基于SOC信息与路网电网信息融合的充电优化方法与流程

基于soc信息与路网电网信息融合的充电优化方法
技术领域
[0001]
本发明属于电动汽车充电规划技术领域，具体涉及一种基于soc信息与路网电网信息融合的充电优化方法。


背景技术：

[0002]
随着污染问题的严重，世界各国都大力发展电动车技术。为了推进电动汽车的发展，国内实施新能源汽车推广应用补助政策，在全国范围内开展新能源汽车推广应用工作，中央财政对购买新能源汽车给予补助，实行普惠制，近些年，中国在电动汽车领域取得了较大突破。
[0003]
然而目前的电动汽车的自主充电行为在时间、空间上存在巨大的不确定性，如果电动汽车的充电负荷与原始峰值重叠，这种充电行为将加大峰谷差；如果电动车在高峰期间的充电位置集中分布，会导致充电站周围车辆数多，道路拥堵，影响交通。针对这种情况，国内外学者都做出了研究。然而目前针对电动汽车充电的研究一般是将汽车、充电站、交通状况、电网割裂开来，难以达到信息共享，导致人们对路况、充电站以及电网用电情况不能同时了解，使一些充电站处于满载状态需要排队充电，既浪费排队时间，高峰时段充电又给该区域电网用电带来较大压力；而另一些充电站则无车充电，存在资源浪费的情况。


技术实现要素：

[0004]
针对目前针对电动汽车充电存在汽车、充电站、交通状况以及电网是相互分割，难以达到信息共享，造成排队时间增加、增加电网供电压力的缺陷和问题，本发明提供一种基于soc信息与路网电网信息融合的充电优化方法，该方法能够有效解决电动车充电难、充电站竞争增大、电动车随机充电对交通情况以及对电网负荷造成加大压力的问题。
[0005]
本发明解决其技术问题所采用的方案是：一种基于soc信息与路网电网信息融合的充电优化方法，通过服务器同时获取片区路网中电动汽车、充电站、电网和道路交通的信息数据并进行处理，得到充电优化融合模型用于优化电动汽车充电，具体为：服务器获取片区路网中的充电站总数q、每个充电站所能容纳的车辆数n
i
(i＝1，2，
……
，q)，以及每个充电站所能提供的最大功率p
si
，获取t时刻片区路网中各充电站的负载总和以及电网能够供给片区的充电功率，使片区所有充电站的负载总和不大于电网供给片区的充电功率；同时获取t时刻片区路网中有充电需求的电动车数量r、每辆电动汽车的额定充电功率为p
vi
，以及每辆电动汽车所需的充电时长t
i
((i＝1，2，
……
，r)，使电动汽车前往充电站充电同时满足以下两个条件：(1)去充电站充电的车数不超过充电站的车位数，(2)去充电站充电的功率不超过充电站的最大功率；同时获取路网中道路上的车辆的行驶速度v，计算车辆前往充电站途中的时间t
road
以及进站后等待充电的时间t
wait
，得到所需总时间t
s
；服务器进行处理融合得到充电优化融合模型：
[0006][0007][0008]
式中：p
si
(t)为t时刻片区每个充电站所能提供的最大功率，可由电网根据高峰时段进行调节；p
max
(t)为t时刻电网供给片区的最大充电功率；系数α
ij
表示第i个车辆和第j个充电站的充电关联；p
vi
表示第i辆车的充电功率；p
sj
表示第j个充电站的充电最大限度功率；t
road
为车辆前往充电站途中的时间；t
wait
为车辆进站后等待充电的时间，t
s
表示所需总时间。
[0009]
上述的基于soc信息与路网电网信息融合的充电优化方法，路网中道路上的车辆的实际行驶速度v受到当前时刻道路上其他车辆的影响，v＝v
0-k*n
e
，式中v表示道路拥堵后的实际车速，v0表示该道路的正常速度，k表示超过道路限度的车对车速的影响，n
e
表示超过道路容纳限度的车辆数；计算车辆前往充电站途中的时间t
road
采用k-shortest paths算法，找到距离电动车距离最近的x个充电站，再分别计算每个充电站的k条路径，获取每条路径的长度l
i
(i＝1，2，
……
，k)，计算得到车辆前往充电站途中的时间t
road
，
[0010][0011]
上述的基于soc信息与路网电网信息融合的充电优化方法，计算车辆距离每个充电站的最短路径，最短路径采用a*算法进行计算。
[0012]
上述的基于soc信息与路网电网信息融合的充电优化方法，进站后等待充电的时间t
wait
为排在等待队列的第i个用户需要等待在充电站中剩余时间正序排列后的第i个用户的时间长度。
[0013]
上述的基于soc信息与路网电网信息融合的充电优化方法，分别给时间成本和道路成本增加权重，对一个单位道路上的超过车辆数量设置惩罚项将部分追求最短路径的解去除，计算得到车辆的时间成本和道路成本损失值
[0014][0015]
式中：α表示时间成本的权重，β表示道路成本的权重，t
si
表示车辆从发出信息到到
达充电站的总时间；m表示当前路网中所有的路段数，表示超过道路容纳限度的车辆数的平方，值越大，对函数的影响越大。
[0016]
本发明的有益效果：本发明的充电优化方法将汽车、充电站、交通状况、电网融合起来，形成一种车-桩-路-网-源的数据融合模型，用户在一定时间间隔提交充电需求，服务器获取用户的地理位置信息、电池属性信息和soc信息；同时获取充电站的当前车辆数、总容纳车辆位数、当前负荷功率以及最大负荷功率；经服务器计算每辆车的最优的充电站位置，以及最短路径导航，并分发至各系统，能够在高峰期合理分配车辆，避免等待时间较长影响效率，在时间成本和道路成本最小的情况下实现充电规划，解决了电网峰谷差过大的同时也解决了交通问题，可以避免集中充电造成交通拥堵，大大缩短车辆充电的调度时间。
附图说明
[0017]
图1为电动汽车在路网中的演示图。
[0018]
图2为本发明数据融合模型示意图。
[0019]
图3为充电站内全满时站外车辆等待时间示意图。
[0020]
图4为充电站点在路网中的分布情况。
[0021]
图5为电充汽车在路网中的分布情况。
具体实施方式
[0022]
本发明提供一种车-桩-路-网-源的数据融合模型，能够实时的计算充电充电站负载与充电需求，在电网与路网中达到一个平衡点，并给用户发出路径信息。将汽车、充电站、交通状况、电网统一联网，达到信息共享的状态，车辆提供实时位置、电池状态、发送充电需求、接收最优充电路线和充电站充电功率的信息；交通管理部门提供道路的拥堵情况、充电站排队情况；电力部门给出电动车当前负荷、电网总负荷、预测下一时刻负荷，形成了三位一体的充电站建设；对电网而言降低了电动车无序充电的影响；对用户而言，减少了等待时间，增加了用户体验。对城市而言，减少了交通拥堵，方便大家的出行，在满足充电需求的前提下不会给交通造成压力。
[0023]
下面结合附图和实施例对本发明进一步说明。
[0024]
实施例1：本实施例通过服务器同时获取片区路网中电动汽车、充电站、电网和道路交通的信息数据并进行处理，提供一种车-桩-路-网-源的数据融合模型，能够实时的计算充电充电站负载与充电需求，在电网与路网中达到一个平衡点，并给用户发出路径信息，在满足充电需求的前提下，不会给道路交通造成压力。
[0025]
典型的电动车在路网中的演示图如图1所示。对于车辆，需要向服务器提交包括地理位置信息、电池属性信息、soc信息。充电站提供当前车辆数、总容纳车辆位数、当前负荷功率、最大负荷功率。由服务器计算计算每辆车的最优的充电站位置，以及最短路径导航，并且把这些信息通知用户和充电站。这个数据融合模型如图2所示，需要电动车，充电站，电网，交通部门同时提交相关数据，计算后得出路径结果返回给电动车，同时给充电站一个信息，预计有多少量车即将到达，具体如下。
[0026]
服务器获取片区路网充电站总数q、每个充电站所能容纳的车辆数n1,n2,
…
,n
q
，以
及每个充电站所能提供的最大功率分别为p
s1
,p
s2
,
…
,p
sq
，计算t时刻片区内各充电站的负载总和以及电网能够供给片区的充电功率，使片区所有充电站的负载总和不大于电网供给片区的充电功率，即：
[0027][0028]
式(1)中：p
si
(t)为对应充电站所能提供的最大功率；p
max
(t)为电网提供给片区的最大充电功率，可由电网根据高峰时段进行调节。
[0029]
同时，获取t时刻片区路网中有充电需求的电动车数量r，获取每辆电动汽车的额定充电功率为p
v1
,p
v2
,
…
,p
vr
,，以及每辆电动汽车所需的充电时长t1,t2,
…
,t
r
,，电动汽车充电同时满足以下两个条件：
[0030]
i.去充电站充电的车数不超过充电站的车位数；
[0031]
ii.去充电站充电的功率不能超过充电站的最大功率；
[0032]
即满足：
[0033][0034][0035][0036]
式(2)(3)中：系数α
ij
表示第i个车辆和第j个充电站的充电关联，n
j
表示第j个充电站所能容纳的车辆数，p
vi
表示第i辆车的充电功率，p
sj
表示第j个充电站的充电最大限度功率。
[0037]
同时，获取路网中道路上的车辆的行驶速度v，对于在道路上的车辆而言，其行驶速度受到当前时刻道路上其他车辆的影响，其实际车速
[0038]
v＝v
0-k*n
e
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0039]
式(4)中，v表示道路拥堵后的实际车速，v0表示该道路的正常速度，k表示超过道路限度的车对车速的影响，n
e
表示超过道路容纳限度的车辆数。其中k为正数，超过道路容纳限度的车辆数越多，整体速度越低，道路愈加拥堵，所以在整个充电规划方法中应该合理安排车流量。
[0040]
用户选择充电站进行充电，需考虑到达充电站途中的时间成本以及进站后等待充电的时间成本两个部分，两部分之和即为所需总时间t
s
。
[0041]
t
s
＝t
road
+t
wait
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0042]
式(5)中，t
s
表示车辆从发出信息到到达充电站的总时间，t
road
表示在路上所用时间，t
wait
表示到达充电站后的等待时间。
[0043]
对于t
road
的计算可以采用k-shortest paths(ksp)算法，即找到距离电动车距离最近的x个充电站，再分别计算每个充电站的k条最短路径，获取每条路径的长度l
i
(i＝1，2，
……
，k)，计算得到车辆前往充电站途中的时间t
road
，
[0044][0045]
式(6)中,l
i
为导航结果中每条路段的长度，n
ei
为在这k个路段中每个路段超过的车辆数。
[0046]
本实施例采用a*算法求取最短路径，具体如下。
[0047]
在片区路网中确定起点a、终点b，计算从起点a移动到指定方格的移动代价g，从指定方格移动至终点b的估算成本h，在计算g的时候横、竖向单元格的距离为1，斜着的单元格距离为1.4；在计算h的时候用manhattan距离，在计算的时候先忽略障碍物。损失函数f＝g+h。
[0048]
1)把起点a点加入可选列表。
[0049]
2)计算f值最小的点。
[0050]
3)把这个点加入禁用列表。
[0051]
4)对这个点周围的点进行计算。
[0052]
5)如果障碍物或者禁用列表:
[0053]
跳过此次循环。
[0054]
如果不在可选列表中：
[0055]
加入可选列表计算g、h、f值。
[0056]
否则：
[0057]
检查这条路径是否更好，用g值作参考。更小的g值表示这是更好的路径。如果是这样，把它的父亲设置为当前方格，并重新计算它的g和f值。
[0058]
6)当终点b保存在开放列表中时，沿着父节点方向走回去即为最短路径。
[0059]
对于t
wait
的计算，假设在t时刻，在某充电站全满，没有多余位置,则排在等待队列的第i个用户，需要等待在充电站中剩余时间正序排列后的第i个用户的时间长度。如图3所示，充电站内充电桩全满，等待号1的车辆的等待时间则为最少剩余的充电时间30min，其他等待号依次排队等待。
[0060]
综合到达充电站途中的时间成本以及进站后等待充电的时间成本考虑，当充电站分布密集型，即在路上所用时间远小于等待时间时，应该优先以寻找充电站有空位或者是排队用户较少的充电站；当充电站分布稀疏型，即在路上所用时间远大于等待时间时，应该优先选择距离近的充电站。
[0061]
还可能存在一种极端情况，假如在t时刻，充电站a周围有很多电动车辆有充电需求，而在较远处的充电站b周围没有电动车辆有充电需求。经过上述算法后，会将车辆全部分配给充电站a，而充电站b空闲,则会导致在t+1时刻，车辆a周围的道路特别拥堵，经过充电站a周围的车辆运行的特别慢。
[0062]
为了避免这种情况发生，分别给时间成本和道路成本增加权重，对一个单位道路上的超过车辆数设置惩罚项，可以将部分追求最短路径的一些解过滤掉，即
[0063][0064]
式(7)中，α表示时间成本的权重，β表示道路成本的权重，t
si
表示车辆从发出信息到到达充电站的总时间；m表示当前路网中所有的路段数，表示超过道路容纳限度的车辆数的平方，这个值越大，对函数的影响越大，所以在寻找减少所需总时间t
s
的同时，尽量避免让一条道路过于拥堵。
[0065]
在限定条件下对损失函数进行优化，使成本(时间成本和道路成本)最小，即：
[0066][0067]
得出在成本最小的同时满足充电需求、最短路径以及最好交通状况的路线规划。
[0068]
实施例2：仿真测试
[0069]
充电桩常规充电多采用恒压、恒流的充电方法对电池充电，采用380v或220v电压等级进行过充电；对于一般类型的充电站，设置充电桩为120-240kw，可容纳车辆数为30-60个。
[0070]
对于私家车参考，byd-e6，电池容量82kwh充电时长1.5或8h
[0071]
对于公交车参考，byd-k9，续航里程约250km，电池容量324kwh。充电时长3h。
[0072]
表1参数设定表
[0073]
参数符号值充电站个数q5电动车个数r200充电站功率范围p
si
3000kw电动车额定功率p
vi
40-75kw正常行驶速度v050km/h超过道路限度的车对车速的影响k5km/h个道路长度l
i
0.4-0.5km
[0074]
构建10*10的路网结构，每两个节点的边长有轻微不同，路段长度的变化在100米以内。
[0075]
从中随机选取5个节点作为充电站，随机生成200个车的充电需求，充电站的分布和车辆的分布如图4和图5所示。
[0076]
经过python模拟仿真，有序充电的结果如表2所示，无序充电的结果如表3所示，可以看出72号充电站，由于原因i总功率比较低，ii周围有太多的功能需求等原因导致剩余能量很少，表3中的剩余能量为负值，在实际情况中表现为慢充的形式，影响了驾驶员原来的作业计划。
[0077]
表2有序充电最终结果
[0078]
充电站编号剩余能量kw剩余空位
43206161201724018101930425094013
[0079]
表3无序充电最终结果
[0080]
充电站编号剩余能量kw剩余空位43495131616302872-50151048018504956
[0081]
经过运算后计算得到电动车的充电的总耗时，有序充电为4.98小时，无序充电为8.91小时，可以看出经过计算出的有序充电导航路径算法能大大缩短车辆的调度时间。
[0082]
以上所述仅为本发明的较佳实施例，并不限制本发明，凡在本发明的精神和原则范围内所做的任何修改、等同替换和改进，均应包含在本发明的保护范围之内。