本技术涉及充电设施优化技术领域,具体涉及一种卡车式移动充电站在线协同优化调度方法,构建两阶段优化调度模型框架,所述优化调度模型框架包括:离线训练阶段,建立TMCS多时段优化决策模型,进而建立前瞻滚动值函数逼近算法(LRH‑VFA)从EV充电历史数据中迭代学习,以考虑当前时段决策对运营商未来利润的影响;在线调度阶段,基于离线训练得到的近似值函数及短时预测和实时信息,滚动更新TMCS在线调度决策。本发明能够充分考虑EV充电需求不确定性对TMCS调度结果的影响,有效利用动态更新的需求变化调整决策,在保证EV充电服务质量的同时通过协调TMCS参与电网能量套利以提高运营商收益。
背景技术
据国际能源署(IEA)最新发布的《Global EV Outlook 2024》报告预测,2024年EV销量预计将达到1700万辆,占全球汽车销量的五分之一以上。而公共充电设施的数量仍显不足,到2035年还需增加六倍[1]
。
事实上,传统的固定充电站(FCS)目前仍存在一些难以克服的发展障碍,包括建设周期长、扩建成本高、灵活性不足等难题[2]。为此,近年来新兴的卡车式移动充电站(TMCS)有望为应对上述挑战提供一种新的途径。TMCS是将一定数量的充电桩和储能电池组集成在由卡车装载的集装箱中,由于其独立于电网且便于移动,比FCS更容易扩建,且可在任意区域为EVs提供按需充电服务[2][3]
。文献[4]通过调度TMCS在低电价时段充电,并在排队高峰期到达FCS以提供电动汽车充电服务。文献[5]建立了面向TMCS调度和运营商利润优化的混合整数线性规划(MILP)模型,并采用改进的遗传算法求解。文献[6]采用流量加油位置模型优化TMCS的服务地点。文献[7]通过将TMCS调度到充电峰值区域以降低FCS的峰值负载率。此外,部分研究还关注了TMCS在EV停车场的应用及其社会公平准入[8],以及EV和TMCS之间基于拍卖的能源交易策略[9]等。文献[10]提出一种日前协同优化框架以提升TMCS在非充电时段的利用率和经济性。
然而,以上研究均未对TMCS运行时所面临的充电不确定性问题进行有效考虑,导致实际运行时通常无法达到预期的优化效果。
参考文献
[1]IEA.Global EV outlook 2022[EB/OL].[2022-06-29].https://www.iea.org/reports/global-ev-outlook-2022.
[2]AFSHAR S,MACEDO P,MOHAMED F,等.Mobile charging stations forelectric vehicles—A review[J].Renewable and Sustainable Energy Reviews,2021,152:111654.
[3]LIU L,QI X,XI Z,等.Charging-Expense Minimization ThroughAssignment Rescheduling of Movable Charging Stations in Electric VehicleNetworks[J].IEEE Transactions on Intelligent Transportation Systems,2022,23(10):17212-17223.
[4]郑远硕,李峰,董九玲,等.计及资源弹性共享的移动充电车时空灵活性优化调控
策略[J].电力系统自动化,2023,47(14):33-42.
[5]H.Li,D.Son,B.Jeong.Electric vehicle charging scheduling withmobile charging stations[J].Journal of Cleaner Production,2024,434:140162.
[6]WANG F,CHEN R,MIAO L,等.Location Optimization of Electric VehicleMobile Charging Stations Considering Multi-Period Stochastic User Equilibrium[J].Sustainability,2019,11(20):5841.
[7]MOGHADDAM V,AHMAD I,HABIBID,等.Dispatch management of portablecharging stations in electric vehicle networks[J].eTransportation,2021,8:100112.
[8]NAZARI-HERIS M,LONI A,ASADI S,等.Toward social equity access andmobile charging stations for electric vehicles:A case study in Los Angeles[J].Applied Energy,2022,311:118704.
[9]THI KIM O T,LE T H T,SHIN M J,等.Distributed Auction-BasedIncentive Mechanism for Energy Trading Between Electric Vehicles and MobileCharging Stations[J].IEEE Access,2022,10:56331-56347.
[10]贾宏杰,何克成,穆云飞,等.一种移动充电站日前协同优化调度方法:202310938963.5[P].2024-03-19.
[11]J.Liu,J,Wang,J,and Cardinal.Evolution and reform of UKelectricity market[J].Renewable and Sustainable Energy Reviews,2022,161,112317.
[12]J.Yang,X.Jiang,K.Zhao.Multiobiective optimization method oflocation and capacity determination problems of highway charging stations[J].Journal of Chongqing Normal University(Natural Science),2021,38(1),11–21.
实现思路