一种计及充电需求的电动汽车自适应调度方法

1.本发明涉及需求响应的调度优化的技术领域，尤其涉及一种计及充电需求的电动汽车自适应调度方法。


背景技术：

2.在双碳目标的引导下，电动汽车的使用受到了国家政策的倡导，近些年来居民电动汽车保有量连年保持高速增长，电动汽车充电负荷也成为了居民区域用电的重要组成部分。电动汽车的无序充电会加剧居民区负荷的峰谷差，给电网的正常运行带来较大的负担，因此电动汽车的有序充电成为了研究热点。目前电动汽车的有序充电方法主要是改变电动汽车充电负荷曲线，减少在居民用电高峰时段的用电量，将充电负荷平移到凌晨等用电低谷时段。通过电动汽车充电的优化调度，不仅能减少电动汽车负荷在高峰时段的用电量，还可以帮助居民区域负荷削峰填谷，具有重要的意义。然而，目前的电动汽车充电优化调度模型能够有效实现居民区域负荷的削峰填谷，但是对电动汽车充电需求的个体情况考虑不足，如果居民用户临时提前出行，可能会出现延迟充电导致的电动汽车电量不足的情况。为此，本发明专利提出了一种计及充电需求的电动汽车自适应调度方法，根据充电需求的不同对电动汽车进行不同优先级的调度。


技术实现要素：

3.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
4.鉴于上述现有电动汽车充电优化调度模型对电动汽车充电需求的个体情况考虑不足的问题，提出了本发明。
5.因此，本发明目的是提供一种计及充电需求的电动汽车自适应调度方法。
6.为解决上述技术问题，本发明提供如下技术方案：
7.第一方面，本发明实施例提供了一种计及充电需求的电动汽车自适应调度方法，包括：根据用户的出行时间、用户的返回时间以及用户的日行驶里程构建电动汽车出行需求模型；
8.基于所述电动汽车出行需求模型并结合电动汽车充电电量、最大充电时长以及最短充电时长构建电动汽车充电需求模型，评估用户充电需求的差异；
9.基于电动汽车开始充电的时间，以及用户的充电需求，构建计及充电需求的电动汽车自适应调度模型，对电动汽车进行优化调度。
10.作为本发明所述一种计及充电需求的电动汽车自适应调度方法，其中：所述电动汽车出行需求模型包括，
11.根据用户的出行时间满足正态分布特征，构建出行时间的概率模型；
12.根据用户的返回时间满足正态分布特征，构建返回时间的概率模型；
13.根据用户的日行驶里程满足对数正态分布特征，构建日行驶里程的概率密度函数。
14.作为本发明所述一种计及充电需求的电动汽车自适应调度方法，其中：所述出行时间的概率模型如下：
[0015][0016]
其中，f
l
(x)表示用户的出行时间的概率密度函数，x表示时段的编号，μ
l
表示用户出行时间的均值，σ
l
表示用户出行时间的标准差。
[0017]
作为本发明所述一种计及充电需求的电动汽车自适应调度方法，其中：所述返回时间的概率模型如下：
[0018][0019]
其中，fs(x)表示用户的返回时间的概率密度函数，μs表示用户返回时间的均值，σs表示用户返回时间的标准差。
[0020]
作为本发明所述一种计及充电需求的电动汽车自适应调度方法，其中：所述日行驶里程的概率密度函数如下：
[0021][0022]
其中，fd(x)表示用户的日行驶里程的概率密度函数，μd表示用户日行驶里程的均值，σd表示用户日行驶里程的标准差。
[0023]
作为本发明所述一种计及充电需求的电动汽车自适应调度方法，其中：基于所述电动汽车出行需求模型并结合电动汽车充电电量、最大充电时长以及最短充电时长构建电动汽车充电需求模型包括，
[0024]
充电期间单位时间的平均最小充电量的计算公式如下：
[0025][0026]
其中，di表示用户i的充电需求性能参数，表示充电期间单位时间的平均最小充电量，s
i,c
＝l
i,d
×
λi表示用户i的充电需求电量，l
i,d
表示用户i的日行驶距离，λi表示用户i的电动汽车单位距离耗电量，t
i,max
＝t
i,ll-t
i,s
+24表示用户i的最大充电时长，t
i,ll
表示第二天的用户i出行时间，t
i,s
表示用户i的返回时间；
[0027]
电动汽车的最短充电时长的计算公式如下：
[0028][0029]
其中，t
i,min
表示电动汽车的最短充电时间，p
i,c
表示电动汽车i的充电速度，ηc表示电动汽车i的充电转换效率。
[0030]
作为本发明所述一种计及充电需求的电动汽车自适应调度方法，其中：基于电动汽车开始充电的时间，以及用户的充电需求，构建计及充电需求的电动汽车自适应调度模型，对电动汽车进行优化调度包括，
[0031]
考虑削减居民区域用电的峰谷差，对电动汽车开始充电的时间进行调整，以及考虑用户的充电需求，对充电需求小的电动汽车延迟充电，得到计及充电需求的电动汽车自适应调度模型的目标函数，如下所示：
[0032][0033]
其中，p
t
表示居民区域的实时用电负荷，表示居民区域的平均用电负荷，p
i,t
表示电动汽车i的实时用电负荷，t
i,c
表示电动汽车i开始充电的时间。
[0034]
根据所述电动汽车自适应调度模型中，电动汽车延迟的开始充电时间受到约束，距离电动汽车离开时间不得小于电动汽车的最短充电时间，得到开始充电时间的约束表达式，如下所示：
[0035]
t
i,s
≤t
i,c
≤(t’i,l-t
i,min
)
[0036]
其中，t’i,l
表示第二天的电动汽车i出行时间。
[0037]
第二方面，本发明实施例提供了一种计及充电需求的电动汽车自适应调度系统，包括，
[0038]
第三方面，本发明实施例提供了一种计算设备，包括：
[0039]
存储器和处理器；
[0040]
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的计及充电需求的电动汽车自适应调度方法。
[0041]
第四方面，本发明实施例提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述计及充电需求的电动汽车自适应调度方法。
[0042]
本发明的有益效果：本发明能够自适应不同电动汽车用户的充电需求，制定优化调度方案，在保证电动汽车需求响应能力的情况下满足电动汽车用户的充电需求，提高了电动汽车的调度方案对不同居民用户的适应度，减少延迟充电对用户临时出行需求的影响程度。
附图说明
[0043]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它
的附图。其中：
[0044]
图1为本发明计及充电需求的电动汽车自适应调度方法的流程图。
[0045]
图2为本发明计及充电需求的电动汽车自适应调度方法的电动汽车用户出行时间图。
[0046]
图3为本发明计及充电需求的电动汽车自适应调度方法的电动汽车用户次日出行时间图。
[0047]
图4为本发明计及充电需求的电动汽车自适应调度方法的电动汽车用户返回时间图。
[0048]
图5为本发明计及充电需求的电动汽车自适应调度方法的电动汽车用户日出行距离图。
[0049]
图6为本发明计及充电需求的电动汽车自适应调度方法的电动汽车开始充电时间的运行优化方案图。
[0050]
图7为本发明计及充电需求的电动汽车自适应调度方法的实施优化方案前后的电动汽车充电负荷曲线对比图。
[0051]
图8为本发明计及充电需求的电动汽车自适应调度方法的实施优化方案前后的居民区总用电负荷曲线对比图。
具体实施方式
[0052]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
[0053]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0054]
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0055]
再其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0056]
实施例1
[0057]
参照图1，为本发明的一个实施例，提供了一种计及充电需求的电动汽车自适应调度方法包括：
[0058]
如图1所示，本发明的实施步骤如下：
[0059]
s1：根据用户的出行时间、用户的返回时间以及用户的日行驶里程构建电动汽车出行需求模型。应说明的是：
[0060]
根据用户的出行时间满足正态分布特征，构建出行时间的概率模型如下：
[0061]
电动汽车的主要用途是满足用户的日常出行需求。居民用户区的典型应用场景是电动汽车早上离开停车场，晚上返回停车场并进行充电。用户的出行具有一定的规律性，出行时间、返回时间和日行驶距离呈现出规律分布的特征。
[0062][0063]
其中，f
l
(x)表示用户的出行时间的概率密度函数，x表示时段的编号，μ
l
表示用户出行时间的均值，σ
l
表示用户出行时间的标准差。
[0064]
根据用户的返回时间满足正态分布特征，构建返回时间的概率模型；
[0065]
返回时间的概率模型如下：
[0066][0067]
其中，fs(x)表示用户的返回时间的概率密度函数，μs表示用户返回时间的均值，σs表示用户返回时间的标准差。
[0068]
根据用户的日行驶里程满足对数正态分布特征，构建日行驶里程的概率密度函数。
[0069]
日行驶里程的概率密度函数如下：
[0070][0071]
其中，fd(x)表示用户的日行驶里程的概率密度函数，μd表示用户日行驶里程的均值，σd表示用户日行驶里程的标准差。
[0072]
s2：基于所述电动汽车出行需求模型并结合电动汽车充电电量、最大充电时长以及最短充电时长构建电动汽车充电需求模型，评估用户充电需求的差异。应说明的是：
[0073]
由于用户出行时间、返回时间和日行驶距离的差异性，电动汽车用户的充电需求会有所不同，主要体现在充电电量和最大充电时长上，得到充电期间单位时间的平均最小充电量的计算公式如下：
[0074][0075]
其中，di为用户i的充电需求性能参数，表示充电期间单位时间的平均最小充电量，s
i,c
表示用户i的充电需求电量，t
i,max
表示用户i的最大充电时长。
[0076]
用户的充电需求电量主要由用户的日行驶距离决定，得到用户的充电需求电量的计算公式如下：
[0077]si,c
＝l
i,d
×
λi[0078]
其中，l
i,d
表示用户i的日行驶距离，λi表示用户i的电动汽车单位距离耗电量。
[0079]
用户的最大充电时长主要由用户的出行时间和返回时间决定，得到用户的最大充
电时长的计算公式如下：
[0080]
t
i,max
＝t
i,ll-t
i,s
+24
[0081]
其中，t
i,ll
表示第二天的用户i出行时间，t
i,s
表示用户i的返回时间。
[0082]
电动汽车的最短充电时间受到需求充电电量、充电速度和充电转换效率的影响，得到电动汽车的最短充电时长的计算公式如下：
[0083][0084]
其中，t
i,min
表示电动汽车的最短充电时间，p
i,c
表示电动汽车i的充电速度，ηc表示电动汽车i的充电转换效率。
[0085]
s3：基于电动汽车开始充电的时间，以及用户的充电需求，构建计及充电需求的电动汽车自适应调度模型，对电动汽车进行优化调度。应说明的是：
[0086]
考虑削减居民区域用电的峰谷差，对电动汽车开始充电的时间进行调整，以及考虑用户的充电需求，对充电需求小的电动汽车延迟充电，得到计及充电需求的电动汽车自适应调度模型的目标函数，如下所示：
[0087][0088]
其中，p
t
表示居民区域的实时用电负荷，表示居民区域的平均用电负荷，p
i,t
表示电动汽车i的实时用电负荷，t
i,c
表示电动汽车i开始充电的时间。
[0089]
根据所述电动汽车自适应调度模型中，电动汽车延迟的开始充电时间受到约束，距离电动汽车离开时间不得小于电动汽车的最短充电时间，得到开始充电时间的约束表达式，如下所示：
[0090]
t
i,s
≤t
i,c
≤(t’i,l-t
i,min
)
[0091]
其中，t’i,l
表示第二天的电动汽车i出行时间。
[0092]
本实施例还提供一种计及充电需求的电动汽车自适应调度系统，包括：
[0093]
模型搭建模块，用于根据用户的出行时间、用户的返回时间以及用户的日行驶里程构建电动汽车出行需求模型，以及基于所述电动汽车出行需求模型并根据电动汽车充电电量和最大充电时长，构建电动汽车充电需求模型评估用户充电需求的差异；
[0094]
优化调度模块，用于基于电动汽车开始充电的时间，以及用户的充电需求，构建计及充电需求的电动汽车自适应调度方法的模型，对电动汽车进行优化调度。
[0095]
本实施例还提供一种计算设备，适用于计及充电需求的电动汽车自适应调度方法的情况，包括：
[0096]
存储器和处理器；存储器用于存储计算机可执行指令，处理器用于执行计算机可执行指令，实现如上述实施例提出的计及充电需求的电动汽车自适应调度方法。
[0097]
该计算机设备可以是终端，该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线
方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0098]
本实施例还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例提出的实现计及充电需求的电动汽车自适应调度方法。
[0099]
本实施例提出的存储介质与上述实施例提出的数据存储方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。
[0100]
实施例2
[0101]
参照图7～图8，为本发明的另一个实施例，提供了一种计及充电需求的电动汽车自适应调度方法的验证测试，对本方法中采用的技术效果加以验证说明。
[0102]
在实施例中，设定用户出行时间的概率模型参数为，μ
l
＝8，σ
l
＝2.1。用户返回时间的概率模型参数为，μ
l
＝18，σ
l
＝3.4。用户日行驶距离的概率模型参数为，μd＝3.20，σ
l
＝0.88。
[0103]
设定电动汽车的单位距离耗电量为0.20kwh，充电效率为95％，电动汽车的充电速度为5kw，电池容量为30kwh，用户出行时电动汽车的电量为100％，以及居民区域有100辆电动汽车，每辆电动汽车都拥有一个私人充电桩，该居民区域内原有日内用电负荷的各小时用电量(1时到24时)依次为333.3kwh、266.7kwh、250.0kwh、216.7kwh、200.0kwh、183.3kwh、200.0kwh、216.7kwh、183.3kwh、216.7kwh、250kwh、300kwh、350kwh、366.7kwh、300kwh、266.7kwh、250kwh、250kwh、350kwh、450kwh、483.3kwh、500kwh、483.3kwh和416.7kwh。居民用户的出行时间、返回时间和日行驶距离通过概率函数随机生成。
[0104]
如图7～图8所示，在未实施本发明的优化方案时，电动汽车会在返回居民区后就开始充电，直到充满自身电池，分析用户的出行需求和充电需求的特征，可以发现该种充电方法下电动汽车充电时间与居民区原有的用电高峰区，会加大居民区用电负荷曲线的峰谷差，这种波动对于电网的运行是不利的。而采用了本发明的方法后，电动汽车的开始充电时间被改变，用户接受电动汽车负荷优化调度方案，在特定的时间开始充电，将电动汽车用户负荷尽量平移到居民区用电的低谷时段，实施例中电动汽车用户的充电时段被转移到了凌晨时段。
[0105]
同时，本发明的优化目标不局限于减小居民区用电峰谷差，还考虑到了居民用户的充电需求强烈程度，本发明提出的优化方案会优先对充电量大、停放时间短的车辆开始充电，兼顾到了居民的实际需求，更易于被居民用户接受。
[0106]
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种计及充电需求的电动汽车自适应调度方法，其特征在于：包括，根据用户的出行时间、用户的返回时间以及用户的日行驶里程构建电动汽车出行需求模型；基于所述电动汽车出行需求模型并结合电动汽车充电电量、最大充电时长以及最短充电时长构建电动汽车充电需求模型，评估用户充电需求的差异；基于电动汽车开始充电的时间，以及用户的充电需求，构建计及充电需求的电动汽车自适应调度模型，对电动汽车进行优化调度。2.如权利要求1所述的一种计及充电需求的电动汽车自适应调度方法，其特征在于：所述电动汽车出行需求模型包括，根据用户的出行时间满足正态分布特征，构建出行时间的概率模型；根据用户的返回时间满足正态分布特征，构建返回时间的概率模型；根据用户的日行驶里程满足对数正态分布特征，构建日行驶里程的概率密度函数。3.如权利要求2所述的一种计及充电需求的电动汽车自适应调度方法，其特征在于：所述出行时间的概率模型如下：其中，f
l
(x)表示用户的出行时间的概率密度函数，x表示时段的编号，μ
l
表示用户出行时间的均值，σ
l
表示用户出行时间的标准差。4.如权利要求2所述的一种计及充电需求的电动汽车自适应调度方法，其特征在于：所述返回时间的概率模型如下：其中，f
s
(x)表示用户的返回时间的概率密度函数，μ
s
表示用户返回时间的均值，σ
s
表示用户返回时间的标准差。5.如权利要求2所述的一种计及充电需求的电动汽车自适应调度方法，其特征在于：所述日行驶里程的概率密度函数如下：其中，f
d
(x)表示用户的日行驶里程的概率密度函数，μ
d
表示用户日行驶里程的均值，σ
d
表示用户日行驶里程的标准差。6.如权利要求1所述的一种计及充电需求的电动汽车自适应调度方法，其特征在于：基
于所述电动汽车出行需求模型并结合电动汽车充电电量、最大充电时长以及最短充电时长构建电动汽车充电需求模型包括，充电期间单位时间的平均最小充电量的计算公式如下：其中，d
i
表示用户i的充电需求性能参数，表示充电期间单位时间的平均最小充电量，s
i,c
＝l
i,d
×
λ
i
表示用户i的充电需求电量，l
i,d
表示用户i的日行驶距离，λ
i
表示用户i的电动汽车单位距离耗电量，t
i,max
＝t
i,ll-t
i,s
+24表示用户i的最大充电时长，t
i,ll
表示第二天的用户i出行时间，t
i,s
表示用户i的返回时间；电动汽车的最短充电时长的计算公式如下：其中，t
i,min
表示电动汽车的最短充电时间，p
i,c
表示电动汽车i的充电速度，η
c
表示电动汽车i的充电转换效率。7.如权利要求1所述的一种计及充电需求的电动汽车自适应调度方法，其特征在于：基于电动汽车开始充电的时间，以及用户的充电需求，构建计及充电需求的电动汽车自适应调度模型，对电动汽车进行优化调度包括，考虑削减居民区域用电的峰谷差，对电动汽车开始充电的时间进行调整，以及考虑用户的充电需求，对充电需求小的电动汽车延迟充电，得到计及充电需求的电动汽车自适应调度模型的目标函数，如下所示：其中，p
t
表示居民区域的实时用电负荷，表示居民区域的平均用电负荷，p
i,t
表示电动汽车i的实时用电负荷，t
i,c
表示电动汽车i开始充电的时间。根据所述电动汽车自适应调度模型中，电动汽车延迟的开始充电时间受到约束，距离电动汽车离开时间不得小于电动汽车的最短充电时间，得到开始充电时间的约束表达式，如下所示：t
i,s
≤t
i,c
≤(t
i
，
,l-t
i,min
)其中，t
i
，
,l
表示第二天的电动汽车i出行时间。8.一种计及充电需求的电动汽车自适应调度系统，其特征在于，包括，模型搭建模块，用于根据用户的出行时间、用户的返回时间以及用户的日行驶里程构建电动汽车出行需求模型，以及基于所述电动汽车出行需求模型并根据电动汽车充电电量和最大充电时长，构建电动汽车充电需求模型评估用户充电需求的差异；优化调度模块，用于基于电动汽车开始充电的时间，以及用户的充电需求，构建计及充电需求的电动汽车自适应调度方法的模型，对电动汽车进行优化调度。9.一种计算设备，包括：存储器和处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指
令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述计及充电需求的电动汽车自适应调度方法的步骤。10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述计及充电需求的电动汽车自适应调度方法的步骤。

技术总结
本发明公开了一种计及充电需求的电动汽车自适应调度方法，包括：根据用户的出行时间、用户的返回时间以及用户的日行驶里程构建电动汽车出行需求模型；基于所述电动汽车出行需求模型并结合电动汽车充电电量、最大充电时长以及最短充电时长构建电动汽车充电需求模型，评估用户充电需求的差异；基于电动汽车开始充电的时间，以及用户的充电需求，构建计及充电需求的电动汽车自适应调度模型，对电动汽车进行优化调度。本发明能够自适应不同电动汽车用户的充电需求，制定优化调度方案，在保证电动汽车需求响应能力的情况下满足电动汽车用户的充电需求，提高了电动汽车的调度方案对不同居民用户的适应度，减少延迟充电对用户临时出行需求的影响程度。行需求的影响程度。行需求的影响程度。


技术研发人员：李庆生 李震 朱永清 张彦 龙家焕 丁一 韩林阳 张裕 唐学用 罗重科 范俊秋 杨婕睿 张兆丰 罗宁 刘文霞
受保护的技术使用者：浙江大学
技术研发日：2022.11.30
技术公布日：2023/7/26