[發(fā)明專利]基于泛在感知技術(shù)的電動(dòng)汽車充電實(shí)時(shí)定價(jià)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910330567.8
• 申請(qǐng)日: 2019-04-23
• 公開（公告）號(hào): CN110175865A
• 公開（公告）日: 2019-08-27
• 發(fā)明（設(shè)計(jì)）人: 張文杰;劉飛;劉海峰;王友旭;石勇;顧然;徐淦榮;王德康
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)浙江省電力有限公司湖州供電公司;國(guó)網(wǎng)電力科學(xué)研究院武漢南瑞有限責(zé)任公司;湖州電力設(shè)計(jì)院有限公司
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G06Q50/06;G06K9/62
• 代理公司: 武漢天力專利事務(wù)所 42208
• 代理人: 吳曉穎

1.基于泛在感知技術(shù)的電動(dòng)汽車充電實(shí)時(shí)定價(jià)方法，其特征在于該方法包括以下步驟：

(1)實(shí)時(shí)采集行駛狀態(tài)數(shù)據(jù)形成聚類樣本點(diǎn)集合

基于泛在電力物聯(lián)網(wǎng)技術(shù)應(yīng)用實(shí)時(shí)采集電動(dòng)汽車的行駛狀態(tài)數(shù)據(jù)，包括地理位置及荷電狀態(tài)，形成聚類樣本點(diǎn)集合；

(2)聚類分析確定電動(dòng)汽車實(shí)時(shí)充電需求

采用CFSFDP聚類算法對(duì)樣本點(diǎn)進(jìn)行聚類群簇劃分，根據(jù)聚類中心與充電站的距離確定群簇與充電站的歸屬關(guān)系，計(jì)算各個(gè)充電站的實(shí)時(shí)充電需求；

(3)分析充電需求對(duì)配電網(wǎng)實(shí)時(shí)運(yùn)行狀態(tài)的影響

將各個(gè)充電站的實(shí)時(shí)充電需求接入配電網(wǎng)，基于實(shí)時(shí)電網(wǎng)運(yùn)行狀態(tài)信息，采用前推回代算法計(jì)算電動(dòng)汽車接入配電網(wǎng)后的潮流分布，得到各接入點(diǎn)的節(jié)點(diǎn)電壓；

(4)實(shí)時(shí)調(diào)整充電電價(jià)

判斷電動(dòng)汽車接入后節(jié)點(diǎn)電壓是否滿足網(wǎng)架約束條件，從而實(shí)時(shí)調(diào)整充電電價(jià)；

(5)在下一時(shí)刻采集各電動(dòng)汽車實(shí)時(shí)行駛狀態(tài)數(shù)據(jù)以及實(shí)時(shí)電網(wǎng)運(yùn)行狀態(tài)數(shù)據(jù)并重復(fù)上述步驟(1)～(4)，實(shí)現(xiàn)電動(dòng)汽車在任一時(shí)刻的充電實(shí)時(shí)定價(jià)。

2.根據(jù)權(quán)利要求1所述的基于泛在感知技術(shù)的電動(dòng)汽車充電實(shí)時(shí)定價(jià)方法，其特征在于所述“實(shí)時(shí)采集行駛狀態(tài)數(shù)據(jù)形成聚類樣本點(diǎn)集合”包括：

基于泛在電力物聯(lián)網(wǎng)技術(shù)應(yīng)用，實(shí)時(shí)采集t時(shí)刻研究區(qū)域內(nèi)各輛電動(dòng)汽車的地理坐標(biāo)(x_tn，y_tn)和荷電狀態(tài)SOC_tn數(shù)據(jù)，n為正整數(shù)，代表第n輛電動(dòng)汽車，荷電狀態(tài)SOC代表的是電池的剩余容量與其額定容量的比值，取值范圍為0～1，該指標(biāo)代表電動(dòng)汽車剩余電量的富余情況，直接反映電動(dòng)汽車用戶對(duì)充電的需求程度，通過收集t時(shí)刻研究區(qū)域內(nèi)各電動(dòng)汽車的地理位置和荷電狀態(tài)，構(gòu)建聚類樣本點(diǎn)集合W_t。

3.根據(jù)權(quán)利要求1所述的基于泛在感知技術(shù)的電動(dòng)汽車充電實(shí)時(shí)定價(jià)方法，其特征在于所述“聚類分析確定電動(dòng)汽車實(shí)時(shí)充電需求”包括：

步驟2.1，CFSFDP算法聚類取決于聚類樣本的局部密度和距離兩個(gè)要素，其中，局部密度要素ρ反映以候選樣本點(diǎn)為中心一定地理范圍內(nèi)的充電需求密集程度，距離要素δ用于保證聚類中心之間距離盡可能遠(yuǎn)；

局部密度要素ρ：

式中，ρ_tn表示t時(shí)刻第n個(gè)樣本點(diǎn)的局部密度，W_t為t時(shí)刻樣本點(diǎn)的集合，SOC_tn為t時(shí)刻第n個(gè)樣本點(diǎn)的荷電狀態(tài)，選定(1-SOC_tn)作為局部密度的系數(shù)，若第n個(gè)樣本點(diǎn)的SOC較低，根據(jù)局部密度的定義式，其局部密度值較大，則有較大的可能性被選為負(fù)荷需求集中的聚類中心；d_mn為第n個(gè)和第m個(gè)樣本點(diǎn)的空間距離，該距離通過坐標(biāo)計(jì)算，d_c為截?cái)嗑嚯x，用于限定充電站的服務(wù)范圍；

距離要素δ：

W_tⁿ＝{k∈W_t:ρ_tk＞ρ_tn}

式中，δ_tn表示t時(shí)刻第n個(gè)樣本點(diǎn)的距離要素，W_tⁿ為局部密度大于第n個(gè)樣本點(diǎn)的樣本集合，如果樣本點(diǎn)的局部密度最大，則距離要素取為該點(diǎn)與區(qū)域內(nèi)其他點(diǎn)的最大距離；否則，距離要素取為局部密度大于該點(diǎn)的樣本點(diǎn)與該點(diǎn)的最小距離；

步驟2.2，給定局部密度和距離的閾值ρ₀、δ₀的變化范圍[ρ_min，ρ_max]、[δ_min，δ_max]，在變化范圍內(nèi)改變?chǔ)?Sub>0、δ₀，選取局部密度和距離都大于閾值的樣本點(diǎn)作為聚類中心，得到多組聚類中心集合{Ω₀、Ω₁…Ω_j}，計(jì)算各集合中聚類中心個(gè)數(shù)N_j；基于k最近鄰思想將其余樣本劃分到對(duì)應(yīng)群簇，并計(jì)算聚類結(jié)果的輪廓系數(shù)S_j，選用輪廓系數(shù)S_j最大的聚類結(jié)果，聚類得到N個(gè)聚類中心(x_ti，y_ti)及群簇w_ti，i表示N個(gè)聚類中心的編號(hào)，1≤i≤N；

其中輪廓系數(shù)是從算法角度來(lái)評(píng)價(jià)聚類結(jié)果的好壞，通過計(jì)算全部聚類樣本輪廓系數(shù)的平均值得到聚類結(jié)果總的輪廓系數(shù)并進(jìn)行比較，樣本n的輪廓系數(shù)公式如下：

其中，a_n為樣本n到同簇其他樣本的平均距離，a_n越小，說(shuō)明樣本n越應(yīng)該被聚類到該簇；b_n為樣本n到其他簇中所有樣本的平均距離，b_n越大，說(shuō)明樣本n越不屬于其他簇，s_n∈[-1，1]，接近1，說(shuō)明樣本n聚類合理，接近-1，說(shuō)明樣本n更應(yīng)該分類到另外的簇，若近似為0，則說(shuō)明樣本n在兩個(gè)簇的邊界上，總輪廓系數(shù)S越接近1，說(shuō)明聚類效果越好；

步驟2.3，判斷聚類中心(x_ti，y_ti)到最近的充電站的距離是否大于該充電站的服務(wù)半徑d_c，若大于，說(shuō)明該中心點(diǎn)對(duì)應(yīng)的群簇在該時(shí)刻的充電需求相對(duì)較小，則忽略該群簇的充電需求；否則該群簇歸屬到該充電站，并按下式計(jì)算群簇w_ti的充電需求：

群簇總充電需求＝群簇樣本點(diǎn)個(gè)數(shù)×充電站公用交流充電樁的充電功率

按照群簇與充電站的歸屬關(guān)系，將充電站服務(wù)范圍內(nèi)的群簇w_ti接入充電站，進(jìn)而對(duì)分屬每個(gè)充電站的群簇總充電需求求和即可得到t時(shí)刻每個(gè)充電站的實(shí)時(shí)充電需求；

若計(jì)算得到的到該充電站充電的電動(dòng)汽車實(shí)時(shí)充電需求大于該充電站的額定容量，則該充電站的實(shí)時(shí)充電需求用該充電站容量代替。