[发明专利]基于车-站-网信息交互的EV智能实时调度方法及系统

权利要求书

1.一种基于车-站-网信息交互的EV智能实时调度方法，其特征在于，所述调度方法包括以下内容：

获取电动汽车用户EVU的充放电请求，获得EV的经纬度、充放电请求的时间T₀、电池电量状态SOC₀、EV的电池容量E^cap、EV的充放电功率P^ch/dis、用户离开充电场站时的预期电池电量状态SOC_end、EVU预计离开充电站的时间T_l、电动汽车的平均车速信息；

获得充电站选择指标包括：EVU从出发点到各个充电站的最短路径距离D_min、电量消耗E_c和行程时间T_min，最大等待时间T_q、利用率U_j；

对电网原负荷值L、实时电价REP和实时碳排因子REF进行当前时刻未来24小时的预测，获得当前时刻之后的未来24h的电网原负荷信息、实时电价信息和实时碳排放因子信息，以预测获得的电网原负荷、实时电价和实时碳排放因子作为充放电优化指标；

以充电站选择指标和充放电优化指标构成指标体系；

假设在同一个充电站不能既充电又放电，构建电动汽车智能实时调度模型的目标函数f₁-f₈为公式(18)-(25)：

f₁＝T_min  (18)

f₂＝E_c  (19)

f₅＝T_q  (22)

f₆＝U_j  (23)

其中，T为时间段集合，REP_t表示时段t内的实时电价，通过预测获得；表示第i辆EV在时段t内进行充电，反之，不充电；表示第i辆EV在时段t内进行放电，反之，不放电；Δt为单位时段长度；η为充电桩的充放电效率；为第i辆EV的充放电功率；P_max为电网原负荷叠加上充电负荷的最大值，P_min为电网原负荷叠加上充电负荷的最小值；REF_t表示时段t内实时碳排因子，通过预测获得；

电动汽车智能实时调度模型的约束为公式(26)和(27)：

|SOC_t-SOC_end|≤δ  (26)

SOC_min+E_c≤SOC₀  (27)

其中，SOC_min为EV电池电量状态的最低阈值；SOC_t为电动汽车用户取车时的电池电量状态；

若EV的充放电时间ΔT小于EVU预计离开充电站的时间T_l和EVU到达充电站的时间T_a之差，且有放电需求的EVU到达充电站的初始电池电量状态大于55％，则EV的充放电开始时间能优化，按照电动汽车智能实时调度模型进行优化；

根据EVU和电网不同的目标偏好，选择指标体系中的指标，求解电动汽车智能实时调度模型，获得多个不同偏好的推荐方案。

2.根据权利要求1所述的基于车-站-网信息交互的EV智能实时调度方法，其特征在于，将电动汽车智能实时调度模型等效为一个马尔可夫决策过程MDP，利用深度强化学习进行电动汽车智能实时调度模型训练和求解，获得多个不同偏好的推荐方案，所述推荐方案包括充电站位置、充放电开始时间和充放电电量；所述深度强化学习为深度确定性策略梯度DDPG算法。