CN111798038A - 基于Logic-Benders分解算法的电动汽车有序充电优化调度方法 - Google Patents

基于Logic-Benders分解算法的电动汽车有序充电优化调度方法 Download PDF

Info

Publication number
CN111798038A
CN111798038A CN202010529772.XA CN202010529772A CN111798038A CN 111798038 A CN111798038 A CN 111798038A CN 202010529772 A CN202010529772 A CN 202010529772A CN 111798038 A CN111798038 A CN 111798038A
Authority
CN
China
Prior art keywords
charging
electric vehicle
parking lot
ijk
jth
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.)
Granted
Application number
CN202010529772.XA
Other languages
English (en)
Other versions
CN111798038B (zh
Inventor
吴志
刘鹏翔
顾伟
周苏洋
孙琦润
徐政
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202010529772.XA priority Critical patent/CN111798038B/zh
Publication of CN111798038A publication Critical patent/CN111798038A/zh
Application granted granted Critical
Publication of CN111798038B publication Critical patent/CN111798038B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Power Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Transportation (AREA)
  • Educational Administration (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了基于Logic‑Benders分解算法的电动汽车有序充电优化调度方法，具体步骤如下：首先，基于混合整数线性规划，构建电动汽车充电方式选择主模型；其次，基于约束规划，构造电动汽车充电时序优化子模型；最后，采用Logic‑Benders分解算法对主子模型进行迭代求解。本发明在保证用户充电需求的前提下，通过对电动汽车充电方式的选择与充电时序的优化，实现电动汽车充电调度***的经济性最优。

Description

基于Logic-Benders分解算法的电动汽车有序充电优化调度 方法
技术领域
本发明涉及基于Logic-Benders分解算法的电动汽车有序充电优化调度方法，属于电动汽车有序充电技术领域。
背景技术
随着电动汽车产业的发展以及相关产业政策的推动，电动汽车的保有量正在快速增长。大量电动汽车接入电网将导致电网负荷在短时间内的激增，给电网的安全运行带来一定的风险。因此，电动汽车有序充电策略是当前的研究热点之一，其目的是在满足电动汽车充电需求的前提下，运用实际有效地经济或技术措施引导、控制电动汽车进行充电，对电网负荷曲线进行削峰填谷，保证了电动汽车与电网的协调互动发展。
目前，对面向充电停车场的电动汽车有序充电研究主要基于混合整数规划方法，其缺点是需要为每一辆电动汽车在每个时刻的电池状态设置一个0-1变量，导致模型的规模庞大且求解困难。而未来的电动汽车充电调度***往往需要在极短时间内对向***提出的充电申请作出实时的响应，因此传统的混合整数规划模型在计算效率方面无法满足实际应用的需求。
发明内容
本发明所要解决的技术问题是：提供基于Logic-Benders分解算法的电动汽车有序充电优化调度方法，在混合整数规划的基础上引入了约束规划方法，为电动汽车的充电时序优化问题进行建模，有效降低了模型的规模，并通过LogicBenders割实现混合整数规划与约束规划的耦合和快速迭代求解，解决了现有模型求解效率低下的问题。
本发明为解决上述技术问题采用以下技术方案：
基于Logic-Benders分解算法的电动汽车有序充电优化调度方法，包括如下步骤：
步骤1，基于混合整数线性规划，构建电动汽车充电方式选择主模型；
步骤2，基于约束规划，构建电动汽车充电时序优化子模型；具体过程如下：
步骤2.1，将时间轴等间隔分成NT个时间区间，将每辆电动汽车的充电需求表示为{ai,di,Tik}，其中ai表示第i辆电动汽车到达时刻对应的时间区间的索引，di表示第i辆电动汽车离开时刻对应的时间区间的索引，Tik表示第i辆电动汽车以第k种充电功率进行充电所需要的时间区间的个数；
步骤2.2，对第i辆电动汽车设置区间变量yi，该区间变量通过si,ei,size(yi)三个参数共同确定，其中si表示第i辆电动汽车在si时刻开始充电，ei表示第i辆电动汽车在ei时刻结束充电，size(yi)表示第i辆电动汽车充电所需时间区间的个数，并满足：
Figure BDA0002534794030000021
其中，xijk表示电动汽车的充电调度方案，下标i表示第i辆电动汽车，下标j表示第j个充电停车场，下标k表示第k种充电功率，I表示充电调度***管理的所有的电动汽车的集合，J表示充电停车场的集合；
步骤2.3，基于约束规划，构建有序充电时序优化子模型如下：
Figure BDA0002534794030000022
Figure BDA0002534794030000023
Figure BDA0002534794030000024
Figure BDA0002534794030000025
其中，函数pulse(·)为约束规划的脉冲函数表达式，t表示时间区间的索引，T表示时间区间的集合，Njk表示第j个充电停车场中第k种充电功率所对应的充电桩的个数，pk表示第k种充电功率的功率值，Pjt表示第j个充电停车场在第t个时间区间内的充电总功率上限，Cj、Dj均为约束规划的累积函数，K表示充电功率的集合；
步骤3，采用Logic-Benders分解算法对电动汽车充电方式选择主模型、充电时序优化子模型进行迭代求解。
作为本发明的一种优选方案，步骤1所述电动汽车充电方式选择主模型如下：
Figure BDA0002534794030000031
Figure BDA0002534794030000032
Figure BDA0002534794030000033
Figure BDA0002534794030000034
其中，下标i表示第i辆电动汽车，下标j表示第j个充电停车场，下标k表示第k种充电功率；Ia表示正在向充电调度***发出申请的电动汽车的集合，J表示充电停车场的集合，K表示充电功率的集合；ci表示拒绝第i辆电动汽车的充电请求使充电调度***损失的利润，bij表示安排第i辆电动汽车前往第j个充电停车场充电所要花费的经济成本；xijk表示电动汽车的充电调度方案，如果充电调度***安排第i辆电动汽车在第j个充电停车场以第k种充电功率进行充电则xijk＝1，反之xijk＝0；Ω0、Ω1分别表示建模过程中因为用户特定充电需求而使得变量xijk置0或置1的下标索引的集合。
作为本发明的一种优选方案，所述步骤3的具体过程如下：
步骤3.1，求解电动汽车充电方式选择主模型，得到一组充电调度方案xijk *；
步骤3.2，基于给定的xijk *，针对第j个充电停车场，求解其对应的充电时序优化子模型；
步骤3.3，如果存在至少一组可行解yi *使得第j个充电停车场对应的充电时序优化子模型的约束均得到满足，则返回当前解{xijk *,yi *}并结束算法流程，否则继续执行步骤3.4；
步骤3.4，构造集合Sjk：
Sjk＝{i|xijk *＝1}
步骤3.5，对于第j个充电停车场，添加如下Logic Benders割到充电方式选择主模型中：
Figure BDA0002534794030000041
步骤3.6，返回步骤3.1。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
1、现有针对充电停车场的电动汽车有序充电优化调度方法的模型规模往往与时间区间的个数成正比。如果这一类模型想以较小的时间区间长度(或较多的时间区间的个数)更细致地描述充电时序优化问题，将导致模型的规模庞大，难以求解。本发明采用的约束规划方法引入了区间变量的概念，使得模型的规模与时间区间的个数无关，只与电动汽车的个数有关，从而大大降低了模型的规模。
2、现有针对充电停车场的电动汽车有序充电优化调度方法往往采用传统的混合整数规划方法(如分支定界法)直接求解，无法处理同时含有混合整数规划和约束规划的模型。本发明采用了Logic-Benders分解算法，在主、子问题迭代求解的过程中，通过引入Logic Benders割使得主问题可以基于子问题的计算结果修正当前的解，进而实现了混合整数规划与约束规划的整体求解。
附图说明
图1是本发明电动汽车有序充电优化调度方法的流程图。
图2是利用本发明方法得到的电动汽车充电优化调度实施例，其中，(a)为被安排到编号为0的充电停车场的电动汽车索引，(b)为被安排到编号为1的充电停车场的电动汽车索引，(c)为被安排到编号为2的充电停车场的电动汽车索引。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
如图1所示，为本发明基于Logic-Benders分解算法的电动汽车有序充电优化调度方法流程图，包括如下步骤：
步骤1：基于数学规划，构建电动汽车充电方式选择主模型；构造充电方式选择主模型如下：
Figure BDA0002534794030000051
Figure BDA0002534794030000052
Figure BDA0002534794030000053
Figure BDA0002534794030000054
式中，下标i表示第i辆电动汽车，下标j表示第j个充电停车场，下标k表示第k种充电功率；Ia表示正在向充电调度***发出申请的电动汽车的集合，I表示充电调度***管理的所有(包括正在申请和已通过申请)的电动汽车的集合，J表示充电停车场的集合，K表示充电功率的集合；参数ci表示拒绝第i辆电动汽车的充电请求使调度***损失的利润，参数bij表示安排第i辆电动汽车前往第j个充电停车场充电所要花费的经济成本；0-1变量xijk表示电动汽车的充电决策方案，如果调度***安排第i辆电动汽车在第j个充电停车场以第k种充电功率进行充电则xijk等于1，反之xijk等于0。除此以外，Ω0和Ω1分别表示建模过程中因为用户特定充电需求而使得变量xijk置0或置1的下标索引的集合。
步骤2：基于约束规划，构造电动汽车充电时序优化子模型；具体过程如下：
步骤201：将时间轴等间隔地分成NT个区间，将每辆电动汽车的充电需求采用区间形式表示为{ai,di,Tik}，其中ai表示第i辆电动汽车到达时刻对应的时间区间的索引，di表示第i辆电动汽车离开时刻对应的时间区间的索引，Tik表示第i辆电动汽车以第k种充电功率进行充电所需要的时间区间的个数。
步骤202：为每一辆电动汽车i设置区间变量yi，该区间变量通过{si,ei,size(yi)}三个参数共同确定，其中为si表示电动汽车i在si时刻开始充电，ei表示电动汽车i在ei时刻结束充电，size(yi)表示电动汽车充电所需时间区间的个数，并满足：
Figure BDA0002534794030000055
步骤203：基于约束规划，构建有序充电时序优化模型如下：
Figure BDA0002534794030000061
Figure BDA0002534794030000062
Figure BDA0002534794030000063
Figure BDA0002534794030000064
式中，函数pulse(·)是约束规划独有的脉冲函数表达式，t表示时间区间的索引，T表示时间区间的集合，参数Njk表示第j个充电停车场中第k种充电功率所对应的充电桩的个数，pk表示第k种充电功率的功率值，Pjt表示第j个充电停车场在第t个时间区间内的充电总功率上限，Cj和Dj均为约束规划独有的累积函数，分别表示第j个充电停车场不同脉冲函数在时间轴上的叠加。
步骤3：采用Logic Benders分解算法对主子模型进行迭代求解；具体过程如下：
步骤301：构造并求解充电方式选择主模型，得到一组充电调度方案xijk *；
步骤302：基于给定的xijk *，针对每一个充电停车场j，构造并求解其对应的充电时序优化子模型；
步骤303：如果存在至少一组可行解yi *使得每个充电停车场j对应的子模型的约束均得到满足，则返回当前解{xijk *,yi *}并结束算法流程，否则继续执行步骤304；
步骤304：构造集合：
Sjk＝{i|xijk *＝1}
步骤305：对于每个充电停车场j，添加如下Logic Benders割到主模型中：
Figure BDA0002534794030000065
步骤306：返回步骤301。
下面以一测试***为例，其***参数表1至表5所示。
表1充电停车场充电总功率上限
Figure BDA0002534794030000066
Figure BDA0002534794030000071
表2充电停车场参数
编号 容量 DC-50桩数量 AC-22桩数量 AC-7桩数量 总数
0 1435 20 15 15 50
1 688 10 6 8 24
2 832 12 8 8 28
表3电动汽车参数
编号 电池容量/kW DC-50 AC-22 AC-7 概率 名称
0 55 支持 支持 支持 0.187 Tesla Model-3
1 18.4 不支持 不支持 支持 0.177 Chevrolet Volt
2 75 支持 支持 支持 0.169 Tesla Model-S
3 62 支持 不支持 支持 0.151 NissanLEAF
4 8.8 不支持 不支持 支持 0.111 Toyota Prius Prime
5 100 支持 支持 支持 0.080 Tesla Model X
6 34 支持 不支持 支持 0.072 Ford Focus Electric
7 60 支持 不支持 支持 0.053 Chevrolet Bolt
表4电动汽车到达与离开概率
Figure BDA0002534794030000072
Figure BDA0002534794030000081
表5电动汽车充电需求
Figure BDA0002534794030000082
Figure BDA0002534794030000091
选取表5中的前30辆电动汽车作为调度***已接受的充电请求，后20辆电动汽车作为正在向调度***发出充电请求，根据本发明所提步骤进行建模和优化，得到具体的充电优化调度方案如图2的(a)、(b)、(c)所示。
图2中，(a)对应编号为0的充电停车场，(b)对应编号为1的充电停车场，(c)对应编号为2的充电停车场，其中的箱形图的横坐标表示在该充电停车场充电的电动汽车的编号，不同的充电功率以不同的线型表示。对于每一辆电动汽车，黑色的线条代表其停车时间窗口，上下须分别表示其离开和到达的时间，矩形表示其充电时间窗口。可以看出，所有电动汽车的充电需求均得到了满足。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (3)

1.基于Logic-Benders分解算法的电动汽车有序充电优化调度方法，其特征在于，包括如下步骤：
步骤1，基于混合整数线性规划，构建电动汽车充电方式选择主模型；
步骤2，基于约束规划，构建电动汽车充电时序优化子模型；具体过程如下：
步骤2.1，将时间轴等间隔分成NT个时间区间，将每辆电动汽车的充电需求表示为{ai,di,Tik}，其中ai表示第i辆电动汽车到达时刻对应的时间区间的索引，di表示第i辆电动汽车离开时刻对应的时间区间的索引，Tik表示第i辆电动汽车以第k种充电功率进行充电所需要的时间区间的个数；
步骤2.2，对第i辆电动汽车设置区间变量yi，该区间变量通过si,ei,size(yi)三个参数共同确定，其中si表示第i辆电动汽车在si时刻开始充电，ei表示第i辆电动汽车在ei时刻结束充电，size(yi)表示第i辆电动汽车充电所需时间区间的个数，并满足：
Figure FDA0002534794020000011
其中，xijk表示电动汽车的充电调度方案，下标i表示第i辆电动汽车，下标j表示第j个充电停车场，下标k表示第k种充电功率，I表示充电调度***管理的所有的电动汽车的集合，J表示充电停车场的集合；
步骤2.3，基于约束规划，构建有序充电时序优化子模型如下：
Figure FDA0002534794020000012
Figure FDA0002534794020000013
Figure FDA0002534794020000014
Figure FDA0002534794020000015
其中，函数pulse(·)为约束规划的脉冲函数表达式，t表示时间区间的索引，T表示时间区间的集合，Njk表示第j个充电停车场中第k种充电功率所对应的充电桩的个数，pk表示第k种充电功率的功率值，Pjt表示第j个充电停车场在第t个时间区间内的充电总功率上限，Cj、Dj均为约束规划的累积函数，K表示充电功率的集合；
步骤3，采用Logic-Benders分解算法对电动汽车充电方式选择主模型、充电时序优化子模型进行迭代求解。
2.根据权利要求1所述基于Logic-Benders分解算法的电动汽车有序充电优化调度方法，其特征在于，步骤1所述电动汽车充电方式选择主模型如下：
Figure FDA0002534794020000021
Figure FDA0002534794020000022
Figure FDA0002534794020000023
Figure FDA0002534794020000024
其中，下标i表示第i辆电动汽车，下标j表示第j个充电停车场，下标k表示第k种充电功率；Ia表示正在向充电调度***发出申请的电动汽车的集合，J表示充电停车场的集合，K表示充电功率的集合；ci表示拒绝第i辆电动汽车的充电请求使充电调度***损失的利润，bij表示安排第i辆电动汽车前往第j个充电停车场充电所要花费的经济成本；xijk表示电动汽车的充电调度方案，如果充电调度***安排第i辆电动汽车在第j个充电停车场以第k种充电功率进行充电则xijk＝1，反之xijk＝0；Ω0、Ω1分别表示建模过程中因为用户特定充电需求而使得变量xijk置0或置1的下标索引的集合。
3.根据权利要求1所述基于Logic-Benders分解算法的电动汽车有序充电优化调度方法，其特征在于，所述步骤3的具体过程如下：
步骤3.1，求解电动汽车充电方式选择主模型，得到一组充电调度方案xijk *；
步骤3.2，基于给定的xijk *，针对第j个充电停车场，求解其对应的充电时序优化子模型；
步骤3.3，如果存在至少一组可行解yi *使得第j个充电停车场对应的充电时序优化子模型的约束均得到满足，则返回当前解{xijk *,yi *}并结束算法流程，否则继续执行步骤3.4；
步骤3.4，构造集合Sjk：
Sjk＝{i|xijk *＝1}
步骤3.5，对于第j个充电停车场，添加如下Logic Benders割到充电方式选择主模型中：
Figure FDA0002534794020000031
步骤3.6，返回步骤3.1。
CN202010529772.XA 2020-06-11 2020-06-11 基于Logic-Benders分解算法的电动汽车有序充电优化调度方法 Active CN111798038B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010529772.XA CN111798038B (zh) 2020-06-11 2020-06-11 基于Logic-Benders分解算法的电动汽车有序充电优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010529772.XA CN111798038B (zh) 2020-06-11 2020-06-11 基于Logic-Benders分解算法的电动汽车有序充电优化调度方法

Publications (2)

Publication Number Publication Date
CN111798038A true CN111798038A (zh) 2020-10-20
CN111798038B CN111798038B (zh) 2022-03-18

Family

ID=72804321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010529772.XA Active CN111798038B (zh) 2020-06-11 2020-06-11 基于Logic-Benders分解算法的电动汽车有序充电优化调度方法

Country Status (1)

Country Link
CN (1) CN111798038B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114014038A (zh) * 2021-11-23 2022-02-08 大连海事大学 一种散货码头装船作业优化方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106786692A (zh) * 2016-12-19 2017-05-31 湘潭大学 一种基于分布式的电动汽车有序充电控制方法
CN110212584A (zh) * 2019-06-27 2019-09-06 上海电力学院 一种风电与大规模电动汽车协调优化的调度方法
CN110733370A (zh) * 2019-11-20 2020-01-31 国网江苏省电力有限公司南通供电分公司 一种基于双层优化算法的电动汽车充电站有序充电方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106786692A (zh) * 2016-12-19 2017-05-31 湘潭大学 一种基于分布式的电动汽车有序充电控制方法
CN110212584A (zh) * 2019-06-27 2019-09-06 上海电力学院 一种风电与大规模电动汽车协调优化的调度方法
CN110733370A (zh) * 2019-11-20 2020-01-31 国网江苏省电力有限公司南通供电分公司 一种基于双层优化算法的电动汽车充电站有序充电方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114014038A (zh) * 2021-11-23 2022-02-08 大连海事大学 一种散货码头装船作业优化方法
CN114014038B (zh) * 2021-11-23 2023-07-18 大连海事大学 一种散货码头装船作业优化方法

Also Published As

Publication number Publication date
CN111798038B (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
Lian et al. Rule-interposing deep reinforcement learning based energy management strategy for power-split hybrid electric vehicle
CN108494034B (zh) 一种配电网内电动汽车充电负荷分配的计算方法
CN109103878B (zh) 电动汽车群有序充电方法及配电网用电优化方法
Soares et al. An optimal scheduling problem in distribution networks considering V2G
DE102020103102A1 (de) System und verfahren zum laden einer flotte von batterieelektrofahrzeugen
Zhang et al. Multi-objective hydro-thermal-wind coordination scheduling integrated with large-scale electric vehicles using IMOPSO
CN112257999B (zh) 一种面向大规模纯电动公交车辆调度问题的自适应大型邻域搜索方法
CN116001624A (zh) 基于深度强化学习的一桩多联电动汽车有序充电方法
CN103339664A (zh) 充电器配置计划支持装置、充电器配置计划支持方法和程序
CN112865190A (zh) 计及光伏和充电需求的光储充电站优化调度方法和***
CN113887858A (zh) 一种基于cnn-lstm负荷预测的充电站微电网***优化调度方法
CN111798038B (zh) 基于Logic-Benders分解算法的电动汽车有序充电优化调度方法
CN106408216A (zh) 基于电动汽车换电站时序响应模型的充电计划制定方法
CN111428946A (zh) 一种充储电站供给侧分散式优化调度方法
CN104463464A (zh) 一种适于电动汽车规模化应用的配电***综合规划方法
Pan et al. Optimal scheduling for unit commitment with electric vehicles and uncertainty of renewable energy sources
Grahn et al. Plug-in-vehicle mobility and charging flexibility Markov model based on driving behavior
Kim et al. Constraint-based charging scheduler design for electric vehicles
Liu et al. A construction-and-repair based method for vehicle scheduling of bus line with branch lines
CN111401627B (zh) 电动汽车充电调度方法和装置
Lin et al. A time-driven workflow scheduling strategy for reasoning tasks of autonomous driving in edge environment
CN110991931B (zh) 一种基于双中心q学习的充电场站协同优化控制方法
CN113381406A (zh) 一种电动汽车充放电控制方法、装置、设备及存储介质
Ruzmetov et al. A (max-plus)-based approach for charging management of electric vehicles
Bucşan et al. Management of technologies for electric vehicle efficiency towards optimizing range

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
GR01 Patent grant
GR01 Patent grant