[发明专利]一种电动汽车有序充电控制方法

说明书

本发明涉及一种电动汽车有序充电控制方法，是针对现有电动汽车充电控制系统较难保障充电用户需求和配电网电压的稳定性，模型缺少大数据分析和多代理机制，构建充电负荷时空分布预测模型和行为决策模型的技术问题而设计。该方法包括充电负荷时空分布预测结果、用户充电成本分析和基于Q学习的充电站资源协同分配，其要点是该方法采用Q学习的方法实现充电资源的有序分配，建立电动汽车代理的行为决策模型，模拟区域内电动汽车的充电行为，在满足充电需求前提下，采用一系列充电优化控制策略来引导电动汽车的充电行为，实现电动汽车的有序充电。该方法利用充电站学习和交换信息得到的环境知识采用协同决策的方式进行充电资源的分配。

技术领域

本发明涉及电动汽车充电控制系统，是一种电动汽车有序充电控制方法。

背景技术

目前，为了有效降低大规模电动汽车接入对电网造成的不利影响，以及电动汽车集群效应引发电动汽车用户充电难，充电需求难以满足的问题；为了电动汽车的有序充电控制策略主要有以下三种方法：(1)通过控制用户接入的时间和地点，减少电动汽车对配电网的电压波动，实现削峰填谷；(2)通过V2G(VehicletoGrid)技术实现电能的合理吸纳和释放；(3)构建充电站经济效益最大或用户充电费用最小的目标函数，引导电动汽车前往合适的充电站。但由于电动汽车的出行时间、行驶位置、返程时刻、充电时间都具有很大的随机性，较难保障充电用户需求和配电网电压的稳定性，实现电动汽车的有序充电，较难解决充电站设备利用不均衡、车辆排队时间长短不一、配电网电压质量差的问题。为此，另一一些现有电动汽车充电采用Q学习和Agent技术进行充电站的优化布设，如中国专利文献中披露的申请号201911316131.X，申请公布日2020.04.10，发明名称“一种基于双中心Q学习的充电场站协同优化控制方法”；再如中国专利文献中披露的申请号202110725797.1，申请公布日2021.08.27，发明名称“一种基于Agent仿真的电动汽车充电桩布局优化方法”；但上述Q学习和Agent技术同时用于电动汽车有序充电控制，保障充电用户需求和配电网电压的稳定性的较少。

发明内容

为克服上述不足，本发明的目的是向本领域提供一种电动汽车有序充电控制方法，使其主要解决现有电动汽车充电控制系统较难保障充电用户需求和配电网电压的稳定性，模型缺少大数据分析和多代理机制，构建充电负荷时空分布预测模型和行为决策模型的技术问题。其目的是通过如下技术方案实现的。

一种电动汽车有序充电控制方法，该方法包括充电负荷时空分布预测结果、用户充电成本分析和基于Q学习的充电站资源协同分配，其特征在于该方法采用一个多代理系统的电动汽车充电优化控制策略，即使用多代理机制来模拟电动汽车、充电站、交通网络的代理之间信息交互行为，建立基于多代理技术的电动汽车充电行为仿真系统；通过融合电动汽车的轨迹数据和充电站的充电信息，以交通路网的出行模式、逗留时间、平均车速、拥挤系数为载体，并采用大数据分析的方法刻画电动汽车充电需求的关键特征，基于实时数据构建充电负荷时空分布预测模型，获取充电需求数据和时空数据；同时以大数据分析得到的实时数据环境下用户到达各充电站时的充电负荷时空分布预测结果、充电需求可达率、充电需求满足率、配电网运行状态、充电站容量约束、配电网电压约束、馈线电流约束、当前电价为环境信息，采用Q学习算法建立电动汽车代理的行为决策模型，模拟区域内电动汽车的充电行为，在满足充电需求前提下，采用一系列充电优化控制策略来引导电动汽车的充电行为，实现电动汽车的有序充电。

所述充电负荷时空分布预测结果基于车联网平台的电动汽车轨迹的GPS数据提取，即车联网平台对电动汽车轨迹数据采用GPS的方式记录，首先需要对电动汽车轨迹数据进行提取，包括GPS点的时间和地理信息；

对GPS数据进行预处理，由于GPS数据受到随机因素的影响，因此GPS点与道路之间的垂直距离肯定是不相同的，接着需要对GPS点进行预处理，并把GPS点反映在道路的中心线上；

结合时间和地理因素，采用LCSS的方法获取用户的充电模式，包括充电开始、充电结束时间和充电地点；