CN116187589B - 一种充电站定容方法及系统 - Google Patents

一种充电站定容方法及系统 Download PDF

Info

Publication number
CN116187589B
CN116187589B CN202310451181.9A CN202310451181A CN116187589B CN 116187589 B CN116187589 B CN 116187589B CN 202310451181 A CN202310451181 A CN 202310451181A CN 116187589 B CN116187589 B CN 116187589B
Authority
CN
China
Prior art keywords
charging
time
charging station
cost
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
CN202310451181.9A
Other languages
English (en)
Other versions
CN116187589A (zh
Inventor
周映虹
杨志景
陈锐涵
杨伟豪
张培泽
张瑜丹
钟紫然
张余
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.)
Guangdong University of Technology
Original Assignee
Guangdong 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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202310451181.9A priority Critical patent/CN116187589B/zh
Publication of CN116187589A publication Critical patent/CN116187589A/zh
Application granted granted Critical
Publication of CN116187589B publication Critical patent/CN116187589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • B60L53/30—Constructional details of charging stations
    • 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
    • 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
    • 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
    • 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
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T90/12—Electric charging stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Power Engineering (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Transportation (AREA)
  • Development Economics (AREA)
  • Mechanical Engineering (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种充电站定容方法及系统，所述方法包括S1：在充电站设置一个总功率为的充电堆，充电堆设有个充电枪；S2：给定充电堆固定成本，并基于充电堆总功率和充电枪数量设置成本最小化目标函数；S3：将充电站的运营场景分为占用式运营场景、共享式运营场景，分别对占用式运营场景、共享式运营场景设置场景约束，基于排队时间和延迟量对充电站设置服务约束，实现成本最小化目标函数的优化；S4：基于占用式运营场景、共享式运营场景的成本最小化目标函数，确定充电站定容。通过本发明方法，在满足用户充电需求的基础上，最小化运营商的建站成本。

Description

一种充电站定容方法及系统
技术领域
本发明涉及电动汽车技术领域，特别是涉及充电站定容方法及系统。
背景技术
在交通运输领域，作为一种可持续发展的环保产品形态，电动汽车受到了广泛的关注和支持。作为关键的配套设施，电动汽车充电站对电动汽车的普及有着举足轻重的作用，然而现有的充电站很多缺乏科学的规划，不仅影响电动汽车用户的体验，同时也影响运营商的利益，进一步影响电动汽车的普及。
对于电动汽车充电站智能优化规划和最优配置的研究，大多数文献聚焦于公共充电站，旨在满足公共充电场站在相应区域内充电功率需求的前提下，寻求最佳的建站位置和配置规模。大部分方法遵循以下思路：将问题定义为一个成本最小化问题，然后在提出的约束下，运用合理的优化算法解决优化问题。
智能充电堆将电动汽车充电站全部或部分充电模块集中在一起，通过功率分配单元按电动汽车实际需要充电功率对充电模块进行动态分配，并可集成站级监控系统，对充电设备、配电设备及辅助设备进行集中控制，可为多辆电动汽车同时充电。由于其灵活的特点，现在正在不断地推广，有望成为未来充电设备站形态的主流。通过运用充电堆，进一步地降低配置总功率的需求和充电枪数，使得功率需求满足率更高，效益更高，从而可以进一步降低建站的成本。然而，现有的规划方法大多基于传统形态的充电桩，不能适用于充电堆的形态，所以研究智能充电堆场景下的定容策略，对于降低投资成本、提升用户体验、满足未来需求等方面，都有着十分重要的作用。
综上，虽然已经有许多关于电动汽车充电站优化规划和最优配置的研究，但大多数是基于传统充电桩的场景，针对智能充电堆的场景，目前还没有相关的定容策略的研究。充电堆可以自适应调配功率，可以根据落地情况定义枪数，是全面功率优化分配的充电设备，而传统的充电桩是充电堆的一种特例子集。鉴于此，研讨充电堆场景下的优化规划和最优配置具有普遍意义。
发明内容
本发明提供一种充电站定容方法及系统，基于充电堆的充电站的规划，在满足用户充电需求的基础上，最小化运营商的建站成本。
为实现上述效果，本发明的技术方案如下：
一种充电站定容方法，包括以下步骤：
S1：在充电站设置一个总功率为的充电堆，充电堆设有/>个充电枪；
S2：给定充电堆固定成本，并基于充电堆总功率和充电枪数量/>设置成本最小化目标函数，以最小化运营商的建站成本；
S3：将充电站的运营场景设为占用式运营场景或共享式运营场景，分别对占用式运营场景或共享式运营场景设置场景约束，基于排队时间和延迟量对充电站设置服务约束，实现成本最小化目标函数的优化；
S4：基于占用式运营场景或共享式运营场景的成本最小化目标函数，确定充电站定容。
本发明针对充电站的智能充电堆的应用场景，设计相应的定容策略，以指导未来基于智能充电堆的充电站的科学规划。
进一步的，步骤S1具体为，在充电站层面，考虑基于充电堆的充电站定容目标需求，充电站定容容量用充电堆总功率和充电枪数量/>表示，单位分别为kw和个；即充电站安装了一个有/>kw的充电堆，从中伸出/>个充电枪，即最终要优化的充电站的最佳配置即是充电堆总功率/>和充电枪数量/>的最优值；
令代表充电枪集合，充电枪集合/>的大小为充电枪数量/>，令/>代表第/>个充电枪；从成本方面考虑，假设充电堆的成本和总功率大小成线性关系，定义充电堆固定成本为，而每kw的额外成本为/>；每只充电枪的成本为/>，成本的单位均为元。
进一步的，步骤S1中，令代表电动汽车的集合，其中/>代表第/>辆电动汽车，即电动汽车i；令/>和/>分别代表第/>辆电动汽车到达充电站时所需的充电能量需求和最大额定充电功率；
在时间层面，为了描述电动汽车在时间维度上的行为，将一天分为N个时隙，时隙的集合用集合T表示，/>；用/>和/>分别代表第/>辆电动汽车到达充电站时间和预定离开充电站时间，其值对应于N个时隙中的某一个时隙，并且/>。
进一步的，步骤S2中成本最小化目标函数公式如下：
(1)
式中，表示充电堆固定成本、/>表示功率额外成本、/>表示充电枪的成本。
进一步的，步骤S3所述占用式运营场景的场景约束具体为：
对于电动汽车和充电枪，首先用二进制变量表示在第t个时隙下电动汽车i在第j个充电枪的充电情况，二进制变量/>值为1则表示电动汽车在充电，二进制变量/>为0表示电动汽车没有在充电；由于最大的充电枪数量为/>，则同一时隙内进行充电的电动汽车的数量不能超过充电枪的数量，即第一约束为：
(2)
用二进制变量表示电动汽车分配充电枪的情况，二进制变量/>值为1表示电动汽车i分配给充电枪j，二进制变量/>为0代表电动汽车i未分配给充电枪j，一辆车只能分配给一个充电枪，即第二约束为：
(3)
令二进制变量表示电动汽车i是否在t时隙时开始在充电枪j上充电，二进制变量/>值为1表示是，二进制变量/>值为0表示否，则其在时隙集合T和充电枪集合J中仅有一个值为1，即第三约束为：
(4)
并且，根据先到先得策略，获得第四约束：
(5)
式中，分别表示电动汽车a是否在t时隙时开始在充电枪j上充电、电动汽车b是否在t时隙时开始在充电枪j上充电；/>和/>分别表示电动汽车a和电动汽车b的到达充电站时间，通过第一约束~第四约束，让电动汽车的充电行为和排队后充电行为按照到达充电站时间的顺序进行；电动汽车i的排队时间ω i表示为：
(6)
同时，应注意电动汽车在到达后再进行充电，所以第五约束为：
(7)
在充电阶段，定义为电动汽车i在充电枪j上的充电功率，充电功率/>以电动汽车的最大额定充电功率进行，/>分别代表电动汽车i到达充电站时所需的最大额定充电功率，即满足：
(8)
同一时间进行充电的电动汽车的总功率不能超过充电堆总功率，即第六约束为：
(9)
则电动汽车i在充电枪j完成充电过程的所需要的时间长度为：
(10)
式中，表示第/>辆电动汽车到达充电站时所需的充电能量需求；
根据电动汽车i的到达充电站时间、电动汽车i的排队时间ω i、电动汽车i所需要的充电时间/>，得到电动汽车i完成充电任务的时隙/>：
(11)
定义电动汽车i晚于其预定离开时间的时长，即延迟量为：
(12)。
进一步的，步骤S3中共享式运营场景的场景约束具体为：定义共享策略阈值为,其值在0到1之间，代表共享的接受程度；此时，电动汽车i在时隙t的实际充电功率/>为：
,if/>
, if/>
(13)
同时，整体充电中的电动汽车数量上限应满足阈值，以保证在充电中的电动汽车的充电速度，即第七约束为：
(14)
定义二进制变量表示电动汽车i是否在时隙t完成充电，1代表是，0代表否，则二进制变量/>满足以下第八约束：
(15)
式中，τ表示中间变量，用来表示电动汽车i在时隙1到t的充电功率求和；
同时二进制变量在时间上仅有一个准确的完成时刻，即：
(16)
则电动汽车i完成充电任务的时隙为：
(17)。
进一步的，步骤S3中基于排队时间和延迟量对充电站设置服务约束具体为：
对于服务质量，从排队时间和延迟量两个角度来进行定义，即定义和两个三元组，/>和/>分别代表排队时间的服务质量要求和延迟量的服务质量要求；
其中，表示电动汽车要排队的概率的上界，/>表示电动汽车排队时间大于/>的概率的上界；/>表示电动汽车遇到延迟的概率的上界，/>表示电动汽车延迟量大于/>的概率的上界，/>分别表示电动汽车i的排队时间设定值、延迟量的设定值；通过设置和/>中的值，确定服务质量的水平。
进一步的，步骤S3中服务约束满足以下约束方程：
(18)
式中，Pr表示概率，分别表示电动汽车i的排队时间、延迟量，/>∈[0,1]。
进一步的，步骤S4具体为：占用式运营场景下的充电站成本表示为：
（19）
场景约束采用公式(2)-(12),服务约束采用公式(18)；
共享式运营场景下的充电站成本表示为：
（20）
场景约束采用公式(2)-(7),(12)-(17)服务约束采用公式(18)；
式中，为充电堆固定成本，/>为充电堆每kw的额外成本；/>为每只充电枪的成本；
通过在具体场景中求解上述充电堆固定成本、每只充电枪的成本，获得基于充电堆的充电站建站任务中的最佳配置，即充电堆总功率和充电枪数量/>的值。
一种充电站定容系统，包括：
充电站参数设置单元，用于在充电站设置一个总功率为的充电堆，充电堆设有/>个充电枪；
成本最小化目标函数设置单元，用于给定充电堆固定成本，并基于充电堆总功率和充电枪数量/>设置成本最小化目标函数，以最小化运营商的建站成本；
约束设置单元，用于将充电站的运营场景设为占用式运营场景或共享式运营场景，分别对占用式运营场景或共享式运营场景设置场景约束，基于排队时间和延迟量对充电站设置服务约束，实现成本最小化目标函数的优化；
充电站定容单元，用于基于占用式运营场景或共享式运营场景的成本最小化目标函数，确定充电站定容。
与现有技术相比，本发明技术方案的有益效果是：
本发明考虑了基于充电堆的充电站，对充电站设置场景约束，设计成本最小化目标函数，从而获得充电堆场景下的科学配置优化方案，指导基于充电堆的充电站的规划，在满足用户充电需求的基础上，最小化运营商的建站成本。
考虑了占用式运营场景或共享式运营场景下的优化，克服了以往一些优化方法仅考虑单一场景所带来的弊端，更加符合现实生活中建站实际需求，同时也让建站的指导更加灵活，让决策者有更多选择的空间。
附图说明
附图仅用于示例性说明，不能理解为对本发明的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
图1为本发明实施例提供的一种充电站定容方法的示意图。
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，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，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做出创造性劳动前提下所获得的所有其他实施例，都是本发明保护的范围。
实施例1
为了便于理解，请参阅图1，本发明提供的一种充电站定容方法的一个实施例，包括以下步骤：
S1：设置充电站的参数：在充电站设置一个总功率为的充电堆，充电堆设有/>个充电枪；
在充电站层面，考虑基于充电堆的充电站定容目标需求，充电站定容容量用充电堆总功率和充电枪数量/>表示，单位分别为kw和个；即充电站安装了一个有/>kw的充电堆，从中伸出/>个充电枪，即最终要优化的充电站的最佳配置即是充电堆总功率/>和充电枪数量/>的最优值。
令代表充电枪集合，充电枪集合/>的大小为充电枪数量/>，令/>代表第/>个充电枪；从成本方面考虑，假设充电堆的成本和总功率大小成线性关系，定义充电堆固定成本为，而每kw的额外成本为/>；每只充电枪的成本为/>，成本的单位均为元。
可以理解的是，充电堆总功率为定值，充电功率平均分配给充电枪，可以随意伸出枪数；单个充电枪的功率分配，不以60kw为主；采用灵活分配的方式。如充电堆为600kw的总功率，可以设置10支充电枪，也可以设置18支充电枪，使得充电枪的功率分配更加灵活，适用性更强。而传统充电桩一体机设备只能给充电枪设置60kw的充电功率。
具体的，步骤S1中，在电动汽车层面，令代表电动汽车的集合，其中/>代表第/>辆电动汽车；令/>和/>分别代表第/>辆电动汽车到达充电站时所需的充电能量需求和最大额定充电功率，单位分别为/>和/>；
在时间层面，为了描述电动汽车在时间维度上的行为，将一天分为N个时隙，时隙的集合用集合T表示，/>；用/>和/>分别代表第/>辆电动汽车到达充电站时间和预定离开充电站时间，其值对应于N个时隙中的某一个时隙，并且/>；通过这样的方式，将电动汽车与充电站在时间维度上联系起来。
在具体实施过程中，可以将一天的时隙分为24、48等数值。
S2：给定充电堆固定成本，并基于充电堆总功率和充电枪数量设置成本最小化目标函数，以最小化运营商的建站成本；
本发明旨在满足用户充电需求的基础上，最小化运营商的建站成本，所以从建站者成本最小化的角度设计优化的成本最小化目标函数，而在这个优化框架中，对建站成本有影响的主要变量是充电堆总功率和充电枪数量/>，所以的优化目标就是最小化建站成本，从而获得最佳的充电堆总功率/>和充电枪数量/>的值，即基于充电堆的充电站的建站最优配置，步骤S2中成本最小化目标函数公式如下：
(1)
式中，表示充电堆固定成本、/>表示功率额外成本、/>表示充电枪的成本；从直观上来看，似乎是/>和/>的值越小，成本最小化目标函数的值越小，但这不可以无限制地减小，因为充电站需要满足一定的充电需求，即实际的场景还有一些约束；上述成本最小化目标函数还缺乏相应的约束条件，让它可以优化到一个符合实际场景的最佳值，所以下面将根据不同的实际场景，设计相应的约束方程，以指导优化进行。
S3：将充电站的运营场景设为占用式运营场景或共享式运营场景，分别对占用式运营场景或共享式运营场景设置场景约束，基于排队时间和延迟量对充电站设置服务约束，实现成本最小化目标函数的优化；
占用式运营场景或共享式运营场景，分别阐述如下：
占用式运营场景采取一种先到先得的策略，即先到的电动汽车先服务；当电动汽车到达后，如果充电堆有剩余的功率未使用并且剩余的功率大于电动汽车的最大额定功率，则充电堆立即开始充电任务，电动汽车的充电功率以电动汽车的最大额定功率进行；同一时隙所有电动汽车充电的总功率不能超过充电堆的总功率，即当充电堆达到最大的功率负荷时，当有新的电动汽车到达，将拒绝充电请求，令新的电动汽车排队，等待有前面电动汽车充完电后，充电堆剩余功率满足电动汽车最大额定充电功率时，排队的电动汽车按顺序加入充电；即：
具体的，步骤S3所述占用式运营场景的场景约束为：
对于电动汽车和充电枪，首先用二进制变量表示在第t个时隙下电动汽车i在第j个充电枪的充电情况，二进制变量/>值为1则表示电动汽车在充电，二进制变量/>为0表示电动汽车没有在充电；由于最大的充电枪数量为/>，则同一时隙内进行充电的电动汽车的数量不能超过充电枪的数量，即第一约束为：
(2)
用二进制变量表示电动汽车分配充电枪的情况，二进制变量/>值为1表示电动汽车i分配给充电枪j，二进制变量/>为0代表电动汽车i未分配给充电枪j，一辆车只能分配给一个充电枪，即第二约束为：
(3)
令二进制变量表示电动汽车i是否在t时隙时开始在充电枪j上充电，二进制变量/>值为1表示是，二进制变量/>值为0表示否，则其在时隙集合T和充电枪集合J中仅有一个值为1，即第三约束为：
(4)
并且，根据先到先得策略，获得第四约束：
(5)
式中，分别表示电动汽车a是否在t时隙时开始在充电枪j上充电、电动汽车b是否在t时隙时开始在充电枪j上充电；/>和/>分别表示电动汽车a和电动汽车b的到达充电站时间，通过第一约束~第四约束，让电动汽车的充电行为和排队后充电行为按照到达充电站时间的顺序进行；电动汽车i的排队时间ω i表示为：
(6)
同时，应注意电动汽车在到达后再进行充电，所以第五约束为：
(7)
在充电阶段，定义为电动汽车i在充电枪j上的充电功率，充电功率/>以电动汽车的最大额定充电功率进行，/>分别代表电动汽车i到达充电站时所需的最大额定充电功率，即满足：
(8)
同一时间进行充电的电动汽车的总功率不能超过充电堆总功率，即第六约束为：
(9)
则电动汽车i在充电枪j完成充电过程的所需要的时间长度为：
(10)
式中，表示第/>辆电动汽车到达充电站时所需的充电能量需求；
根据电动汽车i的到达充电站时间、电动汽车i的排队时间ω i、电动汽车i所需要的充电时间/>，得到电动汽车i完成充电任务的时隙/>：
(11)
定义电动汽车i晚于其预定离开时间的时长，即延迟量为：
(12)。
具体的，步骤S3中共享式运营场景约束具体为：共享式运营场景与占用式类似，都是采用一种先到先得的策略，并且当电动汽车到达后，如果充电堆有剩余的功率未使用并且大于电动汽车的最大额定功率，则立即开始充电任务，充电功率以电动汽车的最大额定功率进行，同时，所有电动汽车充电的总功率不能超过充电堆的总功率；但是，其与占用式最大的不同是，当新的电动汽车来临，充电堆的剩余的功率不满足电动汽车的最大充电功率时，电动汽车仍然可以加入充电，同时充电堆将进行智能分配，即将其他正在充电的电动汽车的功率分配一部分给新到达的电动汽车，这是一种追求更大化服务客户的运营策略，尽可能满足更多的用户和尽可能更快服务先来的客户，它牺牲了先到达客户的一部分充电功率，以让更多的客户加入充电任务；因此，在新的电动汽车不断到达的时候，这种共享式策略不断地降低正在充电的电动汽车的充电功率，以让新的电动汽车不断进入充电任务，直到到达一个设定好的阈值后，为了保障正在充电的电动汽车有一定的充电速率，将令新到达的电动汽车进行排队，当有电动汽车充完电后，再按顺序重复上述智能判断-加入充电/排队的过程；
占用式中的部分约束方程(2)-(7),(12)，同样适用于共享式运营场景，其区别主要在充电功率分配阶段,即约束(8)-(11)的部分。
定义共享策略阈值为,其值在0到1之间，代表共享的接受程度；此时，电动汽车i在时隙t的实际充电功率/>为：
,if/>
, if/>
(13)
同时，整体充电中的电动汽车数量上限应满足阈值，以保证在充电中的电动汽车的充电速度，即第七约束为：
(14)
定义二进制变量表示电动汽车i是否在时隙t完成充电，1代表是，0代表否，则二进制变量/>满足以下第八约束：
(15)
式中，τ表示中间变量，用来表示电动汽车i在时隙1到t的充电功率求和；
同时二进制变量在时间上仅有一个准确的完成时刻，即：
(16)
则电动汽车i完成充电任务的时隙为：
(17)。
具体的，步骤S3中基于排队时间和延迟量对充电站设置服务约束具体为：
对于服务质量，从排队时间和延迟量两个角度来进行定义，即定义和两个三元组，/>和/>分别代表排队时间的服务质量要求和延迟量的服务质量要求；
其中，表示电动汽车要排队的概率的上界，/>表示电动汽车排队时间大于/>的概率的上界；/>表示电动汽车遇到延迟的概率的上界，/>表示电动汽车延迟量大于/>的概率的上界，/>分别表示电动汽车i的排队时间设定值、延迟量的设定值；通过设置和/>中的值，确定服务质量的水平。
服务约束满足以下约束方程：
(18)
式中，Pr表示概率，分别表示电动汽车i的排队时间、延迟量，/>∈[0,1]。
S4：基于占用式运营场景或共享式运营场景的成本最小化目标函数，确定充电站定容；具体为：占用式运营场景下的充电站成本表示为：
（19）
场景约束采用公式(2)-(12),服务约束采用公式(18)；
共享式运营场景下的充电站成本表示为：
（20）
场景约束采用公式(2)-(7),(12)-(17)服务约束采用公式(18)；
式中，为充电堆固定成本，/>为充电堆每kw的额外成本；/>为每只充电枪的成本；
通过在具体场景中求解上述充电堆固定成本、每只充电枪的成本，获得基于充电堆的充电站建站任务中的最佳配置，即充电堆总功率和充电枪数量/>的值。以科学地指导基于充电堆所在充电站的建站，在满足客户需求，即满足一定等级的服务质量的基础上，最小化充电堆所在充电站的建站成本。
实施例2
具体地，在实施例1的基础上，结合具体的实施例子对方案进行说明，进一步体现本方案的技术效果。具体为：
一种充电站定容系统，包括：
充电站参数设置单元，用于在充电站设置一个总功率为的充电堆，充电堆设有/>个充电枪；
成本最小化目标函数设置单元，用于给定充电堆固定成本，并基于充电堆总功率和充电枪数量/>设置成本最小化目标函数，以最小化运营商的建站成本；
约束设置单元，用于将充电站的运营场景设为占用式运营场景或共享式运营场景，分别对占用式运营场景或共享式运营场景设置场景约束，基于排队时间和延迟量对充电站设置服务约束，实现成本最小化目标函数的优化；
充电站定容单元，用于基于占用式运营场景或共享式运营场景的成本最小化目标函数，确定充电站定容。
实施例3
1、充电站参数设置：首先根据具体的基于充电堆的充电站的建站需求和特点，设置充电站的某些具体参数；例如，对于充电站的服务时间，将T设置成48个时隙，并且每个时隙的长度为0.5小时；设置共享策略阈值为0.5；对于服务质量的三元组/>和，根据决策者的服务质量需求设置其值；
2、用户参数设置：对于用户的充电需求的参数，采用建站当地的概率分布进行随机生成，更具体来说，对于到达充电站时间,用一个均值和方差符合当地统计数据的截断高斯分布来随机生成；同理地，预计离开时间/>也用一个相应的截断高斯分布随机生成；对于车辆类型，以概率权重(0.3，0.4，0.2，0.1)随机生成小型、轿车、越野车和卡车型电动汽车的类型分布，其中，每种电动汽车类型都有其相应的电池容量、充电速率、能耗率；然后假设每辆电动汽车在到站前都行驶了一段距离，同样用截断高斯分布随机生成每辆车的行驶距离数据，然后根据能耗率、行驶距离、电池容量，生成每辆电动汽车的充电能量需求；
3、蒙特卡洛模拟：设置好充电站参数后，对于具体的基于充电堆的充电站，其能覆盖的服务范围是确定的，用该范围和当地的统计数据，便可以获得充电站大概需要服务的车辆数量,输入车辆数量/>，并利用设置的充电站参数，采用蒙特卡洛模拟随机生成车辆集/>；
4、优化方程求解：然后对于占用式和共享式两种场景，分别输入上面获得的各种参数和样本，采用数学规划优化器Gurobi求解优化方程(19)或(20)；
5、获得最终的最优配置：求解优化方程(19)或(20)后，可以获得最终需要的基于充电堆的充电站的最优配置，即充电堆总功率和充电枪数量/>的最优值，用于科学指导建站，最终完成整个面向智能充电堆的新型充电站定容。
本发明基于智能充电堆的充电站比传统充电桩具有更加灵活的功率分配能力，通过功率分配单元按电动汽车实际需要充电功率对充电模块进行动态分配，而非传统设备的固定充电功率形态（即典型的快充单枪60kw，中充30kw，慢充7kw的形态），虽然60kw也有功率分配，但是比较固化，所以通过本发明更加灵活的功率分配，不仅可以减少资源浪费（比如单枪快充充电枪给额定功率比较慢的电动汽车充电），还可以提高用户的充电体验（比如在非排队阶段，用户可以以满足电动汽车最高额定功率的功率进行充电，以较快速度完成充电任务），而且还可以进一步减少运营商的建设成本并对未来可能出现的电动汽车额定充电功率提高的情况，也有很强的适应能力。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (4)

1.一种充电站定容方法，其特征在于，包括以下步骤：
S1：在充电站设置一个总功率为P full的充电堆，充电堆设有N C个充电枪；
步骤S1具体为，在充电站层面，考虑基于充电堆的充电站定容目标需求，充电站定容容量用充电堆总功率和充电枪数量/>表示，单位分别为kw和个；即充电站安装了一个有kw的充电堆，从中伸出/>个充电枪，即最终要优化的充电站的最佳配置即是充电堆总功率/>和充电枪数量/>的最优值；
令代表充电枪集合，充电枪集合/>的大小为充电枪数量/>，令/>代表第/>个充电枪；从成本方面考虑，假设充电堆的成本和总功率大小成线性关系，定义充电堆固定成本为/>，而每kw的额外成本为/>；每只充电枪的成本为/>，成本的单位均为元；
步骤S1中，令代表电动汽车的集合，其中/>代表第/>辆电动汽车，即电动汽车i；令/>和/>分别代表第/>辆电动汽车到达充电站时所需的充电能量需求和最大额定充电功率；
在时间层面，为了描述电动汽车在时间维度上的行为，将一天分为N个时隙，时隙的集合用集合T表示，/>；用/>和/>分别代表第/>辆电动汽车到达充电站时间和预定离开充电站时间，其值对应于N个时隙中的某一个时隙，并且/>；
S2：给定充电堆固定成本，并基于充电堆总功率P full和充电枪数量N C设置成本最小化目标函数，以最小化运营商的建站成本；
步骤S2中成本最小化目标函数公式如下：
(1)
式中，表示充电堆固定成本、/>表示功率额外成本、/>表示充电枪的成本；
S3：将充电站的运营场景设为占用式运营场景或共享式运营场景，分别对占用式运营场景或共享式运营场景设置场景约束，基于排队时间和延迟量对充电站设置服务约束，实现成本最小化目标函数的优化；
所述占用式运营场景的场景约束具体为：
对于电动汽车和充电枪，用二进制变量表示在第t个时隙下电动汽车i在第j个充电枪的充电情况，二进制变量/>值为1则表示电动汽车在充电，二进制变量/>为0表示电动汽车没有在充电；由于最大的充电枪数量为/>，则同一时隙内进行充电的电动汽车的数量不能超过充电枪的数量，即第一约束为：
(2)
用二进制变量表示电动汽车分配充电枪的情况，二进制变量/>值为1表示电动汽车i分配给充电枪j，二进制变量/>为0代表电动汽车i未分配给充电枪j，一辆车只能分配给一个充电枪，即第二约束为：
(3)
令二进制变量表示电动汽车i是否在t时隙时开始在充电枪j上充电，二进制变量值为1表示是，二进制变量/>值为0表示否，则其在时隙集合T和充电枪集合J中仅有一个值为1，即第三约束为：
(4)
并且，根据先到先得策略，获得第四约束：
(5)
式中，分别表示电动汽车a是否在t时隙时开始在充电枪j上充电、电动汽车b是否在t时隙时开始在充电枪j上充电；/>和/>分别表示电动汽车a和电动汽车b的到达充电站时间，通过第一约束~第四约束，让电动汽车的充电行为和排队后充电行为按照到达充电站时间的顺序进行；电动汽车i的排队时间ω i表示为：
(6)
同时，应注意电动汽车在到达后再进行充电，所以第五约束为：
(7)
在充电阶段，定义为电动汽车i在充电枪j上的充电功率，充电功率/>以电动汽车的最大额定充电功率进行，/>分别代表电动汽车i到达充电站时所需的最大额定充电功率，即满足：
(8)
同一时间进行充电的电动汽车的总功率不能超过充电堆总功率/>，即第六约束为：
(9)
则电动汽车i在充电枪j完成充电过程的所需要的时间长度为：
(10)
式中，表示第/>辆电动汽车到达充电站时所需的充电能量需求；
根据电动汽车i的到达充电站时间、电动汽车i的排队时间ω i、电动汽车i所需要的充电时间/>，得到电动汽车i完成充电任务的时隙/>：
(11)
定义电动汽车i晚于其预定离开时间的时长，即延迟量为：
(12)
式中，表示第/>辆电动汽车预定离开充电站时间；
所述共享式运营场景的场景约束具体为：定义共享策略阈值为,其值在0到1之间，代表共享的接受程度；此时，电动汽车i在时隙t的实际充电功率/>为：
,if />
, if />
(13)
同时，整体充电中的电动汽车数量上限应满足阈值，以保证在充电中的电动汽车的充电速度，即第七约束为：
(14)
定义二进制变量表示电动汽车i是否在时隙t完成充电，1代表是，0代表否，则二进制变量/>满足以下第八约束：
(15)
式中，τ表示中间变量，用来表示电动汽车i在时隙1到t的充电功率求和；
同时二进制变量在时间上仅有一个准确的完成时刻，即：
(16)
则电动汽车i完成充电任务的时隙为：
(17)
所述基于排队时间和延迟量对充电站设置服务约束具体为：
对于服务质量，从排队时间和延迟量两个角度来进行定义，即定义和两个三元组，/>和/>分别代表排队时间的服务质量要求和延迟量的服务质量要求；
其中，表示电动汽车要排队的概率的上界，/>表示电动汽车排队时间大于/>的概率的上界；/>表示电动汽车遇到延迟的概率的上界，/>表示电动汽车延迟量大于/>的概率的上界，/>分别表示电动汽车i的排队时间设定值、延迟量的设定值；通过设置/>和/>中的值，确定服务质量的水平；
S4：基于占用式运营场景或共享式运营场景的成本最小化目标函数，确定充电站定容。
2.根据权利要求1所述的一种充电站定容方法，其特征在于，步骤S3中服务约束满足以下约束方程：
(18)
式中，Pr表示概率，分别表示电动汽车i的排队时间、延迟量，/>∈[0,1]。
3.根据权利要求2所述的一种充电站定容方法，其特征在于，步骤S4具体为：占用式运营场景下的充电站成本表示为：
（19）
场景约束采用公式(2)-(12),服务约束采用公式(18)；
共享式运营场景下的充电站成本表示为：
（20）
场景约束采用公式(2)-(7)、(12)-(17)，服务约束采用公式(18)；
式中，为充电堆固定成本，/>为充电堆每kw的额外成本；/>为每只充电枪的成本；
通过在具体场景中求解上述充电堆固定成本、每只充电枪的成本，获得基于充电堆的充电站建站任务中的最佳配置，即充电堆总功率和充电枪数量/>的值。
4.一种根据权利要求1~3任一所述一种充电站定容方法的充电站定容系统，其特征在于，包括：
充电站参数设置单元，用于在充电站设置一个总功率为的充电堆，充电堆设有/>个充电枪；
成本最小化目标函数设置单元，用于给定充电堆固定成本，并基于充电堆总功率和充电枪数量/>设置成本最小化目标函数，以最小化运营商的建站成本；
约束设置单元，用于将充电站的运营场景设为占用式运营场景或共享式运营场景，分别对占用式运营场景或共享式运营场景设置场景约束，基于排队时间和延迟量对充电站设置服务约束，实现成本最小化目标函数的优化；
充电站定容单元，用于基于占用式运营场景或共享式运营场景的成本最小化目标函数，确定充电站定容。
CN202310451181.9A 2023-04-25 2023-04-25 一种充电站定容方法及系统 Active CN116187589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310451181.9A CN116187589B (zh) 2023-04-25 2023-04-25 一种充电站定容方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310451181.9A CN116187589B (zh) 2023-04-25 2023-04-25 一种充电站定容方法及系统

Publications (2)

Publication Number Publication Date
CN116187589A CN116187589A (zh) 2023-05-30
CN116187589B true CN116187589B (zh) 2023-09-29

Family

ID=86438724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310451181.9A Active CN116187589B (zh) 2023-04-25 2023-04-25 一种充电站定容方法及系统

Country Status (1)

Country Link
CN (1) CN116187589B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110126666A (zh) * 2019-04-19 2019-08-16 武汉新能源汽车工业技术研究院有限公司 一种基于云平台的充电站群控系统及控制方法
CN115782667A (zh) * 2023-02-08 2023-03-14 云南丁旺科技有限公司 充电堆用电容量分配方法和系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170036560A1 (en) * 2014-04-22 2017-02-09 Nec Europe Ltd. Method for load balancing of charging stations for mobile loads within a charging stations network and a charging stations network
US10083413B2 (en) * 2015-04-08 2018-09-25 Sap Se Optimized placement of electric vehicle charging stations
CN113807647B (zh) * 2021-07-28 2022-07-05 合肥工业大学 基于云边协同的电动汽车充电调度方法和系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110126666A (zh) * 2019-04-19 2019-08-16 武汉新能源汽车工业技术研究院有限公司 一种基于云平台的充电站群控系统及控制方法
CN115782667A (zh) * 2023-02-08 2023-03-14 云南丁旺科技有限公司 充电堆用电容量分配方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
公交充电站运营效率评价及运营优化策略研究;刘猛;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》(第3期);C042-22 *

Also Published As

Publication number Publication date
CN116187589A (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
CN112277716B (zh) 一种智能有序充电管控系统及其方法
CN109194763B (zh) 一种超密集网络中基于小型基站自组织协作的缓存方法
CN112193116B (zh) 一种考虑奖励机制的电动汽车充电优化引导策略
CN108495332B (zh) 一种基于蜂窝d2d通信系统的联合资源公平分配方法
CN106915267A (zh) 一种群充电系统的功率分配方法和监控单元
CN111711666B (zh) 一种基于强化学习的车联网云计算资源优化方法
CN114897199A (zh) 兼容储能充电桩的电动运载工具电量路径规划方法
CN106791887B (zh) 无线网络中视频的分布式缓存和传输优化方法
CN110300418A (zh) 一种无线可充电传感器网络中按需充电的时空调度算法
CN111093226B (zh) 基于非正交多址接入与移动边缘计算多任务并行迁移方法
CN112277713A (zh) 一种电动车与充电桩的动态分配方法及装置
CN1684439A (zh) 对无线lan的信道分配
CN115297171B (zh) 一种蜂窝车联网分级决策的边缘计算卸载方法及系统
CN104684095A (zh) 一种异构网络融合场景中基于遗传运算的资源分配方法
CN111212108B (zh) 基于非正交多址接入和移动边缘计算多用户并行迁移方法
CN116187589B (zh) 一种充电站定容方法及系统
CN113645273B (zh) 基于业务优先级的车联网任务卸载方法
CN111806285B (zh) 公共快充站多枪充电桩充电功率分配方法
Dai et al. Multi-objective intelligent handover in satellite-terrestrial integrated networks
CN109905335A (zh) 一种面向高速列车的云无线接入网络资源分配方法及系统
CN112750298A (zh) 一种基于smdp和drl的货车编队动态资源分配方法
CN116744367A (zh) 车联网下基于双层卸载机制和多智能体算法的卸载方法
CN106304307A (zh) 一种异构网络融合下的资源分配方法
CN115663867A (zh) 基于智能充电网络系统的电动汽车充电调度方法
CN112954799B (zh) 一种基于区块链的动态用频协同规划方法

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