电动出租车预约-违约充电机制及优化决策模型 李长云.pdf

文档介绍：该【电动出租车预约-违约充电机制及优化决策模型 李长云 】是由【晴雯】上传分享，文档一共【13】页，该文档可以免费在线阅读，需要了解更多关于【电动出租车预约-违约充电机制及优化决策模型 李长云 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:.
电网技术
PowerSystemTechnology
ISSN1000-3673,CN11-2410/TM
《电网技术》网络首发论文
题目:电动出租车预约-违约充电机制及优化决策模型
作者:李长云,蔡淑媛,徐敏灵
DOI:-
网络首发日期:2022-08-12
引用格式:李长云,蔡淑媛,-违约充电机制及优化决策模型
[J/OL].:///-
网络首发:在编辑部工作流程中,稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶
段。录用定稿指内容已经确定,且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期
刊特定版式(包括网络呈现版式)排版后的稿件,可暂不确定出版年、卷、期和页码。整期汇编定稿指出
版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出
版管理条例》和《期刊出版管理规定》的有关规定;学术研究成果具有创新性、科学性和先进性,符合编
辑部对刊文的录用要求,不存在学术不端行为及其他侵权行为;稿件内容应基本符合国家有关书刊编辑、
出版的技术标准,正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。
为确保录用定稿网络首发的严肃性,录用定稿一经发布,不得修改论文题目、作者、机构名称和学术内容,
只可基于编辑规范进行少量文字的修改。
出版确认:纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约,在《中国
学术期刊(网络版)》出版传播平台上创办与纸质期刊内容一致的网络版,以单篇或整期出版形式,在印刷
出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)》是国家新闻出
版广电总局批准的网络连续型出版物(ISSN2096-4188,CN11-6037/Z),所以签约期刊的网络版上网络首
发论文视为正式出版。
:.
췸싧쫗랢쪱볤ꎺ2022-08-1214:28:35
췸싧쫗랢뗘횷ꎺ.
电网技术
PowerSystemTechnology
电动出租车预约-违约充电机制及优化决策模型
李长云,蔡淑媛,徐敏灵
(山东科技大学电气与自动化工程学院,山东省青岛市266590)
Reservation-defaultChargingMechanismforElectricTaxisandOptimalDecisionModel
LIChangyun,CAIShuyuan,XUMinling
(CollegeofElectricalEngineeringandAutomation,ShandongUniversityofScienceandTechnology,Qingdao
266590,ShandongProvince,China)
ABSTRACT:Theexistenceofdefaultsunderthereservation产生不良影响,为规范电动汽车充电和约束充电站服务行为,
chargingmechanismhasanegativeimpactontheelectric该文提出一种预约-违约充电机制,并提出了相应的违约判据
,进而建立了电动出租车的优化充电决策模
chargingbehavioroftheelectricvehicles(EVs)andrestrict型。首先明确了预约-违约充电机制下的电动出租车(electrical
theservicebehaviorofthechargingstations,anoveltaxi,ET)充电成本,预约系统可根据ET优化充电决策模型为
reservation-defaultchargingmechanismisproposed,用户提供最优的充电方案;然后基于价格需求弹性系数表征
meanwhile,thecriteriaondefaultjudgingandtheexemption了充电负荷的转移;最后,计算了充电站净收益。算例表明,
违约机制下,电动出租车的单位电量综合成本发生改
proposedreservation-defaultchargingmechanism,thispaper变,通过选择最优充电方案,一方面,电动出租车充电成本
firstclarifiedtheET(electricaltaxi)%,另一方面,优化充电决策模型通过价格杠杆起
reservationsystemcanprovidetheETuserswiththeoptimal到调节充电负荷分布的作用,同时由于违约惩罚的存在,充
chargingplansbasedontheoptimizationchargingdecision电站净收益约增加7%。该文所得结果可为电动出租车用户的
model;Then,thetransferofthechargingloadischaracterized充电决策提供参考,同时可为规范电动汽车用户行为、提高
,the
现有充电站设备利用率及提升充电站承担公共服务功能提供

新思路。
calculationexampleshowsthatthecomprehensivecostofthe
electrictaxisperunitofelectricitychangesunderthe关键词:预约违约充电机制;违约判据;违约豁免;优化
reservation-defaultmechanismandthechargingcostofthe充电决策模型
%bychoosingtheDOI:-
,theoptimized
0引言
chargingdecisionmodeladjuststhechargingloaddistribution
throughpricelevers;Atthesametime,thenetincomeofthe伴随着化石能源的日渐枯竭及全球变暖压力
chargingstationsincreasebyapproximately7%duetothe的增大,电动汽车(electricvehicle,EV)因其零尾
、低维护费用、高操控性等突出优点可为我
resultsofferaguidanceforthechargingdecisionsoftheET
国的“碳达峰、碳中和”目标做出贡献,因此具有
users,andprovidenewideasforstandardizingtheuser
广泛应用前景。据中国汽车工业协会预测,在政策
behaviorofEVs,improvingtheutilizationrateoftheexisting[1]
chargingstationsandoptimizingtheirpublicservice和市场双重驱动下,未来5年,我国以电动汽车

40%以上,今后5~8年,新能源汽车的市场占比将
KEYWORDS:reservation-defaultchargingmechanism;
显著提高,或将达到20%~30%。伴随EV规模的
criteriaondefault;exemptionofliabilityforbreachofcontract;
optimalchargingdecisionmodel不断扩大,EV与电网间的交互关系等问题受到研
究人员重点关注,研究点集中于EV的充电策略
摘要:预约充电机制下违约情况的存在对电动汽车和充电站:.
①
①
③
②
④
⑥
2李长云等:电动出租车预约-违约充电机制及优化决策模型
[2-4]、充电站容量与位置的优化[5-8]、EV对电力系统电情况下的对应量进行了对比分析。
稳定性与调度策略的影响[9-12]等方面。⑤
1ET预约充电机制
为既能满足EV充电需求和充电站收益又能兼
顾平滑电网负荷曲线,
方面进行了深入研究。文献[13]提出一种采用分群家庭用电动汽车通常在小区和公司充电,电动
优化的EV与电网互动调度策略,通过动态调整各出租车或电动公交车等车辆因其服务性质而多在
时段调控车群的可调度负荷和充放电功率实现负快速充电站充电。目前应用最广泛的充电机制是普
荷的削峰填谷;文献[14]建立了纳入电网、EV负荷通充电机制,即EV到站提出充电请求,充电站根
聚合体与EV车主三方利益的多目标实时分布式优据排队策略为其依次安排充电。为减少电动出租车
化模型,平抑负荷波动同时降低了运行成本,提升的充电等待时间及提高充电设备利用率,部分快速位置信息,剩余电量
了用电满意度。随着EV用户和充电交易数量的不充电站开始采用基于先到先得原则的预约充电机电价信息,桩位使用情况
制。预约机制的实质为具有约束力的契约[23],须尽
断增加,如何缩短EV用户充电排队时间、提高充
电桩利用率成为亟待解决的问题。可能公平公正并在市场环境中被双方认可和支持。
在EV充电策略研究方面,文献[15]设计了可ET预约充电流程如图1所示。通过预约系统,
实现预约充电的管理办法;文献[16]发展了一种EV充电站可获得接入本系统的ET的剩余电量、位置
有序充电的优化预约算法;文献[17]利用情况与期望充电电量,ET可获得快速充电站发布选择充电站并预约
V2R(VehicletoRoadSideUnit,V2R)通信实现EV的电价和桩位状态等信息。考虑到交通路况、实时接受信息,预留桩位
与充电站的信息交互,提出了基于预约的电动汽车电价以及ET在该时段的载客收益,同时兼顾ET
分布式充电策略;文献[18]建立了解决充电拥堵问与充电站双方的违约情况,预约系统为用户推荐合
题的预约系统,可在负荷低谷期提高电动汽车用户适的充电站与充电时段,即ET以充电成本最低为
充电效率;文献[19]提出了一种抢占服务下的预约目标进行自身博弈达到纳什均衡的问题,第3节将
充电方法,解决电动汽车与充电基础设施运营商商对此进行数学描述。ET用户结合自身出行需求和
定的服务相关问题;文献[20]提出了基于区块链和充电偏好,选择充电站与充电时段进行预约,预约
智能合约技术的预约充电服务方法和个性化奖惩系统将预约信息传递给相应充电站,由充电站确认
定价方案;文献[21]提出使用双线性配对的高效匿之后向ET用户反馈预约成功或失败的最终结果。
名凭证保护EV隐私的电动汽车预约充电方案并用为提高充电设备的利用率及预防双方的突发事故,
K次匿名身份验证来限制预约次数以保证预约充电对允许ET用户与充电站在规定时间内均有一次取
方法的公平性;文献[22]基于边缘计算及改进数字消预约的机会,若规定时间内双方均未提出取消申
签名算法(digitalsignaturealgorithm,DSA)提出一种请,则认为该预约生效且具备强制效力,ET用户
融合车联网的电动汽车充电预约安全认证方案,解和充电站必须在允许区间内到站并开始充电。
决了电动汽车直接连接到充电站的时延及通信效
率问题。上述研究中提及了预约充电策略,并对预
约机制实施过程中的优先性、电价制定、隐私与公
平等方面问题进行了思考。然而,预约机制下违约
现象难以避免,对于违约情况的判定和处理及其对
充电站与EV用户的影响,现有文献均未做考虑。
基于现有研究,本文以城市中应用日益普遍的
电动出租车(electricaltaxi,ET)的充电需求为研究对
预约系统
象,提出一种预约-违约充电机制,纳入电动出租车
和充电站的预约方式、违约判定、违约处理与惩罚
等,建立了ET优化充电决策模型,并基于价格弹图1电动出租车预约流程

性系数求得充电负荷的变化,对充电站收益进行了
预约充电机制下,由于空闲桩位与电价信息的
数学表征。结合算例,对考虑预约-违约机制优化充
透明化,ET用户可调整自身充电安排,而预约行
电决策后单位电量综合成本、充电负荷分布、ET
为本身的结果起到负荷预测作用,充电站可据此确
充电成本与充电站净收益等进行计算,并与普通充:.
电网技术3
定购电与充放电计划,从而降低了充电过程中不必间隔Δta-r在允许时间范围tint内,即Δta-r=|tarrtr-s|≤tint,
要的时间与成本浪费。则判定ET不违约;若Δta-r>tint,则判定ET违约,
对应的违约时长Δtv=Δta-rtint。

电动出租车i违约时,其违约惩罚金额fv-i为
如果预约成功的ET用户未能在规定时间内到
达充电站,或充电站未能及时为预约ET提供充电
服务,均被视为违约。当下的预约充电机制没有强0,(1tt)a-r-inti
ftttt,
v1vinta-r-retitii
制效力,违约行为的存在难以规避,势必将产生不2reta-r-rettittt,
必要的时间和桩位浪费,导致ET充电成本升高,
式中:tret为界定2种违约情况的区间;α1t、α2t分
充电站收益降低,对充电行为产生不利影响。因此,
别为电动出租车i在t时刻违约时两种情况下对应
规范充电行为、降低违约概率、减小违约的不利影
的违约惩罚系数。
响成为亟待解决的问题。
违约机制中的惩罚系数α由充电站与ET共同
2预约-违约充电机制决定,构成斯塔克尔伯格主从博弈。充电站运营商
为了规范预约充电行为,降低违约情况对ET在博弈中占据主导地位,ET用户根据充电站制定
和充电站的负面影响,本文提出了预约-违约充电机的充电机制确定自己的最优充电策略。多次博弈
制,对预约过程中存在的违约行为进行量化判定与后,达到斯塔克尔伯格均衡,从而确定预约违约
进出
处理。预约系统作为预约过程中的平台、大脑与监机制中的违约惩罚系数,该系数在负荷峰、谷、平...
督者,按既定规则判定ET用户或充电站的实际充时段取值不同。站站
电行为是否存在违约并对违约方强制执行违约惩根据电动出租车i的到站时刻tarr-i与预约开始
口口
罚,惩罚款项交与未违约方。充电时刻tr-s-i的间隔Δta-r-i与tret的大小判断充电站
为准确判定ET用户和充电站的违约情况,对是否为其保留充电桩。若∆ta-r-i≤tret,则充电站为电
应的快速充电站配置数据采集和计算平台,且配置动汽车i保留充电桩k,该用户可以直接接入充电;
记录时钟用于记录ET到达和驶离充电站的时刻,否则,充电站将取消预留充电桩k,若电动出租车
如图2所示。i仍确定在本站充电需要重新预约。此后,充电站
将对所有用户发布这一可用桩位k,允许充电时长
为发布时刻记tbro至下一预约时段开始前,充电电价录到达时间tarr记录出站时间tlea
为加塞电价pcut,该桩位k可通过网上预定或现场
预定获取,获取原则仍为先到先得。

由于预约违约充电机制是为充电站和ET双数据和计算平台
方平等服务的,为尽可能实现公平,充电站违约判
图2考虑违约时快速充电站配置定机制中的允许时间范围仍取tint。若ET开始充电
-r在允许
范围tint内,即Δtb-r=tr-btr-s≤tint,则判定充电站不违

合理引导ET的充电行为,一方面可有效减少约;若Δtb-r>tint,查询Δta-r,若Δta-r≥tint,仍归为ET
电网负荷峰谷差,另一方面也可减少ET的等待时违约,反之则判定充电站违约,对应的违约时长
间及降低道路拥堵状况。结合当前我国的基本电价Δts=Δtb-rtint。
政策,本文采取分时电价策略,将每天分为峰、谷、充电站违约时,应对被违约电动出租车i做出
平3个时段,分别讨论ET用户和充电站的违约情补偿。根据被违约电动出租车i是否选择在本站中
等待充电,设置一个事件触发机制。若被违约电动
况。为便于描述,记ET的预约开始充电时刻、到
出租车i选择继续等待,记li=0;若被违约电动出
达充电站时刻、实际开始充电时刻、驶离时刻分别
租车i选择离去,记li=1,设电动出租车i驶离时刻
为tr-s、tarr、tr-b、tlea。
tlea-i与∆tb-r-i的时刻间隔∆tsl-i=tlea-i∆tb-r-i,则充电站违
、惩罚与处理措施
若ET到达充电站时刻与预约开始充电时刻的约给与电动出租车i的补偿fs-i为:.
4李长云等:电动出租车预约-违约充电机制及优化决策模型
发事件需要提前结束本次充电。如电动出租车用户
0,ttb-r-int提出延长充电时间或提前离开并获充电站管理人i
(2)
ftttls1slb-r-intitiii,员授权,则将普通桩位,1K转为备用桩位,而选择备
tttl,,0
2s-b-r-inttiii用桩位Kb中一个桩位将作为普通充电桩继续承担
式中β1t、β2t分别为充电站在t时刻违约时两种情况预约充电任务。
下对电动出租车i的违约惩罚系数,在负荷峰、谷、2)若没有上述情况发生,预约系统将不定时
平时段取值不同。发布备用桩位Kb的可用数量、可充电时段信息,
,高于同时
在实际施行过程中,由于现实情况的复杂性段预约电价pr。
高,突发问题多,针对一些符合情理或者不可避免
3ET优化充电决策模型
的违约个例,本文设置如下豁免机制。
1)若电动出租车i到站时刻tarr-
始充电时刻tr-s-i,虽其Δta-r-i>tint,但应判定电动出即便是采用快充方式,电动出租车的充电所需
租车i不违约。充电站可设置预约系统自查预约与时间仍远长于燃油车辆的燃油加注时间,因此,电
桩位使用情况,如有空闲桩位,则可安排电动出租动出租车充电过程需要考虑充电费用和驶向充电
站与排队等待耗费时间所导致的载客收益流失[24]。
车i接入充电,按预约电价pi计费。
2)若电动公共服务车辆,如救护车、消防车、预约充电机制下电动出租车用户i的充电成本包括
道路救援车等因紧急情况临时需要应急充电,考虑时间成本Hi-time和电费成本Hi-price,分别表示如下。
到充电站须承担的公共服务功能,
优先级高于普通ET充电,因其占用充电桩位而导记电动出租车i本次充电行为总共耗费的时长
致充电站对用户违约为特殊的违约情况。此时充电为Tsum,电动出租车单位时间载客收益为Kp,则充
,同时,充电付出的时间成本Hi-time可表示为
电站记录事件收支明细并在季度或年度结算时上(3)
HKTi-timepsum
报,该部分损失将由社会承担,并体现在税费下调
或来年的购电电价优惠中。(4)
KpMQRMM1limitt,
相应地,一旦出现2)中所述紧急情况,预约(())MQMMQRMMlimit1limit2limitt,
系统将滚动广播充电桩位应急占用情况及预计占(5)
TTTsumpd
用时间,同时将为预约成功的用户重新预估充电时
间并提供一次免费取消预约的机会。涉及的任一电式中:Rt为t时段载客次数;M为载客平均行驶里
动出租车用户I需在规定时间内选择取消预约或继程;Q1为Mlimit内单位公里收费;Q2为Mlimit外单
续等待,如超时未操作视为继续等待。待应急充电位公里收费;Tp、Td分别为排队时长和行驶时间。
任务结束后,已预约车辆应按预约顺序尽快接入充由于ET在快速充电时所需的充电时长是ET正常
电,并根据实际预约情况在之后一段时间适当增加运行的前提,所以本文建立的充电决策模型中不予
或减少预约容量,以期减少违约,减少违约惩罚获考虑。
得更大收益。排队时长Tp为
(6)
Tp=Lj
为满足特殊情况下ET的充电需求和最大化充(1)G0j
电站的收益,本文在充电站中设置备用桩位Kb。备
式中:Lj为电动出租车i充电时段充电站j排队队
用充电桩Kb并非某个特定的充电桩,而是独立于
列长度;ρ为车辆到达率;G0j为充电站j没有空闲
预约机制以外的桩位群。在不同时段,备用桩K可
桩位的概率。
以是充电站中任何充电桩,其运行机制如下。
行驶时间为
1)若电动出租车i预约充电时长为Tr-i,但其
在普通充电桩K充电至预约时长结束后发现其蓄(7)
T=Sij
电池尚未充满,或蓄电池提前充满及ET用户有突dVave:.
电网技术5
式中:Sij为电动出租车i距充电站j的距离;Vave
为平均行驶速度。0,ttr-c-sloti
(14)
-c-1r-c-slotiiii(2)0,
()0ttr-c-2r-c-iii,
电动出租车i充电付出的电费成本Hi-price为充
电电价与充电量之积:式中λ1i、λ2i为在电动出租车i的预约事件中2种不
同情况下双方取消预约共同的惩罚系数。
Hew(8)
iti-price

式中:et为t时段的充电电价;wi为车辆i充电电量。

车辆i所需充电量wi为
因工作性质限制,电动出租车首先必须满足载
wSSZ()(9)客出行的要求,除此之外,其充电决策还受到以下
iitibb
约束:
式中:Sbt-i为电动出租车i在t时段开始充电时的电
1)受电池电量约束,电动出租车i实际开始充
池电量状态;Sbi为期望充电结束后电量;Z为电池
电时间t须在荷电状态达到报警阈值之前,即
总容量。
SSbbminti(15)
考虑时间成本与充电成本,电动出租车i充电
2)任意时段t,在充电站j充电的所有电动出
量为wi时的充电总成本Hi可表示为
租车的充电需求之和不超出当前时段充电站j能提
HHH(10)供的最大充电功率:
iiitimeprice
违约机制下充电成本(16)
njtwP
预约违约充电机制下,由于违约判定与惩罚i1ijtmax
机制的存在,充电过程中ET与充电站双方都存在
式中:Pjt-max为t时段充电站j能提供的最大充电功
违约风险,需要将违约成本纳入考虑。基于此,对
率;njt为该时段有充电需求的电动出租车数。
ET充电成本计算模型进行改进,将电动出租车用

户i的违约成本Hi-default纳入考虑,则电动出租车i
因一天内不同时段的电价不同,为便于衡量ET
充电量为wi时对应的总成本Hi-∑为
充电决策的经济性,本文将电动出租车的充电总成
HHHH(11)+本与充电量之比Hi-∑/wi定义为单位电量综合成本。
iiiitimepricedefault
显然,当单位电量综合成本最小时,ET的充电决
电动出租车i在t时段充电的违约成本Hi-default
策模型为最优决策模型,即
为
Hi(17)
(12)minhiwi
Hfffiiiidefaultvcs
预约违约机制下充电决策优化在MATLAB
式中:fc-i为电动出租车i或充电站取消预约的惩罚;
环境下进行,计算流程如图3所示。
系数φ用以表征取消预约这一行为对电动出租车i
违约成本的影响,取值如下:
1,车取消违约
(13)
0,无取消预约
1,站取消预约

根据预约取消机制,电动出租车i与充电站在
规定时间内均有一次取消预约的机会,记取消预约
时刻为tcan-i,设Δtr-c-i=tr-s-itcan-i,免费取消预约时段
为预约开始充电时间前tslot,则fc-i为:.
开始
电动出租车i向预约系统提交当前S与期望S、
bt-ibi
能接受的充电时段及时段内所在位置的大致分
布,各充电站提交各个时段的空余桩位情况
预约系统基于ET提供的位置信息并考虑路况求解
车到站行驶时间T,预估充电站排队时间T,结合
dp
ET单位时间成本K得时间成本H=(T+T)K
pi-timepdp
根据统计数据得到各时段车与站的违约概率,
结合式(1)(2)、(12)—(14)解得违约成本H
i-default
由式(9)计算充电量w,考虑分时电价e求解
it
电费成本H=ew
i-priceti
利用粒子群优化算法求解minh。初始化电动
i
出租车种群规模为U,设定初始位置和速度
令单位电量综合成本h为粒子适应值,计算并将每个粒子的适
i
应值分别与其经历过的最好位置适应值、全局经历过的最好
位置适应值进行比较,以决定当前最好位置和全局最好位置
满足最大迭代次数或相邻
两代解的差异足够小
否
是
输出电动出租车i的最小单位电量综合成
本h及其对应的最优充电时段t和充电站j
i
预约系统将计算结果发送给电动出租车i,
6李长云等:电动出租车预约-违约充电机制及优化决策模型
时段充电负荷Wt1为
WWWttt10(19)

由用户做出充电决策并进行预约,

预约机制下,充电站收益由充电收益、购电成
本与建设维护成本三部分组成。
任一电动出租车i以电价ei充电量wi时,充电
站可获充电收益Ei为
Eewiii(20)
记ci为与电动出租车i对应的充电站购电价格,
则充电站需支付与电动出租车i对应的购电成本Ci
为
Ccwiii(21)
充电站的日建设成本包括建设耗损成本和运
维成本,可表示为
FFrWd+(22)
式中:Fd为充电站建设投入与折旧损耗的日化成结束
本;r为充电站每充一度电产生的运维成本;W为
日总充电量。
充电站的日净收益S可表示为式(23)。
图3优