Professional Documents
Culture Documents
(12)发明专利
(10)授权公告号 CN 107323300 B
(45)授权公告日 2019.05.24
(21)申请号 201710616195 .6 (51)Int .Cl .
(74)专利代理机构 南京纵横知识产权代理有限
公司 32224
代理人 董建林 张赏
(54)发明名称
一种基于路-站-车联合模型的电动汽车预
约充电方法
(57)摘要
本发明公开了一种基于路-站-车联合模型
的电动汽车预约充电方法, 包括:
1)获取车辆状
态信息、路况信息、充电站状态信息及用户设置
的优化控制参数; 2)根据车辆状态信息、 路况信
息、 充电站状态信息规划电动汽车从当前位置到
各充电 站的行车路径 ; 3)确定预约充电 方案集
合; 4)根据车辆状态信息、 路况信息、充电站状态
信息规划电动汽车从充电站到目的地的行车路
径; 5)根据电动汽车用户需求确定最优行车路径
和进行充电预约。 本发明综合考虑电动汽车用户
行程需求及充电需求, 为有充电需求的电动汽车
用户选择满足要求的充电站预约充电服务, 并为
CN 107323300 B
其规划合理的行车路径。
CN 107323300 B 权 利 要 求 书 1/2 页
1 .一种基于路-站-车联合模型的电动汽车预约充电方法, 其特征在于,包括以下步骤:
1)获取车辆状态信息、 路况信息、充电站状态信息及用户设置的优化控制参数;
2)根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从当前位置到各充电
站的行车路径; 具体包括以下步骤:
2-1)根据电动汽车当前位置信息、 各充电站位置信息,以电动汽车当前位置为起点、 各
充电站位置为终点, 结合道路的拓扑结构信息、 各路段长度信息、 各路段限速信息、各路段
最大通行能力信息、 当前各路段车流量信息, 计算电动汽车通过各路段所需要的时间:
2-2)将道路的拓扑结构作为一个有向图, 电动汽车通过各路段的时间作为有向图对应
边的权重, 采用Dijkstra算法规划从电动汽车当前位置到各充电站所在位置最小行车时间
对应的路径, 将对应路径各边权重相加即可得到电动汽车自当前位置至各充电站位置的最
小行车时间;
2-3)根据最小行车时间对应路径的各个路段长度信息, 将对应路径各个路段长度加即
可得到电动汽车自当前位置至各充电站位置的最小行车时间对应的行车路程;
3)确定预约充电方案集合; 包括以下步骤:
3-1)根据电动汽车当前所剩余的续航里程及所述步骤2)确定的从电动汽车当前位置
到各充电站所在位置的路程, 排除电动汽车当前剩余续航里程之外的充电站;
3-2)比较电动汽车自初始位置至各充电站的行车时间和从电动汽车在初始位置产生
充电需求到所选择充电站为其提供充电服务的时间, 选两者中的较大者向充电站预约充电
服务;
3-3)根据从电动汽车当前位置到各充电站所在位置的最小行车时间路径信息、 电动汽
车单位里程消耗的电量信息、 电动汽车当前荷电状态信息、 电动汽车电池容量信息计算出
电动汽车到达各充电站时的荷电状态:
2
CN 107323300 B 权 利 要 求 书 2/2 页
行车路径; 具体包括以下步骤:
4-1)根据充电站位置信息、 目的地信息,以充电站位置为起点、目的地为终点,结合道
路的拓扑结构信息、各路段长度信息、 各路段限速信息、各路段最大通行能力信息、当前各
路段车流量信息, 计算电动汽车通过各路段所需要的时间;
4-2)将道路的拓扑结构作为一个有向图, 电动汽车通过各路段的时间作为有向图对应
边的权重, 采用Dijkstra算法规划电动汽车从各充电站到目的地最小行车时间对应的路
径,将对应路径各边权重相加即可得到电动汽车自各充电站至目的地的最小行车时间;
4-3)将对应路径各个路段长度相加即可得到电动汽车自各充电站至目的地的最小行
车时间对应的行车路程;
5)根据电动汽车用户需求确定最优行车路径和进行充电预约, 具体为:将总时间消耗
和总费用消耗进行归一化权重叠加, 以归一化后的函数最小作为目标函数,求解最优路径:
3
CN 107323300 B 说 明 书 1/7 页
一种基于路-站-车联合模型的电动汽车预约充电方法
技术领域
[0001] 本发明涉及一种基于路-站-车联合模型的电动汽车预约充电方法,
属于电动汽车
技术领域。
背景技术
[0002] 全球能源、 资源的枯竭以及生态环境恶化的危机促进了电动汽车产业的发展。相
较于传统汽车, 电动汽车(electric vehicle,
EV)采用电能取代化石能源作为动力,能够有
效减小温室气体排放, 减缓对化石能源的消耗。在全球倡导节能减排的大环境下, 美、日、
欧
以及中国都相继出台了一系列计划和政策鼓励电动汽车行业的发展, 然而现在电动汽车仍
处于起步阶段, 充电桩等充电基础设施有待完善, 充电资源有限,因此,解决电动汽车的充
电问题显得尤为重要。
[0003] 电 动汽车和传统的燃油汽车有着很大的不同 , 主要体现在他们的能源补给方式
上, 相比较于传统汽车加油, 电动汽车充电需要较长的时间, 而且由于充电站覆盖不够,充
电资源有限, 充电站不能及时将充电桩的忙闲状态告知电动汽车车主, 可能使电动汽车到
达充电站后并不能像传统汽车到达加油站一样马上得到补给。 目前电动汽车电池的续航能
力也是制约电动汽车发展的一个重要因素, 而目前还没有专门为电动汽车研发的导航, 为
续航能力不足的电动汽车规划合适的路径, 将其导航到合适的充电站。 因此,现有的关于电
动汽车充电方面的技术仍有待改进和发展。
发明内容
[0004] 本发明所要解决的技术问题是克服现有技术的缺陷, 提供一种基于路-站-车联合
模型的电动汽车预约充电方法, 综合考虑电动汽车用户行程需求及充电需求, 同时考虑充
电站可用充电桩可用情况以及交通侧路况, 为有充电需求的电动汽车用户选择满足要求的
充电站预约充电服务, 并为其规划合理的行车路径, 使电动汽车以较小的充电费用尽快完
成充电并完成整个行程。
[0005] 为解决上述技术问题, 本发明提供一种基于路-站-车联合模型的电动汽车预约充
电方法, 包括以下步骤:
[0006] 1)获取车辆状态信息、路况信息、
充电站状态信息及用户设置的优化控制参数;
[0007] 2)根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从当前位置到各
充电站的行车路径;
[0008] 3)确定预约充电方案集合;
[0009] 4)根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从充电站到目的
地的行车路径;
[0010] 5)根据电动汽车用户需求确定最优行车路径和进行充电预约。
[0011] 前述的车辆状态信息包括: 电动汽车产生充电需求时的位置信息、 电动汽车所要
到达的目的地信息、 电动汽车当前所剩余的续航里程、 电动汽车当前荷电状态信息、充电完
4
CN 107323300 B 说 明 书 2/7 页
[0023]
[0027]
[0028]
其中,
Q n 表示电动汽车所需充电电量, SOCe 表示电动汽车充电完成后期望的荷电
值,
tc为充电时长, Pc为电动汽车的充电功率;
5
CN 107323300 B 说 明 书 3/7 页
[0037]
[0038]
[0039]
其中, tpq表示电动汽车通过路段(p ,q)所需的时间, p ,q表示道路的拓扑结构中相
邻的两个节点, 包括道路交叉点、 充电站和拟充电电动汽车所在位置,(p ,q)表示两节点p ,q
之间的路段,D(p ,q)表示路段(p ,q)的距离,
vpq (t)表示电动汽车t时刻通过路段(p ,q)的平
均速度, 为路段(p ,q)的最高限速,
Cpq (t-1)为t-1时刻路段(p ,q)的车流量, 为路段(p ,
q)的最大车流量。
[0040] 前述的步骤5)中,
将总时间消耗和总费用消耗进行归一化权重叠加,
以归一化后
的函数最小作为目标函数, 求解最优路径:
[0041]
附图说明
[0046] 图1为本发明的基于路-站-车联合模型的电动汽车预约充电方法流程图;
[0047] 图2为实施例中EV经充电站40充电的行车路径;
6
CN 107323300 B 说 明 书 4/7 页
[0048] 图3为实施例中EV经充电站52充电的行车路径;
[0049] 图4为实施例中EV经充电站53充电的行车路径;
[0050] 图5为实施例中EV到各充电站的时间消耗与成本消耗;
[0051] 图6为实施例中不同权重系数下决策分析图。
具体实施方式
[0052] 下面对本发明作进一步描述。 以下实施例仅用于更加清楚地说明本发明的技术方
案, 而不能以此来限制本发明的保护范围。
[0053] 如图1所示,本发明提供的基于路-站-车联合模型的电动汽车预约充电方法, 包括
按顺序执行的下列步骤:
[0054] 步骤1,获取车辆状态信息、路况信息、充电站状态信息及用户设置的优化控制参
数;
[0055] 获取车辆状态信息包括: 电动汽车产生充电需求时的位置信息、车辆所要到达的
目的地信息、 车辆当前所剩余的续航里程、 电动汽车当前荷电状态(state of charge ,SOC)
信息、 充电完成后的期望SOC状态信息、电动汽车电池容量信息、充电功率信息、 电动汽车单
位里程消耗的电量信息;
[0056] 获取路况信息包括: 道路的拓扑结构信息、各路段长度信息、各路段限速信息、各
路段最大通行能力信息、 当前各路段车流量信息;
[0057] 获取充电站状态信息包括: 充电站的位置信息、充电站实时充电价格信息、 充电站
可用充电桩状态信息;
[0058] 获取用户设置的优化控制参数包括: 将行车时间和充电费用双目标转化为单目标
时的权重系数。
[0059] 步骤2,根据车辆状态信息、路况信息、充电站状态信息规划电动汽车从当前位置
到各充电站的行车路径; 具体方法如下:
[0060] 根据车辆当前位置信息、 各充电站位置信息,以车辆当前位置为起点、 各充电站位
置为终点, 结合道路的拓扑结构信息、 各路段长度信息、各路段限速信息、 各路段最大通行
能力信息、 当前各路段车流量信息, 计算电动汽车通过各路段所需要的时间:
[0061]
[0062]
[0063]
其中, tpq表示电动汽车通过路段(p ,q)所需的时间, p ,q表示道路的拓扑结构中相
邻的两个节点, 包括道路交叉点、 充电站和拟充电电动汽车所在位置,(p ,q)表示两节点p ,q
之间的路段,D(p ,q)表示路段(p ,q)的距离,
vpq (t)表示电动汽车t时刻通过路段(p ,q)的平
均速度, 为路段(p ,q)的最高限速,
Cpq (t-1)为t-1时刻路段(p ,q)的车流量, 为路段(p ,
q)的最大车流量。
[0064] 对所有的充电站都进行上述计算。
[0065] 将道路网络作为一个有向图, 电动汽车通过各路段的时间作为有向图对应边的权
重, 采用Dijkstra算法规划从电动汽车当前位置到各充电站所在位置最小行车时间对应的
7
CN 107323300 B 说 明 书 5/7 页
路径, 将对应路径各边权重相加即可得到电动汽车自当前位置至各充电站位置的最小行车
时间, 根据该对应路径各个路段长度信息, 可将待选路径各个路段长度相加即可得到电动
汽车自当前位置至各充电站位置的最小行车时间对应的行车路程。针对每个充电站, 都规
划出一条最小行车时间对应的行车路程。
[0066] 步骤3, 确定可能的预约充电方案集合;
[0067] 根据电动汽车当前所剩余的续航里程及步骤2所确定的从车辆当前位置到充电站
所在位置的路程, 排除电动汽车当前剩余续航里程之外的充电站; 比较电动汽车自初始位
置至充电站的行车时间和从电动汽车在初始位置产生充电需求到所选择充电站可以为其
提供充电服务的时间, 选两者中的较大者向充电站预约充电服务:
[0068] t1=max{ta ,tw}
[0069] t1——电动汽车产生充电需求到电动汽车开始充电所需的时间;
[0070] ta——电动汽车从初始位置到充电站所需的行驶时间;
[0071] tw ——从电动汽车在初始位置产生充电需求到所选择充电站可以为其提供充电
服务的时间。
[0072] 根据从电动汽车当前位置到各充电站所在位置的最小行车时间路径信息、 电动汽
车单位里程消耗的电量信息、 电动汽车当前荷电状态信息、电动汽车电池容量信息计算出
电动汽车到达各充电站时的SOC状态:
[0073]
[0077]
8
CN 107323300 B 说 明 书 6/7 页
重, 采用Dijkstra算法规划电动汽车从各充电站到目的地最小行车时间对应的路径, 将对
应路径各边权重相加即可得到电动汽车自各充电站至目的地的最小行车时间, 根据该对应
路径各个路段长度信息, 可将待选路径各个路段长度相加即可得到电动汽车自充电站至目
的地的最小行车时间对应的行车路程。针对每个充电站, 都规划出一条最小行车时间对应
的行车路程。
[0085] 步骤5, 根据电动汽车用户需求确定最优行车路径和预约充电选择;
[0086] 将从电动汽车当前位置到各充电站所在位置的行车时间、 从充电站到目的地的行
车时间及充电时间相加得到总的行程时间:
[0087] T=t1+tc+t2
[0088] 其中, T表示总行程时间, t2为电动汽车从充电站到最终目的地所需要的时间。
[0089] 兼顾总时间消耗和总费用消耗, 使总时间和费用消耗综合最低,因此将两个目标
归一化权重叠加后转为单目标优化问题,用户设置各目标的权重参数, 为用户选择符合用
户需求的充电站预约充电 , 并规划相应的行车路径。
[0090]
9
CN 107323300 B 说 明 书 7/7 页
[0101] 3)确定预约充电方案集合
[0102] 由于到充电站12的距离超出了EV的续航里程, 因此充电站12被排除在外, 可选充
电站方案为充电站40, 充电站52和充电站53。EV从当前位置到充电站40、52、53的行驶时间
ta分别为7min、 11min和4min。
[0103] 4)根据车辆状态信息、 路况信息、充电站状态信息规划电动汽车从充电站到目的
地的行车路径,
[0104] 假设最终目的地在节点11和节点18之间的道路上 , 距离11号节点0 .67km。采用
Dijkstra算法规划充电站40、 52和53到达目的地的路径, 分别如图2、 3和4所示。
[0105] 5)根据电动汽车用户需要确定最优形成路径和进行充电预约,
[0106] 若车主期望充电后电池SOC达到SOCe=85%, 即电池电量达到25 .5kW·h, 可以计
算出电动汽车在充电站40、52和53的充电时间tc分别为74 .5min、 75 .7min和73 .3min;
结合
当前电池的剩余电量和充电电价可得EV到充电站40、 52和53充电的费用C。EV车主到各充电
站的总时间代价和总成本代价如图5所示。
[0107] 预约充电优化决策系统会针对因用户偏好而赋予的不同目标权重值做出不同的
最优决策。取时间偏好系数w1从0按步长0 .001逐渐递增到1, 则费用偏好系数w2从1按步长
0 .001逐渐递减到0, 确保w1+w2=1。随着时间偏好系数w1变化的最优决策结果如图6所示。
[0108] 1)当用户时间偏好系数w1 小于0 .803时, 选择充电站53的总代价F最小。EV到达充
电站53所需时间ta =4min, 充电站53可以提供充电服务的等待时间t w =10min, 因此t1 =
10min后即开始充电 , 充电时间t c =73 .3min,
从充电 站至最终目的地所需行驶时间t 2 =
17min,因此总时间消耗T=100 .3min; EV在充电站53的充电成本为36元。
[0109] 2)当用户时间偏好系数w1大于0 .803时, 选择充电站52的总代价F最小。EV到达充
电站52所需时间ta =11min, 充电站52可以提供充电服务的等待时间t w =7min, 因此t1 =
11min后即开始充电 , 充电时间t c =75 .5min,
从充电 站至最终目的地所需行驶时间t 2 =
7min, 因此总时间消耗T=93 .7min; EV在充电站52的充电成本为48元。
[0110] 当用户时间偏好系数w1较小成本偏好系数w2较大, 即EV车主是成本偏好型, 将会选
择充电费用较小的充电站53; 而当用户时间偏好系数w1较大成本偏好系数w2较小时, 即EV车
主是时间偏好型, 将会选择总时间消耗较少的充电站52。 因此, 预约充电优化决策系统能够
根据不同用户偏好需求做出最优决策。
[0111] 以上所述仅是本发明的优选实施方式, 应当指出, 对于本技术领域的普通技术人
员来说, 在不脱离本发明技术原理的前提下, 还可以做出若干改进和变形, 这些改进和变形
也应视为本发明的保护范围。
10
CN 107323300 B 说 明 书 附 图 1/4 页
图1
11
CN 107323300 B 说 明 书 附 图 2/4 页
图2
图3
12
CN 107323300 B 说 明 书 附 图 3/4 页
图4
图5
13
CN 107323300 B 说 明 书 附 图 4/4 页
图6
14