CN117273181A - 一种电动汽车充电调度方法和系统 - Google Patents
一种电动汽车充电调度方法和系统 Download PDFInfo
- Publication number
- CN117273181A CN117273181A CN202311537037.3A CN202311537037A CN117273181A CN 117273181 A CN117273181 A CN 117273181A CN 202311537037 A CN202311537037 A CN 202311537037A CN 117273181 A CN117273181 A CN 117273181A
- Authority
- CN
- China
- Prior art keywords
- charging
- scheduling
- charging station
- electric
- group
- 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 45
- 230000035772 mutation Effects 0.000 claims description 15
- 230000002068 genetic effect Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000010076 replication Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 64
- 108090000623 proteins and genes Proteins 0.000 description 6
- 230000005611 electricity Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 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
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q10/04—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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Water Supply & Treatment (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明属于电动汽车充电技术领域,具体涉及一种电动汽车充电调度方法和系统,包括:S1:根据充电站的位置分布通过聚类的方式将充电站分成至少三个分组;S2:获取电动汽车的预约充电请求,根据充电站分组情况和发出预约充电请求的电动汽车位置对预约充电请求进行分组,确定每个充电站分组所分配的电动汽车预约充电请求分组;S3:建立调度模型S4:求解各调度模型的最优解,确定各个充电站分组内的最优配置,根据最优解对各个充电站分组内电动汽车进行调度。本发明将充电站与电动汽车分组,在每个组内分别建立调度模型,相比现有技术,本发明调度每个电动汽车到相应的充电桩时,处理的数据量较小,从而调度效率较高。
Description
技术领域
本发明属于电动汽车充电技术领域,尤其涉及一种电动汽车充电调度方法和系统。
背景技术
随着新能源电动汽车的普及,我国电动汽车的数量不断增长,充电桩的市场需求也就越来越大,目前,充电桩设置在工业区域、商场周边、住宅小区、停车场、街头以及其他公共区域,以为电动汽车提供快速充电服务。但是当某一区域不同时间段内的电动车数量会由于假期、旅游等情况而充满极大的不确定性,如果某一区域某个时间段的电动车数量突增,加之电动车充电时本就比常规燃油车加油时间长很多,因此电动汽车充电排队时间过长的问题就特别突出,有时还会因此造成道路拥堵,而当某一区域某个时间段的待充电电动汽车很少时,则充电桩闲置较多,使用效率低;而且用户对于陌生区域的充电桩分布并不熟悉,存在寻找充电桩困难的问题;另外,目前充电桩的无序充电方式,会使不同充电桩的负载不均衡,从而对电网造成冲击。
现有技术已提出一些调度方案,但现有技术中的调度方案需要调度的电动汽车和充电站范围广,调度过程中需要处理的数据量很大,导致调度效率低。
发明内容
本发明的目的是提供一种电动汽车充电管理系统和方法,用以解决现有技术中的调度方案需要调度的电动汽车和充电站范围广,调度过程中需要处理的数据量很大,导致调度效率低的问题。
为实现上述目的,本发明的提出了一种电动汽车充电调度方法,包括:
S1:根据充电站的位置分布通过聚类的方式将充电站分成至少三个分组;
S2:获取电动汽车的预约充电请求,根据充电站分组情况和发出预约充电请求的电动汽车位置对预约充电请求进行分组,确定每个充电站分组所分配的电动汽车预约充电请求分组;
S3:建立调度模型,包括:以充电站分组为单位,以每个分组内的充电总耗时、各个充电站充电桩分配比例均衡度、各个充电站的负荷水平均衡度、充电成本中的一个最佳或多个综合最佳为目标建立调度模型;
S4:求解各调度模型的最优解,确定各个充电站分组内的最优配置,根据最优解对各个充电站分组内电动汽车进行调度。
本发明将充电站与电动汽车分组,在每个组内分别建立调度模型,并依此确定各个充电站分组内的最优的电动汽车到充电站内某个充电桩的调度方案,相比现有技术,本发明调度每个电动汽车到相应的充电桩时,处理的数据量较小,从而调度效率较高。
进一步地,所述S1包括:随机选择充电站作为初始聚类中心,根据其他充电站到初始聚类中心的距离按照Kmeans聚类将充电站分成至少三个分组。
本发明的分组方法可将距离较近的充电站分在同一个分组内,以此为基础,可以使调度时间成本和调度成本整体较低。
进一步地,所述S2包括根据电动汽车到各个充电站分组中心的距离选择电动汽车的初始聚类中心,然后根据其他电动汽车到初始聚类中心的距离进行聚类实现对预约充电请求的分组,以确定每个充电站分组所分配的电动汽车预约充电请求分组。
本发明将距离充电站较近的电动汽车分到该充电站,可使调度时间成本和调度成本整体更低。
进一步地,每个充电站内建立的所述调度模型为:
其中,、 />、 />、/>为根据业务需求配置的权重;N表示分组内充电站总数;M表示分组内需要调度的电动汽车总数, />为每个分组内的第i个电动汽车到第j个充电桩的充电总耗时,F j 为每个分组内第j个充电站充电桩分配比例均衡度,C i,j 为每个分组内第i个电动汽车到第j个充电桩的充电成本, />为每个分组内的第i个电动汽车到第j个充电桩后的充电站负荷平衡评价指标,用以评价充电站负荷水平均衡度。
本发明的模型综合考虑所有电动汽车的充电总成本、总耗时以及所有充电站充电桩分配比例均衡度、所有充电站负荷水平均衡度来选择最优的调度方案,通过根据实际需要灵活调整以上四个因素的权重,从整体最优触发来选出最符合实际需求的调度方案。
进一步地,所述充电站充电桩分配比例均衡度根据每个充电站的电动汽车数与充电桩数比值的差值计算得到,计算公式如下:
其中,N表示分组内充电站总数; 表示充电站j内的充电桩个数; />表示充电站j内的电动汽车个数; />表示充电站 />内的充电桩个数,/>表示充电站 />内的电动汽车个数;/>表示充电站j内第i个充电桩是否有电动汽车:
。
本发明给出了充电站充电桩分配比例均衡度的具体计算方法,该方法简单可靠。
进一步地,所述S4中采用遗传算法求解最优解。
本发明给出了最优解的具体求解算法,根据该算法可以较快地得到最优解,从而得到调度方案。
进一步地,在利用遗传算法求解过程,在变异操作后,对新的种群P 1(t)使用粒子群优化算法得到群体P 4(t),然后对选择的群体P 1(t)和P 4(t)的个体进行选择、复制操作得到下一代群体P(t+1)。
本发明在变异操作后进行局部搜索,增加搜索多样性和全局搜索能力,避免陷入局部最优解。
本发明还提出了一种电动汽车充电调度系统,包括:
用户侧服务模块,该模块用于,发送请求服务至充电调度模块以及接收充电调度模块发送的调度方案,所述请求服务包括充电预约;
地图服务模块:用于获取电动汽车到各充电站的导航信息、路径信息以及路况信息,并发送给充电调度模块;
充电调度模块,该模块根据用户预约充电的服务请求、当前电动汽车所在位置和充电站内充电桩的信息及电动汽车到各充电站的路径信息依据上述电动汽车充电调度方法调度电动汽车至相应的充电站内的充电桩。
该系统的充电调度模块在调度时,将充电站与电动汽车分组,在每个组内分别建立调度模型,并依此确定各个充电站分组内的最优的电动汽车到充电站内某个充电桩的调度方案,相比现有技术中不分组的情况,能够更快地给出最优的调度方案。
进一步地,还包括用户管理模块,该模块支持用户服务账户和用户认证。
本发明通过用户管理模块来实现用户服务账户和用户认证,便于对用户信息进行管理。
进一步地,还包括物联管理模块,该模块用于实现充电桩与用户侧之间的信息传输。
附图说明
图1是本发明实施例的电动汽车充电管理系统架构图。
具体实施方式
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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
本发明的整体构思为:
S1:随机选择充电站作为初始聚类中心,根据其他充电站到初始聚类中心的距离进行聚类,将充电站分成至少三个分组。
S2:获取电动汽车的预约充电请求,根据充电站分组情况和发出预约充电请求的电动汽车位置对预约充电请求进行分组,根据电动汽车到S1聚类后的聚类中心的距离选择电动汽车的初始聚类中心,然后根据其他电动汽车到初始聚类中心的距离进行聚类以确定每个充电站分组所分配的电动汽车预约充电请求分组。
S3:建立调度模型,包括:以充电站分组为单位,以每个分组内的充电总耗时、各个充电站充电桩分配比例均衡度、各个充电站的负荷水平均衡度、充电成本中的一个最佳或多个综合最佳为目标建立调度模型,调度模型中的每个分组内的充电总耗时、各个充电站充电桩分配比例均衡度、各个充电站的负荷水平均衡度、充电成本根据业务需求配置不同目标权重。
S4:采用遗传算法求解所述调度模型的最优解,根据最优解对电动汽车调度至对应的充电站内的充电桩处。
实施例1
一种电动汽车充电调度方法,包括:
S1:定时对充电站进行分组,步骤如下:
(1)、假设充电站共有N个,对应的充电站为S i=(S 1,S 2,…,S N ),充电站内的充电桩数量为C i,其中i=1,2,…,N;需要将N个充电站分组为K个充电站群,其中充电站群大小K根据手肘法和轮廓系数法确定;其中,X ik 表示充电站i是否被分配到第k个充电站群,X jk 表示充电站j是否被分配到第k个充电站群,/>和/>皆为布尔值变量;从充电站群S i中任意选K个充电站作为初始聚类中心Z j =(Z 1,Z 2,…,Z K ),组成聚类U j =(U 1,U 2,…,U K ),其中j=1,2,…,K;
(2)、获取除已经选择为聚类中心的充电站之外的充电站,计算与每个聚类中心的距离,排序,获取距离最小的聚类中心/>并将/>分配到/>对应的聚类/>;
(3)、将每个聚类中最靠近中心的充电站作为聚类的新的中心;
(3.1)、遍历所有聚类,针对每个聚类,计算该类中的所有点的中心坐标;
(3.2)、计算类中每个点距中心点的距离,距离计算公式为:
(3.3)、对距离{}进行排序,找出距离中心点最小的点作为新的类心;
(3.4)、返回步骤(1)处理下一个聚类更新所有类的类心;
(4)、依据充电站到各聚类类心的距离进行聚类,目标函数为:
其中,N为充电站数量;K表示聚类数量;x i 表示第i个充电站的x坐标;y i 表示第i个充电站的y坐标;x ik 表示充电站i是否划为第k个聚类,是则取值为1,否则取值为0;z k 表示第k个聚类的类心;x zk 表示第k个聚类类心的x坐标;y zk 表示第k个聚类的类心的y坐标;
(5)、如果D值收敛,则返回(Z 1,Z 2,…,Z K )及每个类内的充电站集合;否则转至步骤2)。
S2:对当前充电请求进行分组,步骤如下:
(1)、假设充电订单共有M个,对应的电动汽车为Q i=(Q 1,Q 2,…,Q M );当前 充电站共有N个,对应的充电站为S i=(S 1,S 2,…,S N ),充电站内的充电桩数量为C i,其中i=1,2,…,N;当前充电站群个数为K个,对应的充电站群为U j =(U 1,U 2,…,U K ),充电站群对应的聚类中心为Z j =(Z 1,Z 2,…,Z K );需要将M个电动汽车分组为K个电动汽车群;其中,X ik 表示电动汽车i是否被分配到第k个电动汽车群,X ik 表示电动汽车j是否被分配到第k个电动汽车群,/>和/>皆为布尔值变量;
(2)、遍历所有充电站群,计算电动汽车i到充电站群j的聚类中心的距离{},并进行排序,在排序后排名前K的电动汽车中随机选取一个未被选取为聚类中心的电动汽车作为电动汽车群j的初始聚类中心V j 。遍历完成后得出电动汽车群的初始聚类中心V j =(V 1,V 2,…,V K ),组成电动汽车聚类W j =(W 1,W 2,…,W K ),其中j=1,2,…,K;
(3)、获取除已经选择为聚类中心的电动汽车之外的电动汽车Q i,计算与每个聚类中心的距离,排序,获取距离最小的聚类中心V j 并将Q i分配到V j 对应的聚类W j ;
(4)、将每个聚类中最靠近中心的电动汽车作为聚类的新的中心;
(4.1)、遍历所有聚类,针对每个聚类,计算该类中的所有点的中心坐标;
(4.2)、计算类中每个点距中心点的距离,距离计算公式为:
(4.3)、对距离{ }进行排序,找出距离中心点最小的点作为新的类心;
(4.4)、返回步骤(1)处理下一个聚类更新所有类的类心;
(5)、依据电动汽车i到各电动汽车聚类类心的距离进行聚类,目标函数为:
其中,M为电动汽车数量;K表示电动汽车群聚类数量;表示第i个电动汽车的x坐标;/>表示第i个电动汽车的y坐标;/>表示电动汽车i是否划为第k个电动汽车聚类,是则取值为1,否则取值为0;/>表示第k个电动汽车聚类的类心;x zk 表示第k个电动汽车类类心的x坐标;y zk 表示第k个电动汽车类类心的y坐标;
其中s k 表示第k个充电站群的充电站个数;C kj 表示充电站群k中的第j个充电站的充电桩个数。
其中为平衡因子,平衡因子平台可配置,通过历史数据和评估来确定。
(6)、如果D值收敛,则返回及每个类内的电动汽车集合;否则转至步骤3)。
S3:调度模型建立
S3.1、建立电动汽车i到充电站j完成充电总耗时的模型
S3.1.1、计算行驶时间
(1)、根据电动汽车i到充电站j的路径信息和路况信息获取途径道路、对应道路行驶距离和拥堵情况 :根据电动汽车i到充电站j的路径信息,将路径按照道路拆分为k条道路,获取对应道路的行驶距离/>,获取对应道路的拥堵情况/>;
(2)、计算电动汽车i到达充电站j的行驶时间:
其中, 表示电动汽车i到达充电站j所消耗的时间; />表示途径的第k条道路的距离; />表示电动汽车i的平均行驶速度; />表示途径的第k条道路的拥堵系数;
S3.1.2、建立每个充电站的排队等待时间的数学模型
充电站空闲状态、充电桩使用率、充电桩数量、充电速度、充电到达率都会影响电动汽车到达充电站之后的等待时间,公式如下:
其中, 表示某时刻,充电站是否包含空闲充电桩,如果存在空闲充电桩,则/>为0,否则 />表示充电站内最近充电桩结束充电的时间;
S3.1.3、电动汽车充电耗时
充电时间 表示待充电车辆排队结束后,开始充电到充电完成所消耗的时间:
其中:表示电动汽车i的充电时间;/>表示电动汽车i的电池容量;/>表示电池i的初始电量;/>表示电动汽车i从起点到达充电站j消耗的电量; />表示电动汽车i的充电功率;
这样,电动汽车i在充电站j处花费的总时间如下:
= />
S3.2、计算每个充电站的电动汽车数与充电桩数比值的差值
计算每个充电站的电动汽车数与充电桩数比值的差值,公式如下:
其中,N表示充电站总数;表示充电站j内的充电桩个数;/>表示充电站j内的电动汽车个数; />表示充电站/>内的充电桩个数,/>表示充电站 />内的电动汽车个数;/>表示充电站j内第i个充电桩是否有电动汽车:
;
S3.3、充电站负荷平衡评价指标
用每个充电站的负荷水平和区域内所有充电站负荷的平均值的差取绝对值作为负荷评价指标:
其中,表示充电站j当前的基础负荷; />表示电动汽车i的充电功率;
S3.4、充电成本分析
电动汽车i到充电桩j并完成充电的费用由行驶费用、充电费和服务费之和组成:
其中,表示电动汽车i从出发地到充电站j的路程; />表示电动汽车i的百公里电耗;/>表示电动汽车i上一次充电的充电单价; />表示充电站j的充电单价;/>表示电动汽车i的电池容量;/>表示电动汽车i的剩余电量;/>表示充电站j的服务费单价;
考虑电动汽车与充电站之间的匹配问题和充电耗时为优化目标,充电调度优化问题可建模为:
其中为平衡因子,用于配置不同目标的权重;N表示充电站总数;M表示需要调度的电动汽车总数。
四个平衡因子的取值范围为0-1之间,根据业务需要,对于重要的指标设置更高的权重,不重要的指标,设置更低的权重。
S4:求解调度模型的最优解,步骤如下:
(1)、设置参数:进化代数计数器t=0,选择车辆数和充电站数量的和乘以2作为初始
群体个数N、最大进化代数K;
(2)、初始化种群:使用随机生成的方法生成N个初始个体组成的初始群体P(t),种群中每个个体代表一个电动汽车和对应充电站的组合,然后求出各个个体的适应度,目标函数为最小化问题,因此使用以下适应度函数:
(3)、选择运算,对群体P(t)进行轮盘赌注法进行选择运算,从当前个体里挑选一定数量适应度值大的个体;通过选择运算得到P 1(t);
(4)、按照适应度进行锦标赛选择,从种群P 1(t)中随机选择两个个体和 />,然后进行交叉和变异操作;
(5)、交叉操作:对群体中选择出的两个个体作交叉运算,交叉概率为:
其中 和 />分别是种群适应度的最小值和平均值, />是两个交叉体中适应度较小的适应度值; />、 />、/>为算法中需要的其他参数。 />表示遗传算法中进行交叉的点的数量,交叉点的数量通常决定了交叉操作的复杂程度和个体间基因交流的程度。 />的取值范围是0到个体长度之间的整数。通常情况下, />取值为1或者2较为常见,当 />为1时,表示进行单点交叉,当/>为2时,表示进行双点交叉;/>和 />表示两个个体被选中的概率,通常会随机选取0-1之间的随机数,增强每次迭代的随机性、多样性,增加算法的搜索能力。实际应用中,应根据具体问题和经验来进行调整;
交叉运算后得到两个新个体 和 />,如果/>,则接受 />,否则保留老个体;如果/>,则接受 />,否则保留老个体;
(6)、变异操作:对交叉操作后的两个保留下来的个体进行变异操作,变异概率为:
其中 和 />分别是种群适应度的最小值和平均值, />是变异个体的适应度值; />、 />、 />为算法中需要的其他参数。 />表示扩展变异概率的参数,表示一个个体中被选中的基因数量。/>表示基本变异概率,表示控制单个基因发生变异的概率。 />表示扩展变异概率,用于控制多个基因发生变异的概率。/>的取值通常较小,比如取值1、2或者3,从而控制扩展变异的范围并避免过度干扰个体的基因组; />的取值通常较小,比如0.01或者0.1,以控制单个基因发生变异的概率; />的取值一般也比较小,控制多个基因发生扩展变异的概率。实际应用中,这些参数应该根据具体问题和经验来进行调整;
变异运算后得到两个新个体:和/>,如果个体的适应度增大,则接受新个体,否则保留老个体;
(7)、将新产生的两个个体加入新的种群P 3(t),如果到P 3(t)中的个体数量小于N,则转到步骤(4);
(8)、对选择的群体P 1(t)的个体进行选择、复制操作得到下一代群体;
(9)、终止条件判断;若不满足终止条件,则t=t+1,转到(3);若满足终止条件,则输出当前最优解,算法结束。
实施例2
一种电动汽车充电调度方法,在实施例1的基础上,做如下调整:
遗传算法中包括:在变异操作后,对新的种群P 1(t)使用粒子群优化算法得到群体P 4(t),然后对选择的群体P 1(t)和P 4(t)的个体进行选择、复制操作得到下一代群体P(t+1)。
实施例3
一种电动汽车充电调度系统,如图1所示,包括:
用户侧服务模块,该模块用于:发送请求服务至充电调度模块,所述请求服务包括充电预约;接收充电调度模块发送的调度方案;
地图服务模块:用于获取电动汽车到各充电站的导航信息、路径信息以及路况信息,并发送给充电调度模块;
充电调度模块,该模块根据用户预约充电的服务请求、当前电动汽车所在位置和充电站内充电桩的信息及电动汽车到各充电站的路径信息依据电动汽车充电调度方法调度电动汽车至相应的充电站内的充电桩;
用户管理模块,该模块支持用户的充值卡开通、充值及退款等服务;该模块还用于用户登录的认证,如微信或QQ用户的授权登录认证;
物联管理模块,该模块用于采集充电桩实时数据;接收用户通过用户侧模块发送的预约充电服务请求;将预约充电服务请求下发至充电桩,所述物联管理模块与充电桩之间的数据采用加密传输,加密传输设置为:充电桩认证阶段采用非对称加密进行报文的加密和解密,充电桩登录成功后采用对称加密进行报文的加密和解密,对称密钥随机生成并在认证报文中由终端传递给物联网关;非对称加密的公钥和私钥内置在充电桩侧的内置加密芯片和加密机中,加密芯片内置了一对公钥和私钥,并与密码机的一对公钥和私钥相匹配;充电桩开机首先发送登录认证数据,充电桩登录认证报文中包含通过公钥加密的密钥密文,物联管理模块收到登录认证数据报文调用加密机接口,加密机将认证数据报文采用私钥解密,物联管理模块将解密后的数据发送到充电站管理模块验证登录信息,并将验证成功和失败信息发送到物联管理模块,如果认证成功,物联管理模块获取加密后的密钥,并调用加密机接口进行解密,获得对称密钥并保存;物联管理模块根据认证结果组织报文,并调用加密机加密接口获取加密后的报文,并将认证结果发送给充电桩。
实施例4
一种电动汽车充电调度系统,包括:
用户侧服务模块,该模块用于发送请求服务至充电预约管理模块,所述请求服务包括充电预约、取消预约、停止充电、充值、退款、发票请求等;接收充电预约管理模块发送的订单信息并支付订单以及接收充电调度模块发送的调度方案,在本实施例中用户侧服务模块的功能具体由用户侧APP来实现;
充电预约管理模块,该模块的功能包括:接收用户通过用户侧APP提交的服务请求,并将服务请求提交至充电站管理模块,将充电预约的服务请求发送至充电调度模块并接收充电站管理模块的调度方案后将调度方案发送至用户侧APP;
充电站管理模块,用于监听充电实时数据并将其存储、接收充电预约管理模块发送的服务请求;将充电预约的服务请求发送至充电调度模块并接收充电调度模块的调度方案后将调度方案发送至充电预约管理模块;
物联管理模块,根据充电站数量及分布,以及站内充电桩情况,部署多套物联管理模块,该模块用于采集充电桩实时数据;接收用户通过用户侧APP发送的预约充电服务请求;将充电预约、取消预约、停止充电等服务请求和电价配置、固件升级等下发至充电桩;所述物联管理模块与充电桩之间的数据采用加密传输,充电桩认证阶段采用非对称加密进行报文的加密和解密,充电桩登录成功后采用对称加密进行报文的加密和解密,对称密钥随机生成并在认证报文中由终端传递给物联网关,非对称加密的公钥和私钥内置在充电桩侧的内置加密芯片和加密机中,加密芯片内置了一对公钥和私钥,并与密码机的一对公钥和私钥相匹配;充电桩开机首先发送登录认证数据,充电桩登录认证报文中包含通过公钥加密的密钥密文,物联管理模块收到登录认证数据报文调用加密机接口,加密机将认证数据报文采用私钥解密,物联管理模块将解密后的数据发送到充电站管理模块验证登录信息,并将验证成功和失败信息发送到物联管理模块,如果认证成功,物联管理模块获取加密后的密钥,并调用加密机接口进行解密,获得对称密钥并保存,物联管理模块根据认证结果组织报文,并调用加密机加密接口获取加密后的报文,并将认证结果发送给充电桩;
充电调度模块:用于通过充电站管理模块接收所述充电预约管理模块提交的预约充电的服务请求,该预约充电的服务请求中包括电动汽车的剩余电量、电池容量、充电功率、电动汽车的当前位置等;并从充电站管理模块获取电动汽车当前位置区域内的充电站实时信息,充电站实时信息包括充电桩实时信息即每个充电桩位置、心跳信息、当前充电情况、排队情况等,以及充电桩数量、空闲充电桩数量、各个充电桩等实时信息;充电调度模块还可从地图服务中获取电动汽车到各充电站的路径信息和路况信息;充电调度模块对电动汽车的充电预约服务请求进行分组,然后以组为单位通过充电调度模块接收到的信息建立调度模型,最后通过改进遗传算法求解最优解得到调度方案,并将该调度方案发送给充电管理模块,所述调度方案包括目标充电桩、导航路径和总费用等;
配置管理模块,用于运营商将计费模型、充电桩实时数据上传频率、固件升级、定时校价等提交到物联管理模块;
用户管理模块,该模块支持用户的充值卡开通、充值及退款等服务;该模块还用于用户登录的认证,如微信或QQ用户的授权登录认证;
地图服务模块:用于获取电动汽车到各充电站的导航信息、路径信息以及路况信息。
应用本发明中的系统进行充电时,按照如下步骤:
S1:充电前充电调度模块根据用户预约充电的服务请求制定调度方案以备用户使用,包括以下步骤:
1)充电预约管理模块接收用户从用户侧APP发送的预约充电的服务请求后,通过充电站管理模块提交该服务请求至充电调度模块;
2)充电调度模块根据接收到的服务请求制定调度方案,并通过充电站管理模块将调度方案返回给用户侧APP,所述调度方案包括目标充电桩、导航路径和总费用等;
3)用户接收到该调度方案后,可选择接收或拒绝该调度方案,如果用户选择拒绝,则本次预约结束,若用户还想充电可以发起新预约充电的服务请求,如果用户选择接收,则执行下一步;
4)用户接收调度方案后,如果在充电前因为个人计划改变、临时有事等原因不再需要充电,可以在用户侧APP发送取消预约的服务请求来结束后续充电流程;如果用户准备充电则按照调度方案的导航路径前往目标充电桩;
S2:充电桩为用户充电,充电桩后为用户的电动汽车充电,充电过程中,充电桩定时上传充电实时数据至充电预约管理模块。
S3:结束订单,包括:,
电动汽车未完成充电前用户可随时主动停止充电,随时主动停止充电的步骤为:
1)用户通过用户侧APP随时提交停止充电的服务请求至充电管理模块;
2)充电管理模块将接收到的停止充电的服务请求提交到物联管理模块;
3)物联管理模块将接收到的停止充电的服务请求下发至用户正在充电的充电桩;
4)充电桩收到停止充电的服务请求后结束充电并向物联管理模块上传此次充电的交易结算信息;
5)物联管理模块接收到的交易结算信息发送至充电预约管理模块;
6)充电预约管理模块结束交易订单,并更新交易订单信息、扣除用户费用;
充电过程中,充电桩发生故障不能充电时,被动停止充电,被动停止充电的步骤为:
1)充电桩充电功能发生故障时,充电桩主动上传故障信息以及交易结算信息至充电站管理模块;
2)充电站管理模块根据收到的故障信息后更新充电桩实时信息,并将收到的交易结算信息提交给充电预约管理模块;
3)充电预约管理模块收到交易结算信息后,结束订单,并更新订单信息,扣除用户费用;
充电过程中,充电桩发生故障不能上传充电实时数据时,强制停止充电,强制停止充电的步骤为:
1)充电过程中,充电桩超过一定时间(一般设置为5分钟到10分钟)未上传实时数据至充电预约管理模块,则充电预约管理模块判定充电桩离线;
2)判定充电桩离线后,充电预约管理模块强制结束订单,并根据最新的充电桩实时数据更新订单信息,自动结算扣除相关费用;
充电完成后,自动结束充电,自动结束充电的步骤包括:
1)电动汽车正常完成充电,则充电桩自动结束充电,并上传故障信息以及交易结算信息至充电站管理模块;
2)充电站管理模块将收到的交易结算信息提交给充电预约管理模块;
3)充电预约管理模块收到交易结算信息后,结束订单,并更新订单信息,扣除用户费用;
以上显示和描述了本发明的基本原理和主要特征以及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种电动汽车充电调度方法,其特征在于,包括:
S1:根据充电站的位置分布通过聚类的方式将充电站分成至少三个分组;
S2:获取电动汽车的预约充电请求,根据充电站分组情况和发出预约充电请求的电动汽车位置对预约充电请求进行分组,确定每个充电站分组所分配的电动汽车预约充电请求分组;
S3:建立调度模型,包括:以充电站分组为单位,以每个分组内的充电总耗时、各个充电站充电桩分配比例均衡度、各个充电站的负荷水平均衡度、充电成本中的一个最佳或多个综合最佳为目标建立调度模型;
S4:求解各调度模型的最优解,确定各个充电站分组内的最优配置,根据最优解对各个充电站分组内电动汽车进行调度。
2.根据权利要求1所述的电动汽车充电调度方法,其特征在于,所述S1包括:随机选择充电站作为初始聚类中心,根据其他充电站到初始聚类中心的距离按照Kmeans聚类将充电站分成至少三个分组。
3.根据权利要求1所述的电动汽车充电调度方法,其特征在于,所述S2包括根据电动汽车到各个充电站分组中心的距离选择电动汽车的初始聚类中心,然后根据其他电动汽车到初始聚类中心的距离进行聚类实现对预约充电请求的分组,以确定每个充电站分组所分配的电动汽车预约充电请求分组。
4.根据权利要求1所述的电动汽车充电调度方法,其特征在于,每个充电站内建立的所述调度模型为:
其中,、/>、/>、/>为根据业务需求配置的权重;N表示分组内充电站总数;M表示分组内需要调度的电动汽车总数,/>为每个分组内的第i个电动汽车到第j个充电桩的充电总耗时,F j 为每个分组内第j个充电站充电桩分配比例均衡度,C i,j 为每个分组内第i个电动汽车到第j个充电桩的充电成本,/>为每个分组内的第i个电动汽车到第j个充电桩后的充电站负荷平衡评价指标,用以评价充电站负荷水平均衡度。
5.根据权利要求4所述的电动汽车充电调度方法,其特征在于,所述充电站充电桩分配比例均衡度根据每个充电站的电动汽车数与充电桩数比值的差值计算得到,计算公式如下:
其中,N表示分组内充电站总数;表示充电站j内的充电桩个数;/>表示充电站j内的电动汽车个数;/>表示充电站/>内的充电桩个数,/>表示充电站/>内的电动汽车个数;/>表示充电站j内第i个充电桩是否有电动汽车:
。
6.根据权利要求1-5中任一项所述的电动汽车充电调度方法,其特征在于,所述S4中采用遗传算法求解最优解。
7.根据权利要求6所述的电动汽车充电调度方法,其特征在于,在利用遗传算法求解过程,在变异操作后,对新的种群P 1(t)使用粒子群优化算法得到群体P 4(t),然后对选择的群体P 1(t)和P 4(t)的个体进行选择、复制操作得到下一代群体P(t+1)。
8.一种电动汽车充电调度系统,其特征在于,包括:
用户侧服务模块,该模块用于,发送请求服务至充电调度模块以及接收充电调度模块发送的调度方案,所述请求服务包括充电预约;
地图服务模块:用于获取电动汽车到各充电站的导航信息、路径信息以及路况信息,并发送给充电调度模块;
充电调度模块,该模块根据用户预约充电的服务请求、当前电动汽车所在位置和充电站内充电桩的信息及电动汽车到各充电站的路径信息依据权利要求1-7中任一项所述的电动汽车充电调度方法调度电动汽车至相应的充电站内的充电桩。
9.根据权利要求8所述的电动汽车充电调度系统,其特征在于,还包括用户管理模块,该模块用于实现用户服务账户的管理和用户认证。
10.根据权利要求8所述的电动汽车充电调度系统,其特征在于,还包括物联管理模块,该模块用于实现充电桩与用户侧之间的信息传输。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311537037.3A CN117273181B (zh) | 2023-11-17 | 2023-11-17 | 一种电动汽车充电调度方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311537037.3A CN117273181B (zh) | 2023-11-17 | 2023-11-17 | 一种电动汽车充电调度方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117273181A true CN117273181A (zh) | 2023-12-22 |
CN117273181B CN117273181B (zh) | 2024-04-26 |
Family
ID=89204627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311537037.3A Active CN117273181B (zh) | 2023-11-17 | 2023-11-17 | 一种电动汽车充电调度方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117273181B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118333351A (zh) * | 2024-06-13 | 2024-07-12 | 鱼快创领智能科技(南京)有限公司 | 一种电动汽车充电站的选址与增建方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103840549A (zh) * | 2012-11-20 | 2014-06-04 | 北京交通大学 | 电动汽车充电负荷空间调度系统及方法 |
CN108182483A (zh) * | 2017-11-23 | 2018-06-19 | 南京邮电大学 | 基于二次聚类的大规模电动汽车充电调度系统及其优化方法 |
CN112590604A (zh) * | 2020-12-02 | 2021-04-02 | 南京理工大学北方研究院 | 一种新能源汽车充电桩群运营管理系统 |
CN113505962A (zh) * | 2021-05-28 | 2021-10-15 | 暨南大学 | 一种考虑完整行程的电动汽车导航与充电预约方法 |
CN113807647A (zh) * | 2021-07-28 | 2021-12-17 | 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 |
CN115577614A (zh) * | 2022-09-02 | 2023-01-06 | 合肥工业大学 | 基于二次聚类的电动汽车集群可调度容量建模方法 |
CN115907076A (zh) * | 2022-09-30 | 2023-04-04 | 国网重庆市电力公司营销服务中心 | 一种山地城市充电负荷概率预测系统及方法 |
CN117035185A (zh) * | 2023-08-16 | 2023-11-10 | 山东交通学院 | 基于动态充电需求的电动汽车充电站布局优化方法及系统 |
-
2023
- 2023-11-17 CN CN202311537037.3A patent/CN117273181B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103840549A (zh) * | 2012-11-20 | 2014-06-04 | 北京交通大学 | 电动汽车充电负荷空间调度系统及方法 |
CN108182483A (zh) * | 2017-11-23 | 2018-06-19 | 南京邮电大学 | 基于二次聚类的大规模电动汽车充电调度系统及其优化方法 |
CN112590604A (zh) * | 2020-12-02 | 2021-04-02 | 南京理工大学北方研究院 | 一种新能源汽车充电桩群运营管理系统 |
CN113505962A (zh) * | 2021-05-28 | 2021-10-15 | 暨南大学 | 一种考虑完整行程的电动汽车导航与充电预约方法 |
CN113807647A (zh) * | 2021-07-28 | 2021-12-17 | 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 |
CN115577614A (zh) * | 2022-09-02 | 2023-01-06 | 合肥工业大学 | 基于二次聚类的电动汽车集群可调度容量建模方法 |
CN115907076A (zh) * | 2022-09-30 | 2023-04-04 | 国网重庆市电力公司营销服务中心 | 一种山地城市充电负荷概率预测系统及方法 |
CN117035185A (zh) * | 2023-08-16 | 2023-11-10 | 山东交通学院 | 基于动态充电需求的电动汽车充电站布局优化方法及系统 |
Non-Patent Citations (9)
Title |
---|
刘丽军等: "基于"车-路-站-网"信息耦合的电动汽车有序充电策略", 高电压技术 * |
刘文霞;刘流;赵天阳;: "变电站区域充电桩接入控制模式及策略", 电力系统自动化, no. 16, 25 August 2013 (2013-08-25) * |
崔金栋;罗文达;周念成;: "基于多视角的电动汽车有序充放电定价模型与策略研究", 中国电机工程学报, no. 15, 9 May 2018 (2018-05-09) * |
张洁;杨春玉;鞠非;徐小龙;: "基于二次聚类的大规模电动汽车有序充电调度策略优化", 计算机应用, no. 10, 10 October 2017 (2017-10-10) * |
张洁等: "基于二次聚类的大规模电动汽车有序充电调度策略优化", 计算机应用 * |
徐天奇等: "电动汽车用户选择充电站最佳经济途径的方法研究", 工程应用 * |
王锡凡等: "电动汽车充电负荷与调度控制策略综述", 中国电机工程学报 * |
王雅;曾成碧;苗虹;刘广;: "基于K-means聚类的有序充放电多目标调度模型", 电力建设, no. 07, 1 July 2016 (2016-07-01) * |
韩天轮: "考虑电动汽车负荷影响的配电网规划及运行研究", 中国优秀硕士学位论文全文数据库 工程科技II辑, 15 January 2020 (2020-01-15), pages 2 - 5 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118333351A (zh) * | 2024-06-13 | 2024-07-12 | 鱼快创领智能科技(南京)有限公司 | 一种电动汽车充电站的选址与增建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117273181B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190041886A1 (en) | Method and system for scheduling the discharge of distributed power storage devices and for levelizing dispatch participation | |
Yao et al. | A real-time charging scheme for demand response in electric vehicle parking station | |
CN108171353B (zh) | 一种基于时间片的电动汽车快速预约匹配方法 | |
CN111160588B (zh) | 一种预约充电服务方法及系统 | |
CN117273181B (zh) | 一种电动汽车充电调度方法和系统 | |
Zenginis et al. | Performance evaluation of a multi-standard fast charging station for electric vehicles | |
CN112193116A (zh) | 一种考虑奖励机制的电动汽车充电优化引导策略 | |
CN108269008B (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 | |
CN112507506B (zh) | 基于遗传算法的共享汽车定价规划模型的多目标优化方法 | |
CN112356721A (zh) | 基于云平台的电动汽车充电引导方法及系统 | |
CN113222241B (zh) | 考虑充电服务引导与客户需求的出租车快充电站规划方法 | |
CN114936666B (zh) | 基于车-站-平台系统的电动汽车充电导航方法及系统 | |
Sadreddini et al. | Design of a decision-based multicriteria reservation system for the EV parking lot | |
Chen et al. | Plug-in electric vehicle charging congestion analysis using taxi travel data in the central area of Beijing | |
CN114169609A (zh) | 一种考虑光伏耦合的电动汽车充电站规划方法 | |
Fan et al. | Optimal shared mobility planning for electric vehicles in the distribution network | |
CN115099462A (zh) | 一种电动汽车充电站优化布局方法 | |
Shen et al. | Integrated optimization of electric vehicles charging location and allocation for valet charging service | |
Rigas et al. | Algorithms for electric vehicle scheduling in mobility-on-demand schemes | |
CN112581313B (zh) | 一种光伏充电站资源的分配调节方法和系统 | |
CN113486504A (zh) | 一种基于调度成本的电池管理控制方法 | |
CN111651899A (zh) | 考虑用户选择行为的换电站鲁棒选址定容方法和系统 | |
GB2621739A (en) | System for charging electric vehicles (EVS) and related methods | |
Wang et al. | Queueing theory-based optimal decision-making model of battery energy storage-assisted fast charging station participating in emergency demand response | |
Shukla et al. | Planning of EV fast charging stations for distribution system coupled with transportation network |
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 |