CN116976630A - 基于激励博弈的电动汽车充电调度的双目标优化方法 - Google Patents

基于激励博弈的电动汽车充电调度的双目标优化方法 Download PDF

Info

Publication number
CN116976630A
CN116976630A CN202310997385.2A CN202310997385A CN116976630A CN 116976630 A CN116976630 A CN 116976630A CN 202310997385 A CN202310997385 A CN 202310997385A CN 116976630 A CN116976630 A CN 116976630A
Authority
CN
China
Prior art keywords
charging
charging station
electric vehicle
charge
electric automobile
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
Application number
CN202310997385.2A
Other languages
English (en)
Other versions
CN116976630B (zh
Inventor
宋金鑫
徐胜
费奕泓
许毅宁
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.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and 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 Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202310997385.2A priority Critical patent/CN116976630B/zh
Publication of CN116976630A publication Critical patent/CN116976630A/zh
Application granted granted Critical
Publication of CN116976630B publication Critical patent/CN116976630B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315Needs-based resource requirements planning or analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313Resource planning in a project environment
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/06Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了基于激励博弈的电动汽车充电调度的双目标优化方法,包括:建立用于表示电动汽车充电调度过程的定价模型、销售价格模型、充电站的动作集模型,并相应建立约束条件,构建充电站利润和用户满意度两个优化目标量,构建充电调度方案,并对充电调度方案进行迭代更新,直至获得充电站的优化问题最优解,实现充电站利润最大化及用户满意度最大化;在软件层面实现有效的电动汽车充电调度机制,减轻电网负荷,满足电动汽车充电要求。

Description

基于激励博弈的电动汽车充电调度的双目标优化方法
技术领域
本发明涉及新能源技术领域,具体涉及基于激励博弈的电动汽车充电调度的双目标优化方法。
背景技术
电动汽车是一种使用电能来驱动的车辆,被认为是实现可持续发展和不破坏生态环境的交通工具,目前已经广泛投入应用。随着科技的快速发展,如今的电动汽车已经具备智能化的充电控制系统,能够在快速充电、慢速充电模式之间相互调节。
但是,由于电动汽车数量的快速增长,基础设施的建设和现有技术的限制,电动汽车一直面临着充电站充电时间长,充电基础设施、充电站数量少,充电站的充电端口调度不合理、分配不均等不完善的问题,造成电力资源浪费,用户等待时间长的负面影响。因此,除了进行硬件方面设备的升级与部署,在软件层面进行有效的调度机制对于减轻电网负荷与满足电动车充电要求是必要的。
发明内容
本发明目的:对现有技术存在的问题,本发明旨在提供基于激励博弈面向智能充电控制汽车充电调度的双目标优化方法,考虑了充电站的智能化充电控制系统,以实现利润最大化和用户总满意度最大化,并且针对双目标优化电动汽车调度模型,进一步提出了一种基于充电动作替换的启发式算法,以加快获得近似非支配解集的过程。
为实现以上功能,本发明设计基于激励博弈的电动汽车充电调度的双目标优化方法,针对电动汽车充电调度过程,执行如下步骤S1-步骤S3,实现充电站利润最大化及用户满意度最大化:
步骤S1:针对各充电站及各电动汽车,构建用于表示电动汽车充电调度过程的定价模型、销售价格模型、充电站的动作集模型;其中定价模型表示根据当前时刻电网负荷,充电站支付给电网的购电成本;销售价格模型表示充电站为电动汽车充电的售电价格;充电站的动作集模型表示根据电动汽车的充电需求,充电站相应执行的动作;
步骤S2:针对定价模型、销售价格模型、充电站的动作集模型建立约束条件,并构建充电站利润和用户满意度两个优化目标量,将约束条件下使两个优化目标量最大化作为每个充电站的优化问题;其中充电站利润根据充电站为电动汽车充电的售电价格、购电成本、未满足电动汽车充电需求的罚款三方面计算;用户满意度根据电动汽车充电节省时间、充电能量比、支付的价格比三方面计算;
步骤S3:针对充电站的优化问题,根据充电站的充电端口数、电动汽车的集合、各电动汽车的到达时间、充电截止时间、充电需求,构建充电调度方案,并对充电调度方案进行迭代更新,直至获得充电站的优化问题最优解,实现充电站利润最大化及用户满意度最大化。
有益效果:相对于现有技术,本发明的优点包括:
本发明设计了基于激励博弈的电动汽车充电调度的双目标优化方法,针对具备智能化充电控制系统的电动汽车,本发明利用激励博弈构造电动汽车充电调度双目标优化模型,并且针对所提出的模型设计了基于充电动作替换的启发式算法,本发明所设计的方法可提升充电站利润,提升用户总满意度;同时,所设计的基于充电动作替换的启发式算法相比于传统非支配排序遗传算法,可缩短运算时间,提高效率。
附图说明
图1是根据本发明实施例提供的基于激励博弈的电动汽车充电调度的双目标优化方法的流程图;
图2是根据本发明实施例提供的电动汽车的充电能量比与电动汽车已充电能量的广义关系图;
图3是根据本发明实施例提供的电动汽车支付的价格比与实际支付的价格的广义关系图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明实施例的电动汽车充电调度应用场景中,充电站的每个充电端口都能够以可变速率提供电能,充电速率离散变化,在这个场景下,愿意前往充电站的电动汽车需要事先告知其到达时间,最晚离开时间以及充电需求。充电站从电网购买电力,并以给定的利润率出售给电动汽车车主。充电站对未满足的需求提供奖励来激励电动汽车车主。在调度时对于电动汽车,充电站考虑了两个重要因素:一是在支付必要的激励措施后获得的收入;二是用户满意度。
参照图1,本发明实施例提供的基于激励博弈的电动汽车充电调度的双目标优化方法,针对电动汽车充电调度过程,执行如下步骤S1-步骤S3,实现充电站利润最大化及用户满意度最大化:
步骤S1:针对各充电站及各电动汽车,构建用于表示电动汽车充电调度过程的定价模型、销售价格模型、充电站的动作集模型;其中定价模型表示根据当前时刻电网负荷,充电站支付给电网的购电成本;销售价格模型表示充电站为电动汽车充电的售电价格;充电站的动作集模型表示根据电动汽车的充电需求,充电站相应执行的动作;
充电站具有快速充电和慢速充电两种模式,步骤S1中所述的定价模型如下式:
式中,a>0,b≥0,c≥0为常数,表示t时刻的电网负荷,/>R f R s 分别表示快速充电和慢速充电两种模式下的固定充电速率;/>和/>分别表示t时刻运行在快速充电和慢速充电两种模式下的充电端口数量;/>表示t时刻充电站支付给电网的购电成本,能源价格遵循二次成本函数;
对于慢速充电模式,销售价格模型如下式:
式中,表示充电站以慢速充电模式为电动汽车充电的售电价格;
对于快速充电模式,销售价格模型如下式:
式中,表示充电站以快速充电模式为电动汽车充电的售电价格;/>,/>,/>α s α f 分别为充电站充电端口在慢速充电和快速充电两种模式下的单位能量利润;
充电站的动作集模型中,充电站所执行的动作包括充电、等待、拒绝、无动作,其中,充电表示充电站以快速充电或慢速充电模式对电动汽车充电;
等待表示由于没有足够的充电端口或优先考虑期限较短的用户等原因,电动汽车在充电站等待充电端口,充电站向电动汽车支付等待时间段内的等待罚款W p
拒绝表示充电站在电动汽车到达前拒绝电动汽车充电,并支付拒绝罚款D p ,且D p >W p ;若电动汽车在到达时被拒绝充电,则充电站不支付任何罚款;
无动作表示当电动汽车在充电完成后被要求离开充电站,或充电被拒绝时,充电站不采取任何动作。
步骤S2:针对定价模型、销售价格模型、充电站的动作集模型建立约束条件,并构建充电站利润和用户满意度两个优化目标量,将约束条件下使两个优化目标量最大化作为每个充电站的优化问题;其中充电站利润根据充电站为电动汽车充电的售电价格、购电成本、未满足电动汽车充电需求的罚款三方面计算;用户满意度根据电动汽车充电节省时间、充电能量比、支付的价格比三方面计算;
一个充电站有n个可同时工作的充电端口,可在给定时间在快速充电、慢速充电两种模式以及空闲状态之间来回切换;
针对划分为T个时间段的预设时间范围H={1,…,T},V为到达充电站的电动汽车的集合,kV表示各到达充电站的电动汽车,将电动汽车k的充电需求表示为元组,其中A k D k E k 分别为电动汽车k到达充电站时间、充电截止时间、能量需求;集合/>表示充电站在时刻t对电动汽车k采取的所有可能执行的动作,集合C中每个元素均为二元变量,其中f k,t 表示充电站以快速充电模式对电动汽车充电,s k,t 表示充电站以慢速充电模式对电动汽车充电,ω k,t 表示等待,d k,t 表示拒绝,Ф k,t 表示无动作;
步骤S2中所建立的约束条件如下:
1.对于电动汽车k,在任意时刻t,充电站应该只选择动作集模型中一个动作:
2.当电动汽车k不在充电站内,充电站不应采取任何动作:
3.一旦电动汽车k被拒绝充电,由下一个时段开始直至最后,充电站不再采取任何动作:
4. 电动汽车k在时段t充电的能量表示为下式:
5.如果电动汽车k的充电需求在截止时间前得到满足,则充电站不需要再做动作:
6.如果电动汽车k在截止时间前按其充电需求完全充电,则充电站不应支付任何等待罚款:
7.运行在快速充电和慢速充电模式下的充电端口数量为:,充电站应确保在每个时间段充电的电动汽车数量不超过其充电端口总数量:
其中,表示充电站在下一个时段/>无动作,/>表示电动汽车k在时段t充电的能量,/>表示电动汽车k在下一个时段/>充电的能量,n表示充电站的充电端口总数量。
步骤S2中的充电站利润如下式:
其中,R表示时间范围H之间的净收入,L表示由于等待和拒绝电动汽车充电而支付的总罚款,V t 表示t时间段内到达充电站的电动汽车集合,/>表示电动汽车k到达充电站时被拒绝充电;
用户满意度S如下式:
式中,S k 表示电动汽车k的个体满意度,,其中/>、/>、/>分别为电动汽车k的充电节省时间、充电能量比、支付的价格比;/>具体如下式:
电动汽车k的充电能量比表示电动汽车已充电能量与实际所需能量之比,具体如下式:
式中,E k 为常数;电动汽车的充电能量比与电动汽车已充电能量/>的广义关系图参照图2,随着电动汽车已充电能量的增加,/>值也随之增加;
电动汽车k的支付的价格比表示在电动汽车到达时,充电站通知它需要支付的估计价格,其计算方法如下:
根据下式计算快速充电时间段和慢速充电时间段/>的估计数量:
一旦和/>的值确定,则由充电站来估计电动汽车车主可能支付的销售价格,充电站需要考虑电动汽车到达时的电网价格来确定其预期销售价格,电动汽车k支付的预期价格P E,k 如下式:
式中,A k 为电动汽车k的到达时间,和/>分别为在到达时间A k 时,充电站通知电动汽车k的快速充电和慢速充电模式的售电价格;
电动汽车k实际支付的价格P A,k 如下式:
支付的价格比用预期价格与实际支付的价格的比率来定义,电动汽车k支付的价格比如下式:
式中,β≥0为常数,以避免分母为零的情况;电动汽车支付的价格比与实际支付的价格P A 的广义关系图参照图3,图中P E 为电动汽车支付的预期价格,/>随着P A 的增加而减小;
每个充电站的优化问题表示为:Z=maximize{P,S}。
步骤S3:针对充电站的优化问题,根据充电站的充电端口数、电动汽车的集合、各电动汽车的到达时间、充电截止时间、充电需求,构建充电调度方案,并对充电调度方案进行迭代更新,直至获得充电站的优化问题最优解,实现充电站利润最大化及用户满意度最大化。
步骤S3中构建充电调度方案,并对充电调度方案进行迭代更新的具体方法如下:
步骤S3.1.1:给定的充电站的充电端口总数n,电动汽车的集合V,以及集合V中各电动汽车的到达时间、充电截止时间、充电需求,构建大小为N h 的充电调度方案集合P为满足约束条件的随机的充电调度方案;
步骤S3.1.2:初始化空集Q,引入充电调度方案p的状态δδ为执行充电调度方案p的充电站利润P p 与用户满意度S p 之和;
步骤S3.1.3:将每个充电调度方案p和其对应的状态δ构成一个解(p,δ),基于充电动作替换算法迭代求解,以获得迭代更新后的充电调度方案,并更新状态值/>;如果,且/>,则将更新后的充电调度方案/>加入集合Q
步骤S3.1.4:定义Δ为更新前后的状态差值,Δ减少到0时停止迭代。
充电动作替换算法的步骤如下:
步骤S3.2.1:以充电调度方案p和其对应的状态δ作为输入,并在充电站的每个时间段运行电动汽车集合V中的单个电动汽车k;用表示根据充电调度方案p充电站在第t个时间段中对电动汽车k所做的决策,并且在每次迭代中确保其满足约束条件;
步骤S3.2.2:用快速充电模式代替慢速充电模式:如果中有一个动作是慢速充电,则将充电模式替换为快速充电模式;
步骤S3.2.3:用慢速充电模式代替等待:如果更新前的动作是等待,且充电站至少有一个充电端口没有分配给电动汽车,则电动汽车k在时间段t以慢速充电模式充电;
步骤S3.2.4:用慢速充电模式或等待代替拒绝充电,如果电动汽车k更新前被拒绝充电,则要求其等待并在下一个时间段以慢速充电模式充电;如果当前充电站至少有一个充电端口没有分配给电动汽车,则电动汽车k在当前时间段以慢速充电模式充电。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (6)

1.基于激励博弈的电动汽车充电调度的双目标优化方法,其特征在于,针对电动汽车充电调度过程,执行如下步骤S1-步骤S3,实现充电站利润最大化及用户满意度最大化:
步骤S1:针对各充电站及各电动汽车,构建用于表示电动汽车充电调度过程的定价模型、销售价格模型、充电站的动作集模型;其中定价模型表示根据当前时刻电网负荷,充电站支付给电网的购电成本;销售价格模型表示充电站为电动汽车充电的售电价格;充电站的动作集模型表示根据电动汽车的充电需求,充电站相应执行的动作;
步骤S2:针对定价模型、销售价格模型、充电站的动作集模型建立约束条件,并构建充电站利润和用户满意度两个优化目标量,将约束条件下使两个优化目标量最大化作为每个充电站的优化问题;其中充电站利润根据充电站为电动汽车充电的售电价格、购电成本、未满足电动汽车充电需求的罚款三方面计算;用户满意度根据电动汽车充电节省时间、充电能量比、支付的价格比三方面计算;
步骤S3:针对充电站的优化问题,根据充电站的充电端口数、电动汽车的集合、各电动汽车的到达时间、充电截止时间、充电需求,构建充电调度方案,并对充电调度方案进行迭代更新,直至获得充电站的优化问题最优解,实现充电站利润最大化及用户满意度最大化。
2.根据权利要求1所述的基于激励博弈的电动汽车充电调度的双目标优化方法,其特征在于,充电站具有快速充电和慢速充电两种模式,步骤S1中所述的定价模型如下式:
式中,a>0,b≥0,c≥0为常数,表示t时刻的电网负荷,/>R f R s 分别表示快速充电和慢速充电两种模式下的固定充电速率;/>和/>分别表示t时刻运行在快速充电和慢速充电两种模式下的充电端口数量;/>表示t时刻充电站支付给电网的购电成本;
对于慢速充电模式,销售价格模型如下式:
式中,表示充电站以慢速充电模式为电动汽车充电的售电价格;
对于快速充电模式,销售价格模型如下式:
式中,表示充电站以快速充电模式为电动汽车充电的售电价格;/>,/>α s α f 分别为充电站充电端口在慢速充电和快速充电两种模式下的单位能量利润;
充电站的动作集模型中,充电站所执行的动作包括充电、等待、拒绝、无动作,其中,充电表示充电站以快速充电或慢速充电模式对电动汽车充电;等待表示电动汽车在充电站等待充电端口,充电站向电动汽车支付等待时间段内的等待罚款W p ;拒绝表示充电站在电动汽车到达前拒绝电动汽车充电,并支付拒绝罚款D p ,且D p >W p ;若电动汽车在到达时被拒绝充电,则充电站不支付任何罚款;无动作表示当电动汽车在充电完成后被要求离开充电站,或充电被拒绝时,充电站不采取任何动作。
3.根据权利要求2所述的基于激励博弈的电动汽车充电调度的双目标优化方法,其特征在于,一个充电站有n个可同时工作的充电端口,可在给定时间在快速充电、慢速充电两种模式以及空闲状态之间来回切换;
针对划分为T个时间段的预设时间范围H ={1,…,T},V为到达充电站的电动汽车的集合,kV表示各到达充电站的电动汽车,将电动汽车k的充电需求表示为元组,其中A k D k E k 分别为电动汽车k到达充电站时间、充电截止时间、能量需求;集合表示充电站在时刻t对电动汽车k采取的所有可能执行的动作,集合C中每个元素均为二元变量,其中f k,t 表示充电站以快速充电模式对电动汽车充电,s k,t 表示充电站以慢速充电模式对电动汽车充电,ω k,t 表示等待,d k,t 表示拒绝,Ф k,t 表示无动作;
步骤S2中所建立的约束条件如下:
式中,表示充电站在下一个时段/>无动作,/>表示电动汽车k在时段t充电的能量,/>表示电动汽车k在下一个时段/>充电的能量,n表示充电站的充电端口总数量。
4.根据权利要求3所述的基于激励博弈的电动汽车充电调度的双目标优化方法,其特征在于,步骤S2中的充电站利润如下式:
其中,R表示时间范围H之间的净收入,L表示由于等待和拒绝电动汽车充电而支付的总罚款,V t 表示t时间段内到达充电站的电动汽车集合,/>表示电动汽车k到达充电站时被拒绝充电;
用户满意度S如下式:
式中,S k 表示电动汽车k的个体满意度,,其中/>、/>、/>分别为电动汽车k的充电节省时间、充电能量比、支付的价格比;/>具体如下式:
具体如下式:
式中,E k 为常数;
的计算方法如下:
根据下式计算快速充电时间段和慢速充电时间段/>的估计数量:
电动汽车k支付的预期价格P E,k 如下式:
式中,A k 为电动汽车k的到达时间,和/>分别为在到达时间A k 时,充电站通知电动汽车k的快速充电和慢速充电模式的售电价格;
电动汽车k实际支付的价格P A,k 如下式:
电动汽车k支付的价格比如下式:
式中,β≥0为常数;
每个充电站的优化问题表示为:Z=maximize{P,S}。
5.根据权利要求4所述的基于激励博弈的电动汽车充电调度的双目标优化方法,其特征在于,步骤S3中构建充电调度方案,并对充电调度方案进行迭代更新的具体方法如下:
步骤S3.1.1:给定的充电站的充电端口总数n,电动汽车的集合V,以及集合V中各电动汽车的到达时间、充电截止时间、充电需求,构建大小为N h 的充电调度方案集合P为满足约束条件的随机的充电调度方案;
步骤S3.1.2:初始化空集Q,引入充电调度方案p的状态δδ为执行充电调度方案p的充电站利润P p 与用户满意度S p 之和;
步骤S3.1.3:将每个充电调度方案p和其对应的状态δ构成一个解(p, δ),基于充电动作替换算法迭代求解,以获得迭代更新后的充电调度方案,并更新状态值/>;如果,且/>,则将更新后的充电调度方案/>加入集合Q
步骤S3.1.4:定义Δ为更新前后的状态差值,Δ减少到0时停止迭代。
6.根据权利要求5所述的基于激励博弈的电动汽车充电调度的双目标优化方法,其特征在于,充电动作替换算法的步骤如下:
步骤S3.2.1:以充电调度方案p和其对应的状态δ作为输入,并在充电站的每个时间段运行电动汽车集合V中的单个电动汽车k;用表示根据充电调度方案p充电站在第t个时间段中对电动汽车k所做的决策,并且在每次迭代中确保其满足约束条件;
步骤S3.2.2:用快速充电模式代替慢速充电模式:如果中有一个动作是慢速充电,则将充电模式替换为快速充电模式;
步骤S3.2.3:用慢速充电模式代替等待:如果更新前的动作是等待,且充电站至少有一个充电端口没有分配给电动汽车,则电动汽车k在时间段t以慢速充电模式充电;
步骤S3.2.4:用慢速充电模式或等待代替拒绝充电,如果电动汽车k更新前被拒绝充电,则要求其等待并在下一个时间段以慢速充电模式充电;如果当前充电站至少有一个充电端口没有分配给电动汽车,则电动汽车k在当前时间段以慢速充电模式充电。
CN202310997385.2A 2023-08-09 2023-08-09 基于激励博弈的电动汽车充电调度的双目标优化方法 Active CN116976630B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310997385.2A CN116976630B (zh) 2023-08-09 2023-08-09 基于激励博弈的电动汽车充电调度的双目标优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310997385.2A CN116976630B (zh) 2023-08-09 2023-08-09 基于激励博弈的电动汽车充电调度的双目标优化方法

Publications (2)

Publication Number Publication Date
CN116976630A true CN116976630A (zh) 2023-10-31
CN116976630B CN116976630B (zh) 2024-03-12

Family

ID=88471311

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310997385.2A Active CN116976630B (zh) 2023-08-09 2023-08-09 基于激励博弈的电动汽车充电调度的双目标优化方法

Country Status (1)

Country Link
CN (1) CN116976630B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107719180A (zh) * 2017-11-24 2018-02-23 三峡大学 基于电动汽车柔性充电的混合型停车场多源互补充电方法
CN112488536A (zh) * 2020-12-01 2021-03-12 国网辽宁省电力有限公司营销服务中心 基于博弈论的区域内电动汽车充电调度方法
CN113869678A (zh) * 2021-09-15 2021-12-31 国网青海省电力公司经济技术研究院 一种共享储能模式下电动汽车充电系统容量规划方法
CN114742284A (zh) * 2022-03-25 2022-07-12 福建师范大学 一种面向多目标优化的电动汽车充电调度方法
CN115587645A (zh) * 2022-09-06 2023-01-10 国电南瑞科技股份有限公司 一种考虑充电行为随机性的电动汽车充电管理方法及系统
CN115626072A (zh) * 2022-11-10 2023-01-20 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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107719180A (zh) * 2017-11-24 2018-02-23 三峡大学 基于电动汽车柔性充电的混合型停车场多源互补充电方法
CN112488536A (zh) * 2020-12-01 2021-03-12 国网辽宁省电力有限公司营销服务中心 基于博弈论的区域内电动汽车充电调度方法
CN113869678A (zh) * 2021-09-15 2021-12-31 国网青海省电力公司经济技术研究院 一种共享储能模式下电动汽车充电系统容量规划方法
CN114742284A (zh) * 2022-03-25 2022-07-12 福建师范大学 一种面向多目标优化的电动汽车充电调度方法
CN115587645A (zh) * 2022-09-06 2023-01-10 国电南瑞科技股份有限公司 一种考虑充电行为随机性的电动汽车充电管理方法及系统
CN115626072A (zh) * 2022-11-10 2023-01-20 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

Also Published As

Publication number Publication date
CN116976630B (zh) 2024-03-12

Similar Documents

Publication Publication Date Title
CN108596464B (zh) 基于动态非合作博弈的电动汽车与云储能经济调度方法
Shafie-Khah et al. Optimal trading of plug-in electric vehicle aggregation agents in a market environment for sustainability
Ren et al. Optimal scheduling of an EV aggregator for demand response considering triple level benefits of three-parties
CN112488444B (zh) 电动汽车快慢同步有序充电调度方法以及电量结算方法
US20190041886A1 (en) Method and system for scheduling the discharge of distributed power storage devices and for levelizing dispatch participation
CN110516855B (zh) 一种面向负荷聚合商的分布式储能控制权优化调度方法
CN114997631B (zh) 一种电动汽车充电调度方法、装置、设备及介质
CN105046371A (zh) 一种基于需求侧竞价的电动汽车充放电调度方法
CN110472785A (zh) 一种基于负荷分类的电动汽车群调度方法
CN112308386A (zh) 一种价格与激励需求响应下电动汽车负荷聚集商调度方法
Kim et al. Cooperative between V2C and V2V charging: Less range anxiety and more charged EVs
WO2014018504A2 (en) System and methods for large scale charging of electric vehicles
Seitaridis et al. An agent-based negotiation scheme for the distribution of electric vehicles across a set of charging stations
CN108269008A (zh) 考虑用户满意度和配网可靠性的充电设施优化规划方法
CN114881502A (zh) 一种基于区间约束的电动汽车充放电优化调度方法
Ren et al. Study on optimal V2G pricing strategy under multi-aggregator competition based on game theory
CN116976630B (zh) 基于激励博弈的电动汽车充电调度的双目标优化方法
CN115587645A (zh) 一种考虑充电行为随机性的电动汽车充电管理方法及系统
Liu et al. An aggregator-based dynamic pricing mechanism and optimal scheduling scheme for the electric vehicle charging
CN116596565A (zh) 一种电动乘用车辅助换电站优化定价方法、装置、介质及设备
CN116470549A (zh) 考虑电动汽车随机转移特性的充储电站群调度方法
CN107154625B (zh) 基于模糊贝叶斯学习的电动汽车放电电价谈判方法
CN115392766A (zh) 基于本地电力市场的需求侧资源协同优化调度方法
Zhang et al. A data-driven smart charging strategy to compensate inaccurate user preference information
KR102689530B1 (ko) 전기차 충전기 연계형 전기저장장치를 이용한 전력시장 거래와 전기차 유인을 위한 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램

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