定容等环节均处在探索阶段。相较于充电站模式,考虑到动力电池的购置成本,换电站需通过减少储备电池数量以降低其投入成本,这又可能导致换电效率低、排队等待等情况,因此换电站对储备电池的定容将决定其投入成本和服务质量。
目前新能源汽车换电站虽然已经广泛应用,但现有的换电站在建设初期,对于换电站容量的设置,包括储备电池的数量和换电位置,均采用固定的方式,即尚未充分考虑该容量参数是否可以满足未来换电站的服务负载。另外,对于现有换电站,尚无决策优化方法可以对换电站的容量参数进行动态调整,来最大化减少对车主的服务影响,并降低换电站的运营和投入成本。考虑到未来新能源汽车产业的持续发展,如何提高换电站的服务水平和运营成本,制定面向换电站服务负载的量化模型,并辅助对换电站的配置信息进行动态优化,具有重要的实际意义和研究价值。
发明内容
为了对现有换电站进行优化,本发明构建了一种换电站定容分析方法、系统、计算机设备及存储介质。为了估计现有换电站的负载水平,本发明构建了换电站负载估计模型,为了优化换电站配置,本发明创建了换电站定容分析方法和系统。按照本发明所述的分析方法对现有换电站可以进行负载分析及其动态容量调整,同时为新建换电站配置优化决策提供参考依据。
本发明采用以下技术方案实现:
一种换电站定容分析方法,包括以下步骤:
获取换电站容量参数和换电需求数据,并通过网格搜索的方法构建多种容量参数组合;
构建换电站在单位时间内的负载估计模型,利用所述换电需求数据和所述负载估计模型,计算各个容量参数组合对应的综合负载指数和负载目标函数;
以目标函数排序方式输出不同容量参数和对应的目标函数值,并对结果进行可视化输出;
根据不同容量参数对应的负载目标函数,得到最优负载目标函数,并输出最优的换电站参数。
进一步的,所述容量参数包括换电站内的电池数量和换电位数量等信息,所述需求数据包括拟换电车辆的到达时间和抵达剩余电量,即一段时间内拟换电的新能源汽车抵达换电站的时间、剩余电量等信息。
进一步的,所述负载估计模型用于量化车辆排队对服务质量的影响和电池等待换电车辆对服务冗余的影响,所述负载估计模型包括服务质量函数和服务冗余函数,并通过服务偏好为权重融合上述服务质量和服务冗余计算综合负载指数。
进一步的,所述服务质量函数用于量化新能源汽车等待电池的过程,服务质量关注车辆抵达换电站后,排队等待电池充电完成或前序车辆完成换电过程的时间成本,关系到车主对换电站的服务满意度;
所述服务冗余函数用于量化可用电池达到换电电量要求时等待新能源汽车的前来换电的过程,服务冗余关注电池完成充电后,在换电站内等待车辆前来换电的时间成本,关系到换电站的服务效率和服务水平,也关系到换电站投入的收益情况;
所述综合负载指数为根据不同换电站的服务偏好,综合评判服务质量和服务冗余,得到单位时间内的综合负载指数,通过对多个时间周期的单位时间内的综合负载指数的累计计算,计算换电站在动态可变时间周期内的综合负载指数。
在本发明的进一步方案中,利用所述综合负载指数和服务偏好阈值构建负载水平评价函数,利用换电站负载估计模型构建换电站负载优化目标函数。
进一步的,根据所述负载水平评价函数将负载调整到0到2之间的连续取值,其中0和2分别记为空闲和繁忙的极值,将换电站的服务负载分为空闲、平衡和繁忙三个阶段。
进一步的,所述以目标函数排序方式输出不同容量参数和对应的目标函数值,并对结果进行可视化输出为:
保持所述需求数据不变,根据负载优化目标函数计算不同容量参数组合对应的负载目标函数值,并进行数据对比和可视化展示;
所述根据不同容量参数对应的负载目标函数,得到最优负载目标函数,并输出最优的换电站参数为:
对比不同容量参数对负载的影响,获得最优负载目标函数值对应的定容参数,并作为换电站的最优电池数量和换电位数量。
其中,服务质量函数QoS(s,t)的计算步骤如下:
计算新能源汽车最大等待时间,即60乘以等待的新能源汽车的数量;
计算新能源汽车实际等待时间,对所有到达新能源汽车的等待时间进行累加,对于不需要等待的新能源汽车其等待时间为零;
计算新能源汽车实际等待时间与最大等待时间的比值,1减去该比值即可得到服务质量函数QoS(s,t)。
进一步的,所述服务冗余函数Rdd(s,t)计算公式为:
计算电池最大等待时间,即60乘以所有到达新能源汽车更换下的电池需要等待的数量;
利用电池实际等待时间与最大等待时间的比值即可得到服务冗余函数Rdd(s,t)。
进一步的,所述的单位时间内的综合负载函数r(s,t)计算公式为:
其中,单位时间内的综合负载函数r(s,t)的计算步骤如下:
为服务冗余时的综合负载和与服务质量相关时的综合负载加上权重即可得到单位时间内的综合负载函数r(s,t)。
进一步的,所述多个时间周期内的综合负载指数,将融合服务质量(QoS)和服务冗余度(Rdd)计算函数,定义多时间周期的综合负载函数r(s):
求累加和的平均即可得到多时间周期的综合负载函数r(s)。
进一步的,所述负载水平评价函数根据换电站在多个时间周期内的综合负载,将负载水平定义为空闲、平衡、繁忙三个阶段,定义的负载水平评价函数RL(s)如下:
本发明还包括一种换电站定容分析系统,所述换电站定容分析系统采用前述换电站定容分析方法对现有换电站进行负载分析及其动态容量调整,为新建换电站配置优化决策提供参考依据;所述换电站定容分析系统包括参数获取模块、负载估计模块、参数量化模块以及最优结果输出模块。
所述参数获取模块用于获取换电站容量参数和换电需求数据,并通过网格搜索的方法构建多种容量参数组合;所述负载估计模块,用于构建换电站在单位时间内的负载估计模型,利用所述换电需求数据和所述负载估计模型,计算各个容量参数组合对应的综合负载指数和负载目标函数;所述参数量化模块用于以目标函数排序方式输出不同容量参数和对应的目标函数值,并对结果进行可视化输出;所述最优结果输出模块用于根据不同容量参数对应的负载目标函数,得到最优负载目标函数,并输出最优的换电站参数。
本发明还包括一种计算机设备,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行所述的换电站定容分析方法。
本发明还包括一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行所述的换电站定容分析方法。
本发明提供的技术方案,具有如下有益效果:
本发明通过网格搜索的方法构建换电站定容参数组合,计算不同参数组合对应的负载目标函数值,并进行数据对比和可视化展示,对比不同容量参数对负载的影响,最后获得最优目标函数值对应的定容参数,并作为换电站的最优电池数量和换电位数量;本发明构建的负载估计模型,更全面的考虑了新能源车主的满意度和换电站的运营成本,使得决策结果更合理并易于量化;同时对于电池数量和换电位数量的优化决策,可以为换电站的初始规划、运营策略调整、站点升级提供重要的方法参考,同时为新一代换电站的研究提供重要的理论依据和应用参考。
本发明还通过构建负载估计模型定义了负载模型中的服务质量和服务冗余概念;本发明还引入了换电站综合负载的概念,通过对多个时间周期、多种服务偏好参数的设置,提高了系统的动态性、可延展性和灵活性;并且,首次将换电位置的数量作为决策变量,融合换电站内电池数量,并整合为换电站的容量参数进行优化决策,而且,将指导换电站通过动态调整容量参数的方式,优化其服务水平并降低运营成本,指导新建换电站时对容量参数的决策,提高决策的智能化水平。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明的一种换电站定容分析方法的流程图。
图2为本发明一个实施例中换电站定容分析方法的样例中换电站服务需求情况示意图。
图3(a)为本发明一个实施例的换电站定容分析方法中换电站1在不同电池数量下的动态综合负载的影响示意图。
图3(b)为本发明一个实施例的换电站定容分析方法中换电站2在不同电池数量下的动态综合负载的影响示意图。
图3(c)为本发明一个实施例的换电站定容分析方法中换电站3在不同电池数量下的动态综合负载的影响示意图。
图3(d)为本发明一个实施例的换电站定容分析方法中各个换电站在不同电池数量下的动态综合负载的影响示意图。
图4(a)为本发明一个实施例的换电站定容分析方法中换电站1在不同换电位数量下的动态综合负载的影响示意图。
图4(b)为本发明一个实施例的换电站定容分析方法中换电站2在不同换电位数量下的动态综合负载的影响示意图。
图4(c)为本发明一个实施例的换电站定容分析方法中换电站3在不同换电位数量下的动态综合负载的影响示意图。
图4(d)为本发明一个实施例的换电站定容分析方法中各个换电站在不同换电位数量下的动态综合负载的影响示意图。
图5(a)为本发明一个实施例的换电站定容分析方法中换电站1的容量参数与负载比关系的影响示意图。
图5(b)为本发明一个实施例的换电站定容分析方法中换电站2的容量参数与负载比关系的影响示意图。
图5(c)为本发明一个实施例的换电站定容分析方法中换电站3的容量参数与负载比关系的影响示意图。
图6为本发明一个实施例中换电站定容分析系统的系统框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参阅图1所示,图1为本发明提供的一种换电站定容分析方法的流程图。本发明提供的一种换电站定容分析方法,用于优化换电站配置,为了估计现有换电站的负载水平,构建了换电站负载估计模型,该方法对现有换电站可以进行负载分析及其动态容量调整,同时为新建换电站配置优化决策提供参考依据。本发明提供的一种换电站定容分析方法,该方法对现有换电站进行负载分析及其动态容量调整,为新建换电站配置优化决策提供参考依据;该方法包括如下步骤:
S1:获取换电站容量参数和换电需求数据,并通过网格搜索的方法构建多种容量参数(电池数量和换电位数量)组合。
在本发明中,为了对现有换电站优化,首先需要知道现有换电站的负载大小,根据负载大小才能进行后续的工作。因此,获取现有换电站的基本信息,基本信息包括容量参数与需求数据。所述容量参数包括换电站内的电池数量和换电位数量等信息,所述需求数据包括拟换电车辆的到达时间和抵达剩余电量,即一段时间内拟换电的新能源汽车抵达换电站的时间、剩余电量等信息。
S2:构建换电站在单位时间内的负载估计模型,利用所述换电需求数据和所述负载估计模型,计算各个容量参数组合对应的综合负载指数和负载目标函数。
在本发明中,在获取到现有换电站的基本信息后,利用构建的负载模型即可计算出现有换电站的负载大小。其中,所述负载估计模型用于量化车辆排队对服务质量的影响和电池等待换电车辆对服务冗余的影响,所述负载估计模型包括服务质量函数和服务冗余函数,并通过服务偏好为权重融合上述服务质量和服务冗余计算综合负载指数。
其中,所述服务质量函数用于量化新能源汽车等待电池的过程,服务质量关注车辆抵达换电站后,排队等待电池充电完成或前序车辆完成换电过程的时间成本,关系到车主对换电站的服务满意度;
所述服务冗余函数用于量化可用电池达到换电电量要求时等待新能源汽车的前来换电的过程,服务冗余关注电池完成充电后,在换电站内等待车辆前来换电的时间成本,关系到换电站的服务效率和服务水平,也关系到换电站投入的收益情况;
所述综合负载指数为根据不同换电站的服务偏好,综合评判服务质量和服务冗余,得到单位时间内的综合负载指数,通过对多个时间周期的单位时间内的综合负载指数的累计计算,计算换电站在动态可变时间周期内的综合负载指数。
在本发明中,利用所述综合负载指数和服务偏好阈值构建负载水平评价函数,利用换电站负载估计模型构建换电站负载优化目标函数。其中,定义负载水平评价函数与负载优化目标函数,本步骤包括以下子步骤:
根据负载大小确定负载情况:空闲、平衡、繁忙,当其负载情况为空闲或者繁忙时,则需要根据提出的负载优化目标函数对现有换电站进行优化;
根据换电站的综合负载指数,构建负载优化目标函数,其中自变量为换电站内的电池数量和换电位数量,并考虑该换电站的服务偏好参数。
在本发明中,根据所述负载水平评价函数将负载调整到0到2之间的连续取值,其中0和2分别记为空闲和繁忙的极值,将换电站的服务负载分为空闲、平衡和繁忙三个阶段。
S3:以目标函数排序方式输出不同容量参数和对应的目标函数值,并对结果进行可视化输出。
在本发明中,保持需求数据不变,根据上述换电站负载估计模型,计算不同定容参数时的综合负载,将不同定容参数组合和对相应的综合负载结果进行数据输出和可视化展示,并分析换电站内电池数量和换电位数量对综合负载的影响。
S4:根据不同容量参数对应的负载目标函数,得到最优负载目标函数,并输出最优的换电站参数。
在本发明中,计算不同定容参数的负载目标函数,最优目标函数的定容参数即为推荐的换电站容量决策结果,通过对比不同容量参数对负载的影响,获得最优负载目标函数值对应的定容参数,并作为换电站的最优电池数量和换电位数量。
当确定需要对现有换电站进行优化时,先通过改变电池数量和换电位数量分析该换电站的综合负载变化情况,并且进行可视化展示,最后根据负载优化目标函数,选取其值最大时的电池数量和换电位数量即为最终的决策结果。
在本发明中,通过构建负载估计模型定义了负载模型中的服务质量和服务冗余概念;还引入了换电站综合负载的概念,通过对多个时间周期、多种服务偏好参数的设置,提高了系统的动态性、可延展性和灵活性;首次将换电位置的数量作为决策变量,融合换电站内电池数量,并整合为换电站的容量参数进行优化决策,而且,将指导换电站通过动态调整容量参数的方式,优化其服务水平并降低运营成本,指导新建换电站时对容量参数的决策,提高决策的智能化水平。
下面结合具体实施例对本发明的技术方案作进一步的说明:
本发明的一个实施例提供了一种换电站定容分析方法,包括以下步骤:
步骤一:建立换电站负载估计模型;
S101、获取换电站容量参数与需求数据。容量参数包括换电站内电池数量和换电位数量信息;需求数据包括一段时间内车辆抵达换电站的时间、剩余电量信息。
本实施例模拟了三座换电站进行分析,需求数据获取方法如下:
如图2所示,只考虑6点到23点的情况,根据实际交通情况将总的时间间隔分成峰值时间、平值时间和谷值时间。其中峰值时间有{8:00,11:00,12:00,17:00,18:00,20:00},谷值时间有{6:00,15:00,23:00},其余时间为平值时间。
根据每个换电站的配置以及峰值时间、平值时间和谷值时间随机模拟出该换电站所有时间间隔的新能源汽车到达情况,其中在一个时间间隔最少1辆,最多16辆新能源汽车。
表1不同配置不同车辆到达情况的换电站信息
S102、构建换电站在单位时间内的负载模型。综合考虑车辆排队对服务质量的影响和电池等待换电车辆对服务冗余的影响。
在实施例中,负载模型中电池充电到可用的时间固定为45分钟,并且记电池总功率的87%~95%的电池为可用电池;换电站中新能源汽车的操作时间,固定为5分钟。
构建的单位时间内的负载模型主要包括:服务质量函数、服务冗余函数以及单位时间内的综合负载函数。
服务质量函数是对新能源汽车等待电池的过程进行量化。服务质量关注新能源汽车抵达换电站后,排队等待电池充好或前序车辆完成换电的时间成本,关系到新能源车主对换电站的服务满意度。
服务冗余函数是对可用电池等待前来换电的新能源汽车的过程进行量化。服务冗余关注电池变为可用电池后,在换电站内等待车辆前来换电的时间成本,关系到换电站的服务效率和服务水平,也关系到换电站投入的收益情况。
单位时间内的综合负载函数是对服务质量和服务冗余进行综合评判,得到对单位时间内换电站负载的量化评判。
服务质量函数QoS(s,t)计算公式为:
式中,s,t 分别为换电站的序号以及时间间隔的序号;是在时间间隔时换电站s中等待的新能源汽车的数量;是在时间间隔时换电站s中到达的新能源汽车的数量;是换电站s中新能源汽车i的等待时间。其中,服务质量函数QoS(s,t)的计算步骤如下:
①计算新能源汽车最大等待时间,即60乘以等待的新能源汽车的数量;
②计算新能源汽车实际等待时间,对所有到达新能源汽车的等待时间进行累加,对于不需要等待的新能源汽车其等待时间为零;
③1减去新能源汽车实际等待时间与最大等待时间的比值即可得到服务质量函数QoS(s,t)。
服务冗余函数Rdd(s,t)计算公式为:
①计算电池最大等待时间,即60乘以所有到达新能源汽车更换下的电池需要等待的数量;
③利用电池实际等待时间与最大等待时间的比值即可得到服务冗余函数Rdd(s,t)。
单位时间内的单位时间内的综合负载函数r(s,t)计算公式为:
③为服务冗余时的综合负载和与服务质量相关时的综合负载加上权重即可得到单位时间内的综合负载函数r(s,t)。
S103、计算该换电站在多个时间周期内的综合负载;
结合服务质量(QoS)和服务冗余度(Rdd)计算函数,定义了多时间周期的综合负载函数r(s):
多时间周期的综合负载函数r(s)的计算步骤如下:
②求累加和的平均即可得到多时间周期的综合负载函数r(s)。
步骤二:定义负载水平评价函数与负载优化目标函数;
S201、根据步骤一可以得到换电站在多个时间周期内的综合负载,将换电站的负载水平分为空闲、平衡、繁忙三个阶段,定义的负载水平评价函数如下:
步骤三:根据负载优化函数建立换电站定容分析模型。
S301、通过网格搜索的方法,设置多种的换电站定容参数(电池数量和换电位数量)组合。
考虑到换电站的实际容量与空间分布,电池数量大于等于3小于等于15,换电位数量为1、2或者3。
S302、保持需求数据不变,根据构建的换电站负载估计模型,计算不同定容参数时的综合负载。
为了分析换电站内电池数量和换电位数量对综合负载的影响,需要保持需求数据不变,即车辆抵达换电站的时间、剩余电量信息不变,只改变电池的数量或者换电位的数量。
S303、将不同定容参数组合和对相应的综合负载结果进行数据输出和可视化展示,并分析换电站内电池数量和换电位数量对综合负载的影响。
(1)电池数量对综合负载的影响
为了体现电池数量对负载的影响,需要控制变量,即保持换电位数量以及车辆抵达换电站的时间、剩余电量信息不变。通过改变换电站中电池的数量,可以得到换电站各个时间间隔的综合负载以及多个时间间隔(=18)的综合负载,如图3(a)、图3(b)、图3(c)和图3(d)所示,图3(a)表示换电站1在不同电池数量下的动态综合负载;图3(b)表示换电站2在不同电池数量下的动态综合负载;图3(c)表示换电站3在不同电池数量下的动态综合负载;图3(d)表示各个换电站在不同电池数量下的动态综合负载。
从图3(a)、图3(b)、图3(c)三幅图中可以看出换电站各个时间间隔的综合负载变化,而且电池数量分别为6,6,8时变化趋势差异较大,分析可知是由于电池数量较少导致车辆出现等待情况,使其时间间隔的综合负载过大,故当增加电池数量时会发生明显的变化;从图3(d)中可以看出换电站多个时间间隔(=18)的综合负载的变化,并且在电池数量少时变化的较快,电池数量多时变化的较缓慢甚至不变。
一般来说,综合负载随着电池数量的增加而逐渐降低,而且在电池数量较少时,综合负载变化更为明显;随着电池数量的增加综合负载变化越来越缓慢,所以需要确定最佳的电池数量,避免成本的浪费。
(2)换电位数量对综合负载的影响
为了体现换电位数量对负载的影响,需要控制变量,即保持电池数量以及车辆抵达换电站的时间、剩余电量信息不变。通过改变换电站中换电位的数量,可以得到换电站各个时间间隔的综合负载以及多个时间间隔(=18)的综合负载,如图4(a)、图4(b)、图4(c)和图4(d)所示,图4(a)表示换电站1在不同换电位数量下的动态综合负载;图4(b)表示换电站2在不同换电位数量下的动态综合负载;图4(c)表示换电站3在不同换电位数量下的动态综合负载;图4(d)表示各个换电站在不同换电位数量下的动态综合负载。
从图4(a)、图4(b)可以看出当换电位的数量从1增加到2或者3时,图4(a)中几乎各个时间间隔的综合负载发生了明显的改变,而图4(b)中只有两个时间间隔发生了明显的变化,分析可知是由于一辆车占用换电位时有其他车辆到达并且有额外的可用电池,所以在增加换电位时会发生明显的变化;图4(c)图中换点位数量增加时各个时间间隔的综合负载几乎未发生变化,分析可知是由于一辆车占用换电位时没有额外的可用电池供其他车辆更换或者占用换电位时没有其他车辆到达,所以增加换电位的数量不会改变综合负载。从图4(d)中可以看出换电站多个时间间隔(=18)的综合负载的变化,一般换电位数量最多为2个,因为再增加换电位数量综合负载几乎也不会发生改变。
(3)电池数量与换电位数量对综合负载的总影响
为了使电池数量与换电位数量对综合负载的影响更加清晰,通过改变电池的数量和换电位的数量得到了3个换电站多个时间间隔(=18)的综合负载关系图,如图5(a)、图5(b)和图5(c)所示,图5(a)表示换电站1的容量参数与负载比关系;图5(b)表示换电站2的容量参数与负载比关系;图5(c)表示换电站3的容量参数与负载比关系。
从图5(a)、图5(b)和图5(c)中可以看出当电池数量较少时,换电位的改变对换电站的综合负载几乎没有影响,而且换电位数量为2和3时,二者综合负载的差异相对较小,因此当需要增加换电位时,一般选择最多为2个。
总体来说,在换电位数量不变的情况下,当换电站中的综合负载较大时,可以通过增加换电站中电池的数量来缓解车辆的排队情况,即提高服务质量;同样在换电站综合负载较小时,可以减小电池的数量来增加换电站电池的利用率,即减小服务冗余;在电池数量不变的情况下,通过改变换电位的数量也可以缓解车辆等待的情况,但有时改善的效果较差,这时就要通过改变换电站中电池的数量来改善。所以可以利用本模型将改变电池的数量和换电位的数量相互结合来达到优化负载的目的。
表2各个换电站容量决策结果
本发明提供了一种换电站定容分析方法,构建换电站定容参数组合,计算不同参数组合对应的负载目标函数值,并进行数据对比和可视化展示,对比不同容量参数对负载的影响,最后获得最优目标函数值对应的定容参数,并作为换电站的最优电池数量和换电位数量; 本发明构建的负载估计模型,更全面的考虑了新能源车主的满意度和换电站的运营成本,使得决策结果更合理并易于量化;同时对于电池数量和换电位数量的优化决策,可以为换电站的初始规划、运营策略调整、站点升级提供重要的方法参考,同时为新一代换电站的研究提供重要的理论依据和应用参考。
应该理解的是,上述虽然是按照某一顺序描述的,但是这些步骤并不是必然按照上述顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,本实施例的一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种换电站定容分析系统,包括参数获取模块100、负载估计模块200、参数量化模块300以及最优结果输出模块400。其中:
所述参数获取模块100用于获取换电站容量参数和换电需求数据,并通过网格搜索的方法构建多种容量参数组合;所述负载估计模块200,用于构建换电站在单位时间内的负载估计模型,利用所述换电需求数据和所述负载估计模型,计算各个容量参数组合对应的综合负载指数和负载目标函数;所述参数量化模块300用于以目标函数排序方式输出不同容量参数和对应的目标函数值,并对结果进行可视化输出;所述最优结果输出模块400用于根据不同容量参数对应的负载目标函数,得到最优负载目标函数,并输出最优的换电站参数。
在本实施例中,换电站定容分析系统在执行时采用如前述的一种换电站定容分析方法的步骤,因此,本实施例中对换电站定容分析系统的运行过程不再详细介绍。
在一个实施例中,本发明还提供了一种换电站定容分析系统,包括换电站负载估计模块、负载评价模块、负载目标函数模块、定容参数搜索模块、定容参数量化模块、定容参数分析与可视化展示模块和最优定容结果输出模块。
其中,所述换电站负载估计模块,通过定义服务质量函数量化车辆排队对车主满意度的影响,以及定义服务冗余函数量化电池等待车辆对换电站成本的影响,并融合多个时间周期以构建换电站负载估计模型;
所述负载评价模块,用于利用单位时间内负载估计模型,计算多个时间周期内的综合负载指数,获得换电站的负载水平;
所述负载目标函数模块,利用不同换电站容量参数下的综合负载指数,根据不同的服务偏好,构建换电站的负载目标函数;
所述定容参数搜索模块,利用通过网格搜索的方法,设置多种的换电站定容参数(电池数量和换电位数量)组合;
所述定容参数量化模块,保持需求数据不变,根据换电站负载估计模型,计算不同定容参数时的综合负载;
所述定容参数分析与可视化展示模块,将不同定容参数组合和对相应的综合负载结果进行数据输出和可视化展示,并分析换电站内电池数量和换电位数量对综合负载的影响;
所述最优定容结果输出模块,根据负载优化目标函数计算不同定容参数的负载优化目标函数,最大目标函数取值的定容参数即为换电站的最优决策结果。
在本实施例中,换电站定容分析系统在执行时采用如前述的一种换电站定容分析方法的步骤,因此,本实施例中对换电站定容分析系统的运行过程不再详细介绍。
在一个实施例中,在本发明的实施例中还提供了一种计算机设备,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行所述的换电站定容分析方法,该处理器执行指令时实现上述各方法实施例中的步骤:
获取换电站容量参数和换电需求数据,并通过网格搜索的方法构建多种容量参数组合;
构建换电站在单位时间内的负载估计模型,利用所述换电需求数据和所述负载估计模型,计算各个容量参数组合对应的综合负载指数和负载目标函数;
以目标函数排序方式输出不同容量参数和对应的目标函数值,并对结果进行可视化输出;
根据不同容量参数对应的负载目标函数,得到最优负载目标函数,并输出最优的换电站参数。
在一个实施例中,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行所述的换电站定容分析方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机指令表征的计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。
非易失性存储器可包括只读存储器、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器或动态随机存取存储器等。
综上所述,本发明提供的技术方案构建的负载估计模型,更全面的考虑了新能源车主的满意度和换电站的运营成本,使得决策结果更合理并易于量化;同时对于电池数量和换电位数量的优化决策,可以为换电站的初始规划、运营策略调整、站点升级提供重要的方法参考,同时为新一代换电站的研究提供重要的理论依据和应用参考。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种换电站定容分析方法,其特征在于,包括:
获取换电站容量参数和换电需求数据,并通过网格搜索的方法构建多种容量参数组合;
构建换电站在单位时间内的负载估计模型,利用所述换电需求数据和所述负载估计模型,计算各个容量参数组合对应的综合负载指数和负载目标函数;
以目标函数排序方式输出不同容量参数和对应的目标函数值,并对结果进行可视化输出;
根据不同容量参数对应的负载目标函数,得到最优负载目标函数,并输出最优的换电站参数。
2.如权利要求1所述的换电站定容分析方法,其特征在于:所述容量参数包括换电站内的电池数量和换电位数量,所述需求数据包括拟换电车辆的到达时间和抵达剩余电量。
3.如权利要求1或2所述的换电站定容分析方法,其特征在于:所述负载估计模型用于量化车辆排队对服务质量的影响和电池等待换电车辆对服务冗余的影响,所述负载估计模型包括服务质量函数和服务冗余函数,并通过服务偏好为权重融合上述服务质量和服务冗余计算综合负载指数。
4.如权利要求3所述的换电站定容分析方法,其特征在于:所述服务质量函数用于量化新能源汽车等待电池的过程,服务质量关注车辆抵达换电站后,排队等待电池充电完成或前序车辆完成换电过程的时间成本,关系到车主对换电站的服务满意度;
所述服务冗余函数用于量化可用电池达到换电电量要求时等待新能源汽车的前来换电的过程,服务冗余关注电池完成充电后,在换电站内等待车辆前来换电的时间成本,关系到换电站的服务效率和服务水平,也关系到换电站投入的收益情况;
所述综合负载指数为根据不同换电站的服务偏好,综合评判服务质量和服务冗余,得到单位时间内的综合负载指数,通过对多个时间周期的单位时间内的综合负载指数的累计计算,计算换电站在动态可变时间周期内的综合负载指数。
5.如权利要求4所述的换电站定容分析方法,其特征在于:还包括:利用所述综合负载指数和服务偏好阈值构建负载水平评价函数,利用换电站负载估计模型构建换电站负载优化目标函数。
6.如权利要求5所述的换电站定容分析方法,其特征在于:根据所述负载水平评价函数将负载调整到0到2之间的连续取值,其中0和2分别记为空闲和繁忙的极值,将换电站的服务负载分为空闲、平衡和繁忙三个阶段。
7.如权利要求6所述的换电站定容分析方法,其特征在于:所述对结果进行可视化输出为:
保持所述需求数据不变,根据负载优化目标函数计算不同容量参数组合对应的负载目标函数值,并进行数据对比和可视化展示;
所述根据不同容量参数对应的负载目标函数,得到最优负载目标函数,并输出最优的换电站参数为:
对比不同容量参数对负载的影响,获得最优负载目标函数值对应的定容参数,并作为换电站的最优电池数量和换电位数量。
8.一种换电站定容分析系统,其特征在于:所述换电站定容分析系统采用权利要求1-7中任意一项所述换电站定容分析方法对现有换电站进行负载分析及其动态容量调整,为新建换电站配置优化决策提供参考依据;所述换电站定容分析系统包括:
参数获取模块,用于获取换电站容量参数和换电需求数据,并通过网格搜索的方法构建多种容量参数组合;
负载估计模块,用于构建换电站在单位时间内的负载估计模型,利用所述换电需求数据和所述负载估计模型,计算各个容量参数组合对应的综合负载指数和负载目标函数;
参数量化模块,用于以目标函数排序方式输出不同容量参数和对应的目标函数值,并对结果进行可视化输出;
最优结果输出模块,用于根据不同容量参数对应的负载目标函数,得到最优负载目标函数,并输出最优的换电站参数。
9.一种计算机设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1-7任一所述的换电站定容分析方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-7任一所述的换电站定容分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111094609.6A CN113536209B (zh) | 2021-09-17 | 2021-09-17 | 换电站定容分析方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111094609.6A CN113536209B (zh) | 2021-09-17 | 2021-09-17 | 换电站定容分析方法、系统、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113536209A true CN113536209A (zh) | 2021-10-22 |
CN113536209B CN113536209B (zh) | 2021-12-14 |
Family
ID=78093404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111094609.6A Active CN113536209B (zh) | 2021-09-17 | 2021-09-17 | 换电站定容分析方法、系统、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113536209B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114103716A (zh) * | 2021-11-12 | 2022-03-01 | 上汽通用五菱汽车股份有限公司 | 车辆换电控制方法、系统、装置及计算机可读存储介质 |
CN114757453A (zh) * | 2022-06-14 | 2022-07-15 | 深圳大学 | 充电站有约束排程优化方法、计算机设备及可读存储介质 |
CN114819412A (zh) * | 2022-06-23 | 2022-07-29 | 深圳大学 | 基于指导式可行解修正遗传算法的多换电站配置优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810539A (zh) * | 2014-02-25 | 2014-05-21 | 华北电力大学 | 考虑换电服务可用性的电动汽车换电站容量优化配置方法 |
CN106156895A (zh) * | 2016-07-29 | 2016-11-23 | 国网山东省电力公司经济技术研究院 | 一种基于模糊c均值聚类和分步网格搜索支持向量回归的电动汽车充电负荷预测方法 |
CN107944712A (zh) * | 2017-11-28 | 2018-04-20 | 国网上海市电力公司 | 基于电网结构坚强性的集中型换电站选址定容方法 |
-
2021
- 2021-09-17 CN CN202111094609.6A patent/CN113536209B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810539A (zh) * | 2014-02-25 | 2014-05-21 | 华北电力大学 | 考虑换电服务可用性的电动汽车换电站容量优化配置方法 |
CN106156895A (zh) * | 2016-07-29 | 2016-11-23 | 国网山东省电力公司经济技术研究院 | 一种基于模糊c均值聚类和分步网格搜索支持向量回归的电动汽车充电负荷预测方法 |
CN107944712A (zh) * | 2017-11-28 | 2018-04-20 | 国网上海市电力公司 | 基于电网结构坚强性的集中型换电站选址定容方法 |
Non-Patent Citations (1)
Title |
---|
罗丹骏: "面向城市公交的换电站电能管理策略研究", 《中国优秀硕士学位论文全文数据库(基础科学辑)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114103716A (zh) * | 2021-11-12 | 2022-03-01 | 上汽通用五菱汽车股份有限公司 | 车辆换电控制方法、系统、装置及计算机可读存储介质 |
CN114757453A (zh) * | 2022-06-14 | 2022-07-15 | 深圳大学 | 充电站有约束排程优化方法、计算机设备及可读存储介质 |
CN114757453B (zh) * | 2022-06-14 | 2022-09-09 | 深圳大学 | 充电站有约束排程优化方法、计算机设备及可读存储介质 |
CN114819412A (zh) * | 2022-06-23 | 2022-07-29 | 深圳大学 | 基于指导式可行解修正遗传算法的多换电站配置优化方法 |
CN114819412B (zh) * | 2022-06-23 | 2022-09-09 | 深圳大学 | 基于指导式可行解修正遗传算法的多换电站配置优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113536209B (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113536209B (zh) | 换电站定容分析方法、系统、计算机设备及存储介质 | |
CN109193720B (zh) | 基于企业用户典型日负荷曲线的用户侧储能容量配置方法 | |
CN108573317B (zh) | 一种换电站充放电策略优化控制的方法 | |
CN105243609A (zh) | 一种基于模糊层次分析的用户有序用电决策方法 | |
CN108876132B (zh) | 基于云的工业企业能效服务推荐方法和系统 | |
CN103617564A (zh) | 基于区域负荷预测值综合评价的全网负荷预测方法 | |
CN113269372A (zh) | 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法 | |
CN114004450A (zh) | 一种电动汽车充电负荷交互式实时定价策略引导的有序充电模型 | |
CN110198042B (zh) | 一种电网储能的动态优化方法及存储介质 | |
CN114240019A (zh) | 适用新能源电力系统的灵活资源价值评估方法及装置 | |
CN114919433B (zh) | 电动汽车集群充放电控制方法、系统及相关设备 | |
CN113971089A (zh) | 联邦学习系统设备节点选择的方法及装置 | |
CN116757877A (zh) | 新能源接入配电网的电网线损降损优化方法及系统 | |
CN110994656A (zh) | 一种评估电网对电动汽车接纳能力的方法 | |
CN114744660B (zh) | 一种电动汽车与电网能量双向流动的储能方法及系统 | |
CN116432510A (zh) | 一种基于集成学习-天牛须优化算法的柔性负荷预测方法 | |
CN113011779A (zh) | 一种基于模糊综合评价的能源消费价格补偿方法及装置 | |
CN115149554A (zh) | 一种电动汽车参与电网互动响应能力的评估方法及系统 | |
CN114221341A (zh) | 一种基于全物联链路的双向互动电力需求响应方法及系统 | |
CN113222241A (zh) | 考虑充电服务引导与客户需求的出租车快充电站规划方法 | |
CN112085394A (zh) | 一种计及需求侧响应的用户侧储能评估方法及系统 | |
CN113408886B (zh) | 一种储能容量的配置方法及装置 | |
CN117172391B (zh) | 一种基于多元回归的线损合理区间预测方法、装置及介质 | |
CN113629705B (zh) | 一种用户侧储能优化配置方法 | |
CN116834567B (zh) | 适用于双枪充电桩的充电方法、系统、终端及存储介质 |
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 |