CN106965688A - 一种电网和交通网协同环境下的电动汽车充电方法 - Google Patents
一种电网和交通网协同环境下的电动汽车充电方法 Download PDFInfo
- Publication number
- CN106965688A CN106965688A CN201710159464.0A CN201710159464A CN106965688A CN 106965688 A CN106965688 A CN 106965688A CN 201710159464 A CN201710159464 A CN 201710159464A CN 106965688 A CN106965688 A CN 106965688A
- Authority
- CN
- China
- Prior art keywords
- network
- charging
- electric automobile
- communication lines
- driving path
- 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
Classifications
-
- 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
- B60L53/64—Optimising energy costs, e.g. responding to electricity rates
-
- 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
-
- 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
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种电网和交通网协同环境下的电动汽车充电方法,包括:输入电动汽车数据、交通网车流量数据、配电网数据、电价信息;建立电动汽车的可行驶里程模型;结合地理信息计算电动汽车当前位置到目的地和目的地与其最近充电站的最短行程,并判断电动汽车是否需要充电;根据计算各行驶路径的经济成本或充电耗时,或根据建立目标函数所求得的最优解,选择电动汽车充电行驶路径;建立交通网车流量优化模型,及建立配电网运行优化模型,对所选择的电动汽车充电行驶路径进行约束;对电动汽车的充电行驶路径进行三目标最优化处理,获得最终充电行驶路径。本发明可充分考虑电力***运行要求和交通网流量要求,保障了电力***和交通***的正常运行。
Description
技术领域
本发明涉及一种电网和交通网协同环境下的电动汽车充电方法,属于电力***运行和控制的技术领域。
背景技术
预计2015以后,我国电动汽车保有量将达到266万辆,甚至更多。如果每辆电动汽车的功率按照20进行计算,那么,总容量至少将达6.32x107kW,而且,其预测值能有上升趋势。由此可看出,电动汽车在未来大规模接入配电网后,其对电网的总负荷需求将十分庞大,可能对现有的电网运行,有巨大冲击。加之其充放电负荷分布在时间和空间上的随机性,与V2G技术的兴趣,将会导致某一时间段的电网负荷急剧増加,装机容量急剧增大,一些原有的输配电网络必须增容增量才能满足新増能量的需求。因此,详细分析电动汽车的电能需求及其负荷的分布特性,对未来城市的负荷预测、电力输送、基础设施建设规划等各个方面都具有重要的意义。
对电汽车电能的研究方案,一般采用集中式优化方案,即将电动汽车群、电网、交通网堪称一个统一运行的整体,由同一个控制中心进行。但是,这一假设显然与交通***、电力网络的运行实际不相符合。事实上,电动汽车、交通***、电力网络,是三个不同的部分,其运行方式受到三个不同的控制中心的作用,电动汽车由人,交通网络由交通部门,电力网络由电力部门控制。
而当电动汽车成为主要交通工具后,对电动汽车车主和电力***及交通网产生了新的问题。一方面,各电动汽车车主会分布式地考虑,如何选择一个最优充电路径,使出行用钱或充电时间最短;另一方面,电力***和交通网需要避免电动汽车大量集中在某一个充电站和某一段道路上,以避免一系列电气问题及交通网拥堵问题。
为了解决以上问题,需要在设计电动汽车充电路径时,由各辆电动汽车分别决策,即采用分布式协调协同的方法,建立“配电网-电动汽车-交通网”融合***优化数学模型。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足,提供一种电网和交通网协同环境下的电动汽车充电方法,解决现有的电动汽车充电方法一般采用集中式优化方案,无法实现分布式控制,无法选择一个最优充电路径的同时使得电力***和交通网避免一系列电气问题及交通网拥堵,做到准确控制和决策的问题。
本发明具体采用以下技术方案解决上述技术问题:
一种电网和交通网协同环境下的电动汽车充电方法,包括以下步骤:
步骤1、输入电动汽车数据、交通网车流量数据、配电网数据、电价信息;
步骤2、根据输入的电动汽车数据中电动汽车的每公里平均能耗和初始储能,建立电动汽车的可行驶里程模型;
步骤3、根据步骤2中所建立可行驶里程模型,结合地理信息计算电动汽车当前位置到目的地的最短行程和目的地与其距离最近充电站的最短行程,并判断电动汽车是否需要充电;
步骤4、遍历电动汽车前往任意充电站再到目的地的全部行驶路径,根据计算各行驶路径的经济成本或充电耗时,或根据平均经济成本和平均充电耗时建立目标函数所求得的最优解,选择电动汽车充电行驶路径;
步骤5、以交通网各路段宏观静流量临界车辆数为约束条件,建立交通网车流量优化模型,及根据所建立的交通网车流量优化模型对步骤4所选择的电动汽车充电行驶路径进行约束;
步骤6、根据配电网各节点容量约束及电网运行损耗,建立配电网运行优化模型,及根据所建立的配电网运行优化模型以电网运行损耗最小为目标对步骤4所选择的电动汽车充电行驶路径进行约束;
步骤7、根据步骤4所选择电动汽车充电行驶路径和步骤5、步骤6中对电动汽车的充电行驶路径的约束,对电动汽车的充电行驶路径进行三目标最优化处理,获得最终电动汽车充电行驶路径。
进一步地,作为本发明的一种优选技术方案,所述步骤2建立电动汽车的可行驶里程模型具体为:
其中,为电动汽车的可行驶里程;为电动汽车的初始储能;为电动汽车的每公里平均能耗。
进一步地,作为本发明的一种优选技术方案,所述步骤4计算各行驶路径的经济成本采用公式:
其中,和表示电动汽车i的容量、初始储能和每公里平均能耗,为电动汽车i到充电站j的行驶路程,为充电站j到目的地的行驶路程,Cave为标准电价,Cjt为充电站j在时刻t时的实时电价。
进一步地,作为本发明的一种优选技术方案,所述步骤5中约束条件为:交通网各路段的小时交通量之和小于重点区域净车公里数STD到达最大值时的网络宏观净流量。
进一步地,作为本发明的一种优选技术方案,所述步骤5建立交通网车流量优化模型具体为:
其中,STD为重点区域净车公里数;Apq为Pathpq路段的小时交通量,且Apq小于路段Pathpq的最大通行能力Lpq为路段Pathpq的长度。
进一步地,作为本发明的一种优选技术方案,所述步骤6建立配电网运行优化模型具体为:
其中,Δt为计算间隔时间,PLOSS是配电网的有功损耗,Rl是各电网线路的电阻, 分别是各支路电流的纵向分量和横向分量,tmax表示最末时间点,l是支路号,B代表支路数。
本发明采用上述技术方案,能产生如下技术效果:
本发明提供的电网和交通网协同环境下的电动汽车充电方法,为电动汽车车主提供一条最优充电路径,有利于车主的出行需求,并充分考虑了电力***运行要求和交通网流量要求,保障了电力***和交通***的正常运行。另外,由于现实中,电动汽车、交通***、电力网络,是三个不同的部分,其运行方式受到三个不同的控制中心的作用,电动汽车由人,交通网络由交通部门,电力网络由电力部门控制的特点,本发明较之集中式优化方案,即将电动汽车群、电网、交通网堪称一个统一运行的整体,由同一个控制中心进行的方法而言,更为实际。本发明综合了交通情况和配电网情况对大规模电动汽车进行充电路径规划,并且采用各电动汽车分别决策的方法,给出电动汽车充电策略,可以快速高效地实现电动汽车充电策略控制。
附图说明
图1是本发明电网和交通网协同环境下的电动汽车充电方法的流程示意图。
图2是本发明以南京为例的交通网配置示意图。
图3是本发明中配电网的电网结构示意图。
具体实施方式
下面结合说明书附图对本发明的实施方式进行描述。
如图1所示,本发明提出一种电网和交通网协同环境下的电动汽车充电方法,该方法具体包括以下步骤:
步骤1、输入电动汽车数据、交通网车流量数据、配电网数据、电价信息。
首先,输入电动汽车数据:电动汽车i=1的容量初始储能每公里平均能耗其次,输入交通网车流量数据:道路网络拓扑图、道路长度、各道路车流量;及输入配电网数据:各节点注入有功、各节点注入无功、电压幅值、具体的电压相角;及电价信息:峰谷电费及平均电价。
其中,电动汽车数据具体如表1所示;交通网数据具体如表2、3、4,其中表2中将道路点分为第1类,充电点作为第2类;及表3给出充电点具体有A14、A20、A27、A28、C10、C13、C16、C19、C23、E2、E5、E8、E13、E16、G2等;且表4给出不同支路下,道路拓扑边第一点和第二点,及路长,该交通网数据的具体布置以南京地图为例,其具体分布如图2所示,图2所示的地图中A.C.E.G是将大区域分划成四个小区域后,每个小区域的标号,即A.C.E.G是充电点与道路点的集合,本实施例中A有31点,C有24点,E有16点,G有3点;配电网数据具体如表5、6所示;电价信息具体如表7所示。
表1:
表2:
表3:
表4:
支路号 | 道路拓扑边第一点 | 道路拓扑边第二点 | 路长(单位:千米) |
1 | A1 | A2 | 1.3 |
2 | A2 | A3 | 1.3 |
3 | A3 | A4 | 1 |
4 | A4 | A27 | 0.2 |
5 | A27 | A5 | 0.4 |
6 | A5 | A6 | 1.1 |
7 | A6 | A7 | 0.5 |
8 | A7 | A8 | 0.5 |
9 | A8 | A31 | 0.5 |
10 | A9 | A29 | 0.6 |
11 | A29 | A10 | 1.5 |
12 | A10 | A11 | 1.8 |
13 | A11 | A1 | 0.8 |
14 | A11 | A28 | 0.9 |
15 | A28 | A25 | 0.6 |
16 | A25 | A9 | 0.6 |
17 | A25 | A23 | 1.9 |
18 | A23 | A9 | 0.8 |
19 | A23 | A20 | 0.4 |
20 | A20 | A19 | 0.2 |
21 | A19 | A8 | 0.7 |
22 | A19 | A21 | 0.4 |
23 | A19 | A18 | 0.3 |
24 | A18 | A7 | 0.6 |
25 | A18 | A17 | 0.4 |
26 | A17 | A5 | 0.4 |
27 | A17 | A16 | 0.4 |
28 | A16 | A21 | 0.4 |
29 | A16 | A15 | 0.7 |
30 | A15 | A13 | 0.7 |
表5:
表6:
支路号 | 发电 | 收点 | 电阻 | 电抗 | 电纳 | 变比 |
1 | 1 | 2 | 0.01938 | 0.05917 | 0.0264 | 0 |
2 | 1 | 2 | 0.05403 | 0.22304 | 0.0246 | 0 |
3 | 2 | 3 | 0.04699 | 0.19797 | 0.0219 | 0 |
4 | 2 | 4 | 0.05811 | 0.17632 | 0.0187 | 0 |
5 | 2 | 5 | 0.05695 | 0.17388 | 0.0170 | 0 |
6 | 3 | 4 | 0.06701 | 0.17103 | 0.0173 | 0 |
7 | 4 | 5 | 0.01335 | 0.04211 | 0.0064 | 0 |
8 | 4 | 7 | 0 | 0.20912 | 0 | 0.9789 |
9 | 4 | 9 | 0 | 0.55618 | 0 | 0.9690 |
10 | 5 | 6 | 0 | 0.25022 | 0 | 0.9320 |
11 | 6 | 11 | 0.09498 | 0.19890 | 0 | 0 |
12 | 6 | 12 | 0.12291 | 0.25581 | 0 | 0 |
13 | 6 | 13 | 0.06615 | 0.13027 | 0 | 0 |
14 | 7 | 8 | 0 | 0.17615 | 0 | 0 |
15 | 7 | 9 | 0 | 0.11001 | 0 | 0 |
16 | 9 | 10 | 0.03181 | 0.08450 | 0 | 0 |
17 | 9 | 14 | 0.12711 | 0.27038 | 0 | 0 |
18 | 10 | 11 | 0.08205 | 0.19207 | 0 | 0 |
19 | 12 | 13 | 0.22092 | 0.19988 | 0 | 0 |
20 | 13 | 14 | 0.17002 | 0.34802 | 0 | 0 |
表7:
步骤2、根据电动汽车的每公里平均能耗和初始储能,建立电动汽车的可行驶里程模型;本实施例中,建立的可行驶里程模型为:
其中,当i=1时,为电动汽车的每公里平均能耗,取值为0.1617;为电动汽车的初始储能,取值为0.5。
步骤3、根据步骤2中所建立可行驶里程模型,结合地理信息计算电动汽车当前位置到目的地的最短行程和目的地与其距离最近充电站的最短行程,并判断电动汽车是否需要充电。本实施例中,电动汽车当前位置以点A12,目的地为点C4为例,进行判断在最小路径,具体如下:
计划电动汽车需从当前位置点A12前往目的地的点C4,判断在最小路径下,是否能够到达目的地具体。具体路径图如图2所示,各路段长为表4所示。
由现有的最小路径算法知:
即5.2+0.4>3.092
其中,sA12->C4是点A12到点C4的距离。sC4->charge是点C4到距点C4最近充电点的距离。
所以,由计算的电动汽车当前位置点A12到目的地的点C4最短行程,和目的地点C4与其距离最近充电站的最短行程大于可行驶里程判断得出电动汽车在点A12需要先充电,然后前往目的地的点C4。若是计算的电动汽车当前位置点A12到目的地的点C4最短行程,和目的地点C4与其距离最近充电站的最短行程小于可行驶里程则电动汽车允许直接前往目的地。
步骤4、遍历电动汽车先至任意充电站充电,再前往目的地的全部行驶路径,根据计算各行驶路径的经济成本或充电耗时,或根据平均经济成本和平均充电耗时建立目标函数所求得的最优解,选择电动汽车充电行驶路径。具体如下:
根据电动汽车前往充电站时的不同需要,选择充电行驶路径。此处,且用钱和充电耗时的加权比例系数皆为0.5。
第一种提供的计算方案是,遍历电动汽车先充电,其后到达点C4的充电行驶路径,计算每个充电行驶路径经济成本。此以点按最短路径前往点A14,后按最小路径到达点C4为例。
对于经济成本计算:
式中,和表示电动汽车i=1的容量、初始储能和每公里平均能耗,为电动汽车i=1到充电站j=A14的路程,为充电站j=A14到目的地的路程,Cave为标准电价,Cj=A14,t为充电站j=A14在时刻t时的实时电价。
因此,Yi=1,j=A14=[85%*48.5-(0.5-0.1617*1.6)]*0.55+0.1617*(1.6+2.9)*0.52=22.9,即用钱为22.9元。
遍历所有充电行驶路径,记录各充电行驶路径的方案对应的充电耗时如表8所示,并求出最高用钱Ymax=39.1和最低用钱Ymin=22.9。
表8:
方案 | 用钱(单位:元) |
1 | 22.9 |
2 | 28.5 |
3 | 39.0 |
4 | 60.2 |
5 | 53.6 |
由此,若要求用钱最少,则可以根据表8中用钱最少的方案,确定和选择该方案1对应的电动汽车充电行驶路径。
第二种提供的计算方案是,对充电耗时进行计算:
首先,建立的路径模型,充电耗时为电动汽车i=1到充电站j=A14的路程的时间、电动汽车i=1在充电站j=A14的排队等待充电时间、电动汽车i=1在充电站j=A14的充电时间,电动汽车i=1从充电站j=A14到目的地路程时间之和。
其中,电动汽车i=1在充电站j=A14的充电时间为
即充电耗时为1.0121个小时。
电动汽车i=1在充电站j=A14的排队时间为
即充电耗时1.141个小时。
电动汽车i=1到充电站j=A14的路程的时间为电动汽车i=1到充电站j=A14的各段路之和。电动汽车i=1从充电站j=A14到目的地路程的时间为电动汽车i=1到充电站j=A14的各段路之和。
此处,
所以,总充电耗时为Ti=1,j=A14=1.141+1.0121+0.09+0.3=2.5431。
如此遍历所有充电行驶路径,记录各方案充电耗时如表9所示,并求出最高充电耗时Tmax=3.2和最低充电耗时Tmin=2.1。
表9:
方案 | 充电耗时(小时) |
1 | 2.10 |
2 | 2.23 |
3 | 2.15 |
4 | 2.89 |
5 | 3.01 |
由此,若要求充电耗时最低,可以根据表9中最低充电耗时的方案,确定和选择该方案1对应的电动汽车充电行驶路径。
第三种提供的计算方案是,根据计算的平均经济成本和平均充电耗时,建立目标函数并求得的最优解,选择电动汽车充电行驶路径。该过程遍历所有充电行驶路径的方案,并求出平均用钱Yave和平均充电耗时Tave,并对所有充电行驶路径的方案对经济成本和充电耗时进行加权处理,数据表10所示。
此处,α=0.5,β=0.5。
加权表达式:
因而
表10:
方案 | 加权值 |
1 | 0.192 |
2 | 0.201 |
3 | 0.222 |
4 | 0.267 |
5 | 0.361 |
最终,根据乘客要求的可得到的最优目标为:
因此,以求解该最优化目标函数,选择最少方案对应的充电路径。
步骤5、以交通网各路段宏观静流量临界车辆数为约束条件,建立交通网车流量优化模型,及根据所建立的交通网车流量优化模型对步骤4所选择的电动汽车充电行驶路径进行约束;建立的交通网车流量优化模型,目标在于使重点区域(此处指南京主城区)净车公里数STD达到最大,约束条件为各路段的小时交通量之和应不大于重点区域净车公里数STD到达最大值STDmax时的网络宏观净流量,且每个路段的小时交通量应不大于每个车段的小时交通量最大值。
约束条件限制了各路段的最大小时交通量,电动汽车i=1在优化充电路径时,其到充电站j=A14的路程包含的m个路段均需满足该约束,即:
因此,如果电动汽车i=1选择的电路径中有不满足该约束的路段,则该路径不可行。
目标函数:
约束条件为:
其中,Apq为路段Pathpq的小时交通量单位为veh/h;Lpq为路段Pathpq的长度,单位为km;为路段Pathpq的最大通行能力,单位为veh/h;NV为网络宏观净流量,单位为veh,NVm为对应于重点区域净车公里数STD到达最大值STDmax时的网络宏观净流量,STD的单位为(veh·km)/h,STDmax可根据区域交通检测器数据进行宏观基本图仿真得到。p和q表示联通道路的两点,实际操作如表11,可用支路号代替。交通网车流量的数据如表11所示。
表11:
道路号(支路号) | 车辆数(veh·km)/h |
1 | 12 |
2 | 23 |
3 | 24 |
4 | 9 |
5 | 10 |
6 | 30 |
7 | 17 |
此处令则排除支路6,使优化的充电行驶路径方案不包含经过支路6。
令NVm=1000,则重点区域的网络宏观净流量满足要求。
遍历车辆前往各地点充电所引起的道路交通量变化,得到各充电行驶路径的方案总交通量如表12所示。
表12:
步骤6、根据配电网各节点容量约束及电网运行损耗,建立配电网运行优化模型,及根据所建立的配电网运行优化模型以电网运行损耗最小为目标对步骤4所选择的电动汽车充电行驶路径进行约束。
建立配电网运行优化模型。按IEEE14节点样例,考虑的电网含14个节点和20条输电线路,并且该电网范围内含有15个充电站和50个电动汽车,50辆电动汽车都在配电网节点2进行充电。方案需电动汽车安排往不同的配电网节点,需遍历求出各不同方案下的配电网损耗,以备三目标优化求解。
电网结构如图3所示,电网参数如表5、6所示。
配电点容量约束:
约束条件限制了各充电站允许的电动汽车数。电动汽车i=1在范围内的Ni个充电站选择最优充电站时,被选择的充电站应满足该约束。因此,如果电动汽车i=1、选择的充电站不满足该约束,则该选择不可行。
此处取则排除电动汽车前往配电网节点2所供电的充电点充电的方案。
电网运行损耗为:
其中,Δt为计算间隔时间。
线路的潮流约束和节点的电压幅值上下限约束:
其中,线路为线路l允许的最大潮流;U s和为节点s的电压上下限值。
此处取U s=1.0,则排除电动汽车前往配电网节点8所供电的充电点充电的方案,Rl是各电网线路的电阻,分别是各支路电流的纵向分量和横向分量,l是支路号,B代表支路数。
因而,电动汽车只能前往充电节点的供电点非配电网节点2和配电网节点8所在的充电点进行充电。表13是地理图充电点编号与配电网节点的对应关系。
表13:
配电网节点编号 | 配电网节点对应的充电点编号 |
1 | 1、2 |
2 | 3 |
3 | 13 |
4 | 4、5 |
5 | 无 |
6 | 无 |
7 | 7 |
8 | 无 |
9 | 无 |
10 | 10、11 |
11 | 8、9 |
12 | 6 |
13 | 无 |
14 | 12、14、15 |
表14和表15是IEEE14节点配电网在电动汽车前往充电点3进行充电(方案1)下的节点和支路数据。
表14:
表15:
此时,总损耗为有功损耗13.393MW,无功损耗54.54MW,实在损耗为56.16MVA各方案下,损耗分别如表16所示。
表16:
方案 | 损耗(MVA) |
1 | 56.16 |
2 | 58.89 |
3 | 47.89 |
4 | 60.45 |
5 | 57.65 |
三目标优化的一个目标函数:电网运行以网损最小为目标:
其中,Δt为计算间隔时间。本实施例中,可以根据表16确定电网运行以网损最小为目标时,方案3为最合理的电动汽车充电行驶路径。
步骤7、根据步骤4所选择电动汽车充电行驶路径和步骤5、步骤6中对电动汽车的充电行驶路径的约束,对电动汽车的充电行驶路径进行三目标最优化处理,获得最终电动汽车充电行驶路径。利用三目标最优化处理,如采用现有的方法对三个目标函数加权处理,再进行最优化处理,得到的充电行驶路径是在时间、功耗和配电网数据在综合条件最为合理下的最终方案,以确定获得最终的电动汽车的充电行驶路径。
综上,本发明提供的电网和交通网协同环境下的电动汽车充电方法,为电动汽车车主提供一条最优充电路径,有利于车主的出行需求,并充分考虑了电力***运行要求和交通网流量要求,保障了电力***和交通***的正常运行。
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)
1.一种电网和交通网协同环境下的电动汽车充电方法,其特征在于,包括以下步骤:
步骤1、输入电动汽车数据、交通网车流量数据、配电网数据、电价信息;
步骤2、根据输入的电动汽车数据中电动汽车每公里平均能耗和初始储能,建立电动汽车的可行驶里程模型;
步骤3、根据步骤2中所建立可行驶里程模型,结合地理信息计算电动汽车当前位置到目的地的最短行程和目的地与其距离最近充电站的最短行程,并判断电动汽车是否需要充电;
步骤4、遍历电动汽车前往任意充电站再到目的地的全部行驶路径,根据计算各行驶路径的经济成本或充电耗时,或根据平均经济成本和平均充电耗时建立目标函数所求得的最优解,选择电动汽车充电行驶路径;
步骤5、以交通网各路段宏观静流量临界车辆数为约束条件,建立交通网车流量优化模型,及根据所建立的交通网车流量优化模型对步骤4所选择的电动汽车充电行驶路径进行约束;
步骤6、根据配电网各节点容量约束及电网运行损耗,建立配电网运行优化模型,及根据所建立的配电网运行优化模型以电网运行损耗最小为目标对步骤4所选择的电动汽车充电行驶路径进行约束;
步骤7、根据步骤4所选择电动汽车充电行驶路径和步骤5、步骤6中对电动汽车的充电行驶路径的约束,对电动汽车的充电行驶路径进行三个目标最优化处理,获得最终电动汽车充电行驶路径。
2.根据权利要求1所述电网和交通网协同环境下的电动汽车充电方法,其特征在于,所述步骤2建立电动汽车的可行驶里程模型具体为:
其中,为电动汽车的可行驶里程;为电动汽车的初始储能;为电动汽车的每公里平均能耗。
3.根据权利要求1所述电网和交通网协同环境下的电动汽车充电方法,其特征在于,所述步骤4计算各行驶路径的经济成本采用公式:
其中,和表示电动汽车i的容量、初始储能和每公里平均能耗,为电动汽车i到充电站j的行驶路程,为充电站j到目的地的行驶路程,Cave为标准电价,Cjt为充电站j在时刻t时的实时电价。
4.根据权利要求1所述电网和交通网协同环境下的电动汽车充电方法,其特征在于,所述步骤5中约束条件为:交通网各路段的小时交通量之和小于重点区域净车公里数STD到达最大值时的网络宏观净流量。
5.根据权利要求1所述电网和交通网协同环境下的电动汽车充电方法,其特征在于,所述步骤5建立交通网车流量优化模型具体为:
其中,STD为重点区域净车公里数;Apq为Pathpq路段的小时交通量,且Apq小于路段Pathpq的最大通行能力Lpq为路段Pathpq的长度。
6.根据权利要求1所述电网和交通网协同环境下的电动汽车充电方法,其特征在于,所述步骤6建立配电网运行优化模型具体为:
其中,Δt为计算间隔时间,PLOSS是配电网的有功损耗,Rl是各电网线路的电阻, 分别是各支路电流的纵向分量和横向分量,tmax表示最末时间点,l是支路号,B代表支路数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710159464.0A CN106965688A (zh) | 2017-03-17 | 2017-03-17 | 一种电网和交通网协同环境下的电动汽车充电方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710159464.0A CN106965688A (zh) | 2017-03-17 | 2017-03-17 | 一种电网和交通网协同环境下的电动汽车充电方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106965688A true CN106965688A (zh) | 2017-07-21 |
Family
ID=59328478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710159464.0A Pending CN106965688A (zh) | 2017-03-17 | 2017-03-17 | 一种电网和交通网协同环境下的电动汽车充电方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106965688A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108162771A (zh) * | 2017-11-09 | 2018-06-15 | 贵州电网有限责任公司电力科学研究院 | 一种电动汽车智能充电导航方法 |
CN108321849A (zh) * | 2018-05-07 | 2018-07-24 | 郑州市交通规划勘察设计研究院 | 一种高等级公路电动汽车充电站协调充电控制方法 |
CN108562300A (zh) * | 2018-05-10 | 2018-09-21 | 西南交通大学 | 考虑目的地导向及下一行程用电需求的电动汽车充电引导方法 |
CN109347346A (zh) * | 2018-11-30 | 2019-02-15 | 华南理工大学 | 一种基于多目标优化的电动汽车用变流器的设计方法 |
CN109693576A (zh) * | 2019-01-10 | 2019-04-30 | 浙江工业大学 | 一种基于模拟退火算法的电动汽车充电调度优化方法 |
CN109920252A (zh) * | 2019-04-24 | 2019-06-21 | 燕山大学 | 一种电气交通互联***的协调优化方法及*** |
CN110751409A (zh) * | 2019-10-28 | 2020-02-04 | 华北电力大学 | 考虑储能***和交通分配的电动汽车充电管理方法及*** |
CN111439163A (zh) * | 2019-01-17 | 2020-07-24 | 本田技研工业株式会社 | 控制装置以及计算机可读存储介质 |
CN112418610A (zh) * | 2020-10-31 | 2021-02-26 | 国网河北省电力有限公司雄安新区供电公司 | 基于soc信息与路网电网信息融合的充电优化方法 |
CN112895963A (zh) * | 2019-11-19 | 2021-06-04 | 上海博泰悦臻电子设备制造有限公司 | 车辆加能方法、电子设备、供能装置及存储介质 |
CN113036790A (zh) * | 2021-02-26 | 2021-06-25 | 江苏大学 | 一种基于网络重构的电动汽车行驶路径的优化方法 |
CN113195299A (zh) * | 2019-02-28 | 2021-07-30 | 宝马股份公司 | 用于优化分布的充电站效率和用户体验的方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102709984A (zh) * | 2012-06-13 | 2012-10-03 | 清华大学 | 一种基于智能交通***的电动汽车充电路径规划方法 |
CN103699950A (zh) * | 2013-09-07 | 2014-04-02 | 国家电网公司 | 一种考虑交通网络流量的电动汽车充电站规划方法 |
US20140129139A1 (en) * | 2012-11-07 | 2014-05-08 | Intertrust Technologies Corporation | Vehicle charging path optimization systems and methods |
CN105857107A (zh) * | 2016-05-17 | 2016-08-17 | 上海交通大学 | 一种基于电网实时数据的电动汽车充电导航*** |
CN106042963A (zh) * | 2016-06-17 | 2016-10-26 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 电气化交通网络和电力***的协同优化方法与*** |
CN106160056A (zh) * | 2015-04-21 | 2016-11-23 | 日立(中国)研究开发有限公司 | 电动汽车的行驶路径规划方法及车载装置 |
CN106207290A (zh) * | 2016-07-11 | 2016-12-07 | 太原理工大学 | 一种基于多源数据的电动汽车充电辅助决策优化方法 |
-
2017
- 2017-03-17 CN CN201710159464.0A patent/CN106965688A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102709984A (zh) * | 2012-06-13 | 2012-10-03 | 清华大学 | 一种基于智能交通***的电动汽车充电路径规划方法 |
US20140129139A1 (en) * | 2012-11-07 | 2014-05-08 | Intertrust Technologies Corporation | Vehicle charging path optimization systems and methods |
CN103699950A (zh) * | 2013-09-07 | 2014-04-02 | 国家电网公司 | 一种考虑交通网络流量的电动汽车充电站规划方法 |
CN106160056A (zh) * | 2015-04-21 | 2016-11-23 | 日立(中国)研究开发有限公司 | 电动汽车的行驶路径规划方法及车载装置 |
CN105857107A (zh) * | 2016-05-17 | 2016-08-17 | 上海交通大学 | 一种基于电网实时数据的电动汽车充电导航*** |
CN106042963A (zh) * | 2016-06-17 | 2016-10-26 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 电气化交通网络和电力***的协同优化方法与*** |
CN106207290A (zh) * | 2016-07-11 | 2016-12-07 | 太原理工大学 | 一种基于多源数据的电动汽车充电辅助决策优化方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108162771A (zh) * | 2017-11-09 | 2018-06-15 | 贵州电网有限责任公司电力科学研究院 | 一种电动汽车智能充电导航方法 |
CN108162771B (zh) * | 2017-11-09 | 2020-11-10 | 贵州电网有限责任公司电力科学研究院 | 一种电动汽车智能充电导航方法 |
CN108321849B (zh) * | 2018-05-07 | 2020-07-17 | 郑州市交通规划勘察设计研究院 | 一种高等级公路电动汽车充电站协调充电控制方法 |
CN108321849A (zh) * | 2018-05-07 | 2018-07-24 | 郑州市交通规划勘察设计研究院 | 一种高等级公路电动汽车充电站协调充电控制方法 |
CN108562300A (zh) * | 2018-05-10 | 2018-09-21 | 西南交通大学 | 考虑目的地导向及下一行程用电需求的电动汽车充电引导方法 |
CN109347346A (zh) * | 2018-11-30 | 2019-02-15 | 华南理工大学 | 一种基于多目标优化的电动汽车用变流器的设计方法 |
CN109693576A (zh) * | 2019-01-10 | 2019-04-30 | 浙江工业大学 | 一种基于模拟退火算法的电动汽车充电调度优化方法 |
CN109693576B (zh) * | 2019-01-10 | 2022-05-03 | 浙江工业大学 | 一种基于模拟退火算法的电动汽车充电调度优化方法 |
CN111439163B (zh) * | 2019-01-17 | 2024-03-22 | 本田技研工业株式会社 | 控制装置以及计算机可读存储介质 |
CN111439163A (zh) * | 2019-01-17 | 2020-07-24 | 本田技研工业株式会社 | 控制装置以及计算机可读存储介质 |
CN113195299B (zh) * | 2019-02-28 | 2024-01-16 | 宝马股份公司 | 用于优化分布的充电站效率和用户体验的方法和*** |
US20220076358A1 (en) * | 2019-02-28 | 2022-03-10 | Bayerische Motoren Werke Aktiengesellschaft | Method and System to Optimize Distributed Charging Station Efficiency and User Experience |
CN113195299A (zh) * | 2019-02-28 | 2021-07-30 | 宝马股份公司 | 用于优化分布的充电站效率和用户体验的方法和*** |
CN109920252A (zh) * | 2019-04-24 | 2019-06-21 | 燕山大学 | 一种电气交通互联***的协调优化方法及*** |
CN110751409B (zh) * | 2019-10-28 | 2022-03-29 | 华北电力大学 | 考虑储能***和交通分配的电动汽车充电管理方法及*** |
CN110751409A (zh) * | 2019-10-28 | 2020-02-04 | 华北电力大学 | 考虑储能***和交通分配的电动汽车充电管理方法及*** |
CN112895963A (zh) * | 2019-11-19 | 2021-06-04 | 上海博泰悦臻电子设备制造有限公司 | 车辆加能方法、电子设备、供能装置及存储介质 |
CN112418610B (zh) * | 2020-10-31 | 2023-03-17 | 国网河北省电力有限公司雄安新区供电公司 | 基于soc信息与路网电网信息融合的充电优化方法 |
CN112418610A (zh) * | 2020-10-31 | 2021-02-26 | 国网河北省电力有限公司雄安新区供电公司 | 基于soc信息与路网电网信息融合的充电优化方法 |
CN113036790A (zh) * | 2021-02-26 | 2021-06-25 | 江苏大学 | 一种基于网络重构的电动汽车行驶路径的优化方法 |
CN113036790B (zh) * | 2021-02-26 | 2023-10-10 | 江苏大学 | 一种基于网络重构的电动汽车行驶路径的优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106965688A (zh) | 一种电网和交通网协同环境下的电动汽车充电方法 | |
Luo et al. | Charging scheduling strategy for different electric vehicles with optimization for convenience of drivers, performance of transport system and distribution network | |
Kong et al. | Optimal location planning method of fast charging station for electric vehicles considering operators, drivers, vehicles, traffic flow and power grid | |
Chen et al. | Optimal routing and charging of an electric vehicle fleet for high-efficiency dynamic transit systems | |
CN110880054B (zh) | 一种电动网约车充换电路径的规划方法 | |
CN102959358B (zh) | 车辆的电力消耗量计算装置、信息提供装置及信息提供方法 | |
Croce et al. | Sustainable mobility and energy resources: A quantitative assessment of transport services with electrical vehicles | |
He et al. | Battery electric buses charging schedule optimization considering time-of-use electricity price | |
CN102880921B (zh) | 一种电动汽车充电站选址优化方法 | |
CN107323300A (zh) | 一种基于路‑站‑车联合模型的电动汽车预约充电方法 | |
Bi et al. | Logistical planning for electric vehicles under time-dependent stochastic traffic | |
CN109034648A (zh) | 一种电动汽车集群需求响应潜力评估方法 | |
Li et al. | Public charging station localization and route planning of electric vehicles considering the operational strategy: A bi-level optimizing approach | |
CN106530180A (zh) | 一种高寒地区充电服务网络规划方法 | |
CN106875075A (zh) | 一种基于出行行为学的电动汽车充电站布点方法 | |
CN107180272A (zh) | 基于能耗控制的电动汽车停车场充电方法 | |
CN111915150B (zh) | 一种电动公交***规划方法 | |
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 | |
CN110388932A (zh) | 一种电动汽车充电导航方法 | |
CN105160151A (zh) | 一种基于模糊K-means算法的电动汽车应急供电方法 | |
Cerna et al. | Efficient automation of an HEV heterogeneous fleet using a two-stage methodology | |
CN114039372B (zh) | 参与电网分区削峰填谷的电动汽车车辆调度方法及*** | |
CN114936666A (zh) | 基于车-站-平台***的电动汽车充电导航方法及*** | |
CN111126712A (zh) | 一种面向通勤廊道的停车充电换乘***规划方法 | |
CN111244990B (zh) | 一种配电网v2g辅助服务日前调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170721 |