一种计及用户出行规律的大规模电动汽车充电调度方法与流程

本发明涉及电动汽车充电，尤其涉及一种计及用户出行规律的大规模电动汽车充电调度方法。

背景技术：

1、在过去的几年里，环境污染尤其是温室气体排放促使电动汽车数量越来越多；预计到2050年，电动汽车市场份额将达到50％以上。大量的电动汽车(electric vehicle，ev)无序充电可能会对配电网的运行产生不良影响，因此，电动汽车的协调充电问题变得越来越重要。

2、单个电动汽车灵活度高，容量小，控制难度高，一般通过引入电动汽车聚合商(electric vehicle aggregator，eva)作为代替ev进行充电决策，并从中获得收益分成。当前研究中，eva控制电动汽车充电的方式有间接控制和直接控制两种。其中，间接控制是通过制定分时电价或者激励引导ev在负荷低谷时进行充电，但是ev的行为方式和需求响应存在很大的不确定性，控制难度较大，并且优化结果很难达到全局最优；eva在直接控制中，当前研究主要针对优化算法的改进，并没有建立明确的eva利润优化模型进行合理化eva的控制动机及ev将充电控制权交给eva的动机，未考虑eva直接控制的利润最大化，并难以满足用户需求，导致用户充电成本较高。

技术实现思路

1、本发明提供了一种计及用户出行规律的大规模电动汽车充电调度方法，解决了现有技术中的电动汽车充电调度方法未考虑电动汽车聚合商直接控制的利润最大化，并难以满足电动汽车的用户需求，导致用户充电成本较高。

2、有鉴于此，本发明第一方面提供了一种计及用户出行规律的大规模电动汽车充电调度方法，其通过一个电动汽车聚合商对多个电动汽车进行充放电管理，本方法包括以下步骤：

3、根据预设的典型的出行链按照电动汽车的驾驶路线划分为多个集群；

4、将每个所述集群按照区域将集群内的所有电动汽车进行聚类划分为多个分组区域，其中，每个所述分组区域均配置有充电站，以对电动汽车进行充电；

5、通过约束每个集群内的各个分组区域的停车周期，使每个集群内的各个分组区域的同一电动汽车的离开时间和到达时间不重叠，并最大化电动汽车在同一分组区域内的可充电时间；

6、以电动汽车聚合商的充电收益最大化为目标条件，并以每个预设的典型的出行链中的各个集群内的可控电动汽车数量为控制变量，构建电动汽车充电调度模型；

7、对所述电动汽车充电调度模型进行寻优求解，根据最优解优化每个预设的典型的出行链中的各个集群内的可控电动汽车数量。

8、优选地，所述预设的典型的出行链包括居住区-工作区-居住区出行链、居住区-商业区-居住区出行链以及居住区-工作区-商业区-居住区出行链。

9、优选地，每个预设的典型的出行链对应的的所述集群经过划分得到居住区-工作区-居住区集群、居住区-商业区-居住区集群以及居住区-工作区-商业区-居住区集群。

10、优选地，所述分组区域包括居住区分组区域、工作区分组区域和商业区分组区域。

11、优选地，通过约束每个集群内的各个分组区域的停车周期，使每个集群内的各个分组区域的同一电动汽车的离开时间和到达时间不重叠，并最大化电动汽车在同一分组区域内的可充电时间的步骤具体包括：

12、通过下式约束每个集群内的各个分组区域的停车周期，使每个集群内的各个分组区域的同一电动汽车的离开时间和到达时间不重叠，具体的约束表达式为：

13、

14、式中，表示集群内电动汽车离开目标分组区域的时间，表示集群内电动汽车离开目标分组区域到达其下一个分组区域的时间，x表示集群索引，h、w均表示分组区域索引；

15、通过下式最大化电动汽车在同一分组区域内的可充电时间为：

16、

17、式中，tuse表示电动汽车在集群x的某一分组区域内的可充电时间，m表示电动汽车索引，m表示电动汽车数量，x表示集群数量，表示集群x内电动汽车m离开目标分组区域的时间，表示集群x内电动汽车m到达目标分组区域的时间。

18、优选地，所述电动汽车充电调度模型包括目标函数和约束条件；

19、其中，所述目标函数为：

20、

21、其中，

22、

23、

24、

25、

26、式中，feva表示电动汽车聚合商的充电收益，α表示电动汽车聚合商的分成比例，λava表示配电网分时电价的平均电价，λt表示当前时刻的配电网分时电价，pm1,x,t表示居住区-工作区-居住区出行链下的第x个集群在t时刻的可控电动汽车数量，pm1,x,t表示居住区-工作区-居住区出行链下的第x个集群中的电动汽车的充电功率，pm2,x,t表示居住区-商业区-居住区出行链下的第x个集群在t时刻的可控电动汽车数量，pm2,x,t表示居住区-商业区-居住区出行链下的第x个集群中的电动汽车的充电功率，pm3,x,t表示居住区-工作区-商业区-居住区出行链下的第x个集群在t时刻的可控电动汽车数量，pm3,x,t表示居住区-工作区-商业区-居住区出行链下的第x个集群中的电动汽车的充电功率，t为总时刻，pm1,t表示居住区-工作区-居住区出行链下的可控电动汽车数量，pm2,t表示居住区-商业区-居住区出行链下的可控电动汽车数量，pm3,t表示居住区-工作区-商业区-居住区出行链下的可控电动汽车数量；

27、所述约束条件包括：

28、1)出行链内的所有分组区域内的电动汽车数量约束为：

29、

30、式中，pmg,t表示出行链g下的可控电动汽车数量，pmg,x,t表示出行链g下的集群x的可控电动汽车数量，g＝1,2,3；

31、2)充电功率约束为：0≤pmg,x,t≤nmgx,tpk,max

32、式中，nmgx,t表示出行链g下的集群x的分组区域内的可控电动汽车数量，pk,max表示单个电动汽车的最大充电功率；

33、3)电动汽车充电的动态约束为：

34、socmg,x,t+1＝socmg,x,t+ηpmg,x,t

35、式中，socmg,x,t+1表示集群x内的电动汽车在t+1时刻的电量，socmg,x,t表示集群x内的电动汽车在t时刻的电量，η表示充电效率；

36、4)电动汽车离开充电站时的预期电量约束为：

37、

38、式中，表示集群x内的电动汽车离开充电站时的电量，socoff表示集群x内的电动汽车离开充电站时的最小电量限值。

39、第二方面，本发明还提供了一种计及用户出行规律的大规模电动汽车充电调度系统，其通过一个电动汽车聚合商对多个电动汽车进行充放电管理，本系统包括：

40、集群划分模块，用于根据预设的典型的出行链按照电动汽车的驾驶路线划分为多个集群；

41、分组聚类模块，用于将每个所述集群按照区域将集群内的所有电动汽车进行聚类划分为多个分组区域，其中，每个所述分组区域均配置有充电站，以对电动汽车进行充电；

42、集群约束模块，用于通过约束每个集群内的各个分组区域的停车周期，使每个集群内的各个分组区域的同一电动汽车的离开时间和到达时间不重叠，并最大化电动汽车在同一分组区域内的可充电时间；

43、优化模型构建模块，用于以电动汽车聚合商的充电收益最大化为目标条件，并以每个预设的典型的出行链中的各个集群内的可控电动汽车数量为控制变量，构建电动汽车充电调度模型；

44、优化求解模块，用于对所述电动汽车充电调度模型进行寻优求解，根据最优解优化每个预设的典型的出行链中的各个集群内的可控电动汽车数量。

45、第三方面，本发明还提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如上述的方法。

46、第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。

47、从以上技术方案可以看出，本发明具有以下优点：

48、本发明考虑电动汽车用户的出行规律，通过典型的出行链按照电动汽车的驾驶路线进行集群划分，将每个集群按照区域将集群内的所有电动汽车进行聚类划分为多个分组区域，通过约束每个集群内的各个分组区域的停车周期，使每个集群内的各个分组区域的同一电动汽车的离开时间和到达时间不重叠，解决了电动汽车出发和到达各个充电站时间的交叉问题，并最大化电动汽车在同一分组区域内的可充电时间，从而降低电动汽车的充电成本，以电动汽车聚合商的充电收益最大化为目标条件，并以每个预设的典型的出行链中的各个集群内的可控电动汽车数量为控制变量，构建电动汽车充电调度模型，对电动汽车充电调度模型进行寻优求解，根据最优解优化每个预设的典型的出行链中的各个集群内的可控电动汽车数量，从而使电动汽车聚合商直接控制的利润最大化，并满足电动汽车的用户需求。