CN115663867A - 基于智能充电网络***的电动汽车充电调度方法 - Google Patents

基于智能充电网络***的电动汽车充电调度方法 Download PDF

Info

Publication number
CN115663867A
CN115663867A CN202211356441.6A CN202211356441A CN115663867A CN 115663867 A CN115663867 A CN 115663867A CN 202211356441 A CN202211356441 A CN 202211356441A CN 115663867 A CN115663867 A CN 115663867A
Authority
CN
China
Prior art keywords
charging
scheduling scheme
network system
electric automobile
electric vehicle
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
CN202211356441.6A
Other languages
English (en)
Other versions
CN115663867B (zh
Inventor
朱韬析
黎展明
韩昌
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.)
Guangdong Tianshu New Energy Technology Co ltd
Original Assignee
Guangdong Tianshu New Energy Technology Co ltd
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 Guangdong Tianshu New Energy Technology Co ltd filed Critical Guangdong Tianshu New Energy Technology Co ltd
Priority to CN202211356441.6A priority Critical patent/CN115663867B/zh
Publication of CN115663867A publication Critical patent/CN115663867A/zh
Application granted granted Critical
Publication of CN115663867B publication Critical patent/CN115663867B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提供了一种基于智能充电网络***的电动汽车充电调度方法，包括：获取加入智能充电网络***中每一电动汽车的初始调度方案；根据初始调度方案，确定每一充电区域内电动汽车的用电需求和用电时长；判断用电需求是否大于对应充电区域的电网平均负荷，生成第一判断结果；判断用电时长是否属于电价高峰时段，生成第二判断结果；基于智能充电网络***，根据初始调度方案、第一判断结果和第二判断结果，生成第二调度方案；根据第二调度方案对相应电动汽车进行充电调度。

Description

基于智能充电网络***的电动汽车充电调度方法
技术领域
本发明涉及电动汽车充电技术技术领域，尤其涉及一种基于智能充电网络***的电动汽车充电调度方法。
背景技术
近年来，随着科学技术的快速发展，电动汽车相关技术逐渐完善成熟，但如何更完善、快捷、有效的确定电动汽车充电调度方案逐渐成为本领域技术人员研究的重点，目前，现有的解决方法是采用智能充电网络***对充电调度方案进行优化，比如专利申请公布号为CN112801447A的专利申请：智能充电网络***及基于该***的电动汽车充电调度方法，即根据获取的用户侧用电需求与预获取的电网平均负荷的差值控制智能充电桩和分布式能源的充放电状态建立智能充电网络***，并通过该***，基于电网的负荷状况对充电调度方案进行优化，但上述专利申请在进行充电调度方案优化时，是面向于充电桩的实际充电调度方案的优化，并未实现在全局范围内通过对不同区域充电桩与电动汽车的实际情况进行调度方案的优化，因此，亟需一种基于智能充电网络***的电动汽车充电调度方法，用于解决现有技术并未实现在全局范围内通过对不同区域充电桩与电动汽车的实际情况进行调度方案的优化。
发明内容
针对现有技术的不足，本发明提供一种基于智能充电网络***的电动汽车充电调度方法，用于解决并未实现在全局范围内通过对不同区域充电桩与电动汽车的实际情况进行调度方案的优化。
一种基于智能充电网络***的电动汽车充电调度方法，包括：
获取加入智能充电网络***中每一电动汽车的初始调度方案；
根据初始调度方案，确定每一充电区域内电动汽车的用电需求和用电时长；
判断用电需求是否大于对应充电区域的电网平均负荷，生成第一判断结果；
判断用电时长是否属于电价高峰时段，生成第二判断结果；
基于智能充电网络***，根据初始调度方案、第一判断结果和第二判断结果，生成第二调度方案；
根据第二调度方案对相应电动汽车进行充电调度。
作为本发明的一种实施例，初始调度方案包括：预驶入的充电桩序列、预到达充电桩时间、充电效率、到达充电桩后的剩余续航量和待充电量。
作为本发明的一种实施例，根据初始调度方案，确定每一充电区域内电动汽车的用电需求和用电时长，包括：
筛选得到每一充电区域内每一电动汽车的初始调度方案中的充电效率、待充电量和预到达充电桩时间；
根据充电效率和待充电量，计算得到每一电动汽车的用电时长；
根据预到达充电桩时间、用电时长和充电效率，确定每一时刻每一充电区域内所有电动汽车的用电需求。
作为本发明的一种实施例，根据每一电动汽车的初始调度方案加入至智能充电网络***中的顺序，确定每一电动汽车的用电需求的累计顺序。
作为本发明的一种实施例，基于智能充电网络***，根据初始调度方案、第一判断结果和第二判断结果，生成第二调度方案，包括如下步骤：
S501、根据第一判断结果和第二判断结果，判断电动汽车是否需要生成预调度方案，生成第三判断结果；若第三判断结果为否，转至S502，若第三判断结果为是，转至S503；
S502、将初始调度方案作为第二调度方案；
S503、基于智能充电网络***，根据初始调度方案，判断电动汽车是否能成功行驶至下一充电区域，生成第四判断结果；若第四判断结果为否，转至S502，若第四判断结果为是，转至S504；
S504、基于智能充电网络***，生成预调度方案；
S505、判断预调度方案中的用电时长是否属于电价高峰时段，生成第五判断结果；
S506、基于预调度方案，根据第五判断结果，生成第二调度方案。
作为本发明的一种实施例，根据第一判断结果和第二判断结果，判断电动汽车是否需要生成预调度方案，包括：
若第一判断结果为是和/或第二判断结果为是，则判定电动汽车需要生成预调度方案，否则判定电动汽车不需要生成预调度方案。
作为本发明的一种实施例，基于智能充电网络***，根据初始调度方案，判断电动汽车是否能成功行驶至下一充电区域，包括：
基于智能充电网络***，获取电动汽车下一站待经过的充电区域的行驶距离；
根据初始调度方案，确定电动汽车到达当前充电区域后的剩余续航量；
根据行驶距离、剩余续航量和预先设定的误差系数，确定电动汽车是否能成功行驶至下一充电区域；
若行驶距离小于剩余续航量和预先设定的误差系数的相乘值，则判定电动汽车能成功行驶至下一充电区域；
否则判定电动汽车不能成功行驶至下一充电区域。
作为本发明的一种实施例，基于智能充电网络***，生成预调度方案，包括：
基于智能充电网络***，确定预驶入的下一站充电桩序列、预到达的下一站充电桩时间、充电效率、到达下一站充电桩后的剩余续航量和下一站待充电量；
根据预驶入的下一站充电桩序列、预到达的下一站充电桩时间、充电效率、到达下一站充电桩后的剩余续航量和下一站待充电量，生成预调度方案。
作为本发明的一种实施例，基于预调度方案，根据第五判断结果，生成第二调度方案，包括：
若第五判断结果为否，将预调度方案作为第二调度方案；
若第五判断结果为是，生成预调度方案的新第一判断结果和新第二判断结果，并将预调度方案作为新初始调度方案，重复执行步骤S501-步骤S506，直至生成第二调度方案。
作为本发明的一种实施例，一种基于智能充电网络***的电动汽车充电调度方法还包括：
若第二判断结果为是，基于智能充电网络***，获取电动汽车下一站待经过的充电区域的行驶距离；
根据电动汽车到达当前充电区域后的剩余续航量和预先设定的误差系数，计算电动汽车的实际能行驶路程；
若实际能行驶路程小于行驶距离，计算得到行驶距离与实际能行驶路程的差值，作为待补充路程；
根据待补充路程，确定电动汽车需补充充电量的最小电量；
获取电动汽车补充最小电量的充电量时所需花费时间，作为最小时长；
获取电动汽车从当前充电区域行驶到下一站充电区域的所需花费的平均时长；
根据最小时长、平均时长和当前时间，判断当电动汽车到达下一站充电区域时的时间段是否属于电价高峰时段，若属于，生成节省建议方案；
若不属于，延长最小时长，直至根据最小时长、平均时长和当前时间，判断当电动汽车到达下一站充电区域时的时间段不属于电价高峰时段时，生成节省建议方案；
同时，若在延长最小时长时，电动汽车对应的充电量满足预设需求，则不发送节省建议方案。
本发明的有益效果为：
本发明提供一种基于智能充电网络***的电动汽车充电调度方法，用于解决现有技术并未实现在全局范围内通过对不同区域充电桩与电动汽车的实际情况进行调度方案的优化的问题。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于智能充电网络***的电动汽车充电调度方法的方法流程图；
图2为本发明实施例中一种基于智能充电网络***的电动汽车充电调度方法中S105的详细流程图；
图3为本发明实施例中一种基于智能充电网络***的电动汽车充电调度方法中S506的详细流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
请参阅图1，本发明实施例提供了一种基于智能充电网络***的电动汽车充电调度方法，包括：
S101、获取加入智能充电网络***中每一电动汽车的初始调度方案；
S102、根据初始调度方案，确定每一充电区域内电动汽车的用电需求和用电时长；
S103、判断用电需求是否大于对应充电区域的电网平均负荷，生成第一判断结果；
S104、判断用电时长是否属于电价高峰时段，生成第二判断结果；
S105、基于智能充电网络***，根据初始调度方案、第一判断结果和第二判断结果，生成第二调度方案；
S106、根据第二调度方案对相应电动汽车进行充电调度；
上述技术方案的工作原理为：首先，本发明中的智能充电网络***与用户端通过网络建立连接，该用户端优选为内置在每一电动汽车内，用于获取电动汽车的实时参数，同时，该智能充电网络***包括充电调度管理平台、智能充电桩集群和电网和分布式能源，充电调度管理平台通信连接于智能充电桩集群、电网和分布式能源，智能充电桩集群和分布式能源均接入电网，当智能充电网络***开始运行时，首先，智能充电网络***获取若干用户端发送的每一电动汽车的初始参数，然后智能充电网络***根据该初始参数和内置的预先设定好的整合逻辑生成该电动汽车的初始调度方案，得到初始调度方案后，智能充电网络***根据初始调度方案对应的发送定位和初始参数确定每一充电区域内电动汽车的用电需求和用电时长，然后智能充电网络***将每个区域内的用电需求与该区域内对应的预获取的电网平均负荷进行比较，生成第一判断结果，并判断每一电动汽车的用电时长是否属于电价高峰时段，生成第二判断结果，该用电时长指的是充电的时间段，然后基于智能充电网络***，根据初始调度方案、第一判断结果和第二判断结果，生成第二调度方案，并在电动汽车驶入充电区域并与充电桩连接后，根据该电动汽车发送的唯一标识，取得事先在智能充电网络***中早已规划好的第二调度方案控制充电桩对该电动汽车进行充电调度；更进一步地，将第二调度方案通过网络连接通道像用户端进行展示；
上述技术方案的有益效果为：有益于解决现有技术并未实现在全局范围内通过对不同区域充电桩与电动汽车的实际情况进行调度方案的优化的问题，且充电调度方案能够在电动汽车未驶入充电区域进行充电前实时根据实际情况进行调整，有益于提高充电调度方案的有效率，使得充电调度方案更能满足用户侧与充电桩侧的需求。
在一个实施例中，初始调度方案包括：预驶入的充电桩序列、预到达充电桩时间、充电效率、到达充电桩后的剩余续航量和待充电量；
上述技术方案的工作原理为：通过获取电动汽车的实时参数，确定初始调度方案，该实时参数包括近期行进路线、行驶平均速度、电动汽车本身电量参数等，智能充电网络***在接收到实时参数后，通过对近期行进路线进行大数据分析，预测电动汽车的目的地，该预测方法现有技术中存在多种方案，此处便不一一赘述，然后根据预测的目的地，确定预驶入的充电桩序列，并通过行驶平均速度和实时获取时间以及行进路线，预测预到达充电桩时间，通过电动汽车本身电量参数与行进消耗预测，确定电动汽车的充电效率以及预测得到到达充电桩后的剩余续航量和待充电量；
上述技术方案的有益效果为：通过建立智能充电网络***和用户端的实时连接，实时获取用户端的参数信息构建初始调度方案，有益于通过初始调度方案初步获取用户端的待调度情况，提前使对应充电区域做好准备，防止出现因充电端的抢占等情况导致的无效充电调度方案。
在一个实施例中，根据初始调度方案，确定每一充电区域内电动汽车的用电需求和用电时长，包括：
筛选得到每一充电区域内每一电动汽车的初始调度方案中的充电效率、待充电量和预到达充电桩时间；
根据充电效率和待充电量，计算得到每一电动汽车的用电时长；
根据预到达充电桩时间、用电时长和充电效率，确定每一时刻每一充电区域内所有电动汽车的用电需求；
上述技术方案的工作原理为：根据初始调度方案，确定每一充电区域内电动汽车的用电需求和用电时长，首先，筛选得到每一充电区域内每一电动汽车的初始调度方案中的充电效率、待充电量和预到达充电桩时间；然后根据充电效率和待充电量，计算得到每一电动汽车的用电时长；计算方法优选为
Figure BDA0003920045530000091
其中，time为用电时长，efficiency为充电效率，electricit为待充电量；再根据预到达充电桩时间、用电时长和充电效率，确定每一时刻每一充电区域内所有电动汽车的用电需求；
上述技术方案的有益效果为：快速确定每台电动汽车的用电时长和用电需求，提前使对应充电区域做好准备，防止出现电网负荷超出的问题。
在一个实施例中，根据每一电动汽车的初始调度方案加入至智能充电网络***中的顺序，确定每一电动汽车的用电需求的累计顺序；
上述技术方案的有益效果为：根据每一电动汽车的初始调度方案加入至智能充电网络***中的时间顺序确定每一电动汽车的用电需求的累计顺序，当该电动汽车在充电桩进行对接后，该电动汽车对应的用电需求清空，有益于实现对每一充电区域的实际电网平均负荷进行有效控制。
请参阅图2，在一个实施例中，基于智能充电网络***，根据初始调度方案、第一判断结果和第二判断结果，生成第二调度方案，包括如下步骤：
S501、根据第一判断结果和第二判断结果，判断电动汽车是否需要生成预调度方案，生成第三判断结果；若第三判断结果为否，转至S502，若第三判断结果为是，转至S503；
S502、将初始调度方案作为第二调度方案；
S503、基于智能充电网络***，根据初始调度方案，判断电动汽车是否能成功行驶至下一充电区域，生成第四判断结果；若第四判断结果为否，转至S502，若第四判断结果为是，转至S504；
S504、基于智能充电网络***，生成预调度方案；
S505、判断预调度方案中的用电时长是否属于电价高峰时段，生成第五判断结果；
S506、基于预调度方案，根据第五判断结果，生成第二调度方案；
上述技术方案的工作原理和有益效果为：首先，根据第一判断结果和第二判断结果，判断电动汽车是否需要生成预调度方案，生成第三判断结果；若第三判断结果为否，将初始调度方案作为第二调度方案，若第三判断结果为是，基于智能充电网络***，根据初始调度方案，判断电动汽车是否能成功行驶至下一充电区域，生成第四判断结果；若第四判断结果为否，将初始调度方案作为第二调度方案，若第四判断结果为是，基于智能充电网络***，生成预调度方案；再判断预调度方案中的用电时长是否属于电价高峰时段，生成第五判断结果；最后基于预调度方案，根据第五判断结果，生成第二调度方案；通过上述方案，实现在全局范围内通过对不同区域充电桩与电动汽车的实际情况进行调度方案的优化，其中，根据电动汽车的实际情况，初步确定电动汽车的初始充电调度方案，并在全局范围(多个充电区域)内通过不同区域充电桩的充电状态(包括电网负荷、充电费用等)对电动汽车的初始充电调度方案进行调整，使其在花费方面上更能满足用户需求，且相较于现有技术而言，使得电动汽车无需要驶入对应的充电区域便能使了解自身电动汽车的最佳调度方案，并在用户驶入对应的充电区域前通过智能充电网络***使得对应充电桩能够提前进行准备(锁定等操作)，有利于对全域电动汽车充电调度的管理。
在一个实施例中，根据第一判断结果和第二判断结果，判断电动汽车是否需要生成预调度方案，包括：
若第一判断结果为是和/或第二判断结果为是，则判定电动汽车需要生成预调度方案，否则判定电动汽车不需要生成预调度方案；
上述技术方案的有益效果为：上述方案根据用户侧节省电费方面的意愿和充电桩侧降低电网的负荷峰谷差的意愿共同判断是否生成预调度方案，同时考虑用户侧与充电桩侧的意愿，有益于提高充电调度方案优化的整体效果。
在一个实施例中，基于智能充电网络***，根据初始调度方案，判断电动汽车是否能成功行驶至下一充电区域，包括：
基于智能充电网络***，获取电动汽车下一站待经过的充电区域的行驶距离；
根据初始调度方案，确定电动汽车到达当前充电区域后的剩余续航量；
根据行驶距离、剩余续航量和预先设定的误差系数，确定电动汽车是否能成功行驶至下一充电区域；
若行驶距离小于剩余续航量和预先设定的误差系数的相乘值，则判定电动汽车能成功行驶至下一充电区域；
否则判定电动汽车不能成功行驶至下一充电区域；
上述技术方案的工作原理为：首先，基于智能充电网络***，获取电动汽车下一站待经过的充电区域的行驶距离，获取方法优选为基于智能充电网络***获取到的电动汽车的行进路线和实时位置以及导航类数据，共同推算得到电动汽车从当前充电区域到下一站待经过的充电区域的最短距离作为行驶距离，然后根据初始调度方案，确定电动汽车到达当前充电区域后的剩余续航量，该剩余续航量实际指的是在当前电动汽车的实际续航量，然后根据行驶距离、剩余续航量和预先设定的误差系数，确定电动汽车是否能成功行驶至下一充电区域，其中，若行驶距离小于剩余续航量和预先设定的误差系数的相乘值，则判定电动汽车能成功行驶至下一充电区域；否则判定电动汽车不能成功行驶至下一充电区域；
上述技术方案的有益效果为：通过上述方案，判断电动汽车的当前电量情况是否满足以节省电费为目的的充电调度方案，提前计算有益于防止因电量不足导致的无效充电调度方案的出现，提高了重带你调度方案的有效率。
在一个实施例中，基于智能充电网络***，生成预调度方案，包括：
基于智能充电网络***，确定预驶入的下一站充电桩序列、预到达的下一站充电桩时间、充电效率、到达下一站充电桩后的剩余续航量和下一站待充电量；
根据预驶入的下一站充电桩序列、预到达的下一站充电桩时间、充电效率、到达下一站充电桩后的剩余续航量和下一站待充电量，生成预调度方案；
上述技术方案的工作原理和有益效果为：基于智能充电网络***，确定预驶入的下一站充电桩序列，确定方法为基于智能充电网络***收到的电动汽车发送的行进路线、大数据目的地分析方法、预先存储的每一充电区域位置和通过对每一充电桩使用情况的掌控确定的，对每一充电桩使用情况可由与智能充电网络***的充电桩传输；然后确定预到达的下一站充电桩时间、充电效率、到达下一站充电桩后的剩余续航量和下一站待充电量的方法与获取初始调度方案的方法一样；再将预驶入的下一站充电桩序列、预到达的下一站充电桩时间、充电效率、到达下一站充电桩后的剩余续航量和下一站待充电量进行整合，生成预调度方案，通过上述方案，实现根据用户侧的电费节省意愿和/或充电桩侧的降低电网的负荷峰谷差意愿生成的新充电调度方案，有益于同时满足用户实际使用需求的问题和电网负荷负担的问题。
请参阅图3，在一个实施例中，基于预调度方案，根据第五判断结果，生成第二调度方案，包括：
S5061、对第五判断结果进行判断，若第五判断结果为是，转至S5062，若第五判断结果为否，转至S5063；
S5062、生成预调度方案的新第一判断结果和新第二判断结果，并将预调度方案作为新初始调度方案，转至S5064；
S5063、将预调度方案作为第二调度方案；
S5064、重复执行步骤S501-S506；
上述技术方案的有益效果为：根据用户侧的需求和充电桩侧的需求，实时调整充电调度方案，使其能同时满足两者的需求，提高充电调度方案的实用性。
在一个实施例中，一种基于智能充电网络***的电动汽车充电调度方法还包括：
若第二判断结果为是，基于智能充电网络***，获取电动汽车下一站待经过的充电区域的行驶距离；
根据电动汽车到达当前充电区域后的剩余续航量和预先设定的误差系数，计算电动汽车的实际能行驶路程；
若实际能行驶路程小于行驶距离，计算得到行驶距离与实际能行驶路程的差值，作为待补充路程；
根据待补充路程，确定电动汽车需补充充电量的最小电量；
获取电动汽车补充最小电量的充电量时所需花费时间，作为最小时长；
获取电动汽车从当前充电区域行驶到下一站充电区域的所需花费的平均时长；
根据最小时长、平均时长和当前时间，判断当电动汽车到达下一站充电区域时的时间段是否属于电价高峰时段，若属于，生成节省建议方案；
若不属于，延长最小时长，直至根据最小时长、平均时长和当前时间，判断当电动汽车到达下一站充电区域时的时间段不属于电价高峰时段时，生成节省建议方案；
同时，若在延长最小时长时，电动汽车对应的充电量满足预设需求，则不发送节省建议方案；
上述技术方案的工作原理为：为达到提高用户侧为满足降低充电费用的目的，本发明提出一种方案，用于降低用户侧在电价高峰时期所付出的电费，首先，若第二判断结果为是，基于智能充电网络***，获取电动汽车下一站待经过的充电区域的行驶距离；并根据电动汽车到达当前充电区域后的剩余续航量和预先设定的误差系数，计算电动汽车的实际能行驶路程；该电动汽车到达当前充电区域后的剩余续航量实际指的是实时收到的当前电动车的剩余续航量，与初始调度方案中预测的到达充电桩后的剩余续航量不同；其中，若实际能行驶路程小于行驶距离，计算得到行驶距离与实际能行驶路程的差值，作为待补充路程；然后根据待补充路程，确定电动汽车需补充充电量的最小电量；确定方法为通过预先设定的误差系数和待补充路程进行计算，得到最小电量，其中，因为不同型号的电动汽车使用不同电量行驶的路程不同，所以预先设定的误差系数与电动汽车的型号有关；获取电动汽车补充最小电量的充电量时所需花费时间，作为最小时长；再获取电动汽车从当前充电区域行驶到下一站充电区域的所需花费的平均时长；最后根据最小时长、平均时长和当前时间，判断当电动汽车到达下一站充电区域时的时间段是否属于电价高峰时段，若属于，生成节省建议方案；更进一步地，将该节省建议方案像用户进行推送，并在电动汽车行驶至节省建议方案所指向的充电区域进行充电时，在电动汽车驶入充电区域并与充电桩连接后，根据该电动汽车发送的唯一标识，取得事先在智能充电网络***中早已规划好的节省建议方案对应的充电调度方案代替第二调度方案控制充电桩对该电动汽车进行充电调度；若不属于，延长最小时长，直至根据最小时长、平均时长和当前时间，判断当电动汽车到达下一站充电区域时的时间段不属于电价高峰时段时，生成节省建议方案；同时，若在延长最小时长时，电动汽车对应的充电量满足预设需求，则不发送节省建议方案；其中，节省建议方案包括当前充电桩充电时长、下一站充电桩充电时长、节省金额以及节省建议方案对应的充电调度方案；
上述技术方案的有益效果为：通过上述方案，能够更好的满足用户侧在节省电费方面的需求，使得充电汽车的调度方案更加人性化。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于智能充电网络***的电动汽车充电调度方法，其特征在于，包括：
获取加入智能充电网络***中每一电动汽车的初始调度方案；
根据所述初始调度方案，确定每一充电区域内电动汽车的用电需求和用电时长；
判断所述用电需求是否大于对应充电区域的电网平均负荷，生成第一判断结果；
判断所述用电时长是否属于电价高峰时段，生成第二判断结果；
基于智能充电网络***，根据所述初始调度方案、所述第一判断结果和所述第二判断结果，生成第二调度方案；
根据所述第二调度方案对相应电动汽车进行充电调度。
2.根据权利要求1所述的一种基于智能充电网络***的电动汽车充电调度方法，其特征在于，所述初始调度方案包括：预驶入的充电桩序列、预到达充电桩时间、充电效率、到达充电桩后的剩余续航量和待充电量。
3.根据权利要求1所述的一种基于智能充电网络***的电动汽车充电调度方法，其特征在于，所述根据所述初始调度方案，确定每一充电区域内电动汽车的用电需求和用电时长，包括：
筛选得到每一充电区域内每一电动汽车的初始调度方案中的充电效率、待充电量和预到达充电桩时间；
根据所述充电效率和待充电量，计算得到每一电动汽车的用电时长；
根据所述预到达充电桩时间、所述用电时长和所述充电效率，确定每一时刻每一充电区域内所有电动汽车的用电需求。
4.根据权利要求3所述的一种基于智能充电网络***的电动汽车充电调度方法，其特征在于，根据每一电动汽车的初始调度方案加入至智能充电网络***中的顺序，确定每一电动汽车的用电需求的累计顺序。
5.根据权利要求1所述的一种基于智能充电网络***的电动汽车充电调度方法，其特征在于，所述基于智能充电网络***，根据所述初始调度方案、所述第一判断结果和所述第二判断结果，生成第二调度方案，包括如下步骤：
S501、根据所述第一判断结果和所述第二判断结果，判断电动汽车是否需要生成预调度方案，生成第三判断结果；若所述第三判断结果为否，转至S502，若所述第三判断结果为是，转至S503；
S502、将所述初始调度方案作为第二调度方案；
S503、基于所述智能充电网络***，根据所述初始调度方案，判断电动汽车是否能成功行驶至下一充电区域，生成第四判断结果；若所述第四判断结果为否，转至S502，若所述第四判断结果为是，转至S504；
S504、基于所述智能充电网络***，生成预调度方案；
S505、判断所述预调度方案中的用电时长是否属于电价高峰时段，生成第五判断结果；
S506、基于所述预调度方案，根据所述第五判断结果，生成第二调度方案。
6.根据权利要求5所述的一种基于智能充电网络***的电动汽车充电调度方法，其特征在于，所述根据所述第一判断结果和所述第二判断结果，判断电动汽车是否需要生成预调度方案，包括：
若所述第一判断结果为是和/或所述第二判断结果为是，则判定电动汽车需要生成预调度方案，否则判定电动汽车不需要生成预调度方案。
7.根据权利要求5所述的一种基于智能充电网络***的电动汽车充电调度方法，其特征在于，所述基于所述智能充电网络***，根据所述初始调度方案，判断电动汽车是否能成功行驶至下一充电区域，包括：
基于所述智能充电网络***，获取电动汽车下一站待经过的充电区域的行驶距离；
根据所述初始调度方案，确定电动汽车到达当前充电区域后的剩余续航量；
根据所述行驶距离、所述剩余续航量和预先设定的误差系数，确定电动汽车是否能成功行驶至下一充电区域；
若所述行驶距离小于所述剩余续航量和预先设定的误差系数的相乘值，则判定所述电动汽车能成功行驶至下一充电区域；
否则判定所述电动汽车不能成功行驶至下一充电区域。
8.根据权利要求5所述的一种基于智能充电网络***的电动汽车充电调度方法，其特征在于，所述基于所述智能充电网络***，生成预调度方案，包括：
基于所述智能充电网络***，确定预驶入的下一站充电桩序列、预到达的下一站充电桩时间、充电效率、到达下一站充电桩后的剩余续航量和下一站待充电量；
根据所述预驶入的下一站充电桩序列、预到达的下一站充电桩时间、充电效率、到达下一站充电桩后的剩余续航量和下一站待充电量，生成预调度方案。
9.根据权利要求5所述的一种基于智能充电网络***的电动汽车充电调度方法，其特征在于，所述基于所述预调度方案，根据所述第五判断结果，生成第二调度方案，包括：
若所述第五判断结果为否，将所述预调度方案作为第二调度方案；
若所述第五判断结果为是，生成所述预调度方案的新第一判断结果和新第二判断结果，并将所述预调度方案作为新初始调度方案，重复执行步骤S501-步骤S506，直至生成第二调度方案。
10.根据权利要求1所述的一种基于智能充电网络***的电动汽车充电调度方法，其特征在于，还包括：
若所述第二判断结果为是，基于智能充电网络***，获取电动汽车下一站待经过的充电区域的行驶距离；
根据电动汽车到达当前充电区域后的剩余续航量和预先设定的误差系数，计算电动汽车的实际能行驶路程；
若所述实际能行驶路程小于所述行驶距离，计算得到所述行驶距离与所述实际能行驶路程的差值，作为待补充路程；
根据所述待补充路程，确定电动汽车需补充充电量的最小电量；
获取所述电动汽车补充最小电量的充电量时所需花费时间，作为最小时长；
获取电动汽车从当前充电区域行驶到下一站充电区域的所需花费的平均时长；
根据所述最小时长、平均时长和当前时间，判断当电动汽车到达下一站充电区域时的时间段是否属于电价高峰时段，若属于，生成节省建议方案；
若不属于，延长所述最小时长，直至根据所述最小时长、平均时长和当前时间，判断当电动汽车到达下一站充电区域时的时间段不属于电价高峰时段时，生成节省建议方案；
同时，若在延长所述最小时长时，电动汽车对应的充电量满足预设需求，则不发送节省建议方案。
CN202211356441.6A 2022-11-01 2022-11-01 基于智能充电网络***的电动汽车充电调度方法 Active CN115663867B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211356441.6A CN115663867B (zh) 2022-11-01 2022-11-01 基于智能充电网络***的电动汽车充电调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211356441.6A CN115663867B (zh) 2022-11-01 2022-11-01 基于智能充电网络***的电动汽车充电调度方法

Publications (2)

Publication Number Publication Date
CN115663867A true CN115663867A (zh) 2023-01-31
CN115663867B CN115663867B (zh) 2023-09-26

Family

ID=84994442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211356441.6A Active CN115663867B (zh) 2022-11-01 2022-11-01 基于智能充电网络***的电动汽车充电调度方法

Country Status (1)

Country Link
CN (1) CN115663867B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116562602A (zh) * 2023-07-12 2023-08-08 国网安徽省电力有限公司经济技术研究院 电动汽车参与需求响应优化运行方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103683424A (zh) * 2013-12-17 2014-03-26 清华大学 基于动态分时电价的电动汽车充电站有序充电控制方法
CN107330564A (zh) * 2017-07-18 2017-11-07 国家电网公司 一种基于时空双尺度的电动汽车优化调度模型
US20170337646A1 (en) * 2016-05-19 2017-11-23 Hefei University Of Technology Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price
CN108879746A (zh) * 2018-06-28 2018-11-23 国电南瑞科技股份有限公司 基于多时间尺度需求响应的集中式混合储能协调控制方法
CN109034648A (zh) * 2018-08-13 2018-12-18 华南理工大学广州学院 一种电动汽车集群需求响应潜力评估方法
CN110210777A (zh) * 2019-06-11 2019-09-06 上海电力学院 一种含微电网和电动汽车充电站的配电网可靠性评估方法
CN110570050A (zh) * 2019-09-25 2019-12-13 国网浙江省电力有限公司经济技术研究院 一种计及路-网-车的电动汽车充电引导方法
CN110598904A (zh) * 2019-08-08 2019-12-20 华北电力大学 市场环境下考虑可再生能源消纳的车网能量交互优化方法
CN113162152A (zh) * 2019-05-31 2021-07-23 上海电享信息科技有限公司 一种充电桩智能充电方法及智能充电桩***

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103683424A (zh) * 2013-12-17 2014-03-26 清华大学 基于动态分时电价的电动汽车充电站有序充电控制方法
US20170337646A1 (en) * 2016-05-19 2017-11-23 Hefei University Of Technology Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price
CN107330564A (zh) * 2017-07-18 2017-11-07 国家电网公司 一种基于时空双尺度的电动汽车优化调度模型
CN108879746A (zh) * 2018-06-28 2018-11-23 国电南瑞科技股份有限公司 基于多时间尺度需求响应的集中式混合储能协调控制方法
CN109034648A (zh) * 2018-08-13 2018-12-18 华南理工大学广州学院 一种电动汽车集群需求响应潜力评估方法
CN113162152A (zh) * 2019-05-31 2021-07-23 上海电享信息科技有限公司 一种充电桩智能充电方法及智能充电桩***
CN110210777A (zh) * 2019-06-11 2019-09-06 上海电力学院 一种含微电网和电动汽车充电站的配电网可靠性评估方法
CN110598904A (zh) * 2019-08-08 2019-12-20 华北电力大学 市场环境下考虑可再生能源消纳的车网能量交互优化方法
CN110570050A (zh) * 2019-09-25 2019-12-13 国网浙江省电力有限公司经济技术研究院 一种计及路-网-车的电动汽车充电引导方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116562602A (zh) * 2023-07-12 2023-08-08 国网安徽省电力有限公司经济技术研究院 电动汽车参与需求响应优化运行方法
CN116562602B (zh) * 2023-07-12 2023-10-24 国网安徽省电力有限公司经济技术研究院 电动汽车参与需求响应优化运行方法

Also Published As

Publication number Publication date
CN115663867B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN108955711B (zh) 一种应用于电动汽车智能充放电的导航方法
CN110110993B (zh) 一种为电动汽车提供充电服务的调度***
WO2022242579A1 (zh) 兼容储能充电桩的电动运载工具电量路径规划方法
CN109934391B (zh) 一种纯电动公交车辆的智能调度方法
CN112193116B (zh) 一种考虑奖励机制的电动汽车充电优化引导策略
CN108390421B (zh) 计及用户满意度的电动汽车双尺度充电引导方法及***
Yuan et al. p^ 2charging: Proactive partial charging for electric taxi systems
EP2768693B1 (en) Method, system and charging station for charging electric vehicles
CN106207290A (zh) 一种基于多源数据的电动汽车充电辅助决策优化方法
CN109670674B (zh) 一种考虑交通网-配电网耦合的电动汽车时空分布充电调度方法
CN110053513A (zh) 用于电气化车辆的智能充电电池***和方法
EP3919318A1 (en) Intelligent charging method and system for electric vehicle on highway
CN115547052B (zh) 改进自适应大邻域算法的动态需求响应电动公交调度方法
CN109615268A (zh) 一种分时电价的公交充电经济调度方法及***
CN115100896B (zh) 一种考虑机会充电策略的电动需求响应公交调度方法
CN114723125B (zh) 一种结合深度学习和多任务优化的城际车订单分配方法
CN111598646A (zh) 一种带预定功能的电动出租车充电导航方法
CN112097783B (zh) 基于深度强化学习的电动出租车充电导航路径规划方法
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
CN114611993A (zh) 一种基于移动电池包的城乡电动公交车辆调度方法
CN115663867A (zh) 基于智能充电网络***的电动汽车充电调度方法
CN113077162A (zh) 面向实时需求的多车型定制公交区域调度方法
CN106096793A (zh) 基于拥塞感知的周期性优化的电动汽车充电决策方法
WO2024114141A1 (zh) 车辆充电的方法及电子设备
CN116720714B (zh) 一种电动车辆充电换电智能调度方法及装置

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