CN113627645A - 基于鲁棒优化的电动公交混合充电站充电时刻表设计方法 - Google Patents
基于鲁棒优化的电动公交混合充电站充电时刻表设计方法 Download PDFInfo
- Publication number
- CN113627645A CN113627645A CN202110749426.7A CN202110749426A CN113627645A CN 113627645 A CN113627645 A CN 113627645A CN 202110749426 A CN202110749426 A CN 202110749426A CN 113627645 A CN113627645 A CN 113627645A
- Authority
- CN
- China
- Prior art keywords
- charging
- electric
- vehicle
- robust
- hybrid
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013461 design Methods 0.000 title claims abstract description 9
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 21
- 230000009977 dual effect Effects 0.000 claims abstract description 18
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 230000005611 electricity Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000012886 linear function Methods 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000032683 aging Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 241000053208 Porcellio laevis Species 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000012772 sequence design Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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"
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了基于鲁棒优化的电动公交混合充电站充电时刻表设计方法,包括:搭建混合式电动公交充电站框架,确定问题及参数变量;声明基本假设与条件;建立确定性优化模型;考虑进站剩余电量的不确定性,构建基于预算不确定集的鲁棒优化问题;运用仿射变换,将“观望变量”转换为“当下变量”,构建仿射式可调鲁棒对等模型;基于强对偶理论和对偶转换,形成可解的鲁棒优化模型,进行充电时刻表的设计。本发明创新性地融合***式充电和换电充电,并考虑了进站时车辆剩余电量的不确定性,采用鲁棒优化,基于强对偶定理,进行了电动公交充电时刻表设计,降低了充电成本,为混合式充电站的运营优化提供了建设性意见和可靠的技术支撑。
Description
技术领域
本发明涉及基于鲁棒优化的电动公交混合充电站充电时刻表设计方法,属于电动公交混合充电站充电时序设计技术领域。
背景技术
燃油车所导致的尾气排放和噪音污染等环境问题已引起了社会多方的密切关注;私家车拥有率的提升也造成了愈加严重的城市拥堵情况。相比之下,电动公交车作为一种绿色高效的交通模式,能显著降低温室气体的排放,推动城市的可持续发展,已被越来越多的国内外城市采用并推广,被认为是可以解决现代城市能源问题和交通拥堵问题的有效方案之一。
目前,在广泛应用电动公交方面仍存在技术难题,包括充电设施的不足及其布局选址的问题,而最关键的一项挑战就是电池容量较低、续航里程不足导致的“里程焦虑”问题。虽然在提高锂电池的容量和性能方面,很多学者已投入了大量研究,但关于电力运输***的运行优化问题,特别是车辆充电时刻表的协调设计问题,现有文献仍相对较少。实际中采用的充电方式一般有三种:白天运营时段的快充模式;白天运营时段的换电模式;以及夜间慢充模式。快充会加速电池老化,并导致车联接入时电网电量的大幅波动;而慢充的充电时间较长,对电池的损伤较小,对电网的影响也较小,但当充电桩的数量有限时,车辆可能无法在夜班进站后至早班出站前的时段内达到预期的电量状态。相比之下,换电作为一种更加省时且高效的方式,可服务于需要在非谷时进行充电而需承担高额电费的车辆;或于在站时间内无法达到预期电量的车辆。
因此,为解决现有充电方式的缺点并利用其特点形成优势互补,需要建立融合多种充电模式的充电方案,并且根据分时电价,合理安排充电时刻表,设计充电成本更低的运营方案。同时,由于温度、电池年龄、驾驶行为等外部因素的影响,应考虑到电动公交进站时剩余电量的不确定性,使得方案更具有鲁棒性。从而,为其夜间的充电过程制定更具成本效益的充电调度方案。
发明内容
本发明所要解决的技术问题是:提供基于鲁棒优化的电动公交混合充电站充电时刻表设计方法,创造性地考虑了融合换电与***式充电的混合式充电站,为最小化充电成本、降低电动公交进站时剩余电量的不确定性提供了一个具有鲁棒性的模型,根据该模型进行充电时刻表的设计。
本发明为解决上述技术问题采用以下技术方案:
基于鲁棒优化的电动公交混合充电站充电时刻表设计方法,包括如下步骤:
步骤1,搭建混合式电动公交充电站框架,确定电动公交车充电时序问题的表述及所处理的参数和变量,所需解决的问题包括充电模式的分配以及充电时刻表的设计;
步骤2,声明模型的基本假设与条件,对复杂多变的实际情况进行模拟和简化,包括电池容量、充电速率以及单次换电成本的同一性;区间化的最终电量状态;离散型的分段充电方程等;
步骤3,基于分时电价,以最小化充电总成本作为目标函数,综合充电连续性和最终电量限制性约束方程,建立确定性数学优化模型;
步骤4,考虑进站剩余电量的不确定性,将前述确定性模型转化为基于预算不确定集的鲁棒优化模型;
步骤5,为了满足基于不确定集的鲁棒优化模型的前提条件,将“观望变量”通过仿射变换转化为“当下变量”,构建仿射式可调鲁棒对等模型;
步骤6,上述仿射式可调鲁棒对等模型为半无限规划问题,基于强对偶理论,将其转换为对偶形式,得到最终的电动公交充电时序鲁棒优化模型;
步骤7,利用电动公交充电时序鲁棒优化模型进行混合充电站充电时刻表的设计。
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、本发明创造性地考虑了融合换电和插电式充电两种模式的混合充电站,形成了优势互补,有效降低了电动公交车的充电成本。
2、本发明在确定性优化模型的基础上,进一步考虑了电动公交进站时剩余电量的不确定性,建立了基于预算不确定集的鲁棒优化模型。
3、本发明运用了仿射式可调鲁棒对等转换和基于强对偶理论的对偶问题转换,将模型变为有限问题并降低了运算复杂度,使混合电动公交充电站的充电调度方案更具有鲁棒性,为其综合运营优化提供了建设性意见和可靠的技术支撑。
附图说明
图1是本发明基于鲁棒优化的电动公交混合充电站充电时刻表设计方法的流程示意图。
图2是本发明实施例的最优设计结果。
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,本发明提供的基于鲁棒优化的电动公交混合充电站充电时刻表设计方法,具体包括如下步骤:
(1)搭建混合式电动公交充电站框架,确定电动公交车充电时序问题的表述及所处理的参数和变量,所需解决的问题包括充电模式的分配以及充电时刻表的设计;
混合式电动公交充电站中,电动公交集为I={1,2,...,Imax},其中Imax为电动公交总数;充电站中共有M个***式充电桩,也即t时刻处于充电状态的最大车辆数;各充电桩的额定功率为P;最大换电比例为Rswap,表示换电车辆数占总车辆数的比例。单个时间步长为Δt,时间集为T={1,2,...,Tmax},其中Tmax为规划窗口的总时长;车辆i的在站时间集为Ti a ,d={Ti a,Ti a+1,...,Ti d},其中Ti a为车辆i的到站时刻,Ti d为车辆i的离站时刻。电动公交车的电池容量为Cap,车辆i进站时的剩余电量为qi,充电完成后,电池电量状态所处区间的下限和上限分别为LSOC和USOC。t时刻的分时电价为ct,单次换电服务的固定费用为cb。
对于模型所处理的问题,主要包括充电模式的分配以及充电时刻表的设计,具体涉及的决策变量如下:表征当前车辆i是否被分配为换电模式的二元变量xi,若当前车辆i被分配为换电模式,则xi=1,否则xi=0;表征当前车辆i在当前时刻t是否处于充电状态的二元变量yi,t,若当前车辆i在当前时刻t处于充电状态,则yi,t=1,否则yi,t=0;表征当前时刻t是否为车辆i充电开始时刻的二元变量πi,t,若当前时刻为充电开始时刻,则πi,t=1,否则πi,t=0;表征当前时刻t是否为车辆i充电结束时刻的二元变量ρi,t,若当前时刻为充电结束时刻,则ρi,t=1,否则ρi,t=0。
(2)声明模型的基本假设与条件,对复杂多变的实际情况进行模拟和简化,包括电池容量、充电速率以及单次换电成本的同一性;区间化的最终电量状态;离散型的分段充电方程等;
在构建数学模型之前,有以下几个假设需要满足:所有电动公交车都具有一致的电池容量和充电速率;单次换电的服务费用固定;为了保证充电后的电量满足次日的正常运营,同时避免电量过高造成的电池老化,车辆在完成插电式充电后的预期电量处于区间[LSOCCap,USOCCap];出于对问题的简化,电动公交车的充电方程为离散型的分段线性函数。
(3)以最小化充电总成本作为目标函数,综合充电连续性和最终电量限制性约束方程,建立确定性数学优化模型;
混合电动公交充电站的充电总费用Z包括***式充电的总费用和换电的总费用。前者为***式充电的车辆在分时电价下的电费之和;后者为换电车辆数与固定换电费用的乘积。因此,目标函数可以表示为:
模型需要满足的约束条件包括:充电的连续性,即各车仅进行一次充电,且充电过程不被打断;各时刻处于插电式充电状态的车辆数不超过充电桩数;完成插电式充电后的车辆,其预期电量处于区间[LSOCCap,USOCCap];进行换电的车辆数不超过额定上限。充电连续性由下述不等式和等式进行约束:
式(2)和(3)可通过与充电状态二元变量yi,t建立关联,进一步简化为:
其余约束分别表示如下:
因此,确定性优化模型由式(1)及式(4)-(12)表示,(T-Ti a,d)表示T与Ti a,d的差集。
(4)进一步考虑进站剩余电量的不确定性,将前述确定性模型转化为基于预算不确定集的鲁棒优化模型;
进站剩余电量的不确定性由多种外部因素(如温度、电池年龄、驾驶行为等)引起,因此需要采用鲁棒优化来拓展上述的确定性模型。相比于较为保守的盒式不确定集,预算不确定集的计算时间较短,运算复杂度较低,因而更适用于工程应用。因此,将车辆i的进站剩余电量qi限制在其预算不确定集U1∩∞中:
其中,zi表示车辆i进站剩余电量qi的不确定程度,若|zi|越接近1,则不确定程度越高;和分别是车辆i进站剩余电量qi的表盘显示值和最大偏差,二者均可由历史数据获得;不确定预算Γ(0≤Γ≤Imax)是一个预设的参数,描述的是最恶劣情况数量的上限,由不确定状态下,决策者可接受的不满足约束条件的概率ε(Γ)决定:
式中,Φ表示标准正态分布的累积密度函数。
(5)为了满足基于不确定集的鲁棒优化模型的前提条件,将“观望变量”通过仿射变换转化为“当下变量”,进而构建仿射式可调鲁棒对等模型;
基于不确定集的鲁棒优化模型要求,与不确定参数共同构成约束的变量均为“当下变量”(即不确定性参数变为已知前就可以确定的变量),为了满足此前提条件,需要将“观望变量”(即不确定性参数变为已知后才能确定的变量)通过一定的变换,与不确定性参数建立函数关系,从而将其转化为“当下变量”。这里,为了减轻运算复杂度,考虑的是仿射变换:
此二式可进一步泛化为矩阵的形式:
αz≤H1 (18)
βz≤H2 (19)
其中,z为Imax行的向量,α,β,H1和H2由下式给出:
因此,仿射式可调鲁棒对等模型由式(1),式(4)-(6),式(9)-(12),式(14),式(18)-(25)表示。
(6)上述仿射式可调鲁棒对等模型为半无限规划问题,基于强对偶理论,将其转换为对偶形式,变为有限问题,得到最终的电动公交充电时序鲁棒优化模型;
由于式(18)和(19)对于任意可能的进站剩余电量恒成立,可将其改写为不等号左边由最大值函数表示的形式:
令ui=|zi|,式(24)和式(25)可改写为:
因此,满足约束(18)和约束(19)相当于先求解以下两个最大化问题:
[P1]
满足
z-u≤0 (33)
-z-u≤0 (34)
u≤e (35)
eTu≤Γ (36)
[P2]
满足
z-u≤0 (38)
-z-u≤0 (39)
u≤e (40)
eTu≤Γ (41)
再分别令其最优解下的目标函数值不超过H1和H2:
上述式中的z和u均为Imax行的向量,e为Imax行的单位向量。
由于最大化问题[P1]和[P2]的计算复杂度高度依赖于z,当不确定性较高时,问题规模较大,求解这两个原问题将面临极大的运算复杂度。考虑到模型的约束均为线性等式或不等式,且目标函数的值域为开放域,因此弱化的Slater条件成立;又因为原凸优化问题有可行解(例如z=0,u=0),所以对偶间隙为零,即强对偶定理成立。故可利用强对偶定理,将原最大化问题化为其对偶问题(最小化问题):
[D1]
minωe+Γr (44)
满足
m-n=α (45)
-m-n+ω+reT=0 (46)
m≥0 (47)
n≥0 (48)
ω≥0 (49)
r≥0 (50)
[D2]
满足
v-w=β (52)
v≥0 (54)
w≥0 (55)
s≥0 (57)
由强对偶理论,对偶问题与原问题具有相同的最优目标函数,因此式(26)和式(27)可转化为:
minωe+Γr≤H1 (58)
由于对偶问题为凸优化问题,若要满足目标函数的最小值不超过某一上限恒成立,可进一步简化为目标函数的任一可行值不超过该值,即:
ωe+Γr≤H1 (60)
至此,模型已转化为运算复杂度可接受的有限问题,可以进行进一步求解。最终的电动公交充电时序鲁棒优化模型由式(1),式(4)-(6),式(9)-(12),式(14),式(20)-(23),式(45)-(50),式(52)-(57),式(60)-(61)表示,即:
满足
m-n=α
-m-n+ω+reT=0
m≥0
n≥0
ω≥0
r≥0
v-w=β
v≥0
w≥0
s≥0
ωe+Γr≤H1
(7)利用电动公交充电时序鲁棒优化模型进行混合充电站充电时刻表的设计。
实施例
本实施例使用了某市电动公交混合充电站的历史观测数据,包括进站和出站的时刻表,以及过去连续60天车辆进站时的剩余电量(共1080条有效数据)。为了在真实的环境下进行实验,初始时选取了共18辆车,涵盖6条不同的公交线路(每条线路3辆车):791、D16、719、84、129和792;其进站时刻分别为:20:20、21:00、21:00、21:20、22:00和22:00;出站时刻分别为:5:00、7:00、5:00、5:20、5:00、和6:00。
相关的参数设置如下。规划窗口从当天20:00至次日7:00,时间步长为Δt=20分钟,因此Tmax=34。容错率,即存在约束不被满足的概率为ε(Γ)=0.01,其他参数的值分别如下:Imax=12,M=10,Cap=240kWh,P=60kW,Rswap=0.8,LSOC=0.8,USOC=0.95,and cb=50元。对于110-kV的大型设施,国家电网公布的分时电价如下:峰时(8:00-12:00,17:00-21:00)1.0197元/kWh;平时(12:00-17:00,21:00-24:00)0.6118元/kWh;谷时(0:00-8:00)0.3039元/kWh。
图2显示了鲁棒模型下的最优结果,最小总成本为873.51元,平均每辆车充电成本为48.53元。67%的车辆被分配为换电,其余车均在谷时进行插电式充电,有效节省了充电成本。为了验证本发明所提出的模型的优势,对确定性模型也进行了测试,其最小总成本为765.83元。虽然确定性模型的成本稍低于鲁棒模型,但对于进站剩余电量较低的情况,倘若此时的不确定性提高,由确定性模型得到的解将难以保证电动公交次日的正常运营,从而造成巨大的经济损失。因此,综合考虑鲁棒性和经济效益,本发明提出的模型具有一定的优势。另外,为了体现混合式充电站相比于单一充电站的优势,也进行了对比试验。若充电站仅提供插电式充电,在充电桩数量为10的情况下,最小充电成本为881.31元(增加了0.9%);而在充电桩数量为6的情况下,最小充电成本为1035.26元(增加了18.5%)。因此,对于建设经费不足而导致充电桩不足的小型充电站,可以考虑与换电电池供应商合作,利用混合式充电降低充电成本。
此外,实验还进行了灵敏度分析,用以考察最大换电比例Rswap、充电后的预期电荷状态区间[LSOC,USOC]以及容错率ε(Γ)的边际效应,结果如表1、表2和表3所示。可以看出,最佳的最大换电比例为0.7,大于0.7时,电池冗余,充电成本不再改变。对于预期电荷状态区间,当其长度小于0.1时,问题不可行;大于0.2时,计算复杂度较高,因此,综合考虑保证公交车次日正常运营、避免电池老化以及运算时间较为合理,较为理想的区间为[0.7,0.85]。最后,容错率ε(Γ)在一定程度上表征了不确定性的大小,若容错率的值太小,会导致模型过于保守而不可行;若值太大,会导致所需考虑的情况太多而在可接受的时间内无法找到最优解。因此,决策者需根据经验和实际需要,兼顾可行性、可靠性和高效性,选择理想的容错率。
表1最大换电比例的边际效应
表2充电后预期电荷状态区间的边际效应
表3容错率的边际效应
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 (7)
1.基于鲁棒优化的电动公交混合充电站充电时刻表设计方法,其特征在于,包括如下步骤:
步骤1,搭建混合式电动公交充电站框架,确定电动公交混合充电站充电时刻表设计所涉及的参数以及决策变量;
步骤2,确定模型的基本假设与条件,包括:电池容量、充电速率以及单次换电成本的同一性,区间化的最终电量状态,离散型的分段充电方程;
步骤3,基于分时电价,以最小化充电总成本为目标函数,综合充电连续性和最终电量限制性约束方程,建立确定性数学优化模型;
步骤4,考虑车辆进站剩余电量的不确定性,将确定性数学优化模型转化为基于预算不确定集的鲁棒优化模型;
步骤5,基于仿射变换,将步骤4所述鲁棒优化模型中的观望变量转化为当下变量,从而构建仿射式可调鲁棒对等模型;
步骤6,基于强对偶理论,将步骤5所述仿射式可调鲁棒对等模型转换为对偶形式,得到电动公交充电时序鲁棒优化模型;
步骤7,利用电动公交充电时序鲁棒优化模型进行混合充电站充电时刻表的设计。
2.根据权利要求1所述基于鲁棒优化的电动公交混合充电站充电时刻表设计方法,其特征在于,所述步骤1的具体过程如下:
混合式电动公交充电站中,电动公交集为I={1,2,...,Imax},其中Imax为电动公交总数;充电站中共有M个***式充电桩;充电桩的额定功率为P;最大换电比例为Rswap;单个时间步长为Δt,时间集为T={1,2,...,Tmax},其中Tmax为规划窗口的总时长;车辆i的在站时间集为Ti a,d={Ti a,Ti a+1,...,Ti d},其中Ti a为车辆i的到站时刻,Ti d为车辆i的离站时刻;电动公交车的电池容量为Cap,车辆i进站时的剩余电量为qi,充电完成后电池电量状态所处区间的下限和上限分别为LSOC和USOC;t时刻的分时电价为ct,单次换电服务的固定费用为cb;
涉及的决策变量如下:表征当前车辆i是否被分配为换电模式的二元变量xi;表征当前车辆i在当前时刻t是否处于充电状态的二元变量yi,t;表征当前时刻t是否为车辆i充电开始时刻的二元变量πi,t;表征当前时刻t是否为车辆i充电结束时刻的二元变量ρi,t。
3.根据权利要求1所述基于鲁棒优化的电动公交混合充电站充电时刻表设计方法,其特征在于,步骤2所述模型的基本假设与条件,具体为:
所有电动公交车都具有一致的电池容量和充电速率;单次换电的服务费用固定;车辆在完成插电式充电后的预期电量处于区间[LSOCCap,USOCCap],其中,Cap为电动公交车的电池容量,LSOC和USOC分别为充电完成后电池电量状态所处区间的下限和上限;电动公交车的充电方程为离散型的分段线性函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110749426.7A CN113627645B (zh) | 2021-07-02 | 2021-07-02 | 基于鲁棒优化的电动公交混合充电站充电时刻表设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110749426.7A CN113627645B (zh) | 2021-07-02 | 2021-07-02 | 基于鲁棒优化的电动公交混合充电站充电时刻表设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113627645A true CN113627645A (zh) | 2021-11-09 |
CN113627645B CN113627645B (zh) | 2024-01-19 |
Family
ID=78378888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110749426.7A Active CN113627645B (zh) | 2021-07-02 | 2021-07-02 | 基于鲁棒优化的电动公交混合充电站充电时刻表设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627645B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115689310A (zh) * | 2022-11-09 | 2023-02-03 | 东南大学 | 城市纯电动公交***资源配置经济性的鲁棒评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106816931A (zh) * | 2017-03-09 | 2017-06-09 | 上海电力学院 | 电动汽车换电站有序充电控制方法 |
CN110570098A (zh) * | 2019-08-19 | 2019-12-13 | 天津大学 | 考虑换电需求与光伏不确定性电动汽车充换电站控制方法 |
CN111654036A (zh) * | 2020-05-18 | 2020-09-11 | 天津大学 | 一种计及储能快充电站的配电网两阶段鲁棒优化调度方法 |
-
2021
- 2021-07-02 CN CN202110749426.7A patent/CN113627645B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106816931A (zh) * | 2017-03-09 | 2017-06-09 | 上海电力学院 | 电动汽车换电站有序充电控制方法 |
CN110570098A (zh) * | 2019-08-19 | 2019-12-13 | 天津大学 | 考虑换电需求与光伏不确定性电动汽车充换电站控制方法 |
CN111654036A (zh) * | 2020-05-18 | 2020-09-11 | 天津大学 | 一种计及储能快充电站的配电网两阶段鲁棒优化调度方法 |
Non-Patent Citations (1)
Title |
---|
刘志远 等: "A Robust Estimation of State or Charge for Electric Vehicle Batteries-ScienceDirect", 《IFAC-PAPERSONLINE》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115689310A (zh) * | 2022-11-09 | 2023-02-03 | 东南大学 | 城市纯电动公交***资源配置经济性的鲁棒评估方法 |
CN115689310B (zh) * | 2022-11-09 | 2024-06-04 | 东南大学 | 城市纯电动公交***资源配置经济性的鲁棒评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113627645B (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tabatabaee et al. | Stochastic scheduling of local distribution systems considering high penetration of plug-in electric vehicles and renewable energy sources | |
Cheng et al. | Comparing the emissions benefits of centralized vs. decentralized electric vehicle smart charging approaches: A case study of the year 2030 California electric grid | |
Jian et al. | Optimal scheduling for vehicle-to-grid operation with stochastic connection of plug-in electric vehicles to smart grid | |
Madzharov et al. | Integrating electric vehicles as flexible load in unit commitment modeling | |
Dang | Electric vehicle (EV) charging management and relieve impacts in grids | |
Gjelaj et al. | Cost-benefit analysis of a novel DC fast-charging station with a local battery storage for EVs | |
Richard et al. | Fast charging station with battery storage system for ev: Optimal integration into the grid | |
Makeen et al. | Smart techno-economic operation of electric vehicle charging station in Egypt | |
Ren et al. | Optimal control of solar-powered electric bus networks with improved renewable energy on-site consumption and reduced grid dependence | |
El-Bayeh et al. | A novel approach for sizing electric vehicles Parking Lot located at any bus on a network | |
CN113627645A (zh) | 基于鲁棒优化的电动公交混合充电站充电时刻表设计方法 | |
Basma et al. | Optimization of battery electric bus charging under varying operating conditions | |
Soares et al. | Electric vehicles local flexibility strategies for congestion relief on distribution networks | |
Yuan et al. | Review of electric vehicle ultra-fast dc charging station | |
CN105048547A (zh) | 充电装置 | |
Bjarghov | Utilizing ev batteries as a flexible resource at end-user level | |
Mauri et al. | The impact of EV's fast charging stations on the MV distribution grids of the Milan metropolitan area | |
Foiadelli et al. | Electric vehicle use in public fleets: The case of the Genoa University | |
Sikdar et al. | IoT Solutions for Electric Vehicles (EV) Charging Stations: A Driving Force Towards EV Mass Adoption | |
Das | Emerging trends in Electric Vehicle in Indian market | |
Kumar et al. | Impact of plug-in hybrid electric vehicles integrated with economic unit commitment of power system | |
Moradi et al. | Electric vehicles and their impact in smart distribution systems | |
Kharouf et al. | Battery Electric Bus System Schedule-Based Optimization | |
Dost et al. | Influence of electric vehicle charging demands on the grid load based on fleet measurements | |
Indira | Optimised business model for effective charging of batteries in electric vehicles |
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 |