基于能耗控制的电动汽车停车场充电方法与流程

本发明涉及能源充电技术领域，具体涉及一种基于能耗控制的电动汽车停车场充电方法。

背景技术：

在过去的几十年间，环境恶化、石油资源消耗严重、国际油价波动，各国政府都尽力在减少对进口石油等化石能源的依赖，这些因素极大的促进了交通运输业的电汽化发展。与传统汽车相比，电动汽车具有环保节能、噪音小、稳定性高等优点，因此，电动汽车作为传统燃油汽车的一个清洁环保的替代品，近年来获得了较大的发展，各国政府推出了一系列的财政补贴和优惠政策，支持电动汽车行业的发展，并鼓励人们购买电动汽车，例如：电动汽车不用摇号、购买电动汽车时给予财政补贴、电动汽车在市中心拥有专用停车位、免费停车、允许电动汽车在高峰时段在公交车专用道或hov车道上行驶等。电动汽车的数量和市场占有率近年来一直在飞速增长。在不久的将来，电动汽车必将成为人们日常出行的一个重要交通工具。

然而，由于电动汽车的充电时间往往需要数小时，充电时间和续航里程把它限制在了相对较短距离的出行上，严重的制约着着电动汽车的实用性。研究表明，对于驾驶员来说，电动汽车的上述缺点带来的不便和负面影响，甚至超过了政府刺激政策带来的影响。一般情况下，车辆的平均行驶时间只占到一天总时间的4％-7％，大部分时间是处于停泊状态的。因此，未来可建设电动汽车停车场，或在现有普通停车场内加装充电桩，作为电动汽车充电点，在工作日上下班时间段内充分利用工作时间进行充电，缓解电动汽车的充电问题，提高电动汽车的实用性，显得特别有意义。

技术实现要素：

本发明的目的是为了解决如何利用电动汽车停车的时间进行充电，提高电动汽车的实用性，提供一种基于能耗控制的电动汽车停车场充电方法。

本发明的目的可以通过采取如下技术方案达到：

一种基于能耗控制的电动汽车停车场充电优化方法，所述充电优化方法包括以下步骤：

s1、通过对现阶段停车场大量车辆到达时间、停放时间、通勤出行距离的统计分析，利用非参数估计方法，对未来电动汽车在停车场的停放特征及到达停车场过程中的电量消耗进行预测分析；

其中，所述未来电动汽车在停车场的停放特征包括：车辆到达时间、车辆停放时间、车辆离开时间、车辆到达停车场时的电量水平、车辆的电池容量、车辆的最大充电功率。

步骤s101：利用核密度估计方法对车辆的到达时间分布特性进行描述。其中，核密度估计函数的表达式如下。

x1,x2......xn为独立同分布的样本值，为密度函数f(x)的核密度估计，k(ξ)称为核函数，h一般是预先给定的正数，称为带宽，依据式(3)计算最优带宽，σs为样本标准差，r为样本的四分位距，即第三四分数减去第一四分数的差。

步骤s102：通过调研对工作日期间车辆到达停车场的时间累积分布特性进行核密度函数拟合，其中σs＝4.14h，r/1.34＝5.58h，n＝13470，h＝0.655；核密度的具体表达式为：

步骤s103：根据驾驶员工作日通勤出行情况下到达停车场时的行驶距离数据，结合综合工况下电动汽车单位行驶距离的耗电量，推算电动车辆到达停车场过程中的电量消耗信息，依据车辆到达停车场过程中的电量消耗信息，对工作日期间车辆到达停车场过程中的电量消耗累积分布概率进行核密度函数拟合，其中σs＝2.294kwh，r/1.34＝0.687kwh，n＝13470，h＝0.109；核密度的具体表达式为：

步骤s104：根据对大量停放车辆的调研信息，得出工作日期间一天各时间段内停车场停放的数量，假设未来停车场停放的车辆数量规律与此相同。不失一般性，本发明研究区域内，任意时间段内，车辆到达停车场时的行驶里程呈均匀分布状态。依据车辆到达时间的概率分布和车辆到达过程中的耗电量概率分布及一天内各个时段内停车场的停车数量，即可推算出停车场特定时间段内到达的车辆数及车辆到达过程中的耗电量。

步骤s2、以停车场管理者的角度，根据不同的经营目标：停车场电力负荷峰值最小、停车场日电费支出最低，制定不同的充电策略，建立相应的线性优化模型；

为控制成本及减小安全隐患，停车场管理者一般不希望停车场的电力负荷很大，基于以上原因，本发明提出停车场电力负荷峰值最小的充电策略。

目标函数：minimizep^max

pmax表示停车场为车辆充电时的最大负荷功率，目标函数使得停车场的电力负荷峰值最小；若车辆i在t时刻停靠在停车场，则statusi,t＝1，否则statusi,t＝0，式(7)表示车辆停靠在停车场时的充电功率不超过车辆设计的最大充电功率；soei,t表示车辆i在t时刻的电量水平，式(8)描述了车辆i的电量变化状态；式(9)表示停车场为车辆充满电。

为控制成本，减少支出，停车场管理者通常不希望电费支出过高。基于以上原因，本发明提出以总电费最小为目标的充电策略。

目标函数：

目标函数表示对于每一辆充电车辆，充电所需的花费最小，其他约束条件各式的意义与以电力负荷峰值最小为目标的充电策略中的相同。

步骤s3、通过构造拉格朗日函数，利用kkt条件对模型进行求解得到不同充电策略下的各车辆对应各时间的充电功率。以停车场的电力负荷最小为目标的策略与以总电费最小为目标的策略均为传统线性规划问题，现以以总电费最小为目标的策略为例进行模型求解说明，本发明通过构造拉格朗日函数，利用kkt条件进行求解。

步骤s301：拉格朗日函数如下，其中a，b，c为拉格朗日乘子。

步骤s302：函数的kkt条件如下：

λt-a-b+c＝0(13)

实际算例中，带入具体数值，根据以上kkt条件，求得车辆i对应时刻t时刻的充电功率即可。

本发明针对电动汽车停车场工作日期间车辆到达时间分布与电价波动特征，提出了2种充电优化策略：(1)停车场用电负荷峰值最小，(2)停车场总电费最低。本发明对电动车停车特性进行基于非参数检验的核密度估计，利用调研所得现实历史数据，可准确地描述出数据的分布特征。基于历史样本的估计方法更加准确的把握到停车者的停车时长和所需电量，然后可以根据本发明的计算方法，得出供电策略，相较于传统的随到随充策略，本发明方法能够有效的实现能耗控制且在供电策略制定上有更高的精度，为未来电动汽车停车场的运营管理工作提供一定的参考

本发明相对于现有技术具有如下的优点及效果：

本发明公开的基于能耗控制的电动汽车停车场充电方法，对电动车停车特性进行基于非参数检验的核密度估计，可根据从历史数据本身，相对准确地描述出数据的分布特征。基于历史样本的估计方法更加准确的把握到停车者的停车时长和所需电量，然后可以根据本发明的计算方法，得出供电策略，相较于传统的随到随充策略，本发明公开的停车场充电方法能够有效的实现能耗控制且在供电策略制定上有更高的精度，为未来电动汽车停车场的运营管理工作提供一定的参考。

附图说明

图1是电动车辆到达停车场后车辆充电的技术路线图；

图2是对广州市中心区62个停车场的停车状况进行实地调研得到的现阶段车辆到达时间的柱状图；

图3是用核密度函数对车辆到达时间的概率分布进行拟合的拟合曲线；

图4是对停车场驾驶员的问卷调查中提取的驾驶员工作日期间到达停车场时的行驶距离数据；

图5是根据驾驶员工作日通勤出行情况下到达停车场时的行驶距离数据，结合综合工况下电动汽车单位行驶距离的耗电量推算出的电动车辆到达停车场过程中的电量消耗信息；

图6是用核密度函数对工作日期间车辆到达停车场过程中的电量消耗累积分布概率进行拟合的拟合曲线；

图7是随到随充策略下的技术路线；

图8是实施例中电动停车场一天各时段内停放的电动汽车数量；

图9是城市商业用电峰谷分时电价标准；

图10是实施例中在策略1和策略2运营状态下停车场的电费消耗；

图11是实施例中在策略3运营状态下停车场的电费消耗；

图12是本发明中公开的基于能耗控制的电动汽车停车场充电方法的流程步骤图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

本实施例公开了一种基于能耗控制的电动汽车停车场充电方法的具体流程步骤，如附图12所示。

一、策略模型建立

本发明公开的电动汽车停车场充电方法的主要思路是：第一步通过对现阶段停车场大量车辆到达时间、停放时间、通勤出行距离等信息的统计分析，利用非参数估计方法，对未来电动汽车在停车场的停放特征及到达停车场过程中的电量消耗进行预测分析；第二步以停车场管理者的角度，根据不同的经营目标：停车场电力负荷峰值最小、停车场日电费支出最低，制定不同的充电策略，建立相应的线性优化模型；第三步通过构造拉格朗日函数，利用kkt条件对模型进行求解得到不同充电策略下的各车辆对应各时间的充电功率。

1.问题描述

市中心某停车场，工作日期间的服务对象主要为附近上下班车辆。根据电动汽车的现有规模和增长趋势，未来将会有很大比例的电动汽车在此停靠，为满足停车者的需要并保证停车场的使用率，停车场未来必须设置一定数量带充电桩的停车位，供电动汽车停放和充电使用。不失一般性，假定诸如工作日期间到达停车场的时间分布、停车时长分布等电动汽车的停车特性如与现在的传统燃油汽车群体相同。

本发明拟在停车场未来停车的电动汽车的停车特性基本不变的情况下，以停车场管理者的角度，根据不同的经营目标：停车场电力负荷峰值最小、停车场日电费支出最低，制定不同的充电策略，并对其效果进行对比和分析。

2.基本假设及参数定义

本发明提出以下几个基本假设：

(1)在目前无法得到驾驶员预约停车时长准确信息的情况下，本发明重点研究的是工作日的停放车辆。基于上下班通勤车辆的停车时长特征，上下班车辆的停放时间服从均值为8(h)，方差为1(h)的正态分布，ti^s～n(8,1²)。

(2)未来电动车停车场中，驾驶员的停车习惯不变，即电动汽车的停车特性和目前调研取得的传统燃油汽车的停放特征一致，包括：到达时间、停车时长、通勤距离等。因为即使是电动汽车也是交通工具，只要使用者出行规律不变，则停放特征就与现在相同。

(3)车辆所需充电量等于通勤过程中的电量消耗量，驾驶员若有充电需求，不同策略下，均需在驾驶员离开之时，需给车辆充满电。

(4)电动车辆到达停车场后即与充电桩相连，停车场可控制何时为车辆充电以及充电功率的大小。

本发明辅助参数定义如下：

ti^a—电动汽车i到达停车场的时间；

ti^s—电动汽车i在停车场的停车时长；

λt—t时刻的电价；

cri—电动汽车i的最大充电功率；

—电动汽车i电池的最大容量；

—电动汽车i到达停车场时的电量水平；

δt—对电动汽车充电一次的最短时长，称为最短充电周期，周期过短对车辆电池损害较大，周期过长，优化控制效果不明显，综合考虑本发明中取值为1h；

n—到达停车场的电动汽车的数量；

ec—上下班通勤过程中消耗的电量；

ti^d—电动汽车i离开停车场的时刻。

决策变量：

表示t时刻车辆i的充电功率，停车场的智能充电桩可输出可调电流，从而实时控制的大小。

3.车辆到达停车场后充电的技术路线

图1给出了电动车辆到达停车场后充电的技术路线图，本发明的研究对象为正常上下班的通勤车辆，对于有特殊要求的充电车辆，以及停车时间较短，车辆到达后必须立即充电的车辆，将来后续研究中进行。

对于停车场而言，即是在以下的技术路线下，对n辆到达的电动车辆并联充电，所以只需确定每个时间段内充电的车辆数和充电功率即可对停车场的电力负荷及总电费支出进行计算。

4.电动汽车停车特性分布确定

文中研究的停靠车辆的特性包括车辆到达时间、车辆的停放时间、车辆离开时间、车辆到达停车场时的电量水平、车辆的电池容量、车辆的最大充电功率等。

4.1车辆到达时间

根据前述假设，研究范围内停车场新增电动汽车在工作日期间到达停车场的时间特征与目前传统汽车群体相同。本发明通过对现有停车场中传统燃油车辆到达时间规律的总结分析，推算出电动汽车的到达时间的分布形态。

根据确定的样本点集合去求解随机变量的分布密度函数问题，有参数估计和非参数估计两种方法。非参数估计方法，即核密度估计方法,该方法事先不对数据分布附加任何假定，不利用有关数据分布的先验知识，是一种从数据样本本身出发研究数据分布特征的方法，能够有效的避免事先假定带来的误差。

本发明即利用核密度估计对车辆到达的时间分布特性进行描述。核密度估计函数的表达式如下。

x1,x2......xn为独立同分布的样本值，为密度函数的核密度估计，称为核函数，h一般是预先给定的正数，称为带宽，依据式(3)计算最优带宽为样本标准差，r为样本的四分位距，即第三四分数减去第一四分数的差。

工作日期间，对广州市中心区62个停车场的停车状况进行实地调研，统计所有车辆的到达停车场的时间信息，结果如下图2所示。注：由于目前还未建立专门的可供电动汽车充电的停车场，此处调查的是所有乘用小汽车(包括电动和传统燃油汽车)的到达信息。

依据以上车辆到达时间的样本信息，对工作日期间车辆到达停车场的时间累积分布特性进行核密度函数拟合，其中σs＝4.14h，r/1.34＝5.58h，n＝13470，h＝0.655；核密度的具体表达式为：

绘制拟合曲线，结果如图3所示，用核密度函数对车辆到达时间的概率分布进行估计，存在一定误差，但基本趋势吻合，误差在可接受范围内，拟合效果良好。

4.2电动汽车到达停车场过程中的耗电量

依据前文假设，工作日期间通勤车辆自居住地出发时，车辆电量饱满，车辆在停放时间内所需的充电量等于到达停车场过程中的电量消耗量。未来，可以凭借驾驶员与停车场之间的更多信息交互(停车预约等)，精准地获得车辆到达停车场时的电量水平，现阶段本发明则通过车辆的出行距离特征和综合工况下电动汽车单位行驶距离的电量消耗，对到达车辆的电量消耗信息进行尽可能准确的估计。

表1给出了几款目前我国主流的电动汽车的技术参数，根据表中信息，结合相关研究，确定综合工况下电动汽车单位行驶距离的耗电量为0.178kw/km。

表1.国内主流电动车辆的技术特性

依据本发明上节中对停车场驾驶员的问卷调研，提取出调研信息内驾驶员工作日期间到达停车场时的行驶距离数据，如图4所示。

根据驾驶员工作日通勤出行情况下到达停车场时的行驶距离数据，结合综合工况下电动汽车单位行驶距离的耗电量，推算出电动车辆到达停车场过程中的电量消耗信息，如图5所示。

依据以上车辆到达停车场过程中的电量消耗信息，对工作日期间车辆到达停车场过程中的电量消耗累积分布概率进行核密度函数拟合，其中σs＝2.294kwh，r/1.34＝0.687kwh，n＝13470，h＝0.109；核密度的具体表达式为：

绘制拟合曲线，结果如图6所示，用核密度函数对车辆到达过程中的耗电量概率分布进行估计，存在一定误差，但基本趋势吻合，误差在可接受范围内，拟合效果良好。

4.3停车场车辆数量

依据上文对大量停放车辆的调研信息，得出工作日期间一天各时间段内停车场停放的车辆数量。假设未来停车场停放的车辆数量规律与此相同。

不失一般性，本发明研究区域内，任意时间段内，车辆到达停车场时的行驶里程呈均匀分布状态。依据4.1车辆到达时间的概率分布和4.2车辆到达过程中的耗电量概率分布及4.3一天内各个时段内停车场的停车数量，即可推算出停车场特定时间段内到达的车辆数及车辆到达过程中的耗电量。

5.充电策略

5.1策略1：随到随充

对于每一个到达停车场的电动汽车，从其到达停车场的时刻开始，即以车辆最大功率对其进行充电，直至充满为止。

首先，根据到达车辆的电量及车型信息计算出车辆i充满电所需要的时间；判断所需要的最短充电周期数量；在最后一个充电周期之前，均以最大的充电功率进行充电；对所有车辆充电的时间和功率状态进行计算；最后，把所有车辆充电时停车场的负载相加，得到停车场各个时段总的电力负荷，最后根据不同时间段内的电价，计算可得停车场的电费总支出。

5.2策略2：停车场电力负荷峰值最小

随到随充的充电策略可能会导致在某个时间段，停车场电力负荷过大，特别是当大量的车辆在特定时间段内集中、连续到达时，停车场电力系统需要满足最大负荷时的需要。这种情况下，对停车场的安全性影响较大，且需要较高水平的供电线路以避免电压衰减。一般而言，作为停车场的管理者，是不希望停车场的电力负荷很大的，因为需要增加成本并带来安全隐患。基于上述原因，本发明提出使得停车场电力负荷峰值最小的充电策略。

目标函数：minimizep^max

p^max表示停车场为车辆充电时的最大负荷功率，目标函数使得停车场的电力负荷峰值最小；若车辆i在t时刻停靠在停车场，则statusi,t＝1，否则statusi,t＝0，式(7)表示车辆停靠在停车场时的充电功率不超过车辆设计的最大充电功率；soei,t表示车辆i在t时刻的电量水平，式(8)描述了车辆i的电量变化状态；式(9)表示停车场为车辆充满电。

5.3策略3：总电费最小

目标函数：

目标函数表示对于每一辆充电车辆，充电所需的花费最小，其他约束条件各式的意义与策略2中的相同。

二、模型求解

策略1中停车场各时段的负荷为单个车辆充电功率的累加，图1的流程图中给出了单个车辆在各个时段的充电功率的计算过程，累加后结合各个时段的电费水平即可求得电费的总支出。

策略2与策略3均为传统线性规划问题，现以策略3为例进行求解说明，本发明通过构造拉格朗日函数，利用kkt条件进行求解。

拉格朗日函数如下，其中a，b，c为拉格朗日乘子。

函数的kkt条件如下：

λt-a-b+c＝0(13)

实际应用中，带入具体数值，根据以上kkt条件，求得车辆i对应时刻t时刻的充电功率即可。

三、算例分析

考虑未来市中心一个拥有250个充电桩，可供电动汽车停车及充电的停车场，根据本发明1.4.3部分对该地区车辆到达时间及停放规律的分析，确定一天各时段内停放的电动汽车数量如图8所示。

城市商业用电峰谷分时电价标准如图9所示。

根据前文对该地区车辆到达时间、停放规律、电动车辆耗电量的分析，分别按照策略1、策略2、策略3对车辆进行充电，并对不同策略下停车场的电力负荷和总电费支出进行对比分析。

图10给出了按照策略1和策略2充电时停车场的电力负荷状况，根据其在各个时段的负载情况和分时电价信息，可以得到策略1和策略2运营状态下停车场的电费消耗。不对充电过程做任何优化控制，实行随到随充策略时，停车场的电力负荷在早上8点左右达到峰值526kw，因为大部分的车辆在这个时间点到达停车场。整体上看7-9点的电力负载明显高于其他时间段，主要是因为，根据概率分布函数，停车的车辆中有将近50％的车辆在这个时间段到达停车场。如果把电力负荷平均到一天的各个时段，可以得到各个时段的电力负荷在92kw左右。为了避免短时间内负荷过高带来的电压下降和对电力系统的过高要求，文中提出了策略2，使得停车场的电力负荷峰值最小化。从图10的结果中我们可以看出，在满足所有需求的情况下，策略2可以使电力峰值的负荷下降到158kw左右，这是具有很大的实际应用意义的。

策略3给出了使得停车场在满足车辆充电需求的情况下，总电费最小的充电方法，该策略下，停车场各时段充电力负荷很大程度上取决于不同时段的电价水平。

在策略3中，7-9点之间，停车场的电力负荷达到峰值，主要是因为这个时间段内，有大量的车辆到达，且电价相对较低。在电价相对较高的11:00-15:00和19:00-21:00，停车场的充电功率相对较低，甚至为零。尽管13:00之前，大部分的车辆都已经到达了停车场，但是因为11:00-13:00电价最高，所以这个时间段内，停车场的充电负荷不大。在15:00-18:00之间，出现了负载高峰，最高负载达到了618kw，是因为这段时间内电价相对较低，且11：00-15:00电价较高，对到达的大部分车辆没有充电，为了实现电费最少的目标，导致停车场的最大电力负荷远超过了策略1和策略2中最大高峰负荷。但是这三种策略下，由电网输送给停车场的总电量都是2208kwh。

不同策略下电动汽车停车场的电力负荷峰值和总电费支出对比分析，如下表2所示。

表2.3种充电策略下停车场的运营数据

在以上的3种策略中都假定，所有的电动汽车连接上停车场的充电桩后，采用相同的充电策略。但在实际运营中，有些停车者对于车辆充电可能有特殊需求，例如，要求停车场立即充电。对于没有特殊充电要求的车辆，则可从停车场运营者的角度出发，根据所要实现的目标，按照相应的策略2或策略3充电。

综上，因为基于历史样本的估计方法更加准确的把握到停车者的停车时长和所需电量，然后可以根据本发明的计算方法，得出供电策略，相较于传统的随到随充策略，本发明方法能够有效的实现能耗控制且在供电策略制定上有更高的精度。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。