基于智能充电策略的电动汽车充电站配置方法和系统技术方案

本发明专利技术提供一种基于智能充电策略的电动汽车充电站配置方法、系统、存储介质和电子设备，涉及电动车智能充电领域。本发明专利技术包括：获取多辆电动汽车的充电数据，所述充电数据至少包括充电开始时间、充电时长和充电电量的相关信息；根据任一电动汽车的充电开始时间、充电时长，获取该电动汽车的可充电的时间段数，并结合该电动汽车的充电电量，获取对应的实际充电功率的约束；基于智能充能策略构建充电站配置优化模型；求解所述充电站配置优化模型，分别获取充电站内不同类型充电器的安装数量。智能充电策略能够控制每辆电动汽车的充电功率，在时间维度上转移电动汽车的充电需求曲线，从而提高充电器的利用率和减少所需要安装的充电器的数量。器的数量。器的数量。

【技术实现步骤摘要】
基于智能充电策略的电动汽车充电站配置方法和系统


[0001]本专利技术涉及电动车智能充电
，具体涉及一种基于智能充电策略的电动汽车充电站配置方法、系统、存储介质和电子设备。

技术介绍

[0002]与传统燃油车的快速加油方式不同，电动汽车的充电需要一定的充电时间以及合适的充电设施。随着电动汽车数量的不断增加，充电基础设施的短缺问题也日益突出。电动汽车充电站的合理配置和建设对于满足电动汽车车主当前的充电需求以及大规模推广电动汽车具有重要意义。
[0003]虽然目前充电站的配置问题受到了较多的研究关注，但将电动汽车充电调度纳入电动汽车充电站规模优化模型的研究尚未明确。此外，大多数研究为了简化建模过程，将电动汽车充电需求设为常数，不考虑充电开始时间和结束时间。该方法虽然降低了计算复杂度，但无法反映真实的反映电动汽车用户的充电行为特征，导致充电站内的充电器利用效率低下。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了一种基于智能充电策略的电动汽车充电站配置方法、系统、存储介质和电子设备，解决了现有充电站内充电器利用效率低下的技术问题。
[0006](二)技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0008]一种基于智能充电策略的电动汽车充电站配置方法，包括：
[0009]S1、获取多辆电动汽车的充电数据，所述充电数据至少包括充电开始时间、充电时长和充电电量的相关信息；
>[0010]S2、根据任一电动汽车的充电开始时间、充电时长，获取该电动汽车的可充电的时间段数，并结合该电动汽车的充电电量，获取对应的实际充电功率的约束；
[0011]S3、根据各辆电动汽车的实际充电功率的约束，基于智能充能策略构建充电站配置优化模型；
[0012]S4、求解所述充电站配置优化模型，分别获取充电站内不同类型充电器的安装数量。
[0013]优选的，获取所述S2中的可充电的时间段数具体包括：
[0014]根据所述充电开始时间、充电时长，分别获取电动汽车的充电开始所在时间段和结束所在时间段；
[0015][0016][0017][0018]其中，N表示电动汽车的总数量；
[0019]预先将一天划分为若干时间段，ΔT表示时间段的长度；
[0020]表示第i辆电动汽车的充电开始时间；
[0021]表示第i辆电动汽车的充电时长；
[0022]表示第i辆电动汽车的充电结束时间；
[0023]表示第i辆电动汽车的充电开始所在时间段；
[0024]表示第i辆电动汽车的充电结束所在时间段；
[0025]表示向上取整数，表示向下取整数；
[0026]根据所述充电开始所在时间段和结束所在时间段，获取所述可充电的时间段数；
[0027][0028]其中，表示第i辆电动汽车可充电的时间段数。
[0029]优选的，获取所述S2中的实际充电功率具体包括：
[0030][0031]其中，Bi表示第i辆电动汽车的充电电量；表示第i辆电动汽车的期望充电功率；P
LPC
表示慢速充电器的充电功率；P
NPC
表示普通充电器的充电功率；P
HPC
表示快速充电器的充电功率；η
EV
表示充电效率。
[0032][0033][0034]μ
1，i
，μ
2，i
，μ
3，i
∈{0，1}
[0035]μ
1，i
+μ
2，i
+μ
3，i
＝1
[0036]其中，表示第i辆电动汽车的实际充电功率；μ
1，i
，μ
2，i
，μ
3，i
是二进制变量，约束第i辆电动汽车只能选择一种类型的充电器进行充电。
[0037]优选的，所述S3中的充电站配置优化模型包括：
[0038]以充电站投资成本最小化为优化目标的目标函数：
[0039][0040]其中，F
cost
为充电站的投资成本；分别表示慢速充电器、普
通充电器、快速充电器的安装成本；N
LPC
、N
NPC
、N
HPC
分别表示慢速充电器、普通充电器、快速充电器的安装数量。
[0041]优选的，所述S3中的充电站配置优化模型还包括：
[0042]约束条件(1)：
[0043][0044]每辆电动汽车在整个充电周期内的智能充电过程表示为向量：
[0045][0046]其中，T表示一天的时间段数；且
[0047][0048]约束条件(2)：
[0049][0050]约束条件(3)：
[0051][0052][0053][0054]约束条件(4)：
[0055][0056]其中，U
max
表示充电站的负荷上限。
[0057]优选的，所述S4中采用强化学习方法求解所述充电站配置优化模型。
[0058]优选的，所述S1具体包括：
[0059]S11、根据智能车联网平台中电动汽车的充电大数据，确定电动汽车的历史充电特征，所述历史充电特征包括历史充电开始时间、历史充电时长和历史充电电量；
[0060]S12、采用极大似然估计和曲线拟合技术分别确定电动汽车的历史充电开始时间、历史充电时长和历史充电电量的概率分布函数；
[0061]S13、根据所述概率分布函数，采用蒙特卡洛模拟法生成所述多辆电动汽车的充电数据。
[0062]一种基于智能充电策略的电动汽车充电站配置系统，包括：
[0063]信息获取模块，用于获取多辆电动汽车的充电数据，所述充电数据至少包括充电开始时间、充电时长和充电电量的相关信息；
[0064]功率获取模块，用于根据任一电动汽车的充电开始时间、充电时长，获取该电动汽车的可充电的时间段数，并结合该电动汽车的充电电量，获取对应的实际充电功率的约束；
[0065]模型构建模块，用于根据各辆电动汽车的实际充电功率的约束，基于智能充能策略构建充电站配置优化模型；
[0066]方案求解模块，用于求解所述充电站配置优化模型，分别获取充电站内不同类型充电器的安装数量。
[0067]一种存储介质，其存储有用于基于智能充电策略的电动汽车充电站配置的计算机程序，其中，所述计算机程序使得计算机执行如上所述的电动车充电站配置方法。
[0068]一种电子设备，包括：
[0069]一个或多个处理器；
[0070]存储器；以及
[0071]一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的电动车充电站配置方法。
[0072]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能充电策略的电动汽车充电站配置方法，其特征在于，包括：S1、获取多辆电动汽车的充电数据，所述充电数据至少包括充电开始时间、充电时长和充电电量的相关信息；S2、根据任一电动汽车的充电开始时间、充电时长，获取该电动汽车的可充电的时间段数，并结合该电动汽车的充电电量，获取对应的实际充电功率的约束；S3、根据各辆电动汽车的实际充电功率的约束，基于智能充能策略构建充电站配置优化模型；S4、求解所述充电站配置优化模型，分别获取充电站内不同类型充电器的安装数量。2.如权利要求1所述的基于智能充电策略的电动汽车充电站配置方法，其特征在于，获取所述S2中的可充电的时间段数具体包括：根据所述充电开始时间、充电时长，分别获取电动汽车的充电开始所在时间段和结束所在时间段；所在时间段；所在时间段；其中，N表示电动汽车的总数量；预先将一天划分为若干时间段，ΔT表示时间段的长度；表示第i辆电动汽车的充电开始时间；表示第i辆电动汽车的充电时长；表示第i辆电动汽车的充电结束时间；T
ia
表示第i辆电动汽车的充电开始所在时间段；T
idis
表示第i辆电动汽车的充电结束所在时间段；表示向上取整数，表示向下取整数；根据所述充电开始所在时间段和结束所在时间段，获取所述可充电的时间段数；其中，表示第i辆电动汽车可充电的时间段数。3.如权利要求2所述的基于智能充电策略的电动汽车充电站配置方法，其特征在于，获取所述S2中的实际充电功率的约束具体包括：
其中，B
i
表示第i辆电动汽车的充电电量；表示第i辆电动汽车的期望充电功率；P
LPC
表示慢速充电器的充电功率；P
NPC
表示普通充电器的充电功率；P
HPC
表示快速充电器的充电功率；η
EV
表示充电效率；表示充电效率；μ
1，i
，μ
2，i
，μ
3，i
∈{0，1}μ
1，i
+μ
2，i
+μ
3，i
＝1其中，表示第i辆电动汽车的实际充电功率；μ
1，i
，μ
2，i
，μ
3，i
是二进制变量，约束第i辆电动汽车只能选择一种类型的充电器进行充电。4.如权利要求3所述的基于智能充电策略的电动汽车充电站配置方法，其特征在于，所述S3中的充电站配置优化模型包括：以充电站...

【专利技术属性】
技术研发人员：周开乐，胡定定，陆信辉，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：