一种计及多车导航的快充电站充电服务费用优化方法与流程

本发明涉及充电站计费优化，尤其涉及一种计及多车导航的快充电站充电服务费用优化方法。

背景技术：

1、近年来，全球为减少二氧化碳大量排放带来的温室效应影响，大量分布式电源、电动汽车接入配电网。随着电动汽车规模的不断增大，势必形成巨大的充电需求，2022年我国电动汽车ev累计保有量达到1310万辆。但是，当前充电设施的不合理布局会增加运营商的建设成本，还会影响用户的充电体验和出行效率，大规模ev在时空双重维度上的随机并网和无序充电可能会降低电力系统的运行稳定性。若能采用一定的政策手段或价格手段对充电行为进行引导，电动汽车充电负荷可以作为一种灵活配置的资源对配电网负荷进行削峰填谷，与配电网进行积极互动，优化配电网运行，成为配电网提高运行经济性的有效辅助资源，具有重要的理论价值和现实意义。

2、预计到2030年，电动汽车的数量将达到6000万辆，高峰充电负荷达到479gw，尤其是电动出租车，其运行路线长、充电功率要求大。为解决电动汽车的快速充电问题，国内外学者进行了大量的研究。可以以提高电动汽车充电经济性为目标，针对峰谷电价机制制定充电调度策略，得到了快速导航方案。或者以用户出行成本与充电成本之和最小为目标，同时将路径行驶耗时和充电站排队等待耗时转化为用户出行成本，建立了电动汽车充电导航优化模型。设定配网负荷曲线平滑度为目标，针对电动汽车在时间空间上的双重调节作用，提出了基于时间控制的充电调度策略。

3、目前，有现有技术建立了城市路网动态路径选择模型，提出了站-车互动的充电引导框架，以电动汽车充电选择与充电站动态服务费相结合建立了多主体主从博弈模型，确定了电动汽车充电寻站路径。以上思路在充电导航策略等方面为本专利提供了借鉴，但仍存在以下问题。第一，用户出行特征和充电行为受多方面因素影响，其中部分因素是可以人为改变的，而大部分快充电站规划研究往往基于充电设施现有服务水平对用户充电行为进行预测，未能充分利用快充电站运营商的自主定价权对用户充电行为进行引导。第二，大多数快充电站定容研究只考虑快充电站自身而未考虑配电网，少数考虑了配电网系统损耗带来的经济损失，也有少数考虑了配电网线路的约束限制，但是未能利用多车导航避免配电网线路负载越限。

4、综上，当前在对快充电站充电服务费用优化过程中，既未充分考虑用户出行特征和充电行为受多方面因素影响，也未考虑利用多车导航避免配电网线路负载越限，从而容易导致快充电站电力系统不稳定。

技术实现思路

1、本发明提供了一种计及多车导航的快充电站充电服务费用优化方法，解决了当前在对快充电站充电服务费用优化过程中，既未充分考虑用户出行特征和充电行为受多方面因素影响，也未考虑利用多车导航避免配电网线路负载越限，从而容易导致快充电站电力系统不稳定的技术问题。

2、有鉴于此，本发明第一方面提供了一种计及多车导航的快充电站充电服务费用优化方法，包括以下步骤：

3、步骤一、基于dijkstra算法计算电动车相对快充电站的最短路网路径，根据所述最短路网路径以及电动车的行驶速度计算最短路网耗时；

4、步骤二、通过t.kilura算法计算电动车排队等待快充电站进行充电服务时的站内充电平均等待时间；

5、步骤三、基于电动车相对快充电站的最短路网耗时以及站内充电平均等待时间为约束，以目标区域内的各快充电站利用率的标准差最小为目标条件，并以快充电站的充电服务费用价格为决策变量，构建快充电站充电服务费用优化模型；

6、步骤四、对所述快充电站充电服务费用优化模型进行优化求解，根据最优解确定其对应的快充电站充电服务费用优化方案。

7、优选地，步骤一具体包括：

8、101、获取目标区域内的区域道路路网图，将所述区域道路路网图内的所有预置道路节点以及其坐标位置构建为道路节点集合，将所述区域道路路网图内的所有预置快充电站以及其坐标位置构建为快充电站集合；

9、102、随机从所述道路节点集合中的一个道路节点作为源点出发至目标快充电站，并获取源点出发至目标快充电站的距离，并引入数组d[i]表示源点出发至目标快充电站之间的道路节点序列，其中，数组d[i]中的每一个元素表示当前已知的道路节点到下一个道路节点的长度；

10、103、定义s表示从源点出发至目标快充电站的已知道路节点集合，t表示从源点出发至目标快充电站的未知的道路节点集合，检验从已知道路节点集合s中的道路节点到未知的道路节点集合t中的道路节点的距离，若从已知道路节点集合s中的道路节点到未知的道路节点集合t中的道路节点之间有连接边，则将从已知道路节点集合s中的道路节点到未知的道路节点集合t中的道路节点之间的坐标位置距离为相应的连接边的权值；

11、104、从未知的道路节点集合t中筛选出一个与已知道路节点集合s中的道路节点存在连接边且权值最小的道路节点记为vi，并加入至已知道路节点集合s中；

12、105、若道路节点vi作为从源点出发至目标快充电站的已知道路节点集合中的中间道路节点，则更新数组d[i]以及源点出发至目标快充电站的距离；

13、106、重复步骤104～106直至已知道路节点集合s中包含了所有道路节点，输出其相应的源点出发至目标快充电站的距离为电动车从源点出发到目标快充电站的最短距离；

14、107、通过电动车的行驶速度以及电动车从源点出发到目标快充电站的最短距离计算电动车从源点出发到目标快充电站的最短路网耗时为：

15、

16、式中，tik表示电动车从源点i出发到目标快充电站k的最短路网耗时，dik表示电动车从源点i出发到目标快充电站k的最短距离，表示电动车在路网中行驶速度的平均值。

17、优选地，步骤一还包括：

18、108、将所述区域道路路网图内的所有预置乘客上车节点以及其坐标位置构建为乘客上车节点集合；

19、109、获取目标快充电站出发至目标预置乘客上车节点的距离，并引入数组d[j]表示目标快充电站出发至目标预置乘客上车节点之间的道路节点序列，其中，数组d[j]中的每一个元素表示当前已知的道路节点到下一个道路节点的长度；

20、110、定义l表示从目标快充电站出发至目标预置乘客上车节点的已知道路节点集合，b表示从目标快充电站出发至目标预置乘客上车节点的未知的道路节点集合，检验从已知道路节点集合l中的道路节点到未知的道路节点集合b中的道路节点的距离，若从已知道路节点集合l中的道路节点到未知的道路节点集合b中的道路节点之间有连接边，则将从已知道路节点集合l中的道路节点到未知的道路节点集合b中的道路节点之间的坐标位置距离为相应的连接边的权值；

21、111、从未知的道路节点集合b中筛选出一个与已知道路节点集合l中的道路节点存在连接边且权值最小的道路节点记为vj，并加入至已知道路节点集合l中；

22、112、若道路节点vj作为从目标快充电站出发至目标预置乘客上车节点的已知道路节点集合中的中间道路节点，则更新数组d[j]以及目标快充电站出发至目标预置乘客上车节点的距离；

23、113、重复步骤111～113直至已知道路节点集合l中包含了所有道路节点，输出其相应的目标快充电站出发至目标预置乘客上车节点的距离为电动车从目标快充电站出发到目标预置乘客上车节点的最短距离；

24、114、通过电动车的行驶速度以及电动车从目标快充电站出发到目标预置乘客上车节点的最短距离计算电动车从目标快充电站出发到目标预置乘客上车节点的最短路网耗时为：

25、

26、式中，tkj表示电动车从快充电站k出发到目标预置乘客上车节点j的最短路网耗时，dkj表示电动车从快充电站k出发到目标预置乘客上车节点j的最短距离，表示电动车在路网中行驶速度的平均值。

27、优选地，步骤二具体包括:

28、基于l/g/k排队模型，设电动车到达快充电站的时间间隔服从负指数分布，排队系统前的电动车充电时间服从参数为λ的泊松分布，则排队系统前的电动车的充电时间为：

29、

30、式中，et表示电动车的充电时间期望值，wev表示电动车内电池的额定容量，e(war)表示电动车到站时的车内期望剩余的电池容量，war表示电动车到站时的车内剩余的电池容量，pc表示充电设备的充电功率，其中，λ表示电动车排队过程中到达快充电站进行充电服务的电动车的平均达到率，

31、

32、式中，qk表示集中充电时间段内达到快充电站k接受充电服务的电动出租车总数；tc表示集中充电时间段的时长；

33、根据排队系统前的电动车的充电时间通过下式计算电动车排队等待快充电站进行充电服务时的站内充电平均等待时间为：

34、

35、式中，tk表示站内充电平均等待时间，v表示电动车的充电时间标准差，s表示充电站内的充电设施的台数，ρ表示充电站的排队系统中正在接受充电服务的电动出租车的平均数量，其中，s>ρ，ρ＝λet。

36、优选地，步骤三具体包括：

37、以目标区域内的各快充电站利用率的标准差最小为目标条件，并以快充电站的充电服务费用价格为决策变量，构建快充电站充电服务费用优化模型的目标函数为：

38、

39、式中，ρs表示目标区域内的各快充电站利用率的标准差，k表示快充电站序号，m表示快充电站数量，k∈m，ρk表示充电时间内快充电站k的利用率，表示充电单位时间内所有快充电站平均利用率；

40、其中，

41、

42、

43、

44、

45、式中，qkt表示时间t内到达快充电站k充电的电动车数量，a表示所有道路节点的集合，i表示道路节点的序号，vit表示时间段t分布在道路节点i处的电动出租车数量，pikt表示时间段t分布在道路节点i的电动车选择前往快充电站k的概率；

46、基于电动车相对快充电站的最短路网耗时以及站内充电平均等待时间确定约束条件包括：电动车从源点出发到目标快充电站的最短路网耗时约束、电动车从目标快充电站出发到目标预置乘客上车节点的最短路网耗时约束和电动车排队等待快充电站进行充电服务时的站内充电平均等待时间约束。

47、优选地，本方法还包括：

48、通过下式计算电动车从道路节点i的电动车选择前往快充电站k的概率模型为：

49、

50、式中，pik表示电动车从道路节点i出发选择前往快充电站k接受充电服务的概率，uik表示电动车从道路节点i处选择并前往快充电站k接受充电服务的充电成本，其中，

51、

52、式中，psk表示快充电站k内充电服务费用价格，τ表示单位时间成本，均表示权重系数。

53、优选地，步骤四具体包括：

54、基于帝国竞争算法对所述快充电站充电服务费用优化模型进行优化求解，根据最优解确定其对应的快充电站充电服务费用优化方案。

55、优选地，基于帝国竞争算法对所述快充电站充电服务费用优化模型进行优化求解，根据最优解确定其对应的快充电站充电服务费用优化方案的步骤，具体包括：

56、随机初始化国家，每一个国家代表一组充电服务费用可行方案，其中，一组充电服务费用可行方案由各个快充电站的充电电价进行编码组成，共随机产生n个国家；

57、通过下式的代价函数计算每个国家的势力值为：

58、pcost＝f(pc.o)＝f([p1,p2,…pk])

59、式中，pcost表示势力值，pc.o表示充电服务费用可行方案，pc.o＝[p1,p2,…pk]，pk表示快充电站k的充电电价，f＝-ρs；

60、根据各个国家的势力值的大小将各个国家由大至小进行排序，取前ni个国家作为帝国主义国家，剩下的nc个国家作为殖民地国家；

61、对ni个帝国主义国家进行规范化处理，得到每个帝国主义国家的初始殖民地国家数量；

62、从nc个殖民地国家中随机选择相应初始殖民地国家数量的国家分配给各个帝国主义国家，帝国主义国家以及其所拥有的殖民地国家形成初始的ni个帝国集团；

63、通过帝国集团内部进行殖民地同化、革命操作；

64、通过帝国集团之间竞争操作、扩张操作和吞并操作，直至仅剩一个帝国集团，迭代终止，输出相应的帝国主义国家对应的充电服务费用可行方案为充电服务费用最优方案。

65、优选地，对ni个帝国主义国家进行规范化处理，得到每个帝国主义国家的初始殖民地国家数量的步骤具体包括：

66、通过下列公式对ni个帝国主义国家进行规范化处理，得到每个帝国主义国家的初始殖民地国家数量，其中，

67、cn＝cn-max{ci}

68、

69、nc,n＝round{pn.nc}

70、式中，cn表示第n个帝国的代价函数值，cn表示第n个帝国的代价函数值的标准化代价值，ci表示第i个帝国的代价函数值的标准化代价值，pn表示标准化势力大小，nc,n表示是第n个帝国主义国家的初始殖民地国家数量，round表示将小数四舍五入成整数的函数。

71、第二方面，本发明还提供了一种计及多车导航的快充电站充电服务费用优化系统，包括：

72、路网耗时计算模块，用于基于dijkstra算法计算电动车相对快充电站的最短路网路径，根据所述最短路网路径以及电动车的行驶速度计算最短路网耗时；

73、等待时间计算模块，用于通过t.kilura算法计算电动车排队等待快充电站进行充电服务时的站内充电平均等待时间；

74、优化模型构建模块，用于基于电动车相对快充电站的最短路网耗时以及站内充电平均等待时间为约束，以目标区域内的各快充电站利用率的标准差最小为目标条件，并以快充电站的充电服务费用价格为决策变量，构建快充电站充电服务费用优化模型；

75、优化求解模块，用于对所述快充电站充电服务费用优化模型进行优化求解，根据最优解确定其对应的快充电站充电服务费用优化方案。

76、从以上技术方案可以看出，本发明具有以下优点：

77、本发明通过考虑用户出行过程中的充电行程时间以及充电行为，将电动车相对快充电站的最短路网耗时以及站内充电平均等待时间为约束，并通过以目标区域内的各快充电站利用率的标准差最小为目标条件，并以快充电站的充电服务费用价格为决策变量，构建快充电站充电服务费用优化模型并进行优化求解，从而使各快充电站利用率较为平衡，避免配电网线路负载越限，保障了快充电站电力系统的稳定性。