CN107392336A - 智能交通中基于预约的分布式电动汽车充电调度方法 - Google Patents

Abstract

本发明提供的是一种智能交通中基于预约的分布式电动汽车充电调度方法。一：充电站使用“CSSI Update”消息，以周期T定期发布本地状态信息到所有的路侧单元；二：电动汽车通过路侧单元获取发布的更新服务，使用“Aggregated CSSI Update”消息来订阅每个发布周期发布的充电站实时状态信息；三：根据从路侧单元获得的信息，需要充电的电动汽车进行自主决策，并使用“ReservationsAggregation”向移动中遇到的路侧单元发布充电预约；四：充电站通过“Aggregated‑Charging‑Reservations‑Update”消息访问聚合电动汽车预约信息的路侧单元。本发明可以降低充电站的通信成本；能够使移动中的需要充电服务的电动汽车孩找到最佳的充电站。

Description

智能交通中基于预约的分布式电动汽车充电调度方法

技术领域

本发明涉及的是一种电动汽车充电调度方法，具体地说是一种智能交通中基于预约的分布式电动汽车充电调度方法。

背景技术

机动车尾气已经成为我国大气污染的主要因素，在许多大中城市尤为明显。但是由于电动汽车受电池能量密度的限制，电动汽车续驶里程一般在200公里左右。而对出租车、市政车辆等对续航能力要求较高的车辆，当前电池容量难以满足日常行驶需要。在前往较远目的地时，电动汽车需要在行进过程中充电且充电需要一定的时间，一般完成快速充电需要20分钟左右。这些公共充电站通常被部署在如商场、停车场电动汽车密度较高的地方。在这种情况下，移动中的需要充电服务的电动汽车可以选择最佳的充电站进行充电。

如果电动汽车在选择充电时间和地点时是无序随机的，则将增加车辆运行成本并导致充电站负载失衡。对于负载过高的充电站运营成本大幅度提升；反之负载过低的充电站部分充电桩闲置，难以保证盈利。而且电动汽车到达高负载充电站时，很可能会出现长时间排队充电的现象。续航里程的不足和长时间的充电排队使得电动汽车用户产生里程焦虑，对其能否按时到达目的地产生担忧。鉴于此，电动汽车充电调度策略的研究受到广泛关注。由于近年来智能交通的迅速发展得以解决。高速移动的车辆和路侧单元之间可以经由短程的V2R通信，使得大批量的车辆信息收集相对于蜂窝网更为便宜和迅速。更重要的是可以利用智能交通中的路侧单元提高数据收集和传播效率。

在信息分发中通过V2R的拉模式通信。拉模式下充电站经过路侧单元将相关信息发布到电动汽车。在移动电动汽车充电场景中，如果到达目标充电站的需要的时间较长，在电动汽车无法获取其他车辆的充电决定的情况下做出充电决策，则存在大量选择同一高性能充电站但尚未到达的车辆同时驶向该充电站。所以存在忽略潜在等待时间做出错误决定的概率。因此在到达选定的充电站之前，电动汽车能够可以通过路侧单元获得其他车辆的预约信息，同时完成充电决策后上传自己的预约信息，从而解决上述问题。

发明内容

本发明的目的在于提供一种能够使移动中的需要充电服务的电动汽车选择最佳的充电站进行充电的智能交通中基于预约的分布式电动汽车充电调度方法。

本发明的目的是这样实现的：

步骤一：充电站使用“CSSI Update”消息，以周期T定期发布本地状态信息到所有的路侧单元；

步骤二：电动汽车通过路侧单元获取发布的更新服务，使用“Aggregated CSSIUpdate”消息来订阅每个发布周期发布的充电站实时状态信息；

步骤三：根据从路侧单元获得的信息，需要充电的电动汽车进行自主决策，并使用“ReservationsAggregation”向移动中遇到的路侧单元发布充电预约；

步骤四：充电站通过“Aggregated-Charging-Reservations-Update”消息访问聚合电动汽车预约信息的路侧单元。

本发明还可以包括：

1、步骤一具体包括：每一个充电站都被部署在特定位置，而且发布它的状态信息，请求充电的电动车利用所述状态信息来选择充电站；路侧单元是***中部署的路侧单元担当一个中间实体，将从每个充电站发出的信息传递给那些通过相应路侧单元的电动车，所有的充电站与路侧单元通过通信通道连接。

2、步骤三中所述的需要充电的电动汽车进行自主决策具体包括：在进行自主充电决策前首先进行可用充电站选择，在充电站选择过程中，首先选择潜在的可用充电站，然后从中选择最优充电站，当路网中充电站数量少时、则计算本区域中所有充电站；在潜在的路线上可能会有多充电站时、则考虑充电站的位置和电动汽车行驶范围，当时车辆无法到达目的地而选择一些充电站进行充电，需要对充电站进行筛选；在获取可用充电站后，电动汽车按照多因素策略决定充电站效用值，使用来自路侧单元的信息自主决策选择一个专用的充电站充电；充电站选择策略根据行程持续时间、电能增量和充电站距离三个因素确定，采用特征值向量法来求取多因素的权重系数，在进行充电选择中，用户对三个因素的重要性进行选择，获取各因素的权重系数，进行归一化处理，求得各充电站的效用值大小，选出最优充电站，在得到最优充电站后通过路侧单元向充电发出预约信息。

3、步骤四具体包括：聚合电动汽车的预约然后在充电站下一个发布周期前将其报告给相应的充电站，每个电动汽车的预约不是直接发送到所选的充电站；存储在路侧单元上的电动汽车的预约信息应在下一个充电站发布时间戳之前发布到该充电站，由T_pre+Δ给出，T_pre是充电站发布的时间戳、△是充电站发布频率，充电站整合所有通过有线连接的路侧单元的聚合信息，发布与本充电站相关的所有电动汽车的预约，同时计算其充电站状态信息在下一个发布时间段发布。

本发明提出一种智能交通中基于预约的分布式电动汽车充电管理方案，需要基于发布/订阅机制，通过部署多个路侧单元完成电动汽车的充电信息分发。在基本拉模式基础上拓展路侧单元的功能，充电预约也需要通过路侧单元将预约信息发送到所选充电站。与只发布充电站本地信息的基本拉模式不同，本发明中扩展路侧单元的功能，聚合电动汽车的预约然后在充电站下一个发布周期前将其报告给相应的充电站。

通过其他电动汽车的预约信息，当前车辆可以调整其充电计划。在充电站已被许多电动汽车预约时，其他需要充电服务的电动汽车将识别该充电站在未来一段时间的拥挤状态，从而选择一个替代的充电站。

该方法在优化的电动汽车充电性能中具有以下特点和优势，针对由于信息不及时而导致大量电动汽车驶向同一高性能充电站，本发明提出了一种智能交通中可预约的拉模式。

本发明中扩展路侧单元的功能，聚合电动汽车的预约然后在充电站下一个发布周期前将其报告给相应的充电站。每个电动汽车的预约不是直接发送到所选的充电站，提出的聚合功能可以降低充电站的通信成本。

发布的预约信息不用公开电动汽车的位置。因为到达时间是根据电动汽车的位置及其对应的速度来预测，而这两个信息将不会在任何通信中被释放。在这种情况下，也不会获得关于其他电动汽车的位置信息。所提充电管理方案可以有效保证电动汽车用户的隐私。执行上述预约的过程中，在电动汽车行驶过程中，预约可以被改变或者取消。为评估多因素充电站选择策略中预约的稳定性，提出一种估计每个预约的实际执行概率的方法。

在充电站选择过程中，首先选择潜在的可用充电站，然后从中选择最优充电站。为减少电动汽车的计算负担。考虑充电站的位置和电动汽车行驶范围，当时车辆无法到达目的地而选择一些充电站进行充电，提出一种对充电站进行筛选的方法。获取可用充电站后电动汽车按照多因素策略决定充电站效用值，使用来自路侧单元的信息自主决策选择一个专用的充电站充电。在最优充电站选择的过程中，电动汽车用户面临充电时间、充电站距离和期望充电量等多因素的权衡和选择，在本发明中充电站选择策略根据行程持续时间、电能增量和充电站距离三个因素确定。

附图说明

图1是本发明方法的流程图。

图2是本发明中电动汽车、充电站和路侧单元三者间的时序图。

图3是赫尔辛基市的仿真图。

图4a-图4b可用充电站选择，其中图4a为仅在一个充电站充电示例；图4b为需要多次充电的示例。

图5发布/订阅***定义的消息表。

图6充电站状态信息表。

图7EV-2的充电预约表。

具体实施方式

本发明的方法主要包括如下步骤：

步骤一：充电站使用图5的表中定义的“CSSI Update”消息，以周期T定期发布本地状态信息到所有的路侧单元。

步骤二：电动汽车通过路侧单元获取发布的更新服务。使用“Aggregated CSSIUpdate”消息来订阅每个发布周期发布的充电站实时状态信息。

步骤三：根据从路侧单元获得的信息，需要充电的电动汽车进行自主决策，并使用“ReservationsAggregation”向移动中遇到的路侧单元发布充电预约。

步骤四：充电站通过图5的表中定义的“Aggregated-Charging-Reservations-Update”消息访问聚合电动汽车预约信息的路侧单元。

下面举例对本发明做更详细的描述。

具体实施方式二：

步骤一，充电站使用图5的表中定义的“CSSI Update”消息，以周期T定期发布本地状态信息到所有的路侧单元。充电站通过专用可靠的通信通道连接发布它的状态信息到路侧单元。其中每一个充电站都被部署在特定位置，而且发布它的状态信息，如等待时间、位置、价格等状态信息，这样请求充电的电动车可以利用这个信息来选择充电站。路侧单元是***中部署的路侧单元担当一个中间实体，可以将从每个充电站发出的信息传递给那些通过相应路侧单元的电动车。所有的充电站与每个路侧单元通过专用可靠的通信通道连接。

路侧单元订阅所有充电站的发布信息，聚合并缓存每个充电站发布的实时状态信息。每个充电站将关于本充电站的充电预约的多个电动汽车的信息与充电站本地信息进行整合以用于充电站信息发布。在图6的表的格式中，隐藏在充电站处预约充电的电动汽车ID。目标车辆将不会获得关于哪些车辆已经预约充电的信息，因为仅接收到包含到达时间和在该到达时的预约充电时间等信息。发布的预约信息没有公开电动汽车的位置。因为到达时间是根据电动汽车的位置及其对应的速度来预测，而这两个信息将不会在任何通信中被释放。在这种情况下，也不会获得关于其他电动汽车的位置信息。

步骤二，电动汽车通过路侧单元获取发布的更新服务。使用“Aggregated CSSIUpdate”消息来订阅每个发布周期发布的充电站实时状态信息。特别是当电动汽车在短时间内频繁遇到几个路侧单元时，订阅机制可以有效减少冗余接入的信令。

步骤三，根据从路侧单元获得的信息，需要充电的电动汽车进行自主决策，并使用“Reservations Aggregation”向移动中遇到的路侧单元发布充电预约。电动汽车按照最小等待时间策略使用来自路侧单元的信息自主决策选择一个专用的充电站充电。

对于每个停在充电站的电动汽车，在充电站的等待时间为充电站内电动车充电时间的总和。为了计算这一时间，我们需要如下的信息

·正在充电的电动汽车数量，用N_C表示。

·停在充电站上每个电动汽车的本地充电时间，用表示。

·充电站上充电槽的数量，用υ表示。

·仍然等待可用充电槽的电动汽车数量，用N_W表示。

得出最短充电时间排队时间value₁+value₂为各充电站的效用值，电动汽车选取一个效用值最小的充电站。

作为订阅用户的每个路侧单元设置图5的表中定义的“ReservationsAggregation”消息，并使用拉模式通信来访问所遇到的电动汽车的预约。这个主题的数量取决于路侧单元数量，因为每个路侧单元使用其消息主题来收集电动汽车充电预约。

在可预约拉模式过程中，电动汽车发布的预约信息是充电决策所需信息之一。已经做出充电站选择决定的电动汽车需要通过与路侧单元之间的通信发布自身的预约信息。预约信息具体包括(1)所选充电站的ID、(2)到达该充电站的时间、(3)电动汽车期望充电时长、(4)在所选充电站的停留时长。下面分别对预约信息加以说明：

到达充电站的时间根据Dijkstra算法规划从当前位置到所选充电站的最短路径，从电动汽车的当前位置计算到达该充电站的行驶时间预期到达时间由下式给出：

期望充电时长为：

这里，是移动到所选择的充电站需要消耗的能量，其中α_ev(i)为车辆每米能量消耗，该值与车辆节点自身性能相关。在充电站的停留时长是用户根据自身行程设定在所选充电站的最长停留时间。停留时间到达该值时不论是否充满车辆都离开充电站，在此之前完成充电则提前离开。例如图7的表为EV-2的充电预约信息，由于在车辆侧进行判定，如果将其他车辆的ID释放到目标车辆，则会泄露车辆隐私，所以隐藏电动汽车ID。

步骤四，充电站通过图5的表中定义的“Aggregated-Charging-Reservations-Update”消息访问聚合电动汽车预约信息的路侧单元。此主题的数量取决于充电站的数量，因为汇总的预约信息与充电站数量相符。存储在路侧单元上的电动汽车的预约信息应在下一个充电站发布时间戳之前发布到充电站，由(T_pre+Δ)给出。T_pre是充电站发布的时间戳，而△是充电站发布频率。充电站整合所有通过有线连接的路侧单元的聚合信息，发布与本充电站相关的所有电动汽车的预约，同时计算其CSSI，以便在下一个发布时间段发布。本发明中扩展的路侧单元聚合功能，聚合电动汽车的预约然后在充电站下一个发布周期前将其报告给相应的充电站。每个电动汽车的预约不是直接发送到所选的充电站，提出的聚合功能可以降低充电站的通信成本。

在执行上述预约的过程中，在电动汽车行驶过程中，预约可以被改变或者取消。为评估多因素充电站选择策略中预约的稳定性，提出一种估计每个预约的实际执行概率的方法。

为量化预约稳定性，设电动汽车在第i个充电站的预约稳定性为μ_cs(i)，预约稳定性的定义需要考虑两方面因素：一方面所选充电站效用值与其他备选充电站效用值的差值的大小，差值较大时稳定性高，在前往充电站这段时间内出现其他更优充电站的可能性较小；另一方面是允许改变充电预约的时间长度，到达充电站所需时间较长，则改变预约的可能性更大。根据上述基本思路μ_cs(i)可表示为：

其中是选择第j个充电站的到达时间，T_cur为当前时间，这两个时间之差需要进行归一化，所以除以D_max。和分别为最优充电站和第j个充电站得出的效用值，N_cs为可用充电站数量。μ_cs(i)可以看作电动汽车在到达所选充电站前不会出现充电成本更低的选择的概率，即不会改变其充电预约的机会。电动汽车在前往所选充电站的过程中可以根据其接收到的新的充电站状态信息进行预约更新。

具体实施方式二：本实施方式与具体实施方式一不同点在于步骤三中的在进行自主充电决策前首先进行可用充电站选择。在充电站选择过程中，首先选择潜在的可用充电站，然后从中选择最优充电站。当路网中充电站数量较少时，可以计算本区域中所有充电站。但在潜在的路线上可能会有较多充电站时，对区域内所有充电站逐一选择是不可行的，这将极大增加电动汽车的计算负担。考虑充电站的位置和电动汽车行驶范围，当时车辆无法到达目的地而选择一些充电站进行充电，需要对充电站进行筛选。

该机制的细节描述如下，需要的参数有电动汽车能耗、剩余电池电量、电池容量、充电站位置、出发点和目的地。车辆的可达范围R_R是使用电动汽车能耗α_ev和当前剩余电池电量E_e ^c _v计算得出，当充满电量时其可达到的范围R_F为下面对电动汽车充电选择的四种情况进行分析：

(1)不需要前往充电站的情况

如果车辆可以用当前的电池电量从当前位置直接到达目的地，则使用Dijkstra算法以当前位置和目的地为源节点和目标节点进行最短路径规划；

(2)在一个充电站充电的情况

如果车辆无法从当前位置直接到达目的地，则首先计算图4a显示的两个圆的重叠区域。圆1以当前位置Dep为圆心，可达范围R_R为半径。圆2以目的地Des为中心，充满电量时其可达到的范围R_F为半径。为降低计算成本，应用欧几里得距离计算重叠面积，而不是实际规划路线距离，获取可用充电站后验证路线，根据路线距离查看所选充电站是否满足实际可达。如果只找到一条路线，则该路线作为选择方案提供。如果有几条路线可用，则选择最具成本效益的路线作为选择方案，最优充电站的选择将在下节进行详细阐述。

(3)需要多个充电站充电的情况

当电动汽车无法依靠当前剩余电量从出发地到达目的地，并且在上述段落描述的重叠区域中没有可用的充电站时，则在路径规划中需要选择多个潜在可用充电站。距离L代表出发点和目的地之间的距离。L/2和可达范围R_R进行比较，并且使用两个圆的半径较大的值为半径。其中一个圆的中心是出发点，另一个圆的中心是目的地，和两个共同的切线组合为一个闭合区域。在该闭合区域内的充电站为潜在可用充电站，如图4b所示。在L/2>R_R的情况下，将圆的半径定义为L/2是可避免因搜索潜在充电站的面积较小造成较小数量的可用充电站。另一方面，在L/2<R_R的情况下将半径定义为R_R，使所有在当前剩余电量范围内充电站可以作为潜在的充电站。因此，该方法限制搜索潜在充电站的面积。

(4)没有路线可到达目的地

在以下两种情况中，在出发地点依靠剩余电池电量到达目的地是不可行的：目的地不在出发点所能到达范围内，且该范围内没有充电站；当需要在两个以上的充电站充电时，电量不足以行驶至下一个充电站。这种情况下车辆无法到达目的地，车辆提供从当前位置Dep经最近充电站到目的地Des的路径规划作为参考。

在上述几种情况下，通过可用充电站选择机制可获取当前时刻车辆可用充电站，有效减少最佳充电站选择时电动汽车计算充电站效用度的计算量。

具体实施方式三：本实施方式与具体实施方式一不同点在于步骤三中的电动汽车按照多因素策略决定充电站效用值，使用来自路侧单元的信息自主决策选择一个专用的充电站充电。在最优充电站选择的过程中，电动汽车用户面临充电时间、充电站距离和期望充电量等多因素的权衡和选择，在本发明中充电站选择策略根据行程持续时间、电能增量和充电站距离三个因素确定。

电动汽车EV_i通过以下方法计算其行程持续时间：定义EV_i从当前位置行驶到选定的充电站的耗时D_ev，cs，EV_i从充电站行驶到目的地的耗时D_cs,d。电动汽车使用Dijkstra算法规划处充电站前往目的地的最短路径，在该路径上以速度S_ev行驶可得出D_ev，cs，D_cs,d。由于在选定充电站的耗时(包括等待充电的时间EWT_cs和充电的时间)存在两种情况，一种情况是在满足公式(4)的条件时电动

汽车可以完全充电，其在充电站的耗时为另一种情况下电动汽车在充电站停留时间达到D_ev(r)但未完成充电时离开充电站，其在充电站停留时间为D_ev(r)。根据上述情况，定义为中途充电的电动汽车达到目的地的总耗时。可由以下公式计算得出：在所选充电站中完全充电的电动汽车驶向目的地的总耗时为：

在另一种情况下，由于D_ev(r)的限制而未完全充电时由公式(6)计算得出：

通过计算各充电站的

电动汽车EV_i从当前位置行驶到选定的充电站耗电量为M_ev,cs。EV_i从充电站开始行驶到目的地的耗电量为M_cs,d，即在充电站完成充电后，EV_i将继续向着目的地行驶的耗电量。电动汽车使用Dijkstra算法规划充电站前往目的地的最短路径，根据电动汽车每米耗能α_ev与路径长度可得出M_ev,cs，M_cs,d。在选定的充电站的充电量可以分为两种情况。电动汽车EV_r会在其最后充电时间D_ev(i)之前完成充电，则其从当前地点到结束充电时的净增电量为电动汽车在充电站停留时间达到D_ev(r)未完全充电时，在充电站的充电量为(D_ev(i)-EWT_cs)×β，其中β为充电站充电速率，D_ev(r)-EWT_cs为充电时长。根据以上情况，定义为中途充电的电动汽车达到目的地的净增电量。可由以下步骤就算得出：在所选充电站完全充电的情况下电动汽车驶向目的地的电能增量为：

在另一种情况下，由于D_ev(r)的限制而没有完成充电，电能增量为：

通过计算驶向各充电站的得出各充电站电能净增电量。到各充电站的距离可由车载电子地图获得。

采用特征值向量法来求取多因素的权重系数，在进行充电选择中，用户可以对三个因素的重要性进行选择，获取各因素的权重系数。由于各相关因素的量纲不同，需要对其进行归一化处理，根据公式(9)可以得出各充电站的效用值大小，选出最优充电站。其中P_ev(r)和P_max分别为车辆节点到所选充电站的距离和到最远充电站的距离，和D_max分别为经过所选充电站充电的行程持续时间和选择充电站的最长行程时间，和为行程中的电能增量和该车最大电池容量。

Claims (5)

1.一种智能交通中基于预约的分布式电动汽车充电调度方法，其特征是：

步骤一：充电站使用“CSSI Update”消息，以周期T定期发布本地状态信息到所有的路侧单元；

步骤二：电动汽车通过路侧单元获取发布的更新服务，使用“Aggregated CSSIUpdate”消息来订阅每个发布周期发布的充电站实时状态信息；

步骤三：根据从路侧单元获得的信息，需要充电的电动汽车进行自主决策，并使用“ReservationsAggregation”向移动中遇到的路侧单元发布充电预约；

步骤四：充电站通过“Aggregated-Charging-Reservations-Update”消息访问聚合电动汽车预约信息的路侧单元。

2.根据权利要求1所述的智能交通中基于预约的分布式电动汽车充电调度方法，其特征是步骤一具体包括：每一个充电站都被部署在特定位置，而且发布它的状态信息，请求充电的电动车利用所述状态信息来选择充电站；路侧单元是***中部署的路侧单元担当一个中间实体，将从每个充电站发出的信息传递给那些通过相应路侧单元的电动车，所有的充电站与路侧单元通过通信通道连接。

3.根据权利要求1或2所述的智能交通中基于预约的分布式电动汽车充电调度方法，其特征是步骤三中所述的需要充电的电动汽车进行自主决策具体包括：在进行自主充电决策前首先进行可用充电站选择，在充电站选择过程中，首先选择潜在的可用充电站，然后从中选择最优充电站，当路网中充电站数量少时、则计算本区域中所有充电站；在潜在的路线上可能会有多充电站时、则考虑充电站的位置和电动汽车行驶范围，当时车辆无法到达目的地而选择一些充电站进行充电，需要对充电站进行筛选；在获取可用充电站后，电动汽车按照多因素策略决定充电站效用值，使用来自路侧单元的信息自主决策选择一个专用的充电站充电；充电站选择策略根据行程持续时间、电能增量和充电站距离三个因素确定，采用特征值向量法来求取多因素的权重系数，在进行充电选择中，用户对三个因素的重要性进行选择，获取各因素的权重系数，进行归一化处理，求得各充电站的效用值大小，选出最优充电站，在得到最优充电站后通过路侧单元向充电发出预约信息。

4.根据权利要求1或2所述的智能交通中基于预约的分布式电动汽车充电调度方法，其特征是步骤四具体包括：聚合电动汽车的预约然后在充电站下一个发布周期前将其报告给相应的充电站，每个电动汽车的预约不是直接发送到所选的充电站；存储在路侧单元上的电动汽车的预约信息应在下一个充电站发布时间戳之前发布到该充电站，由T_pre+Δ给出，T_pre是充电站发布的时间戳、△是充电站发布频率，充电站整合所有通过有线连接的路侧单元的聚合信息，发布与本充电站相关的所有电动汽车的预约，同时计算其充电站状态信息在下一个发布时间段发布。

5.根据权利要求3所述的智能交通中基于预约的分布式电动汽车充电调度方法，其特征是步骤四具体包括：聚合电动汽车的预约然后在充电站下一个发布周期前将其报告给相应的充电站，每个电动汽车的预约不是直接发送到所选的充电站；存储在路侧单元上的电动汽车的预约信息应在下一个充电站发布时间戳之前发布到该充电站，由T_pre+Δ给出，T_pre是充电站发布的时间戳、△是充电站发布频率，充电站整合所有通过有线连接的路侧单元的聚合信息，发布与本充电站相关的所有电动汽车的预约，同时计算其充电站状态信息在下一个发布时间段发布。