一種電動汽車充電引導方法與流程

2023-05-09 06:47:46

本發明公開了一種電動汽車充電引導方法，屬於電動汽車充電調度的
技術領域：
。
背景技術：
：隨著環境汙染和石油資源緊缺問題的日益突出，電動汽車作為燃油車的替代品受到了廣泛關注。目前，電動車充電缺乏管理與引導，用戶按照自己的充電意願選擇就近的充電站進行充電，容易造成車流量較大的充電站超負荷運行而車流量較小的充電站長時間保持空閒，不僅影響電網的安全性與經濟性，還造成充電資源的浪費，提升電動汽車用戶平均充電等待時間。雖然目前可以採用狀態電價和對電動汽車的強制調度來實現充電負荷空間上的均衡化，減小集中充電站超負荷運行，提升充電資源的利用率，降低電動汽車用戶平均充電等待時間，但前者過度依賴用戶的主動參與，缺乏一定的可控性，而後者通常從電網或者充電站的利益角度出發，難以兼顧電動汽車車主的利益，常常以犧牲車主的利益達到所期望的目標，降低了車主的用車體驗度，不利於電動汽車的推廣。技術實現要素：本發明的發明目的是針對上述
背景技術：
的不足，提供了一種電動汽車充電引導方法，充分考慮車主利益和充電站利益，智能地響應充電站安全充電負荷限制並幫助車主快速需找附近可用充電樁，解決了電動汽車充電平均等待時間長且充電樁利用率低的技術問題。本發明為實現上述發明目的採用如下技術方案：一種電動汽車充電引導方法，包括如下步驟：s1：輸入待充電動汽車的充電參數和充電站靜態參數及道路信息，待充電動汽車的充電參數包括：電動汽車的地理位置數據、待充電動汽車最大充電功率數據p、電動汽車的剩餘裡程數據r、車主設置的充電電量e和用戶最大容忍的引導路程lmax，充電站靜態參數包括：轄區內每個充電站的地理位置數據、站內每個充電樁的充電效率η、充電站運營方願意為用戶保留所申請充電樁的時間、每個充電樁充電功率的上限p-和充電功率下限p-，道路信息為每條道路的平均車行速度數據s2：根據s1輸入的電動汽車地理位置數據、電動汽車的剩餘裡程數據r、用戶最大容忍的引導路程lmax、轄區內每個充電站的地理位置數據、站內每個充電樁的充電效率η、每個充電樁充電功率的上限p-和充電功率下限p-得到電動汽車充電站備選集合{pcs}；s3：輸入充電站動態參數：起點為0點且終點為24點的並以15分鐘為間隔的24小時充電站安全充電負荷限制數據、充電站內每個充電樁的充電起始時刻ts及充電結束時刻td、正在充電車輛的最大充電功率和充電樁的狀態參數；s4：根據s3中輸入的充電樁狀態參數，在s2所得到的電動汽車充電站備選集合{pcs}的基礎上得到充電站初始集合{cs}；s5：根據s1輸入的待充電動汽車的充電參數和充電站靜態參數及道路信息、s3中輸入的充電站動態參數，調用考慮了車主利益和充電站利益的充電引導算法在s4中得到的充電站初始集合{cs}中篩選出最佳引導充電站。作為一種電動汽車充電引導方法的進一步優化方案，步驟s2得到電動汽車充電站備選集合{pcs}的方法具體包括以下步驟：s2.1：根據電動汽車地理位置數據和轄區內每個充電站的地理位置數據，運用dijkstra算法計算得到待充電動汽車與轄區內每個充電站的最短路徑集合{l}；s2.2：比較電動汽車剩餘裡程r與用戶最大容忍的引導路程lmax，取其中較小值作為電動汽車實際可引導路程lv，如式(1)所示：s2.3：比較最短路徑集合{l}中每個元素與lv的大小，排除最短路徑集合{l}中元素值大於lv所對應的充電站得到電動汽車充電站備選集合{pcs}；s2.4：讀取s2.3中所得到的電動汽車充電站備選集合{pcs}中每個充電站站內每個充電樁充電功率的上限p-和充電功率下限p-，如果電動汽車充電站備選集合{pcs}中的充電站j滿足：使得則保留充電站j，否則在電動車充電站集合{pcs}中刪除充電站j，其中，i為充電站j內某個充電樁，cpj為充電站j內的充電樁集合，cpj∈{pcs}，pi-為充電樁i的充電功率下限，為充電樁i的充電功率上限，重複用式(2)對充電站進行篩選並更新電動車充電站備選集合{pcs}，從而得到最終的電動車充電站備選集合{pcs}和與其對應的最短路徑集合{l}。作為一種電動汽車充電引導方法的進一步優化方案，步驟s3中輸入的充電樁狀態參數還包括充電樁充電狀態和檢修狀態參數，其中，充電樁充電狀態參數c取值1表示充電中，取值0表示閒置中；充電樁檢修參數ex取值1表示檢修中，取值0表示投運中。作為一種電動汽車充電方案的進一步優化方案，步驟s4中充電站初始集合篩選方法具體包括以下步驟：s4.1：讀取充電站備選集合{pcs}中充電站站內充電樁的狀態參數，根據式(3)進行判別：使得c＝0且ex＝0(3)，則保留充電站j，否則從電動汽車充電站備選集合{pcs}中刪除充電站j；s4.2：重複s4.1最終得到充電站初始集合{cs}。作為一種電動汽車充電引導方法的進一步優化方案，步驟s5中考慮了車主利益和充電站利益的充電引導算法具體包含以下步驟：s5.1：從充電站初始集合{cs}中讀取充電站k的時間間隔為15分鐘的24小時充電站安全充電需求預測數據(根據充電站k的起點為0點且終點為24點的並以15分鐘為間隔的24小時充電站安全充電負荷限制數據預測)，為含有97個點的離散序列，記為{a(j)}，j＝0，1，2...96，以{a(j)}為基礎數據，將其擴充為含1441個點的離散序列n＝0，1，2，...，1440，每個點的間隔為1min，並且pg(4j)＝a(j)，j＝0，1，2...96，進而進行線性樣條得到線性樣條函數，計算如式(4)：將x離散化，離散間隔為1，則對x可取值i-4,i-3,i-2,i-1，i，將x代入式(4)得到其餘點的值，完成充電站k的24小時安全充電需求預測數據的擴充；s5.2：從最短路徑集合{l}中讀取待充電動汽車與充電站k的最短路徑lk，並從s1中輸入的道路信息中讀取lk所對應路徑的平均車行速度，記為根據式(5)計算待充電動汽車到站的時刻點的期望：其中，tr為待充電動汽車沿lk到達充電站k的平均時間，nm為待充電動汽車到充電站k的時刻點的期望，t0為待充電動汽車申請充電的時刻點，待充電動汽車所需充電時間tc計算如式(6)所示：其中，w為待充電動汽車的充電需求電量，p為待充電動汽車的最大充電功率，計算待充電動汽車充電完畢時刻點的期望nd，見式(7)：nd＝60t0+ta+tc(7)，其中，ta為充電站運營方願意為用戶保留所申請充電樁的時間，定義電動汽車虛擬的充電起始點ns等於60t0，讀取充電站k中每個充電樁i的起始充電時刻及充電結束時刻和充電功率pi，將和轉化為離散點，轉化式見式(8)：定義充電站k中充電樁i在時刻點n的開關函數ui(n)，見式(9)：其中，n可取60t0,1,2…1440，則充電站k在時刻點n的充電功率pk(n)計算如式(10)：其中，m為充電站k站內充電樁的總數量，ηi為充電站k中充電樁i的充電效率，重複對n取值並按照式(10)計算pk(n)，則可以獲得充電站k的充電功率序列{pk(n)}，電動汽車可在充電站k進行充電還需滿足功率約束，見式(11)：其中，n∈[nm，nd]，如果滿足式(11)中的約束則進入s5.3，否則進入s5.4；s5.3：建立待充電動汽車在充電站k充電時車主利益的評價指標，見式(12)：建立充電站k利益的評價指標，見式(13)：基於式(12)和式(13)建立充電站k的綜合評價指標，見式(14)其中，λ1與λ2為權重係數；s5.4：重複s5.1-s5.3步驟得到綜合評價指標序列{σk}，其中最小值所對應的充電站即為最佳的引導充電站。本發明採用上述技術方案，具有以下有益效果：(1)本申請提出的充電引導方法可以實時響應充電站安全充電負荷限制，避免電動汽車集中充電造成充電功率越限的情況發生，從而減小電動汽車集中充電對電網安全帶來的負面影響；(2)綜合考慮電動汽車車主與充電站的利益，幫助電動汽車車主快速尋找附近可用充電樁，減小電動汽車充電平均等待時間，提升整體充電樁利用率，解決充電資源的浪費問題。附圖說明圖1為本發明提出的充電引導方法的步驟框圖。圖2為仿真區域的地圖。圖3無序充電與本發明充電引導方法下快充站c的站內充電功率曲線。圖4無序充電與本發明充電引導方法下5個充電站的充電樁利用率比較直方圖。圖5無序充電與本發明充電引導方法下整體平均充電等待時間直方圖。具體實施方式下面結合附圖對發明的技術方案進行詳細說明。本發明公開的電動汽車充電引導方法如圖1所示，包括以下步驟：s1：輸入待充電動車的充電參數與充電站靜態參數，待充電動汽車的充電參數包括：電動汽車的地理位置數據、待充電動汽車最大充電功率數據p、電動汽車的剩餘裡程數據r、車主設置的充電電量e和用戶最大容忍的引導路程lmax；充電站靜態參數包括：轄區內每個充電站的地理位置數據、站內每個充電樁的充電效率η、充電站運營方願意為用戶保留所申請充電樁的時間、每個充電樁充電功率的上限p-和充電功率下限p-；道路信息為每條道路的平均車行速度數據s2：根據s1輸入的電動汽車地理位置數據、電動汽車的剩餘裡程數據r、用戶最大容忍的引導路程lmax、轄區內每個充電站的地理位置數據、站內每個充電樁的充電效率η、每個充電樁充電功率的上限p-和充電功率下限p-得到電動汽車充電站備選集合{pcs}。s3：輸入充電站動態參數：起點為0點且終點為24點的並以15分鐘為間隔的24小時充電站安全充電負荷限制數據、充電站內每個充電樁的充電起始時刻ts及充電結束時刻td、正在充電車輛的最大充電功率和充電樁的狀態參數。s4：根據s3中輸入的充電樁狀態參數，在s2所得到的電動汽車充電站備選集合{pcs}的基礎上得到充電站初始集合{cs}。s5：根據s1輸入的待充電動汽車的充電參數和充電站靜態參數及道路信息、s3中輸入的充電站動態參數，調用考慮了車主利益和充電站利益的充電引導算法在s4中得到的充電站初始集合{cs}中得到最佳引導充電站。下面以一個5×5km的仿真區域為例，通過matlab編制引導程序，對比了無序充電與本引導算法引導後充電站的充電功率曲線，整體充電站的充電樁利用率和整體電動汽車的平均等待時間。仿真區域如圖2所示，包含a、b、c、d、e共5個集中式快充電站。仿真區域內仿真電動汽車有3種類型，分別對應最大充電功率30kw、60kw和120kw，比例為1:1:1。仿真區域24小時內各時段的電動汽車總數量見表1：表1仿真區域24小時內各時段的電動汽車總數量算例中，電動汽車在各時間段的充電請求時刻滿足隨機分布。該算法的關鍵是計算電動汽車的綜合評價指標，任取某一時刻的5輛電動汽車進行研究。根據s2可以得到5輛電動汽車可選充電站的備選集合{pcs}，如表2所示：電動汽車編號充電站a充電站b充電站c充電站d充電站e1是是是否否2是是否否否3否否是是是4否否否是是5否否是是是表2仿真區域內5輛電動汽車的備選充電站根據s4可以進一步對{pcs}中的充電站進行篩選，從而獲得{pcs}的一個子集{cs}，如表3所示：電動汽車編號充電站a充電站b充電站c充電站d充電站e1是否是否否2是是否否否3否否是是否4否否否是是5否否是是是表3仿真區域內5輛電動汽車的初始充電站根據步驟s5可以計算得到電動汽車對應於集合{cs}每個元素的綜合評價指標，其中式(14)的權重係數λ1取0.3，λ2取0.7，綜合指標最小的即為最佳引導充電站，算法結果見表4：電動汽車編號充電站a充電站b充電站c充電站d充電站e引導充電站10.43否0.71否否a20.390.58否否否b3否否0.620.330.51d4否否否0.450.42e5否否0.610.470.41e表4引導算法輸出結果為了體現本發明的引導效果，將本發明的結果與無序充電情況下的結果進行比較。從圖3可以看出，在本發明的引導算法作用下，與無序充電相比，電動汽車快充站c的充電功率在24小時內沒有發生充電功率越限的情形。從圖4可以看出，在本發明的引導算法作用下，與無序充電相比，充電站a、充電站d和充電站e的充電樁利用率有所提升，而充電站b和充電站c的充電樁利用率有所下降，這是因為請求充電的電動汽車的數量是一定的，本發明的引導算法把原本在b站和c站的電動汽車引去了其它3個站，從而造成了這一現象的發生。但整體充電樁的利用率是提升的，這是因為本發明的引導算法減少了電動汽車在b站和c站的積聚，將多餘等待的部分車輛引去了其它站進行充電。從圖5中可以看出，在本發明的引導算法作用下，與無序充電相比，電動汽車平均充電等待時間有效降低。以上所述僅是本發明的優選實施方式，應當指出，對於本
技術領域：
的普通技術人員來說，在不脫離本發明技術原理的前提下，還可以做出若干改進和變形，這些改進和變形也應視為落入本發明的保護範圍。當前第1頁12