[發(fā)明專利]一種考慮用戶有限理性的電動汽車充電需求分析方法

有效

• 申請?zhí)枺?/td>: 201911193203.6
• 申請日: 2019-11-28
• 公開（公告）號: CN110991856B
• 公開（公告）日: 2022-06-21
• 發(fā)明（設(shè)計）人: 楊軍;吳賦章;林洋佳;龍雪梅
• 申請（專利權(quán)）人: 武漢大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 劉琰

1.一種考慮用戶有限理性的電動汽車充電需求分析方法，其特征在于，該方法包括以下步驟：

S1、利用時間地理學中的活動-分析法將出行者的日活動-出行行為分為活動-出行鏈間的轉(zhuǎn)移關(guān)系和在活動-出行鏈上的轉(zhuǎn)移規(guī)律，通過對活動屬性分析，并根據(jù)活動屬性判斷當前條件下該活動發(fā)生的概率，建立出行者的活動-出行鏈間的轉(zhuǎn)移關(guān)系；

S2、基于累積前景理論對有限理性出行者的感知效用進行建模，同時考慮出行方式、出行路徑以及出發(fā)時刻的參考點設(shè)置，得到出行者的活動-出行鏈上的出行選擇概率模型；

S3、考慮交通網(wǎng)絡(luò)的動態(tài)特性，結(jié)合有限理性出行者的出行選擇概率模型和動態(tài)交通均衡模型建立動態(tài)交通網(wǎng)絡(luò)的均衡過程，得到出行者在活動-出行鏈上的轉(zhuǎn)移規(guī)律和電動汽車在活動-出行鏈上的充電規(guī)律；

S4、通過分析出行者日活動-出行鏈間的轉(zhuǎn)移關(guān)系得到的出行者每日出行次數(shù)，結(jié)合出行者每日出行次數(shù)和每條活動-出行鏈上電動汽車充電規(guī)律，獲得電動汽車的日充電需求；

步驟S1中通過對活動屬性分析，并根據(jù)活動屬性判斷當前條件下該活動發(fā)生的概率，建立出行者的活動-出行鏈間的轉(zhuǎn)移關(guān)系的具體步驟包括：

S11、基于活動分析法將出行者日活動和出行采用活動-出行鏈連接起來，反映出行的活動和出行安排之間的內(nèi)部聯(lián)系，描述所有出行之間相互依賴關(guān)系以及活動出行的時空約束；

S12、根據(jù)出行者日活動和出行約束，將出行者的時空轉(zhuǎn)移特性分為活動-出行鏈間的時空轉(zhuǎn)移關(guān)系和在活動-出行鏈上的時空轉(zhuǎn)移特性；

S13、根據(jù)關(guān)于人的活動需求研究，將個體參與的活動分為必要活動和靈活選擇活動兩大類，其中必要活動發(fā)生的概率為1，當在當前環(huán)境條件下靈活選擇活動出行者考慮所有出行方式和出行路徑的最早達到活動地點的時刻小于活動開始期望時刻時，該靈活選擇活動按照一定的條件概率發(fā)生，否則不發(fā)生；

步驟S2中得到出行者的活動-出行鏈上的出行選擇概率模型的具體步驟包括：

S21、根據(jù)累計前景理論將出行者的選擇決策行為分為編輯和評價兩個階段；

S22、在編輯階段，出行者基于對當前路網(wǎng)信息的認知進行編譯，綜合各種約束條件設(shè)定該次出行的參考點，根據(jù)不同出行的屬性將其相對于參考點定義為“收益”和“損失”，并且形成關(guān)于“收益”和“損失”的主觀概率權(quán)重；

S23、在評價階段，出行者將“收益”和“損失”與主觀概率權(quán)重相結(jié)合形成對不同出行選擇的感知效用；

S24、出行者得到不同決策感知效用，采用選擇概率的方法進行出行選擇中不能完全找到最優(yōu)決策的選擇行為描述；

步驟S22中出行者基于對當前路網(wǎng)信息的認知進行編譯，綜合各種約束條件設(shè)定該次出行的參考點的具體步驟包括：

根據(jù)大量實際數(shù)據(jù)分析，出行者的活動出行存在“活動開始時間”和“可以接受的最早到達時刻”，出行者在這兩個時刻間到達活動地點將獲得“收益”，否則為“損失”，故將這兩個時刻作為出行者出發(fā)時刻選擇的參考點；

在到達獲得“收益”的時間段之間存在一個“期望的最佳到達時刻”，出行者在這個時刻到達獲得“收益”最大，故將該時刻作為路徑選擇的參考點；

出行者進行出行選擇的最重要準則是行程時間，且出行者更傾向于選擇更具有可靠性的出行方式，故可將出行時間預算設(shè)定為出行方式的參考點；

步驟S3中得到出行者在活動-出行鏈上的轉(zhuǎn)移規(guī)律和電動汽車在活動-出行鏈上的充電規(guī)律的具體步驟包括：

S31、考慮實際交通系統(tǒng)中公共交通線路固定且具有專用車道，其轉(zhuǎn)移規(guī)律與私家車的轉(zhuǎn)移規(guī)律分別計算，且公共交通的行程時間通過路程與平均速度得到；

S32、將私家車的行程時間分為充電時間和路徑行駛時間，其中充電時間計算時考慮兩種充電場景，在行程中當剩余電量無法滿足剩余里程行駛要求和在活動地點電動汽車剩余電量低于閾值選擇充電，得到電動汽車的充電時間，私家車的路徑行駛時間采用與路段流量和路段容量相關(guān)的函數(shù)進行描述；

S33、建立私家車動態(tài)交通均衡模型，即任何時刻某一個出行需求分配給某一條路徑上的流量等于該出行需求總量依次乘以選擇該時刻該條路徑出行的私家車比例，同時考慮路徑流量守恒約束、非負約束、電動汽車里程焦慮心理以及充電站充電樁數(shù)量約束；

步驟S4中獲得電動汽車的日充電需求的具體步驟包括：

采用當?shù)爻鲂姓呷諈⑴c的典型活動，從早工作出行到工作歸家活動依次進行電動汽車在活動-出行鏈上的充電需求計算、活動-出行鏈間的轉(zhuǎn)移關(guān)系計算，得到電動汽車日參與出行次數(shù)和日充電需求；

步驟S1中建立的出行者的活動-出行鏈間的轉(zhuǎn)移關(guān)系具體為：

個人i一天的活動安排次數(shù)為n，活動-出行模式表示為ATP_i，其公式為：

ATP_i＝f_in＝(g_i1,g_i2,...,g_ij,...,g_in)

其中，g_ij為第i個出行者參與的第j個活動的特征集合；f_in表示一整天的活動-出行模式；

若出行者的第j個活動為必要類活動，則該活動發(fā)生的概率為：

P(g_ij|f_i,j-1)＝1

其中，f_i,j-1為出行者i參加第j個活動前的歷史活動-出行模式；

若出行者的第j個活動為非必要類活動，設(shè)出行者i對所要參與的該活動的到達時間可接受上限為T_j，出行者可供選擇的出行方式有m類，出行者選用第k類出行方式出行到達活動地點的最早時刻、最早時刻置信度為θ的上限分別為T_jk、T_jkθ；

P{T_jk≤T_jkθ}＝θ

則出行者所有出行方式的最早到達時間上限最小值為T_jmin，有T_jmin＝min{T_jkθ,k∈m}，那么該活動發(fā)生的概率為：

出行者參與第j項活動，即第j條活動-出行鏈產(chǎn)生的概率為：

P(g_ij)＝P(f_i,j-1)·P(g_ij|f_i,j-1)

步驟S2中的選擇概率模型具體為：

其中，和μ^w(t)分別為時刻t出行者選擇出行方式k、選擇路徑p及選擇出行的概率；行程時間為連續(xù)分布下，時刻t在p路徑上選擇出行方式k的前景時刻t第k種出行方式選擇路徑p的前景早到和晚到前景統(tǒng)稱為到達前景

步驟S3中動態(tài)交通均衡模型具體表示：

其中，f_p^w(t)為可用路徑p上的流量，D^w為出行需求量；和μ^w(t)分別為時刻t出行者選擇出行方式k、選擇路徑p及選擇出行的概率。

2.根據(jù)權(quán)利要求1所述的考慮用戶有限理性的電動汽車充電需求分析方法，其特征在于，步驟S2中的有限理性出行者表示實際出行者，實際出行者因認知能力有限不能掌握交通網(wǎng)的所有信息以及因計算能力有限不能找到最優(yōu)決策表現(xiàn)出有限理性。