电力市场下共享车位与电动汽车撮合效益计算方法及系统与流程

本发明涉及共享车位领域，具体涉及电力市场下多停车场共享车位与电动汽车撮合系统的效益计算方法及系统。

背景技术：

随着电动汽车保有量的迅速增加，基于电力市场的共享车位经济应运而生。共享经济是提升社会效率的重要手段，共享车位是共享经济的一种实现方式。车位的拥有者可以通过在车位闲置时共享给需求者来获取收益。同样，电动汽车车主可以通过电动汽车参与电力市场获得收益。通常共享车位的车主给出自己出租车位的时间段和每小时租金，电动汽车给出自己需求的停车时间和每小时报价，两者进行匹配。但对于电动汽车与共享车位的匹配问题，除了要考虑上述的时间要求和价格要求外，还要考虑电动汽车如何参与电力市场的问题，并且当存在多个共享电动汽车停车场时，还要考虑停车场之间的竞争以及停车场之间的电价差异带来的不同收益。电动汽车参与电力市场的行为叫v2g,，也就是把电动车的电能输出到电网，电动汽车可以在电价高的时候卖电，电价低的时候买电，从而赚取利益；而停车场通过容量电价来赚取利益。所谓容量电价一般比实时电价高，所以停车场可以在保证电动汽车收益不减小的前提下，调整电动汽车的充电功率来降低容量峰值，从而赚钱。当存在多个停车场时，还要考虑停车场之间的竞争以及停车场之间的电价差异。

当多个电动汽车对停车场管理平台发出停车需求时，需要给出停车的时间段与在停车需求的时间段中愿意给出的报价，比如每小时多少元。管理平台在给电动汽车分配停车场时，由于存在多个停车场时，需要考虑停车场之间的竞争以及停车场之间的电价差异。在这个过程中，停车场的接收到停车场管理平台发来的若干个共享车位的请求，需要对这些车辆停车的请求进行分别计算，计算出如果这些车辆进入该停车场停车会带来的收益，根据收益的大小选择其中的一辆有车辆停车请求的电动汽车进入该停车场。在这个过程中，现有的方法对电动汽车进行充放电优化时，很难运用梯度相关的方法对嵌套的目标函数求解，只能用典型的随机优化算法包括遗传算法、粒子群算法、人工蜂群算法等等，这些算法相对于梯度相关的算法，相当不稳定且耗时长效率低。

技术实现要素：

1.所要解决的技术问题：

针对上述技术问题，本发明提供一种电力市场下共享车位与电动汽车撮合效益计算方法及系统，本方法针对停车场收到的若干个共享车位的请求时，在保证电动汽车的车辆收益不低于预估收益前提下，停车场的效益最大化。

2.技术方案：

一种电力市场下共享车位与电动汽车撮合效益计算方法，其特征在于：包括以下步骤：

步骤一：采集停车场信息以及多个需要计算效益的电动汽车的车辆信息；所述停车场信息包括停车场提供的共享车位的能够提供停车的时间以及车位的价格；所述需要计算效益的电动汽车中的一辆汽车被选择停在该停车场；所述需要计算效益的电动车的车辆信息包括电动汽车的车辆停车的时间段以及停车的报价；其中所述需要计算效益的电动汽车至少一辆。

步骤二：将所用电动汽车的车辆停车的报价进行价格分区；所述价格分区为根据预设的价格区间进行分区；选择处于最高价格区间的电动汽车的信息进行下面的步骤。

步骤三：采集电价信息；所述电价信息为该停车场的电价信息；所述电价信息具体为电网给定的电价，包括分时电价、尖峰电价、实时电价。

步骤四：对步骤二选择出的最高价格区间的所有电动汽车进行功率优化，并根据停车场的具体电价得到最低充电电费；所述功率优化为根据车辆的具体参数，得到电动汽车所有可能的充放电策略集，具体参数包括进场电量、最高电量、最低电量、最大充电功率、最大放电功率、进场时间和出场时间；所述功率优化具体采用改进的拉氏乘子法进行优化；所述最低充电电费为在停车场的具体电价下，充放电策略集中每一个策略对应一个电费，最低充电电费为上述电费中的最低值；最后将每台电动汽车所有可能的进场到出场每小时的充放电功率，即充放电策略集以及最低电费输出。

步骤五：将步骤四中生成的充放电策略集中重复的充放电策略删除后；更新每辆电动汽车的充放电策略集。

步骤六：根据步骤四中的生成的每辆电动汽车的充放电策略集，计算步骤五剩余的每辆电动汽车计算预估收益；所述预估收益具体计算具体包括：计算没有经过功率优化的该车辆平均充电时的电费后，该车辆平均充电时电费减去该车辆对应的最低电费。

步骤七：将步骤六生成的所有电动汽车的车辆预估收益、步骤五生成的每辆电动汽车的充放电策略集、停车场的负荷信息进行梯度优化算法从而生成每辆电动汽车如果停在该停车场时的收益即车辆效益。

进一步地，步骤四中的改进的拉氏乘子法具体包括以下步骤：

s41：第i台车辆的电费的目标函数：

(1)式中f1为车辆的电费；prit为t时刻的电网电价；pit为第i台车第t时刻的充电功率。

s42:(1)式的约束条件为：

(2)式中，pit为第i台车第t时刻的充电功率；pmax为最大充电功率；tin.i为第i台车的进场时刻；tout.i为第i台车的离场时刻；pmin为最小充电功率，该值为负数时代表电动汽车在放电；emin为最低电量；ein.i为第i台电动汽车入场时电量；emax为电动汽车最高电量；sit为第i台车第t时刻的状态参数，该车辆在该时刻停车时为1，否则为0。

s43：带入拉格朗日乘子法的目标函数，所述拉格朗日乘子法的目标函数如下式：

(3)式中：ai、bit、cit和dit为大于等于零的任意实数；ei为不为零的任意实数。

s44：将拉格朗日乘子法的目标函数带入kkt条件方程组，所述kkt条件方程组具体如下式：

s45:输出式(4)的所有解构成的矩阵即为该车辆的充放电策略集。

进一步地，所述梯度算法具体包括以下步骤：

s71：生成停车场总电费的目标函数及约束条件；

其中f2为停车场总电费；part1为停车场向电网缴纳的电度电费；part2为电动汽车向停车场缴纳的电度电费；part3为停车场向电网缴纳的容量电费；pri为电网电价；pp为停车场电价；pc为容量电价；lobase为停车场的基础负荷；loev为历史入场的电动汽车负荷；pmi为电动汽车i在停车场电价下的最优充放电策略；pmir为电动汽车i的所有可能的充放电策略集；k为常数，取较大的负值。

约束条件为：

式(6)中，pev为预估车辆收益。

约束1保证电动汽车的预估收益不会降低，约束2保证停车场电价为正数且不大于电网电价的最大值。

s72：输入步骤四得出的充放电策略矩阵、停车场的基础负荷、历史入场车辆负荷，运用运用内点法对目标函数式(5)求解；解即为停车场给车辆的电价。

进一步地，所述车辆平均充电时的电费由下式得出：

式(4)中fave.i为第i台车平均充电的电费；pave.i为第i台车的平均充电时的充电功率。

一种电力市场下共享车位与电动汽车撮合效益计算系统，包括待评估车辆信息模块、改进的拉氏乘子法模块、汽车充电方案模块、预估车辆收益模块、梯度优化算法模块。

所述待评估车辆信息模块用于采集停车场信息以及多个需要计算效益的电动汽车的车辆信息；并将信息输出至改进的拉氏乘子法模块。

所述改进的拉氏乘子法模块将来自待评估车辆信息模块的信息以及停车场的电价信息对待评估的车辆进行功率优化，将车辆优化后的收益输出到预估车辆收益模块；所述功率优化方法为采用改进的拉氏乘子法。

所述汽车充电方案模块用于接收改进的拉氏乘子法模块输入的车辆所有可能的充放电策略集，删去策略集中重复的车辆充放电策略，并将所有待评估车辆的充放电策略集信息输入梯度优化算法模块。

所述预估车辆收益模块用于记录待评估车辆在电价模块给定的电网电价下的最优收益，并将车辆预估收益信息输入梯度优化算法模块。

所述梯度优化算法模块用于接收车辆预估收益信息、车辆充放电策略集信息、停车场负荷信息和历史入场车辆信息，经过构建停车场收益目标函数，运用梯度优化算法，在保证车辆收益不低于预估收益前提下，得到车辆对停车场的效益信息并输出到车辆效益模块，同时，得到停车场对车辆二次优化时给出的停车场电价并输出停车场电价信息到停车场电价模块。

3.有益效果：

(1)本方法中采用改进的拉氏乘子法对每个有共享车位需求的电动车根据停车场的电价信息得到每辆车的充放电策略集，通过充放电策略集与对应的电价值，即可求出最低电费和最低电费对应的充电方案。

(2)本发明运用改进的拉氏乘子法，将嵌套的目标函数转化为可求导的方程组，并采用了梯度优化算法对该目标方程进行求解。

(3)本发明中先计算出车辆预估收益信息，后经过构建停车场收益目标函数，在保证车辆收益不降低的同时降低停车场的电费成本，并运用梯度优化算法计算出车辆对停车场的效益，实现了停车场内电动汽车充放电的二次优化。

附图说明

图1为一种电力市场下共享车位与电动汽车撮合效益计算系统的示意图；

图2为本发明中中的改进的拉氏乘子法模块的一种具体结构的示意图；

图3为具体实施例中的步骤s44中方程组(5)的一种求解流程图；

图4为本发明中的梯度优化算法模块的一种具体求解流程图。

具体实施方式

下面结合附图对本发明进行具体的说明。

如附图1所示，一种电力市场下共享车位与电动汽车撮合效益计算方法，其特征在于：包括以下步骤：

步骤一：采集停车场信息以及多个需要计算效益的电动汽车的车辆信息；所述停车场信息包括停车场提供的共享车位的能够提供停车的时间以及车位的价格；所述需要计算效益的电动汽车中的一辆汽车被选择停在该停车场；所述需要计算效益的电动车的车辆信息包括电动汽车的车辆停车的时间段以及停车的报价；其中所述需要计算效益的电动汽车至少一辆。

步骤二：将所用电动汽车的车辆停车的报价进行价格分区；所述价格分区为根据预设的价格区间进行分区；选择处于最高价格区间的电动汽车的信息进行下面的步骤。

步骤三：采集电价信息；所述电价信息为该停车场的电价信息；所述电价信息具体为电网给定的电价，包括分时电价、尖峰电价、实时电价。

步骤四：对步骤二选择出的最高价格区间的所有电动汽车进行功率优化，并根据停车场的具体电价得到最低充电电费；所述功率优化为根据车辆的具体参数，得到电动汽车所有可能的充放电策略集，具体参数包括进场电量、最高电量、最低电量、最大充电功率、最大放电功率、进场时间和出场时间；所述功率优化具体采用改进的拉氏乘子法进行优化；所述最低充电电费为在停车场的具体电价下，充放电策略集中每一个策略对应一个电费，最低充电电费为上述电费中的最低值；最后将每台电动汽车所有可能的进场到出场每小时的充放电功率，即充放电策略集以及最低电费输出。

步骤五：将步骤四中生成的充放电策略集中重复的充放电策略删除后；更新每辆电动汽车的充放电策略集。

步骤六：根据步骤四中的生成的每辆电动汽车的充放电策略集，计算步骤五剩余的每辆电动汽车计算预估收益；所述预估收益具体计算具体包括：计算没有经过功率优化的该车辆平均充电时的电费后，该车辆平均充电时电费减去该车辆对应的最低电费。

步骤七：将步骤六生成的所有电动汽车的车辆预估收益、步骤五生成的每辆电动汽车的充放电策略集、停车场的负荷信息进行梯度优化算法从而生成每辆电动汽车如果停在该停车场时的收益即车辆效益。

进一步地，如附图2所示，步骤四中的改进的拉氏乘子法具体包括以下步骤：

s41：第i台车辆的电费的目标函数：

(1)式中f1为车辆的电费；prit为t时刻的电网电价；pit为第i台车第t时刻的充电功率。

s42:(1)式的约束条件为：

(2)式中，pit为第i台车第t时刻的充电功率；pmax为最大充电功率；tin.i为第i台车的进场时刻；tout.i为第i台车的离场时刻；pmin为最小充电功率，该值为负数时代表电动汽车在放电；emin为最低电量；ein.i为第i台电动汽车入场时电量；emax为电动汽车最高电量；sit为第i台车第t时刻的状态参数，该车辆在该时刻停车时为1，否则为0。

s43：带入拉格朗日乘子法的目标函数，所述拉格朗日乘子法的目标函数如下式：

(3)式中：ai、bit、cit和dit为大于等于零的任意实数；ei为不为零的任意实数。

s44：将拉格朗日乘子法的目标函数带入kkt条件方程组，所述kkt条件方程组具体如下式：

s45:输出式(4)的所有解构成的矩阵即为该车辆的充放电策略集。

进一步地，如附图4所示，所述梯度算法具体包括以下步骤：

s71：生成停车场总电费的目标函数及约束条件；

其中f2为停车场总电费；part1为停车场向电网缴纳的电度电费；part2为电动汽车向停车场缴纳的电度电费；part3为停车场向电网缴纳的容量电费；pri为电网电价；pp为停车场电价；pc为容量电价；lobase为停车场的基础负荷；loev为历史入场的电动汽车负荷；pmi为电动汽车i在停车场电价下的最优充放电策略；pmir为电动汽车i的所有可能的充放电策略集；k为常数，取较大的负值。

约束条件为：

是(6)中，pev为预估车辆收益。

约束1保证电动汽车的预估收益不会降低，约束2保证停车场电价为正数且不大于电网电价的最大值。

s72：输入步骤四得出的充放电策略矩阵、停车场的基础负荷、历史入场车辆负荷，运用内点法对目标函数式(5)求解；解即为停车场给车辆的电价。

进一步地，所述车辆平均充电时的电费由下式得出：

式(4)中fave.i为第i台车平均充电的电费；pave.i为第i台车的平均充电时的充电功率。

一种电力市场下共享车位与电动汽车撮合效益计算系统，包括待评估车辆信息模块、改进的拉氏乘子法模块、汽车充电方案模块、预估车辆收益模块、梯度优化算法模块。

所述待评估车辆信息模块用于采集停车场信息以及多个需要计算效益的电动汽车的车辆信息；并将信息输出至改进的拉氏乘子法模块。

所述改进的拉氏乘子法模块将来自待评估车辆信息模块的信息以及停车场的电价信息对待评估的车辆进行功率优化，将车辆优化后的收益输出到预估车辆收益模块；所述功率优化方法为采用改进的拉氏乘子法。

所述汽车充电方案模块用于接收改进的拉氏乘子法模块输入的车辆所有可能的充放电策略集，删去策略集中重复的车辆充放电策略，并将所有待评估车辆的充放电策略集信息输入梯度优化算法模块。

所述预估车辆收益模块用于记录待评估车辆在电价模块给定的电网电价下的最优收益，并将车辆预估收益信息输入梯度优化算法模块。

所述梯度优化算法模块用于接收车辆预估收益信息、车辆充放电策略集信息、停车场负荷信息和历史入场车辆信息，经过构建停车场收益目标函数，运用梯度优化算法，在保证车辆收益不低于预估收益前提下，得到车辆对停车场的效益信息并输出到车辆效益模块，同时，得到停车场对车辆二次优化时给出的停车场电价并输出停车场电价信息到停车场电价模块。

附图3为上述步骤s44中方程组(5)的求解流程图；求解过程具体包括：

步骤s441：构建目标函数及约束条件的拉格朗日乘子法表达式并转化为kkt条件方程组；

目标函数及约束条件的拉格朗日乘子法表达式由拉格朗日乘子法模块2322输入，kkt条件方程组由kkt条件模块2324输入。

步骤s442：对于x个未知量的kkt条件方程组有4x个不等式约束和一个等式约束；

步骤s443：从4x个不等式约束中挑选(x-1)个不等式约束，与等式约束构成子方程组；

步骤s444：所有子方程组组成子方程组集；

步骤s445：将不等式约束互相冲突的子方程组从方程组集中删去；

步骤s446：对每一个子方程组求解，所有解构成解集。

需要注意的是，方程的未知量设置为车辆每小时的充放电功率，所以每个子方程组的解就是车辆的充放电策略，方程组集的解集就是车辆所有可能的充放电策略集。

虽然本发明已以较佳实施例公开如上，但它们并不是用来限定本发明的，任何熟习此技艺者，在不脱离本发明之精神和范围内，自当可作各种变化或润饰，因此本发明的保护范围应当以本申请的权利要求保护范围所界定的为准。