CN115204513A - 一种考虑双边利益的电动汽车充电多目标引导方法 - Google Patents
一种考虑双边利益的电动汽车充电多目标引导方法 Download PDFInfo
- Publication number
- CN115204513A CN115204513A CN202210903371.5A CN202210903371A CN115204513A CN 115204513 A CN115204513 A CN 115204513A CN 202210903371 A CN202210903371 A CN 202210903371A CN 115204513 A CN115204513 A CN 115204513A
- Authority
- CN
- China
- Prior art keywords
- charging
- charging station
- electric vehicle
- time
- cost
- 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 39
- 230000008901 benefit Effects 0.000 title claims abstract description 13
- 230000002146 bilateral effect Effects 0.000 title claims abstract description 11
- 238000009472 formulation Methods 0.000 claims abstract description 14
- 239000000203 mixture Substances 0.000 claims abstract description 14
- 230000005611 electricity Effects 0.000 claims abstract description 8
- 238000005265 energy consumption Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012821 model calculation Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims 1
- 230000011218 segmentation Effects 0.000 description 7
- 230000009467 reduction Effects 0.000 description 4
- 238000013016 damping Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种考虑双边利益的电动汽车充电多目标引导方法,该方法兼顾充电站和用户的利益,构造多目标函数制定充电价格,计算用户充电成本和行驶成本,建立电动汽车充电路径规划模型。包括如下步骤:获取充电站服务信息;建立基于RF‑Spearman综合赋权的多目标充电价格制定模型;获取交通路况信息、电动汽车出行信息;建立电动汽车用电预警模型;建立电动汽车充电路径规划模型。本发明既能够满足用户出行需求,又能够提高充电站运营商收益,实现充电站间的设备利用率均衡分布。
Description
技术领域
本发明涉及充电站定价和电动汽车充电引导技术领域,特别涉及一种考虑双边利益的电动汽车充电多目标引导方法。
背景技术
电动汽车销量的快速增长极大地促进了充电站、充电桩数量的增长,然而充电站的分布与充电需求的分布并不完全匹配,在电动汽车无序充电下,充电站设备利用率不均衡、用户排队时间过长等成为亟待解决的问题。传统的充电价格制定方法虽然可以增加充电站收益、减少用户充电成本,但不能有效地改善充电拥挤和充电不均衡状况,充电引导方法则主要结合交通路网信息研究,对电价信息不够敏感。
发明内容
本发明针对现有技术中的不足,提供一种考虑双边利益的电动汽车充电多目标引导方法;以解决现有技术存在的上述问题。本发明的充电定价方法兼顾充电站和用户的利益,本发明的充电引导方法考虑充电定价方法制定的充电价格,考虑用户充电成本和行驶成本,既能够满足用户出行需求,又能够提高充电站运营商收益,实现充电站间的设备利用率均衡分布。
为实现上述目的,本发明采用以下技术方案:
一种考虑双边利益的电动汽车充电多目标引导方法,包括以下步骤:
S1:实时获取充电站服务信息;
S2:根据获取的充电站服务信息,建立基于RF-Spearman综合赋权的多目标充电价格制定模型,通过该模型制定充电站各时段的充电价格;
S3:实时获取交通路况信息、电动汽车出行信息;
S4:根据获取的交通路况信息中的各道路速度、能耗参数以及电动汽车出行信息,建立电动汽车用电预警模型,通过该模型确定当达到预警条件时,进行电量预警;
S5:当有电量预警时,根据获取的交通路况信息和电动汽车出行信息,并结合步骤S2制定的充电站各时段的充电价格,对有充电需求的电动汽车建立电动汽车充电路径规划模型,选择最佳充电站,规划最优充电路径。
为优化上述技术方案,采取的具体措施还包括:
进一步地,步骤S2中所述根据获取的充电站服务信息,建立基于RF-Spearman综合赋权的多目标充电价格制定模型的具体内容为:
S2.1:计算充电站k的总收益f1
式中,M、T分别为到充电站k充电的电动汽车总数和第j辆电动汽车充电的时段数;i0为第j辆电动汽车充电起始时段;ck(i)、ckb(i)分别为充电站k在i时段的充电价格和购电价格;Pj,k(i)为到充电站k充电的第j辆车在i时段的充电功率;t为各时段时长;
S2.2:计算充电站k的设备利用均衡率f2
式中,Nt为总时段数;K为区域内充电站总数;zk为充电站k内的充电桩数;
S2.3:计算在充电站k充电的用户总充电费用f3
S2.4:计算在充电站k充电的用户排队时长f4
式中,Tw,k(j)为第j辆电动汽车的排队时长;
S2.6:构造多目标充电价格制定模型的目标函数F1:
式中f1m、f2m、f3m、f4m分别为充电价格优化前的各目标函数值;
S2.7:构造多目标充电价格制定模型的约束条件:
充电价格约束为:
ck,min(i)≤ck(i)≤ck,max(i)
电动汽车充电功率约束:
0≤Pj,k(i)≤Pj,k max(i)
式中,ck,min(i)、ck,max(i)分别为充电站k的充电价格上、下限;Pj,k max(i)为电动汽车最大充电功率;SOCj、SOCj,end分别为电动汽车充电开始和结束时的荷电状态;Ej,B为电池容量;η为充电效率;
根据步骤S2.6确定的目标函数F1以及步骤S2.7确定的约束条件即可构建多目标充电价格制定模型。
S2.5.1:RFC模型计算制定充电价格考虑因素f1-f4的初始权重向量W1;
S2.5.2:Spearman相关性计算各因素间f1-f4相关系数,得到直接影响矩阵B=(bij)l×l;
S2.5.3:计算规范化直接影响矩阵G和综合影响矩阵L,得到各因素的影响权重向量W2,具体表示为:
L=G(I-G)-1
进一步地,步骤S4中根据获取的交通路况信息中的各道路速度、能耗参数以及电动汽车出行信息,建立电动汽车用电预警模型的具体内容为:
S4.2:计算电动汽车在行驶过程中的能耗,具体为:
通过Floyd最短路径算法求得电动汽车从出发地到目的地的最短路径集合为S′,一共有s′个路段,其中第h个路段的能耗为:
S4.3:设置预警规则
式中,SOCSTR为电动汽车出发时的荷电状态;EREM为电动汽车到达目的地时的剩余电量;
预警规则描述为:当电动汽车剩余电量满足EREM≤10%×EB条件时,发出电量预警。
进一步地,步骤S5中所述建立电动汽车充电路径规划模型的具体内容为:
S5.1:计算用户行驶成本,具体为:
用户的行驶成本包括距离成本和时间成本,其中距离成本包括电动汽车从出发地至充电站的距离成本和充电完成后至目的地的距离成本,时间成本包括电动汽车在路上行驶的时间成本和在充电站花费的时间成本;
通过Floyd最短路径算法求得电动汽车从出发地经充电站到目的地的行驶距离为dab:
因此距离成本为f5:
对应的行驶时间为Tab:
在充电站花费的时间为Tk:
因此时间成本为f6:
以上各式中各个参数含义解释为:假定电动汽车从出发地a行驶至充电站k的路径集合为S1,一共有s1个路段,电动汽车从出发地a经充电站k到目的地b的路径集合为S,一共有s个路段;dak和dkb分别为出发地a至充电站k的行驶距离、充电完成后至目的地b的行驶距离;SOCmax为电动汽车荷电状态上限,SOCSTR为出发时的荷电状态;P为电动汽车额定充电功率;Tw,k和Tc,k分别为在充电站k的平均排队时间、充电时间;Vd为单位时间出行成本;Vc为单位时间充电成本;G为对应地区人均生产总值;D为该地区年法定工作日天数;J为对应地区工作日平均工作时间;
S5.2:计算用户充电成本f7:
S5.3:选择最佳充电站Fk:
式中,β1、β2和β3为权系数,以反映用户对各项对应指标的偏好,满足β1+β2+β3=1;
S5.4:构造所述模型的约束条件
dmax>dak max
式中,dmax为电动汽车可行驶的最大距离,dak max为电动汽车前往充电站的距离;
根据步骤S5.3确定的最佳充电站Fk以及步骤S5.4确定的约束条件即可构建电动汽车充电路径规划模型。
本发明的有益效果是:
1、本发明从实际应用出发,以充电站收益最大、充电站设备利用率最均衡、用户总充电费用最小、用户排队时长最短为目标,经RF-Spearman赋权后,更好的保证制定的充电价格的合理性。本发明对当前电量不足以到达目的地的电动汽车发出电量预警后,提供充电路径引导,在计算用户行驶成本和充电成本的过程中,考虑了充电价格,实现用户出行成本最小。
2、面对庞大的电动汽车充电市场,本发明制定的充电价格模块不仅能提高各充电站收益、均衡各充电站设备利用率,还能优化电动汽车充电行为,引导电动汽车有序充电;采取的充电引导方法能为电动汽车合理推荐充电站、规划最优路径,降低用户出行成本,减少用户因出行时电量不足带来的焦虑。
附图说明
图1是本发明总体方案示意图。
图2是本发明充电价格制定方法流程示意图。
图3是本发明充电引导方法示意图。
图4是本发明能耗因子随速度变化示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
参考图1描述本发明方法的总体流程,具体步骤如下:
步骤1、实时获取充电站服务信息;
步骤2、根据获取的充电站服务信息,建立基于RF-Spearman综合赋权的多目标充电价格制定模型,制定充电站各时段的充电价格;
步骤3、实时获取交通路况信息、电动汽车出行信息;
步骤4、根据各道路速度、能耗参数及电动汽车出行信息,建立电动汽车用电预警模型,当达到预警条件,进行电量预警;
步骤5、根据交通路况信息和电动汽车出行信息,结合步骤2制定的充电站各时段的充电价格,对有充电需求的电动汽车建立电动汽车充电路径规划模型,选择最佳充电站,规划最优充电路径。
为了更清楚的说明本发明,下面将对相关内容进行展开说明。
(一)建立基于RF-Spearman综合赋权的多目标充电价格制定模型
如图2所示,充电价格制定模型主要是综合充电站收益、充电站设备利用率、用户总充电费用、用户排队时长四个因素制定各充电站各时段的充电价格,同时便于充电路径规划模型构建。
(1)计算充电站k的总收益
式中,M、T分别为到充电站k充电的电动汽车总数和第j辆电动汽车充电的时段数;i0为第j辆电动汽车充电起始时段;ck(i)、ckb(i)分别为充电站k在i时段的充电价格和购电价格;Pj,k(i)为到充电站k充电的第j辆车在i时段的充电功率;t为各时段时长。
(2)计算充电站k的设备利用均衡率
式中,Nt为总时段数;K为区域内充电站总数;zk为充电站k内的充电桩数。
(3)计算在充电站k充电的用户总充电费用
(4)计算在充电站k充电的用户排队时长
式中,Tw,k(j)为第j辆电动汽车的排队时长;m为第j辆电动汽车到站时充电站k内电动汽车数量;r为电动汽车按照充电结束时间由小到大生成的集合;ts为到站时刻。
(5)RF-Spearman确定各因素权重
具体过程如下:
1)RFC模型计算制定充电价格考虑因素的初始权重向量W1;
具体方法为:
步骤1:从充电站历史服务数据中提取所需信息构建训练集后利用Bootstrap抽样从原始训练集抽取k个子训练样本集{T1,T2,…,Tk},并预建k颗分类树。
步骤2:对单颗分类树而言,在分类树的每个节点上采取最小节点分割基尼指数作为量度分类树的最佳分割,遍历每一个属性所有可以的分割方法,若能提供最小节点分割基尼指数,就被选择作为此节点处分割的标准,该属性值划分子树即为最优分支;此时再按对应的属性值来划分,并且根据每个属性值创建树枝;进一步向下划分样本,直到满足小于给定叶节点基尼指数的一个阈值时停止划分。假设当前节点处的样本集D包含X个类别的样本数据,Gini指数为:
p(x)表示样本集D中属于第x类的样本数据的概率,当Gini(D)最小为0时,即在此节点处样本数据都属于同一个类别,表示此时能获得最大的有用信息;当此节点中的样本数据对于类别字段越趋于均匀分布时,Gini(D)越大,获得有用信息越小。如果将样本集D分成u个部分D1,D2,…,Du,节点d的分割Gini指数为:
u是子节点的个数;Gini(Di)是各子节点的Gini指数;Ni是在节点d的各子节点处样本数;N是在母节点d处的样本数。
步骤3:计算第j个因素在节点分割时基尼指数的减少值,并以第j个因素的平均基尼减少值占所有因素平均基尼减少值总和的比值度量其重要程度:
2)Spearman相关性计算各因素间相关系数,得到直接影响矩阵B=(bij)l×l;
任意选取各因素中的两个因素i、j,将i、j分别从大到小排序编秩后,计算Spearman相关系数ρij从而建立直接影响矩阵B。
3)计算规范化直接影响矩阵G和综合影响矩阵L,得到各因素的影响权重向量W2,具体表示为:
L=G(I-G)-1
式中,gij就是矩阵G的第i行第j列元素,l为影响因素的个数;ri、ci分别为矩阵L第i行、第i列元素之和。
(6)构造所述模型的目标函数
式中,f1m、f2m、f3m、f4m分别为充电价格优化前的各目标函数值。
(7)构造所述模型的约束条件
充电价格约束:
ck,min(i)≤ck(i)≤ck,max(i)
电动汽车充电功率约束:
式中,ck,min(i)、ck,max(i)分别为充电站k的充电价格上、下限;Pj,k max(i)为电动汽车最大充电功率;SOCj、SOCj,end分别为电动汽车充电开始和结束时的荷电状态;Ej,B为电池容量;η为充电效率。
参考图3描述本发明的充电引导方法流程:建立各路段能耗因子模型后,以电动汽车最短路径行驶为前提计算电动汽车到目的地的剩余电量,当达到预警条件时,对电动汽车发出电量预警;对有充电需求的用户通过Floyd最短路径算法得到电动汽车经各充电站的路径集合,并计算该情况下的用户行驶成本和充电成本,最后以最小化用户出行成本规划最优充电路径和选择最佳充电站。
(二)建立电动汽车用电预警模型
(1)采用多元线性回归方法,建立不同道路类型的各路段能耗因子模型
不同道路类型的多元线性回归方程系数校准方程如表1所示。
表1不同道路的能耗因子对比表
(2)计算电动汽车在行驶过程中的能耗
通过Floyd最短路径算法求得电动汽车从出发地到目的地的最短路径集合为S′,一共有s′个路段,其中第h个路段的能耗为:
(3)设置预警规则
式中,SOCSTR为电动汽车出发时的荷电状态;EREM为电动汽车到达目的地时的剩余电量;
预警规则可描述为:当电动汽车剩余电量满足EREM≤10%×EB条件时,发出电量预警。
(三)建立电动汽车充电路径规划模型
(1)计算用户行驶成本
用户的行驶成本包括距离成本和时间成本,其中距离成本包括电动汽车从出发地至充电站的距离成本和充电完成后至目的地的距离成本,时间成本包括电动汽车在路上行驶的时间成本和在充电站花费的时间成本。
通过Floyd最短路径算法求得电动汽车从出发地经充电站到目的地的行驶距离为:
距离成本为:
行驶时间为:
在充电站花费的时间为:
时间成本为:
以上各式中,设电动汽车从出发地a行驶至充电站k的路径集合为S1,一共有s1个路段,电动汽车从出发地a经充电站k到目的地b的路径集合为S,一共有s个路段;dak和dkb分别为出发地a至充电站k的行驶距离、充电完成后至目的地b的行驶距离;SOCmax为电动汽车荷电状态上限,SOCSTR为出发时的荷电状态;P为电动汽车额定充电功率;Tw,k和Tc,k分别为在充电站k的平均排队时间、充电时间;Vd为单位时间出行成本,可由城市交通出行成本研究得到;Vc为单位时间充电成本;G为该地区人均生产总值;D为该地区年法定工作日天数;J为该地区工作日平均工作时间。
(2)计算用户充电成本
(3)选择最佳充电站
式中,β1、β2和β3为权系数,可以反映用户对各项指标的偏好,满足β1+β2+β3=1。
(4)构造所述模型的约束条件
dmax>dak max
式中,dmax为电动汽车可行驶的最大距离,dak max为电动汽车前往充电站的距离。
本发明从实际应用出发,以充电站收益最大、充电站设备利用率最均衡、用户总充电费用最小、用户排队时长最短为目标,经RF-Spearman赋权后,更好的保证制定的充电价格的合理性。本发明对当前电量不足以到达目的地的电动汽车发出电量预警后,提供充电路径引导,在计算用户行驶成本和充电成本的过程中,考虑了充电价格,实现用户出行成本最小。因此,面对庞大的电动汽车充电市场,本发明制定的充电价格不仅能提高各充电站收益、均衡各充电站设备利用率,还能优化电动汽车充电行为,引导电动汽车有序充电;采取的充电引导方法能为电动汽车合理推荐充电站、规划最优路径,降低用户出行成本,减少用户因出行时电量不足带来的焦虑。
需要注意的是,发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (5)
1.一种考虑双边利益的电动汽车充电多目标引导方法,其特征在于,包括以下步骤:
S1:实时获取充电站服务信息;
S2:根据获取的充电站服务信息,建立基于RF-Spearman综合赋权的多目标充电价格制定模型,通过该模型制定充电站各时段的充电价格;
S3:实时获取交通路况信息、电动汽车出行信息;
S4:根据获取的交通路况信息中的各道路速度、能耗参数以及电动汽车出行信息,建立电动汽车用电预警模型,通过该模型确定当达到预警条件时,进行电量预警;
S5:当有电量预警时,根据获取的交通路况信息和电动汽车出行信息,并结合步骤S2制定的充电站各时段的充电价格,对有充电需求的电动汽车建立电动汽车充电路径规划模型,选择最佳充电站,规划最优充电路径。
2.根据权利要求1所述的一种考虑双边利益的电动汽车充电多目标引导方法,其特征在于,步骤S2中所述根据获取的充电站服务信息,建立基于RF-Spearman综合赋权的多目标充电价格制定模型的具体内容为:
S2.1:计算充电站k的总收益f1
式中,M、T分别为到充电站k充电的电动汽车总数和第j辆电动汽车充电的时段数;i0为第j辆电动汽车充电起始时段;ck(i)、ckb(i)分别为充电站k在i时段的充电价格和购电价格;Pj,k(i)为到充电站k充电的第j辆车在i时段的充电功率;t为各时段时长;
S2.2:计算充电站k的设备利用均衡率f2
式中,Nt为总时段数;K为区域内充电站总数;zk为充电站k内的充电桩数;
S2.3:计算在充电站k充电的用户总充电费用f3
S2.4:计算在充电站k充电的用户排队时长f4
式中,Tw,k(j)为第j辆电动汽车的排队时长;
S2.6:构造多目标充电价格制定模型的目标函数F1:
式中f1m、f2m、f3m、f4m分别为充电价格优化前的各目标函数值;
S2.7:构造多目标充电价格制定模型的约束条件:
充电价格约束为:
ck,min(i)≤ck(i)≤ck,max(i)
电动汽车充电功率约束:
0≤Pj,k(i)≤Pj,k max(i)
式中,ck,min(i)、ck,max(i)分别为充电站k的充电价格上、下限;Pj,k max(i)为电动汽车最大充电功率;SOCj、SOCj,end分别为电动汽车充电开始和结束时的荷电状态;Ej,B为电池容量;η为充电效率;
根据步骤S2.6确定的目标函数F1以及步骤S2.7确定的约束条件即可构建多目标充电价格制定模型。
S2.5.1:RFC模型计算制定充电价格考虑因素f1-f4的初始权重向量W1;
S2.5.2:Spearman相关性计算各因素间f1-f4相关系数,得到直接影响矩阵B=(bij)l×l;
S2.5.3:计算规范化直接影响矩阵G和综合影响矩阵L,得到各因素的影响权重向量W2,具体表示为:
L=G(I-G)-1
4.根据权利要求2所述的一种考虑双边利益的电动汽车充电多目标引导方法,其特征在于,步骤S4中根据获取的交通路况信息中的各道路速度、能耗参数以及电动汽车出行信息,建立电动汽车用电预警模型的具体内容为:
S4.2:计算电动汽车在行驶过程中的能耗,具体为:
通过Floyd最短路径算法求得电动汽车从出发地到目的地的最短路径集合为S′,一共有s′个路段,其中第h个路段的能耗为:
S4.3:设置预警规则
式中,SOCSTR为电动汽车出发时的荷电状态;EREM为电动汽车到达目的地时的剩余电量;
预警规则描述为:当电动汽车剩余电量满足EREM≤10%×EB条件时,发出电量预警。
5.根据权利要求4所述的一种考虑双边利益的电动汽车充电多目标引导方法,其特征在于,步骤S5中所述建立电动汽车充电路径规划模型的具体内容为:
S5.1:计算用户行驶成本,具体为:
用户的行驶成本包括距离成本和时间成本,其中距离成本包括电动汽车从出发地至充电站的距离成本和充电完成后至目的地的距离成本,时间成本包括电动汽车在路上行驶的时间成本和在充电站花费的时间成本;
通过Floyd最短路径算法求得电动汽车从出发地经充电站到目的地的行驶距离为dab:
因此距离成本为f5:
对应的行驶时间为Tab:
在充电站花费的时间为Tk:
因此时间成本为f6:
以上各式中各个参数含义解释为:假定电动汽车从出发地a行驶至充电站k的路径集合为S1,一共有s1个路段,电动汽车从出发地a经充电站k到目的地b的路径集合为S,一共有s个路段;dak和dkb分别为出发地a至充电站k的行驶距离、充电完成后至目的地b的行驶距离;SOCmax为电动汽车荷电状态上限,SOCSTR为出发时的荷电状态;P为电动汽车额定充电功率;Tw,k和Tc,k分别为在充电站k的平均排队时间、充电时间;Vd为单位时间出行成本;Vc为单位时间充电成本;G为对应地区人均生产总值;D为该地区年法定工作日天数;J为对应地区工作日平均工作时间;
S5.2:计算用户充电成本f7:
S5.3:选择最佳充电站Fk:
式中,β1、β2和β3为权系数,以反映用户对各项对应指标的偏好,满足β1+β2+β3=1;
S5.4:构造所述模型的约束条件
dmax>dakmax
式中,dmax为电动汽车可行驶的最大距离,dakmax为电动汽车前往充电站的距离;
根据步骤S5.3确定的最佳充电站Fk以及步骤S5.4确定的约束条件即可构建电动汽车充电路径规划模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210903371.5A CN115204513B (zh) | 2022-07-29 | 2022-07-29 | 一种考虑双边利益的电动汽车充电多目标引导方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210903371.5A CN115204513B (zh) | 2022-07-29 | 2022-07-29 | 一种考虑双边利益的电动汽车充电多目标引导方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115204513A true CN115204513A (zh) | 2022-10-18 |
CN115204513B CN115204513B (zh) | 2024-07-09 |
Family
ID=83584985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210903371.5A Active CN115204513B (zh) | 2022-07-29 | 2022-07-29 | 一种考虑双边利益的电动汽车充电多目标引导方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115204513B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116111622A (zh) * | 2023-02-22 | 2023-05-12 | 国网江苏省电力有限公司电力科学研究院 | 用于分布式充电桩的电力分配方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108773279A (zh) * | 2018-04-27 | 2018-11-09 | 北京交通大学 | 一种电动汽车充电路径规划方法及装置 |
CN110929925A (zh) * | 2019-11-15 | 2020-03-27 | 国家电网有限公司 | 基于环境温度与用户行为的电动汽车充电站规划方法 |
CN111401786A (zh) * | 2020-04-09 | 2020-07-10 | 南京工程学院 | 一种基于路况信息考虑双边利益权衡的电动汽车充电调度方法 |
WO2020199558A1 (zh) * | 2019-03-29 | 2020-10-08 | 江苏大学 | 一种电动汽车充电站最优建设数量和选址方案规划方法 |
CN112163771A (zh) * | 2020-09-29 | 2021-01-01 | 华北电力大学(保定) | 一种计及增量成本的多指标综合权重可靠性电价制定方法 |
WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 |
CN112926788A (zh) * | 2021-03-17 | 2021-06-08 | 南京工程学院 | 一种基于时间量化的anp双边利益模糊评价模型的电动汽车充电调度方法 |
CN113029182A (zh) * | 2021-04-23 | 2021-06-25 | 河南大学 | 一种考虑无线充电和动态能耗的电动汽车路径规划方法 |
CN114485702A (zh) * | 2021-12-30 | 2022-05-13 | 国网江苏省电力有限公司连云港供电分公司 | 一种电动汽车充电路径规划方法及系统 |
-
2022
- 2022-07-29 CN CN202210903371.5A patent/CN115204513B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108773279A (zh) * | 2018-04-27 | 2018-11-09 | 北京交通大学 | 一种电动汽车充电路径规划方法及装置 |
WO2020199558A1 (zh) * | 2019-03-29 | 2020-10-08 | 江苏大学 | 一种电动汽车充电站最优建设数量和选址方案规划方法 |
CN110929925A (zh) * | 2019-11-15 | 2020-03-27 | 国家电网有限公司 | 基于环境温度与用户行为的电动汽车充电站规划方法 |
WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 |
CN111401786A (zh) * | 2020-04-09 | 2020-07-10 | 南京工程学院 | 一种基于路况信息考虑双边利益权衡的电动汽车充电调度方法 |
CN112163771A (zh) * | 2020-09-29 | 2021-01-01 | 华北电力大学(保定) | 一种计及增量成本的多指标综合权重可靠性电价制定方法 |
CN112926788A (zh) * | 2021-03-17 | 2021-06-08 | 南京工程学院 | 一种基于时间量化的anp双边利益模糊评价模型的电动汽车充电调度方法 |
CN113029182A (zh) * | 2021-04-23 | 2021-06-25 | 河南大学 | 一种考虑无线充电和动态能耗的电动汽车路径规划方法 |
CN114485702A (zh) * | 2021-12-30 | 2022-05-13 | 国网江苏省电力有限公司连云港供电分公司 | 一种电动汽车充电路径规划方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116111622A (zh) * | 2023-02-22 | 2023-05-12 | 国网江苏省电力有限公司电力科学研究院 | 用于分布式充电桩的电力分配方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115204513B (zh) | 2024-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108761509B (zh) | 一种基于历史数据的汽车行驶轨迹及里程预测方法 | |
CN110174117A (zh) | 一种电动汽车充电路线规划方法 | |
CN110288849B (zh) | 一种基于混合交通模式的出行路线推荐方法 | |
CN108981736A (zh) | 一种基于用户出行规律的电动汽车充电路径优化方法 | |
CN110929925B (zh) | 基于环境温度与用户行为的电动汽车充电站规划方法 | |
CN111159533B (zh) | 一种基于用户画像的智能充电服务推荐方法和系统 | |
CN110189025B (zh) | 考虑不同负荷增长的电动汽车充电站规划方案获取方法 | |
CN112990648B (zh) | 一种轨道交通网络运营稳定性评估方法 | |
CN105989737B (zh) | 一种停车诱导方法 | |
CN107123260A (zh) | 基于出行者预算限制的交通分配方法 | |
CN109784416B (zh) | 基于手机信令数据的半监督svm的交通方式判别方法 | |
CN106980924A (zh) | 基于需求预测的电动车充换电资源推荐方法及装置 | |
CN115146946A (zh) | 基于多源数据的汽车充电设施选择及规划方法 | |
CN103942312B (zh) | 公交换乘线路规划方法和装置 | |
CN107832891A (zh) | 一种城市快速路口的充电站规划方法 | |
CN115204513A (zh) | 一种考虑双边利益的电动汽车充电多目标引导方法 | |
CN115700631A (zh) | 一种考虑碳排放的高速公路换电站优化配置方法 | |
CN108986459A (zh) | 一种基于预约通行的高速公路拥挤疏导方法 | |
CN110175865A (zh) | 基于泛在感知技术的电动汽车充电实时定价方法 | |
CN116050617A (zh) | 一种考虑里程焦虑的高速公路充电设施布局规划方法 | |
CN115344653A (zh) | 一种基于用户行为的电动汽车充电站选址方法 | |
CN108985518A (zh) | 一种基于vissim仿真的交通拥堵收费策略优化方法 | |
CN108596664A (zh) | 一种电子车票的单边交易费用确定方法、系统及装置 | |
CN114281086A (zh) | 商用车路径规划方法、系统、平台、介质及设备 | |
CN112098869B (zh) | 一种基于大数据的自适应电动汽车soc估计方法 |
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 |