CN114626762A - 移动换电网络选址方法、电池调度方法、装置及系统 - Google Patents
移动换电网络选址方法、电池调度方法、装置及系统 Download PDFInfo
- Publication number
- CN114626762A CN114626762A CN202210461798.4A CN202210461798A CN114626762A CN 114626762 A CN114626762 A CN 114626762A CN 202210461798 A CN202210461798 A CN 202210461798A CN 114626762 A CN114626762 A CN 114626762A
- Authority
- CN
- China
- Prior art keywords
- battery
- power
- station
- battery replacement
- mobile
- 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 43
- 238000010187 selection method Methods 0.000 title claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 42
- 230000008859 change Effects 0.000 claims description 48
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 238000005457 optimization Methods 0.000 claims description 20
- 238000012384 transportation and delivery Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000005611 electricity Effects 0.000 abstract description 13
- 238000011161 development Methods 0.000 abstract description 12
- 238000010276 construction Methods 0.000 abstract description 5
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 101100257262 Caenorhabditis elegans soc-1 gene Proteins 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000003203 everyday effect 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
- 238000013439 planning Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供了一种移动换电网络选址方法、电池调度方法、装置及系统,该移动换电网络选址方法包括移动换电车服务网点选址和换电站选址。其中,通过电动车辆的轨迹数据进行移动换电车服务网点的选址,充分考虑了车辆换电需求发生地点,有效满足用户换电需求;移动换电车的成本更低,其设置数量相对于充电站或换电站更多,可以满足电动车的快速发展,加速电动汽车产业发展。基于移动换电车服务网点,以建站最少,覆盖最广为目的提供换电站选址方法,可减少换电站建站成本,为网点提供及时可达的送电服务。此外,为移动换电网络服务的电池调度方法,可以减少电池资源的闲置浪费,能够快速的调配电池资源,提高用户服务质量。
Description
技术领域
本发明涉及电动车辆换电技术领域,具体而言,涉及一种移动换电网络选址方法、电池调度方法、装置及系统。
背景技术
现有的电动汽车供电方式可分为充电和换电两种。在电动汽车充电领域,大多研究聚焦于充电站选址,通常是根据最小成本进行选址,以最大利润为目标来规划最佳的充电操作。在电动汽车换电领域,大多数研究也是根据最小成本为换电站选址,研究人员主要关注换电站的优化运行,并研究电池更换调度机制来解决电池更换拥塞问题。
电动汽车的换电模式需要建立相应的换电站网络,而建立换电站网络,由于工程投入太大,建站成本高,短时间全面启动困难。对于换电站的选址,以最小成本为目标缺乏对用户需求的考虑,而且可能不符合现实条件,比如用户可能花费大量的时间成本前往换电站。
发明内容
本发明解决的是换电站的选址方式无法有效满足电动汽车用户的充电需求的问题。
为解决上述问题,本发明提供了一种移动换电网络选址方法,所述方法包括:获取电动车辆的轨迹数据;根据所述轨迹数据确定所述电动车辆的速度信息;将所述速度信息输入用电量模型确定所述电动车辆的电量状态,结合所述轨迹数据得到所述电动车辆的换电需求点;根据聚类算法对所述换电需求点进行聚类,得到的聚类结果作为移动换电车服务网点的选址地点。
可选地,所述获取电动车辆的轨迹数据,包括:获取电动车辆的定位数据和路网数据;根据地图匹配算法将所述定位数据映射到所述路网数据对应的路网中,得到所述电动车辆的实际轨迹数据。
可选地,所述将所述速度信息输入用电量模型确定所述电动车辆的电量状态,结合所述轨迹数据得到所述电动车辆的换电需求点,包括:将所述速度信息输入电力消耗率模型,计算得到所述电动车辆的剩余电量与轨迹点的对应关系;确定与预设电量阈值相等的所述剩余电量在所述轨迹数据中对应的轨迹点,作为所述电动车辆的换电需求点。
可选地,所述方法还包括:根据聚类算法对所述移动换电车服务网点的选址地点进行聚类,得到的聚类结果作为换电站的候选选址地点;将所述候选选址地点输入位置优化模型,得到所述换电站的选址地点;所述位置优化模型用于最小化需要部署的换电站数量。
可选地,所述位置优化模型具有以下约束:每个换电站所覆盖的移动换电车服务网点数量等于或大于阈值;移动换电车服务网点的实际覆盖率等于或大于移动换电车服务网点的期望覆盖率;任意两个换电站之间的距离等于或大于换电站之间的服务半径。
本发明提供一种基于移动换电站系统的电池调度方法,所述移动换电站系统包括调度中心、换电站及移动换电车,所述方法包括:若移动换电车接收到电动车辆的换电请求,则判断所述移动换电车内是否有满足预设电量的电池;若否,则向所述调度中心或所述换电站发送送电请求;所述调度中心或所述换电站根据电池交付时间最短原则确定目标换电站;将送电指令发送至所述目标换电站,以使所述目标换电站执行送电操作。
可选地,所述换电站设置有排队网络;所述排队网络包括正在充电的电池队列、充满电的电池队列以及换电服务请求队列;所述方法还包括:根据所述排队网络确定所述换电站下一块空闲电池的等待时长。
本发明提供一种移动换电网络选址装置,所述装置包括:轨迹获取模块,用于获取电动车辆的轨迹数据;速度计算模块,用于根据所述轨迹数据确定所述电动车辆的速度信息;换电需求点确定模块,用于将所述速度信息输入用电量模型确定所述电动车辆的电量状态,结合所述轨迹数据得到所述电动车辆的换电需求点;选址模块,用于根据聚类算法对所述换电需求点进行聚类,得到的聚类结果作为移动换电车服务网点的选址地点。
本发明提供一种基于移动换电站系统的电池调度装置,所述移动换电站系统包括调度中心、换电站及移动换电车,所述装置包括:换电请求模块,用于若移动换电车接收到电动车辆的换电请求,则判断所述移动换电车内是否有满足预设电量的电池;请求发送模块,用于若否,则向所述调度中心或所述换电站发送送电请求;调度模块,用于所述调度中心或所述换电站根据电池交付时间最短原则确定目标换电站;送电模块,用于将送电指令发送至所述目标换电站,以使所述目标换电站执行送电操作。
本发明提供一种移动换电站系统,包括调度中心、换电站及移动换电车;所述调度中心和/或所述换电站用于执行上述方法。
本发明实施例通过电动车辆的轨迹数据进行移动换电车服务网点的选址,充分考虑了车辆充电或换电需求发生地点,有效满足用户充电或换电需求;移动换电车的成本更低,其设置数量相对于充电站或换电站更多,可以满足电动车的快速发展,加速电动汽车产业发展。
本发明实施例基于移动换电车服务网点,以建站最少,覆盖最广为目的提供换电站选址方法,可减少换电站建站成本,为网点提供及时可达的送电服务。此外,为移动换电网络服务的电池调度方法,可以减少电池资源的闲置浪费,能够快速的调配电池资源,提高用户服务质量。
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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的移动换电网络的结构示意图;
图2为本发明实施例提供的一种移动换电网络选址方法的流程示意图;
图3为本发明实施例提供的另一种移动换电网络选址方法的流程示意图;
图4为本发明实施例提供的一种基于移动换电站系统的电池调度方法的流程示意图;
图5为本发明实施例提供的单个换电站的排队网络的示意图;
图6为本发明实施例提供的一种移动换电网络选址装置的结构示意图;
图7为本发明实施例提供的另一种移动换电网络选址装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
现有换电站的选址方式,以最小成本为目标缺乏对用户需求的考虑,无法有效满足用户的充电需求。进一步,换电站的优化运行只局限于单个换电站,电池更换拥塞问题只能在各自的换电站中解决,缺乏对多个换电站的电池进行调度分配的机制。
图1示出了本发明实施例提供的移动换电网络的结构示意图。整个网络可以分为三层结构,包括移动换电车服务网点、换电站和调度中心。
其中,每个移动换电车服务网点拥有一辆移动换电车,移动换电车可为电动汽车更换电池。移动换电车服务网点根据车辆轨迹数据确定,在车辆轨迹集中的地方部署移动换电车可以保证电动汽车就近、快捷、可靠换电并即刻上路,不会缺电停驶,无需前往换电站,不影响用户体验。此外,移动换电车可根据调度中心的动态指挥调度,及时向特定地点提供机动性、应急性送电服务。
换电站的主要作用是为电动车辆进行换电服务,还包括电池充电和移动换电车服务网点的送电。换电站与移动换电车服务网点之间的送电,采用送电车送电方式。
调度中心负责电池资源的调度。当某个移动换电车服务网点需要更新电池时,调度中心会优先去找最近的换电站,若该换电站有闲置的满电量电池则通过送电车进行配送,否则在一定距离范围内依次去找其他的换电站。同时调度中心还可以对电池进行统筹,与新能源发电厂进行电池充电协调,以实现减碳的目的。
参见图2所示的本实施例中一种移动换电网络选址方法的流程示意图,该方法包括以下步骤:
S202,获取电动车辆的轨迹数据。
本实施例中为提高移动换电车服务网点对电动车辆充电需求的满足能力,可以预先收集多个电动车辆的轨迹数据作为选址的数据样本。
该轨迹数据可以是电动车辆在实际路网中的真实轨迹。由于电动车辆的定位装置获取的定位数据存在噪声或错误,可以对车辆的定位数据映射至现实的路网地图中。具体地,可以获取电动车辆的定位数据和路网数据;然后,根据地图匹配算法将上述定位数据映射到路网数据对应的路网中,得到电动车辆的实际轨迹数据。地图匹配是指把车辆的轨迹和电子地图数据库中的道路网进行比较,在地图上找出与轨迹最相近的路线,并将其映射到地图上。
S204,根据上述轨迹数据确定电动车辆的速度信息。该速度信息可以是车辆速度、车辆加速度。
在地图匹配后得到了电动车辆的轨迹,再在轨迹点上按序加上时间信息,即可以根据轨迹点和对应时间计算其平均速度和平均加速度。
S206,将速度信息输入用电量模型确定电动车辆的电量状态,结合轨迹数据得到电动车辆的换电需求点。
为了提高移动换电车的服务效率,需要确定电动车辆的电力消耗情况,以进一步确定该电动车辆出现换电需求的位置,即换电需求点。
在本实施例中,可以基于速度信息及用电量模型计算出车辆的电量状态,该电量状态可以用荷电状态(State Of Charge,SOC)表示,其数值上定义为剩余容量占电池容量的比值。电动汽车的电池的SOC会随着行驶而降低,假设电动车辆用户在电池的SOC低于阈值(阈值为百分比,例如10%)时请求更换电池,此时电动车辆的坐标即为换电需求点。需要说明的是,电动车辆的电池的初始SOC为100%,例如以电动车辆的电池充满电或者电动车辆换电完毕作为计算电量状态的起始点。
示例性地,上述用电量模型可以采用电力消耗率(ECR)模型。具体地,将速度信息输入电力消耗率模型,计算得到电动车辆的剩余电量与轨迹点的对应关系;确定与该预设电量阈值相等的剩余电量在上述轨迹数据中对应的轨迹点,作为电动车辆的换电需求点。电动车辆的剩余电量随着轨迹的不断延伸而下降,在该剩余电量下降至小于预设电量阈值时,表示电动车辆出现换电需求,此时该电动车辆的坐标即为换电需求点。
S208,根据聚类算法对换电需求点进行聚类,得到的聚类结果作为移动换电车服务网点的选址地点。
对多个电动车辆的换电需求点,按照聚类算法进行聚类,得到上述多个换电需求点的聚类结果,将其作为移动换电车服务网点的选址地点。例如,K-means聚类算法,层次聚类(Hierarchical clustering)算法等。
考虑到移动换电车的成本相对于换电站来说是非常低的,所有这里可以不考虑成本优化,将聚类得到的全部点均作为移动换电车服务网点的选址地点,移动换电车服务网点越多相应的服务质量也越高。
本实施例提供的移动换电网络选址方法,通过电动车辆的轨迹数据进行移动换电车服务网点的选址,充分考虑了车辆充电或换电需求发生地点,有效满足用户充电或换电需求;移动换电车的成本更低,其设置数量相对于充电站或换电站更多,可以满足电动车的快速发展,加速电动汽车产业发展。
参见图3所示的本实施例中另一种移动换电网络选址方法的流程示意图,该方法包括以下步骤:
S301,车辆轨迹映射。
例如,采用地图匹配算法将原始的全球定位系统(Global Positioning System,GPS)轨迹数据映射到地图中的路网。由于GPS测量中存在噪声和错误,且根据当地商业用途政策和法规的移位要求等因素,采样的GPS数据并不总是位于实际道路上。为了将原始的GPS轨迹数据映射到现实的路网地图中,使用开源的地图匹配算法LeuvenMapMatching,其基于隐马尔科夫原理将GPS测量值与地图上的位置对齐。由此得到车辆在实际路网中的真实轨迹,可记为:
需要说明的是,地图匹配算法也可以采用noiseplanet,Fast Map Matching等算法。
S302,车速估算。
以某城市的移动换电车服务网点的选址为例,需要知道这个城市所有电动汽车一天的电力需求。由于无法直接获取到所有电动汽车的实时电量和轨迹数据,这里利用电动汽车的轨迹数据通过模型计算出每个车辆的电量状态SOC。假设电动汽车用户在电池的SOC低于阈值时请求更换电池,电动汽车的电池的SOC会随着行驶而降低,因此可以在SOC低于电量阈值时确定电动汽车需要换电。
本实施例中可以对电动汽车电池的电力消耗率(ECR)进行建模,影响电动汽车ECR的最相关因素是瞬时速度和加速度。ECR模型电量的计算需要获取每辆汽车在行驶过程中的速度和加速度,由于在地图匹配步骤中得到了电动汽车的轨迹,再在轨迹点上按序加上时间信息,可以根据它们的轨迹点和对应时间计算其平均速度和平均加速度公式如下:
S303,电量计算。
可以根据ECR模型计算电量消耗,公式如下:
其中,vi表示速度,ai表示加速度,mi,j表示减速的相关系数,Vsp表示初始SOC值,c1和c0表示巡航的相关系数。
电动汽车的SOC计算公式如下:
S304,确定换电需求点。
S305,移动换电车服务网点选址确定。
由换电需求点在地图上的分布,可以采用K-means聚类算法。首先随机选择产生电池更换需求的K个位置作为K个初始质心,将其他需求位置划分到质心最近的集群中;然后更新质心。重复这个过程,直到所有的质心都固定下来,那么这些点就是移动换电车服务网点的选址点。由于移动换电车的成本较低,所有这里可以不需要考虑成本优化,将聚类得到的全部质心均作为移动换电车服务网点的选址点,移动换电车服务网点越多相应的服务质量也越高。
在得到上述移动换电车服务网点的地址后,还可以进一步确定换电站的选址地点。基于此,上述方法还可以包括以下步骤:
首先,根据聚类算法对移动换电车服务网点的选址地点进行聚类,得到的聚类结果作为换电站的候选选址地点。
然后,将候选选址地点输入位置优化模型,得到换电站的选址地点。
该位置优化模型用于最小化需要部署的换电站数量。基于移动换电车服务网点,以建站最少,覆盖最广为目的提供换电站选址方法,可减少换电站建站成本,为网点提供及时可达的送电服务。可选地,位置优化模型具有以下约束:每个换电站所覆盖的移动换电车服务网点数量等于或大于阈值;移动换电车服务网点的实际覆盖率等于或大于移动换电车服务网点的期望覆盖率;任意两个换电站之间的距离等于或大于换电站之间的服务半径。
对于换电站的多个候选选址地点,通过位置优化模型使得部署最少数量的换电站来覆盖具有一定服务半径的移动换电车服务网点。由于换电站建站成本较高,越小数量的换电站相应成本越小。示例性地,位置优化模型是基于位置集合覆盖模型(Location SetCovering problem,LSCP),LSCP是一个经典的设施位置模型,主要用于解决消防站和救护车等的应急服务设施的选址问题。
具体地,上述位置优化模型由一个目标和几个约束组成,优化模型中的所有参数见表1。
优化模型目标:
该优化模型的目标是最小化要部署的换电站数量,公式如下:
优化模型约束:
约束1:每个换电站所覆盖的移动换电车服务网点数量都应等于或大于特定值L,公式如下:
约束2:移动换电车服务网点的实际覆盖率应等于或优于移动换电车服务网点的期望覆盖率,公式如下:
约束3:任意两个换电站之间的距离应当等于或大于换电站之间的服务半径,以避免任意两个换电站之间的竞争,公式如下:
其中,三个参数Q,R,L是需要设定的,详细见表1。此外,采用了贪心算法来求解这个优化模型,其目标是将那些能够覆盖移动换电车服务网点最多的候选换电站作为换电站的选址。
表1
参见图4所示的本实施例中一种基于移动换电站系统的电池调度方法的流程示意图,该移动换电站系统包括调度中心、换电站及移动换电车,上述方法包括以下步骤:
S402,若移动换电车接收到电动车辆的换电请求,则判断移动换电车内是否有满足预设电量的电池。
当一辆需要更换电池的电动汽车驶入移动换电车服务网点时,首先该网点会向调度中心发出换电请求,调度中心收到换电请求后,先判断该网点是否有SOC=1(满电量)的电池。若存在符合的电池则在移动换电车服务网点进行换电操作,否则向调度中心提出送电请求。可选地,由调度中心管理移动换电车服务网点和换电站的电池,或者,由调度中心管理所有换电站,换电站管理其服务半径内的移动换电车服务网点。
S404,若移动换电车内无满足预设电量的电池,则向调度中心或换电站发送送电请求。
S406,调度中心或换电站根据电池交付时间最短原则确定目标换电站。
当调度中心或换电站收到送电请求,可以检查该网点附近的几个换电站,选出电池交付时间最短的换电站为网点提供送电服务。
S408,将送电指令发送至目标换电站,以使目标换电站执行送电操作。
S410,目标换电站送电至移动换电车。
本实施例提供的基于移动换电站系统的电池调度方法,采用集中管理电池的策略,可以减少电池资源的闲置浪费,能够快速地调配电池资源,提高了用户服务质量。
考虑到电池更好地管理和分配,可以电池统一由调度中心管理,换电站不管理其服务半径内移动换电车服务网点的电池,换电站只是更便捷的为其服务半径内的移动换电车服务网点提供送电服务。调度中心负责换电站和移动换电车服务网点的所有电池的管理,调度中心根据每个换电站和移动换电车服务网点的日常电池需求分配电池数量。因此,调度中心所需的电池总数应等于或大于每天所有换电站和移动换电车服务网点所需电池总数的最大值,如下:
其中,d表示换电站和网点服务的第d天,Nd表示服务的总天数;i表示第i个换电站,Ni表示换电站的总数;NB(di)表示第d天第i个换电站需要的电池数量;j表示第j个移动换电车服务网点,Nj表示移动换电车服务网点的总数;Nw(dj)表示第d天第j个移动换电车服务网点需要的电池数量。
送电车用于在换电站和移动换电车服务网点之间运输电池,一旦网点有电池更新的需求,相应的换电站将检查自己的可用电池数量,再向网点派送电池。因此第i个换电站电池的交付时间DTi由两部分组成,即下一块空闲电池的等待时间WTi(若有可用的电池,则WTi=0)和从换电站到网点的实际行驶时间TTi,如下:
每个换电站都承载着换电、送电和充电等功能,且都有一个电池更换排队网络,决定了电池等待时间WT。一个单独的换电站可以建模为一个耦合排队网络,包括正在充电的电池队列、充满电的电池队列以及换电服务请求队列。基于此,上述方法还可以包括:根据上述排队网络确定换电站下一块空闲电池的等待时长。
图5示出了本实施例中单个换电站的排队网络的示意图。
其中,A1(t)表示在t时间来换电站换电的用户数量,然后这些用户将进入Q1(t)队列,Q1(t)代表最大长度为M的用户等待队列,若当新用户到达时发现Q1(t)已满,则该换电站可采用移动换电车服务网点申请送电的规则,向调度中心申请送电服务。A2(t)为送电车送完电池后回收低SOC的电池数量。Q2(t)队列为低SOC电池队列,当该队列未满时,会依次接收A2(t)的低SOC电池,若(F(t)-Q3(t))>0即有空闲可用电池时,Q1(t)的低SOC电池也会进入Q2(t)。
在Q1队列中的低SOC电池进入Q2的时候,也会以请求的形式依次进入Q3队列,同时若有移动换电车网点的请求也会按序进入Q3,Q3队列是一个基于先来先服务的服务请求队列,可以保证在有可用电池的情况下依次响应请求。无论是换电站的换电请求还是网点的送电请求,都能保证依次进行换电或送电服务。Q1队列、Q2队列、Q1队列通过交换设备(swapdevice)交互。
R(t)为t时刻正在充电的队列,当R队列未满时,会从Q2队列依次取出低SOC电池进入R队列进行充电。F(t)为充满电后的电池队列,当F队列不为空时,会使Q3队列按先进先出的原则响应请求,根据请求的类型,分别进行换电和送电服务。R(t)与F(t)组成电池库存(Battery inventory),电池在充电槽(Charging slots)内充电。该换电站的电池总数B如下式:
B=R(t)+F(t)+C(t)(12)
其中C(t)为Q2(t)中属于送电车回收的电池数量。
此外,还可以得出每个换电站下一块空闲电池的等待时间WT,公式如下:
其中,Tc小于等于电池SOC=0到SOC=1的充电时间。
本发明实施例提供一种基于轨迹数据的移动换电网络,更符合用户需求,相对于换电网络成本更低,遍布城市的移动网络可以满足电动汽车的快速发展,可以加速发展电动汽车产业。集中管理电池的策略,可以减少电池资源的闲置浪费,能够快速的调配电池资源,以提高用户服务质量。
本发明实施例提供一种移动换电站系统,包括调度中心、换电站及移动换电车;调度中心和/或换电站用于执行上述电池调度方法。该移动换电站系统提供了一种可行的供电新模式以促进换电模式的新发展,并提供相应的电池调度策略,为新能源汽车中的换电模式的发展提供理论参考和科学依据。
图6是本发明实施例中一种移动换电网络选址装置的结构示意图,所述装置包括:
轨迹获取模块601,用于获取电动车辆的轨迹数据;
速度计算模块602,用于根据所述轨迹数据确定所述电动车辆的速度信息;
换电需求点确定模块603,用于将所述速度信息输入用电量模型确定所述电动车辆的电量状态,结合所述轨迹数据得到所述电动车辆的换电需求点;
选址模块604,用于根据聚类算法对所述换电需求点进行聚类,得到的聚类结果作为移动换电车服务网点的选址地点。
本实施例提供的移动换电网络选址装置,通过电动车辆的轨迹数据进行移动换电车服务网点的选址,充分考虑了车辆充电或换电需求发生地点,有效满足用户充电或换电需求;移动换电车的成本更低,其设置数量相对于充电站或换电站更多,可以满足电动车的快速发展,加速电动汽车产业发展。
可选地,所述轨迹获取模块,具体用于:获取电动车辆的定位数据和路网数据;根据地图匹配算法将所述定位数据映射到所述路网数据对应的路网中,得到所述电动车辆的实际轨迹数据。
可选地,所述换电需求点确定模块,具体用于:将所述速度信息输入电力消耗率模型,计算得到所述电动车辆的剩余电量与轨迹点的对应关系;确定与预设电量阈值相等的所述剩余电量在所述轨迹数据中对应的轨迹点,作为所述电动车辆的换电需求点。
可选地,所述选址模块,还用于:根据聚类算法对所述移动换电车服务网点的选址地点进行聚类,得到的聚类结果作为换电站的候选选址地点;将所述候选选址地点输入位置优化模型,得到所述换电站的选址地点;所述位置优化模型用于最小化需要部署的换电站数量。
可选地,所述位置优化模型具有以下约束:每个换电站所覆盖的移动换电车服务网点数量等于或大于阈值;移动换电车服务网点的实际覆盖率等于或大于移动换电车服务网点的期望覆盖率;任意两个换电站之间的距离等于或大于换电站之间的服务半径。
图7是本发明实施例中一种移动换电网络选址装置的结构示意图,所述移动换电站系统包括调度中心、换电站及移动换电车,所述装置包括:
换电请求模块701,用于若移动换电车接收到电动车辆的换电请求,则判断所述移动换电车内是否有满足预设电量的电池;
请求发送模块702,用于若否,则向所述调度中心或所述换电站发送送电请求;
调度模块703,用于所述调度中心或所述换电站根据电池交付时间最短原则确定目标换电站;
送电模块704,用于将送电指令发送至所述目标换电站,以使所述目标换电站执行送电操作。
本实施例提供的基于移动换电站系统的电池调度装置,采用集中管理电池的策略,可以减少电池资源的闲置浪费,能够快速地调配电池资源,提高了用户服务质量。
可选地,所述换电站设置有排队网络;所述排队网络包括正在充电的电池队列、充满电的电池队列以及换电服务请求队列;所述装置还包括等待时长确定模块,用于:根据所述排队网络确定所述换电站下一块空闲电池的等待时长。
本领域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,是可以通过计算机程度来指令控制装置来完成,所述的程序可存储于一计算机可读取的存储介质中,所述程序在执行时可包括如上述各方法实施例的流程,其中所述的存储介质可为存储器、磁盘、光盘等。
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。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种移动换电网络选址方法,其特征在于,所述方法包括:
获取电动车辆的轨迹数据;
根据所述轨迹数据确定所述电动车辆的速度信息;
将所述速度信息输入用电量模型确定所述电动车辆的电量状态,结合所述轨迹数据得到所述电动车辆的换电需求点;
根据聚类算法对所述换电需求点进行聚类,得到的聚类结果作为移动换电车服务网点的选址地点。
2.根据权利要求1所述的方法,其特征在于,所述获取电动车辆的轨迹数据,包括:
获取电动车辆的定位数据和路网数据;
根据地图匹配算法将所述定位数据映射到所述路网数据对应的路网中,得到所述电动车辆的实际轨迹数据。
3.根据权利要求1所述的方法,其特征在于,所述将所述速度信息输入用电量模型确定所述电动车辆的电量状态,结合所述轨迹数据得到所述电动车辆的换电需求点,包括:
将所述速度信息输入电力消耗率模型,计算得到所述电动车辆的剩余电量与轨迹点的对应关系;
确定与预设电量阈值相等的所述剩余电量在所述轨迹数据中对应的轨迹点,作为所述电动车辆的换电需求点。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据聚类算法对所述移动换电车服务网点的选址地点进行聚类,得到的聚类结果作为换电站的候选选址地点;
将所述候选选址地点输入位置优化模型,得到所述换电站的选址地点;所述位置优化模型用于最小化需要部署的换电站数量。
5.根据权利要求4所述的方法,其特征在于,所述位置优化模型具有以下约束:
每个换电站所覆盖的移动换电车服务网点数量等于或大于阈值;
移动换电车服务网点的实际覆盖率等于或大于移动换电车服务网点的期望覆盖率;
任意两个换电站之间的距离等于或大于换电站之间的服务半径。
6.一种基于移动换电站系统的电池调度方法,其特征在于,所述移动换电站系统包括调度中心、换电站及移动换电车,所述方法包括:
若移动换电车接收到电动车辆的换电请求,则判断所述移动换电车内是否有满足预设电量的电池;
若否,则向所述调度中心或所述换电站发送送电请求;
所述调度中心或所述换电站根据电池交付时间最短原则确定目标换电站;
将送电指令发送至所述目标换电站,以使所述目标换电站执行送电操作。
7.根据权利要求6所述的方法,其特征在于,所述换电站设置有排队网络;所述排队网络包括正在充电的电池队列、充满电的电池队列以及换电服务请求队列;所述方法还包括:
根据所述排队网络确定所述换电站下一块空闲电池的等待时长。
8.一种移动换电网络选址装置,其特征在于,所述装置包括:
轨迹获取模块,用于获取电动车辆的轨迹数据;
速度计算模块,用于根据所述轨迹数据确定所述电动车辆的速度信息;
换电需求点确定模块,用于将所述速度信息输入用电量模型确定所述电动车辆的电量状态,结合所述轨迹数据得到所述电动车辆的换电需求点;
选址模块,用于根据聚类算法对所述换电需求点进行聚类,得到的聚类结果作为移动换电车服务网点的选址地点。
9.一种基于移动换电站系统的电池调度装置,其特征在于,所述移动换电站系统包括调度中心、换电站及移动换电车,所述装置包括:
换电请求模块,用于若移动换电车接收到电动车辆的换电请求,则判断所述移动换电车内是否有满足预设电量的电池;
请求发送模块,用于若否,则向所述调度中心或所述换电站发送送电请求;
调度模块,用于所述调度中心或所述换电站根据电池交付时间最短原则确定目标换电站;
送电模块,用于将送电指令发送至所述目标换电站,以使所述目标换电站执行送电操作。
10.一种移动换电站系统,其特征在于,包括调度中心、换电站及移动换电车;
所述调度中心和/或所述换电站用于执行所述权利要求6-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210461798.4A CN114626762B (zh) | 2022-04-28 | 2022-04-28 | 移动换电网络选址方法、电池调度方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210461798.4A CN114626762B (zh) | 2022-04-28 | 2022-04-28 | 移动换电网络选址方法、电池调度方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114626762A true CN114626762A (zh) | 2022-06-14 |
CN114626762B CN114626762B (zh) | 2023-04-07 |
Family
ID=81905917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210461798.4A Active CN114626762B (zh) | 2022-04-28 | 2022-04-28 | 移动换电网络选址方法、电池调度方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114626762B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115759887A (zh) * | 2023-01-10 | 2023-03-07 | 佰聆数据股份有限公司 | 一种基于多维度的充电站选址智能测评方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101823473A (zh) * | 2010-05-31 | 2010-09-08 | 团国兴 | 利用移动换电车对电动汽车移动换电的系统 |
CN102722767A (zh) * | 2012-07-02 | 2012-10-10 | 山东鲁能智能技术有限公司 | 电动汽车充换电站布点规划系统及方法 |
CN106599390A (zh) * | 2016-11-23 | 2017-04-26 | 国网浙江省电力公司电动汽车服务分公司 | 一种计及电动出租车时空随机特性的充电负荷的计算方法 |
CN107016451A (zh) * | 2016-10-11 | 2017-08-04 | 蔚来汽车有限公司 | 基于聚类分析的换电站选址方法 |
CN108366134A (zh) * | 2018-04-12 | 2018-08-03 | 中国计量大学 | 一种基于物联网的能源快速补给方法及系统 |
CN109391023A (zh) * | 2017-08-08 | 2019-02-26 | 鼎岳科技股份有限公司 | 电池管理方法 |
CN109583650A (zh) * | 2018-11-30 | 2019-04-05 | 浙江工商大学 | 一种电动车换电站选址和物流配送联合调度的方法 |
CN109583136A (zh) * | 2018-12-28 | 2019-04-05 | 上海电力学院 | 基于可调度潜力的电动汽车充换储一体站模型建立方法 |
CN113283754A (zh) * | 2021-05-27 | 2021-08-20 | 哈尔滨工业大学(深圳) | 一种车站选址方法、装置、计算设备和存储介质 |
-
2022
- 2022-04-28 CN CN202210461798.4A patent/CN114626762B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101823473A (zh) * | 2010-05-31 | 2010-09-08 | 团国兴 | 利用移动换电车对电动汽车移动换电的系统 |
CN102722767A (zh) * | 2012-07-02 | 2012-10-10 | 山东鲁能智能技术有限公司 | 电动汽车充换电站布点规划系统及方法 |
CN107016451A (zh) * | 2016-10-11 | 2017-08-04 | 蔚来汽车有限公司 | 基于聚类分析的换电站选址方法 |
CN106599390A (zh) * | 2016-11-23 | 2017-04-26 | 国网浙江省电力公司电动汽车服务分公司 | 一种计及电动出租车时空随机特性的充电负荷的计算方法 |
CN109391023A (zh) * | 2017-08-08 | 2019-02-26 | 鼎岳科技股份有限公司 | 电池管理方法 |
CN108366134A (zh) * | 2018-04-12 | 2018-08-03 | 中国计量大学 | 一种基于物联网的能源快速补给方法及系统 |
CN109583650A (zh) * | 2018-11-30 | 2019-04-05 | 浙江工商大学 | 一种电动车换电站选址和物流配送联合调度的方法 |
CN109583136A (zh) * | 2018-12-28 | 2019-04-05 | 上海电力学院 | 基于可调度潜力的电动汽车充换储一体站模型建立方法 |
CN113283754A (zh) * | 2021-05-27 | 2021-08-20 | 哈尔滨工业大学(深圳) | 一种车站选址方法、装置、计算设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115759887A (zh) * | 2023-01-10 | 2023-03-07 | 佰聆数据股份有限公司 | 一种基于多维度的充电站选址智能测评方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114626762B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN207106202U (zh) | 基于移动互联网的汽车综合补能系统 | |
Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
CN110110993B (zh) | 一种为电动汽车提供充电服务的调度系统 | |
JP6183539B2 (ja) | 作業員管理装置、作業員管理システム及び作業員管理方法 | |
WO2022242579A1 (zh) | 兼容储能充电桩的电动运载工具电量路径规划方法 | |
CN107392336B (zh) | 智能交通中基于预约的分布式电动汽车充电调度方法 | |
CN112193116B (zh) | 一种考虑奖励机制的电动汽车充电优化引导策略 | |
WO2021036132A1 (zh) | 一种无人驾驶车辆群组的充电调度方法和云管理服务器 | |
JP5776017B2 (ja) | 蓄電池充電計画支援システム | |
JP2012073979A (ja) | Ev車の配車・運行管理システム | |
CN108944500B (zh) | 一种分布式站点联合控制的电动汽车充电调度方法 | |
WO2018232926A1 (zh) | 一种预约泊车的调度方法及系统 | |
JP2014532390A (ja) | 電気自動車を充電する方法およびシステム | |
CN111391692B (zh) | 基于车舱温度全过程差异化控制的电动汽车集群有序充放电调度系统及其方法 | |
CN112308389A (zh) | 基于云计算的电动汽车有序充电调度系统及方法 | |
KR20150042889A (ko) | 전기자동차를 이용하여 운행서비스를 제공하는 차량 배차 시스템 및 배차 방법 | |
Krueger et al. | Multi-layer event-based vehicle-to-grid (V2G) scheduling with short term predictive capability within a modular aggregator control structure | |
CN114626762B (zh) | 移动换电网络选址方法、电池调度方法、装置及系统 | |
CN112729324B (zh) | 基于互助出行系统的电动汽车充电引导和路径规划方法 | |
JP2021002216A (ja) | 配車管理方法、及び配車管理装置 | |
Liu et al. | Reservation-based EV charging recommendation concerning charging urgency policy | |
CN108133329B (zh) | 考虑充电反馈效应的电动汽车出行与充电需求分析方法 | |
El-Fedany et al. | A smart coordination system integrates MCS to minimize EV trip duration and manage the EV charging, mainly at peak times | |
CN116090646A (zh) | 一种用于室内停车场的最佳泊位求解方法及停车引导系统 | |
JP2021002940A (ja) | エネルギマネージメント方法、及びエネルギマネージメント装置 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20220614 Assignee: Beijing Wuwei Zhixin Technology Co.,Ltd. Assignor: Beijing University of Civil Engineering and Architecture Contract record no.: X2023980037423 Denomination of invention: Location selection method, battery scheduling method, device and system for mobile power exchange network Granted publication date: 20230407 License type: Common License Record date: 20230703 |