CN114485702A - 一种电动汽车充电路径规划方法及系统 - Google Patents
一种电动汽车充电路径规划方法及系统 Download PDFInfo
- Publication number
- CN114485702A CN114485702A CN202111666934.5A CN202111666934A CN114485702A CN 114485702 A CN114485702 A CN 114485702A CN 202111666934 A CN202111666934 A CN 202111666934A CN 114485702 A CN114485702 A CN 114485702A
- Authority
- CN
- China
- Prior art keywords
- charging
- time
- charging station
- node
- road network
- 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.)
- Pending
Links
- 238000013439 planning Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000005611 electricity Effects 0.000 claims abstract description 103
- 230000008901 benefit Effects 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000005265 energy consumption Methods 0.000 claims description 54
- 230000006870 function Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000007728 cost analysis Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000035605 chemotaxis Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- 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
- G06Q30/0283—Price estimation or determination
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Automation & Control Theory (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种电动汽车充电路径规划方法及系统,首先根据充电站各个时段的综合负荷分布情况,路网车流量确定充电站的每个时间段的分时电价,之后再构建充电站分时电价进优化模型,并根据需求对充电站分时电价进行优化,随后根据充电经济成本和充电时间成本,构建充电综合路径规划模型,最后根据充电综合路径规划模型确定电动汽车综合最优充电路径;本发明的技术方案基于电网和路网对分时电价的影响,通过充电优化模型优化充电站和充电路径规划模型综合充电站效益以及用户充电综合成本,能够兼顾充电站经济收益、综合负荷、车流量,通过合理调整分时电价,吸引或抑制用户充电,优化充电站的综合效益。
Description
技术领域
本发明属于电动汽车快速充电技术领域,特别涉及一种电动汽车充电路径规划方法及系统。
背景技术
新能源电动汽车在我国实现了规模化发展,电动汽车保有量逐年增长,电动汽车车主们对于充电、出行路径规划的需求日益增加。先进的交通信息技术可以为出行者提供实时、准确的出行信息,电动汽车用户通过电动汽车充电智能服务平台能够获取实时的交通信息,在行驶过程中选择最优的充电站,大大方便了用户的出行,缓解用户的里程焦虑。因此推动电动汽车充电智能服务平台积极发展以提升电动汽车出行效率,非常具有现实意义。
当前国内外在电动汽车快速充电模式的研究,主要集中于以电动汽车充电路径规划为基础的电动汽车调度,多数都以用户为基础,很少考虑快充模式下充电站综合效益。需要建立协同优化模型,协调优化充电站综合效益以及电动汽车充电综合成本,为用户提供路径及最优充电站选择策略。
发明内容
本发明的目的是提供一种电动汽车充电路径规划方法及系统,基于电网和路网对分时电价的影响,通过充电优化模型优化充电站综合效益以及用户充电综合成本。
实现本发明目的技术方案为:
一种电动汽车充电路径规划方法,包括以下步骤:
步骤1、根据充电站各个时段的综合负荷分布情况、路网车流量确定充电站的每个时间段的分时电价;
步骤2、构建充电站分时电价进优化模型,并根据需求对充电站分时电价进行优化;
步骤3、根据充电经济成本和充电时间成本,构建充电综合路径规划模型;
步骤4、根据充电综合路径规划模型确定电动汽车综合最优充电路径。
一种电动汽车充电路径规划系统,包括以下模块:
充电站分时定价模块:用于基于各个时段的综合负荷分布情况、路网车流量确定充电站的每个时间段的分时电价;
分时电价进优化模块:用于构建充电站分时电价进优化模型,并根据需求对充电站分时电价进行优化;
充电综合路径规划模块:用于充电经济成本和充电时间成本,构建充电综合路径规划模型,并根据模型确定电动汽车综合最优充电路径。
与现有技术相比,本发明的有益效果在于:
(1)本发明的技术方案综合充电经济成本和充电时间成本的最优路径算法,兼顾了充电时间,相较于最短路径算法,综合成本更低,优化效果更好;
(2)本发明的技术方案采用基于电网与路网影响的分时电价作为激励手段,能够有效调动用户充电,在高峰时段抑制充电,在低谷时段吸引充电,从而实现充电负荷在时间空间上的转移,从而达到充电站优化综合负荷曲线与充电站道路车流量;
(3)本发明的技术方案通过对充电站分时电价制定策略的优化,能够兼顾充电站经济收益、综合负荷、车流量,通过合理调整分时电价,吸引或抑制用户充电,优化充电站的综合效益。
下面结合附图和具体实施方式对本发明做进一步的描述。
附图说明
图1为本发明的电动汽车充电路径规划方法步骤流程图。
图2为本发明的电动汽车充电路径规划系统架构示意图。
图3为本发明的实施例中的路网结构示意图。
图4为本发明的实施例中用户充电经济成本分析图。
图5为本发明的实施例中用户充电时间成本分析图。
图6为本发明的实施例中充电站各时段价格图。
图7为本发明的实施例中充电站收益图。
图8为本发明的实施例中充电站综合负荷图。
图9为本发明的实施例中充电站车流量图。
具体实施方式
一种电动汽车充电路径规划方法,包括以下步骤:
步骤1、根据充电站预测的各个时段的综合负荷分布情况、路网车流量确定充电站当日的每个时间段的分时电价,具体为:
步骤1-1、确定充电站综合负荷影响率:
其中,分别为编号为k的充电站在第t时段综合负荷、基础负荷、新能源出力及电动汽车充电负荷;根据综合负荷曲线得到综合负荷均值,为充电站k的综合负荷均值,T表示充电站总时段,为综合负荷对充电站k分时电价的电网影响率;
步骤1-2、为了调节道路车流量,需要通过日前预测的各充电站路网车流量情况定义其对分时电价的影响,取正常状态下的路段车流量范围为[0.4,0.7],确定充电站路网车流量影响率:
其中,表示充电站节点k到路网节点jk路段在t时段的不平衡量;jk表示充电站节点k辐射出的第一级路网节点;表示充电站节点k与第一级路网节点jk相连路段t时段的车流量;表示充电站节点k与第一级路网节点jk相连路段的通行能力,表示充电站节点k与第一级路网节点jk相连路段在t时段的车流量不平衡率,为路网车流量对充电站k分时电价的路网影响率,Jk为充电站节点k辐射出的一级连接路网节点集合;
步骤1-3、根据电网影响率以及路网影响率,确定充电站各时段的分时电价价格:
(b)当二者其一大于1,另一小于1时,此时电网与路网对分时电价的影响相矛盾,用户响应电网的需求会造成路网的不平衡率上升,用户响应路网的需求会加剧电网的负荷波动。因此两者之间需要一定的缓和,充电站各时段的分时电价价格为:
步骤2、构建充电站分时电价进优化模型,并根据需求对充电站分时电价进行优化,具体为:
步骤2-1、确定充电站优化模型的目标函数:
(a)充电站收益最大化:
(b)充电站电网节点综合负荷方差最小化:
(c)充电站路网节点总体不平衡率最小化:
步骤2-2、确定充电站优化模型的约束条件:
(a)充电站经济约束,充电站各时段的经济收益必须为正,即充电站各时段分时电价必须大于电网电价:
其中,Cs表示电网电价;
(b)充电站电网节点功率约束,各充电站节点的综合负荷必须在一定范围内:
(c)路网节点各路段车流量约束,各路段车流量不能超过该路段的通行能力。
步骤2-3、根据需求选择充电站优化模型的单个或组合目标函数,结合约束条件对充电站分时电价进行优化,最终确定各个时间的充电站分时电价。
步骤3、根据充电经济成本和充电时间成本,构建充电综合路径规划模型,具体为:
步骤3-1、确定充电时间成本,包括路径行驶时间Tdr、充电等待时间Tw、充电时间Tch,具体为:
步骤3-1-1、确定路径行驶时间,该时间主要包括路段行驶时间和路口等待时间。综合考虑路段与交叉口行驶时间,将道路等级、车流量、通行能力以及拥堵情况等诸多路网影响因素考虑在内:
其中,Tij为路段ij的行驶时间;zij该路段零流通行时间,即路段长度与该道路等级对应通行能力之比Lij/Cij;ξ为路口交通信号灯的周期;μ为绿灯时间占比;ρij和fij分别为路网中i节点与j节点之间路段饱和度和单车道车辆到达率;i,j∈N;γ为车流饱和度临界值;α与β为标定参数,通常取值α=0.15,β=4;
Tdr为从起始点到达充电站的行驶时间;U为用户到达充电站的一条可行路径;i、j为路网中的节点;
步骤3-1-2、确定充电等待时间,用户在陆续到达充电站后,按单队列进行排队。该时间却决于前方等待队列中的车辆充电需求时间以及处于充电状态的车辆的剩余充电时间:
其中,Tw为用户充电等待时间;nw为前方等待队列中的车辆数;nc为正在使用充电桩进行充电的车辆数;np为充电站内充电桩的总个数;Tc,k(k=1,2…,nc)为正在充电的第k辆车的剩余充电时间,Ti(i=1,2,…,nw)为队列中第i辆车充电所需要时间;
步骤3-1-3、确定充电时间,充电机充电功率保持恒定的情况下,充电时间主要与用户电池荷电状态(SOC)有关,即与车辆能耗有关,电池SOC越低,用户所充电量越高,充电时间越长:
其中,Tch为充电时间,Pch为充电机充电功率;SOCmax为电池最大荷电状态,一般取0.9,SOCw为车辆提示用户充电荷电状态,一般取0.3,C为电池容量,ECdr为用户前往充电站路径能耗,et为电动汽车维持车内恒温的非动力功率。
步骤3-2、确定充电经济成本,包括充电费用成本Cin、动力能耗成本Cpc、非动力能耗成本Cnpc,具体为:
步骤3-2-1、确定充电费用:
tc=t0+Tdr+Tw
步骤3-2-2、确定前往充电站路径中的动力能耗成本,电动汽车动力能量损耗与许多因素有关,主要由路径长度、行驶速度、行驶时间、车辆参数、坡度等因素决定,可以由下式表示:
而实际情况下,城市大部分路面角度都较小,因此假设路面角度α为0,并且加速度的总能耗在某一路段上很小,一般不考虑加速度以消除能耗与速度变化之间的关系,因此,简化后的能耗公式为:
ECij为路段ij行驶动力能耗;lij为路段ij长度;η为转化效率;ρα为空气密度(kg/m3);CD为空气阻力系数;Af为车辆迎风面积(m2);vij为路段ij的行驶速度(m/s);M为车辆质量(kg);g为重力加速度;fr为滚动摩擦系数,Cpc为从出发点到达充电站的动力能耗成本;
步骤3-2-3、确定前往充电站路径中的非动力能耗成本,电动汽车能耗需要考虑车载电器的使用能耗,这些能耗统称为非动力能耗,而这部分非动力能耗以车载空调能耗为主,因此假定非动力能耗即为车载空调能耗:
温度与车载空调能耗之间的关系可以表示为:
对于用户,车内温度需要保持恒定的最舒适温度,表示为Tref,则可以得到保持车内恒定最舒适温度的空调能耗功率为:
用户前往充电站非动力能耗成本可表示为:
其中,Tref为最舒适温度,ε为惯性系数,η为热转换效率,A为整车导热系数,Tt out为t时段车外温度,Tt+1为t+1时段的车内温度;Tt为t时段车内温度,et为t时段车载空调能耗功率,Cnpc为非动力能耗成本;Δt为时间间隔,一般取1小时。
步骤3-3、根据充电时间成本和经济成本确定综合路径规划模型,具体为:
步骤3-3-1、构建综合路径规划模型的目标函数:
Min Csy=(Cin+Cpc+Cnpc)+λ·(Tdr+Tw+Tch)
其中,Csy为用户综合成本;λ为时间成本折算系数;
步骤3-3-2、确定综合路径规划模型的约束条件:
(a)电动汽车剩余电量能够满足用户达到所选择充电站:
(SOCmax-SOCw)*C-ECdr-et*Tdr>SOCmin*C
其中,SOCmin为保持电池使用寿命的最小荷电状态,,一般取0.1,SOCw为车辆提示用户充电荷电状态,SOCmax为电池最大荷电状态,ECdr为前往充电站路径能耗,et为电动汽车维持车内恒温的非动力功率;
(b)电动汽车充电需求产生节点约束;
为了更贴合实际,电动汽车充电需求产生节点并不局限于路网节点上,而是可以在路段以及路网节点上选择,需求产生于路段则用户下一步可以选择的路网节点只有路段两侧的节点,而需求产生于路网节点则用户能够选择与该节点连接的路网节点,因此对于需求产生于路段以及需求产生于路网节点两种情况需要分开判断:
根据电动汽车充电需求产生于路段还是产生于路网节点选择约束公式;
其中,s为电动汽车需求产生节点;j为用户离开需求产生节点选择的节点;xsj为0-1变量,表示用户是否选择经过路段sj;S1为位于路段的需求产生点集合;S2为位于路网节点的需求产生点集合;Nsp为需求产生点s所在路段的端点集合;Ns为与路网节点s连接的路网节点集合;
(c)路网中间节点选择约束,对于一条到达充电站的确定路径,其中间节点之后可选择的节点必定是与该节点相连节点,且用户不会选择返回之前的节点,用户只能选择一个节点与一条路段,表示为:
其中,i为车辆当前所在节点;j为下一备选节点;xij为0-1变量,表示用户是否选择经过路段ij;ST为用户已访问路网节点集合,i∈ST表示当前所在节点归入已访问路网节点集合;Ni为与i节点相连的路网节点集合;表示备选节点不能已访问。
步骤4、根据充电综合路径规划模型确定电动汽车综合最优充电路径。
一种电动汽车充电路径规划系统,包括以下模块:
充电站分时定价模块:用于基于各个时段的综合负荷分布情况、路网车流量确定充电站的每个时间段的分时电价;
分时电价进优化模块:用于构建充电站分时电价进优化模型,并根据需求对充电站分时电价进行优化;
充电综合路径规划模块:用于充电经济成本和充电时间成本,构建充电综合路径规划模型,并根据模型确定电动汽车综合最优充电路径。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
步骤1、根据充电站各个时段的综合负荷分布情况、路网车流量确定充电站的每个时间段的分时电价;
步骤2、构建充电站分时电价进优化模型,并根据需求对充电站分时电价进行优化;
步骤3、根据充电经济成本和充电时间成本,构建充电综合路径规划模型;
步骤4、根据充电综合路径规划模型确定电动汽车综合最优充电路径。
一种计算机可存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
步骤1、根据充电站各个时段的综合负荷分布情况、路网车流量确定充电站的每个时间段的分时电价;
步骤2、构建充电站分时电价进优化模型,并根据需求对充电站分时电价进行优化;
步骤3、根据充电经济成本和充电时间成本,构建充电综合路径规划模型;
步骤4、根据充电综合路径规划模型确定电动汽车综合最优充电路径。
下面结合实施例与附图对本发明做进一步的说明。
实施例
一种电动汽车充电路径规划方法,包括以下步骤:
步骤1、根据充电站预测的各个时段的综合负荷分布情况、路网车流量确定充电站当日的每个时间段的分时电价,具体为:
步骤1-1、确定充电站综合负荷影响率:
其中,分别为编号为k的充电站在第t时段综合负荷、基础负荷、新能源出力及电动汽车充电负荷;根据综合负荷曲线得到综合负荷均值,为充电站k的综合负荷均值,T表示充电站总时段,为综合负荷对充电站k分时电价的电网影响率;
步骤1-2、为了调节道路车流量,需要通过日前预测的各充电站路网车流量情况定义其对分时电价的影响,取正常状态下的路段车流量范围为[0.4,0.7],确定充电站路网车流量影响率:
其中,表示充电站节点k到路网节点jk路段在t时段的不平衡量;jk表示充电站节点k辐射出的第一级路网节点;表示充电站节点k与第一级路网节点jk相连路段t时段的车流量;表示充电站节点k与第一级路网节点jk相连路段的通行能力,表示充电站节点k与第一级路网节点jk相连路段在t时段的车流量不平衡率,为路网车流量对充电站k分时电价的路网影响率,Jk为充电站节点k辐射出的一级连接路网节点集合;
步骤1-3、根据电网影响率以及路网影响率,确定充电站各时段的分时电价价格:
(b)当二者其一大于1,另一小于1时,此时电网与路网对分时电价的影响相矛盾,用户响应电网的需求会造成路网的不平衡率上升,用户响应路网的需求会加剧电网的负荷波动。因此两者之间需要一定的缓和,充电站各时段的分时电价价格为:
步骤2、构建充电站分时电价进优化模型,并根据需求对充电站分时电价进行优化,具体为:
步骤2-1、确定充电站优化模型的目标函数:
(a)充电站收益最大化:
(b)充电站电网节点综合负荷方差最小化:
(c)充电站路网节点总体不平衡率最小化:
步骤2-2、确定充电站优化模型的约束条件:
(a)充电站经济约束,充电站各时段的经济收益必须为正,即充电站各时段分时电价必须大于电网电价:
其中,Cs表示电网电价;
(b)充电站电网节点功率约束,各充电站节点的综合负荷必须在一定范围内:
(c)路网节点各路段车流量约束,各路段车流量不能超过该路段的通行能力。
步骤2-3、根据需求选择充电站优化模型的单个或组合目标函数,结合约束条件对充电站分时电价进行优化,最终确定各个时间的充电站分时电价。
步骤3、根据充电经济成本和充电时间成本,构建充电综合路径规划模型,具体为:
步骤3-1、确定充电时间成本,包括路径行驶时间Tdr、充电等待时间Tw、充电时间Tch,具体为:
步骤3-1-1、确定路径行驶时间,该时间主要包括路段行驶时间和路口等待时间。综合考虑路段与交叉口行驶时间,将道路等级、车流量、通行能力以及拥堵情况等诸多路网影响因素考虑在内:
其中,Tij为路段ij的行驶时间;zij该路段零流通行时间,即路段长度与该道路等级对应通行能力之比Lij/Cij;ξ为路口交通信号灯的周期;μ为绿灯时间占比;ρij和fij分别为路网中i节点与j节点之间路段饱和度和单车道车辆到达率;i,j∈N;γ为车流饱和度临界值;α与β为标定参数,通常取值α=0.15,β=4;
Tdr为从起始点到达充电站的行驶时间;U为用户到达充电站的一条可行路径;i、j为路网中的节点;
步骤3-1-2、确定充电等待时间,用户在陆续到达充电站后,按单队列进行排队。该时间却决于前方等待队列中的车辆充电需求时间以及处于充电状态的车辆的剩余充电时间:
其中,Tw为用户充电等待时间;nw为前方等待队列中的车辆数;nc为正在使用充电桩进行充电的车辆数;np为充电站内充电桩的总个数;Tc,k(k=1,2…,nc)为正在充电的第k辆车的剩余充电时间,Ti(i=1,2,…,nw)为队列中第i辆车充电所需要时间;
步骤3-1-3、确定充电时间,充电机充电功率保持恒定的情况下,充电时间主要与用户电池荷电状态(SOC)有关,即与车辆能耗有关,电池SOC越低,用户所充电量越高,充电时间越长:
其中,Tch为充电时间,Pch为充电机充电功率;SOCmax为电池最大荷电状态,一般取0.9,SOCw为车辆提示用户充电荷电状态,一般取0.3,C为电池容量,ECdr为用户前往充电站路径能耗,et为电动汽车维持车内恒温的非动力功率。
步骤3-2、确定充电经济成本,包括充电费用成本Cin、动力能耗成本Cpc、非动力能耗成本Cnpc,具体为:
步骤3-2-1、确定充电费用:
tc=t0+Tdr+Tw
步骤3-2-2、确定前往充电站路径中的动力能耗成本,电动汽车动力能量损耗与许多因素有关,主要由路径长度、行驶速度、行驶时间、车辆参数、坡度等因素决定,可以由下式表示:
而实际情况下,城市大部分路面角度都较小,因此假设路面角度α为0,并且加速度的总能耗在某一路段上很小,一般不考虑加速度以消除能耗与速度变化之间的关系,因此,简化后的能耗公式为:
ECij为路段ij行驶动力能耗;lij为路段ij长度;η为转化效率;ρα为空气密度(kg/m3);CD为空气阻力系数;Af为车辆迎风面积(m2);vij为路段ij的行驶速度(m/s);M为车辆质量(kg);g为重力加速度;fr为滚动摩擦系数,Cpc为从出发点到达充电站的动力能耗成本;
步骤3-2-3、确定前往充电站路径中的非动力能耗成本,电动汽车能耗需要考虑车载电器的使用能耗,这些能耗统称为非动力能耗,而这部分非动力能耗以车载空调能耗为主,因此假定非动力能耗即为车载空调能耗:
温度与车载空调能耗之间的关系可以表示为:
对于用户,车内温度需要保持恒定的最舒适温度,表示为Tref,则可以得到保持车内恒定最舒适温度的空调能耗功率为:
用户前往充电站非动力能耗成本可表示为:
其中,Tref为最舒适温度,ε为惯性系数,η为热转换效率,A为整车导热系数,Tt out为t时段车外温度,Tt+1为t+1时段的车内温度;Tt为t时段车内温度,et为t时段车载空调能耗功率,Cnpc为非动力能耗成本;Δt为时间间隔,一般取1小时。
步骤3-3、根据充电时间成本和经济成本确定综合路径规划模型,具体为:
步骤3-3-1、构建综合路径规划模型的目标函数:
Min Csy=(Cin+Cpc+Cnpc)+λ·(Tdr+Tw+Tch)
其中,Csy为用户综合成本;λ为时间成本折算系数;
步骤3-3-2、确定综合路径规划模型的约束条件:
(a)电动汽车剩余电量能够满足用户达到所选择充电站:
(SOCmax-SOCw)*C-ECdr-et*Tdr>SOCmin*C
其中,SOCmin为保持电池使用寿命的最小荷电状态,,一般取0.1,SOCw为车辆提示用户充电荷电状态,SOCmax为电池最大荷电状态,ECdr为前往充电站路径能耗,et为电动汽车维持车内恒温的非动力功率;
(b)电动汽车充电需求产生节点约束;
为了更贴合实际,电动汽车充电需求产生节点并不局限于路网节点上,而是可以在路段以及路网节点上选择,需求产生于路段则用户下一步可以选择的路网节点只有路段两侧的节点,而需求产生于路网节点则用户能够选择与该节点连接的路网节点,因此对于需求产生于路段以及需求产生于路网节点两种情况需要分开判断:
根据电动汽车充电需求产生于路段还是产生于路网节点选择约束公式;
其中,s为电动汽车需求产生节点;j为用户离开需求产生节点选择的节点;xsj为0-1变量,表示用户是否选择经过路段sj;S1为位于路段的需求产生点集合;S2为位于路网节点的需求产生点集合;Nsp为需求产生点s所在路段的端点集合;Ns为与路网节点s连接的路网节点集合;
(c)路网中间节点选择约束,对于一条到达充电站的确定路径,其中间节点之后可选择的节点必定是与该节点相连节点,且用户不会选择返回之前的节点,用户只能选择一个节点与一条路段,表示为:
其中,i为车辆当前所在节点;j为下一备选节点;xij为0-1变量,表示用户是否选择经过路段ij;ST为用户已访问路网节点集合,i∈ST表示当前所在节点归入已访问路网节点集合;Ni为与i节点相连的路网节点集合;表示备选节点不能已访问。
步骤4、根据充电综合路径规划模型确定电动汽车综合最优充电路径。
现以某区域内的一个实际路网为例分析规划方法的可行性,各路网节点和快速充电站节点所在位置如图3所示,其中,快速充电站节点的位置处于路网节点5、7、20、24处。各个充电站的充电机数量、快充功率、充电效率如表1所示。
表1充电站参数表
仿真时间为上午6时至下午6时共12个小时,以1min为一个时间段单位。每个时间段,均有充电需求产生,其中早高峰08:00—10:00引入车辆数目最多,总计引入车辆数目8800辆。各道路的零流速度(最高限速)以Vm(km/h)表示,通行能力(单位时间内允许通过的当量车辆数量)以C(veh/h)表示。上述55条路段可以分为主干道、次干道、支路3级道路,各道路的通行能力及零流速度由道路等级决定:通行能力依次为:800veh/h、600veh/h、400veh/h,零流速度依次为:60km/h、50km/、h 40km/h。
基于7号充电站,按照所提出的模型设置了四种场景对比验证所提出模型的有效性:
1)场景1:用户依据最近原则选择充电站充电,充电站电价恒定。
2)场景2:用户依据最优原则选择充电站充电,充电站电价恒定。
3)场景3:用户依据最优原则选择充电站充电,充电站采用分时电价,但分时电价没有经过优化。
4)场景4:用户依据最优原则选择充电站充电,充电站采用优化的分时电价。
其中,场景1采用最近原则选择充电站,因此采用迪杰斯特拉最短路径算法求解。场景2、3、4采用提出的最优原则,用户端采用自适应搜寻者遗传算法寻找最优解,充电站采用基于细菌趋化的改进粒子群算法求解多目标问题。
由于仿真设置了8800辆电动汽车,对每一个用户进行分析显然不现实,因此根据时间分段,图4-5和表2-3显示了用户的充电成本。
场景1采用最短路径算法,其路径最短,能耗最小,因此充电经济成本最低,一人次充电平均25.08元,且方差最小,但由于没有对时间进行优化,因此充电时间成本最高,且波动最大;
场景2采用最优路径算法,兼顾了充电时间成本,因此充电经济成本比场景1高,但充电时间成本较场景1低。
场景3和4都采用了基于电网及路网影响的分时电价,其各个时段的电价都不相同,所以场景3和场景4各时段充电经济成本差异较大。从表2和表3中可以看出,场景3和4充电经济成本大于场景1和场景2,场景3和4充电时间成本小于场景1和场景2,一方面由于考虑时间成本的最优路径算法将部分时间成本转化为经济成本,另一方面由于分时电价调度策略使得高峰时段电价高涨,抑制充电从而提高用户经济成本而降低时间成本。
表2用户充电经济成本分析表
表3用户充电时间成本分析表
图6显示了4个场景的充电站各时段的价格。场景3和场景4的电价都是随着充电站综合负荷以及节点车流量而增减。在高峰时段,通过提高分时电价的价格抑制用户充电,降低用户充电数量,在低谷时段,通过降低电价,吸引用户前来充电,将分时电价作为激励手段,调节综合负荷以及车流量。
图7-9显示了充电站效益:
场景1中充电站综合负荷以及车流量都是最大的,而场景2略低于场景1。场景3和场景4充电站综合负荷与车流量较场景1和场景2大幅降低。场景1和场景2充电站收益相近,而场景3和场景4充电站收益较低,主要由于分时电价提高,降低充电用户数量,从而说明分时电价策略调度有效性。
综上所述,所提出模型能够综合考虑用户以及充电站双方的利益,有效提高充电站侧的效益,虽然用户的成本稍有增长,但能够优化整个充电系统的综合效益。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (10)
1.一种电动汽车充电路径规划方法,其特征在于,包括以下步骤:
步骤1、根据充电站各个时段的综合负荷分布情况、路网车流量确定充电站的每个时间段的分时电价;
步骤2、构建充电站分时电价进优化模型,并根据需求对充电站分时电价进行优化;
步骤3、根据充电经济成本和充电时间成本,构建充电综合路径规划模型;
步骤4、根据充电综合路径规划模型确定电动汽车综合最优充电路径。
2.根据权利要求1所述的电动汽车充电路径规划方法,其特征在于,所述步骤1中的确定充电站的每个时间段的分时电价,具体为:
步骤1-1、确定充电站综合负荷影响率:
步骤1-2、确定充电站路网车流量影响率:
其中,表示充电站节点k到路网节点jk路段在t时段的不平衡量;jk表示充电站节点k辐射出的第一级路网节点;表示充电站节点k与第一级路网节点jk相连路段t时段的车流量;表示充电站节点k与第一级路网节点jk相连路段的通行能力,表示充电站节点k与第一级路网节点jk相连路段在t时段的车流量不平衡率,为路网车流量对充电站k分时电价的路网影响率,Jk为充电站节点k辐射出的一级连接路网节点集合;
步骤1-3、根据电网影响率以及路网影响率,确定充电站各时段的分时电价价格:
3.根据权利要求1所述的电动汽车充电路径规划方法,其特征在于,所述步骤2中的构建充电站分时电价进优化模型并对分时电价进行优化,具体为:
步骤2-1、确定充电站优化模型的目标函数:
(a)充电站收益最大化:
(b)充电站电网节点综合负荷方差最小化:
(c)充电站路网节点总体不平衡率最小化:
步骤2-2、确定充电站优化模型的约束条件:
(a)充电站经济约束,充电站各时段的经济收益必须为正,即充电站各时段分时电价必须大于电网电价:
(b)充电站电网节点功率约束,各充电站节点的综合负荷必须在一定范围内:
(c)路网节点各路段车流量约束,各路段车流量不能超过该路段的通行能力。
步骤2-3、根据需求选择充电站优化模型的单个或组合目标函数,结合约束条件对充电站分时电价进行优化,最终确定各个是时间的充电站分时电价。
4.根据权利要求1所述的电动汽车充电路径规划方法,其特征在于,所述步骤3中的构建充电综合路径规划模型,具体为:
步骤3-1、确定充电时间成本,包括路径行驶时间Tdr、充电等待时间Tw、充电时间Tch;
步骤3-2、确定充电经济成本,包括充电费用成本Cin、动力能耗成本Cpc、非动力能耗成本Cnpc;
步骤3-3、根据充电时间成本和经济成本确定综合路径规划模型。
5.根据权利要求4所述的电动汽车充电路径规划方法,其特征在于,所述步骤3-1中的确定充电时间成本,具体为:
步骤3-1-1、确定路径行驶时间:
其中,Tij为路段ij的行驶时间;zij该路段零流通行时间,即路段长度与该道路等级对应通行能力之比Lij/Cij;ξ为路口交通信号灯的周期;μ为绿灯时间占比;ρij和fij分别为路网中i节点与j节点之间路段饱和度和单车道车辆到达率;i,j∈N;γ为车流饱和度临界值;α与β为标定参数;
步骤3-1-2、确定充电等待时间:
其中,Tw为用户充电等待时间;nw为前方等待队列中的车辆数;nc为正在使用充电桩进行充电的车辆数;np为充电站内充电桩的总个数;Tc,k(k=1,2…,nc)为正在充电的第k辆车的剩余充电时间,Ti(i=1,2,…,nw)为队列中第i辆车充电所需要时间;
步骤3-1-3、确定充电时间:
其中,Tch为充电时间,Pch为充电机充电功率;SOCmax为电池最大荷电状态,SOCw为车辆提示用户充电荷电状态,C为电池容量,ECdr为用户前往充电站路径能耗,et为电动汽车维持车内恒温的非动力功率。
6.根据权利要求4所述的电动汽车充电路径规划方法,其特征在于,所述步骤3-2中的确定充电经济成本,具体为:
步骤3-2-1、确定充电费用:
tc=t0+Tdr+Tw
步骤3-2-2、确定前往充电站路径中的动力能耗成本:
ECij为路段ij行驶动力能耗;lij为路段ij长度;η为转化效率;ρα为空气密度(kg/m3);CD为空气阻力系数;Af为车辆迎风面积(m2);vij为路段ij的行驶速度(m/s);M为车辆质量(kg);g为重力加速度;fr为滚动摩擦系数,Cpc为从出发点到达充电站的动力能耗成本;
步骤3-2-3、确定前往充电站路径中的非动力能耗成本:
其中,Tref为最舒适温度,ε为惯性系数,η为热转换效率,A为整车导热系数,Tt out为t时段车外温度,Tt+1为t+1时段的车内温度;Tt为t时段车内温度,et为t时段车载空调能耗功率,Cnpc为非动力能耗成本;Δt为时间间隔。
7.根据权利要求4所述的电动汽车充电路径规划方法,其特征在于,所述步骤3-3中的确定综合路径规划模型,具体为:
步骤3-3-1、构建综合路径规划模型的目标函数:
Min Csy=(Cin+Cpc+Cnpc)+λ·(Tdr+Tw+Tch)
其中,Csy为用户综合成本;λ为时间成本折算系数;
步骤3-3-2、确定综合路径规划模型的约束条件:
(a)电动汽车剩余电量能够满足用户达到所选择充电站:
(SOCmax-SOCw)*C-ECdr-et*Tdr>SOCmin*C
其中,SOCmin为保持电池使用寿命的最小荷电状态,SOCw为车辆提示用户充电荷电状态,SOCmax为电池最大荷电状态,ECdr为前往充电站路径能耗,et为电动汽车维持车内恒温的非动力功率;
(b)电动汽车充电需求产生节点约束:
根据电动汽车充电需求产生于路段还是产生于路网节点选择约束公式;
其中,s为电动汽车需求产生节点;j为用户离开需求产生节点选择的节点;xsj为0-1变量,表示用户是否选择经过路段sj;S1为位于路段的需求产生点集合;S2为位于路网节点的需求产生点集合;Nsp为需求产生点s所在路段的端点集合;Ns为与路网节点s连接的路网节点集合;
(c)路网中间节点选择约束,对于一条到达充电站的确定路径,其中间节点之后可选择的节点必定是与该节点相连节点,且用户不会选择返回之前的节点,表示为:
8.一种电动汽车充电路径规划系统,其特征在于,包括以下模块:
充电站分时定价模块:用于基于各个时段的综合负荷分布情况、路网车流量确定充电站的每个时间段的分时电价;
分时电价进优化模块:用于构建充电站分时电价进优化模型,并根据需求对充电站分时电价进行优化;
充电综合路径规划模块:用于充电经济成本和充电时间成本,构建充电综合路径规划模型,并根据模型确定电动汽车综合最优充电路径。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。
10.一种计算机可存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111666934.5A CN114485702A (zh) | 2021-12-30 | 2021-12-30 | 一种电动汽车充电路径规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111666934.5A CN114485702A (zh) | 2021-12-30 | 2021-12-30 | 一种电动汽车充电路径规划方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114485702A true CN114485702A (zh) | 2022-05-13 |
Family
ID=81508012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111666934.5A Pending CN114485702A (zh) | 2021-12-30 | 2021-12-30 | 一种电动汽车充电路径规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114485702A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115204513A (zh) * | 2022-07-29 | 2022-10-18 | 国网江苏电动汽车服务有限公司 | 一种考虑双边利益的电动汽车充电多目标引导方法 |
CN118748458A (zh) * | 2024-08-08 | 2024-10-08 | 宁德时代新能源科技股份有限公司 | 充电策略确定方法、装置、电子设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140129139A1 (en) * | 2012-11-07 | 2014-05-08 | Intertrust Technologies Corporation | Vehicle charging path optimization systems and methods |
CN109034648A (zh) * | 2018-08-13 | 2018-12-18 | 华南理工大学广州学院 | 一种电动汽车集群需求响应潜力评估方法 |
CN110880054A (zh) * | 2019-11-27 | 2020-03-13 | 国网四川省电力公司天府新区供电公司 | 一种电动网约车充换电路径的规划方法 |
CN111899509A (zh) * | 2020-07-20 | 2020-11-06 | 北方工业大学 | 一种基于车路信息耦合的智能网联汽车状态向量计算方法 |
CN112183882A (zh) * | 2020-10-19 | 2021-01-05 | 武汉理工大学 | 一种基于电动汽车快充需求的智慧充电站充电优化方法 |
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 |
CN113517690A (zh) * | 2021-07-02 | 2021-10-19 | 东北电力大学 | 含电动汽车充电站的社区综合能源系统双层调度方法 |
-
2021
- 2021-12-30 CN CN202111666934.5A patent/CN114485702A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140129139A1 (en) * | 2012-11-07 | 2014-05-08 | Intertrust Technologies Corporation | Vehicle charging path optimization systems and methods |
CN109034648A (zh) * | 2018-08-13 | 2018-12-18 | 华南理工大学广州学院 | 一种电动汽车集群需求响应潜力评估方法 |
CN110880054A (zh) * | 2019-11-27 | 2020-03-13 | 国网四川省电力公司天府新区供电公司 | 一种电动网约车充换电路径的规划方法 |
CN111899509A (zh) * | 2020-07-20 | 2020-11-06 | 北方工业大学 | 一种基于车路信息耦合的智能网联汽车状态向量计算方法 |
CN112183882A (zh) * | 2020-10-19 | 2021-01-05 | 武汉理工大学 | 一种基于电动汽车快充需求的智慧充电站充电优化方法 |
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 |
CN113517690A (zh) * | 2021-07-02 | 2021-10-19 | 东北电力大学 | 含电动汽车充电站的社区综合能源系统双层调度方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115204513A (zh) * | 2022-07-29 | 2022-10-18 | 国网江苏电动汽车服务有限公司 | 一种考虑双边利益的电动汽车充电多目标引导方法 |
CN115204513B (zh) * | 2022-07-29 | 2024-07-09 | 国网江苏电动汽车服务有限公司 | 一种考虑双边利益的电动汽车充电多目标引导方法 |
CN118748458A (zh) * | 2024-08-08 | 2024-10-08 | 宁德时代新能源科技股份有限公司 | 充电策略确定方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111291920B (zh) | 一种考虑多因素多场景的电动汽车充电站推荐方法 | |
CN108955711B (zh) | 一种应用于电动汽车智能充放电的导航方法 | |
CN109034465B (zh) | 考虑充电站选址与出行路径耦合的充电站两层规划方法 | |
CN109492791B (zh) | 基于充电引导的城际高速路网光储充电站定容规划方法 | |
Guo et al. | Rapid-charging navigation of electric vehicles based on real-time power systems and traffic data | |
CN108390421B (zh) | 计及用户满意度的电动汽车双尺度充电引导方法及系统 | |
CN109711630A (zh) | 一种基于出行概率矩阵的电动汽车快充站选址定容方法 | |
CN109489676B (zh) | 一种计及电网信息与充电站信息的电动汽车充电导航方法 | |
CN112418610B (zh) | 基于soc信息与路网电网信息融合的充电优化方法 | |
CN108764634A (zh) | 一种考虑充电需求增长的电动汽车充电站动态规划方法 | |
CN108320064A (zh) | 一种电动汽车与风电协同充电双层优化调度方法 | |
CN108460487A (zh) | 基于apso算法的电动汽车快速充电站优化选址定容方法 | |
CN107274035B (zh) | 一种交通网络和电动汽车充电站协调规划的方法 | |
CN107392336A (zh) | 智能交通中基于预约的分布式电动汽车充电调度方法 | |
CN112183882B (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
CN108944500B (zh) | 一种分布式站点联合控制的电动汽车充电调度方法 | |
CN109693576A (zh) | 一种基于模拟退火算法的电动汽车充电调度优化方法 | |
CN114485702A (zh) | 一种电动汽车充电路径规划方法及系统 | |
CN114022046B (zh) | 一种考虑交通均衡的综合能源系统优化调度方法 | |
CN112487560A (zh) | 基于ev车主意愿的电力交通耦合系统协调博弈调度方法 | |
CN115510672A (zh) | 一种物联网感知环境下电动微出行车辆换电需求预测方法 | |
CN109583136B (zh) | 基于可调度潜力的电动汽车充换储一体站模型建立方法 | |
CN109672199A (zh) | 一种基于能量平衡的电动汽车削峰填谷能力估计方法 | |
CN109146135B (zh) | 一种共享电动自行车站点车桩配备的优化方法 | |
Shi et al. | The economic impact of electric vehicle routing and charging strategy on traffic-power integrated networks |
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 |