一种融合交通路网的电动汽车充电站的确定方法及系统与流程

1.本发明涉及电动车技术领域，具体涉及一种融合交通路网的电动汽车充电站的确定方法及系统。


背景技术：

2.为了应对化石能源的枯竭与污染问题，无污染的电能逐渐代替化石能源在该大趋势下，电能已经成为如今生活中重要的二次能源，便捷了人们的生活。如今大力推行电动汽车的发展，这是应对现今不可再生的化石能源走向枯竭与环境污染两大问题的必然选择。同时在此背景下，多个学科实现了交叉融合，也促进了互联网经济与人工智能的进一步发展。目前新型的电动汽车课题也就是在互联网的通信速度加快与智能交互更加快捷的背景下蓬勃发展。
3.无污染的电动汽车正逐步得到广泛的应用，电动汽车的数量也在不断增加，对电动汽车充电桩的要求也在不断扩大，充电站是电动汽车普及的基本配套服务设施，对充电站建立模型进行规划便是必要的。
4.目前，随着电动汽车的普及与充电桩的建设，电动汽车充电站的规划十分重要。而在智能化高度发展的今天，可以实现交通网、电网、信息网三者的融合，通过建立模型调整充电站参数，引导电动车车主前往相对空闲的充电站，减少交通拥堵和充电站排队问题，减少能源消耗。同时可以进行对于各个充电站时段耗能进行预测，提前对电动汽车的路线与充电站负荷继续合理的规划。
5.对于电动汽车充电复合预测的研究中，大多是建立统计模型并加入相关函数，最终得到电动汽车充电负荷预测模型。例如：通过构建电动车的出行链，并以此为基础建立模型；利用概率统计学与蒙特卡洛模拟方法建立预测模型。但这些方法都有一定劣势。
6.1)研究中对于用户选择充电站的考虑都在假设用户能理性选择综合最优的充电站，然而现实生活中人们的决策往往不具有完全的理性。
7.2)大多研究都无法考虑到车辆由于充电决策导致的交通堵塞问题，没有建立相对精细化的模型。
8.3)研究中建立模型时数据都是完全的静态数据，不能反映实时变化，信息缺乏及时的交互。在实际的市场中，各种因素都会与充电电价相互影响。


技术实现要素：

9.为解决现实中无法考虑到车辆由于充电决策导致的交通堵塞，以及人们不能理性选择充电站的问题，本发明提供了一种融合交通路网的电动汽车充电站的选择方法，包括：
10.基于预先规划的路径，确定电动汽车在行驶过程中需要充电时：
11.以所述电动汽车充电成本最低为目标选择充电站，对所述规划的路径进行调整；
12.其中，所述预先规划的路径是基于电动汽车的出行特性结合交通路网得到的；
13.所述充电成本包括通过交通路网确定的时间成本和价格成本。
14.优选的，所述以所述电动汽车充电成本最低为目标选择充电站，对所述规划的路径进行调整，包括：
15.将所述规划的路径途经的充电站作为途经点，采用预先构建的路径规划模型进行路径规划，得到经过各充电站的规划路径及所述规划路径的时长；
16.基于经过各充电站的规划路径确定到达各充电站的时间和待充电量；
17.基于到达各充电站的时间获取在各充电站的等待时间和预先计算的电价；
18.基于所述规划路径的时长、等待时间、待充电量和电价计算到达各充电站的充电成本；
19.将充电成本最小的充电站作为选择的充电站，并以所述选择的充电站调整规划的路径；
20.其中，所述规划路径包括途经的路段和耗电量；
21.所述路径规划模型是根据交通路网拓扑结构采用最短路径算法确定最优规划路径，并结合跟驰模型确定规划路径的时长共同构建而成；
22.所述电价是基于电网节点电压和分时电价通过预先构建的充电电价制定模型计算得到的。
23.优选的，所述基于所述规划路径的时长、等待时间、待充电量和电价计算到达各充电站的充电成本，包括：
24.基于所述规划路径的时长和等待时间计算到达各充电站的时间成本；
25.基于待充电量和电价计算到达各充电站的价格成本；
26.基于所述时间成本和所述价格成本之和作为到达各充电站的充电成本。
27.优选的，所述路径的规划，包括：
28.以电动汽车的类型和所述类型对应的出行特性确定电动汽车的出行信息；
29.基于所述电动汽车的出行信息结合预先构建的路径规划模型得到电动汽车的规划路径；
30.其中，所述电动汽车的出行信息包括：出行时间、出发地、目的地和出发时的剩余电量。
31.优选的，所述路径规划模型通过下述步骤进行路径规划包括：
32.基于图论的方式，设置交通路网上的交通站点，以相邻两交通站点之间的路段为线段，构建交通路网的拓扑结构；
33.基于跟驰模型确定通过所述线段的时长；
34.基于出发地和目的地在所述交通路网的拓扑结构上采用dijkstra算法或bellman-ford算法得到由出发地到目的地的最优规划路径。
35.优选的，所述电价按下述步骤确定：
36.根据获取的基础负荷和充电负荷计算当前的电网节点电压；
37.基于充电站当前的分时电价、所述电网节点电压、充电站服务费和调整系数采用充电电价制定模型确定。
38.优选的，所述充电电价制定模型如下式所示：
39.s
i,t
＝s
t
s
cs
s
t
·
θ
·
(1-v
i,t
)
40.式中，s
i,t
为第i个电网节点的电价，s
t
为t时刻的分时电价，s
cs
为充电站服务费，θ
为调整系数，v
i,t
为t时刻第i个电网节点的电压。
41.优选的，所述时间成本按下式计算：
42.f
1,i
＝α
t
·
(t
drive,i,t
t
queue,i,t
)
43.式中，f
1,i
为时间成本，α
t
为车辆单位时间可以创造的价值，t
drive,i,t
为汽车行驶时间，t
queue,i,t
为汽车等待时间。
44.优选的，所述汽车行驶时间t
drive,i,t
按下式计算：
[0045][0046]
式中，v
ave
为路段平均行驶速度，l为总距离。
[0047]
优选的，所述价格成本按下式计算：
[0048]f2,i
＝(1-soc
t
)
·
cap
·ci,t
[0049]
式中，f
2,i
为价格成本，c
i,t
为充电站i的电价，soc
t
为电动汽车电池剩余电量的比例，cap为电动汽车电池的容量。
[0050]
基于同一发明构思，本发明还提供了一种融合交通路网的电动汽车充电站的确定系统，包括：
[0051]
判断模块，用于基于预先规划的路径，确定电动汽车在行驶过程中需要充电时：
[0052]
充电站确定模块，用于以所述电动汽车充电成本最低为目标选择充电站，对所述规划的路径进行调整；
[0053]
其中，所述预先规划的路径是基于电动汽车的出行特性结合交通路网得到的；
[0054]
所述充电成本包括通过交通路网确定的时间成本和价格成本。
[0055]
优选的，所述充电站确定模块包括：
[0056]
路径规划子模块，用于将所述规划的路径途经的充电站作为途径点，采用预先构建的路径规划模型进行路径规划，得到经过各充电站的规划路径及所述规划路径的时长；
[0057]
计算子模块，用于基于经过各充电站的规划路径确定到达各充电站的时间和待充电量，以及基于到达各充电站的时间获取在各充电站的等待时间和预先计算的电价；
[0058]
成本计算子模块，用于基于所述规划路径的时长、等待时间、待充电量和电价计算到达各充电站的充电成本；
[0059]
选择子模块，用于将充电成本最小的充电站作为选择的充电站，并以所述选择的充电站调整规划的路径；
[0060]
其中，所述规划路径包括途经的路段、途经各路段的时间和耗电量；
[0061]
所述路径规划模型是根据交通路网拓扑结构采用最短路径算法确定最优规划路径，并结合跟驰模型确定的时长共同构建而成；
[0062]
所述电价是基于电网节点电压和分时电价通过预先构建的充电电价制定模型计算得到的。
[0063]
与现有技术相比，本发明的有益效果为：
[0064]
(1)本发明提供了一种电动汽车出行路径规划方法，包括：基于预先规划的路径，确定电动汽车在行驶过程中需要充电时：以所述电动汽车充电成本最低为目标选择充电站，对所述规划的路径进行调整；其中，所述预先规划的路径是基于电动汽车的出行特性结合交通路网得到的；所述充电成本包括通过交通路网确定的时间成本和价格成本；本发明
考虑了时间成本和价格成本，以两者之和最小为目标选择充电站，实现了理性的对电动汽车出行路径进行规划。
[0065]
(2)本发明利用交通网络拓扑结构采用最短路径算法确定最优规划路径，并结合跟驰模型确定路径规划时长，同时由电网根据电动汽车到达充电站的时间，以及充电站内待充电车辆的信息计算电价和等待时间，由路径规划时长和等待时间得到时间成本，并由待充电信息和电价计算充电成本，本技术方案考虑到了现实中的交通堵塞问题，进一步对路径规划模型实现精细化，并尽可能的站在用户的视角，在交通堵塞、电价等多方考量的基础上选择充电站，避免过于理想化的规划。
附图说明
[0066]
图1为本发明的一种电动汽车充电站的控制方法流程图；
[0067]
图2为本发明的充电电价指定模型流程图；
[0068]
图3为本发明的电动车出行特性流程图；
[0069]
图4为本发明基于跟驰模型的路网微观交通模型示意图；
[0070]
图5为本发明的简单出行链模型示意图；
[0071]
图6为本发明的一般出行链模型示意图；
[0072]
图7为本发明的复杂出行链模型示意图；
[0073]
图8为dijkstra算法示意图；
[0074]
图9为本发明的电动汽车充电站的控制方法整体流程图；
[0075]
图10为本发明的充电站负荷随时间变化。
具体实施方式
[0076]
在互联网技术、电力技术高速站与交通网构建成功实现的情况下，本发明公开了一种电动汽车出行路径规划方法，以电价为驱动，解决在城市有限配电容量的限制下，大量电动汽车在某几个充电站集中充电对城市用电负荷的压力问题。在此基础上还可以实现对城市电动汽车充电网的预测，从而实现对交通的规划，节约电力资源，实现了科学合理的规划电动汽车的出行路径。
[0077]
实施例1：一种电动汽车充电站的调控方法，如图1所示：包括：
[0078]
步骤1：基于预先规划的路径，确定电动汽车在行驶过程中需要充电时：
[0079]
步骤2：以电动汽车充电成本最低为目标选择充电站，并对规划的路径进行调整；
[0080]
其中，所述预先规划的路径是基于电动汽车的出行特性结合交通路网得到的；所述充电成本包括通过交通路网确定的时间成本和价格成本。
[0081]
本发明提出的一种电动汽车充电站的调控方法及系统，其主要内容包括以下方面，如图9所示：
[0082]
通过电动汽车出行特性与抽样得到出行时间；选择行驶时间最短路径；用跟驰模型模拟电动汽车行驶；判断汽车是否需要充电并选择充电地点；规划前往充电站的路线；排队充电并记录数据；定时获取充电站负荷并建立充电电价指定模型调整电价。
[0083]
步骤1：基于预先规划的路径，确定电动汽车在行驶过程中需要充电时，包括：
[0084]
a、以电动汽车的类型和所述类型对应的出行特性确定电动汽车的出行信息；
[0085]
b、基于所述电动汽车的出行信息结合预先构建的路径规划模型得到电动汽车的规划路径；
[0086]
其中，所述电动汽车的出行信息包括：出行时间、出发地、目的地和出发时的剩余电量。
[0087]
下面根据电动汽车的类型分析各类型的电动汽车的出行特性进行详细介绍。
[0088]
电动车出行特性，包括电力系统调度模型，私家车的主要出行链模式，基于原点-终点矩阵的出租车出行特性，如图2所示：s1电动车出行特性，s2：基于跟驰模型的路网微观交通模型，s3：充电电价制定模型，具体内容如下：
[0089]
s1：电动车出行特性，如图3所示，包括s101：私家车出行链和s102：出租车出行特性，下面分别对各步骤做详细介绍：
[0090]
s101：私家车出行链
[0091]
对于私家车的出行链而言，本发明主要把城市划分为三大功能区域：居民区、工作区、商业区，并选取了占据城市电动车辆交通绝大多数的私家车与出租车作为出行特性的研究对象，进行出行链的构造。
[0092]
现实生活中，对于私家车来说，人们的出行往往以家所在的居民区作为起点与终点，因此本发明构建了三种出行链的模型，具体如图5、图6和图7所示。接着以美国交通部2009年车辆出行数据为例，对离开居民区、工作区时间与商业区停留时间分别进行拟合，具体如下：
[0093]
1)离开居民区时间
[0094]
采用高斯分布函数进行拟合：
[0095][0096]
其中，高斯函数系数μe＝6.92，σe＝1.24；a为离开居民区时间。
[0097]
2)离开工作区时间
[0098]
采用高斯分布函数进行拟合：
[0099][0100]
其中，高斯函数系数μs＝17.47，σs＝1.8；a为离开工作区时间。
[0101]
3)商业区停留时间
[0102]
商业区的停留时间服从广义的极值分布：
[0103][0104]
其中，t为商业区的停留时间，z为极值分布系数。
[0105]
s102：出租车出行特性
[0106]
对于出租车来说，在理想情况下，出租车二十四小时营业，此时显然，出租车的出行起始点不会像私家车一样具有鲜明的规律性，因此本发明选择了基于原点-终点(od)矩
阵的出租车出行特性模型，od矩阵的构建方法如下：
[0107][0108]
其中，表示在该时间段内以i为起点j为目的地的汽车数量和概率；n表示城市道路拓扑中节点个数。
[0109]
下面对路径规划模型的构建做详细介绍：
[0110]
s2:基于跟驰模型的路网微观交通建模：包括行车最短路径的确认，dijkstra算法的介绍，车辆行驶速度的模型，如图4所示，包括s201：行车最短距离的确认，s202：dijkstra算法，s203：车辆行驶速度的模型，下面分别对各步骤做详细介绍。
[0111]
s201：行车最短路径的确认
[0112]
本发明首先构建了交通网络的拓扑结构g{n,t
l
}，其中，n代表路网中节点的集合，t
l
用于描述车辆通过各路段的时长以及节点之间的连接关系。此结构的构建选择了图论的方式，具体的构建方式如下：
[0113][0114]
式中：t
ij
表示车辆通过节点i与j之间道路的时长。初始时刻t
ij
由道路长度与最高限速得到，以后由车辆通过道路的实际时间计算平均行驶时间得到，t
l
(i,j)为描述车辆通过各路段的时长以及节点之间的连接关系。
[0115]
s202：dijkstra算法
[0116]
对于最佳路径的选择，本发明对比了dijkstra算法与bellman-ford算法的效率，并对他们提出了改进，以获得最高的效率。最终选择了通过dijkstra算法计算得到最佳路径，并定时对路径进行刷新。
[0117]
dijkstra算法适用于正费用有向网络，因此在对路段赋权时，需要保证权值为正；同时，通过对路段赋予具有不同物理意义的权值便可以得到从起点到终点的不同意义下的最小权路径。dijkstra算法的基本示意图如图8所示。
[0118]
s203：车辆行驶速度的模型
[0119]
本发明对道路车辆的微观驾驶进行动态模拟、此模拟主要包括了跟驰模型、车道变换模型、交叉口模型。
[0120]
令τ为司机反应时间，b为最大减速度，v
l
(t)为t时刻前面车辆的行驶速度，δt为时间步长，g
l
(t)为t时刻后车车头距前车车尾的距离，v
max
为车辆最大速度，a为最大加速度，η为随机扰动因素。
[0121]
司机的最大安全速度为：
[0122][0123]
司机可达到的最佳驾驶速度为：
[0124]vdes
(t)＝min[v
max
,v(t
‑△
t) a
·
△
t,v
safe
(t)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0125]
汽车的实时速度为：
[0126]
v(t)＝max[0,v
des
(t)-η]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0127]
车辆所处的位置为：
[0128]
x(t)＝x(t
‑△
t) v(t
‑△
t)
·
△
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0129]
步骤2：以电动汽车充电成本最低为目标选择充电站，对规划的路径进行调整，具体包括：
[0130]
将规划的路径途经的充电站作为途径点，采用预先构建的路径规划模型进行路径规划，得到经过各充电站的规划路径和规划路径的时长；
[0131]
基于经过各充电站的规划路径确定到达各充电站的时间和待充电量；
[0132]
基于到达各充电站的时间获取在各充电站的等待时间和预先计算的电价；
[0133]
基于规划路径的时长、等待时间、待充电量和电价计算到达各充电站的充电成本；
[0134]
将充电成本最小的充电站作为选择的充电站，并以选择的充电站对规划的路径进行调整；
[0135]
其中，规划路径包括途经的路段和耗电量；
[0136]
路径规划模型是根据交通网络拓扑结构采用最短路径算法得到确定最优规划路径，并结合跟驰模型得到规划路径的时长共同构建而成；
[0137]
电价是基于电网节点电压和分时电价通过预先构建的充电电价制定模型计算得到的。
[0138]
电价按下述步骤确定：
[0139]
根据获取的基础负荷和充电负荷计算当前的电网节点电压；
[0140]
基于充电站当前的分时电价、电网节点电压、充电站服务费和调整系数采用充电电价制定模型确定。
[0141]
下面对充电站的选择以及选择充电站时用到的充电电价制定模型进行详细介绍：
[0142]
s3:充电电价制定模型，包括按照负荷预测合理制定电价进行调节。
[0143]
对于电动车的驾驶员而言，选择汽车充电所用的充电站总体来说取决于时间成本与电力的价格成本，而时间成本往往由车辆的行驶时间与在充电站的等待时间决定，即：
[0144][0145]
t
queue,i,t
＝t
leave,i,t
{h} g
·
t
queue_charge
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0146]f1,i
＝α
t
·
(t
drive,i,t
t
queue,i,t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0147]
其中，f
1,i
为车辆的时间成本，α
t
为车辆单位时间可以创造的价值，t
drive,i,t
为汽车行驶时间，t
queue,i,t
为汽车等待时间,v
ave
为路段平均行驶速度，l为总距离，i为充电站号，tleave,i,t{tleave,i,t,1,tleave,i,t,2,
…
,tleave,i,t,k}是在t时刻第i个充电站中正在充电的电动汽车按充满电所需时间从小到大排序的合集，k为i充电站中正在充电的电动汽车数量。h为n/m的余数，m为该充电站的充电桩数量。tleave,i,t{h}表示排序后第h个离开充电站所需的时间。g为n/m的商，表示电动汽车到达充电站后有g辆正在排队的车会在该充电桩先充电，tqueue_charge为一辆正在排队的电动汽车充满电所需时间。
[0148]
而充电的价格成本为：
[0149]f2,i
＝(1-soc
t
)
·
cap
·ci,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0150]
其中c
i,t
为充电站i的电价，soc
t
为电动汽车电池剩余电量的比例，cap为电动汽车电池的容量。
[0151]
因此用户选择充电站的原则为：
[0152]
f＝min(f
1,i
f
2,i
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0153]
而具体对于充电站的电价而言，它包括了从电网购电的电价、充电站的服务费、考虑节点电压而调整的费用。因此本发明根据基础负荷和充电负荷计算电网节点电压，各充电站基于当前的分时电价，根据各节点的电压降落情况调整电价，从而形成时空电价。一个电网节点与多个路网节点相对应，电网节点电压的降落会影响与之对应的多个路网节点上的充电站电价。
[0154]
基于路网-电网交互的电动汽车负荷预测框架主要分为路网计算、车辆和充电站计算以及电网计算三大部分，如图10所示。计算过程以t1秒为步长，每隔t2分钟路网、车辆、充电站以及电网之间交互一次数据，每隔t3分钟充电站更新充电电价。
[0155]
具体的公式为：
[0156]si,t
＝s
t
s
cs
s
t
·
θ
·
(1-v
i,t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
[0157]
式中，s
i,t
为第i个电网节点的电价，s
t
为t时刻的分时电价，s
cs
为充电站服务费，θ为调整系数，v
i,t
为t时刻第i个电网节点的电压。
[0158]
最终本发明通过路网与电网的交互，实现了通过实时电价对充电站负载进行调节的目的。
[0159]
本发明不同于传统方法通过静态数据进行建模规划，而是通过路网-电网实时交互，以电价为驱动，建立了实时的模型，更加科学合理的实现充电站的调控。同时，本发明考虑到了现实中的交通堵塞问题，进一步对模型实现精细化，并尽可能的站在用户的视角，考虑到用户对于充电站选择的多方考量，避免过于理想化的规划。
[0160]
实施例2
[0161]
基于同一发明构思的本发明还提供了一种电动汽车出行路径规划系统，包括：
[0162]
判断模块，用于基于预先规划的路径，确定电动汽车在行驶过程中需要充电时：
[0163]
路径调整模块，用于以电动汽车充电成本最低为目标选择充电站，对规划的路径进行调整；
[0164]
其中，预先规划的路径是基于电动汽车的出行特性结合交通路网得到的；
[0165]
充电成本包括通过交通路网确定的时间成本和价格成本。
[0166]
路径调整模块包括：
[0167]
路径规划子模块，用于将规划的路径途经的充电站作为途径点，采用预先构建的路径规划模型进行路径规划，得到经过各充电站的规划路径和规划路径的时长；
[0168]
计算子模块，用于基于经过各充电站的规划路径确定到达各充电站的时间和待充电量，并基于到达各充电站的时间获取在各充电站的等待时间和预先计算的电价；
[0169]
成本计算子模块，用于基于规划路径的时长、等待时间、待充电量和电价计算到达各充电站的充电成本；
[0170]
选择子模块，用于将充电成本最小的充电站作为选择的充电站；并以途经选择的充电站的规划路径作为电动汽车出行路径；
[0171]
其中，规划路径包括途经的路段、途经各路段的时间和耗电量；
[0172]
路径规划模型是根据交通网络拓扑结构采用最短路径算法确定最优规划路径，并结合跟驰模型确定规划路径的时长共同构建而成；
[0173]
电价是基于获取的充电站服务费、调整系数、电网节点的电价和分时电价通过预先构建的充电电价制定模型计算得到的。
[0174]
电价按下述步骤确定：
[0175]
根据获取的基础负荷和充电负荷计算当前的电网节点电压；
[0176]
基于充电站当前的分时电价、电网节点电压、充电站服务费和调整系数采用充电电价制定模型确定。
[0177]
成本计算子模块具体通过下面公式计算充电成本：
[0178]
f＝min(f
1,i
f
2,i
)
[0179]
式中，f为充电成本，f
1,i
为时间成本，f
2,i
为价格成本。
[0180]
所述价格成本按下式计算：
[0181]f2,i
＝(1-soc
t
)
·
cap
·ci,t
[0182]
式中，f
2,i
为价格成本，c
i,t
为充电站i的电价，soc
t
为电动汽车电池剩余电量的比例，cap为电动汽车电池的容量。
[0183]
时间成本按下式计算：
[0184]f1,i
＝α
t
·
(t
drive,i,t
t
queue,i,t
)
[0185]
式中，f
1,i
为时间成本，α
t
为车辆单位时间可以创造的价值，t
drive,i,t
为汽车行驶时间，t
queue,i,t
为汽车等待时间。
[0186]
汽车行驶时间t
drive,i,t
按下式计算：
[0187][0188]
式中，v
ave
为路段平均行驶速度，l为总距离。
[0189]
充电电价制定模型如下式所示：
[0190]si,t
＝s
t
s
cs
s
t
·
θ
·
(1-v
i,t
)
[0191]
式中，s
i,t
为第i个电网节点的电价，s
t
为t时刻的分时电价，s
cs
为充电站服务费，θ为调整系数，v
i,t
为t时刻第i个电网节点的电压。
[0192]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0193]
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0194]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或
多个方框中指定的功能。
[0195]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0196]
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在发明待批的本发明的权利要求范围之内。