基于闵行校区绿色校园电动汽车充电网络的 有序充电策略研究与平台设计 徐舒玮 指导老师：刘东 (上海交通大学电气工程系，上海市200240：) 摘要：本文在电网与交通网的实时数据的基础上，建立了基于电网最小峰谷差模型与电动 汽车调度导航算法。对于慢速充电，研究了以最小化峰谷差为目标进行慢速充电管理策略： 对于快速充电，研究了基于用户用户需求并综合考虑闵行校区充电点信息平台与交通道路的 电动汽车车载导航系统。最终形成了以充电站运行经济效益最大化为目标，以最大限度满足 电动汽车用户充电需求的充电导航平台。 关键词：电动汽车，最小峰谷差模型，实时电价，导航策略 1.引言 有序充电进行了峰谷时段的优化，但对充电等 级需求更高的快充情形并未提及。 为了减小电动汽车接入电网所带来的负 而国外对电动汽车的有序充电在充电路 面影响，对电动汽车进行有序充电是当前研究 径导航方面研究较多，角度也不尽相同。文献 的重点。电动汽车主要有两种充电方式，慢速[9]设计了一个基于智能交通系统的充电导航 充电(6至8小时)和快速充电(15分钟到2小框架。文献[10]提出了基于用户需求建立激励 时)：前者是用于电动汽车的停车时间（晚上的多目标导航优化算法。文献[11]提出了基于 或工作)，通过充电桩充电：后者通过充电站 充电站位置和充电范围的导航优化算法。文献 为在路途上的电动汽车进行充电。这两种充电[12]提出了基于Dijkstra算法的充电导航系 方式都将在许多方面影响电力系统的安全运统。 行。 最后本文在以上基础上，针对慢充，创新 目前，国内对电动汽车有序充电的研究主引入了以最小峰谷差为目标的充电管理策略， 要集中在慢速充电管理。文献[1]对不同类型并对目前最新的慢充策略进行研究分析：针对 电动汽车介入后电力系统的谐波进行了分析。快充，通过实时电价改进了基于峰谷时段的快 文献2]从电动汽车车载电池的充放电特性角充导航局限，创新提出了系统内能最小化为目 度对插入式混合电动汽车充放电行为进行了标的快充导航算法。 概率分析。上述文献均是从电网暂态影响的角 2.问题的提出 度进行分析，没有考虑电动汽车充电对电网稳 态方面的影响。文献[3]在假设电动汽车分布 2.1慢速充电现状分析 条件下研究其对电网的影响，对不加约束的随 即充电和经电价引导后的充电等三种充电模 前文提到电动车充电管理有两个方面， 式，电动汽车充电负荷对原始电网的叠加效果 一方面是行驶途中短暂停留时的快速充电， 进行了分析比较，但充电模型未考虑用户侧的 另一方面是在停车场等地点长时间驻留时 相应。文献[4]对关于私人用车习惯的原始调 的慢速充电。两者的充电负荷均会对电网的 查数据的统计结果进行拟合和分析，提出了一 安全性、经济性产生影响，两者是相互影响、 种以蒙特卡罗法为基础的电动汽车充电功率 相互联系的。从电动车本身的角度出发，慢 需求的统计学建模方法，但未对有序充电的有 充与快充相配合可以给电动车提供一个全 效控制策略进行研究。文献[5~8]对电动汽车 天候、全状况下的充电管理：从电网角度出
基于闵行校区绿色校园电动汽车充电网络的 有序充电策略研究与平台设计 徐舒玮 指导老师：刘东 （上海交通大学 电气工程系，上海市 200240；） 摘 要：本文在电网与交通网的实时数据的基础上，建立了基于电网最小峰谷差模型与电动 汽车调度导航算法。对于慢速充电，研究了以最小化峰谷差为目标进行慢速充电管理策略； 对于快速充电，研究了基于用户用户需求并综合考虑闵行校区充电点信息平台与交通道路的 电动汽车车载导航系统。最终形成了以充电站运行经济效益最大化为目标，以最大限度满足 电动汽车用户充电需求的充电导航平台。 关键词：电动汽车，最小峰谷差模型，实时电价，导航策略 1．引言 为了减小电动汽车接入电网所带来的负 面影响，对电动汽车进行有序充电是当前研究 的重点。电动汽车主要有两种充电方式，慢速 充电（6至8小时）和快速充电（15分钟到2小 时）：前者是用于电动汽车的停车时间（晚上 或工作），通过充电桩充电；后者通过充电站 为在路途上的电动汽车进行充电。这两种充电 方式都将在许多方面影响电力系统的安全运 行。 目前，国内对电动汽车有序充电的研究主 要集中在慢速充电管理。文献[1]对不同类型 电动汽车介入后电力系统的谐波进行了分析。 文献[2]从电动汽车车载电池的充放电特性角 度对插入式混合电动汽车充放电行为进行了 概率分析。上述文献均是从电网暂态影响的角 度进行分析，没有考虑电动汽车充电对电网稳 态方面的影响。文献[3]在假设电动汽车分布 条件下研究其对电网的影响，对不加约束的随 即充电和经电价引导后的充电等三种充电模 式，电动汽车充电负荷对原始电网的叠加效果 进行了分析比较，但充电模型未考虑用户侧的 相应。文献[4]对关于私人用车习惯的原始调 查数据的统计结果进行拟合和分析，提出了一 种以蒙特卡罗法为基础的电动汽车充电功率 需求的统计学建模方法，但未对有序充电的有 效控制策略进行研究。文献[5~8]对电动汽车 有序充电进行了峰谷时段的优化，但对充电等 级需求更高的快充情形并未提及。 而国外对电动汽车的有序充电在充电路 径导航方面研究较多，角度也不尽相同。文献 [9]设计了一个基于智能交通系统的充电导航 框架。文献[10]提出了基于用户需求建立激励 的多目标导航优化算法。文献[11]提出了基于 充电站位置和充电范围的导航优化算法。文献 [12]提出了基于 Dijkstra 算法的充电导航系 统。 最后本文在以上基础上，针对慢充，创新 引入了以最小峰谷差为目标的充电管理策略， 并对目前最新的慢充策略进行研究分析；针对 快充，通过实时电价改进了基于峰谷时段的快 充导航局限，创新提出了系统内能最小化为目 标的快充导航算法。 2．问题的提出 2.1 慢速充电现状分析 前文提到电动车充电管理有两个方面， 一方面是行驶途中短暂停留时的快速充电， 另一方面是在停车场等地点长时间驻留时 的慢速充电。两者的充电负荷均会对电网的 安全性、经济性产生影响，两者是相互影响、 相互联系的。从电动车本身的角度出发，慢 充与快充相配合可以给电动车提供一个全 天候、全状况下的充电管理；从电网角度出
发，慢充管理主要表现在对充电时间和功率 电网的安全运行系数也得到了提高，实现双 的预先设计上，具有前瞻性，而快充管理更 赢。 多的表现出实时性，亦即在某种程度上，慢 充管理给快充提供了一个经过优化后的电 3.解决问题的方法 网基础。因此，对慢充管理的研究，可使之 3.1慢充：最小峰谷差模型设计 与快充相配合提供一套更完整、更有效的管 理体系。 峰谷差通常以一天为单位，描述一天中 综上所述，合理管理电动汽车慢速充 电力系统的最高负荷和最低负荷之间的差 电，不仅能够解决慢充自身带来的不利影 别。随着我国经济社会的不断发展，电网 响，还能增强电网性能，同时可以与快充相 的负荷峰谷差越来越大。从电网的角度来 配合提供更完善的服务。因此，研究电动汽 讲，负荷降低峰谷差可以避免不必要的规划 车慢速充电控制策略具有重大的意义。目前 投资，降低运行成本，提高设备使用率，在 的研究主要从电网暂态角度的影响进行分 供电可靠性得以保证的同时，提高电网运行 析，没有考虑电动汽车充电对电网稳态方面 的安全性。另外，总负荷峰谷差的降低更有 的影响，此外对用户侧响应和有序充电控制 利于降低系统的网损，从而进一步提高电 策略研究不足。因此，针对慢充，本文主要 网公司的经济利益。 以最小化峰谷差为目标进行慢速有序充电 本节着重于研究输电网层面上以最小 管理策略的研究，同时引用和介绍一些优秀 化峰谷差为目标的集中优化模型，同时考虑 的慢充研究思路。 电动车自身充电约束以及电网潮流约束。 2.2快速充电现状分析 3.1.1目标函数 目前制约电动汽车大规模普及的关键 以目标电网日总负荷曲线的峰谷差最 问题之一是电动车智能充电的车载导航系 小化为目标，电动汽车充电管理策略的目标 统。目前普通的车载导航系统由于缺乏充电 函数如下： 桩和充电站的实时信息和道路拥堵状况的 minf=max(Pa）-min(Pda）*MERGEFORMAT(3- 实时信息，以及其设计与电动车的实时SOC 等信息不对接，并不适合电动汽车使用。由 其中Pd为电网在1时刻的总负荷。 于电动汽车的最大行驶里程较短，对本车 $OC和道路拥堵状况十分敏感，尤其是充电 3.1.2电动汽车充电时间与功率约束 桩和充电站的实时信息对用户有着很大的 帮助。 0,Ilend \MERGEFORMAT(3-2) 此外，目前电动汽车快速充电的研究多 0≤Pa≤Pemax'else 基于峰谷电价，由于分时电价时段的固定 性，对路途上需要充电的电动汽车来说，这 其中P为电动车i在1时刻的充电功率： 种峰谷分时电价所起的作用就不明显了。这 类电动汽车用户充电需求等级较高，需要尽 Pmm为电动车的最大充电功率 快找到充电站开始充电，因此基于峰谷电价 的研究方式就不合适了。 'am、tend分别为充电的开始、结束 针对快充，本文研究的车载导航系统基 时刻。 于实时电价和交通网的实时数据，引入电网 安全运行作为新的评价因子。因子的一端是 SOCdesre·B.≤SOC·B 对电网安全运行的评价，另一端是对用户经 \MERGEFORMAT (3-3) 济性的评价。这样既可以通过智能充电导航 系统引导一部分电动汽车用户去合适的充 电站充电，而用户在获得了经济利益的同时
发，慢充管理主要表现在对充电时间和功率 的预先设计上，具有前瞻性，而快充管理更 多的表现出实时性，亦即在某种程度上，慢 充管理给快充提供了一个经过优化后的电 网基础。因此，对慢充管理的研究，可使之 与快充相配合提供一套更完整、更有效的管 理体系。 综上所述，合理管理电动汽车慢速充 电，不仅能够解决慢充自身带来的不利影 响，还能增强电网性能，同时可以与快充相 配合提供更完善的服务。因此，研究电动汽 车慢速充电控制策略具有重大的意义。目前 的研究主要从电网暂态角度的影响进行分 析，没有考虑电动汽车充电对电网稳态方面 的影响，此外对用户侧响应和有序充电控制 策略研究不足。因此，针对慢充，本文主要 以最小化峰谷差为目标进行慢速有序充电 管理策略的研究，同时引用和介绍一些优秀 的慢充研究思路。 2.2 快速充电现状分析 目前制约电动汽车大规模普及的关键 问题之一是电动车智能充电的车载导航系 统。目前普通的车载导航系统由于缺乏充电 桩和充电站的实时信息和道路拥堵状况的 实时信息，以及其设计与电动车的实时 SOC 等信息不对接，并不适合电动汽车使用。由 于电动汽车的最大行驶里程较短，对本车 SOC 和道路拥堵状况十分敏感，尤其是充电 桩和充电站的实时信息对用户有着很大的 帮助。 此外，目前电动汽车快速充电的研究多 基于峰谷电价，由于分时电价时段的固定 性，对路途上需要充电的电动汽车来说，这 种峰谷分时电价所起的作用就不明显了。这 类电动汽车用户充电需求等级较高，需要尽 快找到充电站开始充电，因此基于峰谷电价 的研究方式就不合适了。 针对快充，本文研究的车载导航系统基 于实时电价和交通网的实时数据，引入电网 安全运行作为新的评价因子。因子的一端是 对电网安全运行的评价，另一端是对用户经 济性的评价。这样既可以通过智能充电导航 系统引导一部分电动汽车用户去合适的充 电站充电，而用户在获得了经济利益的同时 电网的安全运行系数也得到了提高，实现双 赢。 3．解决问题的方法 3.1 慢充：最小峰谷差模型设计 峰谷差通常以一天为单位，描述一天中 电力系统的最高负荷和最低负荷之间的差 别。 随着我国经济社会的不断发展，电网 的负荷峰谷差越来越大。从电网的角度来 讲，负荷降低峰谷差可以避免不必要的规划 投资，降低运行成本，提高设备使用率，在 供电可靠性得以保证的同时，提高电网运行 的安全性。另外，总负荷峰谷差的降低更有 利于降低系统的网损， 从而进一步提高电 网公司的经济利益。 本节着重于研究输电网层面上以最小 化峰谷差为目标的集中优化模型，同时考虑 电动车自身充电约束以及电网潮流约束。 3.1.1 目标函数 以目标电网日总负荷曲线的峰谷差最 小化为目标，电动汽车充电管理策略的目标 函数如下： minf max P grid ,t min P grid ,t \* MERGEFORMAT (3-1) 其中 P grid ,t 为电网在 t 时刻的总负荷。 3.1.2 电动汽车充电时间与功率约束 , , 0 0 start end ei t ei t emax t t or t t P P P else ， ， \* MERGEFORMAT (3-2) 其中 Pei,t 为电动车i 在 t 时刻的充电功率； Pemax 为电动车的最大充电功率； start t 、 分别为充电的开始、结束 时刻。 , , , end startdesire i c e i c t ei t c c t t SOC B SOC B P t B \* MERGEFORMAT (3-3)
其中SOCm,为慢充结束时理想的电量 以及参考节点发电功率限制： 状态，为百分值： Pscn.min≤Pen≤Pgeon.mox*MERGEFORMAT(3-8) SOCe,为电动车开始充电时的电量 其中Pn为参考节点的发电功率。 状态，为百分值： 3.1.4多样化的研究思路 B。为电动车电池容量： 随着电动汽车保有量的持续增加，电动 △1为每个时段的时长； 汽车对电网运行和能源结构调整等的影响 日益显著。对电动车进行合理的充放电管 门。为电动车充电功率。 理，不仅能够有效控制其无序充电所带来的 此外，还有一项较为特殊的约束条件： 潮流越限等负面影响，还能够丰富电力系统 充电时间较短，即使全程以最大功率充电仍 的运行和控制手段，促进能源结构的调整。 不能达到出行电量要求时，在连接电网时间 由于其管理方式的多样化以及影响的广泛 内充电功率设置为最大值。 性，电动车充电研究涉及到许多方面许多领 域，换言之，电动车充电可以有非常丰富的、 多角度的研究思路。 na·△M·l*MEF 以目标分类，电网方面，有以解决电网 运行问题为目标，也有以降低电网运行成本 为目标等：电动车方面，有的想要最小化充 电成本，有的则着重于延长电池使用寿命 3.1.3电网约束 等：聚合商方面，可以是最大化盈利等。以 本模型中采用直流潮流计算的方法。直 调控方式分类，有纯粹的对电动车进行充电 流潮流法的特点是将电力系统的交流潮流 算法优化：也有将电动车充电与机组组合问 (有功功率和无功功率)用等值的直流电流 题结合来降低发电成本：还有将电动车与其 来代替，甚至只用直流电路的解法来分析电 他用电设备综合起来以户或小区为单位采 力系统的有功潮流，而根本不考虑无功分布 用需求响应的方式进行调控等。当然还有更 对有功的影响。它把非线性潮流问题简化为 多的研究思路和分类方式。本节介绍参与需 线性直流电路问题，方便快捷。虽然精确度 求响应调节的研究思路。 一般，但是对于在输电网层面上较为粗糙的 需求响应，即电力用户根据电力价格、 计算完全可以适用。 电力政策的动态改变而暂时改变其固有的 [P]=[Bo][0]=[0]=[Bo][P]MEI 习惯用电模式，达到减少或推移某时段的用 电负荷而响应电力供应，从而保证电网系统 的稳定性。具体实施可以通过对无线传感器 其中B。为正常运行时网络节点电纳矩阵： 网络的部署进行设计，并对人机界面、协议 B为节点电压相位角的向量： 和数据包结构进行研究，将节点预先设置在 P为节点注入的有功功率向量。 家用电器、家用蓄电设备等关键用电设备上 或插座中，实时检测用电量及用电功率，并 I*MERGEFOR!通过控制器智能控制电力的通断。 由于市场占有率原因，电动车充电目前 在输电网层级上产生的影响还不是很明显， 其中P为线路可上的功率。 但是随着其数量进一步增加，在配电网层级 于是有线路潮流约束： 上的影响会很快显现出来，尤其是在出现集 |P≤PmsI*MERGEFORM 群效应时，电动车充电可能带来严重的峰值 过负荷、馈线拥堵等问题。同时，从广义上
其中 desire,i SOC 为慢充结束时理想的电量 状态，为百分值； e,i SOC 为电动车开始充电时的电量 状态，为百分值； Bc 为电动车电池容量； t 为每个时段的时长； c 为电动车充电功率。 此外，还有一项较为特殊的约束条件： 充电时间较短，即使全程以最大功率充电仍 不能达到出行电量要求时，在连接电网时间 内充电功率设置为最大值。 , , , end start ei t emax t e i c emax c t t desire i c P P if SOC B P t SOC B \* MERGEFORMAT (3-4) 3.1.3 电网约束 本模型中采用直流潮流计算的方法。直 流潮流法的特点是将电力系统的交流潮流 （有功功率和无功功率）用等值的直流电流 来代替，甚至只用直流电路的解法来分析电 力系统的有功潮流，而根本不考虑无功分布 对有功的影响。它把非线性潮流问题简化为 线性直流电路问题，方便快捷。虽然精确度 一般，但是对于在输电网层面上较为粗糙的 计算完全可以适用。 1 P B0 B0 P \* MERGEFORMAT (3-5) 其中 B0 为正常运行时网络节点电纳矩阵； 为节点电压相位角的向量； P 为节点注入的有功功率向量。 i j ij ij P x \* MERGEFORMAT (3-6) 其中 Pij 为线路ij 上的功率。 于是有线路潮流约束： Pij Pijmax \* MERGEFORMAT (3-7) 以及参考节点发电功率限制： P gen.min P gen P gen.max \* MERGEFORMAT (3-8) 其中 P gen 为参考节点的发电功率。 3.1.4 多样化的研究思路 随着电动汽车保有量的持续增加，电动 汽车对电网运行和能源结构调整等的影响 日益显著。对电动车进行合理的充放电管 理，不仅能够有效控制其无序充电所带来的 潮流越限等负面影响，还能够丰富电力系统 的运行和控制手段，促进能源结构的调整。 由于其管理方式的多样化以及影响的广泛 性，电动车充电研究涉及到许多方面许多领 域，换言之，电动车充电可以有非常丰富的、 多角度的研究思路。 以目标分类，电网方面，有以解决电网 运行问题为目标，也有以降低电网运行成本 为目标等；电动车方面，有的想要最小化充 电成本，有的则着重于延长电池使用寿命 等；聚合商方面，可以是最大化盈利等。以 调控方式分类，有纯粹的对电动车进行充电 算法优化；也有将电动车充电与机组组合问 题结合来降低发电成本；还有将电动车与其 他用电设备综合起来以户或小区为单位采 用需求响应的方式进行调控等。当然还有更 多的研究思路和分类方式。本节介绍参与需 求响应调节的研究思路。 需求响应，即电力用户根据电力价格、 电力政策的动态改变而暂时改变其固有的 习惯用电模式，达到减少或推移某时段的用 电负荷而响应电力供应，从而保证电网系统 的稳定性。具体实施可以通过对无线传感器 网络的部署进行设计，并对人机界面、协议 和数据包结构进行研究，将节点预先设置在 家用电器、家用蓄电设备等关键用电设备上 或插座中，实时检测用电量及用电功率，并 通过控制器智能控制电力的通断。 由于市场占有率原因，电动车充电目前 在输电网层级上产生的影响还不是很明显， 但是随着其数量进一步增加，在配电网层级 上的影响会很快显现出来，尤其是在出现集 群效应时，电动车充电可能带来严重的峰值 过负荷、馈线拥堵等问题。同时，从广义上
来说，电动车也是一种大型家用电器。因此， 够得到充分保证。 完全可以考虑通过需求响应策略来管理电 2)导航系统用户使用率低。即只有相当少 动车充电。 的人安装了导航系统，因而交通网的情 下面给出一种需求响应策略作为示例。 况基本稳定的，它不受导航系统对用户 1)目标：最小化电动车充电对配电网络的 的导向而使情况发生改变。或者说，系 影响，具体表现为通过需求响应使加入 统可以只关注于用户，而不用在意用户 电动车充电时的日负荷峰值不超过未 对于环境的影响。 加入时的。 3)导航系统用户和非用户间无相互影响。 基于上述三个假设，设计出导航系统的 2) 邻域区域网络每户需求限制DL 整体架构如图1所示。 目标函数： Cloud computing system max(DL)\MERGEFORM. Road information Condition (Traffic volume,etc.) One time charge 约束条件： emperature,weathe ∑Dn≤ Departure point = Route candidates Departure time MERGE Destination L <DL DL,Lm≥DL Users 。分 。ò 其中DL,为给每户设置的在i时刻的需 。 求限值：Dm,为第m户在需求响应之后的需 No interaction 。分 。。。 求：DLtotaL,;为该配网在i时刻的可用供电功 Non-Users 率：Lm为第m户在i时刻的原始需求。 。∂ 。ò 3)具体用电设备的需求响应策略 如果电动车不是高优先权等级的， 图1车载导航系统整体架构图 一旦收到需求限制信号，停止充电：家 图1所示导航系统整体架构图的基本工 庭区域网络控制中心发现在预设时间 内无法完成充电时，恢复充电。 作原理如下： 该需求响应策略通过包括电动车 云端服务器搜集所有汽车情况得到交 在内的需求响应，使峰值需求无变化， 通网的相关信息，其中导航系统用户将出发 地点、出发时间、目的地发送给云端，服务 从而使配网适应较大的电动车充电负 荷而不需要对网络硬件进行升级，具有 器经过导航调度算法计算后，向系统用户提 供优化后的导航路径推荐方案。云端服务器 显著的经济性。该策略在牺牲极少用户 舒适度的同时，能够保证电动车及时充 的工作原理在3.2.1节中进行详细阐述。 电到设定值。这也印证了考虑将电动车 3.2.1云端服务器模型框架 充电与需求响应相结合这个研究思路 如图2所示的道路网络中，使用车载导 的可行性和优越性。 航系统的智能车用户可以通过GPS和V2X 3.2快充：车载导航系统设计 与交通控制站通信，基于道路节点实现用户 信息和道路网络信息的交互。基于交通网的 本文设计了一个以充电站运行经济效 益最大化为目标，以最大限度满足电动汽车 实时数据是云端服务器模型工作的前提。 用户充电的充电导航平台，并作出以下三个 重要假设。 1)电动汽车只进行一次充电。由于闵行校 区占地面积有限，这个假设的合理性能
来说，电动车也是一种大型家用电器。因此， 完全可以考虑通过需求响应策略来管理电 动车充电。 下面给出一种需求响应策略作为示例。 1) 目标：最小化电动车充电对配电网络的 影响，具体表现为通过需求响应使加入 电动车充电时的日负荷峰值不超过未 加入时的。 2) 邻域区域网络每户需求限制 DLi 目标函数：max DLi \* MERGEFORMAT (3-9) 约束条件： , , 1 , , , , , , N m i total i m m i m i i m i i m i i D DL L L DL D DL L DL \* MERGEFORMAT (3-10) 其中 为给每户设置的在 i 时刻的需 求限值； 为第 m 户在需求响应之后的需 求； 为该配网在i 时刻的可用供电功 率； 为第 m 户在i 时刻的原始需求。 3) 具体用电设备的需求响应策略 如果电动车不是高优先权等级的， 一旦收到需求限制信号，停止充电；家 庭区域网络控制中心发现在预设时间 内无法完成充电时，恢复充电。 该需求响应策略通过包括电动车 在内的需求响应，使峰值需求无变化， 从而使配网适应较大的电动车充电负 荷而不需要对网络硬件进行升级，具有 显著的经济性。该策略在牺牲极少用户 舒适度的同时，能够保证电动车及时充 电到设定值。这也印证了考虑将电动车 充电与需求响应相结合这个研究思路 的可行性和优越性。 3.2 快充：车载导航系统设计 本文设计了一个以充电站运行经济效 益最大化为目标，以最大限度满足电动汽车 用户充电的充电导航平台，并作出以下三个 重要假设。 1) 电动汽车只进行一次充电。由于闵行校 区占地面积有限，这个假设的合理性能 够得到充分保证。 2) 导航系统用户使用率低。即只有相当少 的人安装了导航系统，因而交通网的情 况基本稳定的，它不受导航系统对用户 的导向而使情况发生改变。或者说，系 统可以只关注于用户，而不用在意用户 对于环境的影响。 3) 导航系统用户和非用户间无相互影响。 基于上述三个假设，设计出导航系统的 整体架构如图 1 所示。 图 1 车载导航系统整体架构图 图1所示导航系统整体架构图的基本工 作原理如下： 云端服务器搜集所有汽车情况得到交 通网的相关信息，其中导航系统用户将出发 地点、出发时间、目的地发送给云端，服务 器经过导航调度算法计算后，向系统用户提 供优化后的导航路径推荐方案。云端服务器 的工作原理在 3.2.1 节中进行详细阐述。 3.2.1 云端服务器模型框架 如图 2 所示的道路网络中，使用车载导 航系统的智能车用户可以通过 GPS 和 V2X 与交通控制站通信，基于道路节点实现用户 信息和道路网络信息的交互。基于交通网的 实时数据是云端服务器模型工作的前提
E<E:)则接受新状态j作为新的状态：否 -(E-E) 则以概率er 接受状态j,其中k为 Boltzmann常数，这就是通常的Metropolis 准则。目标函数为： CU.)AEU.)+AEU.) 由于电动车接入服务器存在先后顺序， 因此充电调度也需要逐辆进行，对于每一辆 图2电动汽车道路交通网络图 新接入的电动车k,目标都是追求整体系统 内能的最小化。结合约束条件，可以建立电 导航系统的云端服务器主要由地理信 动汽车的数学模型： 息模块、显示模块、通信模块、电动汽车调 度计算等模块组建而成，其工作原理框图如 minC(.k)-AE(.s)+AF(J.) 图3所示：系统用户向云端服务器提供路径 =1 起点、终点的节点信息，服务器内嵌的充电 导航调度模块通过无线网络接收经GPS和 E-∑fEQ) V2X通信得到的道路节点信息，经过最优路 径搜索计算后将计算所得的路径备选方案 在提供给用户的显示模块中显示。 0≤m元≤n 0≤m,≤n Source (s)and destination (d)nodes of the joumey Input from the driver 0≤k≤m,k∈N+ GPS or 0≤isN,ieN+ Optimal Path Selection (OPS)Unit input 0≤j≤24，jeN+ Mapo时the road network 其中，n为i充电区域内充电桩的个数，N Output to the Properties of the nodes display of the edges,and recharging car navigation stations 为电桩划分充电区域个数，m:为j时刻途 system Pareto-optimal paths 径i充电区域的电动车数量。 图3云端服务器工作原理框图 解空间：对于单个时段j来说，其解空 3.2.2电动汽车充电导航算法 间较为庞大，对于每一辆需要充电的车辆有 本充电导航调度算法对应于图3云端服 N个区域可以选择，对于同一时段的m,辆 务器工作原理框图中的OPS部分，基本思 路是：在满足用户充电需求的条件下，尽量 电动汽车来说共有m,×N种组合，为了避 降低各个充电站点的电能负荷，实现系统能 量的最小化。为了实现这样的功能本模块构 免进行不必要的搜索，我们首先对车辆进行 造了合理的采样方法，使得从当前时刻的充 初步的导航规划，记录其具有偏好的充电区 电状态i过渡到下一时刻的充电状态j的过 域，这样能够极大地缩小解空间的容量。 程中，若新状态的内能小于原状态（即以 函数f(PQ)则反映了该充电桩当前
图 2 电动汽车道路交通网络图 导航系统的云端服务器主要由地理信 息模块、显示模块、通信模块、电动汽车调 度计算等模块组建而成，其工作原理框图如 图 3 所示：系统用户向云端服务器提供路径 起点、终点的节点信息，服务器内嵌的充电 导航调度模块通过无线网络接收经 GPS 和 V2X 通信得到的道路节点信息，经过最优路 径搜索计算后将计算所得的路径备选方案 在提供给用户的显示模块中显示。 图 3 云端服务器工作原理框图 3.2.2 电动汽车充电导航算法 本充电导航调度算法对应于图3云端服 务器工作原理框图中的 OPS 部分，基本思 路是：在满足用户充电需求的条件下，尽量 降低各个充电站点的电能负荷，实现系统能 量的最小化。为了实现这样的功能本模块构 造了合理的采样方法，使得从当前时刻的充 电状态i 过渡到下一时刻的充电状态 j 的过 程中，若新状态的内能小于原状态（即以 ）则接受新状态 j 作为新的状态；否 则以概率 ( ) E j Ei kT e 接受状态 j ,其中 k 为 Boltzmann 常数，这就是通常的 Metropolis 准则。目标函数为： 1 1 ( , ) ( , ) ( , ) k s C j k E j s E j k 由于电动车接入服务器存在先后顺序， 因此充电调度也需要逐辆进行，对于每一辆 新接入的电动车 k，目标都是追求整体系统 内能的最小化。结合约束条件，可以建立电 动汽车的数学模型： 1 1 , 1 1 min ( , ) ( , ) ( , ) ( ) n 0 0 0 , 0 , 0 24, k s n k k N i i ji i j j C j k E j s E j k E f P Q n m n m n k m k N i N i N j j N 其中， i n 为i 充电区域内充电桩的个数，N 为电桩划分充电区域个数， mji 为 j 时刻途 径i 充电区域的电动车数量。 解空间：对于单个时段 j 来说，其解空 间较为庞大，对于每一辆需要充电的车辆有 N 个区域可以选择，对于同一时段的 mj 辆 电动汽车来说共有 mj N 种组合，为了避 免进行不必要的搜索，我们首先对车辆进行 初步的导航规划，记录其具有偏好的充电区 域，这样能够极大地缩小解空间的容量。 函数 , ( ) k k f P Q 则反映了该充电桩当前
时刻的负荷情况，函数的增长速度远高于负 4.1总结 荷的增长速度，即局部电桩的高负荷可能导 致该地区整体的内能E过大。通过这样的方 本文引入实时电价的概念来讨论电动 式能够约束各个电桩的负荷情况，整体内能 汽车快速充电对于电网的影响，以此为基础 的最小值意味着充电负荷在该区域内均匀 建立了一个基于用户并综合考虑闵行校区 分配，实现了有序充电的功能。 充电点信息平台与交通道路的电动汽车车 载导航系统，并对系统进行优化分析。同时 3.2.3系统优化分析 对于慢速充电，以最小化峰谷差为目标建立 传统的车载导航模型以距离或时间作 了一套可行的电动汽车慢速充电管理策略， 为评价因子，而在本系统中引入了电网安全 还引用和介绍一些优秀的慢充研究思路。在 运行作为新的评价因子。用户在获得了经济 电动汽车不断发展的将来，随着充电点的不 利益的同时电网的安全运行系数也得到了 断丰富，本文所讨论的问题将为电动车充电 提高，实现双赢。此外用户可以根据自己的 问题的发展提供一条新的思路。 需求从三个备选方案中选出最佳方案。 4.2体会 本次论文的选题立项是基于自己莙政 项目的选题立成的，经过了长达一年的研究 Route 1 目前申请的专利己经被受理，因此也想借此 机会写一篇论文来总结一下目前的创新成 果，文中写的技术解决办法很多都是和组员 共同创新的成果。此外，在书写这篇论文的 Route 2 过程中，我又另外阅读了很多大量的文献， 对我目前的研究，特别是快充部分，又有了 新的思路。 Route 3 在完成本次课程作业的过程中，我的文 献搜索以及阅读能力得到了很大的提升。在 T 此之前，我基本上没有用数据库搜过论文和 图4系统优化分析的典型例子 文献，一般的资料都只是停留在百度搜索， 在论文写作过程中我逐渐学会了利用利用 图4所示为体现本系统优化特性的典型 Google学术搜索以及交大图书馆系统筛选 例子。背景的颜色的深度，可以认为是某一 出更为高质量的优秀论文，谷歌的引用功能 路线的安全运行系数的综合的衡量，越深表 为参考文献格式的规范化也提供了很大的 示路线越容易被算法接受。在此基础上我们 便利。并且随着研究的深入，我不仅仅局限 给用户提出三条可能的路线。对于用户而 于国内的中文资料，也大量阅读参考了国外 言，他们关心金钱花费C和时间花费T,他 文献，快充和慢充的技术解决办法几乎都是 们可以根据自己的需求从这三条路径中选 受到英文文献的启发写成的。此外，整篇论 择。例如，早晨的司机可能会认为最短时间 文行文和逻辑梳理也很重要，内容标题的拟 更重要而不计较花费而选择费用较高但时 定和区块的划分反反复复改编了好多次，以 间较短的路线1。在假期的司机倾向于选择 求我的论文有较高的可读性。 更便宜的路线3。用户可以在时间成本和费 最后，感谢刘东老师在电力系统自动化 用成本作权衡折衷，从而实现算法的多目标 这门课的教学安排中为我们提供了小论文 优化。 写作的宝贵机会。也感谢助教耐心为我们提 4.总结与体会 供指导建议和帮助
时刻的负荷情况，函数的增长速度远高于负 荷的增长速度，即局部电桩的高负荷可能导 致该地区整体的内能 E 过大。通过这样的方 式能够约束各个电桩的负荷情况，整体内能 的最小值意味着充电负荷在该区域内均匀 分配，实现了有序充电的功能。 3.2.3 系统优化分析 传统的车载导航模型以距离或时间作 为评价因子，而在本系统中引入了电网安全 运行作为新的评价因子。用户在获得了经济 利益的同时电网的安全运行系数也得到了 提高，实现双赢。此外用户可以根据自己的 需求从三个备选方案中选出最佳方案。 图 4 系统优化分析的典型例子 图4所示为体现本系统优化特性的典型 例子。背景的颜色的深度，可以认为是某一 路线的安全运行系数的综合的衡量，越深表 示路线越容易被算法接受。在此基础上我们 给用户提出三条可能的路线。对于用户而 言，他们关心金钱花费 C 和时间花费 T，他 们可以根据自己的需求从这三条路径中选 择。例如，早晨的司机可能会认为最短时间 更重要而不计较花费而选择费用较高但时 间较短的路线 1。在假期的司机倾向于选择 更便宜的路线 3。用户可以在时间成本和费 用成本作权衡折衷，从而实现算法的多目标 优化。 4．总结与体会 4.1 总结 本文引入实时电价的概念来讨论电动 汽车快速充电对于电网的影响，以此为基础 建立了一个基于用户并综合考虑闵行校区 充电点信息平台与交通道路的电动汽车车 载导航系统，并对系统进行优化分析。同时 对于慢速充电，以最小化峰谷差为目标建立 了一套可行的电动汽车慢速充电管理策略， 还引用和介绍一些优秀的慢充研究思路。在 电动汽车不断发展的将来，随着充电点的不 断丰富，本文所讨论的问题将为电动车充电 问题的发展提供一条新的思路。 4.2 体会 本次论文的选题立项是基于自己莙政 项目的选题立成的，经过了长达一年的研究 目前申请的专利已经被受理，因此也想借此 机会写一篇论文来总结一下目前的创新成 果，文中写的技术解决办法很多都是和组员 共同创新的成果。此外，在书写这篇论文的 过程中，我又另外阅读了很多大量的文献， 对我目前的研究，特别是快充部分，又有了 新的思路。 在完成本次课程作业的过程中，我的文 献搜索以及阅读能力得到了很大的提升。在 此之前，我基本上没有用数据库搜过论文和 文献，一般的资料都只是停留在百度搜索， 在论文写作过程中我逐渐学会了利用利用 Google 学术搜索以及交大图书馆系统筛选 出更为高质量的优秀论文，谷歌的引用功能 为参考文献格式的规范化也提供了很大的 便利。并且随着研究的深入，我不仅仅局限 于国内的中文资料，也大量阅读参考了国外 文献，快充和慢充的技术解决办法几乎都是 受到英文文献的启发写成的。此外，整篇论 文行文和逻辑梳理也很重要，内容标题的拟 定和区块的划分反反复复改编了好多次，以 求我的论文有较高的可读性。 最后，感谢刘东老师在电力系统自动化 这门课的教学安排中为我们提供了小论文 写作的宝贵机会。也感谢助教耐心为我们提 供指导建议和帮助
参考文献： 充电的峰谷电价时段优化).电力系统保护 [1)李娜，黄梅.不同类型电动汽车充电与控制，2012,40(10)：1-5 机接入后电力系统的谐波分析).电网技术， [9]Guo Q,Wang Y,Sun H,et al.Research 2011,351):170-174. on architecture of ITS based smart charging [2]杨洪明，熊脶成，刘保平.插入式混guide system[C]//Power and Energy Society 合电动汽车充放电行为的概率分析).电力General Meeting,2011EEE.IEEE,2011:1-5. 科学与技术学报，2010,25(3)8-12. [10]Hayakawa T,Ishikawa K,Imura J,et [3]DeForest N,Funk J,Lorimer A,et al.al.Incentive Based Multi-Objective Impact of widespread electric vehicle adoption Optimization in Electric Vehicle Navigation on the electrical utility business-threats and including Battery Charging[C]//World Congress. opportunities[J].Center for Entrepreneurship 2014,19(1):6332-6337. and Technology (CET)Technical Brief,2009 [11]Kobayashi Y,Kiyama N,Aoshima H, (2009.5). et al.A route search method for electric vehicles [4]田立亭，史双龙，贾卓.电动汽车充in consideration of range and locations of 电功率需求的统计学建模方法[).电网技术，charging stations[C//Intelligent Vehicles 2010(11):126-130. Symposium (IV),2011 IEEE.IEEE,2011: [5]罗卓伟，胡泽春，宋永华，等.电动920-925. 汽车充电负荷计算方法).电力系统自动化， [12]Storandt S.Quick and energy-efficient 2011.35(14):36-42. routes:computing constrained shortest paths for [6孙晓明，王玮，苏粟，等.基于分时electric vehicles[Cl//Proceedings of the5th 电价的电动汽车有序充电控制策略设计[).ACM SIGSPATIAL International Workshop on 电力系统自动化，2013,371)少191-195. Computational Transportation Science.ACM. [7李秋硕，肖湘宁，郭静，等.电动汽2012：20-25 车有序充电方法研究).电网技术，2012， [13]苏舒，孙近文，林湘宁，等.电动汽 36(12):32-38 车智能充电导航[).中国电机工程学报，2013， [8]葛少云，黄镠，刘洪.电动汽车有序 1. 英文题目 Shuwei Xu Tutor:Dong Liu Shanghai Jiao Tong University,Shanghai 200240,China) Abstract:On the basis of the real time data of power and traffic networks and based on navigation dispatch algorithm and minimal peak-valley difference,as for slow charging,this project studies on a strategy of charging management to minimize the peak-valley difference;for fast charging, this project studies on a guidance system with the load of grid and users'demand considered.With the information of electric vehicles and charging points in SJTU,a guidance system aiming at maximizing the economic efficiency and fulfilling users'demand is developed and tested in the charging network of our campus. Key words:electric vehicles;minimal peak-valley difference;real-time pricing;navigation strategy
参考文献： [1] 李娜, 黄梅. 不同类型电动汽车充电 机接入后电力系统的谐波分析[J]. 电网技术, 2011, 35(1): 170-174. [2] 杨洪明, 熊脶成, 刘保平. 插入式混 合电动汽车充放电行为的概率分析[J]. 电力 科学与技术学报, 2010, 25(3): 8-12. [3] DeForest N, Funk J, Lorimer A, et al. Impact of widespread electric vehicle adoption on the electrical utility business-threats and opportunities[J]. Center for Entrepreneurship and Technology (CET) Technical Brief, 2009 (2009.5). [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 (11): 126-130. [5] 罗卓伟, 胡泽春, 宋永华, 等. 电动 汽车充电负荷计算方法[J]. 电力系统自动化, 2011, 35(14): 36-42. [6] 孙晓明, 王玮, 苏粟, 等. 基于分时 电价的电动汽车有序充电控制策略设计[J]. 电力系统自动化, 2013, 37(1): 191-195. [7] 李秋硕, 肖湘宁, 郭静, 等. 电动汽 车有序充电方法研究[J]. 电网技术, 2012, 36(12): 32-38. [8] 葛少云, 黄镠, 刘洪. 电动汽车有序 充电的峰谷电价时段优化[J]. 电力系统保护 与控制, 2012, 40(10): 1-5. [9] Guo Q, Wang Y, Sun H, et al. Research on architecture of ITS based smart charging guide system[C]//Power and Energy Society General Meeting, 2011 IEEE. IEEE, 2011: 1-5. [10] Hayakawa T, Ishikawa K, Imura J, et al. Incentive Based Multi-Objective Optimization in Electric Vehicle Navigation including Battery Charging[C]//World Congress. 2014, 19(1): 6332-6337. [11] Kobayashi Y, Kiyama N, Aoshima H, et al. A route search method for electric vehicles in consideration of range and locations of charging stations[C]//Intelligent Vehicles Symposium (IV), 2011 IEEE. IEEE, 2011: 920-925. [12] Storandt S. Quick and energy-efficient routes: computing constrained shortest paths for electric vehicles[C]//Proceedings of the 5th ACM SIGSPATIAL International Workshop on Computational Transportation Science. ACM, 2012: 20-25. [13] 苏舒, 孙近文, 林湘宁, 等. 电动汽 车智能充电导航[J]. 中国电机工程学报, 2013, 1. 英文题目 Shuwei Xu Tutor：Dong Liu （ Shanghai Jiao Tong University，Shanghai 200240，China） Abstract: On the basis of the real time data of power and traffic networks and based on navigation dispatch algorithm and minimal peak-valley difference, as for slow charging, this project studies on a strategy of charging management to minimize the peak-valley difference; for fast charging, this project studies on a guidance system with the load of grid and users’ demand considered. With the information of electric vehicles and charging points in SJTU, a guidance system aiming at maximizing the economic efficiency and fulfilling users’ demand is developed and tested in the charging network of our campus. Key words: electric vehicles; minimal peak-valley difference; real-time pricing; navigation strategy
