CN112330013B - 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法 - Google Patents

一种基于动态路-电耦合网络的电动汽车充电引导和定价方法 Download PDF

Info

Publication number
CN112330013B
CN112330013B CN202011208420.0A CN202011208420A CN112330013B CN 112330013 B CN112330013 B CN 112330013B CN 202011208420 A CN202011208420 A CN 202011208420A CN 112330013 B CN112330013 B CN 112330013B
Authority
CN
China
Prior art keywords
time
charging
dynamic
load
station
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.)
Active
Application number
CN202011208420.0A
Other languages
English (en)
Other versions
CN112330013A (zh
Inventor
傅质馨
朱韦翰
朱俊澎
袁越
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202011208420.0A priority Critical patent/CN112330013B/zh
Publication of CN112330013A publication Critical patent/CN112330013A/zh
Application granted granted Critical
Publication of CN112330013B publication Critical patent/CN112330013B/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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0639—Item locations
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于动态路‑电耦合网络的电动汽车充电引导和定价方法，包括：构建电动汽车在动态路‑电耦合网络的交通流‑能量流‑信息流的交互框架；对交通网信息进行动态更新，建立单体电动汽车模型用于模拟电动汽车的持续行驶‑充电状态切换行为；根据耦合网络动态信息，对电动汽车进行动态导航和动态选站；根据站内虚拟负荷和站外决策负荷进行虚拟负荷预测；根据负荷均衡分布和预测的虚拟负荷，对电动汽车充电进行实时定价。本发明基于动态路‑电耦合网络的电动汽车充电引导及其定价策略，均衡了充电负荷在空间维度的分配，降低了充电站内部拥堵率，增加了电动出租车司机的平均收入，同时在一定程度上缓解了交通网的拥堵现象。

Description

一种基于动态路-电耦合网络的电动汽车充电引导和定价 方法
技术领域
本发明涉及电动汽车动态导航、选站决策及各充电站定价策略的制定，具体涉及一种基于动态路-电耦合网络的电动汽车充电引导和定价方法。
背景技术
随着城市级电动汽车普及度和渗透率日益增加，以及充电设施的发展滞后于电动汽车等问题的出现，将会在城市电网和交通网间产生一种新的交互作用，交通流和能量流的分布均会影响到城市电网和交通网的运行状态。通信及智能感知技术的崛起将多类型网络耦合到一起，通过影响用户的行驶及充电决策行为实现交通流和能量流的再分配，为改善路-电耦合网络运行状态提供了新思路。但是现有的耦合网络的信息更新速度较慢，信息流对于交通流和能量流的影响效果较差，难以达到理想的效果。
所以，需要一个新的技术方案来解决这个问题。
发明内容
发明目的：为了克服现有技术中存在的不足，提供一种基于动态路-电耦合网络的电动汽车充电引导和定价方法，其建立了动态更新的路-电耦合网络及基于动态信息的实时导航和选站决策机制，同时为了实现对电动汽车用户的引导，提出了有效的充电站定价策略，实现充电负荷在时空上的均匀分配，能够均衡充电站内的负荷，减少城市拥堵路段数，并降低用户的综合费用。
技术方案：为实现上述目的，本发明提供一种基于动态路-电耦合网络的电动汽车充电引导和定价方法，包括如下步骤：
S1：构建电动汽车在动态路-电耦合网络的交通流-能量流-信息流的交互框架；
S2：基于交互框架，对交通网信息进行动态更新获取到耦合网络动态信息，建立单体电动汽车模型用于模拟电动汽车的持续行驶-充电状态切换行为；
S3：根据耦合网络动态信息，对电动汽车进行动态导航和动态选站；
S4：根据站内虚拟负荷和站外决策负荷进行虚拟负荷预测；
S5：根据负荷均衡分布和预测的虚拟负荷，对电动汽车充电进行实时定价。
进一步的，所述步骤S2中交通网信息的动态更新方法为：获取车辆的位置信息，更新交通流在时空上的分布情况，进而获取各路段在时空双维度下的速度、时间、综合权值、动态能耗、路段打车费信息。
进一步的，所述交通网信息存储在更新矩阵中，所述更新矩阵为：
Figure GDA0003714495900000021
式中：uij(t)代表路段i-j所对应的相关交通网信息。
进一步的，所述步骤S3中基于频繁的信息交互，考虑时间、能耗、顾客打车费用3个动态因素及电动出租车连续的载客-空载状态切换行为，提出了一种考虑状态切换的变目标实时导航方法，规划频率与耦合***的信息更新频率相同，导航能够针对信息变化及时做出反馈。
动态导航的方法为：
针对电动汽车连续的载客-空载状态切换，不断切换导航目标，当电动汽车处于载客状态时，从乘客的角度考虑选择打车费用最低的路线；当电动出租车处于空载状态时，考虑到用户对于成本的偏好，规划计及时间及能耗综合成本最低的路线。
进一步的，所述步骤S3中对动态导航路线进行定期路径规划，针对动态导航规划的起点问题，通过时段链和路段链的统一性解决路径规划起点问题。
路径规划中起点的确定方式为：
当一个路段对应多个时段时，进入路段i-j时，计算得到通行时间tij，每经过一个Δt判断EV是否离开路段i-j，若没有离开则以节点j为起点进行路径规划；当经过最后一个Δt，若在Δt末刚好到达节点j，则以节点j为起点，否则在该时段内，将出现单一时段跨路段行驶的情况；
当一个时段对应多个路段时，根据本时段初的规划结果进行导航，当车辆每经过一条路段，累加其行驶时间，直到累积到最后一个路段i-j的通行时间tij后累积时间大于Δt，则下一时段初以节点j为起点。
进一步的，所述步骤S3中动态选站的方法为：
考虑动态时间、动态能耗、动态电价和电动汽车下一寻客点的位置信息；
所述动态时间包括当前点前往充电站的时间、排队时间、充电时间和由充电站前往寻客点的时间，具体表示为：
Figure GDA0003714495900000022
式中：
Figure GDA0003714495900000023
为当前点到充电站k的行驶时间，
Figure GDA0003714495900000024
为在充电站k的充电时间，
Figure GDA0003714495900000025
为排队时间，
Figure GDA0003714495900000026
为充电站k到寻客点的行驶时间；
所述动态能耗为反映用户i当前点到充电站k及充电站k到寻客点的估计能耗可由下式表示：
Figure GDA0003714495900000031
式中：Aj(t)为t时段规划路径的路段集合；
所述动态电价为在时间段t用户i前往充电站k的预估总成本为：
Figure GDA0003714495900000032
式中：
Figure GDA0003714495900000033
分别为用户i前往充电站k动态时间、动态能耗及预估充电费用，α1、α2、α3为时间、动态能耗和充电费用的权重，pk(t)为充电站k的充电电价；
t时段的选站结果表示为：
Figure GDA0003714495900000034
进一步的，所述步骤S4中基于负荷均衡分布和虚拟负荷的充电站实时定价策略，通过统计站内负荷信息及电动汽车选站信息，将负荷分为站内负荷和选站负荷；选站负荷具有虚拟属性，通过对选站负荷进行调控和分配，即可实现空间上的“削峰填谷”，均衡各充电站负荷；提出了“虚拟负荷”的概念，对未来一段时间内充电负荷具有一定的“预见性”，提高了充电负荷再分配的效果。
虚拟充电负荷并不是一个真实的数值，它反映的是充电站k的拥挤程度，既包括真实存在的负荷，又包括未到站的选站负荷和处在排队中的排队负荷。
虚拟负荷的表达式如下：
Figure GDA0003714495900000035
式中：
Figure GDA0003714495900000036
是t+1时段的充电站k的站内虚拟负荷，
Figure GDA0003714495900000037
是t时段的选站负荷；
充电站k的站内负荷表达为：
Figure GDA0003714495900000038
式中：
Figure GDA0003714495900000039
是t时段的站内虚拟负荷，
Figure GDA00037144959000000310
是t时段的到站负荷，
Figure GDA00037144959000000311
是t+1时段的离站负荷。
进一步的，所述步骤S5中电动汽车充电实时定价方法为：
1)计算平均虚拟负荷，当各充电站虚拟负荷与平均虚拟负荷值之间的差值小于调节阈值时，即处于调节死区时电价不动作，充电站k电价调节的条件为：
Figure GDA00037144959000000312
式中：Pdead为死区阈值；
2)根据与平均虚拟负荷的差值选择调节步长，令
Figure GDA0003714495900000041
其调整公式如下：
Figure GDA0003714495900000042
3)确定步长后，根据充电站虚拟负荷及平均虚拟负荷的关系进行电价更新，其更新公式如下所示：
Figure GDA0003714495900000043
进一步的，所述步骤S2中采用时间链-空间链-任务链的模式描述电动汽车的持续行驶-充电状态切换行为，行驶状态包括载客、空载寻客及空载充电三种。
电动汽车在路-电耦合网络下交通流-能量流-信息流的交互框架是本发明的基础；基于电力物联网的信息交互***，通过定期数据采集及传输能够有效监测路-电耦合网络运行状态；通过信息流在多独立网络之间和单独立网络内部的传递和交互，实现电动汽车交通流和能量流在耦合网络中的再分配。
本发明适用于多源信息在多网耦合下频繁更新及交互背景下，电动汽车有序充电引导及充电站价格制定，主要研究对象为电动出租车。
本发明将充电站排队***分为站内排队***和站外排队***，站内排队***采用排队论进行描述，站外排队***采用虚拟队列。
以下对本发明中涉及的技术点进行综合描述：
交通流、能量流、信息流的交互框架：为交通网、电网及用户网的信息传递及交互提供框架支撑。
基于负荷均衡分布和虚拟负荷的充电站实时定价策略：考虑了路网选站负荷对于定价的影响，并采用了一种多步长定价的方式，对未来一段时间内充电负荷具有一定的“预见性”，提高了负荷再分配的效果，改善了耦合网络的运行状态。
电动汽车动态导航方法：考虑时间、能耗、顾客打车费用3个动态因素及电动出租车连续的载客-空载状态切换行为，在电动汽车不同状态下，以不同的目标函数进行动态导航，通过时段链和路段链的统一性解决路径规划起点问题。
电动汽车动态选站决策：通过采集动态时间、动态能耗、动态电价、充电站位置及出租车下一寻客点的位置信息，以预估成本最低进行选站。
动态交通网信息实时更新策略：以一定频率定时刷新交通网各项动态数据，准确监控路网实时变化。
充电站内外排队模型：本发明的排队***分为站内排队***和站外排队***，站内排队***采用排队论进行描述，站外排队***采用虚拟队列，虚拟队列能够体现选择同一充电站的电动汽车间的交互行为。
单体电动汽车行驶行为模型：采用时间链-空间链-任务链的模式描述电动出租车的连续行驶行为和行驶状态切换行为。
有益效果：本发明与现有技术相比，基于动态路-电耦合网络的电动汽车充电引导及其定价策略，均衡了充电负荷在空间维度的分配，降低了充电站内部拥堵率，增加了电动出租车司机的平均收入，同时在一定程度上缓解了交通网的拥堵现象。
附图说明
图1为信息流交互框架示意图；
图2为电动汽车充电导航及选站决策流程图；
图3为道路拓扑图；
图4为恒定电价下各充电站负荷水平示意图；
图5为恒定电价下各充电站EV实时数量显示图；
图6为恒定电价下电动出租车总负荷显示图；
图7为虚拟负荷定价下各充电站负荷水平显示图；
图8为虚拟负荷定价下各充电站EV实时数量显示图；
图9为各充电站实时电价显示图；
图10为虚拟负荷定价下电动出租车总负荷显示图；
图11为真实负荷定价下各充电站EV数量显示图；
图12为有序和无序状态下各功能区健康系数显示图；
图13为有序和无序状态下的双向道路8-23健康状态显示图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种基于动态路-电耦合网络的电动汽车充电引导和定价方法，包括如下步骤：
S1：构建电动汽车在动态路-电耦合网络的交通流-能量流-信息流的交互框架：
作为联系路-电耦合网络的重要一环，基于电力物联网的信息交互***在交通信息、充电负荷信息、电价信息、车间交互信息等方面的传递和交互起到了巨大作用，有效监测耦合网络的运行状态，实现交通流和能量流的时空再分配，信息交互***的实时控制中心定期更新一次全局信息，下辖交通网运营中心、充电站运营商和智能用户终端，信息流交互框架如图1所示。
S2：基于交互框架，对交通网信息进行动态更新获取到耦合网络动态信息，建立单体电动汽车模型用于模拟电动汽车的持续行驶-充电状态切换行为：
本步骤中首先提出了动态交通信息更新策略，为交通流和能量流的时空再分配打下基础，其更新步骤如下：
1)首先更新各路段的车流量，各路段的车流量由用户每个时间段所经过路段统计值得到；
2)汽车行驶速度受车流量和道路承载量的双重影响，本实施例采用v-q实用模型计算t时段路段i-j的实时速度vij(t)；
3)通过速度-时间公式计算各路段对应的通行时间tij(t)；
4)根据道路等级和通行速度计算实时单位能耗，时段t路段i-j能耗水平表示为能耗因子和距离的乘积ecij(t)；
5)最后更新考虑时间和能耗成本的综合权值矩阵；
6)当电动出租车处于载客时，需跟进最低打车费进行路径规划，所以需更新实时打车费用矩阵，路段i-j的实时打车费可表达为：
fij(t)＝tij(t)×γ1(t)+lij×γ2(t) (1)
式中，γ1(t)是时段t的单位时长费，γ2(t)是时段t的单位里程费。
交通网信息存储在更新矩阵中，更新矩阵为：
Figure GDA0003714495900000061
式中：uij(t)代表路段i-j所对应的相关交通网信息。
其次研究电动出租车的连续行驶及充电特性，其连续行驶行为可用时间链-空间链-任务链的方式来对其行驶规律予以描述；最后建立充电站负荷及内外排队***，站内排队***采用排队论进行描述，站外排队***采用虚拟队列，将电动汽车按照预计到达充电站的时间先后排成一列，根据在虚拟队列中的位置信息计算虚拟队列中额外排队时间，总排队时间为：
Figure GDA0003714495900000071
Figure GDA0003714495900000072
作为电动汽车充电选站的重要组成部分，反映了充电站的拥挤程度和交通路网的交互行为。
“动态交通网-用户-充电站”交互模型实现交通流、能量流和信息流在三个耦合***中的持续交互。
S3：对电动汽车进行动态导航和动态选站，其具体的导航和选站过程如图2所示：
基于频繁的信息交互，考虑时间、能耗、顾客打车费用3个动态因素及电动出租车连续的载客-空载状态切换行为，提出了一种考虑状态切换的变目标实时导航方法，规划频率与耦合***的信息更新频率相同，导航能够针对信息变化及时做出反馈。
动态导航的方法为：
针对电动汽车连续的载客-空载状态切换，不断切换导航目标，当电动汽车处于载客状态时，从乘客的角度考虑选择打车费用最低的路线；当电动出租车处于空载状态时，考虑到用户对于成本的偏好，规划计及时间及能耗综合成本最低的路线。
对动态导航路线进行定期路径规划，针对动态导航规划的起点问题，通过时段链和路段链的统一性解决路径规划起点问题。
路径规划中起点的确定方式为：
当一个路段对应多个时段时，进入路段i-j时，计算得到通行时间tij，每经过一个Δt判断EV是否离开路段i-j，若没有离开则以节点j为起点进行路径规划；当经过最后一个Δt，若在Δt末刚好到达节点j，则以节点j为起点，否则在该时段内，将出现单一时段跨路段行驶的情况；
当一个时段对应多个路段时，根据本时段初的规划结果进行导航，当车辆每经过一条路段，累加其行驶时间，直到累积到最后一个路段i-j的通行时间tij后累积时间大于Δt，则下一时段初以节点j为起点。
动态选站的方法为：
考虑动态时间、动态能耗、动态电价和电动汽车下一寻客点的位置信息；
动态时间包括当前点前往充电站的时间、排队时间、充电时间和由充电站前往寻客点的时间，具体表示为：
Figure GDA0003714495900000073
式中：
Figure GDA0003714495900000074
为当前点到充电站k的行驶时间，
Figure GDA0003714495900000075
为在充电站k的充电时间，
Figure GDA0003714495900000076
为排队时间，
Figure GDA0003714495900000077
为充电站k到寻客点的行驶时间；
动态能耗为反映用户i当前点到充电站k及充电站k到寻客点的估计能耗可由下式表示：
Figure GDA0003714495900000081
式中：Aj(t)为t时段规划路径的路段集合；
所述动态电价为在时间段t用户i前往充电站k的预估总成本为：
Figure GDA0003714495900000082
式中：
Figure GDA0003714495900000083
分别为用户i前往充电站k动态时间、动态能耗及预估充电费用，α1、α2、α3为时间、动态能耗和充电费用的权重，pk(t)为充电站k的充电电价；
t时段的选站结果表示为：
Figure GDA0003714495900000084
S4：根据站内虚拟负荷和站外决策负荷进行虚拟负荷预测：
基于负荷均衡分布和虚拟负荷的充电站实时定价策略，通过统计站内负荷信息及电动汽车选站信息，将负荷分为站内负荷和选站负荷；选站负荷具有虚拟属性，通过对选站负荷进行调控和分配，即可实现空间上的“削峰填谷”，均衡各充电站负荷；提出了“虚拟负荷”的概念，对未来一段时间内充电负荷具有一定的“预见性”，提高了充电负荷再分配的效果。
虚拟充电负荷并不是一个真实的数值，它反映的是充电站k的拥挤程度，既包括真实存在的负荷，又包括未到站的选站负荷和处在排队中的排队负荷。
虚拟负荷的表达式如下：
Figure GDA0003714495900000085
式中：
Figure GDA0003714495900000086
是t+1时段的充电站k的站内虚拟负荷，
Figure GDA0003714495900000087
是t时段的选站负荷；
充电站k的站内负荷表达为：
Figure GDA0003714495900000088
式中：
Figure GDA0003714495900000089
是t时段的站内虚拟负荷，
Figure GDA00037144959000000810
是t时段的到站负荷，
Figure GDA00037144959000000811
是t+1时段的离站负荷。
S5：根据负荷均衡分布和预测的虚拟负荷，对电动汽车充电进行实时定价：
基于负荷均衡分布和虚拟负荷，提出了一种多步长电价调节策略，其调节规则如下：
1)计算平均虚拟负荷，当各充电站虚拟负荷与平均虚拟负荷值之间的差值小于调节阈值时，即处于调节死区时电价不动作，充电站k电价调节的条件为：
Figure GDA0003714495900000091
式中：Pdead为死区阈值；
2)根据与平均虚拟负荷的差值选择调节步长，令
Figure GDA0003714495900000092
其调整公式如下：
Figure GDA0003714495900000093
3)确定步长后，根据充电站虚拟负荷及平均虚拟负荷的关系进行电价更新，其更新公式如下所示：
Figure GDA0003714495900000094
基于上述电动汽车充电引导和定价方法，本实施例中进行仿真分析，具体如下：
本实施例选用某市城区部分干道进行动态交通网模拟，该路网包含29个节点和98条道路，具有连接关系的节点之间布置双向道路。分为居民区1(含节点1～11)、居民区2(含节点12～16)、工作区(含节点17～19，21)和商务区(含节点20，22～29)，其道路拓扑图如图3所示。假设该区域内共有10000辆私家车和8000辆在路网中持续行驶的车辆，前者具有日常通勤能力的私家车为6000辆，后者包括1200辆电动出租车，6800辆包括燃油燃气出租车在内的其他功能性车辆，具有持续行驶行为的车辆6:00-10:00逐渐引入至耦合***中，18:00至24:00逐渐从耦合***中退出，私家车按照一定的概率分布引入至交通***中，按照H-W-H出行链进行行驶。电动汽车初始SOC在0.5～0.8之间均匀分布，充电站位于交通网的第6、13、27号节点，每个快速充电站配备50台快充设备，每台充电设备的充电功率为80kW，充电功率因数为0.98。电动汽车型号均采用Nissan Leaf，电池容量为24kWh。充电站初始电价统一设置为0.6元/kWh，电价最大值设置为0.7元/kWh，最小值设置为0.5元/kWh。
1、充电引导结果：充电站侧
当充电站采用恒定电价时，各充电站的负荷水平和电动汽车实时数量如图4和图5所示。可见，电动汽车充电负荷在空间上分布不均，造成1#、3#充电站长期处于满负荷状态，排队时间较长，而2#充电站充电负荷较小，充电桩利用率较低。
电动出租车总负荷曲线如图6所示。电动出租车总充电负荷具有周期性变化的特点，这一特点在电价调控下更加明显。
采用基于负荷均衡分布和虚拟负荷的充电价定价策略进行有序调控，各充电站的负荷水平、实时电动汽车数量及实时价格如图7-9所示。
通过调整空间上不同位置充电站的浮动电价对电动汽车进行有序引导，在空间尺度上能够合理分配充电负荷，提高了充电站的利用率，降低了充电站的平均等待时间，保障了电动出租车用户的利益，进而说明电价调控的有效性。
电价调控状态下城市电动出租车的总充电负荷随时间的变化曲线如图10所示。EV快速充电负荷具有明显的周期性特点，且随着排队时间的缩短，这种周期性的特点逐渐明显。1#和3#充电站的繁忙程度有所缓解，特别是3#充电站的运营压力有效地分配给了其他充电站。
最后采用本发明制定的充电定价策略，但不考虑虚拟负荷的影响，采用站内负荷作为定价标准，其站内电动汽车数量实时更新如图11所示。会出现某时段站内电动汽车数量过多的情况以及波动较大的问题。
2、充电引导结果：用户侧
通过对电价不调控、虚拟负荷电价调控、真实负荷电价调控三种场景进行多次仿真分析并取平均值，得到电动出租车司机平均费用如表1所示。
表1不同场景下电动出租车用户平均费用
场景编号 平均收入/元 平均成本/元 平均利润/元
1 678.4922 82.4431 596.0491
2 692.8697 54.3913 638.4784
3 685.4351 53.3267 632.1084
在虚拟负荷和真实负荷电价调控下的平均总利润，但明显高于电价不调控下的平均总利润，说明了电价调控除了改善充电站运行状态的，对于增加用户利益具有积极作用。
3、导航引导结果：路网侧
假设在无序状态下，司机偏向于选择最短路径行驶。相比于无序行驶行为，有序导航能够帮助个体用户找到最佳行驶路线，保证个体用户的最大利益，同时能够对动态交通网络运行状态进行一定程度的改善，定义道路i的健康系数为：
Figure GDA0003714495900000101
式中：tk(t)为道路k在时段t的通行时间，tko为道路k的零流通行时间。
进而定义功能区i的健康系数为：
Figure GDA0003714495900000111
式中：mi为功能区i内部的道路数。
各功能区内部道路在有序和无序状态下的变化曲线如图12中的(a)和(b)所示。可见，无序状态下，由于工作区区域范围较小，与相应交通节点相连的道路较小，流量疏散能力较差，同时靠近商务区，12:00之后的较其他功能区综合健康程度较差，而商务区由于道路容量较大并且流量疏散能力较强，其综合健康程度表现良好。本发明方法可在保证用户利益的同时规避拥堵路段，改善工作区的综合健康程度。
就单条道路讲，导航***会自动规避拥堵路段，转移车流量。以路段8-23和路段23-8为例，有序和无序状态下的道路健康状态如图13中的(a)和(b)所示。双向路段8-23具有明显的早晚高峰特性，早高峰将会对路段8-23产生影响而晚高峰将会对路段23-8产生影响，经引导后路段23-8健康系数整体变小，高峰时段的拥堵情况得以缓解。
为衡量道路运行状态，定义道路k交通状态为：
Figure GDA0003714495900000112
式中：数字1、2、3、4分别表示畅通、缓行、拥堵和严重拥堵。
交通流量分配结果不同导致各条道路的交通状态不同，为了比较交通网状态的优劣情况，定义路网状态k平均维持时间为：
Figure GDA0003714495900000113
式中：mroad为交通网道路条数，ttotal为总时间。
Mk反映的是全路段状态维持时间之和在每一条道路上平均分配的情况。经多次仿真并取平均值得无序和有序下路网拥堵状态平均维持时间如表2所示。
表2拥堵状态下的平均维持时间
Figure GDA0003714495900000114
可见，在有序状态下，严重拥堵平均维持时间减小8.49％，拥堵状态平均维持时间减小15.07％，说明本发明导航方法能在一定程度上缓解交通网络的拥堵状态。
综上所述，本发明所提动态导航及充电引导方法，首先能够在空间上将充电负荷进行合理分配，提高快充站服务效率；其次在保证乘客利益的同时提高了电动出租车司机的利润，有利于提高司机接受引导的意愿；最后相比于无序行驶及充电行为，有序导航本身就是一种缓解交通压力的方法，后面可从交通网的角度施加调控进一步改善路网运行状态。

Claims (8)

1.一种基于动态路-电耦合网络的电动汽车充电引导和定价方法，其特征在于：包括如下步骤：
S1：构建电动汽车在动态路-电耦合网络的交通流-能量流-信息流的交互框架；
S2：基于交互框架，对交通网信息进行动态更新获取到耦合网络动态信息，建立单体电动汽车模型用于模拟电动汽车的持续行驶-充电状态切换行为；
S3：根据耦合网络动态信息，对电动汽车进行动态导航和动态选站；
S4：根据站内虚拟负荷和站外决策负荷进行虚拟负荷预测；
S5：根据负荷均衡分布和预测的虚拟负荷，对电动汽车充电进行实时定价；
所述步骤S3中动态选站的方法为：
考虑动态时间、动态能耗、动态电价和电动汽车下一寻客点的位置信息；
所述动态时间包括当前点前往充电站的时间、排队时间、充电时间和由充电站前往寻客点的时间，具体表示为：
Figure FDA0003686263000000011
式中：
Figure FDA0003686263000000012
为当前点到充电站k的行驶时间，
Figure FDA0003686263000000013
为在充电站k的充电时间，
Figure FDA0003686263000000014
为排队时间，
Figure FDA0003686263000000015
为充电站k到寻客点的行驶时间；
所述动态能耗为反映用户i当前点到充电站k及充电站k到寻客点的估计能耗可由下式表示：
Figure FDA0003686263000000016
式中：Aj(t)为t时段规划路径的路段集合；
所述动态电价为在时间段t用户i前往充电站k的预估总成本为：
Figure FDA0003686263000000017
式中：
Figure FDA0003686263000000018
分别为用户i前往充电站k动态时间、动态能耗及预估充电费用，α1、α2、α3为时间、动态能耗和充电费用的权重，pk(t)为充电站k的充电电价；
t时段的选站结果表示为：
Figure FDA0003686263000000019
2.根据权利要求1所述的一种基于动态路-电耦合网络的电动汽车充电引导和定价方法，其特征在于：所述步骤S2中交通网信息的动态更新方法为：获取车辆的位置信息，更新交通流在时空上的分布情况，进而获取各路段在时空双维度下的速度、时间、综合权值、动态能耗、路段打车费信息。
3.根据权利要求2所述的一种基于动态路-电耦合网络的电动汽车充电引导和定价方法，其特征在于：所述交通网信息存储在更新矩阵中，所述更新矩阵为：
Figure FDA0003686263000000021
式中：uij(t)代表路段i-j所对应的相关交通网信息。
4.根据权利要求1所述的一种基于动态路-电耦合网络的电动汽车充电引导和定价方法，其特征在于：所述步骤S3中动态导航的方法为：
针对电动汽车连续的载客-空载状态切换，不断切换导航目标，当电动汽车处于载客状态时，从乘客的角度考虑选择打车费用最低的路线；当电动出租车处于空载状态时，考虑到用户对于成本的偏好，规划计及时间及能耗综合成本最低的路线。
5.根据权利要求4所述的一种基于动态路-电耦合网络的电动汽车充电引导和定价方法，其特征在于：所述步骤S3中对动态导航路线进行定期路径规划，路径规划中起点的确定方式为：
当一个路段对应多个时段时，进入路段i-j时，计算得到通行时间tij，每经过一个Δt判断EV是否离开路段i-j，若没有离开则以节点j为起点进行路径规划；当经过最后一个Δt，若在Δt末刚好到达节点j，则以节点j为起点，否则在该时段内，将出现单一时段跨路段行驶的情况；
当一个时段对应多个路段时，根据本时段初的规划结果进行导航，当车辆每经过一条路段，累加其行驶时间，直到累积到最后一个路段i-j的通行时间tij后累积时间大于Δt，则下一时段初以节点j为起点。
6.根据权利要求1所述的一种基于动态路-电耦合网络的电动汽车充电引导和定价方法，其特征在于：所述步骤S4中虚拟负荷的表达式如下：
Figure FDA0003686263000000022
式中：
Figure FDA0003686263000000023
是t+1时段的充电站k的站内虚拟负荷，
Figure FDA0003686263000000024
是t时段的选站负荷；
充电站k的站内负荷表达为：
Figure FDA0003686263000000025
式中：
Figure FDA0003686263000000026
是t时段的站内虚拟负荷，
Figure FDA0003686263000000027
是t时段的到站负荷，
Figure FDA0003686263000000028
是t+1时段的离站负荷。
7.根据权利要求1所述的一种基于动态路-电耦合网络的电动汽车充电引导和定价方法，其特征在于：所述步骤S5中电动汽车充电实时定价方法为：
1)计算平均虚拟负荷，当各充电站虚拟负荷与平均虚拟负荷值之间的差值小于调节阈值时，即处于调节死区时电价不动作，充电站k电价调节的条件为：
Figure FDA0003686263000000031
式中：Pdead为死区阈值；
2)根据与平均虚拟负荷的差值选择调节步长，令
Figure FDA0003686263000000032
其调整公式如下：
Figure FDA0003686263000000033
3)确定步长后，根据充电站虚拟负荷及平均虚拟负荷的关系进行电价更新，其更新公式如下所示：
Figure FDA0003686263000000034
8.根据权利要求1所述的一种基于动态路-电耦合网络的电动汽车充电引导和定价方法，其特征在于：所述步骤S2中采用时间链-空间链-任务链的模式描述电动汽车的持续行驶-充电状态切换行为，行驶状态包括载客、空载寻客及空载充电三种。
CN202011208420.0A 2020-11-03 2020-11-03 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法 Active CN112330013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011208420.0A CN112330013B (zh) 2020-11-03 2020-11-03 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011208420.0A CN112330013B (zh) 2020-11-03 2020-11-03 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法

Publications (2)

Publication Number Publication Date
CN112330013A CN112330013A (zh) 2021-02-05
CN112330013B true CN112330013B (zh) 2022-08-30

Family

ID=74323131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011208420.0A Active CN112330013B (zh) 2020-11-03 2020-11-03 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法

Country Status (1)

Country Link
CN (1) CN112330013B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113029182B (zh) * 2021-04-23 2024-02-13 河南大学 一种考虑无线充电和动态能耗的电动汽车路径规划方法
CN113255135A (zh) * 2021-05-28 2021-08-13 西安交通大学 一种基于交通均衡的电动汽车快速充电负荷模拟方法
CN114781141B (zh) * 2022-04-11 2024-04-09 武汉大学 一种基于动态交通流和用户心理的电动汽车出行引导方法
CN116452074B (zh) * 2023-03-13 2023-11-07 浙江大学 一种电力交通耦合网络的动态均衡建模仿真方法
CN116384678B (zh) * 2023-04-04 2023-09-15 国网江苏省电力有限公司电力科学研究院 一种基于交通网和配电网的电动汽车实时充电引导方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103180165A (zh) * 2010-10-27 2013-06-26 本田技研工业株式会社 用于路由到充电站点的***和方法
CN110458332A (zh) * 2019-07-18 2019-11-15 天津大学 一种基于负荷空间转移的电动汽车快速充电需求调度方法
CN110728396A (zh) * 2019-09-25 2020-01-24 国网山西省电力公司经济技术研究院 一种考虑时空分布的电动汽车充电负荷综合建模方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012128633A (ja) * 2010-12-15 2012-07-05 Aisin Seiki Co Ltd 電気自動車の充電予約方法および充電予約装置
CN107770096B (zh) * 2017-12-11 2021-07-30 国网河南省电力公司信息通信公司 一种基于负载均衡的sdn/nfv网络动态资源分配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103180165A (zh) * 2010-10-27 2013-06-26 本田技研工业株式会社 用于路由到充电站点的***和方法
CN110458332A (zh) * 2019-07-18 2019-11-15 天津大学 一种基于负荷空间转移的电动汽车快速充电需求调度方法
CN110728396A (zh) * 2019-09-25 2020-01-24 国网山西省电力公司经济技术研究院 一种考虑时空分布的电动汽车充电负荷综合建模方法

Also Published As

Publication number Publication date
CN112330013A (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
CN112330013B (zh) 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法
CN108773279B (zh) 一种电动汽车充电路径规划方法及装置
Amirgholy et al. Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach
CN107092976B (zh) 一种多目标模型协同优化多条公交线路发车间隔的方法
CN107103383B (zh) 一种基于打车热点的动态拼车调度方法
CN107392336B (zh) 智能交通中基于预约的分布式电动汽车充电调度方法
CN107180274B (zh) 一种电动汽车充电设施规划典型场景选取和优化方法
CN106326992A (zh) 一种基于电量匹配的app预约租车***及方法
CN107274035B (zh) 一种交通网络和电动汽车充电站协调规划的方法
CN112193116A (zh) 一种考虑奖励机制的电动汽车充电优化引导策略
CN106965688A (zh) 一种电网和交通网协同环境下的电动汽车充电方法
CN115345451A (zh) 一种基于充电站推荐策略的电动汽车充电引导方法
CN115689203A (zh) 一种基于电动汽车时空分布充电站的运行方法
CN108133329B (zh) 考虑充电反馈效应的电动汽车出行与充电需求分析方法
CN115423168A (zh) 一种考虑服务稳定性的定制公交路网优化方法及***
CN115545337A (zh) 一种考虑线-网互动的电动汽车充电决策优化方法
CN114943362A (zh) 一种基于可调分级充电服务费的快充负荷充电引导方法
CN114936666A (zh) 基于车-站-平台***的电动汽车充电导航方法及***
Huang et al. Electric vehicle entire-trip navigation and charging reservation method based on a high-speed communication network
CN106682759B (zh) 针对电动出租车的电池供应***及网络优化方法
CN116968767A (zh) 基于多维数据融合的新能源汽车充电路径规划方法及***
CN110516372A (zh) 计及准动态交通流的电动汽车荷电状态时空分布模拟方法
CN115640974A (zh) 一种公路沿线充电设施布局规划方法
CN115545303A (zh) 计及多源信息和决策修正的电动汽车充电站负荷预测方法
CN113505912A (zh) 基于路网信息与计算资源补偿的电动汽车充电规划方法

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