考慮目標(biāo)充電站選擇沖突的電動汽車充電引導(dǎo)策略

李恒杰，夏強強，史一煒，周 云，張開宇，時珊珊，沈 冰

（1. 蘭州理工大學(xué) 電氣工程與信息工程學(xué)院，甘肅 蘭州 730050；2. 上海交通大學(xué) 電力傳輸與功率變換控制教育部重點實驗室，上海 200240；3. 國網(wǎng)上海市電力公司電力科學(xué)研究院，上海 200437）

0 引言

隨著全球經(jīng)濟加速發(fā)展，碳排放量不斷上升，我國作為經(jīng)濟高速發(fā)展的大國，提出了“雙碳”戰(zhàn)略目標(biāo)，即2030 年實現(xiàn)碳達峰，2060 年實現(xiàn)碳中和［1］。發(fā)展新能源汽車是推動綠色發(fā)展、節(jié)能減排、踐行低碳發(fā)展的戰(zhàn)略選擇，電動汽車EV（Electric Vehicle）將成為市場主流［2］?？焖俪潆娮鳛橐环N省時高效的充電方式，EV 用戶更容易對其產(chǎn)生偏好，但目前快速充電站CS（Charging Station）的布局與EV 的充電需求分布重合度不高，快速充電需求很難及時得到滿足，充電聚合商的運營服務(wù)模式亟待創(chuàng)新。因此，利用EV 的移動負荷特性對車群進行合理的引導(dǎo)顯得尤為重要。充電引導(dǎo)可以更好地滿足EV 用戶的充電需求，同時增加充電聚合商的收益，減少對配電網(wǎng)性能的影響［3］。

目前，針對EV 充電引導(dǎo)問題，國內(nèi)外很多學(xué)者已進行了較為深入的研究：文獻［4］提出了基于請求驅(qū)動的快速充電站推薦模式，以路-網(wǎng)優(yōu)化、降低EV耗時和兼顧充電站服務(wù)均衡度為目標(biāo)進行快速充電需求引導(dǎo)；文獻［5］提出了一種通過用戶響應(yīng)新電價機制以調(diào)整用戶充電時間的策略，提升了用戶對時間與成本的滿意度以及充電設(shè)備利用率；文獻［6］構(gòu)建了EV與電網(wǎng)兩階段優(yōu)化的主從博弈模型，領(lǐng)導(dǎo)者以電價激勵引導(dǎo)EV充放電實現(xiàn)整體優(yōu)化，跟隨者以負荷波動與充放電成本最小為目標(biāo)進行兩階段優(yōu)化；文獻［7］提出了下一個目的地指引下的EV 充電引導(dǎo)方案；文獻［8］提出一種“車-站-網(wǎng)”協(xié)同模式下考慮三方需求的EV 快速充電引導(dǎo)方法；文獻［9］分析了多車交互的影響過程，提出了EV動態(tài)演化并動態(tài)響應(yīng)快速充電站的充電引導(dǎo)策略，有效地提高了車群充電尋站效率，均衡了充電站之間的快充負荷；文獻［10］提出了一種分層博弈方法，上層建立了一種非合作博弈模型用于模擬EV 與充電站之間的競爭以獲得定價策略，下層制定了EV 選站策略；文獻［11］以EV充電總時間和充電成本為目標(biāo)，考慮交通網(wǎng)和配電網(wǎng)的耦合關(guān)系，得到了快速充電導(dǎo)航方案；文獻［12］以EV行駛時間成本和充電成本之和最小為目標(biāo)，提出了一種基于充電價格的動態(tài)導(dǎo)航策略；文獻［13］提出了EV與電網(wǎng)互動的分群優(yōu)化調(diào)度策略；文獻［14］以電動公交車運營成本與電網(wǎng)利益為目標(biāo)，考慮行車計劃編制問題，提出了電動公交車的有序充電方案。

已有的EV充電引導(dǎo)策略大多著重結(jié)合配電網(wǎng)、交通網(wǎng)與充電站以優(yōu)化EV 的充電行為，對EV 用戶與充電站的偏好考慮不充分，且未考慮EV用戶對目標(biāo)充電站的選擇沖突問題，也沒有給出EV與充電站之間的匹配解。為此，本文重點研究具有快速充電需求的EV與可行充電站的雙邊匹配問題，綜合考慮EV 的多類型偏好、充電站的設(shè)備利用率以及不同場景的應(yīng)用，提出了考慮目標(biāo)充電站選擇沖突的EV充電引導(dǎo)策略，并以上海市某區(qū)域充電站群為例分析了所提策略的有效性。

1 面向EV用戶與充電站的快充需求分析

1.1 面向EV用戶的快充需求分析

EV 用戶在選擇充電站的過程中主要考慮距離、時間、充電總費用這3 個偏好指標(biāo)。其中，距離反映了EV 用戶對耗電量的偏好，時間反映了EV 用戶對道路通行能力的偏好。

EVi對充電站j的距離偏好指標(biāo)dij可表示為：

1.2 面向充電站的快充需求分析

充電站在匹配充電需求的過程中主要考慮單位時間的盈利與充電站設(shè)備利用均衡度。EV 充電電量、充電站等待服務(wù)時間、EV 停車時間共同決定了充電站的盈利。其中，充電站j關(guān)于EVi的時間偏好指標(biāo)tCS，ij可表示為：

式中：N為區(qū)域內(nèi)的EV 數(shù)量；M為區(qū)域內(nèi)的充電站數(shù)量；xij為充電標(biāo)志位，若EVi與充電站j成功匹配充電則xij=1，否則xij=0；cj為充電站j的充電位數(shù)量；PEV，i為EVi的充電功率。式（7）等號右側(cè)的分子表示前往充電站j進行充電的EV 實際充電功率總和，分母表示以充電位為基準(zhǔn)分配的前往充電站j進行充電的EV充電功率總和。

當(dāng)EV 選擇充電站j進行充電時，選擇沖突率μj為：

式中：εj為選擇充電站j進行充電的EV 數(shù)量；φj為超出充電站j充電位數(shù)量的EV數(shù)量。

2 考慮充電沖突的EV充電引導(dǎo)策略

2.1 充電沖突處理模型

設(shè)區(qū)域內(nèi)具有充電需求的EV 集合EEV、充電站集合ECS、充電站內(nèi)的充電位集合Ecp分別為：

式中：Z為充電站內(nèi)的充電位數(shù)量。

云端決策層可以利用百度地圖等地圖服務(wù)商接口獲取EV 與充電站之間的實時信息，并對EV 進行引導(dǎo)。云端決策層基于獲取的信息確定EVi的可行充電位集合Ecp，i（Ecp，i≠?且Ecp，i?Ecp）。設(shè)造成目標(biāo)充電站選擇沖突的EV 所構(gòu)成的集合為擁擠集EEVc，EEVc?EEV。

參考文獻［15］，將時間上連續(xù)的充電問題轉(zhuǎn)化為離散形式進行處理。離散形式下的充電問題可以用二部圖G=(EEV，Ecp，i)進行描述。若所有有充電需求EV的申請均得到充電匹配且不存在擁擠集，則二部圖G=(EEV，Ecp，i)的需求側(cè)存在飽和匹配。參考Hall定理，若要實現(xiàn)飽和匹配，那么二部圖必須滿足Hall 條件，即?SEV?EEV（SEV為任意EV 集合）使得式（13）成立。

式中：(EEV，ΔT(t)，Ecp，i，ΔT(t))為預(yù)約充電的第一次二部圖匹配，ΔT(t)為二部圖充電匹配從t時刻開始所持續(xù)的最佳時長。設(shè)在t∈(t0，t0+ΔT(t)]時段內(nèi)，已經(jīng)接收到充電預(yù)約的EV 集合與其對應(yīng)的可行充電位集合構(gòu)成的二部圖為：

若式（17）所示新的二部圖依然滿足Hall條件和式（16），則在本次引導(dǎo)中對新加入EV的預(yù)約予以第一輪處理；否則，在本次引導(dǎo)中對新加入EV 的預(yù)約予以第二輪處理，直到所有EV均引導(dǎo)結(jié)束。

2.2 快速匹配模型及其求解

2.2.1 雙邊匹配模型的建立

在二部圖匹配過程中，將EV對充電站的偏好序與充電站對EV 的偏好序轉(zhuǎn)換為三角模糊數(shù)進行處理，根據(jù)文獻［16］，轉(zhuǎn)換公式為：

通過取極大、極小值的形式，將三角模糊數(shù)多目標(biāo)優(yōu)化匹配模型轉(zhuǎn)化為線性多目標(biāo)優(yōu)化匹配模型，具體如下：

進一步地，通過隸屬度函數(shù)對線性多目標(biāo)優(yōu)化匹配模型進行歸一化處理，將其轉(zhuǎn)換為單目標(biāo)優(yōu)化匹配模型。首先，計算式（29）—（34）所示目標(biāo)函數(shù)的正、負理想解，分別如式（36）—（41）所示。

式中：λ為隸屬度函數(shù)。

2.2.2 模型求解

EV 預(yù)約快速充電的過程是一個復(fù)雜、多維、多變量的優(yōu)化求解過程?？紤]目標(biāo)充電站選擇沖突的EV充電引導(dǎo)流程圖如圖1所示。

圖1 EV充電引導(dǎo)流程圖Fig.1 Flowchart of EV charging guidance

3 算例分析與驗證

3.1 算例設(shè)置

本文以上海市某區(qū)域充電平臺運營的8 座充電站為算例進行分析，8座充電站的分布情況見附錄A圖A1，每座充電站內(nèi)有3～15 個充電位，共有60 個充電位。充電站的相關(guān)參數(shù)信息見附錄A 表A1。本文取ΔT=0.5 s，測試時段內(nèi)有充電需求的EV數(shù)量為100 輛，EV 的相關(guān)參數(shù)見附錄A 表A2。根據(jù)文獻［17］，調(diào)用百度地圖接口，在考慮路況、車流量等交通因素的條件下，獲取EV與充電站之間的實時距離和行駛時間。

根據(jù)面向EV 用戶與充電站的快充需求分析：EV 用戶考慮距離、時間、充電總費用這3 個偏好指標(biāo)，在不影響目標(biāo)函數(shù)的前提下，假設(shè)這3 個指標(biāo)對應(yīng)的權(quán)重分別為0.2、0.5、0.3；充電站考慮EV 充電電量、充電站等待服務(wù)時間這2 個偏好指標(biāo)，假設(shè)其對應(yīng)的權(quán)重分別為0.7、0.3。

3.2 算例結(jié)果分析

3.2.1 與最短距離引導(dǎo)策略對比的結(jié)果分析

以最短距離為目標(biāo)函數(shù)（策略1）對測試時段內(nèi)的100 輛EV 進行引導(dǎo)。由于需引導(dǎo)的EV 數(shù)量大于該區(qū)域內(nèi)的充電位數(shù)量，先對前60 輛EV 進行第一輪引導(dǎo)，然后對后40 輛EV 進行第二輪引導(dǎo)，引導(dǎo)結(jié)果分別見附錄A表A3和表A4。

基于本文所提考慮目標(biāo)充電站選擇沖突的充電引導(dǎo)策略（策略2）對100 輛EV 進行引導(dǎo)，根據(jù)充電沖突處理模型可知，需引導(dǎo)的EV數(shù)量大于該區(qū)域內(nèi)的充電位數(shù)量且不滿足Hall 條件，所以先對滿足約束條件的前60 輛EV 進行第一輪引導(dǎo)，更新數(shù)據(jù)后再對后40 輛EV 進行第二輪引導(dǎo)，引導(dǎo)結(jié)果分別見附錄A表A5和表A6。

分析策略1 和策略2 的引導(dǎo)結(jié)果，100 輛EV 充電所用的時間與費用如表1 所示。由表可知，雖然策略1 引導(dǎo)后的行駛時間少于策略2 引導(dǎo)后的行駛時間，但策略2 引導(dǎo)后的等待時間、總時間、充電費用、停車費用、總花費都優(yōu)于策略1，可見本文所提充電引導(dǎo)策略能夠有效減少EV 在充電過程中的總時間與總費用。經(jīng)2 種策略引導(dǎo)后EV 對目標(biāo)充電站的選擇沖突率如表2所示。

表1 EV的充電時間與費用Table 1 Charging time and cost of EVs

表2 EV對目標(biāo)充電站的選擇沖突率Table 2 Selection conflict rate of EVs to target charging stations

2種策略下充電站設(shè)備利用均衡度如表3所示。由表可知，經(jīng)策略1 引導(dǎo)后充電站設(shè)備利用均衡度標(biāo)準(zhǔn)差為1.41，經(jīng)策略2 引導(dǎo)后充電站設(shè)備利用均衡度標(biāo)準(zhǔn)差為0.18，明顯可見本文所提策略的充電站設(shè)備利用均衡度優(yōu)于策略1。

表3 2種策略下的充電站設(shè)備利用均衡度Table 3 Equipment utilization equilibrium degree of charging stations under two strategies

經(jīng)策略1 和策略2 引導(dǎo)后充電站單位時間盈利結(jié)果如表4所示。由表可知，經(jīng)策略2引導(dǎo)后充電站的單位時間盈利大于策略1，這表明本文所提策略能夠有效提高充電站的單位時間盈利。

表4 2種策略下充電站的單位時間盈利Table 4 Charging stations’profit per unit time under two strategies

3.2.2 不同場景的引導(dǎo)結(jié)果分析

為了驗證本文所提引導(dǎo)策略適用于一天內(nèi)不同時刻的交通狀況，設(shè)定以下3種典型場景：①場景1，06:00 左右的道路基本不存在擁擠情況，通行能力強；②場景2，09:45 左右道路擁擠情況較輕，通行能力較弱；③場景3，11:45 左右道路的擁擠情況最嚴重，通行能力最弱。

上述3 種典型場景考慮了不同時刻道路的通行能力差異性。通過調(diào)用百度地圖接口，獲取3 種典型場景下不同時刻EV 與充電站之間的實時距離與行駛時間。在不同的場景下對100 輛EV 進行充電引導(dǎo)，結(jié)果如表5所示。

表5 3種典型場景的充電引導(dǎo)結(jié)果Table 5 Charging guidance results of three typical scenarios

由表5 可知，相較于場景1 的引導(dǎo)結(jié)果，場景2下的總時間、總費用只分別增加了1.37%、0.91%，場景3 下的總時間、總費只分別增加了3.12%、1.22%，可見本文所提充電引導(dǎo)策略適用于不同時段的道路交通狀況。

4 結(jié)論

本文針對EV 用戶存在充電站選擇沖突及充電站設(shè)備利用均衡度低等主要問題，提出了考慮目標(biāo)充電站選擇沖突的EV充電引導(dǎo)策略，并基于實際算例驗證了所提策略的可行性與有效性，所得結(jié)論如下。

1）基于本文所提充電引導(dǎo)策略對EV 充電行為進行引導(dǎo)后，可以有效解決EV用戶對目標(biāo)充電站的選擇沖突問題，避免發(fā)生沖突后的2 次充電決策。同時，所提充電引導(dǎo)策略能夠根據(jù)充電站的地理位置及充電位數(shù)量較均衡地將EV 引導(dǎo)至不同的充電站，有效均衡了不同充電站的設(shè)備利用率。

2）本文所提充電引導(dǎo)策略考慮了充電站與EV用戶的偏好，兼顧了充電站與用戶的利益，能夠有效減少EV充電過程中的總時間和總費用，提高充電站的單位時間盈利。

3）所提充電引導(dǎo)策略通過實時調(diào)用地圖服務(wù)商接口有效考慮了EV 充電引導(dǎo)過程中的道路交通狀況，測試區(qū)域在3 種不同道路交通狀況典型場景下的引導(dǎo)結(jié)果驗證了所提策略可以適用于不同時段的道路交通狀況。

附錄見本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。