电气化交通网络和电力系统的协同优化方法与系统的制作方法
【专利摘要】本发明提供一种电气化交通网络和电力系统的协同优化方法与系统，耦合电动汽车电气化交通网络和电力网络，获得电动汽车初始路径以及充电站初始价格参数，实时获取电动汽车位置信息、剩余电量信息，根据电动汽车位置信息、剩余电量信息、初始路径以及充电站初始价格参数，采用dijkstra算法查找电动汽车最低成本路径，统计每个充电站所需电量，采用拉格朗日松弛算法优化电力网络。将电动汽车电气化交通网络和电力系统耦合，一方面，采用dijkstra算法求解路径优化减少充电、运输和耗时成本的总和，另一方面，针对每个充电站所需电量用拉格朗日松弛算法，对电力网络反馈优化，实现对电气化交通网络和电力系统良好的协同优化。
【专利说明】
电气化交通网络和电力系统的协同优化方法与系统
技术领域
[0001] 本发明涉及电动汽车管控技术领域，特别是涉及电气化交通网络和电力系统的协 同优化方法与系统。
【背景技术】
[0002] 新能源汽车，包括插电式混合动力汽车(PHEVs)和纯电动汽车(BEVs )，在减少中国 空气污染、汽油消耗与交通行业对石油依赖性中扮演重要角色。插电式汽车完全地或部分 地依靠廉价的电力，这些电力可从本地的、再生的、比汽油的碳密集度更低的能源中获得。 但是，道路上不断增加的电动汽车导致对电力系统更多的能源需要。这将直接成比例地对 电力系统运行产生影响。对于一个可靠的电力系统，发电量和耗电量应保持平衡。
[0003] 电动汽车在交通网络具有随机性并且难以精确估算电动汽车充电负荷。电动汽车 的高渗透性将会增加交通网络和电力需求的不确定性，而电动汽车司机为他们的汽车充电 行为的不可预测性是这种不确定性的主要来源之一。另外，在现实情况下，司机需要规划目 的地路线方案。大多数时候最短距离并不是最便宜的路径。由于汽车部件效率和交通条件 使得评估实际路途成本是一项巨大挑战。如果需要对电池充电，会产生很多种选择，用户通 常独自评估成本效率选择，另外还需要考虑充电站容量。
【发明内容】
[0004] 基于此，有必要针对目前尚无一种电动汽车电力系统与交通网络协调优化方法对 电动汽车在交通网络充电进行协调优化的问题，提供一种电气化交通网络和电力系统的协 同优化方法与系统，以对电动汽车在交通网络充电进行协调优化。
[0005] -种电气化交通网络和电力系统的协同优化方法，包括步骤：
[0006] 耦合电动汽车电气化交通网络和电力网络，获得电动汽车初始路径以及充电站初 始价格参数；
[0007] 实时获取电动汽车位置信息以及电动汽车剩余电量信息，根据电动汽车位置信 息、电动汽车剩余电量信息、电动汽车初始路径以及充电站初始价格参数，采用dijkstra算 法查找电动汽车最低成本路径；
[0008] 统计每个充电站所需电量，根据每个充电站所需电量，采用拉格朗日松弛算法优 化电力网络。
[0009] -种电气化交通网络和电力系统的协同优化系统，包括：
[0010] 耦合模块，用于耦合电动汽车电气化交通网络和电力网络，获得电动汽车初始路 径以及充电站初始价格参数；
[0011]路径优化模块，用于实时获取电动汽车位置信息以及电动汽车剩余电量信息，根 据电动汽车位置信息、电动汽车剩余电量信息、电动汽车初始路径以及充电站初始价格参 数，采用dijkstra算法查找电动汽车最低成本路径；
[0012]电网优化模块，用于统计每个充电站所需电量，根据每个充电站所需电量，采用拉 格朗日松弛算法优化电力网络。
[0013] 本发明电气化交通网络和电力系统的协同优化方法与系统，耦合电动汽车电气化 交通网络和电力网络，获得电动汽车初始路径以及充电站初始价格参数，实时获取电动汽 车位置信息、剩余电量信息，根据电动汽车位置信息、剩余电量信息、初始路径以及充电站 初始价格参数，采用dijkstra算法查找电动汽车最低成本路径，统计每个充电站所需电量， 采用拉格朗日松弛算法优化电力网络。整个过程中，将电动汽车电气化交通网络和电力系 统親合，一方面，采用dijkstra算法求解路径优化减少充电、运输和耗时成本的总和，另一 方面，针对每个充电站所需电量用拉格朗日松弛算法，对电力网络反馈优化，实现对电气化 交通网络和电力系统良好的协同优化。
【附图说明】
[0014] 图1为本发明电气化交通网络和电力系统的协同优化方法第一个实施例的流程示 意图；
[0015] 图2为本发明电气化交通网络和电力系统的协同优化方法第二个实施例的流程示 意图；
[0016] 图3为本发明电气化交通网络和电力系统的协同优化方法其中一个应用实例中， 电动汽车需求处理流程示意图；
[0017] 图4为本发明电气化交通网络和电力系统的协同优化方法其中一个应用实例中， 充电站需求处理流程示意图；
[0018] 图5为本发明电气化交通网络和电力系统的协同优化方法其中一个应用实例中， 多路径对象选择处理流程示意图；
[0019] 图6为本发明电气化交通网络和电力系统的协同优化系统第一个实施例的结构示 意图；
[0020] 图7为本发明电气化交通网络和电力系统的协同优化系统第二个实施例的结构示 意图。
【具体实施方式】
[0021] 如图1所示，一种电气化交通网络和电力系统的协同优化方法，包括步骤：
[0022] S200:耦合电动汽车电气化交通网络和电力网络，获得电动汽车初始路径以及充 电站初始价格参数。
[0023 ]电动汽车电气化交通网络和电力网络可以从互联网获得，例如电动汽车电气化交 通网络可以从互联网下载导航软件，从导航软件内的数据提取获得，电力网络可以通过互 联网向电力电网管理部门申请获得。电价沟通从电力网络传送到交通网络。另外，每个电动 汽车充电站的预期充电需求与电力网络相连，不同的电价需求影响充电网网络中的电价。 [0024] S400:实时获取电动汽车位置信息以及电动汽车剩余电量信息，根据电动汽车位 置信息、电动汽车剩余电量信息、电动汽车初始路径以及充电站初始价格参数，采用 di jkstra算法查找电动汽车最低成本路径。
[0025] di jkstra(迪杰斯特拉)算法是典型的单源最短路径算法，用于计算一个节点到其 他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。 dijkstra算法是很有代表性的最短路径算法。电动汽车位置信息可以通过内置于电动汽车 的定位装置获取，电动汽车剩余电量信息可以通过与电动汽车控制系统无线通信，请求其 实施反馈电动汽车剩余电量信息。基于电动汽车位置信息和电气化交通网络可以清楚了解 当前电动汽车作为能够提供充电服务的充电站位置，基于电动汽车剩余电量信息可以了解 若此时电动汽车充电所需充电量等参数。具体来说，最低成本包括行驶成本和充电成本两 个方面。
[0026] S600:统计每个充电站所需电量，根据每个充电站所需电量，采用拉格朗日松弛算 法优化电力网络。
[0027] 拉格朗日松弛算法是用以求解约束规划的一种数学算法。将目标函数中造成问题 难的约束吸收到目标函数中，并保持目标函数的线性，使问题更加容易求解。电力负荷和生 产应该平衡，因此需要寻找电力网络的最优的运行点，实现对电力网络的优化。由于将电气 化交通和电力系统联系在了一起，将使用更加精确的拉格朗日松弛法算法来解决整个系统 中优化电力系统问题。荷载和供应间的平衡是电力网络优化的首要任务，对电力网路优化 的实质是寻找发电水平给出的预测荷载。为了使电力网络供应电动汽车能量时的总电力系 统发电机成本降到最低，我们提出一个解决DC(Direct Current，直流电）最优功率问题的 方法，使我们连接电气化交通和电力系统网络的方法来更好地预测电力负荷。DC功率流是 基于一些假设来更快地解决功率流等式并且使非线性有功功率流方程线性化。这些假设 为：1)所有电压等级都为lp.u.;2)电压角度小到足以忽略差异;3)线路电阻可忽略。DC最优 功率流(DC 0PF)问题显不在以下方程中：
[0028] min /(.v)
[0029] s,t,g(x)=0
[0030] h(x)^0
[0031] 如果X是控制变量和状态变量中的矢量，是目标函数，和是等式和不等式各自的约 束条件。一般来说，控制变量是有功功率输出和无功功率输出;状态变量是每一总线的电压 等级和角度。由此而论，我们找到了每一总线的发电机输出，这可使总发电机组受到系统物 理限制约束的成本最小化。为了获得这些物理约束，我们使用了 DC最优功率流。因此在这个 问题上，控制变量变成了有功功率输出，状态变量则是总线的电压角度。DC最优功率问题的 目标函数是整个系统发电机组的成本。
[0032] 本发明电气化交通网络和电力系统的协同优化方法，耦合电动汽车电气化交通网 络和电力网络，获得电动汽车初始路径以及充电站初始价格参数，实时获取电动汽车位置 信息、剩余电量信息，根据电动汽车位置信息、剩余电量信息、初始路径以及充电站初始价 格参数，采用dijkstra算法查找电动汽车最低成本路径，统计每个充电站所需电量，采用拉 格朗日松弛算法优化电力网络。整个过程中，将电动汽车电气化交通网络和电力系统耦合， 一方面，采用dijkstra算法求解路径优化减少充电、运输和耗时成本的总和，另一方面，针 对每个充电站所需电量用拉格朗日松弛算法，对电力网络反馈优化，实现对电气化交通网 络和电力系统良好的协同优化。
[0033] 如图2所示，在其中一个实施例中，步骤S200包括：
[0034] S220:获取电动汽车始发地和目的地。
[0035] S240:根据电力网络以及电动汽车始发地和目的地，确定充电站初始价格参数。
[0036] 基于电力网络可以了解电动汽车始发地与目的地区间区域内各个充电站的初始 价格参数。具体来说，这个价格参数是电力网络预设的充电站节点边际价格。
[0037] S260:根据充电站初始价格参数以及电动汽车电气化交通网络，选取电动汽车始 发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为电动汽车初始路径。
[0038] 基于已经准备好的数据，可以计算出选择不同充电站所需充电费用以及电动汽车 多条行驶路径，选取其中充电费用最便宜且行驶路径最优的路径为电动汽车初始路径。
[0039] 在其中一个实施例中，根据电力网络以及电动汽车始发地和目的地，确定充电站 初始价格参数的步骤包括：
[0040] 步骤一:根据电力网络，获取预设充电站节点边际价格。
[0041] 步骤二:根据电动汽车始发地和目的地，识别每个潜在需充电的电动汽车，当电动 汽车准备在当前充电站充电时，获取每台电动汽车的预期的充电时间、所需的电荷量以及 与当前充电站的距离信息。
[0042] 充电站识别每个潜在需充电的电动汽车，并预计该电动汽车所需充电时间、所需 电荷量以及与自身的距离。
[0043] 步骤三:根据每台电动汽车的预期的充电时间、所需的电荷量以及与当前充电站 的距离信息，统计当前充电站的电量需求总量。
[0044]充电站将电动汽车所需充电时间、所需电荷量以及与自身的距离推送给电动汽 车，电动汽车驾驶员选择是否在该充电站进行充电。充电站在收到电动汽车反馈回是否充 电信息之后，统计所有准备在此充电汽车的电量需求总量。
[0045] 步骤四：根据电量需求总量，更新预设充电站节点边际价格，获得充电站初始价格 参数。
[0046] 在实际工程应用中，充电站不同的电量需求总量其具体的价格也会发生一定的改 变。因此，我们需要根据电量需求总量，更新预设充电站节点边际价格，获得充电站初始价 格参数。
[0047] 为了更进一步详细解释上述过程，下面将采用实际应用场景进行说明。
[0048] 步骤一:充电站接收来电力网络查询获得的节点边际价格。
[0049] 步骤二:充电站接收来自每个潜在电动汽车的信号，判断该电动汽车是否在充电 站为它的电池充电。
[0050] 步骤三:充电站接收来自每台电动汽车的预期的充电时间、所需的电荷量以及距 离信息。
[0051] 步骤四：充电站为每台电动汽车确定电价并且将价格传输过去。
[0052] 步骤五:充电站根据来自电动汽车到充电站的被经核准的信号，充电站将预计电 动汽车充电需求的总量。
[0053] 步骤六:充电站把它们的预计需求发给电力网络，以更新下一步价格信号。
[0054] 步骤七:电力网络更新预设充电站节点边际价格，获得充电站初始价格参数。
[0055] 在其中一个实施例中，根据充电站初始价格参数以及电动汽车电气化交通网络， 选取电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为电动 汽车初始路径的步骤包括：
[0056] 步骤一:根据电动汽车电气化交通网络，获取电动汽车始发地和目的地之间多条 路径。
[0057]步骤二:根据充电站初始价格参数，分别计算电动汽车始发地和目的地之间多条 路径充电费用。
[0058]步骤三:选取电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最 优的路径为电动汽车初始路径。
[0059]如图2所示，在其中一个实施例中，步骤S400包括：
[0060] S420:实时获取电动汽车位置信息以及电动汽车剩余电量信息。
[0061] S440:当电动汽车剩余电量不满足电动汽车从当前位置行驶至目的地时，根据电 动汽车初始路径，采用dijkstra算法查找电动汽车最低行驶成本路径以及电动汽车在最低 行驶成本路径中能量耗尽的节点。
[0062] S460:根据充电站初始价格参数，采用dijkstra算法查找电动汽车最低成本对应 的候选充电站，其中，最低成本包括最低行驶成本和最低充电成本。
[0063] S480:当待充电站比能量耗尽的节点更靠近电动汽车目的地时，剔除已查找的候 选充电站，返回S460。
[0064] 在本实施例中，考虑电动汽车剩余电量不足以支撑电动汽车行驶至该候选充电站 的情况，针对此种情况，将该候选充电站剔除，重新根据充电站初始价格参数，采用 dijkstra算法查找电动汽车最低成本对应的候选充电站。如果电动汽车剩余电量足够支持 电动汽车从始发地行驶至目的，那么最优路径的计算函数就是P(i) = [nl(i)，n2(i)，H_，nk (i)]。然后在该路径的每个节点nj(i)，会显示最近的充电站mj。从这些充电站中选择5个可 到达的最低成本充电站，这个成本包括行驶路线中的交通运输、充电、以及时间价值。
[0065] 为了更进一步详细解释本发明电气化交通网络和电力系统的协同优化方法的技 术方案，下面采用具体应用实例，详细描述整个过程。
[0066] 1)电动汽车测量当前电荷量。
[0067] 2)电动汽车根据始点和终点确定最优路线。根据主要确定的最优路线。
[0068] 3)电动汽车选择潜在的充电站并把询问电价的信号发过去。
[0069] 4)电动汽车通过云计算服务器从潜在的充电站il到ip接收到充电价格信号。通常 来说，充电站的充电价格由充电站j充电到EVi，用cpr j i表示。这个模块还需要所有充电站 的位置信息，给电动汽车传输价格信号。
[0070] 5)准备数据集，包括1)，2)，3)步数据、充电站位置cpr ji和电动车型号（电池容量、 充电效率)等数据。
[0071] 6)电动汽车将获得的包括二等路线优化的已知信息数据集发送到加密云计算服 务器上。
[0072] 7)等待足够的时间段以接收来自云计算服务器的最优路线。
[0073] 8)接收最优路线，电动汽车最优路线将能展示给电动汽车司机的决策上。
[0074] 9)如果路线被接受，电动汽车会发送一个批准信号来通知云计算服务器它的决定 路线。电动汽车还应该通过云计算服务器发送预期需求和批准信号给已选中的充电站模 块，这样充电站就能更新其策略和获得的总充电需求。如果电动汽车司机拒绝所建议最优 路线，他需要通过改变他的偏好设置来更新数据集。偏好设置更新会让云计算服务器选择 另一个充电站，即使另一个充电站的价格更高。
[0075]为更一步详细解释本发明电气化交通网络和电力系统的协同优化的技术方案，下 面将采用三个具体实施例分别从充电站需求、电动汽车需求以及多路对象选择三个方面， 并结合图3、图4以及图5进行详细的解释说明。需要指出的是，在下述应用实例中设计详细 计算与处理的过程均在上述内容进行展开了描述，在此不在赘述。
[0076]应用实例一，电动汽车需求。
[0077]基于电动汽车的始发地和目的地有N多个充电站可以为其进行充电，这些充电站 将自身一些基础信息发送至电动汽车，具体来说，对于第i充电站，发送其价格Cpr1以及其 能够提供的电能量至电动汽车，电动汽车接收这些信息，排除无法提供足够充电电能量的 充电站。在电动汽车行驶过程中，只要可以包括如下操作过程：1)测量自身剩余电量;2)确 定当前位置，并定位目的地;3)基于上述方式确定预设最佳行驶路径;4)选择潜在的充电 站，并把请求充电信号发送至这些潜在的充电，等待接收各个充电站反馈回的价格参数;5) 准备数据，具体需要准备各个充电站位置、各个充电站价格Cpr 1和电动汽车自身型号（电池 容量与充电效率等）；6)上一步骤准备的数据发送至加密云计算服务器;7)电动汽车等待足 够的时间来接收来自云计算服务器反馈的最优路线;8)将接收到的最优路线显示在电动汽 车的显示屏上；9)司机通过显示屏获知云计算服务器得到的当前最优路径，当不接受该最 优路径时，返回上述步骤6); 10)当接受该最优路径时，发送接受的路径信号到电动汽车数 据库；11)发送预期充电需求和接受信号到已选择的充电站中。
[0078]应用实例二，充电站需求。
[0079] 如图4所示，在实际应用中，对于充电站而言，具体过程包括如下步骤:1)独立系统 运行员解决的电网最优功率问题；2)估计整个电力市场的价格p m;3)获取所有电动车预计 所需充电tij时间和预计充电需求dij; 4)为每台潜在的被连接的电动车cpri找到最优价格； 5)给电动车发送计算的充电价格信号;6)等待电动车与云计算服务器通信并接收他们的最 佳路线决定;7)从所有潜在的电动车接收器批准/拒绝信号和期望在这个停车场充电的需 求;8)整合与其需求来估计总充电需求;9)发送估计充电需求到独立系统运行员，为下一个 时刻更新价格信号。
[0080] 应用实例三，多路径对象选择。
[0081] 如图5所示，在实际本发明电气化交通网络和电力系统的协同优化方法过程中，针 对多路径对象选择而言，具体过程包括如下步骤:a)对于每个驾驶员i，判断电池剩余电量 是否满足整个行程所需电量;b)当电池剩余电量满足整个行程所需电量时，判断是否需要 给电池充电；cl)当需要充电时，利用dijkstra算法为驾驶员i找出最低成本（驾驶成本)p (i) = [nl(i)，n2(i)，···，nk(i)] ;d)当不需要充电时，利用dijkstra算法根据始发地和目的 地规划最低成本路线；el)对于p(i) = [nl(i)，n2(i)，···，nk(i)]中每个节点nj(i)，利用 dijkstra算法找出对应于它最低成本(运输成本+充电费用)路径的唯一充电站;c2)当电池 剩余电量不满足整个行程所需电量时，利用dijkstra算法为驾驶员i找出最低成本(驾驶成 本)P(i) = [nl(i)，n2(i)，···，nk(i)]，并找出电动汽车该点后能量耗尽的节点nmax(i) ;e2) 对于p(i) = [nl(i)，n2(i)，···，nk(i)]中每个节点nj(i)，利用dijkstra算法找出对应于它 最低成本(运输成本+充电费用)路径的唯一充电站;f)利用约束确保车辆中的电池可以到 达这些充电站mKi)之间耗尽，如果结果是可以信的即删除选择，如果充电站不符合约束， 驾驶员需在当前点充电；g)在所有Hlj (i)中找出5个成本最低以及满足约束的充电站，把他 们列为候选并提供给驾驶员。
[0082] 如图6所示，一种电气化交通网络和电力系统的协同优化系统，包括：
[0083] 耦合模块200,用于耦合电动汽车电气化交通网络和电力网络，获得电动汽车初始 路径以及充电站初始价格参数；
[0084] 路径优化模块400,用于实时获取电动汽车位置信息以及电动汽车剩余电量信息， 根据电动汽车位置信息、电动汽车剩余电量信息、电动汽车初始路径以及充电站初始价格 参数，采用dijkstra算法查找电动汽车最低成本路径；
[0085] 电网优化模块600,用于统计每个充电站所需电量，根据每个充电站所需电量，采 用拉格朗日松弛算法优化电力网络。
[0086] 本发明电气化交通网络和电力系统的协同优化方法，耦合模块200耦合电动汽车 电气化交通网络和电力网络，获得电动汽车初始路径以及充电站初始价格参数，路径优化 模块400实时获取电动汽车位置信息、剩余电量信息，根据电动汽车位置信息、剩余电量信 息、初始路径以及充电站初始价格参数，采用dijkstra算法查找电动汽车最低成本路径，电 网优化模块600统计每个充电站所需电量，采用拉格朗日松弛算法优化电力网络。整个过程 中，将电动汽车电气化交通网络和电力系统耦合，一方面，采用dijkstra算法求解路径优化 减少充电、运输和耗时成本的总和，另一方面，针对每个充电站所需电量用拉格朗日松弛算 法，对电力网络反馈优化，实现对电气化交通网络和电力系统良好的协同优化
[0087]如图7所示，在其中一个实施例中，耦合模块200包括：
[0088] 获取单元220,用于获取电动汽车始发地和目的地。
[0089] 初始价格确定单元240,用于根据电力网络以及电动汽车始发地和目的地，确定充 电站初始价格参数。
[0090] 初始路径确定单元260,用于根据充电站初始价格参数以及电动汽车电气化交通 网络，选取电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为 电动汽车初始路径。
[0091] 在其中一个实施例中，初始价格确定单元220包括：
[0092] 边际价格获取单元，用于根据电力网络，获取预设充电站节点边际价格。
[0093] 识别单元，用于根据电动汽车始发地和目的地，识别每个潜在需充电的电动汽车， 当电动汽车准备在当前充电站充电时，获取每台电动汽车的预期的充电时间、所需的电荷 量以及与当前充电站的距离信息。
[0094]统计单元，用于根据每台电动汽车的预期的充电时间、所需的电荷量以及与当前 充电站的距离信息，统计当前充电站的电量需求总量。
[0095]更新单元，用于根据电量需求总量，更新预设充电站节点边际价格，获得充电站初 始价格参数。
[0096]在其中一个实施例中，初始路径确定单元260包括：
[0097] 多路径获取单元，用于根据电动汽车电气化交通网络，获取电动汽车始发地和目 的地之间多条路径。
[0098] 多路径充电费用计算单元，用于根据充电站初始价格参数，分别计算电动汽车始 发地和目的地之间多条路径充电费用。
[0099] 选取确定单元，用于选取电动汽车始发地和目的地多个路径中充电费用最便宜且 行驶路径最优的路径为电动汽车初始路径。
[0100] 如图7所示，在其中一个实施例中，路径优化模块400包括：
[0101] 实时获取单元420,用于实时获取电动汽车位置信息以及电动汽车剩余电量信息。
[0102] 能量耗尽节点确定单元440,用于当电动汽车剩余电量不满足电动汽车从当前位 置行驶至目的地时，根据电动汽车初始路径，采用dijkstra算法查找电动汽车最低行驶成 本路径以及电动汽车在最低行驶成本路径中能量耗尽的节点。
[0103]最低成本计算单元460,用于根据充电站初始价格参数，采用dijkstra算法查找电 动汽车最低成本对应的待充电站，其中，最低成本包括最低行驶成本和最低充电成本。
[0104] 充电站选择单元480,用于当待充电站比能量耗尽的节点更靠近电动汽车目的地 时，剔除已查找的候选充电站，控制最低成本计算单元460重新执行根据充电站初始价格参 数，采用d i j ks tra算法查找电动汽车最低成本对应的候选充电站的操作。
[0105] 以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能 因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在 不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。 因此，本发明专利的保护范围应以所附权利要求为准。
【主权项】
1. 一种电气化交通网络和电力系统的协同优化方法，其特征在于，包括步骤： 耦合电动汽车电气化交通网络和电力网络，获得所述电动汽车初始路径以及充电站初 始价格参数； 实时获取所述电动汽车位置信息以及所述电动汽车剩余电量信息，根据所述电动汽车 位置信息、所述电动汽车剩余电量信息、所述电动汽车初始路径以及充电站初始价格参数， 采用d i j ks tra算法查找所述电动汽车最低成本路径； 统计每个充电站所需电量，根据所述每个充电站所需电量，采用拉格朗日松弛算法优 化所述电力网络。2. 根据权利要求1所述的电气化交通网络和电力系统的协同优化方法，其特征在于，所 述耦合电动汽车电气化交通网络和电力网络，获得所述电动汽车初始路径以及充电站初始 价格参数的步骤包括： 获取所述电动汽车始发地和目的地； 根据所述电力网络以及所述电动汽车始发地和目的地，确定充电站初始价格参数； 根据所述充电站初始价格参数以及所述电动汽车电气化交通网络，选取所述电动汽车 始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为所述电动汽车初始 路径。3. 根据权利要求2所述的电气化交通网络和电力系统的协同优化方法，其特征在于，所 述根据所述电力网络以及所述电动汽车始发地和目的地，确定充电站初始价格参数的步骤 包括： 根据所述电力网络，获取预设充电站节点边际价格； 根据所述电动汽车始发地和目的地，识别每个潜在需充电的所述电动汽车，当所述电 动汽车准备在当前充电站充电时，获取每台所述电动汽车的预期的充电时间、所需的电荷 量以及与所述当前充电站的距离信息； 根据每台所述电动汽车的预期的充电时间、所需的电荷量以及与所述当前充电站的距 离信息，统计所述当前充电站的电量需求总量； 根据所述电量需求总量，更新所述预设充电站节点边际价格，获得充电站初始价格参 数。4. 根据权利要求2所述的电气化交通网络和电力系统的协同优化方法，其特征在于，所 述根据所述充电站初始价格参数以及所述电动汽车电气化交通网络，选取所述电动汽车始 发地和目的地多个路径中充电费用最便宜且行驶路径最优的路径为所述电动汽车初始路 径的步骤包括： 根据所述电动汽车电气化交通网络，获取所述电动汽车始发地和目的地之间多条路 径； 根据所述充电站初始价格参数，分别计算所述电动汽车始发地和目的地之间多条路径 充电费用； 选取所述电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路 径为所述电动汽车初始路径。5. 根据权利要求1所述的电气化交通网络和电力系统的协同优化方法，其特征在于，所 述实时获取所述电动汽车位置信息以及所述电动汽车剩余电量信息，根据所述电动汽车位 置信息、所述电动汽车剩余电量信息、所述电动汽车初始路径以及充电站初始价格参数，采 用d i j ks tra算法查找所述电动汽车最低成本路径的步骤包括： 实时获取所述电动汽车位置信息以及所述电动汽车剩余电量信息； 当所述电动汽车剩余电量不满足所述电动汽车从当前位置行驶至所述目的地时，根据 所述电动汽车初始路径，采用dijkstra算法查找所述电动汽车最低行驶成本路径以及所述 电动汽车在所述最低行驶成本路径中能量耗尽的节点； 根据所述充电站初始价格参数，采用dijkstra算法查找所述电动汽车最低成本对应的 候选充电站，其中，所述最低成本包括最低行驶成本和最低充电成本； 当所述待充电站比所述能量耗尽的节点更靠近所述电动汽车目的地时，剔除已查找的 所述候选充电站，返回所述根据所述充电站初始价格参数，采用dijkstra算法查找所述电 动汽车最低成本对应的候选充电站的步骤。6. -种电气化交通网络和电力系统的协同优化系统，其特征在于，包括： 耦合模块，用于耦合电动汽车电气化交通网络和电力网络，获得所述电动汽车初始路 径以及充电站初始价格参数； 路径优化模块，用于实时获取所述电动汽车位置信息以及所述电动汽车剩余电量信 息，根据所述电动汽车位置信息、所述电动汽车剩余电量信息、所述电动汽车初始路径以及 充电站初始价格参数，采用dijkstra算法查找所述电动汽车最低成本路径； 电网优化模块，用于统计每个充电站所需电量，根据所述每个充电站所需电量，采用拉 格朗日松弛算法优化所述电力网络。7. 根据权利要求6所述的电气化交通网络和电力系统的协同优化系统，其特征在于，所 述耦合模块包括： 获取单元，用于获取所述电动汽车始发地和目的地； 初始价格确定单元，用于根据所述电力网络以及所述电动汽车始发地和目的地，确定 充电站初始价格参数； 初始路径确定单元，用于根据所述充电站初始价格参数以及所述电动汽车电气化交通 网络，选取所述电动汽车始发地和目的地多个路径中充电费用最便宜且行驶路径最优的路 径为所述电动汽车初始路径。8. 根据权利要求7所述的电气化交通网络和电力系统的协同优化系统，其特征在于，所 述初始价格确定单元包括： 边际价格获取单元，用于根据所述电力网络，获取预设充电站节点边际价格； 识别单元，用于根据所述电动汽车始发地和目的地，识别每个潜在需充电的所述电动 汽车，当所述电动汽车准备在当前充电站充电时，获取每台所述电动汽车的预期的充电时 间、所需的电荷量以及与所述当前充电站的距离信息； 统计单元，用于根据每台所述电动汽车的预期的充电时间、所需的电荷量以及与所述 当前充电站的距离信息，统计所述当前充电站的电量需求总量； 更新单元，用于根据所述电量需求总量，更新所述预设充电站节点边际价格，获得充电 站初始价格参数。9. 根据权利要求7所述的电气化交通网络和电力系统的协同优化系统，其特征在于，所 述初始路径确定单元包括： 多路径获取单元，用于根据所述电动汽车电气化交通网络，获取所述电动汽车始发地 和目的地之间多条路径； 多路径充电费用计算单元，用于根据所述充电站初始价格参数，分别计算所述电动汽 车始发地和目的地之间多条路径充电费用； 选取确定单元，用于选取所述电动汽车始发地和目的地多个路径中充电费用最便宜且 行驶路径最优的路径为所述电动汽车初始路径。10.根据权利要求6所述的电气化交通网络和电力系统的协同优化系统，其特征在于， 所述路径优化模块包括： 实时获取单元，用于实时获取所述电动汽车位置信息以及所述电动汽车剩余电量信 息； 能量耗尽节点确定单元，用于当所述电动汽车剩余电量不满足所述电动汽车从当前位 置行驶至所述目的地时，根据所述电动汽车初始路径，采用dijkstra算法查找所述电动汽 车最低行驶成本路径以及所述电动汽车在所述最低行驶成本路径中能量耗尽的节点； 最低成本计算单元，用于根据所述充电站初始价格参数，采用dijkstra算法查找所述 电动汽车最低成本对应的待充电站，其中，所述最低成本包括最低行驶成本和最低充电成 本； 充电站选择单元，用于当所述待充电站比所述能量耗尽的节点更靠近所述电动汽车目 的地时，剔除已查找的所述候选充电站，控制所述最低成本计算单元重新执行根据所述充 电站初始价格参数，采用dijkstra算法查找所述电动汽车最低成本对应的候选充电站的操 作。
【文档编号】B60L11/18GK106042963SQ201610446084
【公开日】2016年10月26日
【申请日】2016年6月17日
【发明人】王成建, 印鉴
【申请人】广东顺德中山大学卡内基梅隆大学国际联合研究院, 中山大学