一种适用于城区快速充电站的电动汽车引导方法、系统

1.本发明涉及一种适用于城区快速充电站的电动汽车引导方法、系统，属于城区电动汽车充电引导领域。


背景技术：

2.随着“碳达峰、碳中和”长期气候发展目标的提出，电动汽车凭借其低碳排方面的优势得到了快速发展。由于电动汽车出行呈现较强的规律性，无序接入的电动汽车对部分快速充电站的服务能力提出了更高要求，严重的充电阻塞现象将极大增加电动汽车充电时长，降低车主充电体验。鉴于选取快速充电站内部电动汽车通常对充电时长具有严苛的要求，故而有必要针对电动汽车接入过程进行有效管控，以最大限度缩短电动汽车充电过程耗时，提升用户充电满意度。


技术实现要素：

3.本发明提供了一种适用于城区快速充电站的电动汽车引导方法、系统，以用于获得电动汽车引导决策结果。
4.本发明的技术方案是：一种适用于城区快速充电站的电动汽车引导方法，包括：
5.获取各参与调度过程快速充电站空间位置分布；
6.获取有充电需求的电动汽车的空间位置分布，以及对应的剩余电量，期望电量数值；
7.依据快速充电站空间位置分布、电动汽车空间位置分布以及剩余电量信息，判定电动汽车是否满足引导可行性条件，确定电动汽车可选择的快速充电站范围；如果引导可行性条件选用两类约束，则对满足两类约束的快速充电站保留，否则删除；
8.对建立的快速充电站队列模型的稳定程度进行评估；
9.依据车主不满意程度指标，确定车主不满意程度指标评价结果；
10.依据快速充电站队列模型的稳定程度、车主不满意程度指标评价结果建立电动汽车引导决策模型目标函数；根据约束条件，求解目标函数，确定电动汽车引导决策结果。
11.所述引导可行性条件具体包括如下两类：
12.剩余电量约束：
[0013][0014]
式中，er(i)表示第i辆电动汽车车主上传的剩余电量，e
min
表示设置的电动汽车电池电量下限，l
100
表示电动汽车的百公里耗电量；d
p
(i)、do(i)分别表示第i辆前往目标快速充电站以及距离最近快速充电站的距离；
[0015]
行程耗时增量约束：
[0016]
t
p
(i)-to(i)≤δt
max
[0017]
式中，t
p
(i)、to(i)分别表示第i辆电动汽车前往目标快速充电站以及距离最近快
速充电站对应的行程耗时，δt
max
表示车主可接受的电动汽车行程耗时增量上限。
[0018]
所述快速充电站队列模型根据对应时刻的队列长度进行汇总的基础上得到，具体结构如下：
[0019]
π(t)＝{m1(t),q1(t),
…
,ms(t),qs(t),
…
}
[0020]
式中，π(t)指代快速充电站队列模型，ms(t)、qs(t)分别表示t时刻位于快速充电站s前往、在站队列中的电动汽车个数。
[0021]
所述快速充电站队列模型依据电动汽车不同充电阶段，分别划分为前往队列ms、以及在站队列qs两类，其对应队列长度使用各时刻该队列中的电动汽车数量表示；其中，ms队列用于指代接入第s个快速充电站，但尚未到达快速充电站的全体电动汽车；qs队列用于指代已经抵达快速充电站s，但并未完成充电全体电动汽车；ms、qs队列长度可分别基于如下公式进行更新：
[0022]ms
(t+1)＝ms(t)+ns(t)-as(t)
[0023]qs
(t+1)＝max{qs(t)-ds(t),0}+as(t)
[0024]
式中，ns(t)表示t时刻为快速充电站s分配的电动汽车个数；as(t)表示t时刻抵达快速充电站s的电动汽车个数，ds(t)表示t时刻快速充电站s中完成充电的电动汽车个数；max{}表示选取括号内各参数的最大值；
[0025]
在此基础上，各时刻为快速充电站分配的电动汽车数量不应大于其能够响应的充电请求数量上限，具体如下：
[0026]ns
(t)≤n
max
[0027]
式中，n
max
表示设置的快速充电站可响应充电请求上限。
[0028]
对建立的快速充电站队列模型的稳定程度采用李雅普洛夫函数评估，具体如下：
[0029][0030]
式中，v(π(t))表示t时刻快速充电站队列模型李雅普洛夫函数值，快速充电站队列模型李雅普洛夫函数取值越小，对应队列模型稳定程度越高；ns表示区域内的快速充电站个数，分别为前往队列、在站队列权重系数，ms(t)、qs(t)分别表示t时刻位于快速充电站s前往、在站队列中的电动汽车个数。
[0031]
所述车主不满意程度主要由行程耗时增量以及队列停留时长两方面原因引发，具体如下：
[0032]
行程耗时增量引发的不满意度：
[0033][0034]
式中，f
dis
(i)表示第i辆电动汽车由于行程耗时增量引发的不满意度，t
p
(i)、to(i)分别表示第i辆电动汽车前往目标快速充电站以及距离最近快速充电站对应的行程耗时；
[0035]
队列停留时长引发的不满意度：
[0036][0037]
式中，f
con
(i)表示第i辆电动汽车由于队列停留时长引发的不满意度，t
dri
(i)、t
chi
(i)分别表示第i辆电动汽车前往、充电阶段持续时长，δt表示单个决策时段的时间步长；
ceil(.)是向上取整函数；
[0038]
基于上述分析，车主不满意程度指标评价公式如下：
[0039][0040]
式中，y(t)表示t时刻全体待分配对应的车主不满意度评价结果，n(t)表示t时刻待分配电动汽车总数；α1、α2分别表示行程耗时增量以及队列停留时长引发的不满意度对应的权重系数。
[0041]
所述引导决策模型基于李雅普洛夫优化理论，通过构建“漂移-惩罚项函数”方式开展优化建模；其中，李雅普洛夫漂移定义为单个时段内，李雅普洛夫函数取值变化量，可用于表征快速充电站队列模型稳定性变化，具体如下：
[0042][0043][0044]
式中，δv(t)表示t时刻快速充电站队列模型李雅普洛夫漂移函数值，表示t时刻快速充电站队列模型李雅普洛夫漂移函数取值上界；v(π(t))表示t时刻快速充电站队列模型李雅普洛夫函数值；ms(t)、qs(t)分别表示t时刻位于快速充电站s前往、在站队列中的电动汽车个数，分别为前往队列、在站队列权重系数；ns(t)表示t时刻为快速充电站s分配的电动汽车个数，ds(t)表示t时刻快速充电站s中完成充电的电动汽车个数，as(t)表示t时刻抵达快速充电站s的电动汽车个数，ns表示区域内的快速充电站个数；e{as(t)}、e{ns(t)}、e{ds(t)}分别表示as(t)、ns(t)、ds(t)的期望值；
[0045]
在此基础上，引导决策模型以队列李雅普洛夫漂移上界最小化为目标，在将车主不满意程度作为惩罚项引入决策过程后，得到电动汽车引导决策模型目标函数如下：
[0046][0047]
式中，dpp(t)表示引导决策模型t时刻漂移-惩罚项函数，表示t时刻快速充电站队列模型李雅普洛夫漂移函数取值上界；y(t)表示t时刻全体待分配对应的车主不满意度评价结果，β表示车主不满意度函数权重系数；
[0048]
由于各时刻为不同快速充电站分配的电动汽车数量能通过对引导矩阵对应列向量进行求和方式得到，即有：
[0049][0050]
式中，ns(t)表示t时刻为快速充电站s分配的电动汽车个数，n(t)表示t时刻待分配电动汽车总数；r
es
为t时刻电动汽车引导决策对应二进制变量，取值为1时表示将第e辆待分配电动汽车引导至快速充电站s，反之则表示不引导第e辆电动汽车前往快速充电站s；
[0051]
且各时刻as(t)、ds(t)参数取值可基于之前时段的电动汽车分派决策确定，故而忽略as(t)、ds(t)参数影响后，电动汽车引导决策模型目标函数修改为如下：
[0052]
目标函数：
[0053][0054]
式中，ns表示区域内的快速充电站个数，n(t)表示t时刻待分配电动汽车总数；ms(t)分别表示t时刻位于快速充电站s前往队列中的电动汽车个数，为前往队列权重系数；f
es
表示电动汽车e前往快速充电站s时的惩罚项函数计算结果，针对不满足引导可行性条件的快速充电站，更改模型惩罚项取值为无穷大；r
es
为电动汽车引导决策对应二进制变量，取值为1时表示将第e辆待分配电动汽车引导至快速充电站s，反之则表示不引导第e辆电动汽车前往快速充电站s；
[0055]
约束条件：
[0056][0057]
式中，ns表示区域内的快速充电站个数，n(t)表示t时刻待分配电动汽车总数；r
es
为电动汽车引导决策对应二进制变量，取值为1时表示将第e辆待分配电动汽车引导至快速充电站s，反之则表示不引导第e辆电动汽车前往快速充电站s。
[0058]
所述引导决策构建引导决策矩阵，引导决策矩阵维数取决于当前分派时段上传信息车主数量以及区域内快速充电站数量，具体结构如下：
[0059][0060]
式中，r(t)表示t时刻对应的电动汽车引导决策矩阵。
[0061]
根据本发明的另一方面，还提供了一种适用于城区快速充电站的电动汽车引导系统，包括：
[0062]
第一获取模块，用于获取各参与调度过程快速充电站空间位置分布；
[0063]
第二获取模块，用于获取有充电需求的电动汽车的空间位置分布，以及对应的剩余电量，期望电量数值；
[0064]
第一确定模块，用于依据快速充电站空间位置分布、电动汽车空间位置分布以及剩余电量信息，判定电动汽车是否满足引导可行性条件，确定电动汽车可选择的快速充电站范围；如果引导可行性条件选用两类约束，则对满足两类约束的快速充电站保留，否则删除；
[0065]
评估模块，用于对建立的快速充电站队列模型的稳定程度进行评估；
[0066]
第二确定模块，用于依据车主不满意程度指标，确定车主不满意程度指标评价结果；
[0067]
第三确定模块，用于依据快速充电站队列模型的稳定程度、车主不满意程度指标评价结果建立电动汽车引导决策模型目标函数；根据约束条件，求解目标函数，确定电动汽
车引导决策结果。
[0068]
还包括：
[0069]
第一反馈模块，用于依据电动汽车引导决策结果，向上传信息的电动汽车车主反馈应接入的快速充电站编号，抵达快速充电站时刻以及取车时刻；
[0070]
第二反馈模块：用于依据电动汽车引导决策结果，向快速充电站运营商反馈其各时刻电动汽车到达量，以及电动汽车接入，移出计划。
[0071]
本发明的有益效果是：本发明在建立区域内快速充电站队列模型描述电动汽车空间分布情况基础上，通过李雅普洛夫函数评估充电站队列稳定程度；之后，基于李雅普洛夫优化理论，将用户不满意程度作为惩罚性函数引入优化过程，通过构建漂移-惩罚项函数形式，建立电动汽车引导决策模型。所提模型充分考虑了电动汽车车主的服从意愿，通过对电动汽车进行引导方式，有效缓解了快速充电站的充电阻塞情况，减少了快速充电站内部电动汽车等待数量，降低了电动汽车充电过程耗时，提高了车主充电满意度。
附图说明
[0072]
图1为本发明方法的流程图；
[0073]
图2为本发明实施例的交通路网连通图结构；
[0074]
图3为本发明引导前后各快速充电站归属电动汽车数量；
[0075]
图4为本发明引导前后模型q队列长度；
[0076]
图5为本发明3号快速充电站引导前后的设施利用率；
[0077]
图6为本发明4号快速充电站引导前后的设施利用率。
具体实施方式
[0078]
下面结合附图和实施例，对发明做进一步的说明，但本发明的内容并不限于所述范围。
[0079]
实施例1：如图1-6所示，一种适用于城区快速充电站的电动汽车引导方法，包括：
[0080]
获取各参与调度过程快速充电站空间位置分布；
[0081]
获取有充电需求的电动汽车的空间位置分布，以及对应的剩余电量，期望电量数值；
[0082]
依据快速充电站空间位置分布、电动汽车空间位置分布以及剩余电量信息，判定电动汽车是否满足引导可行性条件，确定电动汽车可选择的快速充电站范围；如果引导可行性条件选用两类约束，则对满足两类约束的快速充电站保留，否则删除；
[0083]
对建立的快速充电站队列模型的稳定程度进行评估；
[0084]
依据车主不满意程度指标，确定车主不满意程度指标评价结果；
[0085]
依据快速充电站队列模型的稳定程度、车主不满意程度指标评价结果建立电动汽车引导决策模型目标函数；根据约束条件，求解目标函数，确定电动汽车引导决策结果。
[0086]
可选地，所述引导可行性条件具体包括如下两类：
[0087]
剩余电量约束，剩余电量约束旨在保证电动汽车的电量足以支撑其前往快速充电站，对应具体数学表达式如下：
[0088][0089]
式中，er(i)表示第i辆电动汽车车主上传的剩余电量，e
min
表示设置的电动汽车电池电量下限，l
100
表示电动汽车的百公里耗电量；d
p
(i)、do(i)分别表示第i辆前往目标快速充电站以及距离最近快速充电站的距离；
[0090]
行程耗时增量约束，行程耗时增量约束反映了车主对引导指令的最大可接受程度，若引导发生后，电动汽车行程耗时急剧增长，则车主将拒绝响应引导指令。行程耗时增量约束数学表达如下：
[0091]
t
p
(i)-to(i)≤δt
max
[0092]
式中，t
p
(i)、to(i)分别表示第i辆电动汽车前往目标快速充电站以及距离最近快速充电站对应的行程耗时，δt
max
表示车主可接受的电动汽车行程耗时增量上限。
[0093]
可选地，所述快速充电站队列模型根据对应时刻的队列长度进行汇总的基础上得到(即快速充电站队列模型主要基于之前时刻电动汽车分派结果确定队列长度)，具体结构如下：
[0094]
π(t)＝{m1(t),q1(t),
…
,ms(t),qs(t),
…
}
[0095]
式中，π(t)指代快速充电站队列模型，ms(t)、qs(t)分别表示t时刻位于快速充电站s前往、在站队列中的电动汽车个数。
[0096]
可选地，所述快速充电站队列模型依据电动汽车不同充电阶段，分别划分为前往队列ms、以及在站队列qs两类，其对应队列长度使用各时刻该队列中的电动汽车数量表示；其中，ms队列用于指代接入第s个快速充电站，但尚未到达快速充电站的全体电动汽车；qs队列用于指代已经抵达快速充电站s，但并未完成充电全体电动汽车；ms、qs队列长度可分别基于如下公式进行更新：
[0097]ms
(t+1)＝ms(t)+ns(t)-as(t)
[0098]qs
(t+1)＝max{qs(t)-ds(t),0}+as(t)
[0099]
式中，ms(t)、qs(t)分别表示t时刻位于快速充电站s前往、在站队列中的电动汽车个数；ns(t)表示t时刻为快速充电站s分配的电动汽车个数；as(t)表示t时刻抵达快速充电站s的电动汽车个数，ds(t)表示t时刻快速充电站s中完成充电的电动汽车个数；max{}表示选取括号内各参数的最大值；
[0100]
在此基础上，模型各时刻为快速充电站分配的电动汽车数量不应大于其能够响应的充电请求数量上限，具体如下：
[0101]ns
(t)≤n
max
[0102]
式中，n
max
表示设置的快速充电站可响应充电请求上限。
[0103]
可选地，对建立的快速充电站队列模型的稳定程度采用李雅普洛夫函数评估，具体如下：
[0104][0105]
式中，v(π(t))表示t时刻快速充电站队列模型李雅普洛夫函数值，快速充电站队列模型李雅普洛夫函数取值越小，对应队列模型稳定程度越高；ns表示区域内的快速充电
站个数，分别为前往队列、在站队列权重系数，ms(t)、qs(t)分别表示t时刻位于快速充电站s前往、在站队列中的电动汽车个数。
[0106]
可选地，所述车主不满意程度主要由行程耗时增量以及队列停留时长两方面原因引发，具体如下：
[0107]
行程耗时增量引发的不满意度，行程耗时增量带来的用户不满意程度主要取决于引导发生后，电动汽车的前往快速充电站的过程中增加的行驶时长，使用指数函数进行评估，具体如下：
[0108][0109]
式中，f
dis
(i)表示第i辆电动汽车由于行程耗时增量引发的不满意度，t
p
(i)、to(i)分别表示第i辆电动汽车前往目标快速充电站以及距离最近快速充电站对应的行程耗时；
[0110]
队列停留时长引发的不满意度，队列停留时长引发的不满意度主要反应于电动汽车收到引导指令后，整个充电过程的总持续时长，具体如下：
[0111][0112]
式中，f
con
(i)表示第i辆电动汽车由于队列停留时长引发的不满意度，t
dri
(i)、t
chi
(i)分别表示第i辆电动汽车前往、充电阶段持续时长，δt表示单个决策时段的时间步长；ceil(.)是向上取整函数，其返回结果为数值与括号内参数最为接近，且数值不小于该参数的整数；；
[0113]
基于上述分析，车主不满意程度指标评价公式如下：
[0114][0115]
式中，y(t)表示t时刻全体待分配对应的车主不满意度评价结果，n(t)表示t时刻待分配电动汽车总数；α1、α2分别表示行程耗时增量以及队列停留时长引发的不满意度对应的权重系数。
[0116]
可选地，所述引导决策模型基于李雅普洛夫优化理论，通过构建“漂移-惩罚项函数”方式开展优化建模；其中，李雅普洛夫漂移定义为单个时段内，李雅普洛夫函数取值变化量，可用于表征快速充电站队列模型稳定性变化，具体如下：
[0117][0118][0119]
式中，δv(t)表示t时刻快速充电站队列模型李雅普洛夫漂移函数值，表示t时刻快速充电站队列模型李雅普洛夫漂移函数取值上界；v(π(t))表示t时刻快速充电站队列模型李雅普洛夫函数值；ms(t)、qs(t)分别表示t时刻位于快速充电站s前往、在站队列中
的电动汽车个数，分别为前往队列、在站队列权重系数；ns(t)表示t时刻为快速充电站s分配的电动汽车个数，ds(t)表示t时刻快速充电站s中完成充电的电动汽车个数，as(t)表示t时刻抵达快速充电站s的电动汽车个数，ns表示区域内的快速充电站个数；e{as(t)}、e{ns(t)}、e{ds(t)}分别表示as(t)、ns(t)、ds(t)的期望值；
[0120]
在此基础上，引导决策模型以队列李雅普洛夫漂移上界最小化为目标，在将车主不满意程度作为惩罚项引入决策过程后，得到电动汽车引导决策模型目标函数如下：
[0121][0122]
式中，dpp(t)表示引导决策模型t时刻漂移-惩罚项函数，表示t时刻快速充电站队列模型李雅普洛夫漂移函数取值上界；y(t)表示t时刻全体待分配对应的车主不满意度评价结果，β表示车主不满意度函数权重系数；
[0123]
由于模型各时刻为不同快速充电站分配的电动汽车数量可通过对引导矩阵对应列向量进行求和方式得到，即有：
[0124][0125]
式中，ns(t)表示t时刻为快速充电站s分配的电动汽车个数，n(t)表示t时刻待分配电动汽车总数；r
es
为t时刻电动汽车引导决策对应二进制变量，取值为1时表示将第e辆待分配电动汽车引导至快速充电站s，反之则表示不引导第e辆电动汽车前往快速充电站s；
[0126]
且模型各时刻as(t)、ds(t)参数取值可基于之前时段的电动汽车分派决策确定，故而忽略as(t)、ds(t)参数影响后，电动汽车引导决策模型目标函数修改为如下：
[0127]
目标函数：
[0128][0129]
式中，ns表示区域内的快速充电站个数，n(t)表示t时刻待分配电动汽车总数；ms(t)分别表示t时刻位于快速充电站s前往队列中的电动汽车个数，为前往队列权重系数；f
es
表示电动汽车e前往快速充电站s时的惩罚项函数计算结果，为避免不符合引导条件的快速充电站被模型选取，所提模型在求解时，针对不满足引导可行性条件的快速充电站，更改模型惩罚项取值为无穷大；r
es
为电动汽车引导决策对应二进制变量，取值为1时表示将第e辆待分配电动汽车引导至快速充电站s，反之则表示不引导第e辆电动汽车前往快速充电站s；
[0130]
约束条件：
[0131][0132]
式中，ns表示区域内的快速充电站个数，n(t)表示t时刻待分配电动汽车总数；r
es
为电动汽车引导决策对应二进制变量，取值为1时表示将第e辆待分配电动汽车引导至快速充电站s，反之则表示不引导第e辆电动汽车前往快速充电站s。
[0133]
可选地，所述引导决策构建引导决策矩阵，引导决策矩阵维数取决于当前分派时段上传信息车主数量以及区域内快速充电站数量，具体结构如下：
[0134][0135]
式中，r(t)表示t时刻对应的电动汽车引导决策矩阵。
[0136]
根据本发明的另一方面，还提供了一种适用于城区快速充电站的电动汽车引导系统，包括：
[0137]
第一获取模块，用于获取各参与调度过程快速充电站空间位置分布；
[0138]
第二获取模块，用于获取有充电需求的电动汽车的空间位置分布，以及对应的剩余电量，期望电量数值；
[0139]
第一确定模块，用于依据快速充电站空间位置分布、电动汽车空间位置分布以及剩余电量信息，判定电动汽车是否满足引导可行性条件，确定电动汽车可选择的快速充电站范围；如果引导可行性条件选用两类约束，则对满足两类约束的快速充电站保留，否则删除；
[0140]
评估模块，用于对建立的快速充电站队列模型的稳定程度进行评估；
[0141]
第二确定模块，用于依据车主不满意程度指标，确定车主不满意程度指标评价结果；
[0142]
第三确定模块，用于依据快速充电站队列模型的稳定程度、车主不满意程度指标评价结果建立电动汽车引导决策模型目标函数；根据约束条件，求解目标函数，确定电动汽车引导决策结果。
[0143]
还包括：
[0144]
第一反馈模块，用于依据电动汽车引导决策结果，向上传信息的电动汽车车主反馈应接入的快速充电站编号，抵达快速充电站时刻以及取车时刻；
[0145]
第二反馈模块：用于依据电动汽车引导决策结果，向快速充电站运营商反馈其各时刻电动汽车到达量，以及电动汽车接入，移出计划。
[0146]
本发明基于李雅普洛夫函数评估快速充电站队列模型稳定程度，并基于李雅普洛夫优化理论，在考虑引导过程车主不满意程度基础上开展优化建模工作。所提模型通过设计引导可行性条件方式，充分考虑了电动汽车车主的服从意愿，能够有效缓解快速充电站电动汽车充电阻塞现象，降低电动汽车充电过程耗时，提升电动汽车车主充电体验。
[0147]
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
[0148]
进一步地，上述可选实施例的方法给出具体步骤如下：
[0149]
步骤s1，快速充电站信息获取：在每个调度周期开始前，收集各参与调度过程快速充电站空间位置分布；
[0150]
步骤s2，电动汽车状态信息输入：收集有充电需求的电动汽车的空间位置分布，以及对应的参数；
[0151]
步骤s3，依据快速充电站空间位置分布、电动汽车空间位置分布以及参数信息，判定电动汽车是否满足引导可行性条件，确定电动汽车可选择的快速充电站范围；如果引导可行性条件选用两类约束，则对满足两类约束的快速充电站保留，否则删除；
[0152]
步骤s4，充电站队列稳定程度评估：对建立的快速充电站队列模型的稳定程度进行评估；
[0153]
步骤s5，依据车主不满意程度指标，获得车主不满意程度指标评价结果；依据快速充电站队列模型的稳定程度、车主不满意程度指标评价结果建立电动汽车引导决策模型目标函数；求解目标函数，获得电动汽车引导决策结果，并向车主和快速充电站运营商进行反馈。基于电动汽车引导决策结果，动态更新快速充电站队列模型状态信息。
[0154]
为展示本发明实施效果，现基于西南某地实际路网结构开展仿真分析，针对各时段依次执行s1-s6步骤。仿真分析详细参数设置信息如下：
[0155]
(1)起始时间设置为上午7:00，电动汽车预约时段间隔，即步长设为5min，时段个数为288。
[0156]
(2)交通网络连通图如附图2所示，路网系统共包含6个快速充电站，各个快速充电站位置分布如图所示，单个快速充电站装设的充电桩数量设为15。区域内电动汽车总数设置为1000，其空间位置在不同节点之间等概率分布，电动汽车个体参数信息如表1所示。
[0157]
表1 仿真电动汽车参数
[0158][0159]
(3)各快速充电站队列模型中，前往、在站队列权重系数，均设为0.5。行程耗时增量以及队列停留时长引发的不满意度对应的权重系数α1、α2取值亦设置为0.5，引导决策模型车主不满意度函数权重系数β设置为5。
[0160]
基于如附图2所述的路网结构，t时刻的队列模型中共包含6个前往队列以及6个在站队列，具体如下：
[0161]
π(t)＝{m1(t),q1(t),m2(t),q2(t),m3(t),q3(t),m4(t),q4(t),m5(t),q5(t),m6(t),q6(t)}
[0162]
以第104个电动汽车分派时段为例，此时待分配电动汽车数量为9辆，对应电动汽车分派矩阵维数为9
×
6。
[0163]
以第104个电动汽车分派时段第6辆待分配电动汽车为例，其前往区域内各快速充电站对应的惩罚项系数计算结果下表：
[0164]
表2 第104个电动汽车分派时段第6辆待分配电动汽车惩罚项系数计算结果
[0165][0166]
可见，由于该电动汽车不具备前往3号快速充电站的可行性条件，故而模型此时将对应惩罚项系数设置为无穷大以避免该充电站被模型选择。在此基础上，基于惩罚项系数计算结果，模型将引导该电动汽车前往3号快速充电站进行充电。
[0167]
如附图3-6所示，引导发生后，原本归属电动汽车数量较多的3号快速充电站，对应电动汽车归属数发生了明显下降。而与之相反的是，原本电动汽车归属数量较少的4号快速充电站，对应电动汽车归属数量则较之前出现了明显增长。
[0168]
基于上述分析可知，减少的电动汽车归属数量有助于缓解3号快速充电站的电动汽车充电阻塞现象，进而减少电动汽车在站等待数。如附图4所示，随着电动汽车引导模型的介入，模型在站队列q中包含的电动汽车数量较之前明显减少，充电阻塞现象得到了显著改善。
[0169]
值得注意的是，所提引导模型通过对区域内快速充电站充电服务能力的充分利用方式，达到提升车主充电体验的目的。然而，附图5、图6列示的结果显示，所提引导模型的介入并不会大幅降低原本归属电动汽车数量较多的快速充电站的设施利用率。换言之，这部分快速充电站运营商的经济效应并不会由于引导的发生而遭受破坏。
[0170]
上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。