CN113807647B - 基于云边协同的电动汽车充电调度方法和系统 - Google Patents

基于云边协同的电动汽车充电调度方法和系统 Download PDF

Info

Publication number
CN113807647B
CN113807647B CN202110858558.3A CN202110858558A CN113807647B CN 113807647 B CN113807647 B CN 113807647B CN 202110858558 A CN202110858558 A CN 202110858558A CN 113807647 B CN113807647 B CN 113807647B
Authority
CN
China
Prior art keywords
charging
electric vehicle
scheduling
charging station
electric
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.)
Active
Application number
CN202110858558.3A
Other languages
English (en)
Other versions
CN113807647A (zh
Inventor
周开乐
胡定定
李兰兰
陆信辉
费志能
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202110858558.3A priority Critical patent/CN113807647B/zh
Priority to US17/490,145 priority patent/US12065054B2/en
Publication of CN113807647A publication Critical patent/CN113807647A/zh
Application granted granted Critical
Publication of CN113807647B publication Critical patent/CN113807647B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/63—Monitoring or controlling charging stations in response to network capacity
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/66—Data transfer between charging stations and vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/67—Controlling two or more charging stations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/60—Navigation input
    • B60L2240/62—Vehicle position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/70—Interactions with external data bases, e.g. traffic centres
    • B60L2240/72—Charging station selection relying on external data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2250/00—Driver interactions
    • B60L2250/12—Driver interactions by confirmation, e.g. of the input
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/52—Control modes by future state prediction drive range estimation, e.g. of estimation of available travel distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/54—Energy consumption estimation
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y02T10/72—Electric energy management in electromobility
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • 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
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y04S10/126—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving electric vehicles [EV] or hybrid vehicles [HEV], i.e. power aggregation of EV or HEV, vehicle to grid arrangements [V2G]
    • 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
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Water Supply & Treatment (AREA)
  • Biophysics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Sustainable Development (AREA)

Abstract

本发明提供一种基于云边协同的电动汽车充电调度方法、装置、系统、存储介质和电子设备，涉及电动汽车充电调度技术领域。本发明中电动汽车用户的充电请求由边缘计算单元接受并处理，以最小行驶成本为目标为待充电电动汽车确定目标充电站，减少了数据传输距离，及时帮助电动汽车用户选择目标充电站并完成充电预约；建立充电预约后，将充电数据上传至云平台预先训练的充电优化调度模型进行求解电动汽车充电调度策略，充分利用了云平台强大的计算能力和边缘计算单元的快速响应的优势，避免造成网络拥堵问题的发生，提高实时性。

Description

基于云边协同的电动汽车充电调度方法和系统
技术领域
本发明涉及电动汽车充电调度技术领域，具体涉及一种基于云边协同的电动汽车充电调度方法、装置、系统、存储介质和电子设备。
背景技术
电动汽车作为降低化石燃料消耗、减少温室气体排放和改善空气质量的新能源技术，受到了各国政府的广泛关注。近年来，电动汽车数量迅速增长，使得充电管理成为一大挑战。大规模电动汽车接入电网，其充电行为的随机性会导致电网高峰时段充电需求激增，从而影响电网的稳定性和安全性。而电动汽车充电过程是可以控制的。因此，采取合理有效的充电协调策略来引导电动汽车有序充电可以降低电网的负荷波动。
申请号为202010859027.1的专利公开了一种基于云平台的电动汽车充电引导方法及系统。该技术方案依赖云服务器对电动汽车信息、路网信息、充电站信息和充电桩信息的获取和处理，确定电动汽车到各充电站距离最优函数、时间最优函数及充站设备利用均衡率最优函数；基于遗传算法，根据距离最优函数、时间最优函数及充电站设备利用均衡率最优函数确定最优充电方案；将确定的最优充电方案发送给用户，以使用户根据最优充电方案的引导对电动汽车进行充电。
但是，上述技术方案存在着巨大的技术缺陷，即将电动汽车发送充电请求以及充电过程产生的海量数据直接发送至基于云的全局控制器，极大增加了云端的工作负担，容易造成系统延迟问题。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于云边协同的电动汽车充电调度方法和系统，解决了电动汽车充电调度技术极大增加了云端的工作负担，容易造成系统延迟的技术问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于云边协同的电动汽车充电调度方法，将充电区域划分为若干子区间并布置边缘计算单元，所述边缘计算单元用于接受其服务子区间内电动汽车发出的充电请求，并向云平台申请获取充电区域内所有充电站信息；所述方法包括：
S1、根据所述充电请求和充电站信息，以最小行驶成本为目标为待充电电动汽车确定目标充电站；
S2、在所述待充电电动汽车与目标充电站建立充电预约后，上传各个所述边缘计算单元服务子区间内电动车充电数据至云平台预先训练的充电优化调度模型中，所述充电优化调度模型由云平台根据当前基础负荷预测结果建立；
S3、接收云平台基于粒子群算法求解所述充电优化调度模型得到的电动汽车充电调度策略，并根据该调度策略下发调度指令至各充电站，实现整个充电区域内的电动汽车有序充电。
优选的，所述S1中的行驶成本表示为：
Figure BDA0003184889560000031
Figure BDA0003184889560000032
Figure BDA0003184889560000033
Figure BDA0003184889560000034
Figure BDA0003184889560000035
其中，Υi为耗费一单位时间的等价货币成本；
Figure BDA0003184889560000036
为电动汽车i到达充电站j所消耗的时间；vi为电动汽车i的平均行驶速度；Wi,j为电动汽车i需要在充电站j等待的时间；
Figure BDA0003184889560000037
为电动汽车i预计充电开始时间；
Figure BDA0003184889560000038
依据充电站j在电动汽车i发出充电请求时的使用情况决定，若电动汽车i发出充电请求时充电站j存在处于闲置状态的充电桩，则
Figure BDA0003184889560000039
Figure BDA00031848895600000310
反之，
Figure BDA00031848895600000311
等于最近充电桩结束充电的时间；
Figure BDA00031848895600000312
为电动汽车i从充电站j出发到达目的地所消耗的时间；λi,j为行驶过程中的动态费用；公式(5)表示只有当电动汽车剩余电量能够到达该充电站时，才会将该充电站作为备选方案，其中
Figure BDA00031848895600000313
为电动汽车i到充电站j的距离；
Figure BDA00031848895600000314
为电动汽车i的初始电池荷电状态，即剩余电量和总容量的比值；Bati为电动汽车i电池容量；ηi为电动汽车i行驶效率；J为区域内充电站的数量。
优选的，所述S2中上传各个所述边缘计算单元服务子区间内电动车充电数据之前，还将所述电动车充电数据中用户私人信息进行加密处理。
优选的，所述S2中的所述当前基础负荷预测结果由云平台根据历史时间段内区域电网的基础负荷数据、环境数据和日期数据构建的深度学习模型获取。
优选的，所述S2中的所述充电优化调度模型包括，
以最小化区域电网负荷波动为目标的目标函数：
Figure BDA0003184889560000041
Figure BDA0003184889560000042
其中，
Figure BDA0003184889560000043
为所述深度学习模型预测区域电网在时间段t的基础负荷；
Figure BDA0003184889560000044
为在第n个边缘计算单元所服务子区间内第k辆电动汽车的充电功率，将整个充电区域划分为N个服务子区间，每个子区间布置单个边缘计算单元；Kn为边缘计算单元n所服务子区间内预约充电的电动汽车数量；
Figure BDA0003184889560000045
为时间段t电动汽车的充电状态；若
Figure BDA0003184889560000046
则表示电动汽车在时间段t处于充电状态，反之，处于未充电状态；Pavg表示区域电网一个周期T内的平均负荷。
优选的，所述S2中的所述充电优化调度模型还包括，
考虑区域电网负荷约束的第一约束条件：
Figure BDA0003184889560000047
其中，
Figure BDA0003184889560000048
表示区域电网在时间段t的所能提供的最大功率；
考虑电动汽车充电电量约束的第二约束条件：
Figure BDA0003184889560000049
Figure BDA00031848895600000410
Figure BDA00031848895600000411
其中，公式(9)表示电池在时间段t的荷电状态为时间段t-1的荷电状态加上在时间段t获得的电量；
Figure BDA0003184889560000051
分别表示电动汽车在时间段t、t-1的电池状态；Δt表示一个时间段时长；Batn,k表示第n个边缘计算单元所服务子区间内第k辆电动汽车的电池容量；
Figure BDA0003184889560000052
和
Figure BDA0003184889560000053
分别表示第n个边缘计算单元所服务子区间内第k辆电动汽车的电池状态允许的下限和上限；
Figure BDA0003184889560000054
表示第n个边缘计算单元所服务子区间内第k辆电动汽车的初始电池荷电状态；
Figure BDA0003184889560000055
表示第n个边缘计算单元所服务子区间内第k辆电动汽车到目标充电站的距离；ηn,k表示第n个边缘计算单元所服务子区间内第k辆电动汽车的行驶效率；
Figure BDA0003184889560000056
表示第n个边缘计算单元所服务子区间内第k辆电动汽车的充电开始时间、充电结束时间；
Figure BDA0003184889560000057
表示第n个边缘计算单元所服务子区间内第k辆电动汽车的期望充电电量。
一种基于云边协同的电动汽车充电调度装置，将充电区域划分为若干子区间并布置边缘计算单元，所述边缘计算单元用于接受其服务子区间内电动汽车发出的充电请求，并向云平台申请获取充电区域内所有充电站信息；所述装置包括：
确认模块，用于根据所述充电请求和充电站信息，以最小行驶成本为目标为待充电电动汽车确定目标充电站；
上传模块，用于在所述待充电电动汽车与目标充电站建立充电预约后，上传各个所述边缘计算单元服务子区间内电动车充电数据至云平台预先训练的充电优化调度模型中，所述充电优化调度模型由云平台根据当前基础负荷预测结果建立；
调度模块，接收云平台基于粒子群算法求解所述充电优化调度模型得到的电动汽车充电调度策略，并根据该调度策略下发调度指令至各充电站，实现整个充电区域内的电动汽车有序充电。
一种基于云边协同的电动汽车充电调度系统，包括：
车载控制器，用于发送充电请求和预约充电；
边缘计算单元，用于执行如上所述的电动汽车充电调度方法；
云平台，用于接收各个所述边缘计算单元服务子区间内电动车充电数据，并根据基于当前基础负荷预测结果建立的充电优化调度模型求解电动汽车充电调度策略。
一种存储介质，其存储有用于基于云边协同的电动汽车充电调度的计算机程序，其中，所述计算机程序使得计算机执行如上所述的电动汽车充电调度方法。
一种电子设备，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的电动汽车充电调度方法。
(三)有益效果
本发明提供了一种基于云边协同的电动汽车充电调度方法、装置、系统、存储介质和电子设备。与现有技术相比，具备以下有益效果：
本发明中电动汽车用户的充电请求由边缘计算单元接受并处理，以最小行驶成本为目标为待充电电动汽车确定目标充电站，减少了数据传输距离，及时帮助电动汽车用户选择目标充电站并完成充电预约；建立充电预约后，将充电数据上传至云平台预先训练的充电优化调度模型进行求解电动汽车充电调度策略，充分利用了云平台强大的计算能力和边缘计算单元的快速响应的优势，避免造成网络拥堵问题的发生，提高实时性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于云边协同的电动汽车充电调度方法的流程示意图；
图2为本发明实施例提供的一种为待充电电动汽车确定目标充电站的流程示意图；
图3为本发明实施例提供的一种基于云边协同的电动汽车充电调度装置的结构框图；
图4为本发明实施例提供的一种基于云边协同的电动汽车充电调度结构的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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他实施例，都属于本发明保护的范围。
本申请实施例通过提供一种基于云边协同的电动汽车充电调度方法、装置、系统、存储介质和电子设备，解决了电动汽车充电调度技术极大增加了云端的工作负担，容易造成系统延迟的技术问题，实现避免造成网络拥堵问题的发生，提高实时性。
本申请实施例中的技术方案为解决上述技术问题，总体思路如下：
本发明实施例中电动汽车用户的充电请求由边缘计算单元接受并处理，以最小行驶成本为目标为待充电电动汽车确定目标充电站，减少了数据传输距离，及时帮助电动汽车用户选择目标充电站并完成充电预约；建立充电预约后，将充电数据上传至云平台预先训练的充电优化调度模型进行求解电动汽车充电调度策略，充分利用了云平台强大的计算能力和边缘计算单元的快速响应的优势，避免造成网络拥堵问题的发生，提高实时性。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例：
如图1～2所示，本发明实施例提供了一种基于云边协同的电动汽车充电调度方法，
首先将充电区域划分为若干子区间并布置边缘计算单元，所述边缘计算单元用于接受其服务子区间内电动汽车发出的充电请求，并向云平台申请获取充电区域内所有充电站信息；所述方法包括：
S1、根据所述充电请求和充电站信息，以最小行驶成本为目标为待充电电动汽车确定目标充电站；
S2、在所述待充电电动汽车与目标充电站建立充电预约后，上传各个所述边缘计算单元服务子区间内电动车充电数据至云平台预先训练的充电优化调度模型中，所述充电优化调度模型由云平台根据当前基础负荷预测结果建立；
S3、接收云平台基于粒子群算法求解所述充电优化调度模型得到的电动汽车充电调度策略，并根据该调度策略下发调度指令至各充电站，实现整个充电区域内的电动汽车有序充电。
本发明实施例中电动汽车用户的充电请求由边缘计算单元接受并处理，以最小行驶成本为目标为待充电电动汽车确定目标充电站，减少了数据传输距离，及时帮助电动汽车用户选择目标充电站并完成充电预约；建立充电预约后，将充电数据上传至云平台预先训练的充电优化调度模型进行求解电动汽车充电调度策略，充分利用了云平台强大的计算能力和边缘计算单元的快速响应的优势，避免造成网络拥堵问题的发生，提高实时性。
下面将结合具体内容对上述技术方案的各个步骤展开介绍：
需要说明的是，本发明实施例首先将充电区域划分为N个子区间，并在每个子区间内对应布置一个边缘计算单元。每个子区间的边缘计算单位服务该区间内的电动汽车，引导电动汽车选择合适的充电站进行充电，并将电动汽车信息，即电动汽车充电数据处理后反馈给云平台。从区域电网角度出发，基于各子区间对应的边缘计算单元发送的充电数据确定电动汽车充电调度策略以减少区域电网的负荷波动。
S1、根据所述充电请求和充电站信息，以最小行驶成本为目标为待充电电动汽车确定目标充电站。
所述充电请求由电动汽车发送，具体的电动汽车部署车载控制系统发送充电请求，包括电动汽车信息EVprofile。
EVprofile＝[EVID,EVaddress,Desaddress,Tstart,Tend,Battype,SOCstart,Eess] (1)
其中，EVID为电动汽车的唯一标识，EVaddress为电动汽车的初始地理位置，Desaddress为电动汽车目的地的地理位置，Tstart为电动汽车的充电开始时间、Tend为电动汽车的充电结束时间、Battype为电动汽车的电池类型、SOCstart为电动汽车电池初始荷电状态和Eess为电动汽车期望充电电量。需要强调的是，所述充电请求中的电动汽车信息涉及的时间参数均为电动汽车在发送充电请求时的预计时间。
如图2所示，最接近的边缘计算单元接受充电请求，并向云平台申请获取充电区域内所有充电站信息，以最小行驶成本为目标为待充电电动汽车确定目标充电站建立充电预约。
所述行驶成本表示为：
Figure BDA0003184889560000101
Figure BDA0003184889560000102
Figure BDA0003184889560000103
Figure BDA0003184889560000111
Figure BDA0003184889560000112
其中，Υi为耗费一单位时间的等价货币成本；
Figure BDA0003184889560000113
为电动汽车i到达充电站j所消耗的时间；vi为电动汽车i的平均行驶速度；Wi,j为电动汽车i需要在充电站j等待的时间；
Figure BDA0003184889560000114
为电动汽车i预计充电开始时间(即为电动汽车i发送的充电请求中的充电开始时间)；
Figure BDA0003184889560000115
依据充电站j在电动汽车i发出充电请求时的使用情况决定，若电动汽车i发出充电请求时充电站j存在处于闲置状态的充电桩，则
Figure BDA0003184889560000116
反之，
Figure BDA0003184889560000117
等于最近充电桩结束充电的时间；
Figure BDA0003184889560000118
为电动汽车i从充电站j出发到达目的地所消耗的时间；λi,j为行驶过程中的动态费用；公式(6)表示只有当电动汽车剩余电量能够到达该充电站时，才会将该充电站作为备选方案，其中
Figure BDA0003184889560000119
为电动汽车i到充电站j的距离；
Figure BDA00031848895600001110
为电动汽车i的初始电池荷电状态，即剩余电量和总容量的比值；Bati为电动汽车i电池容量；ηi为电动汽车i行驶效率，J为区域内充电站的数量。
不难看出的是，电动汽车行驶成本函数中考虑了电动汽车前往充电站的行驶时间、在充电站的等待时间和从充电站前往目的地的时间，既减少了电动汽车用户的时间成本，又可以降低充电站的拥堵。
S2、在所述待充电电动汽车与目标充电站建立充电预约后，上传各个所述边缘计算单元服务子区间内电动车充电数据至云平台预先训练的充电优化调度模型中，所述充电优化调度模型由云平台根据当前基础负荷预测结果建立。
以边缘单元ECUn为例，发送充电请求的电动汽车数量为Kn。电动汽车k开始充电的时间段为
Figure BDA0003184889560000121
(考虑电动汽车需要在充电站等待的时间后，确认的开始充电时间)，结束充电的时间段
Figure BDA0003184889560000122
期望达到的充电电量为
Figure BDA0003184889560000123
电池容量为Batn,k，初始电池荷电状态为
Figure BDA0003184889560000124
以及电池荷电状态的下限和上限为
Figure BDA0003184889560000125
显然，云平台收集到的充电数据是各边缘计算单位上传信息的集合，而整个充电区域被分为N个子区间，则由云平台汇总的电动车充电数据表示为
Scenter＝[ECU1,…,ECUn,…,ECUN]T (7)
Figure BDA0003184889560000126
可靠的用电负荷预测为区域电网实施电动汽车充电调度提供了基础，而深度学习在负荷预测领域表现出的强大功能。因此，所述S2中的所述当前基础负荷预测结果由云平台根据历史时间段内区域电网的基础负荷数据、环境数据和日期数据构建的深度学习模型获取。
具体的，收集预设历史时间段内区域电网的基础负荷数据、环境数据，日期数据，并将收集到的数据划分为训练集和测试集。假设云平台每15分钟收集一次数据，则一天共收集到96条数据。设置深度学习模型的网络结构和模型参数。将训练集输入深度学习模型中进行深度学习，得到预测模型。
将测试集输入预测模型得到预测结果并采用均方根误差和平均绝对百分比误差对对预测结果进行评价。若预测误差低于预定误差要求则采用当前深度学习模型预测区域电网的基础负荷，反之，对当前深度学习模型的参数进行优化。
考虑到电网侧基础负荷(不包括电动汽车充电负荷的区域电网负荷)的不确定性，会对电动汽车调度方案的有效性产生影响。
因此，所述充电优化调度模型包括，
以最小化区域电网负荷波动为目标的目标函数：
Figure BDA0003184889560000131
Figure BDA0003184889560000132
其中，
Figure BDA0003184889560000133
为所述深度学习模型预测区域电网在时间段t的基础负荷；
Figure BDA0003184889560000134
为在第n个边缘计算单元所服务子区间内第k辆电动汽车的充电功率，将整个充电区域划分为N个服务子区间，每个子区间布置单个边缘计算单元；Kn为边缘计算单元n所服务子区间内预约充电的电动汽车数量；
Figure BDA0003184889560000135
为时间段t电动汽车的充电状态；若
Figure BDA0003184889560000136
则表示电动汽车在时间段t处于充电状态，反之，处于未充电状态；Pavg表示区域电网一个周期T内的平均负荷。
所述充电优化调度模型还包括，
考虑区域电网负荷约束的第一约束条件：
Figure BDA0003184889560000137
其中，
Figure BDA0003184889560000138
表示区域电网在时间段t的所能提供的最大功率；
考虑电动汽车充电电量约束的第二约束条件：
Figure BDA0003184889560000139
Figure BDA0003184889560000141
Figure BDA0003184889560000142
其中，公式(12)表示电池在时间段t的荷电状态为时间段t-1的荷电状态加上在时间段t获得的电量；
Figure BDA0003184889560000143
分别表示电动汽车在时间段t、t-1的电池状态；Δt表示一个时间段时长；Batn,k表示第n个边缘计算单元所服务子区间内第k辆电动汽车的电池容量；
Figure BDA0003184889560000144
和
Figure BDA0003184889560000145
分别表示第n个边缘计算单元所服务子区间内第k辆电动汽车的电池状态允许的下限和上限；
Figure BDA0003184889560000146
表示第n个边缘计算单元所服务子区间内第k辆电动汽车的初始电池荷电状态；
Figure BDA0003184889560000147
表示第n个边缘计算单元所服务子区间内第k辆电动汽车到目标充电站的距离；ηn,k表示第n个边缘计算单元所服务子区间内第k辆电动汽车的行驶效率；
Figure BDA0003184889560000148
表示第n个边缘计算单元所服务子区间内第k辆电动汽车的充电开始时间、充电结束时间；
Figure BDA0003184889560000149
表示第n个边缘计算单元所服务子区间内第k辆电动汽车的期望充电电量。
特别的，所述S2中上传各个所述边缘计算单元服务子区间内电动车充电数据之前，还将所述电动车充电数据中用户私人信息进行加密处理，能够保护电动汽车用户的隐私信息的安全以及减轻网络攻击者的威胁。
S3、接收云平台基于粒子群算法求解所述充电优化调度模型得到的电动汽车充电调度策略，并根据该调度策略下发调度指令至各充电站，实现整个充电区域内的电动汽车有序充电。
本步骤中云平台采用粒子群算法对以上充电优化调度模型进行求解得到电动汽车充电调度策略，确定电动汽车充电过程的充电状态以及充电结束时间，并下发到各边缘计算单元。
若电动汽车的目标充电站不在其所处边缘计算单元服务范围内，则电动汽车所处边缘计算单元将云平台发送的有关该电动汽车的充电调度策略以及电动汽车信息发送至目标充电站所在边缘计算单元。最终，边缘计算单元依据控制策略下发到各充电站，实现电动汽车有序充电。
第二方面，如图3所示，本发明实施例提供了一种基于云边协同的电动汽车充电调度装置，
首先将充电区域划分为若干子区间并布置边缘计算单元，所述边缘计算单元用于接受其服务子区间内电动汽车发出的充电请求，并向云平台申请获取充电区域内所有充电站信息；所述装置包括：
确认模块，用于根据所述充电请求和充电站信息，以最小行驶成本为目标为待充电电动汽车确定目标充电站；
上传模块，用于在所述待充电电动汽车与目标充电站建立充电预约后，上传各个所述边缘计算单元服务子区间内电动车充电数据至云平台预先训练的充电优化调度模型中，所述充电优化调度模型由云平台根据当前基础负荷预测结果建立；
调度模块，接收云平台基于粒子群算法求解所述充电优化调度模型得到的电动汽车充电调度策略，并根据该调度策略下发调度指令至各充电站，实现整个充电区域内的电动汽车有序充电。
第三方面，本发明实施例提供了一种基于云边协同的电动汽车充电调度系统，包括：
车载控制器，用于发送充电请求和预约充电；
边缘计算单元，用于执行上述的电动汽车充电调度方法；
云平台，用于接收各个所述边缘计算单元服务子区间内电动车充电数据，并根据基于当前基础负荷预测结果建立的充电优化调度模型求解电动汽车充电调度策略。
第四方面，本发明实施例提供了一种存储介质，其存储有用于基于云边协同的电动汽车充电调度的计算机程序，其中，所述计算机程序使得计算机执行如上所述的电动汽车充电调度方法。
第五方面，本发明实施例提供了一种电子设备，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如所述的电动汽车充电调度方法。
可理解的是，本发明实施例提供的基于云边协同的电动汽车充电调度装置、系统、存储介质和电子设备与本发明实施例提供的基于云边协同的电动汽车充电调度方法相对应，其有关内容的解释、举例和有益效果等部分可以参考基于云边协同的电动汽车充电调度方法中的相应部分，此处不再赘述。
综上所述，与现有技术相比，具备以下有益效果：
1、本发明实施例中电动汽车用户的充电请求由边缘计算单元接受并处理，以最小行驶成本为目标为待充电电动汽车确定目标充电站，减少了数据传输距离，及时帮助电动汽车用户选择目标充电站并完成充电预约；建立充电预约后，将充电数据上传至云平台预先训练的充电优化调度模型进行求解电动汽车充电调度策略，充分利用了云平台强大的计算能力和边缘计算单元的快速响应的优势，避免造成网络拥堵问题的发生，提高实时性。
2、本发明实施例中电动汽车行驶成本函数中考虑了电动汽车前往充电站的行驶时间、在充电站的等待时间和从充电站前往目的地的时间，既减少了电动汽车用户的时间成本，又可以降低充电站的拥堵。
3、本发明实施例中充电优化调度模型，将电网侧基础负荷(不包括电动汽车充电负荷的区域电网负荷)的不确定性纳入考虑，能够为云平台实施充电调度提供基础，以达到有效降低区域电网的负荷波动的目的。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种基于云边协同的电动汽车充电调度方法，其特征在于，
将充电区域划分为若干子区间并布置边缘计算单元，所述边缘计算单元用于接受其服务子区间内电动汽车发出的充电请求，并向云平台申请获取充电区域内所有充电站信息；所述方法包括：
S1、根据所述充电请求和充电站信息，以最小行驶成本为目标为待充电电动汽车确定目标充电站；
S2、在所述待充电电动汽车与目标充电站建立充电预约后，上传各个所述边缘计算单元服务子区间内电动车充电数据至云平台预先训练的充电优化调度模型中，所述充电优化调度模型由云平台根据当前基础负荷预测结果建立；
S3、接收云平台基于粒子群算法求解所述充电优化调度模型得到的电动汽车充电调度策略，并根据该调度策略下发调度指令至各充电站，实现整个充电区域内的电动汽车有序充电；
所述S1中的行驶成本表示为：
Figure FDA0003631592440000011
Figure FDA0003631592440000012
Figure FDA0003631592440000013
Figure FDA0003631592440000014
Figure FDA0003631592440000015
其中，Υi为耗费一单位时间的等价货币成本；
Figure FDA0003631592440000016
为电动汽车i到达充电站j所消耗的时间；vi为电动汽车i的平均行驶速度；Wi,j为电动汽车i需要在充电站j等待的时间；
Figure FDA0003631592440000021
为电动汽车i预计充电开始时间；
Figure FDA0003631592440000022
依据充电站j在电动汽车i发出充电请求时的使用情况决定，若电动汽车i发出充电请求时充电站j存在处于闲置状态的充电桩，则
Figure FDA0003631592440000023
Figure FDA0003631592440000024
反之，
Figure FDA0003631592440000025
等于最近充电桩结束充电的时间；
Figure FDA0003631592440000026
为电动汽车i从充电站j出发到达目的地所消耗的时间；λi,j为行驶过程中的动态费用；公式(5)表示只有当电动汽车剩余电量能够到达该充电站时，才会将该充电站作为备选方案，其中
Figure FDA0003631592440000027
为电动汽车i到充电站j的距离；
Figure FDA0003631592440000028
为电动汽车i的初始电池荷电状态，即剩余电量和总容量的比值；Bati为电动汽车i电池容量；ηi为电动汽车i行驶效率；J为区域内充电站的数量。
2.如权利要求1所述的电动汽车充电调度方法，其特征在于，所述S2中上传各个所述边缘计算单元服务子区间内电动车充电数据之前，还将所述电动车充电数据中用户私人信息进行加密处理。
3.如权利要求1所述的电动汽车充电调度方法，其特征在于，所述S2中的所述当前基础负荷预测结果由云平台根据历史时间段内区域电网的基础负荷数据、环境数据和日期数据构建的深度学习模型获取。
4.如权利要求3所述的电动汽车充电调度方法，其特征在于，所述S2中的所述充电优化调度模型包括，
以最小化区域电网负荷波动为目标的目标函数：
Figure FDA0003631592440000029
Figure FDA00036315924400000210
其中，
Figure FDA00036315924400000211
为所述深度学习模型预测区域电网在时间段t的基础负荷；
Figure FDA0003631592440000031
为在第n个边缘计算单元所服务子区间内第k辆电动汽车的充电功率，将整个充电区域划分为N个服务子区间，每个子区间布置单个边缘计算单元；Kn为边缘计算单元n所服务子区间内预约充电的电动汽车数量；
Figure FDA0003631592440000032
为时间段t电动汽车的充电状态；若
Figure FDA0003631592440000033
则表示电动汽车在时间段t处于充电状态，反之，处于未充电状态；Pavg表示区域电网一个周期T内的平均负荷。
5.如权利要求4所述的电动汽车充电调度方法，其特征在于，所述S2中的所述充电优化调度模型还包括，
考虑区域电网负荷约束的第一约束条件：
Figure FDA0003631592440000034
其中，
Figure FDA0003631592440000035
表示区域电网在时间段t的所能提供的最大功率；
考虑电动汽车充电电量约束的第二约束条件：
Figure FDA0003631592440000036
Figure FDA0003631592440000037
Figure FDA0003631592440000038
其中，公式(9)表示电池在时间段t的荷电状态为时间段t-1的荷电状态加上在时间段t获得的电量；
Figure FDA0003631592440000039
分别表示电动汽车在时间段t、t-1的电池状态；Δt表示一个时间段时长；Batn,k表示第n个边缘计算单元所服务子区间内第k辆电动汽车的电池容量；
Figure FDA00036315924400000310
和
Figure FDA00036315924400000311
分别表示第n个边缘计算单元所服务子区间内第k辆电动汽车的电池状态允许的下限和上限；
Figure FDA00036315924400000312
表示第n个边缘计算单元所服务子区间内第k辆电动汽车的初始电池荷电状态；
Figure FDA0003631592440000041
表示第n个边缘计算单元所服务子区间内第k辆电动汽车到目标充电站的距离；ηn,k表示第n个边缘计算单元所服务子区间内第k辆电动汽车的行驶效率；
Figure FDA0003631592440000042
表示第n个边缘计算单元所服务子区间内第k辆电动汽车的充电开始时间、充电结束时间；
Figure FDA0003631592440000043
表示第n个边缘计算单元所服务子区间内第k辆电动汽车的期望充电电量。
6.一种基于云边协同的电动汽车充电调度装置，其特征在于，
将充电区域划分为若干子区间并布置边缘计算单元，所述边缘计算单元用于接受其服务子区间内电动汽车发出的充电请求，并向云平台申请获取充电区域内所有充电站信息；所述装置包括：
确认模块，用于根据所述充电请求和充电站信息，以最小行驶成本为目标为待充电电动汽车确定目标充电站；
上传模块，用于在所述待充电电动汽车与目标充电站建立充电预约后，上传各个所述边缘计算单元服务子区间内电动车充电数据至云平台预先训练的充电优化调度模型中，所述充电优化调度模型由云平台根据当前基础负荷预测结果建立；
调度模块，用于接收云平台基于粒子群算法求解所述充电优化调度模型得到的电动汽车充电调度策略，并根据该调度策略下发调度指令至各充电站，实现整个充电区域内的电动汽车有序充电；
行驶成本表示为：
Figure FDA0003631592440000044
Figure FDA0003631592440000045
Figure FDA0003631592440000051
Figure FDA0003631592440000052
Figure FDA0003631592440000053
其中，Υi为耗费一单位时间的等价货币成本；
Figure FDA0003631592440000054
为电动汽车i到达充电站j所消耗的时间；vi为电动汽车i的平均行驶速度；Wi,j为电动汽车i需要在充电站j等待的时间；
Figure FDA0003631592440000055
为电动汽车i预计充电开始时间；
Figure FDA0003631592440000056
依据充电站j在电动汽车i发出充电请求时的使用情况决定，若电动汽车i发出充电请求时充电站j存在处于闲置状态的充电桩，则
Figure FDA0003631592440000057
Figure FDA0003631592440000058
反之，
Figure FDA0003631592440000059
等于最近充电桩结束充电的时间；
Figure FDA00036315924400000510
为电动汽车i从充电站j出发到达目的地所消耗的时间；λi,j为行驶过程中的动态费用；公式(16)表示只有当电动汽车剩余电量能够到达该充电站时，才会将该充电站作为备选方案，其中
Figure FDA00036315924400000511
为电动汽车i到充电站j的距离；
Figure FDA00036315924400000512
为电动汽车i的初始电池荷电状态，即剩余电量和总容量的比值；Bati为电动汽车i电池容量；ηi为电动汽车i行驶效率；J为区域内充电站的数量。
7.一种基于云边协同的电动汽车充电调度系统，其特征在于，包括：
车载控制器，用于发送充电请求和预约充电；
边缘计算单元，用于执行如权利要求1～5 任一项所述的电动汽车充电调度方法；
云平台，用于接收各个所述边缘计算单元服务子区间内电动车充电数据，并根据基于当前基础负荷预测结果建立的充电优化调度模型求解电动汽车充电调度策略。
8.一种存储介质，其特征在于，其存储有用于基于云边协同的电动汽车充电调度的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1～5任一项所述的电动汽车充电调度方法。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1～5任一项所述的电动汽车充电调度方法。
CN202110858558.3A 2021-07-28 2021-07-28 基于云边协同的电动汽车充电调度方法和系统 Active CN113807647B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110858558.3A CN113807647B (zh) 2021-07-28 2021-07-28 基于云边协同的电动汽车充电调度方法和系统
US17/490,145 US12065054B2 (en) 2021-07-28 2021-09-30 Electric vehicle charging scheduling method and system based on cloud-edge collaboration

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110858558.3A CN113807647B (zh) 2021-07-28 2021-07-28 基于云边协同的电动汽车充电调度方法和系统

Publications (2)

Publication Number Publication Date
CN113807647A CN113807647A (zh) 2021-12-17
CN113807647B true CN113807647B (zh) 2022-07-05

Family

ID=78942625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110858558.3A Active CN113807647B (zh) 2021-07-28 2021-07-28 基于云边协同的电动汽车充电调度方法和系统

Country Status (2)

Country Link
US (1) US12065054B2 (zh)
CN (1) CN113807647B (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7505420B2 (ja) * 2021-03-03 2024-06-25 トヨタ自動車株式会社 充電設備および充電設備の管理装置
CN114510052A (zh) * 2022-02-17 2022-05-17 深圳海星智驾科技有限公司 一种云服务平台、协同调度方法、装置及系统
CN114498635B (zh) * 2022-02-24 2023-12-19 国网江苏省电力有限公司苏州供电分公司 计及电动汽车充电优先级的配电网优化调度方法和系统
CN115099572B (zh) * 2022-05-26 2024-07-02 南京邮电大学 一种充电站的电动汽车充电排队方法及装置
CN115081708A (zh) * 2022-06-20 2022-09-20 国网福建省电力有限公司 考虑需求响应的含p2g综合能源系统两阶段优化调度策略
EP4299364A1 (de) * 2022-06-30 2024-01-03 Siemens Aktiengesellschaft Vorrichtung und verfahren zur ermittlung von vorhersagedaten eines ladevorgangs eines elektrischen fahrzeuges
CN115081929B (zh) * 2022-07-18 2023-04-07 东南大学溧阳研究院 一种基于云边协同的电动汽车实时响应能力评估方法
CN115204512B (zh) * 2022-07-29 2024-04-12 国网江苏电动汽车服务有限公司 多场景下基于数据驱动的车辆充电行为预测模型构建方法
CN115580615B (zh) * 2022-09-28 2024-09-17 国网湖南省电力有限公司 一种分布式储能调度方法、系统及存储介质
CN115526519A (zh) * 2022-10-11 2022-12-27 威海广泰空港设备股份有限公司 一种基于服务航班的机场电动车辆充电调度方法
CN115626072B (zh) * 2022-11-10 2024-08-23 长沙理工大学 基于用户间博弈的网联电动汽车协同充放电调控方法
CN115577863B (zh) * 2022-12-07 2023-04-18 南方科技大学 一种电动汽车充电场站点推荐方法、系统、设备及介质
CN116187589B (zh) * 2023-04-25 2023-09-29 广东工业大学 一种充电站定容方法及系统
CN116362417B (zh) * 2023-05-29 2023-08-18 深圳市朗胜光科技有限公司 一种充电桩分析方法、装置、设备及存储介质
CN116647052B (zh) * 2023-07-21 2023-10-03 合肥工业大学 基于多边云协同的智能变电站自动控制调度方法及系统
CN116934040B (zh) * 2023-07-28 2024-03-19 天津大学 一种移动充电站日前协同优化调度方法
CN117220326B (zh) * 2023-11-09 2024-03-15 国网山东省电力公司东营供电公司 一种微电网车辆充电协调调度方法、系统、终端及介质
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
CN118117629B (zh) * 2023-12-08 2024-08-13 国网江苏省电力有限公司电力科学研究院 一种电动汽车充电优化调度方法、装置、设备及介质
CN117933668B (zh) * 2024-03-21 2024-07-02 杭州育恩科技有限公司 基于电网负荷与电价的智慧停车场充电调度方法及系统
CN118118526B (zh) * 2024-04-23 2024-07-23 浙江大学 一种新能源电站云边协同数据采集与控制方法
CN118333338B (zh) * 2024-06-06 2024-08-30 深圳市瑞凯诺科技有限公司 充电管理平台的数据处理方法及系统
CN118494245B (zh) * 2024-07-18 2024-09-24 国网山东省电力公司东营供电公司 一种全区域移动充电机器人调度方法、系统、终端及介质
CN118555578B (zh) * 2024-07-29 2024-10-01 华东交通大学 基于深度强化学习的车联网移动边缘计算服务部署方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150032516A1 (en) * 2013-07-24 2015-01-29 International Business Machines Corporation Managing electric vehicle (ev) charging station usage
CN106026152B (zh) * 2016-05-19 2017-06-06 合肥工业大学 一种电动汽车接入微电网的充放电调度方法
CN110414750B (zh) * 2019-08-28 2022-04-05 哈尔滨工程大学 一种基于深度增强学习的电动汽车实时充电站选择方法
CN110957752B (zh) 2019-12-09 2023-06-09 重庆邮电大学 一种基于边缘物联的区域智能变电站调度系统及其方法
CN111555370B (zh) 2020-05-20 2023-08-11 云南电网有限责任公司电力科学研究院 一种基于云边协同的配电网分层协调调度方法及装置
CN112134272A (zh) 2020-07-31 2020-12-25 国网河北省电力有限公司 配网电动汽车负荷调控方法
CN112232679B (zh) * 2020-10-19 2023-08-29 杭州世创电子技术股份有限公司 基于边缘计算的电动车与充电设备动态智能匹配方法
CN112949898A (zh) * 2021-01-04 2021-06-11 国网上海市电力公司 一种多站融合选址规划的优化方法
CN112785050A (zh) * 2021-01-12 2021-05-11 国网浙江省电力有限公司湖州供电公司 一种基于电动汽车充电负荷预测的有序充电调度方法

Also Published As

Publication number Publication date
CN113807647A (zh) 2021-12-17
US20220024338A1 (en) 2022-01-27
US12065054B2 (en) 2024-08-20

Similar Documents

Publication Publication Date Title
CN113807647B (zh) 基于云边协同的电动汽车充电调度方法和系统
CN106130137B (zh) 一种电动汽车协调充电系统及其自决策方法
WO2022152065A1 (zh) 一种充电管理系统的充电与供能优化方法及装置
CN106356922B (zh) 充电站的充电控制方法和系统
CN113067370B (zh) V2g充电站的充电控制方法、装置、服务器及存储介质
CN106515492B (zh) 一种基于cps的电动汽车充电方法
CN113060036B (zh) 光储充电站的充电控制方法、装置、服务器及存储介质
CN116001624A (zh) 基于深度强化学习的一桩多联电动汽车有序充电方法
CN109849723B (zh) 一种基于充电站功率裕度的电动汽车有序充电控制方法
CN105160451A (zh) 一种含电动汽车的微电网多目标优化调度方法
CN109094381A (zh) 一种电动汽车充电站有序充电方法
CN109980667A (zh) 一种用于电动汽车的有序充电方法
CN111497671A (zh) 基于车牌自动识别与引导的电动汽车有序充电方法与系统
CN109754136B (zh) 电池均衡方法及系统
CN111832940B (zh) 一种电动汽车充电调度方法、装置和存储介质
CN113580984A (zh) 一种电动汽车有序充电策略及其仿真方法
CN106952004B (zh) 一种电动汽车社区充电实时优化调度方法
CN109560577B (zh) 一种交直流混合分布式可再生能源系统的控制方法及系统
CN113437754A (zh) 一种基于台区智能融合终端的电动汽车有序充电方法及系统
CN115147245B (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
CN114899856A (zh) 一种电动汽车充电桩功率调节方法、系统、设备及介质
CN113991661A (zh) 一种考虑集群电动汽车内部充放电的微电网预测控制方法
CN111361443A (zh) 光伏充电站充电控制方法及装置
CN116691414A (zh) 一种基于分钟级采集的有序充电业务智能监测管理系统
CN114640133B (zh) 一种基于实时信息的城市电网电动汽车协同调控方法及系统

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