电动汽车预约充电策略研究

戴依诺，戴　忠

（1.合肥市第七中学，合肥　230001；2.国网安徽省电力公司，合肥　230022）



电动汽车预约充电策略研究

戴依诺1，戴忠2

（1.合肥市第七中学，合肥230001；2.国网安徽省电力公司，合肥230022）

摘要：分析目前电动汽车预约充电系统潜在的问题，提出电动汽车预约充电构想。在此基础上结合智能导航系统，建立电动汽车快速预约充电模型，并采用迪杰斯特拉算法进行求解，最后通过一个算例分析验证了所提出的快速预约充电模型和求解算法的有效性。

关键词：电动汽车；充电桩；预约充电；迪杰斯特拉算法；智能导航系统

近10年来，随着经济的高速发展，各地环境问题日益突出，大气污染不断加重，寻求更加环保和可持续的生活方式成为一个重要议题。为保障国民经济的可持续发展，改善大气质量，国家实施了节能减排战略，其中发展新能源汽车尤其是电动汽车（e1ectric vehic1e，EV）成为大气污染治理的重要手段［1，2］。相比于传统的内燃机动力汽车，EV采用电力替代石油对汽车进行驱动，可以有效减少温室气体排放，减缓化石能源枯竭的速度。随着近年来EV技术尤其是动力电池技术的不断进步，在一些发达国家，EV已初具规模［3］，同时在不少发展中国家也开始鼓励推广。

自2011年以来，我国电动汽车销售量逐年攀升，市场占有率迅速提高。2014年销售7.47万辆，2015年上半年销售7.27万辆。目前，全国电动汽车保有量约为19万辆，市场占有率达到0.61%，如图1所示。此外，配套充换电设施的建设更是有了大幅增加。到2014年底，包括国家电网公司、南方电网公司和普天新能源公司在内共建设充换电站835座，充电桩3万个，其中站内0.83万个，站外2.17万个。近年来EV销量如图1所示。

图1　2011—2015年上半年EV销量

目前国内外针对EV充电策略开展了一定的研究，主要集中于EV充电负荷预测、EV充电控制、EV接入对电网的影响、EV与电网的互动利用等几方面。文献［4］建立了EV功率需求统计模型，通过蒙特卡罗模拟方法求得单台EV和多台EV一天的充电需求。文献［5］分别从供电侧调峰角度和用户侧成本角度建立数学模型，提出插电混合式电动汽车（p1ug in hybrid e1ectric vehic1e，PHEV）集中充电策略，用以减小用电峰谷差，节约用户充电成本。文献［6］提出一种基于低谷填入思想的PHEV集中充电算法，实现了对负荷削峰填谷的目的。文献［7］以配电网有功网损最小化为目标，采用迭代修正节点电压的方法规避模型中的非线性约束，建立一个只含线性约束的凸二次规划模型，实现降低网损的目标。文献［8］建立了风电—电动汽车协同调度的模型，用以消纳夜间过剩风电。文献［9］建立了集中充电统一配送换电模式下EV参与系统调频的鲁棒优化模型，实现在可接受的经济风险水平下，合理确定集中充电站次日各交易时段的充电计划和为系统提供的调频服务容量。综上，目前大多数研究工作主要集中于通过对EV的合理控制来减小EV充电对电网的影响甚至向电网提供辅助服务，很少站在充电用户角度讨论如何快速有效获得充电服务的。

本文基于智能导航系统，建立EV快速预约充电模型，采用迪杰斯特拉算法进行求解以使有充电需求的EV能够在最短时间获得充电服务。

1　预约充电系统探讨

随着电动汽车市场的不断发展，市场用户大幅增加，需求呈现多样化趋势。为规范EV的充电管理，让EV用户快速找到充电设施，方便结算，同时有效地监控充电负荷，保障电网安全，2014年，国家电网公司下属的一家企业开发了名为“智能充换电服务网络互动服务系统”的车联网系统。目前，全国已有十几家企业开发了电动汽车车联网互动平台，为EV的运营和管理提供了便利。

1.1快速预约充电系统整体框架构想

该系统主要依托于公共无线通信网络，并以其它通信方式作为补充手段。系统通信网络由服务管理平台通信网络、站级管理通信网络、终端设备接入通信网络构成，实现从互动服务系统到EV充换电站、分散充电桩及终端设备的网络覆盖。系统通过采集充电桩、充电站、换电站等不同充换电设施的相关数据，建设多方接口，与智能交通系统、电网系统、第三方运营系统、车辆和用户有效交互，实现数据的共享与传输，在有效管理和控制充换电设施的同时，不断开展共享数据的挖掘，为各种不同用户提供所需要的特色服务［10］。

智能充换电服务网络互动服务系统主要包括充电场所平面监控、充电机状态监控、充换电设施负荷调控、充电机工作数据采集、充电电量及时间控制、充电预约、充电量及费用查询、应急救助、设备故障报警及统计分析等功能，能满足各方用户的基本需求［11］。

1.2目前预约充电系统存在的问题

目前的系统在实际使用过程中还存在着许多不足，尤其是预约充电模块很难满足用户的要求。以某车联网系统为例进行分析，预约充电模块应用时，用户一般采用手机APP去访问，在预约充电的电子地图中只显示了各充电站的位置和空闲桩数，没有显示用户的位置。如用户对空闲桩预约，则系统为该用户保留1小时的预留时间，1小时后重新接受预定，预约模式较为简单。这种预约模式对用户来说不能测算到某个站去充电的最短时间，因此无法优化选择去哪里充电，用户使用效率低下。具体存在以下问题。

（1）不显示用户位置，说明GPS定位系统未充分应用，使用户不能准确判断和寻找最近的充电站。

（2）未接入城市路况系统，用户无法掌握道路拥堵和修路的情况，可能出现预约超时或绕路超出电池支撑时间、电池耗尽的状况。

（3）不能显示其它正在工作的充电桩的剩余工作时间，极大地限制了用户的选择性，降低了充电桩的使用效率。

（4）没有设计测算最优路径的计算模型。

其它车联平台系统在应用中也全部或部分存在着同样的问题。

1.3模块界面设计

简洁、易操作的界面是系统易于推广使用的重要因素。目前，存在的车联网系统都普遍存在着预约充电界面不直观、友好性差、使用不方便的情况。因此，建议使用简单、友好和高效的界面。

也就是说，在系统应用时，点击进入“预约充电”界面后，可直接显示地图，图上显示各充电站的位置、空闲桩数和用户位置。由简单快速的线性规划找出最优路径，并在图上直接画出推荐路径。点击站点后，显示到站点的距离、平均车速、充电桩的最短剩余时间等信息。用户可直接点击预订，点击后系统刷新一次，使所有用户及时了解最新的情况。此外，1 h的预约保留期满时，应有信息提醒客户预订取消。

2　快速预约充电模型

为确保用户能准确地预约充电，避免折返或因道路状况发生电能耗尽的状况，也为了提高充电设备的使用效率，使用户能准确知道最短时间充电的最优路径，本文基于智能导航系统建立了快速预约充电模型。

假设可以从以下3个系统获得数据支撑：①GPS卫星定位系统提供车辆与充电站的距离数据；②城市智能交通系统提供各条道路的拥堵信息，估计出通过各条道路的平均行进速度和汽车通过各路段所需要的时间，进而结合EV当前剩余电量自动将EV到达不了的充电桩排除在选择范围之外；③充电设备数据采集系统提供每个充电桩的剩余充电时间。

为了最快使EV获得充电服务，建立目标函数如下

式中：z为获得充电服务的时间，min；xi为用户车辆到充电桩i的最短时间，min；yi为充电桩i最小剩余充电时间，min；i=1，2，...，I，I为充电桩总数。

假设预约保留时间为1 h，且xj及yi为非负性约束，可得如下约束

当xj≥yi时，即EV到达充电桩所需的时间大于等于充电桩完成当前充电任务所需要的时间，此时如果预约该充电桩，最快充上电的时间为xj；当xj＜yi时，即EV到达充电桩所需的时间小于充电桩完成当前充电任务所需要的时间，则最快充上电的时间为yi。因此，按照上述的要求，如要使EV能够成功预约充电则应该满足式（2）的约束条件。

3　求解算法

上述问题的求解可以归结为单源最短路径的求解问题。迪杰斯特拉算法是一种典型的寻求最短路径的优化算法，可解决有向图中最短路径问题。其主要特点是以起始点为中心向外层扩展，直至扩展到终点为止［12］。

3.1迪杰斯特拉算法思想

设G=(V，E)是一个带权有向图，V是顶点集合，E是边的集合。把顶点集合V分成2组，第一组S为已求出最短路径的顶点集合，初始时S中只有一个源点v0，以后每求得一条最短路径，就将该路径中新的顶点加入到集合S中，直到全部顶点都加入到S时，算法结束；第二组U为其余未确定最短路径的顶点集合，按最短路径长度的递增次序依次把U中的顶点加入S中。在将U中顶点按递增的次序加入的过程中，总保持从源点v0到S中各顶点的最短路径长度不大于从源点v0到U中任何顶点的最短路径长度；此外，每个顶点对应一个距离，S中的顶点的距离就是从v0到此顶点的最短路径长度，U中的顶点的距离，是从v0到此顶点只包括S中的顶点作为中间顶点的当前最短路径长度［13］。

在这里将道路的各个交叉点和充电桩所在的位置作为有向图的顶点，将EV通过各段道路所需要的时间作为各边的权值，从而可以利用迪杰斯特拉算法进行求解。

3.2模型求解步骤

给定赋权有向图G=(V，E)，算法求解步骤如下［12］［13］：

（1）令i=1，S0={v0}，U=V-Si，U中顶点对应的距离值为：若存在vj与v0直接相连，则d(v0，vj) 为v0与vj相连的弧上的权值，其中d表示2个顶点间的距离；若vj与v0不直接相连，则d(v0，vj)等于0，标记起始源点为0，记k =0。

（2）从U中选取与v0距离最短的点vm并将其加入Si，同时刷新集合U，令k=m，i=i+1。

（3）计算从已标记的点k到与它直接相连的所有点的距离，更新集合U中各顶点到源点v0的距离。

（4）如果Si=V，算法终止，这时，对每个v∊Si，有d(v0，v)最小，否则转入（2）。

（5）在求得EV到各充电桩所需的最短时间之后再考虑充电桩完成当前充电任务所需要的时间即可得到EV最快充上电所需要的时间，由此可确定EV预约充电方案。

模型求解的流程图如图2所示，其中N为顶点的总数。

图2　求解流程图

4　算例分析

假设某街区的道路拓扑结构如图3所示。

图3　某街区道路拓扑结构

假设此时EV在D点产生充电需求，3个充电桩a、b、c分别位于道路网路的A、B、G 3个路口。GPS卫星定位系统向用户展示道路的状况，即各路段的长度Sr以及用户目前所处的位置，城市智能交通系统可以结合道路的拥堵情况估算出EV通过各路段的平均速度vr，从而可以估算出EV通过各路段所需要的时间tr，如表1所示。

由充电设备数据采集系统可以知道3个充电桩完成当前的充电任务所需要的时间tc，如表2所示。

表1　EV通过各路段所需要的时间

表2　充电桩完成当前充电任务所需时间

此外，由于城市智能交通系统自动将EV到达不了的充电桩排除在外，所以此时EV的剩余电量是足以支撑EV行驶到3个充电桩的。

采用前文介绍的迪杰斯特拉算法对上述案例求解，可以得到EV到达各充电桩最短所需要的时间和路径如下：

（1）EV到达a充电桩所需要的最短时间为44 min，经过的路径为D→E→F→A。

（2）EV到达b充电桩所需要的最短时间为26 min，经过的路径为D→C→B。

（3）EV到达c充电桩所需要的最短时间为24 min，经过的路径为D→E→G。

结合充电设备数据采集系统提供的信息可知：预约a充电桩最快充上电所需要的时间为44 min；预约b充电桩最快充上电所需要的时间为26 min；预约c充电桩最快充上电所需要的时间为40 min。以上预约时间均没有超过预约保留时间1 h，因此，EV应该预约充电桩b，最快26 min之后能使EV充上电。

通过算例分析可以看出，本文所提出的快速预约充电的方法可以使EV以最快的时间充上电，并给出对应的行驶路径。

5　结论

本文探讨了关于EV快速预约充电系统的构想，分析了目前快速预约充电系统潜在的问题，然后建立了快速预约充电模型并采用迪杰斯特拉算法进行求解，最后通过算例验证。计算结果表明，本文所建立的快速预约充电模型和所采用的求解方法是可行的，可以使EV用户快速了解最短获得服务时间及其对应的服务地点与行驶路径。

参考文献：

［1］胡泽春，占恺峤，徐智威，等.电动汽车与电网互动的关键问题分析与展望［J］.电力建设，2015，36（7）：6-13.

［2］刘卓然，陈健，林凯，等.国内外电动汽车发展现状与趋势［J］.电力建设，2015，36（7）：25-32.

［3］Schneider K，Gerkensmeyer C，Kintner-Meyer M，et a1. Impact assessment of p1ug - in hybrid vehic1es on pacific northwest distribution systems［C］∥Power and Energy Society Genera1 Meeting-Conversion and De1ivery of E1ectrica1 Energy in the 21st Century，2008 IEEE.

［4］田立亭，史双龙，贾卓.电动汽车充电功率需求的统计学建模方法［J］.电网技术，2010，34（11）：126-130.

［5］石磊，刘皓明.分时电价下PHEV智能集中充电策略［J］.电力需求侧管理，2012，14（2）：13-18.

［6］王丹，龙亮，葛琪，等.基于低谷填入法的插电式混合动力汽车集中充电策略［J］.电力需求侧管理，2010，12 （6）：8-11.

［7］占恺峤，宋永华，胡泽春，等.以降损为目标的电动汽车有序充电优化［J］.中国电机工程学报，2012，32（31）：11-18.

［8］于大洋，宋曙光，张波，等.区域电网电动汽车充电与风电协同调度的分析［J］.电力系统自动化，2011，35 （14）：24-29.

［9］姚伟锋，赵俊华，文福拴，等.集中充电模式下的电动汽车调频策略［J］.电力系统自动化，2014，38（9）：69-76.

［10］薛飞，雷宪章，张野飚，等.基于物联网的电动汽车智能充换电服务网络电池管理［J］.电力系统自动化，2012，36（21）：41-46.

［11］杨永标，丁孝华，朱金大，等.物联网应用于电动汽车充电设施的设想［J］.电力系统自动化，2010，34（21）：95-98.

［12］刘崇茹，邓应松，卢恩，等.大停电后发电机启动顺序优化方法［J］.电力系统自动化，2013，37（18）：55-59.

［13］刘姣，葛召炎，谢静，等.停车场泊车问题的研究与仿真［J］.计算机仿真，2011，28（7）：340-344.

Study on reserving charging strategies of e1ectric vehic1es

DAI Yi-nuo1，DAI Zhong2
（1. Heifei 7thHigh Schoo1，Heifei 230001，China；2. State Grid Anhui E1ectric Power Company，Heifei 230022，China）

Abstract：The artic1e ana1yzes the potentia1 prob1ems of current e1ectric vehic1e charging system，and puts forward the idea of reserving charging. Based on the inte11igent navigation system，the mode1 of reserving charging of e1ectric vehic1es is bui1t，and the Dijkstra a1gorithm is introduced to so1ve the optimization prob1em. At 1ast，an examp1e is imp1emented to verify the effectiveness of the proposed mode1 and a1gorithm.

Key Words：e1ectric vehic1e；charging pi1e；reserving charging；Dijkstra a1gorithm；inte11igent navigation system

收稿日期：2015-09-28；修回日期：2015-12-02

中图分类号：F407.61；TM714

文献标志码：B