[發明專利]計及用戶滿意度的電動汽車雙尺度充電引導方法及系統有效
| 申請號: | 201810053647.9 | 申請日: | 2018-01-19 |
| 公開(公告)號: | CN108390421B | 公開(公告)日: | 2021-05-04 |
| 發明(設計)人: | 蔣怡靜;于艾清 | 申請(專利權)人: | 上海電力學院 |
| 主分類號: | H02J7/00 | 分類號: | H02J7/00;H02J3/32;B60L53/00 |
| 代理公司: | 上海科盛知識產權代理有限公司 31225 | 代理人: | 葉敏華 |
| 地址: | 200090 *** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 用戶 滿意 電動汽車 尺度 充電 引導 方法 系統 | ||
1.計及用戶滿意度的電動汽車雙尺度充電引導方法,其特征在于,包括以下步驟:
1)獲取某區域內電動汽車從當前到未來24小時的用電負荷曲線及具有充電需求時的荷電狀態信息、充電站信息、電價信息;
2)根據電動汽車用戶對開始接入充電時間的要求,將電動汽車劃分為集群A和集群B,并對屬于不同集群的電動汽車獲取充電開始時間范圍;
3)建立時間層電動汽車綜合最優充電引導模型,通過模型獲取最優目標函數,進一步獲取各電動汽車的最優充電開始時間和各時間段開始充電的電動汽車數量;
4)發布并確認各電動汽車的最優充電開始時間,若確認通過,則將電動汽車的充電負荷疊加至基礎負荷,執行步驟5),若確認未通過,則返回步驟2),重新選擇充電時間;
5)獲取充電站信息及該區域道路交通信息,根據電動汽車行駛情況更新電池荷電狀態,獲取偏差電量值;
6)確認是否忽略偏差電量值,若是,則電動汽車充電所需電量不變,執行步驟7),若不是,則對充電負荷進行修正后,執行步驟7);
7)結合充電站信息和用戶出行因素,以時間層電動汽車綜合最優充電引導模型獲取的各時間段開始充電的電動汽車數量作為約束條件,建立空間層電動汽車綜合最優充電引導模型,通過求解模型,選擇該區域內電動汽車的最優充電站;
所述的步驟2)中,集群A為立即充電集群,該集群為對充電費用不敏感或以充電便利性為主的電動汽車群體,該集群的電動汽車需將允許接入充電的開始時間范圍上傳,集群B為延時充電集群,該集群為接受延時充電的群體,該集群的電動汽車由用戶自主選擇充電開始時間范圍;
所述的步驟3)中,時間層電動汽車綜合最優充電引導模型的表達式為:
其中,F為時間層綜合最優目標函數,F1、F2、F3分別為負荷曲線峰谷差值、負荷波動和用戶充電費用滿意度,F1max、F2max、F3min分別為優化前負荷曲線對應的函數值;λ1、λ2、λ3分別為各目標函數對應的權系數,且滿足λ1+λ2+λ3=1;
所述的各目標函數包括:
目標函數1:負荷曲線峰谷差值F1最小
min F1=max Ptafter-min Ptafter
式中:為加上電動汽車負荷后在第t時段的總負荷;為t時段的常規負荷,即由日前負荷預測得的數據;Pi為電動汽車i的充電功率;Xi,t為第i輛電動汽車的充電狀態,其值為1時,表明該電動汽車在t時段處于充電狀態,其值為0時,表示該電動汽車在t時段未處于充電狀態;N為整個調度周期內進行引導的車輛總數;
目標函數2:負荷波動F2最小
式中:T為一個周期內的時間間隔數;
目標函數3:用戶充電費用滿意度F3最大
式中:Yi,t表示第i輛電動汽車在第t時段開始充電,由Xi,t計算得到;MFi,t為第i輛電動汽車在第t時段開始充電的充電費用滿意度;ρ為充電電價;θ為超時懲罰費用;Q、Q′分別為兩次上傳電動汽車信息計算得到的所需充電電量;Ci,t(ρ,Q)為該電動汽車忽略偏差電量計算得到的充電費用;ΔCi,t(ρ,θ,Q,Q′)為該電動汽車的額外費用,包括超時部分電量費用及懲罰費用;和分別為該電動汽車用戶在所期望充電開始時間范圍內可獲得的最大和最小充電費用;偏差電量越大,該滿意度的值越低,單個用戶充電滿意度最大為1;所述的最優目標函數、目標函數1、目標函數2、目標函數3滿足的約束條件為:
車輛總數約束:
N1+N2=N
其中,N為整個調度周期內進行引導的車輛總數;N1、N2分別為不同集群的電動汽車數量;
充電設備數量約束:
其中,NC為區域內充電設備總數;
充電開始時間約束:
其中,為充電開始時刻,為可以得到的最早的充電時間;充電開始時間約束表示集群A內的電動汽車,一有充電需求則立即尋找耗時最短充電站進行充電;集群B內的電動汽車的開始充電時間在選取范圍內,由用戶根據意愿自主選擇充電開始時間的上下限;
連續充電狀態約束:
其中,Gi為電動汽車所需充電間隔數;
功率約束:
其中,為區域內第t時段的功率上限值;
所述的步驟7)中,空間層電動汽車綜合最優充電引導模型的表達式為:
其中,FF為空間層綜合最優目標函數,FF1、FF2分別為充電設備利用率和用戶出行滿意度,FF1max、FF2min分別為優化前對應的函數值;μ1、μ2分別為各目標函數對應的權系數,且滿足μ1+μ2=1;
所述的各目標函數包括:
目標函數4:充電設備利用率FF1均衡
式中:Ut,i,k為在時段t開始充電的第i輛電動汽車是否選擇在第k個充電站充電;M(t)為在時段t開始充電的車輛總數;ck為第k個充電站充電設備數量,K為區域內充電站數量;
目標函數5:用戶出行滿意度FF2最大
式中:MCt,i,k為在t時段第i輛電動汽車選擇在第k個充電站充電的出行滿意度;為該電動汽車在充電站的排隊等待時間;為該用戶能承受的最大排隊等待時間,若等待時間超過該值,則該電動汽車放棄本次充電;該電動汽車路程行駛時間Tt,i,k(lt,i,k,vt,i)與路程距離lt,i,k和行駛速度vt,i有關,分別為該電動汽車在道路上消耗的最大和最小行駛時間,行駛時間最少且無排隊等待時間時,用戶出行滿意度最大;
所述的空間層綜合最優目標函數、目標函數4、目標函數5滿足的約束條件為:
電動汽車數量約束:
該約束表示每個時間段下開始充電的電動汽車數量為確定值,可由時間層電動汽車綜合最優充電引導模型求解結果所得到;
電動汽車行駛時間約束:
該約束表示未充電情況下的電動汽車可行駛最大時間大于等于其前往充電站的行駛時間;
電動汽車充電站選擇約束:
該約束表示在每個時間段下進行充電的每一輛電動汽車只能選擇一座充電站。
2.一種實現如權利要求1所述的計及用戶滿意度的電動汽車雙尺度充電引導方法的電動汽車雙尺度充電引導系統,其特征在于,該系統包括:
云平臺,用于獲取電網、充電站、道路交通、電動汽車信息,并對電動汽車充電行為進行引導調度;
車聯網,與云平臺無線連接,用于采集電動汽車狀態信息及道路交通信息,并與云平臺實現信息交互,所述的車聯網包括電動汽車和交通網;
智能電網,與云平臺無線連接,用于預測電動汽車從當前到未來24小時的用電負荷曲線及具有充電需求時的荷電狀態信息,并與云平臺實現信息交互;
樁聯網,與云平臺連接,用于為電動汽車提供充電功能,并獲取投入使用充電設備數量及地理位置信息,所述的樁聯網包括多個充電站;
無線通信平臺,用于為云平臺、車聯網、智能電網、樁聯網提供無線通信網絡。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海電力學院,未經上海電力學院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810053647.9/1.html,轉載請聲明來源鉆瓜專利網。





