面向用户行驶计划电动汽车充电调度策略.docVIP

面向用户行驶计划电动汽车充电调度策略 　　摘要：充电站（桩）尚未普及以及电动汽车有限的行驶里程，使得大多数汽车用户关于是否选择电动汽车犹豫不决。为了减少用户对于电动汽车有限电池容量的担心，并且降低因频繁充电以及偏离原定行驶路线绕路进行充电所增加的电动汽车使用费用，提出一种基于匹配理论面向用户行驶计划的电动汽车充电调度方案TPCS。首先，分别根据电动汽车用户的行驶计划和对各充电站的电量需求构建电动汽车用户与充电站的偏好表；然后，建立电动汽车用户与充电站之间的多对一匹配模型；最后，以系统总效用为优化目标进行充电站接口分配。数值仿真结果显示，与随机分配（RCS）算法和仅考虑电动汽车效用分配（OEVS）算法相比，TPCS算法将系统总效用较RCS算法最多提高了39.3%，较OEVS算法最多提高了5%；而在电动汽车充电需求轻负载时，TPCS算法始终保证用户满意度在90%以上，高于RCS算法。所提算法能够有效地提高系统总效用和用户满意度，同时降低计算复杂度。 　　关键词：充电调度；行驶计划；车辆入电网；匹配理论；偏好表 　　中图分类号：TP393.07 　　文献标志码：A 　　0引言 　　近年来电动汽车（Electric Vehicle， EV）的低碳环保性和经济实用性使得电动汽车在汽车市场中的比例逐步上升，由电动汽车充电带来的大规模用电需求若不经过合理的充电调度，将大幅增加现有电网的电力负担[1]。此外，对于行驶模式下的电动汽车，频繁地充电与绕路充电都会影响电动汽车使用者的用户体验。 　　目前国内外研究大多将电动汽车与智能电网这一研究热点相结合，旨在利用调度电动汽车充电调节电网的峰谷值差。文献[2]考察了充电方案和充电速率对某一特定住宅楼的电网负载情况的影响；文献[3]研究了风能作为电网能量来源时电动汽车的充电调度问题，文中考虑了风能的不确定性与动态变化及电动汽车的停泊时长，利用马尔可夫决策过程对问题进行了建模；在文献[4]中，充电站之间互相竞争形成非合作博弈，以提高配电网络的稳定性和充电站的收益为目标制定电动汽车的充电站选择策略；文献[5]以二次函数建模电网网损，以最小化网损为优化目标；文献[6]研究在电动汽车需在某一截止时间前充满电的约束条件下最小化电网的峰值负荷；文献[7]通过控制电动汽车的充电行为减少大规模电动汽车充电对电网的影响，同时也减少了电网网损。以上关于电动汽车充电调度问题的研究均未在以减小电网峰均比为优化目标的同时考虑用户行驶计划对电动汽车用户选择充电站的影响。 　　本文运用基于效用函数的匹配理论框架[8]，考虑行驶模式下电动汽车的行驶计划，将电动汽车充电调度问题建模成一个带双边偏好的多对一匹配问题，设计了面向用户行驶计划的电动汽车充电调度（Traveling Plan-aware Charging Scheduling， TPCS）算法，比较在考虑电动汽车行驶计划的情况下，系统效用函数和电动汽车使用者满意度的变化情况。 　　1系统建模 　　如图1所示，假设N个充电站（Charging Station， CS）和M辆需要充电的电动汽车（Electric Vehicle， EV）分布在考察的道路区域内。每个充电站可同时最多提供个充电接口为充电汽车进行充电。每个充电接口的充电速率假Ki（i=1，2，…，N）定为不变的，且各充电站各充电接口的充电速率一致。 　　电动汽车选择充电站通常有自己的偏好。一般来说，首先，电动汽车的使用者通常希望充电站在其之后行驶路线的沿路上，而无须开车绕路去充电。其次，充电站所在的位置需满足该电动汽车当前剩余电量可达的条件，否则电动汽车无法抵达充电站。再次，根据用户的行程安排，通常对于充电完成时间会有所要求。比如，电动汽车的行程安排为上午11点之后会去到比较偏远暂时还没有布设充电站的区域，用户会要求充电过程必须在上午11点之前完成。 　　其中：p为充电站向电动汽车收取的充电单价，本模型中假设各充电站向需要充电的各电动汽车收取相同的充电单价。因此，为了最大化效用函数，各充电站会优先选择请求充电量大的电动汽车为其提供充电服务。 　　令Ω表示分配矩阵，其中矩阵元素aij={0，1}，aij=1表示充电站i被分配给电动汽车提供充电服务，aij=0表示充电站未被分配给电动汽车提供充电服务。令β为电动汽车效用函数与充电站效用函数之间的权重参数，在本文所建立的优化模型中，同等对待充电桩的效用与电动汽车的效用，因此将权重参数β设为1。实际应用中，若从充电站运营的角度出发，可以将充电站的权重系数增大，但同时也应适当考虑充电电动汽车的效用，需要根据实际应用场景权衡电动汽车与充电站两者之间的效用，在不同应用场景下选取恰当的权重系数。 　　以上电动汽车与充电站之间的匹配问题的优化目标为最大化系统