一种基于混合线性整数规划模型的电动汽车充电引导方法及系统

【技术领域】

本发明涉及电动汽车技术领域，具体涉及一种基于混合线性整数规划模型的电动汽车充电引导方法及系统。

【背景技术】

电动汽车以其本身低碳环保的属性，正在逐步的取代传统的燃油汽车。但电动汽车在补充能量方面不如传统的燃油汽车简单快捷，由此引发的充电难和充电慢的问题成为研究热点。

目前，采用的方式是对电动汽车用户进行有序的引导，避免电动汽车无序充电造成的负面影响。对于电动汽车用户的考虑，包括用户自身行为刻画和节约用户成本两个方面。用户的自身行为刻画是指对用户的驾驶习惯或行驶习惯进行精确的刻画，进一步预测用户下次充电的行为和充电时间，从而达到提前规划充电的引导策略。在考虑用户行为之后，以经济利益或时间利益对用户进行有序引导，通过价格刺激的方式对用户进行引导，但上述策略均未能达到最优的结果。

混合线性整数规划模型(mixed integer linear programming，简称为MILP)，是一类待求变量的全部或一部分必须取整数值的特殊数学规划。线性规划模型(LinearProgramming，LP)：指目标函数是线性的，所以约束也是线性的，决策变量可以取任何的实数；如果在线性规划问题中有部分决策变量要求必须是整数，那么这时的规划问题就转变成混合整数线性规划问题，就是说优化问题不止有条件约束，还有整数约束。

本发明针对现有对电动汽车用户进行有序引导未能达到最优结果的技术问题，对电动汽车充电引导方法及系统进行了技术改进。

参考文献如下：

[1]、段小宇，胡泽春，宋永华，等.基于加油站改造的油电混合能量站多阶段规划策略[J/OL].中国电机工程学报：1-12[2023-03-21].https://doi.org/10.13334/j.0258-8013.pcsee.221514.

DUAN Xiaoyu，HU Zechun，SONG Yonghua，et al.Multi-stage PlanningStrategy for Integrated Fueling and Fast Charging Stations Based on GasStation Reconstruction[J/OL].Proceedings of the CSEE:1-12[2023-03-21].https://doi.org/10.13334/j.0258-8013.pcsee.221514.

[2]、黄学彦，郑睿敏，谭春辉.电动汽车充电设施领域布局策略研究[J].电工技术，2020，(16)：37-39.

HUA Xueyan，ZHENG Ruimin，TAN Chunhui.Research on the Layout Strategyof Electric Vehicle Charging Facilities[J].Electric Engineering，2020，(16):37-39.

[3]、田立亭，张明霞，汪奂伶.电动汽车对电网影响的评估和解决方案[J].中国电机工程学报，2012，32(31)：43-49.

TIAN Liting，ZHANG Mingxia，WANG Huanling.Evaluation and Solutions forElectric Vehicles’Impact on the Grid[J].Proceedings of the CSEE，2012，32(31):43-49.

[4]、高赐威，张亮.电动汽车充电对电网影响的综述[J].电网技术，2011，35(02)：127-131.

Gao Ciwei，Zhang Liang.A Survey of Influence of Electrics VehicleCharging on Power Grid[J].Power System Technology，2011，35(2):127-131.

[5]、胡泽春，宋永华，徐智威，等.电动汽车接入电网的影响与利用[J].中国电机工程学报，2012，32(04)：1-10.

HU Zechun，SONG Yonghua，XU Zhiwei.Impacts and Utilization of ElectricVehicles Integration Into Power Systems[J].Proceedings of the CSEE，2012，32(04):1-10.

[6]、苏粟，刘紫琦，王世丹，等.基于用户驾驶行为特性的电动汽车有序充电策略[J].电力自动化设备，2018，38(3)：63-71.

SU Su，LIU Ziqi，WANG Shidan，et al.Ordered Charging Strategy ofElectricVehicles Based on Users’driving Behavior[J].Electric Power AutomationEquipment，2018，38(3):63-71.

[7]、Gou J，Lin C，Li J，et al.Charging Strategy for Electric VehiclesConsidering Consumer Psychology and Trip Chain[J].FRONTIERS IN ENERGYRESEARCH，2021，9:1-11.

[8]、苏粟，杨恬恬，李玉璟，等.考虑实时动态能耗的电动汽车充电路径规划[J].电力系统自动化，2019，43(7)：136-143.

SU Su，YANG Tiantian，LI Yujing，et al.Charging Route Planning forElectric Vehicles Considering Real-time Dynamic Energy Consumption[J].Automation of Electric Power Systems，2019，43(7):136-143.

[9]、Zhang，Cong.Effective Charging Planning Based on DeepReinforcement Learning for Electric Vehicles[J].IEEE TRANSACTIONS ONINTELLIGENT TRANSPORTATION SYSTEMS，2021，22(1)：542-554.

[10]、柯松，陈磊，杨军，等.基于半动态交通流模型的电动汽车出行引导策略[J/OL].电网技术，1-18[2023-07-25].https://doi.org/10.13335/j.1000-3673.pst.2022.0831.

KE Song，CHEN Lei，YANG Jun，et al.Electric Vehicles Travel GuidanceStrategy Based Semi-dynamic Traffic Flow States Model[J].Power SystemTechnology，1-18[2023-07-25].https://doi.org/10.13335/j.1000-3673.pst.2022.0831.

[11]、李东东，邹思源，刘洋，等.共享模式下的充电桩引导与充电价格研究[J].电网技术，2017，41(12)：3971-3979.

LIDongdong，ZOU Siyuan，LIU Yang，et al.Research on Charger Selectionand Charging Price Under Shared Mode[J].Power System Technology，2017，41(12)：3971-3979.

[12]、李东东，段维伊，林顺富，等.实时电价条件下基于用户引导的电动汽车-充电桩匹配策略[J].电力系统自动化，2020，44(8)：74-82.

LIDongdong，DUAN Weiyi，LIN Shunfu，et al.User Guidance Based MatchingStrategy for Electric Vehicle-Charging Pile in Condition of Real-timeElectricity Price[J].Automation ofElectric Power Systems，2020，44(8):74-82.

[13]、侯慧，王逸凡，赵波，等.价格与激励需求响应下电动汽车负荷聚集商调度策略[J].电网技术，2022，46(4)：1259-1269.

HOU Hui，WANG Yifan，ZHAO Bo，et al.Electric Vehicle AggregatorDispatching Strategy Under Price and Incentive Demand Response[J].PowerSystem Technology，2022，46(4):1259-1269.

[14]、程杉，赵孟雨，魏昭彬.计及动态电价的电动汽车充放电优化调度[J].电力系统及其自动化学报，2021，33(10)：31-36.

CHENG Shan，ZHAO Mengyu，WEI Zhaobin.Optimal Scheduling of ElectricVehicle Charging and Discharging with Dynamic Electricity Price[J].Proceedings of the CSU-EPSA，2021，33(10):31-36.

[15]、常方宇，黄梅，张维戈.分时充电价格下电动汽车有序充电引导策略[J].电网技术，2016，40(9)：2609-2615.

CHANG Fangyu，HUANG Mei，ZHANG Weige.Research on Coordinated ChargingofElectric Vehicles Based on TOU Charging Price[J].Power System Technology，2016，40(9):2609-2615.

[16]、王晓琨，翟桥柱，白婕.基于混合整数规划的电动汽车有序充电方法[J].电力自动化设备，2017，37(9)：70-82.

WANG Xiaokun，ZHAIQiaozhu，BAI Jie.Ordered charging Method of ElectricVehicles Based on Mixed Integer Programming[J].Electric Power AutomationEquipment，2017，37(9):70-82.

[17]、姜心怡，陈健，司凯伦，等.考虑动态交通网络的综合能源配电网灾后紧急响应策略[J].智慧电力，2020，48(8)：31-37.

JIANG Xinyi，CHEN Jian，SI Kailun，et al.Emergency Response Strategy ofIntegrated Energy Distribution Network Considering Dynamic TransportationNetwork[J].Smart Power，2020，48(8):31-37.

[18]、李恒杰，夏宇轩，周云，等.基于改进延迟接受算法的电动汽车-快充桩匹配策略[J].电力自动化设备2023，43(6)：46-52.

LI Hengjie，XIAYuxuan，ZHOU Yun，et al.Matching Strategy betweenElectric Vehicle and Fast Charging Pile Based on the Improved Deferred-acceptance Algorithm[J].2023，43(6):46-52.

【发明内容】

本发明的目的是，提出一种最小化用户充电等待时间、节约用户时间成本的电动汽车充电引导方法。

为实现上述目的，本发明采取的技术方案是一种基于混合线性整数规划模型的电动汽车充电引导方法，包括以下步骤：

S1、云端服务器同时收集区域内所有充电站、及充电站内的充电桩信息，并对发出充电申请的电动汽车进行车辆信息预处理；

S2、在区域内电动汽车用户充电申请处理时刻，云端服务器根据电动汽车到达不同充电站的时间以及不同充电站内充电桩的不同充电时间，基于混合线性整数规划模型的电动汽车目标充电站引导优化函数，旨在减少电动汽车用户充电等待时间，将所有符合约束条件的电动汽车群一次性引导至充电站，明确每辆电动汽车的开始充电时刻及充电时长，完成站外引导；

S3、步骤S2引导的电动汽车车辆到达充电站后，云端服务器根据引导给出的结果，基于混合线性整数规划模型的电动汽车目标充电站内调度优化函数，对进入充电站的电动汽车按照最短等待时间、及不更换充电桩原则顺序排列在充电桩上开始充电或在充电站内进入等待队列，完成电动汽车的站内排列；

S4、执行步骤S1，准备下一时刻区域内电动汽车用户充电申请处理。

优选地，所述的一种基于混合线性整数规划模型的电动汽车充电引导方法，步骤S2：云端服务器将电动汽车充电调度周期时间序列分为若干个时间窗口，所述电动汽车充电调度周期包括电动汽车行驶状态时间窗口、电动汽车等待充电状态时间窗口、电动汽车充电状态时间窗口和电动汽车完成充电状态时间窗口，步骤S2使所有电动汽车充电调度周期时间窗口的和最少，实现优化目的。

优选地，所述混合线性整数规划模型引导的对象、空间域和时间域定义如下：

S

S

S

其中，式(1)定义了发出充电申请的电动汽车集合S

优选地，所述的一种基于混合线性整数规划模型的电动汽车充电引导方法，步骤S2：所述混合线性整数规划模型通过三类0-1变量清楚地展示电动汽车目标充电站引导优化函数的优化效果；所述三类0-1变量包括电动汽车选择充电站变量、电动汽车开始充电时间窗口变量和电动汽车充电状态变量。

优选地，

所述电动汽车选择充电站变量x

x

电动汽车k成功引导至充电站i时，x

所述电动汽车开始充电时间窗口变量y

y

若y

所述电动汽车充电状态变量u

u

其中，u

优选地，

所述电动汽车目标充电站引导优化函数定义如下：

式中，Aux为一个一维的行向量，表示一个时间辅助矩阵，具体表示为Aux＝[1,2,...,N

优选地，

所述电动汽车目标充电站引导优化函数约束条件包括电动汽车约束和充电站容量约束；所述电动汽车约束包括电动汽车的选择性约束、电动汽车的行驶里程约束、电动汽车的充电时长约束、电动汽车开始充电的时间约束和电动汽车的连续充电约束；

所述电动汽车的选择性约束指在一个充电调度周期中，电动汽车只能被引导至一个充电站内，或者在本充电调度周期内轮空，未能选到充电站，进入等待队列，等待后续充电调度周期的重新引导，

所述电动汽车的行驶里程约束指电动汽车在剩余电荷量的情况下，无法前往区域内的任何一个充电站，

式中，

所述电动汽车的充电时长约束指电动汽车在前往不同的充电站时，由于路程不同，因此在充电站内补充的电量也不同，

式中，T

所述电动汽车开始充电的时间约束指电动汽车需到达充电站后才能开始充电，

式中，

所述电动汽车的连续充电约束指电动汽车自开始充电后，应有一段时间内持续充电，直至完成既定的充电时长，

式(15)用于判断u

所述充电站容量约束指由于充电站内存在的充电桩数有限，因此可同时充电的电动汽车数必须严格小于等于充电站的桩数，

式(16)限定选择同一充电站的电动汽车连续充电变量在时间切面上的和小于等于充电站内的充电桩数。

优选地，所述的一种基于混合线性整数规划模型的电动汽车充电引导方法，步骤S3：所述混合线性整数规划模型通过三维0-1变量电动汽车充电站内充电状态变量v

当v

优选地，

所述电动汽车充电站内调度优化函数定义如下：

在将电动汽车k固定后，对v

所述电动汽车充电站内调度优化函数约束条件包括充电站内调度约束；

所述充电站内调度约束指，电动汽车的充电位置的三维0-1变量电动汽车充电站内充电状态变量v

以及，选择同一个充电站的充电汽车不能超过充电站的最大空间和时间容量，

约束选择同一个充电站的电动汽车充电位置变量之和必须严格小于等于1，不出现一个时间窗口内、一个充电桩上同时有两辆电动汽车在充电的情况。

本发明的又一目的是，提出一种最小化用户充电等待时间、节约用户时间成本的电动汽车充电引导系统。

为实现上述又一目的，本发明采取的技术方案是一种基于混合线性整数规划模型的电动汽车充电引导系统，包括云端服务器、若干电动汽车和若干充电站，所述充电站包括若干充电桩，用于执行上述的一种基于混合线性整数规划模型的电动汽车充电引导方法。

本发明一种基于混合线性整数规划模型的电动汽车充电引导方法及系统有如下有益效果：通过建立混合线性整数规划模型，最小化电动汽车用户的充电等待时间，有效地降低电动汽车用户的平均充电等待时间，节约用户时间成本，在不同充电场景下的真实数据验证所提基于混合线性整数规划模型策略的有效性和优越性：1、能够有效地降低电动汽车用户的平均充电等待时间，并且能够较好地均衡各个充电站的充电设施利用率；2)考虑了电动汽车充电引导过程中的不同场景情况，测试区域在两种不同场景下的引导结果，验证了所提策略可以适用于多种场景下。

【附图说明】

图1是电动汽车时序模型示意图。

图2是电动汽车到达充电站的引导优化模型和电动汽车在充电站内的调度优化模型基本结构图。

图3是一种基于混合线性整数规划模型的电动汽车充电引导方法流程图。

图4是电动汽车开始充电的0-1变量和电动汽车充电状态的0-1变量约束关系图。

图5是算例充电站分布图。

图6是80辆电动汽车引导结果图。

图7是算例三种典型车辆充电示意图。

图8是算例充电站服务强度示意图。

图9是不同车辆渗透率场景下电动汽车用户平均等待时间结果图。

图10是不同占用程度场景下充电站服务强度图。

【具体实施方式】

下面结合实施例并参照附图对本发明作进一步描述。

实施例

本实施例实现一种基于混合线性整数规划模型的电动汽车充电引导方法。

为了克服上述现有技术的不足，本实施例提出一种基于混合线性整数规划模型的电动汽车充电引导方法。通过建立MILP模型，最小化电动汽车用户的充电等待时间，节约用户时间成本。

本实施例的技术解决方案如下：

1、电动汽车充电引导构架

1.1、电动汽车时序模型

本实施例旨在减少电动汽车用户的充电等待时间，因此对电动汽车建立时序模型，通过MILP模型的特点，最短化用户充电等待时间。

图1是电动汽车时序模型示意图。如图1所示，将电动汽车在给定的调度周期内在时间序列上分为若干个时间窗口，通过不同颜色的方框代表电动汽车在不同时间窗口内的车辆状态。本实施例通过使用数学模型等效的方法，使所有电动汽车前往充电站的方框(时间窗口)的和最少，实现优化目的。

1.2、充电引导框架

图2是电动汽车到达充电站的引导优化模型和电动汽车在充电站内的调度优化模型基本结构图。如图2所示，本实施例的MILP模型分为电动汽车到达充电站的引导优化模型和电动汽车在充电站内的调度优化模型两个部分。

对于充电站外的电动汽车引导，是指在一次调度周期中将所有符合相同约束条件的电动汽车群一次性引导至同一个充电站内，完成充电站外的引导目标。充电站内的电动汽车排列引导，是指对进站的车辆按照最短等待时间在充电桩上进行排列，且使进站充电的车辆尽可能的在充电时间内不更换充电桩

1.3、充电引导具体流程

图3是一种基于混合线性整数规划模型的电动汽车充电引导方法流程图。如图3所示，在引导开始后，电动汽车发出充电需求，将自身的实时信息上传至云端系统，同时充电站也将站内的充电桩信息上传，双方信息在云端系统中进行处理。然后，系统对车辆用户输出引导结果，对充电站输出站内的充电桩时序使用序列。

具体引导流程如下：

1)在区域内的电动汽车用户发出充电申请时，云端系统同时收集区域内所有充电站内的充电桩信息，并对发出充电申请的电动汽车进行车辆信息预处理。

2)系统根据电动汽车到达不同充电站的时间以及不同充电站内的不同充电时间，将所有符合约束条件的电动汽车群一次性引导至充电站，且明确每辆电动汽车的开始充电时刻及充电时长，完成站外引导。

3)车辆到达充电站后，根据系统引导给出的结果，按照顺序排列在充电桩上开始充电或在站内进入等待队列，完成电动汽车的站内排列。

2、电动汽车目标充电站引导优化模型(电动汽车到达充电站的引导优化模型)

为了更好地展示所提的电动汽车到达充电站的引导优化模型，本实施例定义了三类0-1变量，通过这三类0-1变量所代表的数学模型，可以清楚地展示引导模型的优化效果。

2.1、三类0-1变量

在定义引导变量之前，首先明确引导的范围，即引导的对象、空间域和时间域，因此定义如下：

S

S

S

式(1)-(4)分别定义了发出充电申请的电动汽车集合S

2.2.1、电动汽车选择充电站变量

电动汽车被引导至在剩余里程内可以到达的一个充电站内，以此定义电动汽车选择充电站的0-1变量x

x

电动汽车k成功引导至充电站i时，x

2.2.2、电动汽车开始充电时间窗口变量

在电动汽车成功被引导至充电站内后，在继续开始充电流程时，应存在一个开始充电的时间窗口位置。因此定义电动汽车开始充电的0-1变量y

y

若y

2.2.3、电动汽车充电状态变量

在引导电动汽车到达充电站并给定一个开始充电窗口后，电动汽车应有一段在时间上连续的充电状态。定义电动汽车充电状态的0-1变量u

u

图4是电动汽车开始充电的0-1变量和电动汽车充电状态的0-1变量约束关系图。如图4所示，电动汽车充电状态的0-1变量用其中一行连续的1表示电动汽车的连续充电的状态，且y

y

2.2、目标函数

为最小化电动汽车用户的充电等待时间，目标函数定义如下：

式中：Aux为一个一维的行向量，表示一个时间辅助矩阵，具体表示为Ax＝[1,2,..，N

目标函数的第一部分表示电动汽车的开始充电时间窗口需要尽可能的靠前，以此达到缩短用户等待时间的目标；第二部分表示在本调度周期内，用户若没有开始充电的时间窗口，则引入一个足够大的罚系数，使用户在调度周期内尽可能地有开始充电的时间窗口，否则进行处罚。

2.3、约束条件

2.3.1、电动汽车约束

(1)电动汽车的选择性约束

在一个调度周期中，电动汽车只能被引导至一个充电站内，或者在本周期内轮空，未能选到充电站。在轮空的情况下，电动汽车也没有对应的充电开始时间窗口，视为该车辆在本调度周期内未被引导，该车辆会进入等待队列，等待后续调度周期的重新引导。

(2)电动汽车的行驶里程约束

电动汽车存在里程约束，即在剩余电荷量的情况下，无法前往区域内的任何一个充电站。因此给出电动汽车的最大里程约束：

式中：

(3)电动汽车的充电时长约束

电动汽车在前往不同的充电站时，由于路程不同，因此在充电站内补充的电量也不同。

式中：T

(4)电动汽车开始充电的时间约束：

同时，电动汽车需到达充电站后才能开始充电：

式中：

(5)电动汽车的连续充电约束：

电动汽车自开始充电后，应有一段时间内持续充电，直至完成既定的充电时长。因此，给出电动汽车连续充电的约束。

式(15)用于判断u

2.3.2、充电站容量约束

由于充电站内存在的桩数有限，因此可同时充电的车辆数必须严格小于等于充电站的桩数，

上式通过将选择同一充电站的电动汽车连续充电变量在时间切面上的和小于等于充电站内的充电桩数，达到约束目的。

3、电动汽车充电站内调度优化模型(电动汽车在充电站内的调度优化模型)

充电站的站内调度模型，最终结果给出电动汽车在充电过程中对应的充电桩。结合充电站外的引导模型，一共给出电动汽车前往的充电站、充电桩以及充电时间三个结果。

3.1、电动汽车充电站内充电状态变量

为了在充电站内更加直观地表示电动汽车在充电站内的充电位置以及充电时间窗口，定义对到达充电站的电动汽车充电站内充电状态的三维0-1变量v

通过该三维0-1变量，可以清楚的看到电动汽车在不同时间窗口内在哪个充电桩上充电。当v

3.2、目标函数

在前述模型中，目标函数使得用户的充电等待时间最短，并给定了用户的充电时间在时间序列上的位置，但未能给出电动汽车在站内充电的具体位置，且若充电过程中频繁地更换充电桩会大大降低用户的充电体验，因此目标函数定义为电动汽车用户在充电过程中尽可能的不更换充电桩，简化充电流程。

该目标函数利用数学模型等效，在将电动汽车k固定后，对v

3.3、充电站内调度约束

电动汽车的充电状态由第一部分模型给出，所以电动汽车的充电位置的三维0-1变量在列方向的和应该等于电动汽车状态的0-1变量。

/>

上式保证了引导模型的结果在导入调度模型后，保持前后模型的车辆引导结果统一。

其次，选择同一个充电站的充电汽车不能超过充电站的最大空间和时间容量。

上式约束了选择同一个充电站的电动汽车充电位置变量之和必须严格小于等于1，否则会出现一个时间窗口内，一个充电桩上同时有两辆电动汽车在充电的情况。

4、算例分析

4.1、算例设置

图5是算例充电站分布图。如图5所示，为验证本实施例所提策略的可行性和有效性，选择上海某地区的真实数据进行验证。设置调度周期为9:00-10:00，总计调度时长为1个小时，时间窗口Δt为5分钟。区域内共计有8个充电站和60个充电桩，具体地理图和充电站信息如图5和表1所示。电动汽车数据由百度地图数据接口给出。

表1充电站信息

4.2、结果分析

图6是80辆电动汽车引导结果图。如图6所示，对电动汽车进行优化引导仿真，画出80辆电动汽车的引导结果。

具体的引导结果，如表2所示。

表2不同引导策略下的充电引导结果

充电站服务强度

/>

式中，

在计算所有充电站的服务强度后，再计算其方差值，得到充电站服务强度方差。方差越小，表示不同充电站之间的充电设施利用率差异越小，说明引导结果更加均衡合理。

由表2可知，优化引导策略的电动汽车平均等待时间相较于就近引导策略缩短了19.65分钟，充电站服务强度方差缩小为就近引导策略的1.8％，而平均行驶距离和行驶时间只相较于就近引导策略增加了153.54米和2.47分钟。

图7是算例三种典型车辆充电示意图。如图7所示，在图6的引导结果基础上，画出三类典型车辆引导结果示意。28号车在到达充电站后，由于充电站内有空闲的充电桩，所以车辆没有等待时间，直接开始充电至既定的时长，在该调度周期内完成充电后即离开充电站；1号车辆在到达充电站后，由于充电桩均被其他车辆占满，因此车辆进入排队等待状态，在等待结束后再开始充电，且依旧能够在该调度周期内完成充电并离开充电站；41号车辆在到达充电站后进行等待并开始充电，但在该调度周期内不能完成充电，会持续充电至后续的调度周期内。

图8是算例充电站服务强度示意图。如图8所示，画出调度周期内就近引导策略和优化引导策略两种引导策略下的充电站服务强度。就近引导策略和所提的优化引导策略的方差值分别为0.198和0.0036，因此所提策略在充电站服务强度方差上更优于就近引导策略，验证了所提策略能更好地均衡各个充电站的充电设施利用率。

4.3、对比算例

(1)不同车辆渗透率场景

图9是不同车辆渗透率场景下电动汽车用户平均等待时间结果图。如图8所示，设置不同车辆渗透率的场景为在引导区域和调度周期内分别存在60、70、80、90和100辆等待引导的电动汽车，引导结果如图9所示。

在无充电桩初始占用的引导场景下将所提策略与就近引导策略进行对比，具体引导结果表3所示。优化引导策略在不同车辆渗透率场景下的平均等待时间均低于就近引导策略。

表3不同车辆渗透率场景下的引导结果

在60辆电动汽车的渗透率场景下，区域内充电桩也为60个，因此引导结果为一个充电桩匹配一辆电动汽车，由此使得每个充电站的服务强度的值均一致，所以方差是0。随着车辆渗透率的上升，就近引导策略的平均等待时间从21.56分钟上升为41分钟，而所提策略从2.75分钟上升为12.4分钟。且在不同车辆渗透率场景下，所提策略的充电站服务强度方差也优于就近引导策略。

(2)充电桩存在不同初始占用程度场景

图10是不同占用程度场景下充电站服务强度图。如图10所示，该场景下，电动汽车数量设置为80辆，且部分充电站内的充电桩在调度周期的初始时间窗口内存在时间窗口被占用的情况；设置三种占用程度，分别为轻度占用、中度占用和重度占用，被占用的桩数比例分别为30％、60％和90％，引导结果如图10所示。

表4不同占用场景下的引导结果

在无占用情况下，就近引导的充电站服务强度方差为0.198，优化引导的方差为0.036。具体的引导结果如表4所示，随着占用程度的增加，平均等待时间也每次增加2分钟左右，总计充电量呈下降趋势，充电站服务强度方差也波动不大。由此表明了所提的优化策略在不同占用程度下仍可以均衡各个充电站的充电设施利用率。

5、结论

本实施例方法有效地降低电动汽车用户的平均充电等待时间。在不同充电场景下以上海某地区的真实数据进行验证所提策略的有效性和优越性。通过仿真结果能够得出以下结论：

1)所提策略能够有效地降低电动汽车用户的平均充电等待时间，并且能够较好地均衡各个充电站的充电设施利用率。

2)所提充电引导策略考虑了电动汽车充电引导过程中的不同场景情况，测试区域在两种不同场景下的引导结果，验证了所提策略可以适用于多种场景下。

本领域普通技术人员可以理解，实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Acess Memory，RAM)等。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明原理的前提下，还可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。