CN105160428B - 高速公路电动汽车快速充电站的规划方法 - Google Patents

高速公路电动汽车快速充电站的规划方法 Download PDF

Info

Publication number
CN105160428B
CN105160428B CN201510515806.9A CN201510515806A CN105160428B CN 105160428 B CN105160428 B CN 105160428B CN 201510515806 A CN201510515806 A CN 201510515806A CN 105160428 B CN105160428 B CN 105160428B
Authority
CN
China
Prior art keywords
determining
charged
charging station
electric vehicle
charging
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.)
Expired - Fee Related
Application number
CN201510515806.9A
Other languages
English (en)
Other versions
CN105160428A (zh
Inventor
穆云飞
贾宏杰
董晓红
余晓丹
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN201510515806.9A priority Critical patent/CN105160428B/zh
Priority to PCT/CN2015/088388 priority patent/WO2017028333A1/zh
Priority to US15/747,549 priority patent/US10360519B2/en
Publication of CN105160428A publication Critical patent/CN105160428A/zh
Application granted granted Critical
Publication of CN105160428B publication Critical patent/CN105160428B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • B60L53/10—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 characterised by the energy transfer between the charging station and the vehicle
    • B60L53/11—DC charging controlled by the charging station, e.g. mode 4
    • 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
    • B60L53/10—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 characterised by the energy transfer between the charging station and the vehicle
    • B60L53/14—Conductive energy transfer
    • 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
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/66—Data transfer between charging stations and vehicles
    • 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
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/67—Controlling two or more charging stations
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/70—Interactions with external data bases, e.g. traffic centres
    • B60L2240/72—Charging station selection relying on external data
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/80—Time limits
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility
    • 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
    • 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
    • Y02T90/14—Plug-in electric vehicles
    • 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
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Navigation (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种高速公路电动汽车快速充电站的规划方法，该规划方法包括：步骤一、电动汽车充电负荷的时空分布预测，即确定高速公路中每辆电动汽车需要充电的位置和时间；步骤二、根据电动汽车充电负荷的时空分布预测结果，利用共享型最近邻居聚类算法确定快速充电站的地址；步骤三、根据电动汽车充电负荷的时空分布预测结果和确定的快速充电站地址，利用排队论理论确定快速充电站中充电机的个数c。由于电池特性，传统汽车的加油站和快速充电站并不是完全吻合的。本发明规划方法中考虑电动汽车需要充电的位置和时间来进行选址定容，比传统加油站的位置能够较大的满足电动汽车的充电需要，从而促进电动汽车的发展。

Description

高速公路电动汽车快速充电站的规划方法
技术领域
本发明属于电动汽车快速充电站规划技术领域，涉及交通网络和电动汽车相关特性，用户出行行为等信息来选址定容的规划方法。
背景技术
目前为止，充电站规划方面的研究还比较初步，尚没有形成完整而***的充电站规划模型与方法。现有的有关选址定容的文献，多数根据电动汽车续航里程和交通网络粗略的估算充电站个数，或者根据交通网络流量进行的选址定容。但是由于电动汽车相关特性，电动汽车快速充电站和加油站也许并不是完全吻合的。
发明内容
针对现有技术中存在的不足，考虑电动汽车相关特性和交通行为的不确定性，以充电站能够为更多的电动汽车用户提供充电服务，且充电站基础设施成本和用户的等待成本的总成本最小为目标，提供了一种高速公路电动汽车快速充电站的规划方法，解决高速公路上电动汽车快速充电站的选址和定容的问题。
为了解决上述技术问题，本发明提出的一种高速公路电动汽车快速充电站的规划方法，包括电动汽车充电负荷的时空分布预测、确定快速充电站的地址和确定快速充电站中充电机的个数；具体步骤如下：
步骤一、电动汽车充电负荷的时空分布预测，即确定高速公路中每辆电动汽车需要充电的位置和时间；
步骤二、根据电动汽车充电负荷的时空分布预测结果，利用共享型最近邻居聚类算法确定快速充电站的地址；包括：
步骤1、统计所有电动汽车需要充电后能行驶的最远距离Ransc，利用中心极限定理，由拟合的正态分布得到99％的电动汽车在余下电量时都可以行驶的距离，将该距离定义为所有快速充电站的服务半径SR；
步骤2、确定距离矩阵D，其中，dij代表需要充电的位置Pi到需要充电的位置Pj之间的距离，i，j属于1～n，n为需要充电的电动车总数；
步骤3、确定相似度矩阵S；根据距离矩阵D，确定每个需要充电的位置所在服务半径SR内包含的需要充电的位置的个数；需要充电的位置Pi和需要充电的位置Pj的相似度sij：
sij＝size(NN(i)∩NN(j)) (5)
式(5)中，NN(i)和NN(j)分别是需要充电的位置Pi和Pj所在服务半径SR内的需要充电的位置的集合；size是求集合NN(i)和NN(j)交集中元素的个数；
步骤4：将相似度矩阵S按行求和得到每个需要充电的位置的充电需求l1,j，
步骤5：确定快速充电站的地址，将充电需求从大到小排序形成充电需求数列，将充电需求最大对应的需要充电的位置作为第一个聚类中心，即候选快速充电站1；同时得到该候选快速充电站服务半径SR内的需要充电的位置集合C(1)，将候选快速充电站的地址和该候选快速充电站服务半径SR内的需要充电的位置集合C(1)储存到快速充电站集合CS中；
依次在充电需求数列中选择下一个充电需求对应的需要充电的位置，如果该需要充电的位置与快速充电站集合CS中候选快速充电站之间的相似度都为0时，则该需要充电的位置作为候选快速充电站2，同时得到该候选快速充电站服务半径SR内的需要充电的位置集合C(2)，将候选快速充电站的地址和该候选快速充电站服务半径SR内的需要充电的位置集合C(2)储存到快速充电站集合CS中；以此类推，确定所有候选快速充电站的地址；
根据预设阀值d，将候选快速充电站服务半径SR内的需要充电的位置集合中的个数小于预设阀值d的候选快速充电站的地址和相应的服务半径SR内的需要充电的位置集合从快速充电站集合CS中删除，快速充电站集合CS中余下的候选地址即为确定的快速充电站地址；
步骤三、根据电动汽车充电负荷的时空分布预测结果和确定的快速充电站地址，利用排队论理论确定快速充电站中充电机的个数c。
进一步讲，上述步骤一中具体包括以下步骤：
步骤1-1、获取如下基础数据：
电动汽车数据：包括电动汽车类型、每类电动汽车类型的电池容量的概率密度函数、每类电动汽车类型的电池容量的上下边界、每类电动汽车类型的电池容量与其续航里程的数学关系；
交通数据：包括交通起止点概率矩阵Pm×m和汽车进入高速公路时间ts的概率分布；
通过交通起止点调查数据得到高速出入***通起止点矩阵Am×m，利用该高速出入***通起止点矩阵Am×m根据公式(1)得到交通起止点概率矩阵Pm×m；
pij＝aij/Bi(1≤i≤m,1≤j≤m) (1)
公式(1)中，m是高速公路出入口个数，aij是每天从高速出入口i到高速出入口j汽车的平均数量，pij是指某一汽车每天从高速出入口i到高速出入口j的概率；Bi每天从高速出入口i进入高速公路的汽车的平均数量，
高速公路基本信息：包括出入口个数，出入口编号，出入口坐标，出入口之间的距离；
步骤1-2、确定如下数据：
确定不同电动汽车类型的比例、每天进入高速公路的电动汽车的平均数量EBt、每天从高速出入口i进入高速公路的电动汽车的平均数量EBi；
根据每天进入高速公路的电动汽车的平均数量EBt和每天从高速出入口i进入高速公路的电动汽车的平均数量EBi，按照出入口顺序对进入高速公路的电动汽车进行编号；
步骤1-3、确定进入高速公路的所有电动汽车充电负荷的时空分布，设：i＝1；
步骤1-3-1、确定第i辆电动汽车的参数，包括：电动汽车类型、最大容量Cap、初始电池状态SOCi、需要充电时电池状态SOCc、第i辆电动汽车充电前可以行驶的距离Ranac，电动汽车需要充电后可以行驶的最远距离Ransc；步骤如下：
利用蒙特卡洛方法确定第i辆电动汽车的电动汽车类型；
根据确定的电动汽车类型和该类电动汽车类型的电池容量的概率密度函数，利用蒙特卡洛方法确定第i辆电动电汽车的最大容量Cap；并设置进入高速公路时的初始电池状态SOCi以及需要充电时电池状态SOCc；
根据上述确定的第i辆电动电汽车的电动汽车类型、最大容量Cap和对应的该类电动汽车类型的电池容量与其续航里程的数学关系，利用蒙特卡洛方法确定第i辆电动汽车的最大续航里程Ranmc；再根据初始电池状态SOCi、需要充电时电池状态SOCc、最大续航里程Ranmc，利用公式(3)确定第i辆电动汽车需要充电前可以行驶的距离Ranac；利用公式(4)确定第i辆电动汽车需要充电后行驶的最远距离Ransc；
Ranac＝η×(SOCi-SOCc)×Ranmc (3)
Ransc＝η×SOCc×Ranmc (4)
式(3)和式(4)中：η是电池的能量效率系数；
步骤1-3-2：确定第i辆电动汽车交通行为的参数，包括：出发点，目的地，行驶路径，进入高速时间Ets，出行距离Dod；根据第i辆电动汽车的编号确定其出发点，根据第i辆电动汽车的出发点和交通起止点概率矩阵Pm×m，利用蒙特卡洛方法确定目的地；根据最短路径算法确定行驶路径；根据高速公路基本信息得到出行距离Dod；根据汽车进入高速公路时间ts的概率分布，利用蒙特卡洛方法确定电动汽车进入高速时间Ets；并设置出行速度v；
步骤1-3-3：判断第i辆电动汽车的出行距离Dod是否大于第i辆电动汽车需要充电前可以行驶的距离Ranac，
如果Dod＞Ranac，则第i辆电动汽车需要充电，执行步骤3-4；反之，第i辆电动汽车在此次出行中不需要充电，i＝i+1；
若i＜EBt，则返回步骤1-3-1，反之，执行步骤二；
步骤1-3-4：确定第i辆电动汽车需要充电的时间和位置，根据第i辆电动汽车的出发点、行驶路径、出行速度v、第i辆电动汽车需要充电前可以行驶的距离Ranac和电动汽车进入高速时间Ets，确定第i辆电动汽车需要充电的位置Pi和时间tc，i＝i+1；若i＜EBt，则返回步骤1-3-1，反之，执行步骤二。
步骤三具体包括以下步骤：
步骤3-1、利用步骤一所确定的高速公路中每辆电动汽车需要充电的时间和步骤二所确定的快速充电站的地址，确定每小时电动汽车到达每个快速充电站的峰值，并将该峰值设为电动汽车单位时间内到达快速充电站的个数λ；
步骤3-2：确定快速充电站中充电机的个数c：
计算平均等待队长Ls和等待时间Wq：
ρ＝λ/(c×μ2) (9)
式(7)至式(10)中，μ2表示充电机单位时间内服务电动汽车的个数；c表示快速充电站中充电机的个数，以下述式(11)为目标函数，以下述式(12)为约束条件进行优化求解，即可得到充电机个数c，
min z＝Csc+CwLs (11)
s.t. Wq<tw (12)
式(11)和式(12)中，Cs是单个充电机折算到每个小时的成本，单位：元，由下述式(13)计算可得；Cw是用户出行单位时间的成本，单位：元/辆；tw是最大等待时间，单位：分钟；
式(13)中V0是全寿命周期内的充电机成本；ir是利率；p是充电机的寿命。
与现有技术相比，本发明的有益效果是：
由于电池特性，传统汽车的加油站和快速充电站并不是完全吻合的。本发明规划方法中考虑电动汽车需要充电的位置和时间来进行选址定容，比传统加油站的位置能够较大的满足电动汽车的充电需要，从而促进电动汽车的发展。
附图说明
图1是本发明规划方法的流程框图；
图2是仿真中M1车型的电池容量与续航里程通过对原始数据进行多项式拟合；
图3是汽车进入高速公路时间ts的概率分布；
图4是本发明中电动汽车充电负荷的时空分布预测流程图；
图5是共享型最近邻居聚类算法的示意图；
图6是本发明中电动汽车需要充电后可以行驶的最远距离Ransc分布图；
图7是本发明中方案1中确定的快速充电站地址；
图8是本发明中方案2中确定的快速充电站地址。
具体实施方式
下面结合具体实施方式对本发明作进一步说明如下：
本发明所提供的一种高速公路电动汽车快速充电站的规划方法，其流程如图1所示，主要包括电动汽车充电负荷的时空分布预测、确定快速充电站的地址和确定快速充电站中充电机的个数；具体步骤如下：
步骤一、电动汽车(EV)充电负荷的时空分布预测，即确定高速公路中每辆EV需要充电的位置和时间；
步骤1-1、获取如下基础数据：
电动汽车数据：包括EV类型、每类EV类型的电池容量的概率密度函数、每类EV类型的电池容量的上下边界、每类EV类型的电池容量与其续航里程的数学关系；仿真算例中使用的是根据欧盟电动汽车数据库统计分析将EV分为四类：载重在400kg到550kg之间的四轮货车(L7e)，8座位的四轮客车(M1)，载重最大为3500kg货车(N1)，载重在3500-12000kg的货车(N2)。并由该数据库统计得到每类EV电池容量，续航里程等函数关系。其中M1车型的电池容量与续航里程通过对原始数据进行多项式拟合如图2所示。
交通数据：包括交通起止点概率矩阵Pm×m和汽车进入高速公路时间ts的概率分布；
通过交通起止点调查数据得到高速出入***通起止点矩阵Am×m，利用该高速出入***通起止点矩阵Am×m根据公式(1)得到Pm×m；
pij＝aij/Bi(1≤i≤m,1≤j≤m) (1)
公式(1)中，m是高速公路出入口个数，aij是每天从高速出入口i到高速出入口j汽车的平均数量，pij是指某一汽车每天从高速出入口i到高速出入口j的概率；Bi每天从高速出入口i进入高速公路的汽车的平均数量，
仿真中ts的概率分布如图3所示。
高速公路基本信息：包括出入口个数，出入口编号，出入口坐标，出入口之间的距离；仿真算例中使用的是环岛高速公路，其高速公路信息如下表1所示。
表1环岛高速公路出入口信息
步骤1-2、确定如下数据：
确定不同EV类型的比例、每天进入高速公路的EV的平均数量EBt、每天从高速出入口i进入高速公路的EV的平均数量EBi；
仿真算例中我们设置车型(L7e，M1，N1，N2)的比例分别是：10％，84％，3％，3％；每天进入高速公路的EV的平均数量EBt是17297辆。每天从高速出入口i进入高速公路的EV的平均数量EBi可由EBt、Bt和Am×m得到。
根据EBt和EBi，按照出入口顺序对进入高速公路的EV进行编号；
步骤1-3、确定进入高速公路的所有电动汽车充电负荷的时空分布，设：i＝1；如图4所示；
步骤1-3-1、确定第i辆EV的参数(如图1所示，考虑到的电池特性)，包括：电动汽车类型、最大容量Cap、初始电池状态SOCi、需要充电时电池状态SOCc、第i辆EV充电前可以行驶的距离Ranac，EV需要充电后可以行驶的最远距离Ransc；步骤如下：
根据第i辆EV的编号确定其出发点，利用蒙特卡洛方法确定第i辆EV的EV类型；
根据确定的EV类型和该类EV类型的电池容量的概率密度函数，利用蒙特卡洛方法确定第i辆EV的Cap；并设置进入高速公路时的SOCi以及SOCc，仿真算例中，SOCi取0.8，SOCc取0.15～0.3；
根据上述确定的第i辆EV的EV类型、Cap和对应的该类EV类型的电池容量与其续航里程的数学关系，利用蒙特卡洛方法确定第i辆EV的Ranmc；再根据SOCi、SOCc、Ranmc，利用公式(3)确定第i辆EV的Ranac；利用公式(4)确定第i辆EV的Ransc；
Ranac＝η×(SOCi-SOCc)×Ranmc (3)
Ransc＝η×SOCc×Ranmc (4)
式(3)和式(4)中：η是电池的能量效率系数，算例中η的取值为1；
步骤1-3-2：确定第i辆EV交通行为的参数(如图1所示，考虑到的交通行为)，包括：目的地，行驶路径，进入高速时间时间Ets，出行距离Dod；根据第i辆EV的出发点和交通起止点概率矩阵Pm×m，利用蒙特卡洛方法确定目的地；根据最短路径算法确定行驶路径；根据高速公路基本信息得到出行距离Dod；根据汽车进入高速公路时间ts的概率分布，利用蒙特卡洛方法确定EV进入高速时间Ets；并设置出行速度v，算例中v的取值为90km/h；
步骤1-3-3：判断第i辆EV的出行距离Dod是否大于第i辆EV需要充电前可以行驶的距离Ranac，
如果Dod＞Ranac，则第i辆EV需要充电，执行步骤3-4；反之，第i辆EV在此次出行中不需要充电，i＝i+1；
若i＜EBt，则返回步骤1-3-1，反之，执行步骤二；
步骤1-3-4：确定第i辆EV需要充电的时间和位置，根据第i辆EV的出发点、行驶路径、v、第i辆EV的Ranac和EV的Ets确定，第i辆EV需要充电的位置Pi和时间tc，i＝i+1；若i＜EBt，则返回步骤1-3-1，反之，执行步骤二。
步骤二、根据EV充电负荷的时空分布预测结果，利用共享型最近邻居聚类算法确定快速充电站的地址，如图5所示；包括：
步骤2-1、统计所有EV的Ransc，利用中心极限定理，由拟合的正态分布得到99％的EV在余下电量时都可以行驶的距离，将该距离定义为所有快速充电站的服务半径SR；
步骤2-2、确定距离矩阵D，其中，dij代表需要充电的位置Pi到需要充电的位置Pj之间的距离，i，j属于1～n，n为需要充电的EV总数；
步骤2-3、确定相似度矩阵S，根据距离矩阵D，确定每个需要充电的位置所在服务半径SR内包含的需要充电的位置的个数；Pi和Pj的相似度sij：
sij＝size(NN(i)∩NN(j)) (5)
式(5)中，NN(i)和NN(j)分别是Pi和Pj所在服务半径SR内的需要充电的位置的集合；size是求集合NN(i)和NN(j)交集中元素的个数；
步骤2-4：将相似度矩阵S按行求和得到每个需要充电的位置的充电需求l1,j，
步骤2-5：确定快速充电站的地址，将充电需求从大到小排序形成充电需求数列，将充电需求最大对应的需要充电的位置作为第一个聚类中心，即候选快速充电站1；同时得到该候选快速充电站服务半径SR内的需要充电的位置集合C(1)，将候选快速充电站的地址和该候选快速充电站服务半径SR内的需要充电的位置集合C(1)储存到快速充电站集合CS中；
依次在充电需求数列选择下一个充电需求对应的需要充电的位置，如果该需要充电的位置与快速充电站集合CS中候选快速充电站之间的相似度都为0时，则该需要充电的位置作为候选快速充电站2，同时得到该候选快速充电站服务半径SR内的需要充电的位置集合C(2)，将候选快速充电站的地址和该候选快速充电站服务半径SR内的需要充电的位置集合C(2)储存到快速充电站集合CS中；以此类推，确定所有候选快速充电站的地址；
根据预设阀值d(仿真算例中取90)将候选快速充电站服务半径SR内的需要充电的位置集合中的个数小于阀值的候选快速充电站的地址和相应的服务半径SR内的需要充电的位置集合从快速充电站集合CS中删除，快速充电站集合CS中余下的候选地址即为确定的快速充电站地址。
步骤三、根据EV充电负荷的时空分布预测结果和确定的快速充电站地址，利用排队论理论确定快速充电站中充电机的个数。
步骤3-1、利用步骤一确定高速公路中每辆EV需要充电的时间和步骤二确定的快速充电站的地址，确定每小时EV到达每个快速充电站的峰值，并将该峰值设为EV单位时间内到达快速充电站的个数λ；
步骤3-2：确定快速充电站中充电机的个数c：
计算平均等待队长Ls和等待时间Wq
ρ＝λ/(c×μ2) (9)
式(7)至式(10)中，μ2表示充电机单位时间内服务电动汽车的个数，仿真算例中μ2取6；c表示充电机个数，以式(11)为目标函数，以式(12)为约束条件进行优化求解，即可得到充电机个数c，
min z＝Csc+CwLs (11)
s.t. Wq<tw (12)
式(11)和式(12)中，Cs是单个充电机折算到每个小时的成本，由式(13)计算可得；Cw是用户出行单位时间的成本，仿真算例中Cw取17元/辆，tw是最大等待时间，仿真算例中tw取20分钟。
式(13)中V0是全寿命周期内的充电机成本，仿真算例中取V0为24万元；ir是利率，仿真算例中取ir为0.1；p是充电机的寿命，仿真算例中取p为10。
仿真算例：
将本发明应用到环岛高速公路的交通网络上，来证明规划方法的可行性与有效性。
根据EV充电负荷的时空分布预测结果，统计Ransc，如图6所示。从而得到最终的服务半径SR，SR＝17.02km。
方案1：利用共享型最近邻居聚类算法得到快速充电站的地址如图7所示。
方案2：该高速上现有服务区的信息如表3所示。如果优先考虑现有服务区中建设快速充电站，然后在利用本发明确定余下快速充电站的地址。规划的快速充电站地址分布如图8所示。
表3高速中服务区分布情况
根据EV充电负荷的时空分布预测结果和确定的快速充电站地址，分别确定方案1和方案2的每小时EV到达每个快速充电站的峰值即λ，如表4和5所示。
然后求解以最小成本为目标的函数得到方案1和方案2每个快速充电站的充电机个数分别如表6和7所示。
表4方案1中每个快速充电站中EV单位时间到达的个数
表5方案2中每个快速充电站中EV单位时间到达的个数
表6方案1中EV快速充电站的定容结果
表7方案2中EV快速充电站的定容结果
通过表8将方案1和方案2规划结果从充电站个数，充电机个数，充电失败率以及总成本等方面的比较，表明与服务区截取交通流量最大相比，该规划方法在满足电动汽车需求方面有着相对优势。
表8方案1和方案2规划结果的对比
方案1 方案2 差别
充电站个数 15 18 3
充电机个数 316 346 30
充电失败率 2.46％ 5.56％ 3.1％
总成本(百万/年) 43.36 47.16 3.80
基础设施成本(百万/年) 8.03 8.79 0.76
等待成本((百万/年)) 35.33 38.37 3.04
以上所述仅是本发明的一个应用场景，凡依本发明申请专利范围所做的均等变化，或者应用到其他高速公路上，应属本发明的覆盖范围。

Claims (3)

1.一种高速公路电动汽车快速充电站的规划方法，其特征在于，该规划方法包括电动汽车充电负荷的时空分布预测、确定快速充电站的地址和确定快速充电站中充电机的个数；步骤如下：
步骤一、电动汽车充电负荷的时空分布预测，即确定高速公路中每辆电动汽车需要充电的位置和时间；
步骤二、根据电动汽车充电负荷的时空分布预测结果，利用共享型最近邻居聚类算法确定快速充电站的地址；包括：
步骤1、统计所有电动汽车需要充电后能行驶的最远距离Ransc，利用中心极限定理，由拟合的正态分布得到99％的电动汽车在余下电量时都可以行驶的距离，将该距离定义为所有快速充电站的服务半径SR；
步骤2、确定距离矩阵D，其中，dij代表需要充电的位置Pi到需要充电的位置Pj之间的距离，i，j属于1～n，n为需要充电的电动车总数；
步骤3、确定相似度矩阵S；根据距离矩阵D，确定每个需要充电的位置所在服务半径SR内包含的需要充电的位置的个数；需要充电的位置Pi和需要充电的位置Pj的相似度sij：
sij＝size(NN(i)∩NN(j)) (5)
式(5)中，NN(i)和NN(j)分别是需要充电的位置Pi和Pj所在服务半径SR内的需要充电的位置的集合；size是求集合NN(i)和NN(j)交集中元素的个数；
步骤4：将相似度矩阵S按行求和得到每个需要充电的位置的充电需求l1,j，
<mrow> <msub> <mi>l</mi> <mrow> <mn>1</mn> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mi>i</mi> <mi>n</mi> </munderover> <msub> <mi>s</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>,</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>&amp;le;</mo> <mi>j</mi> <mo>&amp;le;</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
步骤5：确定快速充电站的地址；将充电需求从大到小排序形成充电需求数列，将充电需求最大对应的需要充电的位置作为第一个聚类中心，即候选快速充电站1；同时得到该候选快速充电站服务半径SR内的需要充电的位置集合C(1)，将候选快速充电站的地址和该候选快速充电站服务半径SR内的需要充电的位置集合C(1)储存到快速充电站集合CS中；
依次在充电需求数列选择下一个充电需求对应的需要充电的位置，如果该需要充电的位置与快速充电站集合CS中候选快速充电站之间的相似度都为0时，则该需要充电的位置作为候选快速充电站2，同时得到该候选快速充电站服务半径SR内的需要充电的位置集合C(2)，将候选快速充电站的地址和该候选快速充电站服务半径SR内的需要充电的位置集合C(2)储存到快速充电站集合CS中；以此类推，确定所有候选快速充电站的地址；
根据预设阀值d，将候选快速充电站服务半径SR内的需要充电的位置集合中的个数小于阀值的候选快速充电站的地址和相应的服务半径SR内的需要充电的位置集合从快速充电站集合CS中删除，快速充电站集合CS中余下的候选快速充电站的地址即为确定的快速充电站地址；
步骤三、根据电动汽车充电负荷的时空分布预测结果和确定的快速充电站地址，利用排队论理论确定快速充电站中充电机的个数c。
2.根据权利要求1所述高速公路电动汽车快速充电站的规划方法，其特征在于，步骤一具体包括以下步骤：
步骤1、获取如下基础数据：
电动汽车数据：包括电动汽车类型、每类电动汽车类型的电池容量的概率密度函数、每类电动汽车类型的电池容量的上下边界、每类电动汽车类型的电池容量与其续航里程的数学关系；
交通数据：包括交通起止点概率矩阵Pm×m和汽车进入高速公路时间ts的概率分布；
通过交通起止点调查数据得到高速出入***通起止点矩阵Am×m，利用该高速出入***通起止点矩阵Am×m根据公式(1)得到交通起止点概率矩阵Pm×m；
pij＝aij/Bi(1≤i≤m,1≤j≤m) (1)
公式(1)中，m是高速公路出入口个数，aij是每天从高速出入口i到高速出入口j汽车的平均数量，pij是指某一汽车每天从高速出入口i到高速出入口j的概率；Bi每天从高速出入口i进入高速公路的汽车的平均数量，
<mrow> <msub> <mi>B</mi> <mi>i</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>,</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>&amp;le;</mo> <mi>i</mi> <mo>&amp;le;</mo> <mi>m</mi> <mo>,</mo> <mn>1</mn> <mo>&amp;le;</mo> <mi>j</mi> <mo>&amp;le;</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
高速公路基本信息：包括出入口个数，出入口编号，出入口坐标，出入口之间的距离；
步骤2、确定如下数据：
确定不同电动汽车类型的比例、每天进入高速公路的电动汽车的平均数量EBt、每天从高速出入口i进入高速公路的电动汽车的平均数量EBi；
根据每天进入高速公路的电动汽车的平均数量EBt和每天从高速出入口i进入高速公路的电动汽车的平均数量EBi，按照出入口顺序对进入高速公路的电动汽车进行编号；
步骤3、确定进入高速公路的所有电动汽车充电负荷的时空分布，设：i＝1；
步骤3-1、确定第i辆电动汽车的参数，包括：电动汽车类型、最大容量Cap、初始电池状态SOCi、需要充电时电池状态SOCc、第i辆电动汽车充电前可以行驶的距离Ranac，电动汽车需要充电后可以行驶的最远距离Ransc；步骤如下：
利用蒙特卡洛方法确定第i辆电动汽车的电动汽车类型；
根据确定的电动汽车类型和该类电动汽车类型的电池容量的概率密度函数，利用蒙特卡洛方法确定第i辆电动电汽车的最大容量Cap；并设置进入高速公路时的初始电池状态SOCi以及需要充电时电池状态SOCc；
根据上述确定的第i辆电动电汽车的电动汽车类型、最大容量Cap和对应的该类电动汽车类型的电池容量与其续航里程的数学关系，利用蒙特卡洛方法确定第i辆电动汽车的最大续航里程Ranmc；再根据初始电池状态SOCi、需要充电时电池状态SOCc、最大续航里程Ranmc，利用公式(3)确定第i辆电动汽车需要充电前可以行驶的距离Ranac；利用公式(4)确定第i辆电动汽车需要充电后行驶的最远距离Ransc；
Ranac＝η×(SOCi-SOCc)×Ranmc (3)
Ransc＝η×SOCc×Ranmc (4)
式(3)和式(4)中：η是电池的能量效率系数；
步骤3-2：确定第i辆电动汽车交通行为的参数，包括：出发点，目的地，行驶路径，进入高速时间Ets，出行距离Dod；根据第i辆电动汽车的编号确定其出发点，根据第i辆电动汽车的出发点和交通起止点概率矩阵Pm×m，利用蒙特卡洛方法确定目的地；根据最短路径算法确定行驶路径；根据高速公路基本信息得到出行距离Dod；根据汽车进入高速公路时间ts的概率分布，利用蒙特卡洛方法确定电动汽车进入高速时间Ets；并设置出行速度v；
步骤3-3：判断第i辆电动汽车的出行距离Dod是否大于第i辆电动汽车需要充电前可以行驶的距离Ranac，
如果Dod＞Ranac，则第i辆电动汽车需要充电，执行步骤3-4；反之，第i辆电动汽车在此次出行中不需要充电，i＝i+1；
若i＜EBt则返回步骤3-1，反之，执行步骤二；
步骤3-4：确定第i辆电动汽车需要充电的时间和位置，根据第i辆电动汽车的出发点、行驶路径、出行速度v、第i辆电动汽车需要充电前可以行驶的距离Ranac和电动汽车进入高速时间Ets确定第i辆电动汽车需要充电的位置Pi和时间tc，i＝i+1；若i＜EBt，则返回步骤3-1，反之，执行步骤二。
3.根据权利要求1或2所述高速公路电动汽车快速充电站的规划方法，其特征在于，步骤三具体包括以下步骤：
步骤1、利用步骤一所确定的高速公路中每辆电动汽车需要充电的时间和步骤二所确定的快速充电站的地址，确定每小时电动汽车到达每个快速充电站的峰值，并将该峰值设为电动汽车单位时间内到达快速充电站的个数λ；
步骤2：确定快速充电站中充电机的个数c：
计算平均等待队长Ls和等待时间Wq：
<mrow> <msub> <mi>L</mi> <mi>s</mi> </msub> <mo>=</mo> <msub> <mi>L</mi> <mi>q</mi> </msub> <mo>+</mo> <mfrac> <mi>&amp;lambda;</mi> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> </mfrac> <mo>=</mo> <mfrac> <mrow> <msup> <mrow> <mo>(</mo> <mi>c</mi> <mi>&amp;rho;</mi> <mo>)</mo> </mrow> <mi>c</mi> </msup> <mi>&amp;rho;</mi> </mrow> <mrow> <mi>c</mi> <mo>!</mo> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;rho;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mfrac> <msub> <mi>P</mi> <mn>0</mn> </msub> <mo>+</mo> <mfrac> <mi>&amp;lambda;</mi> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mi>P</mi> <mn>0</mn> </msub> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>c</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mfrac> <mn>1</mn> <mrow> <mi>k</mi> <mo>!</mo> </mrow> </mfrac> <msup> <mrow> <mo>(</mo> <mfrac> <mi>&amp;lambda;</mi> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> </mfrac> <mo>)</mo> </mrow> <mi>k</mi> </msup> <mo>+</mo> <mfrac> <mn>1</mn> <mrow> <mi>c</mi> <mo>!</mo> </mrow> </mfrac> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>-</mo> <mi>&amp;rho;</mi> </mrow> </mfrac> <msup> <mrow> <mo>(</mo> <mfrac> <mi>&amp;lambda;</mi> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> </mfrac> <mo>)</mo> </mrow> <mi>c</mi> </msup> <mo>&amp;rsqb;</mo> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
ρ＝λ/(c×μ2) (9)
<mrow> <msub> <mi>W</mi> <mi>q</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>L</mi> <mi>q</mi> </msub> <mi>&amp;lambda;</mi> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>
式(7)至式(10)中，μ2表示充电机单位时间内服务电动汽车的个数；c表示快速充电站中充电机的个数，以下述式(11)为目标函数，以下述式(12)为约束条件进行优化求解，即可得到充电机个数c，
min z＝Csc+CwLs (11)
s.t. Wq<tw (12)
式(11)和式(12)中，Cs是单个充电机折算到每个小时的成本，单位：元，由下述式(13)计算可得；Cw是用户出行单位时间的成本，单位：元/辆；tw是最大等待时间，单位：分钟；
<mrow> <msub> <mi>C</mi> <mi>s</mi> </msub> <mo>=</mo> <msub> <mi>V</mi> <mn>0</mn> </msub> <mfrac> <mrow> <msub> <mi>i</mi> <mi>r</mi> </msub> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msub> <mi>i</mi> <mi>r</mi> </msub> <mo>)</mo> </mrow> <mi>p</mi> </msup> </mrow> <mrow> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msub> <mi>i</mi> <mi>r</mi> </msub> <mo>)</mo> </mrow> <mi>p</mi> </msup> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <mo>/</mo> <mn>8760</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>13</mn> <mo>)</mo> </mrow> </mrow>
式(13)中V0是全寿命周期内的充电机成本；ir是利率；p是充电机的寿命。
CN201510515806.9A 2015-08-19 2015-08-19 高速公路电动汽车快速充电站的规划方法 Expired - Fee Related CN105160428B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201510515806.9A CN105160428B (zh) 2015-08-19 2015-08-19 高速公路电动汽车快速充电站的规划方法
PCT/CN2015/088388 WO2017028333A1 (zh) 2015-08-19 2015-08-28 高速公路电动汽车快速充电站的规划方法
US15/747,549 US10360519B2 (en) 2015-08-19 2015-08-28 Planning method of electric vehicle fast charging stations on the expressway

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510515806.9A CN105160428B (zh) 2015-08-19 2015-08-19 高速公路电动汽车快速充电站的规划方法

Publications (2)

Publication Number Publication Date
CN105160428A CN105160428A (zh) 2015-12-16
CN105160428B true CN105160428B (zh) 2018-04-06

Family

ID=54801279

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510515806.9A Expired - Fee Related CN105160428B (zh) 2015-08-19 2015-08-19 高速公路电动汽车快速充电站的规划方法

Country Status (3)

Country Link
US (1) US10360519B2 (zh)
CN (1) CN105160428B (zh)
WO (1) WO2017028333A1 (zh)

Families Citing this family (82)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107819343A (zh) * 2016-02-04 2018-03-20 吴红平 电动汽车用基于自适应控制的直流充电站及其工作方法
CN105957252B (zh) * 2016-02-04 2018-08-03 中惠创智无线供电技术有限公司 基于射频识别的多功能充电桩
CN105608543B (zh) * 2016-03-16 2019-03-26 福建工程学院 充电站配电量配置方法
US20170308948A1 (en) * 2016-04-25 2017-10-26 Ford Global Technologies, Llc Electrified vehicle activity center ranking
CN106130110B (zh) * 2016-07-15 2018-12-25 华北电力大学 基于分层概率选择出行地的电动出租车充电站定容方法
CN106197459B (zh) * 2016-08-15 2019-05-21 浙江爱充网络科技有限公司 考虑航程及充电站位置的电动汽车路径寻优方法
CN106295898A (zh) * 2016-08-15 2017-01-04 万马联合新能源投资有限公司 一种设置充电桩的方法
CN107054111B (zh) * 2016-11-21 2020-04-24 蔚来汽车有限公司 基于车辆参数确定车辆补能信息来完善加电网络的方法
CN107067130B (zh) * 2016-12-12 2021-05-07 浙江大学 一种基于电动汽车马尔可夫充电需求分析模型的快速充电站容量规划方法
CN106828140B (zh) * 2016-12-14 2019-05-24 国网北京市电力公司 电动公交车参数配置方法和装置
CN106845727A (zh) * 2017-02-15 2017-06-13 天津大学 考虑配网潮流约束的高速公路快速充电站启发式规划方法
CN106951978B (zh) * 2017-02-20 2021-03-05 国网天津市电力公司 一种基于改进K-means算法的城市集中型充电站规划方法
CN106960279B (zh) * 2017-03-16 2020-10-23 天津大学 考虑用户参与度的电动汽车能效电厂特征参数评估方法
CN107067110B (zh) * 2017-04-14 2020-07-10 天津大学 车-路-网模式下电动汽车充电负荷时空预测方法
US10853720B1 (en) * 2017-04-26 2020-12-01 EMC IP Holding Company LLC Traffic condition forecasting using matrix compression and deep neural networks
CN107180274B (zh) * 2017-05-09 2020-04-24 东南大学 一种电动汽车充电设施规划典型场景选取和优化方法
CN107609670B (zh) * 2017-08-10 2020-12-01 浙江工业大学 一种基于copula算法电动汽车充电站负荷预测方法
CN107464028B (zh) * 2017-09-13 2020-11-06 杭州骑迹科技有限公司 一种电池柜的位置部署方法和网络服务器
JP6597752B2 (ja) * 2017-11-01 2019-10-30 マツダ株式会社 車両用表示装置
CN108133329B (zh) * 2017-12-29 2021-06-08 天津大学 考虑充电反馈效应的电动汽车出行与充电需求分析方法
CN108182537B (zh) * 2017-12-30 2022-03-18 国网天津市电力公司电力科学研究院 基于排队论的电动出租车快速充电站服务特性分析方法
CN108334991B (zh) * 2018-02-12 2020-06-09 清华大学 一种电动汽车充电站规划方法及***
CN108656989B (zh) * 2018-05-03 2020-04-21 南京大学 一种针对周期性运动的电动小车的无线交互充电方法
CN108932558B (zh) * 2018-05-18 2021-09-28 国网江苏省电力有限公司徐州供电分公司 一种对外开放型电动公交充电站负荷预测方法
CN109190935B (zh) * 2018-08-15 2021-08-17 天津大学 一种考虑服务区和车辆事故的高速公路充电站规划方法
CN109204017B (zh) * 2018-09-13 2020-03-10 国网福建省电力有限公司 一种电动汽车充电网络的监控方法
CN109409939B (zh) * 2018-10-08 2022-02-22 国网天津市电力公司电力科学研究院 用于配网电压控制的双层电动汽车快速充电电价修正方法
CN109583708B (zh) * 2018-11-08 2021-06-04 国网浙江省电力有限公司经济技术研究院 多智能体微观交通配流模型的建立方法
CN109508830B (zh) * 2018-11-15 2022-09-02 云南电网有限责任公司 一种电动汽车时空动态负荷预测的方法
CN109501630B (zh) * 2018-12-04 2022-06-10 国网电动汽车服务有限公司 一种电动汽车充电方案实时推荐方法及***
CN111291948B (zh) * 2018-12-06 2024-03-01 北京嘀嘀无限科技发展有限公司 一种服务设备部署方法、装置、电子设备及存储介质
CN109711630A (zh) * 2018-12-28 2019-05-03 郑州大学 一种基于出行概率矩阵的电动汽车快充站选址定容方法
CN109840635B (zh) * 2019-01-29 2023-06-02 三峡大学 基于电压稳定性和充电服务质量的电动汽车充电站规划方法
CN109636070B (zh) * 2019-01-30 2023-01-31 国网安徽省电力有限公司 一种电动汽车充电站布局优化的决策支持***
CN110111001B (zh) * 2019-05-06 2023-07-28 广东工业大学 一种电动汽车充电站的选址规划方法、装置以及设备
CN110189025B (zh) * 2019-05-30 2023-10-10 国网上海市电力公司 考虑不同负荷增长的电动汽车充电站规划方案获取方法
CN110516935B (zh) * 2019-08-13 2022-01-07 北京航空航天大学 一种基于端边云架构的矿车无人驾驶运输***路权云智能分配方法
CN110648013A (zh) * 2019-08-26 2020-01-03 广东工业大学 一种基于对偶型最大熵的电动汽车充电负荷预测方法
CN110705746B (zh) * 2019-08-27 2022-08-05 北京交通大学 电动出租车快速充电站优化配置方法
CN110728421B (zh) * 2019-08-30 2024-04-19 山东理工大学 一种基于充电需求大数据的路网充电优化方法
CN110662175B (zh) * 2019-09-11 2020-11-06 哈尔滨工程大学 一种基于无线可充电传感器网络的移动车速度控制方法
CN110689200B (zh) * 2019-09-30 2022-07-12 杭州电子科技大学 一种电动汽车长途运输中的充电路径导航方法
US11515587B2 (en) * 2019-10-10 2022-11-29 Robert Bosch Gmbh Physics-based control of battery temperature
CN110826813A (zh) * 2019-11-13 2020-02-21 上海恒能泰企业管理有限公司璞能电力科技工程分公司 基于家用电动汽车用户充电差异性需求的电网优化方法
CN110895638B (zh) * 2019-11-22 2022-12-06 国网福建省电力有限公司 考虑电动汽车充电站选址定容的主动配电网模型建立方法
CN110968837B (zh) * 2019-11-25 2023-04-18 南京邮电大学 电动汽车充电站选址定容的方法
CN110880054B (zh) * 2019-11-27 2022-05-20 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
CN112288122B (zh) * 2019-11-28 2024-02-27 南京行者易智能交通科技有限公司 一种基于客流od大数据的公交快速通勤线路设计方法
CN110826821B (zh) * 2019-12-04 2022-11-11 海南电网有限责任公司 一种基于分布式光储充的配电网规划方法
CN110949149B (zh) * 2019-12-12 2022-12-06 海南电网有限责任公司 一种电动汽车充电定位方法及***
CN111461395B (zh) * 2020-02-24 2022-08-02 合肥工业大学 临时配送中心的选址方法和***
CN111401696B (zh) * 2020-02-28 2023-09-22 国网浙江省电力有限公司台州供电公司 一种计及可再生资源不确定性的配电***协调规划方法
CN111400662B (zh) * 2020-03-17 2024-02-06 国网上海市电力公司 一种考虑电动汽车充电需求的空间负荷预测方法
CN111461441B (zh) * 2020-04-03 2023-09-12 国网辽宁省电力有限公司 基于电动汽车泊停态势划分的多类充电设施优化配置方法
CN111582585B (zh) * 2020-05-11 2022-03-22 燕山大学 一种充电站与无线充电站的联合规划方法及***
CN111628496B (zh) * 2020-05-19 2022-01-25 南京工程学院 一种电动汽车充电站选址和最大充电负荷确定方法
CN111680930A (zh) * 2020-06-17 2020-09-18 云南省设计院集团有限公司 一种基于特征可达圈的电动汽车充电站选址评估方法
CN111651899A (zh) * 2020-06-28 2020-09-11 北京理工大学 考虑用户选择行为的换电站鲁棒选址定容方法和***
CN111861145A (zh) * 2020-06-29 2020-10-30 东南大学 考虑高速公路路网的服务区电动汽车充电站配置方法
CN111861192A (zh) * 2020-07-16 2020-10-30 云南电网有限责任公司 一种电动汽车充电站的选址方法及装置
CN111667202A (zh) * 2020-07-16 2020-09-15 云南电网有限责任公司 一种电动汽车充电站的选址方法及装置
CN112070341B (zh) * 2020-07-24 2024-06-14 杭州电子科技大学 一种面向多机器人充电策略的分布式求解方法
CN111861022B (zh) * 2020-07-28 2022-05-13 国网天津市电力公司滨海供电分公司 一种基于大数据分析优化电动汽车充电站选址的方法
EP3960530A1 (en) * 2020-08-31 2022-03-02 Bayerische Motoren Werke Aktiengesellschaft Apparatus, method and computer program for determining a plurality of information of a location of a charging station
CN112507506B (zh) * 2020-09-18 2024-02-02 长安大学 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
CN112215415A (zh) * 2020-09-29 2021-01-12 长安大学 基于概率模型最优分位点的汽车充电负荷场景预测方法
CN112381325B (zh) * 2020-11-27 2023-11-21 云南电网有限责任公司电力科学研究院 一种加氢站规划方法
CN112993980B (zh) * 2021-02-23 2022-10-14 国网浙江省电力有限公司电力科学研究院 一种电动汽车充电负荷时空概率分布模型计算方法
CN113362460B (zh) * 2021-04-28 2022-08-30 北京理工大学 全域新能源汽车充电地图构建与推荐方法
CN113326883B (zh) * 2021-06-03 2022-08-30 中创三优（北京）科技有限公司 充电站功率利用率预测模型的训练方法、装置及介质
CN113240216A (zh) * 2021-07-12 2021-08-10 长沙理工大学 充电站服务范围计算方法、***、设备及计算机存储介质
CN113435790B (zh) * 2021-07-29 2022-11-01 广东工业大学 一种电动公交车充换电站的设计方法
CN114491882B (zh) * 2021-12-30 2024-06-07 南通沃太新能源有限公司 一种考虑电池续航能力的ev储能充电网络规划方法
CN114662984B (zh) * 2022-04-19 2023-04-18 国网浙江电动汽车服务有限公司 一种车辆区域充电需求的分析方法、装置及介质
CN114548612B (zh) * 2022-04-27 2022-07-15 惠州市丝鹭新能源科技有限公司 一种新能源充电桩停车调度***
CN114819370A (zh) * 2022-05-09 2022-07-29 国网浙江省电力有限公司 基于改进混合算法的电动汽车充电站选址定容方法及装置
DE102022115574A1 (de) 2022-06-22 2023-12-28 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Prädiktion der Wartezeit an einer Ladestation
CN115395521B (zh) * 2022-10-25 2023-03-24 国网天津市电力公司营销服务中心 一种可再生能源、储能和充电桩协同规划方法及***
CN116448137B (zh) * 2023-05-30 2024-01-16 山东博恒新能源有限公司 智能化高速公路能源管理***
CN117078046B (zh) * 2023-10-12 2024-01-09 国网湖北省电力有限公司经济技术研究院 一种电动公交车有线无线联合充电优化方法、***及设备
CN117408498B (zh) * 2023-12-15 2024-02-23 陕西德创数字工业智能科技有限公司 一种基于新能源大数据的公共充电站选址定容定桩方法
CN118061816A (zh) * 2024-04-24 2024-05-24 中科军源(南京)智能技术有限公司 预装式移动超级充电站

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521488A (zh) * 2011-11-28 2012-06-27 山东电力集团公司济南供电公司 一种电动汽车换电站选址方法
CN102722767A (zh) * 2012-07-02 2012-10-10 山东鲁能智能技术有限公司 电动汽车充换电站布点规划***及方法
CN102880921A (zh) * 2012-10-16 2013-01-16 山东电力集团公司电力科学研究院 一种电动汽车充电站选址优化方法
CN103295074A (zh) * 2012-02-23 2013-09-11 国际商业机器公司 具有最佳定位的充电站的电动车辆（ev）充电基础设施的方法和***
CN104077635A (zh) * 2014-07-09 2014-10-01 北京交通大学 一种基于光伏发电***的电动汽车充电站充电优化方法
CN104182595A (zh) * 2014-09-15 2014-12-03 国家电网公司 一种充电站群的负荷模拟方法及***

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5548200A (en) * 1994-07-06 1996-08-20 Norvik Traction Inc. Universal charging station and method for charging electric vehicle batteries
US5986430A (en) * 1998-07-06 1999-11-16 Motorola, Inc. Method for ultra-rapidly charging a rechargeable battery using multi-mode regulation in a vehicular recharging system
US6614204B2 (en) * 2001-12-21 2003-09-02 Nicholas J. Pellegrino Charging station for hybrid powered vehicles
US8019483B2 (en) 2008-10-01 2011-09-13 Current Communications Services, Llc System and method for managing the distributed generation of power by a plurality of electric vehicles
US20130221918A1 (en) * 2010-04-26 2013-08-29 Proterra Inc Fast charge stations for electric vehicles in areas with limited power availabilty
US8350526B2 (en) * 2011-07-25 2013-01-08 Lightening Energy Station for rapidly charging an electric vehicle battery
US8963494B2 (en) * 2012-05-18 2015-02-24 Tesla Motors, Inc. Charge rate optimization
US9728990B2 (en) * 2012-10-31 2017-08-08 Tesla, Inc. Fast charge mode for extended trip
CN104318357B (zh) * 2014-10-15 2017-09-26 东南大学 电动汽车换电网络协调规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521488A (zh) * 2011-11-28 2012-06-27 山东电力集团公司济南供电公司 一种电动汽车换电站选址方法
CN103295074A (zh) * 2012-02-23 2013-09-11 国际商业机器公司 具有最佳定位的充电站的电动车辆（ev）充电基础设施的方法和***
CN102722767A (zh) * 2012-07-02 2012-10-10 山东鲁能智能技术有限公司 电动汽车充换电站布点规划***及方法
CN102880921A (zh) * 2012-10-16 2013-01-16 山东电力集团公司电力科学研究院 一种电动汽车充电站选址优化方法
CN104077635A (zh) * 2014-07-09 2014-10-01 北京交通大学 一种基于光伏发电***的电动汽车充电站充电优化方法
CN104182595A (zh) * 2014-09-15 2014-12-03 国家电网公司 一种充电站群的负荷模拟方法及***

Also Published As

Publication number Publication date
US10360519B2 (en) 2019-07-23
CN105160428A (zh) 2015-12-16
WO2017028333A1 (zh) 2017-02-23
US20180240047A1 (en) 2018-08-23

Similar Documents

Publication Publication Date Title
CN105160428B (zh) 高速公路电动汽车快速充电站的规划方法
Vosooghi et al. Shared autonomous electric vehicle service performance: Assessing the impact of charging infrastructure
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
Sebastiani et al. Evaluating electric bus operation for a real-world BRT public transportation using simulation optimization
CN108334991B (zh) 一种电动汽车充电站规划方法及***
Lee et al. Synthesis of real-world driving cycles and their use for estimating PHEV energy consumption and charging opportunities: Case study for Midwest/US
Jung et al. Design and modeling of real-time shared-taxi dispatch algorithms
CN110288212B (zh) 基于改进的mopso的电动出租车新建充电站选址方法
CN103033752A (zh) 电动车电池寿命预测方法以及延长方法
Yao et al. Hybrid operations of human driving vehicles and automated vehicles with data-driven agent-based simulation
CN114730415A (zh) 车辆管理装置和车辆管理程序
CN110232219B (zh) 一种基于数据挖掘的电动汽车可调度容量核定方法
CN105262167A (zh) 区域内电动汽车有序充电控制方法
CN107067130A (zh) 一种基于电动汽车马尔可夫充电需求分析模型的快速充电站容量规划方法
Bayram et al. Could petrol stations play a key role in transportation electrification? a gis-based coverage maximization of fast ev chargers in urban environment
Sadhukhan et al. Optimal placement of electric vehicle charging stations in a distribution network
CN111401786B (zh) 一种基于路况信息考虑双边利益权衡的电动汽车充电调度方法
JP2020027023A (ja) 情報処理装置、情報処理方法及びコンピュータプログラム
Akbari et al. Modeling and optimization of PHEV charging queues
Shrestha et al. Spatial-temporal stochasticity of electric vehicles in an integrated traffic and power system
Yan et al. Catcharger: Deploying in-motion wireless chargers in a metropolitan road network via categorization and clustering of vehicle traffic
Tsukiji et al. A multifaceted equity metric system for transportation electrification
Ali et al. Optimal Battery Sizing and Stops’ Allocation for Electrified Fleets Using Data-Driven Driving Cycles: A Case Study for the City of Cairo
CN114861998A (zh) 一种基于混沌猫群算法的移动补电车调度方法及其***
Liu et al. An MHO approach for electric bus charging scheme optimization based on energy consumption estimation

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180406

Termination date: 20210819

CF01 Termination of patent right due to non-payment of annual fee