CN115775032A - 一种综合排队理论和外部成本的电动汽车充电预约方法 - Google Patents

一种综合排队理论和外部成本的电动汽车充电预约方法 Download PDF

Info

Publication number
CN115775032A
CN115775032A CN202310107844.5A CN202310107844A CN115775032A CN 115775032 A CN115775032 A CN 115775032A CN 202310107844 A CN202310107844 A CN 202310107844A CN 115775032 A CN115775032 A CN 115775032A
Authority
CN
China
Prior art keywords
charging
time
user
optimal
queuing
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.)
Pending
Application number
CN202310107844.5A
Other languages
English (en)
Inventor
陈启鑫
吕睿可
顾宇轩
郭鸿业
郑可迪
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.)
Tsinghua University
Original Assignee
Tsinghua 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 Tsinghua University filed Critical Tsinghua University
Priority to CN202310107844.5A priority Critical patent/CN115775032A/zh
Publication of CN115775032A publication Critical patent/CN115775032A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种综合排队理论和外部成本的电动汽车充电预约方法，包括，通过充电权平台根据用户的充电需求查询充电***中未来各时段的平均排队时间和充电权价格；根据平均排队时间和充电权价格通过计算各个时段的充电费用和时间成本；根据各个时段的充电费用和时间成本从充电权平台购买充电***中最优充电时段和最优区域的充电权；根据最优充电时段和最优区域为用户规划充电路径，使用购买的充电权为用户预约对应充电站的充电桩，并在用户实际到达并验证预约信息后进行充电。本方法通过考虑将充电站实时排队状态共享给用户带来的对稳态排队时间的影响，能够提高充电***排队时间估计准确度，有效降低高峰时段的平均排队时间。

Description

一种综合排队理论和外部成本的电动汽车充电预约方法
技术领域
本发明属于电动汽车充电管理技术领域。
背景技术
近年来，随着电动汽车数量的快速增加，充电需求持续增长，充电站排队问题也越来越突出，电动汽车充电管理面临新的挑战。电动汽车充电对于电网的负荷容量、电能质量和经济性等方面的影响是传统的电动汽车充电管理关注的重点，但在电动汽车快充场景中，充电等待时间对用户舒适度的影响更大。典型的快充等待时间可达几十分钟，而电动汽车无序充电及其导致的长时间的排队会严重影响电动汽车用户的体验，甚至影响其后续的日程安排。特别是在充电桩数量有限的场景中，充电排队问题更为突出，因此需要在快充等场景的充电管理中，分析充电排队时间及其影响因素并设计合理的管理方法。
目前，电动汽车充电排队时间估计技术可以分为实时模型和交通流模型两类。美国爱荷华州立大学的学者们提出了基于实时模型的电动汽车充电排队管理方法。实时模型利用最新的充电站的实时排队情况和预约信息估计用户选择不同充电站的对应排队时间，排队时间估计精度更高，但无法做到对排队时间的提前估计，而且缺乏解析化的公式描述排队时间与其影响因素的关系。与实时模型不同的思路是清华大学的研究人员由排队模型修改得到的交通流模型。交通流模型可以利用充电站服务强度等参数估计排队时间，并在此基础上分析交通和电力***耦合的稳态均衡，但没能利用充电站实时排队状态来进一步减少排队时间。
充电站内电动汽车的实时充电状态可以为充电管理提供有用的信息。目前已经有一些基于网页或者智能手机的应用程序能够为用户提供这样的实时信息，这些应用程序可以辅助用户进行充电路径规划，使得实时模型的假设成为实际。另一方面，用户如果能够提前安排充电计划并进行充电预约，将有助于其他用户提前发现可能的排队并避开充电高峰时段；另一方面，高峰时段的充电桩资源紧张，需要合理的定价方法以实现充电资源的优化配置。因此，单用现有的充电排队时间的实时模型或者交通流模型，无法同时做到有效利用充电站的充电状态以及提前估计排队时间，难以有效降低充电***的排队成本。
综上所述，需要在利用充电站实时排队状态的基础上，结合历史数据和电动汽车用户预约信息，提出基于排队理论的充电排队时间估计算法，进而提升充电***排队时间的估计精度，并进一步指导充电定价、以合理的定价方式引导有限充电资源的合理分配。与本发明相关的技术背景包括：
1）排队时间估计技术：根据排队理论，可以基于用户的到达时间分布和服务（充电）所需时间的分布，结合服务***（充电***）的运行参数，对平均排队时间进行估计。不失一般性，考虑一个GI/G/c排队***，G代表一般分布，GI代表一般独立分布，c为服务窗口（充电桩）数量，则该排队***在稳态下的平均排队时间可以估计为：
Figure SMS_1
式中，
Figure SMS_2
为服务窗口数量，
Figure SMS_3
，
Figure SMS_4
，
Figure SMS_5
分别代表排队***的服务强度，到达率，平均服务时间；
Figure SMS_6
分别代表排队***到达时间间隔和服务时间的相对方差。
2）充电决策模拟技术：电动汽车用户的充电决策受偏好充电时段、充电需求、排队时间、充电时间、路程行驶时间等因素影响，该决策过程可以用下式模拟：
Figure SMS_7
式中，
Figure SMS_9
为最优充电时段，
Figure SMS_11
为用户效用函数，
Figure SMS_13
为用户的充电所需电量，
Figure SMS_10
为用户偏好的充电时段，
Figure SMS_12
,
Figure SMS_14
分别为时段
Figure SMS_15
的充电价格和平均排队时间；上式中，用户效用函数
Figure SMS_8
可以线性化为：
Figure SMS_16
式中，
Figure SMS_17
为用户排队的成本因子，
Figure SMS_18
,
Figure SMS_19
分别为用户提前和延后出发的成本因子。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的目的在于提出一种综合排队理论和外部成本的电动汽车充电预约方法，用于解决电动汽车充电管理中未有效利用充电站实时充电状态造成的排队时间估计准确率低、排队时间长的问题。
为达上述目的，本发明第一方面实施例提出了一种综合排队理论和外部成本的电动汽车充电预约方法，包括：
通过充电权平台根据用户的充电需求查询充电***中未来各时段的平均排队时间和充电权价格；
根据所述平均排队时间和充电权价格通过计算各个时段的充电费用和时间成本；根据所述各个时段的充电费用和时间成本从所述充电权平台购买充电***中最优充电时段和最优区域的充电权；
根据所述最优充电时段和最优区域为所述用户规划充电路径，使用购买的充电权为所述用户预约对应充电站的充电桩，并在所述用户实际到达并验证预约信息后进行充电。
另外，根据本发明上述实施例的一种综合排队理论和外部成本的电动汽车充电预约方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述根据所述平均排队时间和充电权价格通过计算各个时段的充电费用和时间成本，根据所述各个时段的充电费用和时间成本从所述充电权平台购买充电***中最优充电时段和最优区域的充电权，包括：
定义
Figure SMS_20
为用户的充电所需电量，
Figure SMS_21
为用户偏好的充电时段，用户选择时段
Figure SMS_22
进行充电的效用
Figure SMS_23
根据下式计算：
Figure SMS_24
，
式中，
Figure SMS_25
,
Figure SMS_26
分别为时段
Figure SMS_27
的充电权价格和平均排队时间，
Figure SMS_28
为用户排队的成本因子，
Figure SMS_29
,
Figure SMS_30
分别为用户提前和延后出发的成本因子；
Figure SMS_31
由用户的行程所经区域中平均排队时间最小者给出；用
Figure SMS_32
代表用户可能经过的任意一个区域，则
Figure SMS_33
根据下式计算：
Figure SMS_34
。
进一步地，在本发明的一个实施例中，根据所述各个时段的充电费用和时间成本从所述充电权平台购买充电***中最优充电时段和最优区域的充电权，包括：
为用户选择进行充电的最优时段和最优区域；最优充电时段
Figure SMS_35
和最优充电区域
Figure SMS_36
选择表示如下：
Figure SMS_37
。
进一步地，在本发明的一个实施例中，还包括：
若用户从所述充电权平台生成充电权并购买，则根据排队理论，给定时段
Figure SMS_38
、给定区域
Figure SMS_39
的平均排队时间
Figure SMS_40
根据下式计算：
Figure SMS_41
，
式中，各参数均省去下标
Figure SMS_42
；
Figure SMS_43
为充电***中区域
Figure SMS_44
的充电桩数量，
Figure SMS_45
，
Figure SMS_46
，
Figure SMS_47
分别服务强度，到达率，平均充电时间；
Figure SMS_48
分别代表电动汽车到达充电站的时间间隔和充电时间的相对方差；式中参数均由所述充电权平台的历史信息和预约信息统计得到并自动更新；
若用户从所述充电权平台生成给定时段、给定区域的充电权，则根据排队理论和外部成本理论，对应时段的充电权价格
Figure SMS_49
根据下式计算：
Figure SMS_50
，
式中，
Figure SMS_51
为充电桩标准充电功率。
进一步地，在本发明的一个实施例中，在根据所述各个时段的充电费用和时间成本从所述充电权平台购买充电***中最优充电时段和最优区域的充电权之后，还包括：
根据充电权购买情况更新所述充电权平中对应时段和区域的平均排队时间和充电权价格；其中购买的充电权可以在所述充电权平台上挂牌。
进一步地，在本发明的一个实施例中，所述根据所述最优充电时段和最优区域为所述用户规划充电路径，使用购买的充电权为所述用户预约对应充电站的充电桩，并在所述用户实际到达并验证预约信息后进行充电，包括：
定义
Figure SMS_52
为用户从出发地离开的时间，
Figure SMS_53
为用户从出发地到充电站
Figure SMS_54
的行驶时间，则用户到达充电站
Figure SMS_55
的时间
Figure SMS_56
可以表示为：
Figure SMS_57
，
用户到达充电站后，设
Figure SMS_58
为充电站出现空闲充电桩的时间，则用户排队等待的时间为：
Figure SMS_59
；
为用户选择进行充电的最优充电站和充电路径；用户选择最优充电站
Figure SMS_60
使得整个充电路径时间花费最小，该决策可以表示为：
Figure SMS_61
，
式中，
Figure SMS_62
为用户开始充电到充电完成所需的时间，
Figure SMS_63
为用户从充电站行驶到目的地所需的时间；
使用充电权为用户在所选择的充电站预约充电桩，并在用户实际到达后进行充电；定义
Figure SMS_64
为充电站内待充电电动汽车数量，
Figure SMS_65
为第
Figure SMS_66
辆车预计完成充电的时间，用户选择充电站并预约后，按时间先后顺序更新充电站的充电完成时间队列
Figure SMS_67
；则该充电站出现空闲充电桩的时间表示为：
Figure SMS_68
。
进一步地，在本发明的一个实施例中，还包括：
分别在使用购买的充电权为所述用户预约对应充电站的充电桩以及在所述用户实际到达并验证预约信息后进行充电之后，更新充电权平中所述充电站的排队状态。
为达上述目的，本发明第二方面实施例提出了一种综合排队理论和外部成本的电动汽车充电预约装置，包括以下模块：
查询模块，用于通过充电权平台根据用户的充电需求查询充电***中未来各时段的平均排队时间和充电权价格；
购买模块，用于根据所述平均排队时间和充电权价格通过计算各个时段的充电费用和时间成本；根据所述各个时段的充电费用和时间成本从所述充电权平台购买充电***中最优充电时段和最优区域的充电权；
预约模块，用于根据所述最优充电时段和最优区域为所述用户规划充电路径，使用购买的充电权为所述用户预约对应充电站的充电桩，并在所述用户实际到达并验证预约信息后进行充电。
为达上述目的，本发明第三方面实施例提出了一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的一种综合排队理论和外部成本的电动汽车充电预约方法。
为达上述目的，本发明第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的一种综合排队理论和外部成本的电动汽车充电预约方法。
本发明实施例提出的综合排队理论和外部成本的电动汽车充电预约方法，通过考虑将充电站实时排队状态共享给用户带来的对稳态排队时间的影响，提出基于排队理论的充电排队时间估计算法，结合历史数据和电动汽车用户预约信息，提升充电***排队时间的估计精度；进一步用排队时间模型指导充电定价，以合理的定价方式引导有限充电资源的合理分配，能够有效降低高峰时段的平均排队时间，有利于提高充电运营商的效益，改善电动汽车用户的驾驶体验。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例所提供的一种综合排队理论和外部成本的电动汽车充电预约方法的流程示意图。
图2为本发明实施例所提供的综合排队理论和外部成本定价的电动汽车充电预约方法的流程图。
图3为本发明实施例所提供的一种综合排队理论和外部成本的电动汽车充电预约装置的流程示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的综合排队理论和外部成本的电动汽车充电预约方法。
图1为本发明实施例所提供的一种综合排队理论和外部成本的电动汽车充电预约方法的流程示意图。
如图1所示，该综合排队理论和外部成本的电动汽车充电预约方法包括以下步骤：
S101：通过充电权平台根据用户的充电需求查询充电***中未来各时段的平均排队时间和充电权价格；
S102：根据平均排队时间和充电权价格通过计算各个时段的充电费用和时间成本；根据各个时段的充电费用和时间成本从充电权平台购买充电***中最优充电时段和最优区域的充电权；
S103：根据最优充电时段和最优区域为用户规划充电路径，使用购买的充电权为用户预约对应充电站的充电桩，并在用户实际到达并验证预约信息后进行充电。
本发明的综合排队理论和外部成本的电动汽车充电预约方法，称电动汽车用户（以下简称“用户”）与之交互的预约平台为“充电权平台”；定义于特定时段在充电***中充电的权利为“充电权”；定义用户从到达充电站到开始充电的时间为“排队时间”；定义充电***内所有用户的期望排队时间为“平均排队时间”。
在充电之前，充电权平台为电动汽车用户选择最优充电时段。用户通过充电权平台查询充电***中未来各时段的平均排队时间和充电权价格，其中平均排队时间和充电权价格根据历史数据和用户的购买情况而动态更新；基于用户输入的充电需求，计算用户选择不同时段的充电费用和时间成本，为用户选择进行充电的最优时段；
进一步地，在本发明的一个实施例中，根据平均排队时间和充电权价格通过计算各个时段的充电费用和时间成本，根据各个时段的充电费用和时间成本从充电权平台购买充电***中最优充电时段和最优区域的充电权，包括：
定义
Figure SMS_69
为用户的充电所需电量，
Figure SMS_70
为用户偏好的充电时段，用户选择时段
Figure SMS_71
进行充电的效用
Figure SMS_72
根据下式计算：
Figure SMS_73
，
式中，
Figure SMS_74
,
Figure SMS_75
分别为时段
Figure SMS_76
的充电权价格和平均排队时间，
Figure SMS_77
为用户排队的成本因子，
Figure SMS_78
,
Figure SMS_79
分别为用户提前和延后出发的成本因子；
Figure SMS_80
由用户的行程所经区域中平均排队时间最小者给出；用
Figure SMS_81
代表用户可能经过的任意一个区域，则
Figure SMS_82
根据下式计算：
Figure SMS_83
。
进一步地，在本发明的一个实施例中，根据所述各个时段的充电费用和时间成本从所述充电权平台购买充电***中最优充电时段和最优区域的充电权，包括：
为用户选择进行充电的最优时段和最优区域；最优充电时段
Figure SMS_84
和最优充电区域
Figure SMS_85
选择表示如下：
Figure SMS_86
。
用户在充电权平台购买所选择的最优充电时段的充电权。该充电权为用户从充电权平台生成并购买所选择进行的充电时段的充电权或者从其他用户购买，根据充电权购买情况更新对应时段的平均排队时间和充电权价格；在实际使用充电权进行充电之前，用户可以为其所拥有的充电权设定一个价格并在充电权平台上挂牌，挂牌后的充电权可以被其他用户查询到并购买。
进一步地，在本发明的一个实施例中，还包括：
若用户从所述充电权平台生成充电权并购买，则根据排队理论，给定时段
Figure SMS_87
、给定区域
Figure SMS_88
的平均排队时间
Figure SMS_89
根据下式计算：
Figure SMS_90
，
式中，各参数均省去下标
Figure SMS_91
；
Figure SMS_92
为充电***中区域
Figure SMS_93
的充电桩数量，
Figure SMS_94
，
Figure SMS_95
，
Figure SMS_96
分别服务强度，到达率，平均充电时间；
Figure SMS_97
分别代表电动汽车到达充电站的时间间隔和充电时间的相对方差；式中参数均由所述充电权平台的历史信息和预约信息统计得到并自动更新；
若用户从所述充电权平台生成给定时段、给定区域的充电权，则根据排队理论和外部成本理论，对应时段的充电权价格
Figure SMS_98
根据下式计算：
Figure SMS_99
，
式中，
Figure SMS_100
为充电桩标准充电功率。
进一步地，在本发明的一个实施例中，在根据各个时段的充电费用和时间成本从充电权平台购买充电***中最优充电时段和最优区域的充电权之后，还包括：
根据充电权购买情况更新所述充电权平中对应时段和区域的平均排队时间和充电权价格；其中购买的充电权可以在所述充电权平台上挂牌。
实际使用充电权时，充电权平台为用户规划充电路径并选择最优充电站。在充电权指定的使用时段内，利用用户输入的出发地和目的地信息，计算用户选择不同充电站的行驶时间、排队时间和充电时间，为用户选择进行充电的最优充电站和充电路径；使用充电权为用户预约对应充电站的充电桩，并在用户实际到达并验证预约信息后进行充电。
进一步地，在本发明的一个实施例中，根据最优充电时段和最优区域为用户规划充电路径，使用购买的充电权为用户预约对应充电站的充电桩，并在用户实际到达并验证预约信息后进行充电，包括：
定义
Figure SMS_101
为用户从出发地离开的时间，
Figure SMS_102
为用户从出发地到充电站
Figure SMS_103
的行驶时间，则用户到达充电站
Figure SMS_104
的时间
Figure SMS_105
可以表示为：
Figure SMS_106
，
用户到达充电站后，设
Figure SMS_107
为充电站出现空闲充电桩的时间，则用户排队等待的时间为：
Figure SMS_108
；
为用户选择进行充电的最优充电站和充电路径；用户选择最优充电站
Figure SMS_109
使得整个充电路径时间花费最小，该决策可以表示为：
Figure SMS_110
，
式中，
Figure SMS_111
为用户开始充电到充电完成所需的时间，
Figure SMS_112
为用户从充电站行驶到目的地所需的时间；
使用充电权为用户在所选择的充电站预约充电桩，并在用户实际到达后进行充电；定义
Figure SMS_113
为充电站内待充电电动汽车数量，
Figure SMS_114
为第
Figure SMS_115
辆车预计完成充电的时间，用户选择充电站并预约后，按时间先后顺序更新充电站的充电完成时间队列
Figure SMS_116
；则该充电站出现空闲充电桩的时间表示为：
Figure SMS_117
。
进一步地，在本发明的一个实施例中，还包括：
分别在使用购买的充电权为用户预约对应充电站的充电桩以及在用户实际到达并验证预约信息后进行充电之后，更新充电权平中充电站的排队状态。
本发明在现有的排队时间估计的实时模型和交通流模型的基础上，开发了利用充电站实时排队状态的稳态排队时间估计方法，结合历史数据和电动汽车用户预约信息，提出基于排队理论的充电排队时间估计算法，进而提升充电***排队时间的估计精度；用更精确的排队时间模型进一步指导充电定价、以合理的定价方式引导有限充电资源的合理分配。应用本方法，能提高充电***排队时间估计精度，有效降低高峰时段的平均排队时间，有利于提高充电运营商的效益，改善电动汽车用户的驾驶体验，因而具有重要的现实意义和良好的应用前景。
以上为完整的综合排队理论和外部成本的电动汽车充电预约方法流程，图2为本发明的技术路线示意图。
为了实现上述实施例，本发明还提出综合排队理论和外部成本的电动汽车充电预约装置。
图3为本发明实施例提供的一种综合排队理论和外部成本的电动汽车充电预约装置的结构示意图。
如图3所示，该综合排队理论和外部成本的电动汽车充电预约装置包括：查询模块100，购买模块200，预约模块300，其中，
查询模块，用于通过充电权平台根据用户的充电需求查询充电***中未来各时段的平均排队时间和充电权价格；
购买模块，用于根据平均排队时间和充电权价格通过计算各个时段的充电费用和时间成本；根据各个时段的充电费用和时间成本从充电权平台购买充电***中最优充电时段和最优区域的充电权；
预约模块，用于根据最优充电时段和最优区域为用户规划充电路径，使用购买的充电权为用户预约对应充电站的充电桩，并在用户实际到达并验证预约信息后进行充电。
为达上述目的，本发明第三方面实施例提出了一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的综合排队理论和外部成本的电动汽车充电预约方法。
为达上述目的，本发明第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的综合排队理论和外部成本的电动汽车充电预约方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
尽管上面已经示出和描述了本发明的实施例，可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种综合排队理论和外部成本的电动汽车充电预约方法，其特征在于，包括以下步骤：
通过充电权平台根据用户的充电需求查询充电***中未来各时段的平均排队时间和充电权价格；
根据所述平均排队时间和充电权价格通过计算各个时段的充电费用和时间成本；根据所述各个时段的充电费用和时间成本从所述充电权平台购买充电***中最优充电时段和最优区域的充电权；
根据所述最优充电时段和最优区域为所述用户规划充电路径，使用购买的充电权为所述用户预约对应充电站的充电桩，并在所述用户实际到达并验证预约信息后进行充电。
2.根据权利要求1所述的方法，其特征在于，所述根据所述平均排队时间和充电权价格通过计算各个时段的充电费用和时间成本，根据所述各个时段的充电费用和时间成本从所述充电权平台购买充电***中最优充电时段和最优区域的充电权，包括：
定义
Figure QLYQS_1
为用户的充电所需电量，
Figure QLYQS_2
为用户偏好的充电时段，用户选择时段
Figure QLYQS_3
进行充电的效用
Figure QLYQS_4
根据下式计算：
Figure QLYQS_5
，
式中，
Figure QLYQS_6
,
Figure QLYQS_7
分别为时段
Figure QLYQS_8
的充电权价格和平均排队时间，
Figure QLYQS_9
为用户排队的成本因子，
Figure QLYQS_10
,
Figure QLYQS_11
分别为用户提前和延后出发的成本因子；
Figure QLYQS_12
由用户的行程所经区域中平均排队时间最小者给出；用
Figure QLYQS_13
代表用户可能经过的任意一个区域，则
Figure QLYQS_14
根据下式计算：
Figure QLYQS_15
。
3.根据权利要求3所述的方法，其特征在于，根据所述各个时段的充电费用和时间成本从所述充电权平台购买充电***中最优充电时段和最优区域的充电权，包括：
为用户选择进行充电的最优时段和最优区域；最优充电时段
Figure QLYQS_16
和最优充电区域
Figure QLYQS_17
选择表示如下：
Figure QLYQS_18
。
4.根据权利要求3所述的方法，其特征在于，还包括：
若用户从所述充电权平台生成充电权并购买，则根据排队理论，给定时段
Figure QLYQS_19
、给定区域
Figure QLYQS_20
的平均排队时间
Figure QLYQS_21
根据下式计算：
Figure QLYQS_22
，
式中，各参数均省去下标
Figure QLYQS_23
；
Figure QLYQS_24
为充电***中区域
Figure QLYQS_25
的充电桩数量，
Figure QLYQS_26
，
Figure QLYQS_27
，
Figure QLYQS_28
分别服务强度，到达率，平均充电时间；
Figure QLYQS_29
分别代表电动汽车到达充电站的时间间隔和充电时间的相对方差；式中参数均由所述充电权平台的历史信息和预约信息统计得到并自动更新；
若用户从所述充电权平台生成给定时段、给定区域的充电权，则根据排队理论和外部成本理论，对应时段的充电权价格
Figure QLYQS_30
根据下式计算：
Figure QLYQS_31
，
式中，
Figure QLYQS_32
为充电桩标准充电功率。
5.根据权利要求1或3所述的方法，其特征在于，在根据所述各个时段的充电费用和时间成本从所述充电权平台购买充电***中最优充电时段和最优区域的充电权之后，还包括：
根据充电权购买情况更新所述充电权平中对应时段和区域的平均排队时间和充电权价格；其中购买的充电权可以在所述充电权平台上挂牌。
6.根据权利要求1所述的方法，其特征在于，所述根据所述最优充电时段和最优区域为所述用户规划充电路径，使用购买的充电权为所述用户预约对应充电站的充电桩，并在所述用户实际到达并验证预约信息后进行充电，包括：
定义
Figure QLYQS_33
为用户从出发地离开的时间，
Figure QLYQS_34
为用户从出发地到充电站
Figure QLYQS_35
的行驶时间，则用户到达充电站
Figure QLYQS_36
的时间
Figure QLYQS_37
可以表示为：
Figure QLYQS_38
，
用户到达充电站后，设
Figure QLYQS_39
为充电站出现空闲充电桩的时间，则用户排队等待的时间为：
Figure QLYQS_40
；
为用户选择进行充电的最优充电站和充电路径；用户选择最优充电站
Figure QLYQS_41
使得整个充电路径时间花费最小，该决策可以表示为：
Figure QLYQS_42
，
式中，
Figure QLYQS_43
为用户开始充电到充电完成所需的时间，
Figure QLYQS_44
为用户从充电站行驶到目的地所需的时间；
使用充电权为用户在所选择的充电站预约充电桩，并在用户实际到达后进行充电；定义
Figure QLYQS_45
为充电站内待充电电动汽车数量，
Figure QLYQS_46
为第
Figure QLYQS_47
辆车预计完成充电的时间，用户选择充电站并预约后，按时间先后顺序更新充电站的充电完成时间队列
Figure QLYQS_48
；则该充电站出现空闲充电桩的时间表示为：
Figure QLYQS_49
。
7.根据权利要求1或6所述的方法，其特征在于，还包括：
分别在使用购买的充电权为所述用户预约对应充电站的充电桩以及在所述用户实际到达并验证预约信息后进行充电之后，更新充电权平中所述充电站的排队状态。
8.一种综合排队理论和外部成本的电动汽车充电预约装置，其特征在于，包括以下模块：
查询模块，用于通过充电权平台根据用户的充电需求查询充电***中未来各时段的平均排队时间和充电权价格；
购买模块，用于根据所述平均排队时间和充电权价格通过计算各个时段的充电费用和时间成本；根据所述各个时段的充电费用和时间成本从所述充电权平台购买充电***中最优充电时段和最优区域的充电权；
预约模块，用于根据所述最优充电时段和最优区域为所述用户规划充电路径，使用购买的充电权为所述用户预约对应充电站的充电桩，并在所述用户实际到达并验证预约信息后进行充电。
9.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-7中任一所述的综合排队理论和外部成本的电动汽车充电预约方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任意一项所述的综合排队理论和外部成本的电动汽车充电预约方法。
CN202310107844.5A 2023-02-14 2023-02-14 一种综合排队理论和外部成本的电动汽车充电预约方法 Pending CN115775032A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310107844.5A CN115775032A (zh) 2023-02-14 2023-02-14 一种综合排队理论和外部成本的电动汽车充电预约方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310107844.5A CN115775032A (zh) 2023-02-14 2023-02-14 一种综合排队理论和外部成本的电动汽车充电预约方法

Publications (1)

Publication Number Publication Date
CN115775032A true CN115775032A (zh) 2023-03-10

Family

ID=85393687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310107844.5A Pending CN115775032A (zh) 2023-02-14 2023-02-14 一种综合排队理论和外部成本的电动汽车充电预约方法

Country Status (1)

Country Link
CN (1) CN115775032A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117076761A (zh) * 2023-06-08 2023-11-17 飞哥立桩(北京)新能源科技有限公司 一种新能源汽车充电桩智能管理方法和***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160588A (zh) * 2019-12-04 2020-05-15 国网电动汽车服务有限公司 一种预约充电服务方法及***
CN114118547A (zh) * 2021-11-15 2022-03-01 北京联行网络科技有限公司 电动车公共充电站排队等待时间估算方法及***
CN115689203A (zh) * 2022-11-01 2023-02-03 三峡大学 一种基于电动汽车时空分布充电站的运行方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160588A (zh) * 2019-12-04 2020-05-15 国网电动汽车服务有限公司 一种预约充电服务方法及***
CN114118547A (zh) * 2021-11-15 2022-03-01 北京联行网络科技有限公司 电动车公共充电站排队等待时间估算方法及***
CN115689203A (zh) * 2022-11-01 2023-02-03 三峡大学 一种基于电动汽车时空分布充电站的运行方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117076761A (zh) * 2023-06-08 2023-11-17 飞哥立桩(北京)新能源科技有限公司 一种新能源汽车充电桩智能管理方法和***
CN117076761B (zh) * 2023-06-08 2024-03-26 飞哥立桩(北京)新能源科技有限公司 一种新能源汽车充电桩智能管理方法和***

Similar Documents

Publication Publication Date Title
Qin et al. Charging scheduling with minimal waiting in a network of electric vehicles and charging stations
Rogge et al. Electric bus fleet size and mix problem with optimization of charging infrastructure
US11087422B2 (en) Method and device for determining a configuration for deployment of a public transportation system
Brandstätter et al. Overview of optimization problems in electric car-sharing system design and management
CN109177802B (zh) 一种基于无线通信的电动汽车有序充电***及其方法
EP3702202B1 (en) Method and system to optimize distributed charging station efficiency and user experience
Alizadeh et al. Optimized path planning for electric vehicle routing and charging
Momber et al. Plug-in electric vehicle interactions with a small office building: An economic analysis using DER-CAM
US20130035812A1 (en) Battery charging system and method
Masuch et al. Wind power-aware vehicle-to-grid algorithms for sustainable EV energy management systems
US10328811B2 (en) Self-managing charging poles
CN104864883A (zh) 基于云平台的电动汽车路径规划方法
RU2014137174A (ru) Распределенный интеллект электрического транспортного средства
CN109063899A (zh) 车辆运输规划方法及装置、电子设备及可读存储介质
WO2020255507A1 (ja) 配車管理方法、及び配車管理装置
JP2021536725A (ja) 電気自動車送電網管理システムおよび方法
CN111055716B (zh) 确定充电策略的方法及装置、存储介质与处理器
CN115775032A (zh) 一种综合排队理论和外部成本的电动汽车充电预约方法
CN112498164A (zh) 充电策略的处理方法和装置
Afshar et al. Mobile charging stations for EV charging management in urban areas: A case study in Chattanooga
Jin et al. Charging guiding strategy for electric taxis based on consortium blockchain
JP2021002940A (ja) エネルギマネージメント方法、及びエネルギマネージメント装置
Hu et al. Optimal charging schedule of an electric vehicle fleet
CN105592160B (zh) 一种云计算环境下面向服务消费者的资源配置方法
Bansal et al. Performance evaluation and optimization of design parameters for electric vehicle-sharing platforms by considering vehicle dynamics

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