CN114612160B - 电动车充电定价方法及装置 - Google Patents
电动车充电定价方法及装置 Download PDFInfo
- Publication number
- CN114612160B CN114612160B CN202210294611.6A CN202210294611A CN114612160B CN 114612160 B CN114612160 B CN 114612160B CN 202210294611 A CN202210294611 A CN 202210294611A CN 114612160 B CN114612160 B CN 114612160B
- Authority
- CN
- China
- Prior art keywords
- charging
- time
- electric vehicle
- function
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 49
- 230000005611 electricity Effects 0.000 claims abstract description 27
- 230000035945 sensitivity Effects 0.000 claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 239000002699 waste material Substances 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 155
- 230000006399 behavior Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012887 quadratic function Methods 0.000 claims description 6
- 239000010410 layer Substances 0.000 description 28
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本申请公开了一种电动车充电定价方法及装置,通过获取多个电动车的历史行为数据和历史充电需求,对历史行为数据进行数据分析,以利用电动车的到站时间、离站时间和时空轨迹,确定电动车对时间的敏感度和时间偏好,从而利用历史数据分析出电动车用户的充电等待时间弹性范围;再根据时间价值和时间偏好,生成电动车的时间效用函数,以及根据时间效用函数、历史充电需求和电力市场实时电价,对预设的双层优化函数进行迭代,直至电动车和充电站的充电收益达到最大化,确定电动车的充电价格集合,实现在实际场景实施可行的差异化定价方法,保证充电价格的合理性,使得电力能够得到有效分配,避免电力浪费以及满足充电站和车主的效益需求。
Description
技术领域
本申请涉及电网电力定价技术领域,尤其涉及一种电动车充电定价方法及装置。
背景技术
随着电动车保有量的不断增加,电力系统和充电基础设施面临着巨大的机遇和挑战。电动车充电价格设计是充电站电力系统有效放电的核心问题,近年来的研究主要集中在统一电价和对不同用户类型设计不同价格,以保证电价的合理性,从而避免电力浪费而对电力系统造成负担。
目前有相关理论研究基于充电截止时间实现差异化定价,但是对于电动车充电站来说,由于电动车出发时间的不确定性和其偏好信息的不透明性,在实际背景下充电站难以获得用户的选择偏好和充电等待时间的弹性范围,导致基于充电截止时间的差异化定价往往难以在实际场景下有效实施。因此,如何在实际场景下对电动车充电进行差异化定价,以实现电力有效分配同时满足充电站和车主的效益需求是当前亟待解决的问题。
发明内容
本申请提供了一种电动车充电定价方法及装置,以实现提高充电电价的合理性,有效分配电力、避免电力浪费以及满足充电站和车主的效益需求。
为了解决上述技术问题,第一方面,本申请提供了一种电动车充电定价方法,包括:
获取多个电动车的历史行为数据和历史充电需求,历史行为数据包括电动车到达充电站时的到站时间、电动车离开充电站时的离站时间、电动车在单位时间内的时空轨迹,历史充电需求包括充电功率;
对历史行为数据进行数据分析,确定电动车的目标时间价值和时间偏好,目标时间价值用于表征电动车的时间敏感度;
根据时间价值和时间偏好,生成电动车的时间效用函数;
根据时间效用函数、历史充电需求和电力市场实时电价,对预设的双层优化函数进行迭代,直至电动车和充电站的充电收益达到最大化,确定电动车的充电价格集合。
本申请通过获取多个电动车的历史行为数据和历史充电需求,对历史行为数据进行数据分析,以利用电动车的到站时间、离站时间和时空轨迹,确定电动车对时间的敏感度和时间偏好,从而利用历史数据分析出电动车用户的充电等待时间弹性范围;再根据时间价值和时间偏好,生成电动车的时间效用函数,以及根据时间效用函数、历史充电需求和电力市场实时电价,对预设的双层优化函数进行迭代,直至电动车和充电站的充电收益达到最大化,确定电动车的充电价格集合,从而利用电动车用户的时间敏感度与历史充电需求结合分析,实现在实际场景实施可行的差异化定价方法,保证充电价格的合理性,进而使得电力能够得到有效分配,避免电力浪费以及满足充电站和车主的效益需求。
作为优选,对历史行为数据进行数据分析,确定电动车的目标时间价值和时间偏好,包括:
根据到站时间和离站时间,确定电动车的时间偏好和静态时间价值;
根据时空轨迹,确定电动车的时空轨迹熵,时空轨迹熵为动态时间价值;
对静态时间价值与动态时间价值进行相加,得到目标时间价值。
作为优选,时空轨迹包括电动车在单位时间内到访的地点数量、在每个到访地点的停留时间和从一个到访地点到下一个到访地点之间的行驶路程,根据时空轨迹,确定电动车的时空轨迹熵,包括:
根据地点数量、停留时间和行驶路程,生成电动车的空间轨迹熵;
根据地点数量和停留时间,生成电动车的时间轨迹熵;
对空间轨迹熵和时间轨迹熵进行相加,得到时空轨迹熵。
作为优选,根据时间价值和时间偏好,生成电动车的时间效用函数,包括:
利用二次函数形式,根据时间价值和时间偏好,生成电动车的时间效用函数,时间效用函数为:
Ui(t)=αt(β-t);
α为时间价值,β为时间偏好,t为最短充电结束时间与离站时间之间的时间差,i为电动车数量。
作为优选,双层优化函数包括充电站收益函数和电动车充电延时函数,根据时间效用函数、历史充电需求和电力市场实时电价,对预设的双层优化函数进行迭代,直至电动车和充电站的充电收益达到最大化,确定电动车的充电价格集合,包括:
利用下层优化算法,根据时间效用函数、充电需求和充电站收益函数输出的单位充电价格,对电动车充电延时函数进行迭代,确定电动车充电收益最大化时对应的目标充电延迟时长;
利用上层优化算法,根据充电需求、电力市场实时电价和电动车充电延时函数输出的充电延迟时长,对充电站收益函数进行迭代,直至充电站的充电收益达到最大化,得到与目标充电延迟时长对应的目标单位充电价格;
将目标充电延迟时长和目标充电价格组成充电价格集合。
作为优选,利用下层优化算法,根据时间效用函数、充电需求和充电站收益函数输出的单位充电价格,对电动车充电延时函数进行迭代,确定电动车充电收益最大化时对应的目标充电延迟时长,包括:
根据时间效用函数,确定目标效用函数,目标效用函数用于表征电动车的充电收益与充电延迟时长之间的效用关系;
利用下层优化算法,根据目标效用函数、充电需求和充电站收益函数输出的单位充电价格,对电动车充电延时函数进行迭代,确定电动车充电收益最大化时对应的目标充电延迟时长。
作为优选,利用上层优化算法,根据充电需求、电力市场实时电价和电动车充电延时函数输出的充电延迟时长,对充电站收益函数进行迭代,直至充电站的充电收益达到最大化,得到与目标充电延迟时长对应的目标单位充电价格,包括:
根据充电需求和充电站的最大充电功率,生成充电站收益函数的约束条件;
利用上层优化算法,根据充电需求、电力市场实时电价和电动车充电延时函数输出的充电延迟时长,对充电站收益函数进行迭代,直至在满足约束条件时充电站的充电收益达到最大化,得到与目标充电延迟时长对应的目标单位充电价格。
第二方面,本申请提供一种电动车充电定价装置,包括:
获取模块,用于获取多个电动车的历史行为数据和历史充电需求,历史行为数据包括电动车到达充电站时的到站时间、电动车离开充电站时的离站时间、电动车在单位时间内的时空轨迹,历史充电需求包括充电功率;
分析模块,用于对历史行为数据进行数据分析,确定电动车的时间价值和时间偏好,时间价值用于表征电动车的时间敏感度;
生成模块,用于根据时间价值和时间偏好,生成电动车的时间效用函数;
迭代模块,用于根据时间效用函数、历史充电需求和电力市场实时电价,对预设的双层优化函数进行迭代,直至电动车和充电站的充电收益达到最大化,确定电动车的充电价格集合。
第三方面,本申请提供一种计算机设备,包括处理器和存储器,存储器用于存储计算机程序,计算机程序被处理器执行时实现如上述第一方面的电动车充电定价方法。
第四方面,本申请提供一种计算机可读存储介质,其存储有计算机程序,计算机程序被处理器执行时实现如上述第一方面的电动车充电定价方法。
需要说明的是,上述第二方面至第四方面的有益效果请参见上述第一方面的相关描述,在此不再赘述。
附图说明
图1为本申请实施例示出的电动车充电定价方法的流程示意图;
图2为本申请实施例示出的电动车充电定价装置的结构示意图;
图3为本申请实施例示出的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
如相关技术记载,有相关理论研究基于充电截止时间实现差异化定价,但是对于电动车充电站来说,由于电动车出发时间的不确定性和其偏好信息的不透明性,在实际背景下充电站难以获得用户的选择偏好和充电等待时间的弹性范围,导致基于充电截止时间的差异化定价往往难以在实际场景下有效实施。
为此,本申请实施例提供一种电动车充电定价方法,通过获取多个电动车的历史行为数据和历史充电需求,对所述历史行为数据进行数据分析,以利用电动车的到站时间、离站时间和时空轨迹,确定电动车对时间的敏感度和时间偏好,从而利用历史数据分析出电动车用户的充电等待时间弹性范围;再根据所述时间价值和所述时间偏好,生成所述电动车的时间效用函数,以及根据所述时间效用函数、所述历史充电需求和电力市场实时电价,对预设的双层优化函数进行迭代,直至所述电动车和所述充电站的充电收益达到最大化,确定所述电动车的充电价格集合,从而利用电动车用户的时间敏感度与历史充电需求结合分析,实现在实际场景实施可行的差异化定价方法,保证充电价格的合理性,进而使得电力能够得到有效分配,避免电力浪费以及满足充电站和车主的效益需求。
请参照图1,图1为本申请实施例提供的一种电动车充电定价方法的流程示意图。本申请实施例的方法可应用于计算机设备,该计算机设备包括但不限于智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备。如图1所示,本实施例的方法包括步骤S101至步骤S104,详述如下:
步骤S101,获取多个电动车的历史行为数据和历史充电需求,所述历史行为数据包括所述电动车到达充电站时的到站时间、所述电动车离开所述充电站时的离站时间、所述电动车在单位时间内的时空轨迹,所述历史充电需求包括充电功率;
步骤S102,对所述历史行为数据进行数据分析,确定所述电动车的目标时间价值和时间偏好,所述目标时间价值用于表征所述电动车的时间敏感度;
步骤S103,根据所述时间价值和所述时间偏好,生成所述电动车的时间效用函数;
步骤S104,根据所述时间效用函数、所述历史充电需求和电力市场实时电价,对预设的双层优化函数进行迭代,直至所述电动车和所述充电站的充电收益达到最大化,确定所述电动车的充电价格集合。
在本实施例中,时空轨迹为电动车运动的时间轨迹和空间轨迹,例如电动车一天内进行行驶的时间段轨迹和所到访地点的移动轨迹。数据分析为根据历史行为数据分析电动车对时间的敏感度和对充电时间的选择偏好,例如,电动车的到站时间和离站时间,可以分析电动车的充电时长和选择充电的时刻,时空轨迹可以分析电动车要用于行驶的时长和所要到访的地点数量,当用于行驶的时长越长、到访地点数量越多,说明电动车用于充电的时间就越少,其对时间的敏感度越高。
时间效用函数为电动车选择不同充电时长所带来的收益。例如,对时间敏感度高的电动车选择高充电功率进行充电,以减少充电时长;对时间敏感度低的电动车在可以选择正常充电功率或低充电功率进行充电,以减少充电费用,但充电时长变长。可以理解的是,充电功率越高,电力损耗越大,所以为了降低电力浪费,对选择不同充电时长的电动车收取不同的费用,使得电动车充电定价更加合理。
可选地,由于在实际场景下,充电站希望提高收入,电动车用户希望降低充电费用,所以本实施例利用双层优化函数实现充电站和电动车之间的收益平衡。双层优化函数包括充电站收益函数和电动车充电延时函数,上层优化函数用于确定充电站的最大化充电收入,下层优化函数用于确定电动车用户选择的最大化充电收益时(即该电动车用所希望的充电费用最低)的充电延迟时长。
在一实施例中,在图1所示实施例的基础上,上述步骤S102,包括:
根据所述到站时间和所述离站时间,确定所述电动车的时间偏好和静态时间价值;
根据所述时空轨迹,确定所述电动车的时空轨迹熵,所述时空轨迹熵为动态时间价值;
对所述静态时间价值与所述动态时间价值进行相加,得到所述目标时间价值。
在本实施例中,对于每个电动车用户i,估计与其对应的一个元组Gi={Ri,αi,βi,Di}。其中到达时间Ri和和充电需求Di可以直接从充电站的历史充电数据得到。为了估计与电动车用户单位时间值相关的αi,共同考虑电动车用户的静态时间价值和动态时间价值。静态时间价值反映了电动车的时间平均意义下的时间价值,与电动车用户的收入呈线性关系。直观地说,这一假设表明,收入越高,对充电成本的敏感度就越低。在估计动态时间价值时,假设每日行驶轨迹越复杂的电动车用户的动态时间价值越大。这一假设意味着如果用户每天要去更多的地方,就说明他的时间弹性更小,对时间的敏感程度就越高。
使用时空轨迹熵来评估行驶轨迹的复杂性。因此αi可以进行如下估计:
αi=Ii+STi;
其中Ii为平均时间价值,STi为时空轨迹熵,其为空间轨迹熵与时间轨迹熵之和。
可选地,所述时空轨迹包括所述电动车在单位时间内到访的地点数量、在每个到访地点的停留时间和从一个到访地点到下一个到访地点之间的行驶路程,所述根据所述时空轨迹,确定所述电动车的时空轨迹熵,包括:
根据所述地点数量、所述停留时间和所述行驶路程,生成所述电动车的空间轨迹熵;
根据所述地点数量和所述停留时间,生成所述电动车的时间轨迹熵;
对所述空间轨迹熵和所述时间轨迹熵进行相加,得到所述时空轨迹熵。
在本实施例中,空间轨迹熵和时间轨迹熵满足以下形式:
其中Wi是电动汽车用户i一天内访问过的地方的数量。Di,j表示电动汽车用户i从一天中的第j个位置到下一个位置的行驶路程。Ti,j表示电动汽车用户i在一天中的第j个位置的停留时间。
在一实施例中,在图1所示实施例的基础上,上述步骤S103,包括:
利用二次函数形式,根据所述时间价值和所述时间偏好,生成所述电动车的时间效用函数,所述时间效用函数为:
Ui(t)=αt(β-t);
α为所述时间价值,β为所述时间偏好,t为最短充电结束时间与所述离站时间之间的时间差,i为电动车数量。
在本实施例中,假设每一个电动车用户的时间效用函数Ui(t)为关于t的凹函数,其中t表示最短充电结束时间(即以充电桩最快的充电速度充电,充完电的时间)与离站时间之间的差值。由于凹函数是经济学中用来刻画效用函数的一种普遍形式,但并不能进行参数化分析和拟合,所以使用二次函数形式来估计用户的时间效用函数,即Ui(t)=αt(β-t)。二次函数是一种直观、参数化且易于估计的函数形式,α用来反映电动车用户的充电紧迫性及其单位时间的价值,而β可以反映电动车用户的时间偏好。
可以理解的时,t=βi/2可以最大化电动车用户i的效用。因此,βi/2被视作电动车用户i最期望的出发时间。在实际场景下,可以使用EV从EVCS出发的实际时间来确定βi/2。
在一实施例中,在图1所示实施例的基础上,双层优化函数包括充电站收益函数和电动车充电延时函数,上述步骤S102,包括:
利用下层优化算法,根据所述时间效用函数、所述充电需求和所述充电站收益函数输出的单位充电价格,对所述电动车充电延时函数进行迭代,确定所述电动车充电收益最大化时对应的目标充电延迟时长;
利用上层优化算法,根据所述充电需求、所述电力市场实时电价和所述电动车充电延时函数输出的充电延迟时长,对所述充电站收益函数进行迭代,直至所述充电站的充电收益达到最大化,得到与所述目标充电延迟时长对应的目标单位充电价格;
将所述目标充电延迟时长和所述目标充电价格组成所述充电价格集合。
在本实施例中,根据估计的电动车用户群体信息设计最优的充电价格集合。假设充电价格集合M={(0,P0),(1,P1),...,(H,PH)}能最大化充电站和电动车的充电收益,H表示目标充电延迟时长,PH表示目标单位充电价格。充电价格集合可以通过双层优化算法进行求解,即上层优化算法描述充电站的最大化充电收益,下层优化算法描述电动车用户选择的最大化充电收益时的充电延迟时长。
可选地,所述利用下层优化算法,根据所述时间效用函数、所述充电需求和所述充电站收益函数输出的单位充电价格,对所述电动车充电延时函数进行迭代,确定所述电动车充电收益最大化时对应的目标充电延迟时长,包括:
根据所述时间效用函数,确定目标效用函数,所述目标效用函数用于表征所述电动车的充电收益与充电延迟时长之间的效用关系;
利用下层优化算法,根据所述目标效用函数、所述充电需求和所述充电站收益函数输出的单位充电价格,对所述电动车充电延时函数进行迭代,确定所述电动车充电收益最大化时对应的目标充电延迟时长。
在本实施例中,根据每个用户的时间效用函数Ui(t),根据不同的取值t得到每个用户接受不同充电延迟时长对应的效用Ui,k=Ui(k)。这个电动车充电延时函数为:
其中,Cdelay表示单位时间用户需要支付的延迟费,Pk表示对应延迟时间为k时的单位充电价格,Di表示第i个电动车用户的充电需求,为电动车用户i选择的延迟时长。该下层优化算法保证每个用户都会选择最大化自己收益的延迟时长k。
可选地,所述利用上层优化算法,根据所述充电需求、所述电力市场实时电价和所述电动车充电延时函数输出的充电延迟时长,对所述充电站收益函数进行迭代,直至所述充电站的充电收益达到最大化,得到与所述目标充电延迟时长对应的目标单位充电价格,包括:
根据所述充电需求和所述充电站的最大充电功率,生成所述充电站收益函数的约束条件;
利用所述上层优化算法,根据所述充电需求、所述电力市场实时电价和所述电动车充电延时函数输出的充电延迟时长,对所述充电站收益函数进行迭代,直至在满足所述约束条件时所述充电站的充电收益达到最大化,得到与所述目标充电延迟时长对应的目标单位充电价格。
在本实施例中,电动车充电延时函数为:
其中,N表示用户个数,Pk表示对应延迟时间为k时的单位充电价格,Di表示第i个电动车用户的充电需求,cu代表时间点u时的电力市场实时电价,pi,u表示电动车i在时间点u的充电功率。为电动车用户i所需的最短充电时间,/>为电动车用户i选择的充电延迟时长,pmax为单个充电桩的最大充电功率。
决策变量为Pk和电动车充电延时函数表示充电站的总收入,第一个约束条件表示充电桩的充电速率上限,第二个约束条件保证每个电动车用户的充电需求可以被满足,第三个约束条件表示单位充电价格需要随着充电延迟时长的增加而降低。
为了执行上述方法实施例对应的电动车充电定价方法,以实现相应的功能和技术效果。参见图2,图2示出了本申请实施例提供的一种电动车充电定价装置的结构框图。为了便于说明,仅示出了与本实施例相关的部分,本申请实施例提供的电动车充电定价装置,包括:
获取模块201,用于获取多个电动车的历史行为数据和历史充电需求,所述历史行为数据包括所述电动车到达充电站时的到站时间、所述电动车离开所述充电站时的离站时间、所述电动车在单位时间内的时空轨迹,所述历史充电需求包括充电功率;
分析模块202,用于对所述历史行为数据进行数据分析,确定所述电动车的时间价值和时间偏好,所述时间价值用于表征所述电动车的时间敏感度;
生成模块203,用于根据所述时间价值和时间偏好,生成所述电动车的时间效用函数;
迭代模块204,用于根据所述时间效用函数、所述历史充电需求和电力市场实时电价,对预设的双层优化函数进行迭代,直至所述电动车和所述充电站的充电收益达到最大化,确定所述电动车的充电价格集合。
作为优选,所述分析模块202,包括:
第一确定单元,用于根据所述到站时间和所述离站时间,确定所述电动车的时间偏好和静态时间价值;
第二确定单元,用于根据所述时空轨迹,确定所述电动车的时空轨迹熵,所述时空轨迹熵为动态时间价值;
相加单元,用于对所述静态时间价值与所述动态时间价值进行相加,得到所述目标时间价值。
作为优选,所述时空轨迹包括所述电动车在单位时间内到访的地点数量、在每个到访地点的停留时间和从一个到访地点到下一个到访地点之间的行驶路程,所述第二确定单元,包括:
第一生成子单元,用于根据所述地点数量、所述停留时间和所述行驶路程,生成所述电动车的空间轨迹熵;
第二生成子单元,用于根据所述地点数量和所述停留时间,生成所述电动车的时间轨迹熵;
相加子单元,用于对所述空间轨迹熵和所述时间轨迹熵进行相加,得到所述时空轨迹熵。
作为优选,所述生成模块203,具体用于:
利用二次函数形式,根据所述时间价值和所述时间偏好,生成所述电动车的时间效用函数,所述时间效用函数为:
Ui(t)=αt(β-t);
α为所述时间价值,β为所述时间偏好,t为最短充电结束时间与所述离站时间之间的时间差,i为电动车数量。
作为优选,所述双层优化函数包括充电站收益函数和电动车充电延时函数,所述迭代模块204,包括:
第一迭代单元,用于利用下层优化算法,根据所述时间效用函数、所述充电需求和所述充电站收益函数输出的单位充电价格,对所述电动车充电延时函数进行迭代,确定所述电动车充电收益最大化时对应的目标充电延迟时长;
第二迭代单元,用于利用上层优化算法,根据所述充电需求、所述电力市场实时电价和所述电动车充电延时函数输出的充电延迟时长,对所述充电站收益函数进行迭代,直至所述充电站的充电收益达到最大化,得到与所述目标充电延迟时长对应的目标单位充电价格;
组成单元,用于将所述目标充电延迟时长和所述目标充电价格组成所述充电价格集合。
作为优选,所述第一迭代单元,包括:
确定子单元,用于根据所述时间效用函数,确定目标效用函数,所述目标效用函数用于表征所述电动车的充电收益与充电延迟时长之间的效用关系;
第一迭代子单元,用于利用下层优化算法,根据所述目标效用函数、所述充电需求和所述充电站收益函数输出的单位充电价格,对所述电动车充电延时函数进行迭代,确定所述电动车充电收益最大化时对应的目标充电延迟时长。
作为优选,所述第二迭代单元,包括:
第三生成子单元,用于根据所述充电需求和所述充电站的最大充电功率,生成所述充电站收益函数的约束条件;
第二迭代子单元,用于利用所述上层优化算法,根据所述充电需求、所述电力市场实时电价和所述电动车充电延时函数输出的充电延迟时长,对所述充电站收益函数进行迭代,直至在满足所述约束条件时所述充电站的充电收益达到最大化,得到与所述目标充电延迟时长对应的目标单位充电价格。
上述的电动车充电定价装置可实施上述方法实施例的电动车充电定价方法。上述方法实施例中的可选项也适用于本实施例,这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容,在本实施例中,不再进行赘述。
图3为本申请一实施例提供的计算机设备的结构示意图。如图3所示,该实施例的计算机设备3包括:至少一个处理器30(图3中仅示出一个)处理器、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32,所述处理器30执行所述计算机程序32时实现上述任意方法实施例中的步骤。
所述计算机设备3可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器30、存储器31。本领域技术人员可以理解,图3仅仅是计算机设备3的举例,并不构成对计算机设备3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器30可以是中央处理单元(Central Processing Unit,CPU),该处理器30还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31在一些实施例中可以是所述计算机设备3的内部存储单元,例如计算机设备3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述计算机设备3的外部存储设备,例如所述计算机设备3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括所述计算机设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
另外,本申请实施例还提供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程序,所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在计算机设备上运行时,使得计算机设备执行时实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中,可以理解的是,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围。特别指出,对于本领域技术人员来说,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种电动车充电定价方法,其特征在于,用于有效分配电力、避免电力浪费,所述电动车充电定价方法包括:
获取多个电动车的历史行为数据和历史充电需求,所述历史行为数据包括所述电动车到达充电站时的到站时间、所述电动车离开充电站时的离站时间、所述电动车在单位时间内的时空轨迹,所述历史充电需求包括充电功率;
对所述历史行为数据进行数据分析,确定所述电动车的时间价值和时间偏好,所述时间价值用于表征所述电动车的时间敏感度;
根据所述时间价值和所述时间偏好,生成所述电动车的时间效用函数;
根据所述时间效用函数、所述历史充电需求和电力市场实时电价,对预设的双层优化函数进行迭代,直至所述电动车和所述充电站的充电收益达到最大化,确定所述电动车的充电价格集合;
对时间敏感度高的电动车选择高充电功率进行充电,以减少充电时长;对时间敏感度低的电动车选择正常充电功率或低充电功率进行充电,以减少充电费用;为了避免充电功率越高,电力损耗越大,降低电力浪费,对选择不同充电时长的电动车收取不同的费用;
所述根据所述时间价值和所述时间偏好,生成所述电动车的时间效用函数,包括:
利用二次函数形式,根据所述时间价值和所述时间偏好,生成所述电动车的时间效用函数,所述时间效用函数为:
;
为所述时间价值,/>为所述时间偏好,/>为最短充电结束时间与所述离站时间之间的时间差,/>为电动车数量;
所述双层优化函数包括充电站收益函数和电动车充电延时函数,所述根据所述时间效用函数、所述历史充电需求和电力市场实时电价,对预设的双层优化函数进行迭代,直至所述电动车和所述充电站的充电收益达到最大化,确定所述电动车的充电价格集合,包括:
利用下层优化算法,根据所述时间效用函数、所述充电需求和所述充电站收益函数输出的单位充电价格,对所述电动车充电延时函数进行迭代,确定电动车充电收益最大化时对应的目标充电延迟时长;
利用上层优化算法,根据所述充电需求、所述电力市场实时电价和所述电动车充电延时函数输出的充电延迟时长,对所述充电站收益函数进行迭代,直至充电站的充电收益达到最大化,得到与所述目标充电延迟时长对应的目标单位充电价格;
将所述目标充电延迟时长和所述目标充电价格组成所述充电价格集合。
2.如权利要求1所述的电动车充电定价方法,其特征在于,所述对所述历史行为数据进行数据分析,确定所述电动车的目标时间价值和时间偏好,包括:
根据所述到站时间和所述离站时间,确定所述电动车的时间偏好和静态时间价值;
根据所述时空轨迹,确定所述电动车的时空轨迹熵,所述时空轨迹熵为动态时间价值;
对所述静态时间价值与所述动态时间价值进行相加,得到所述目标时间价值。
3.如权利要求2所述的电动车充电定价方法,其特征在于,所述时空轨迹包括所述电动车在单位时间内到访的地点数量、在每个到访地点的停留时间和从一个到访地点到下一个到访地点之间的行驶路程,所述根据所述时空轨迹,确定所述电动车的时空轨迹熵,包括:
根据所述地点数量、所述停留时间和所述行驶路程,生成所述电动车的空间轨迹熵;
根据所述地点数量和所述停留时间,生成所述电动车的时间轨迹熵;
对所述空间轨迹熵和所述时间轨迹熵进行相加,得到所述时空轨迹熵。
4.如权利要求1所述的电动车充电定价方法,其特征在于,所述利用下层优化算法,根据所述时间效用函数、所述充电需求和所述充电站收益函数输出的单位充电价格,对所述电动车充电延时函数进行迭代,确定所述电动车充电收益最大化时对应的目标充电延迟时长,包括:
根据所述时间效用函数,确定目标效用函数,所述目标效用函数用于表征所述电动车的充电收益与充电延迟时长之间的效用关系;
利用下层优化算法,根据所述目标效用函数、所述充电需求和所述充电站收益函数输出的单位充电价格,对所述电动车充电延时函数进行迭代,确定所述电动车充电收益最大化时对应的目标充电延迟时长。
5.如权利要求1所述的电动车充电定价方法,其特征在于,所述利用上层优化算法,根据所述充电需求、所述电力市场实时电价和所述电动车充电延时函数输出的充电延迟时长,对所述充电站收益函数进行迭代,直至所述充电站的充电收益达到最大化,得到与所述目标充电延迟时长对应的目标单位充电价格,包括:
根据所述充电需求和所述充电站的最大充电功率,生成所述充电站收益函数的约束条件;
利用所述上层优化算法,根据所述充电需求、所述电力市场实时电价和所述电动车充电延时函数输出的充电延迟时长,对所述充电站收益函数进行迭代,直至在满足所述约束条件时所述充电站的充电收益达到最大化,得到与所述目标充电延迟时长对应的目标单位充电价格。
6.一种电动车充电定价装置,其特征在于,用于有效分配电力、避免电力浪费,所述电动车充电定价装置包括:
获取模块,用于获取多个电动车的历史行为数据和历史充电需求,所述历史行为数据包括所述电动车到达充电站时的到站时间、所述电动车离开充电站时的离站时间、所述电动车在单位时间内的时空轨迹,所述历史充电需求包括充电功率;
分析模块,用于对所述历史行为数据进行数据分析,确定所述电动车的时间价值和时间偏好,所述时间价值用于表征所述电动车的时间敏感度;
生成模块,用于根据所述时间价值和时间偏好,生成所述电动车的时间效用函数;
迭代模块,用于根据所述时间效用函数、所述历史充电需求和电力市场实时电价,对预设的双层优化函数进行迭代,直至所述电动车和所述充电站的充电收益达到最大化,确定所述电动车的充电价格集合;对时间敏感度高的电动车选择高充电功率进行充电,以减少充电时长;对时间敏感度低的电动车选择正常充电功率或低充电功率进行充电,以减少充电费用;为了避免充电功率越高,电力损耗越大,降低电力浪费,对选择不同充电时长的电动车收取不同的费用;
所述生成模块根据所述时间价值和所述时间偏好,生成所述电动车的时间效用函数,包括:
利用二次函数形式,根据所述时间价值和所述时间偏好,生成所述电动车的时间效用函数,所述时间效用函数为:
;
为所述时间价值,/>为所述时间偏好,/>为最短充电结束时间与所述离站时间之间的时间差,/>为电动车数量;
所述双层优化函数包括充电站收益函数和电动车充电延时函数,所述迭代模块包括:
第一迭代单元,利用下层优化算法,根据所述时间效用函数、所述充电需求和所述充电站收益函数输出的单位充电价格,对所述电动车充电延时函数进行迭代,确定电动车充电收益最大化时对应的目标充电延迟时长;
第二迭代单元,利用上层优化算法,根据所述充电需求、所述电力市场实时电价和所述电动车充电延时函数输出的充电延迟时长,对充电站收益函数进行迭代,直至所述充电站的充电收益达到最大化,得到与所述目标充电延迟时长对应的目标单位充电价格;
组成单元,将所述目标充电延迟时长和所述目标充电价格组成所述充电价格集合。
7.一种计算机设备,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至5任一项所述的电动车充电定价方法。
8.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的电动车充电定价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210294611.6A CN114612160B (zh) | 2022-03-23 | 2022-03-23 | 电动车充电定价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210294611.6A CN114612160B (zh) | 2022-03-23 | 2022-03-23 | 电动车充电定价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114612160A CN114612160A (zh) | 2022-06-10 |
CN114612160B true CN114612160B (zh) | 2024-05-28 |
Family
ID=81864766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210294611.6A Active CN114612160B (zh) | 2022-03-23 | 2022-03-23 | 电动车充电定价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114612160B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598904A (zh) * | 2019-08-08 | 2019-12-20 | 华北电力大学 | 市场环境下考虑可再生能源消纳的车网能量交互优化方法 |
CN111652405A (zh) * | 2020-02-20 | 2020-09-11 | 贵州电网有限责任公司 | 一种电动汽车充放电策略和电网侧分时电价的双层优化方法 |
CN112134300A (zh) * | 2020-10-09 | 2020-12-25 | 国网江苏省电力有限公司无锡供电分公司 | 基于预约的电动汽车光储充电站滚动优化运行方法及系统 |
CN112906975A (zh) * | 2021-03-17 | 2021-06-04 | 广东电网有限责任公司电力调度控制中心 | 一种双层优化方法及其装置 |
CN113780659A (zh) * | 2021-09-10 | 2021-12-10 | 广东电网有限责任公司 | 基于双层规划模型的电动汽车充电站布局方法及电子设备 |
CN115392949A (zh) * | 2022-08-02 | 2022-11-25 | 北方工业大学 | 基于乘客出发时间选择的轨道交通早高峰分时定价方法 |
WO2023113759A2 (en) * | 2021-12-15 | 2023-06-22 | Tobb Ekonomi Ve Teknoloji Universitesi | Electric vehicle charging station |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10647209B2 (en) * | 2015-09-28 | 2020-05-12 | Siemens Industry, Inc. | Managing and optimizing energy supply from grid and renewable source with electric vehicle supply equipment |
US20210065073A1 (en) * | 2019-08-14 | 2021-03-04 | Honda Motor Co., Ltd. | System and method for presenting electric vehicle charging options |
-
2022
- 2022-03-23 CN CN202210294611.6A patent/CN114612160B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598904A (zh) * | 2019-08-08 | 2019-12-20 | 华北电力大学 | 市场环境下考虑可再生能源消纳的车网能量交互优化方法 |
CN111652405A (zh) * | 2020-02-20 | 2020-09-11 | 贵州电网有限责任公司 | 一种电动汽车充放电策略和电网侧分时电价的双层优化方法 |
CN112134300A (zh) * | 2020-10-09 | 2020-12-25 | 国网江苏省电力有限公司无锡供电分公司 | 基于预约的电动汽车光储充电站滚动优化运行方法及系统 |
CN112906975A (zh) * | 2021-03-17 | 2021-06-04 | 广东电网有限责任公司电力调度控制中心 | 一种双层优化方法及其装置 |
CN113780659A (zh) * | 2021-09-10 | 2021-12-10 | 广东电网有限责任公司 | 基于双层规划模型的电动汽车充电站布局方法及电子设备 |
WO2023113759A2 (en) * | 2021-12-15 | 2023-06-22 | Tobb Ekonomi Ve Teknoloji Universitesi | Electric vehicle charging station |
CN115392949A (zh) * | 2022-08-02 | 2022-11-25 | 北方工业大学 | 基于乘客出发时间选择的轨道交通早高峰分时定价方法 |
Non-Patent Citations (5)
Title |
---|
Location optimization of electric vehicle charging stations: Based on cost model and genetic algorithm;Guangyou Zhou;Energy;20220216;第247卷;全文 * |
基于电动汽车充电价格机制的配电网调峰方法;陈姝敏;云南电力技术;20200630;第48卷;全文 * |
基于电网峰谷分时电价联动的电动汽车有序充电电价研究;罗敏;赵伟;林国营;孟金岭;张永旺;孙丙香;;电器与能效管理技术;20151230(第24期);全文 * |
计及多利益主体的配电侧动态定价与市场出清策略;赵越;南方电网技术;20220131;第16卷(第1期);全文 * |
计及客户满意度的电动汽车多代理充电定价策略;朴龙健;艾芊;余志文;陈静鹏;;电力系统自动化;20151125(第22期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114612160A (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mal et al. | Electric vehicle smart charging and vehicle-to-grid operation | |
Perez-Diaz et al. | Coordination and payment mechanisms for electric vehicle aggregators | |
CN109177802B (zh) | 一种基于无线通信的电动汽车有序充电系统及其方法 | |
US20140046874A1 (en) | Real time dynamic vehicle parking price management methods, systems and processor-readable media | |
Pajic et al. | Eva: Fair and auditable electric vehicle charging service using blockchain | |
Brandt et al. | Road to 2020: IS-supported business models for electric mobility and electrical energy markets | |
CN115632426A (zh) | 储能控制方法、装置、系统和存储介质 | |
Cedillo et al. | Dynamic pricing and control for EV charging stations with solar generation | |
Sortomme | Combined bidding of regulation and spinning reserves for unidirectional vehicle-to-grid | |
US20180047043A1 (en) | Determining Sensor Placement and a Reward Sharing Mechanism Based on Shared Energy Forecasting Information | |
Cramer et al. | A simulative framework for a multi-regional assessment of local energy markets–A case of large-scale electric vehicle deployment in Germany | |
CN111861080B (zh) | 一种信息处理的方法、装置、电子设备及存储介质 | |
Malya et al. | Electric vehicles as distribution grid batteries: a reality check | |
CN114037192A (zh) | 基于大数据的虚拟电厂交易管理方法、装置、设备及介质 | |
CN110543699B (zh) | 共享车辆出行数据仿真、共享车辆调度方法、装置及设备 | |
Mills et al. | Assessing greenhouse gas emissions from electric vehicle operation in Australia using temporal vehicle charging and electricity emission characteristics | |
JP7154948B2 (ja) | 少なくとも1つのデマンドレスポンスオーバーヘッド割合を決定するシステム及び方法 | |
CN114612160B (zh) | 电动车充电定价方法及装置 | |
Sharma et al. | Risk-averse integrated DR and dynamic V2G scheduling of parking lot operator for enhanced market efficiency | |
Bjørndal et al. | Smart home charging of electric vehicles using a digital platform | |
Rolink et al. | Estimation of the availability of grid-connected electric vehicles by non-homogeneous semi-Markov processes | |
Babic et al. | Electricity trading agent for EV-enabled parking lots | |
CN115841344A (zh) | 打车热点区域引导网约车方法、系统、设备和存储介质 | |
Williams et al. | Pricing plug-in electric vehicle recharging in multi-unit dwellings: Financial viability and fueling costs | |
CN108449411A (zh) | 一种随机需求下面向异质费用的云资源调度方法 |
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 |