买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海交通大学;国网江苏省电力有限公司电力科学研究院

摘要：本发明计及按需自治移动系统的交通网‑配电网耦合系统定价机制，考虑AMoDS接入后交通网中的可控与不可控混合车流，提出了双层电力交通耦合模型，上层为包含配电网与交通网可控电动汽车车流的社会最优SO模型，下层为以交通网不可控车流为主体的随机用户均衡SUE模型，设计了基于逆优化的定价方法，使下层不可控车流达到最低成本的同时收取最低的额外费用。本发明能够更加真实地模拟现实中交通网的场景，提出满足用户心理预期的定价策略，以优化计及AMoDS交通网‑配电网耦合系统的运行。

主权项：1.计及按需自治移动系统的交通网-配电网耦合系统定价机制，其特征在于，包括如下步骤：步骤S1：输入配电网、交通网数据，根据配电网源-荷、线路信息和交通网道路、车流信息，构建上下层优化模型，刻画理想情况下的计及按需自治移动系统的交通网-配电网耦合运行方式；建模方式具体包括：步骤S11：建立上层包含配电网与交通网可控电动汽车车流的SO模型，计及按需自治移动系统综合全局信息对自动驾驶电动汽车进行统一调度，与配电网通过协议合作；步骤S12：建立下层以交通网不可控车流为主体的SSO模型，配电网运营商根据潮流状态，以对应充电站节点的节点边际电价作为普通电动汽车用户的充电电价；设计用户随机性系统最优模型刻画不可控车流用户驾驶行为；步骤S2：输入初始数据，通过迭代求解理想情况下的计及按需自治移动系统的交通网-配电网耦合系统，得到目标状态步骤S21：输入相关初始数据，设置迭代初始条件，包括收敛阈值与最大允许迭代次数；步骤S22：根据相关数据，求解上层SO模型；步骤S23：将上层求解结果作为输入，求解下层SSO模型；步骤S24：判断是否达到收敛条件：若达到收敛条件则停止迭代，得到理想状态下的状态若未达到收敛条件，将下层求解结果更新为上层SO模型的输入，继续步骤S22；步骤S3：根据建立最低收费定价模型，保持收费后模型中的车流分布与理想状态的SSO模型中的车流分布一致，价格参数s成为优化变量进行求解，求解该模型得到交通拥堵费与充电附加费的定价结果s；步骤S4：输入配电网、交通网数据，建立根据定价结果s进行收费后的上下层模型，刻画额外收费后的计及按需自治移动系统的交通网-配电网耦合运行方式，建模方式具体包括：步骤S41：建立上层包含配电网与交通网可控电动汽车车流的SO模型，该模型与步骤S11中的上层SO模型相同；步骤S42：建立下层以交通网不可控车流为主体的额外收费下的SUE模型，在该模型中采用步骤S3中得到的定价结果对不可控车流用户进行收费，设计随机用户均衡模型刻画不可控车流用户驾驶行为；步骤S5：将得到的价格s代回收费后的交通网-配电网耦合双层模型中，此时上层为SO模型，下层为收取额外费用的SUE双层模型，通过迭代求解额外收费后的计及按需自治移动系统的交通网-配电网耦合双层模型，得到状态步骤S51：输入相关初始数据，设置迭代初始条件，包括收敛阈值与最大允许迭代次数；步骤S52：根据相关数据，求解上层SO模型；步骤S53：将上层求解结果作为输入，求解下层SUE模型；步骤S54：判断是否达到收敛条件：若达到收敛条件则停止迭代，得到额外收费后的系统状态若未达到收敛条件，将下层求解结果更新为上层SO模型的输入，继续步骤S52；步骤S6：迭代结束后，判断是否与一致，若一致，则验证了求解过程的正确性；并根据采用定价机制后计及AMoD系统的交通网-配电网耦合系统运行状态，计算采用定价机制后系统的成本，对定价机制的效果进行评估；所述步骤S11中所述的上层SO模型，目标函数为：FPDN为配电网的运营成本，FUTN为可控车流的总成本；其中：w为出行时间成本的转化系数；mi、ni为发电成本系数；λ为配电网购电的成本系数；γ为RDG弃电成本系数；与为节点i电源的有功和无功注入功率；与为节点i与节点j之间线路的有功和无功传输功率；与为分布式可再生能源接入节点i的有功与无功功率；为道路可控车流，为道路不可控车流；ta为道路通行时间，随道路上的车流量变化，表达式为：为充电站a的充电电价，该充电站连接到PDN的总线j；EC为电动汽车充电的电量；所述的上层SO优化问题的约束条件，具体包括：交通网侧的约束条件和配电网侧的约束条件，其中交通网侧约束条件表达式为： 为可控电动汽车在O-D对rs之间的出行需求基准量；为可控汽车在O-D对rs之间路径k上的车流量；为可控汽车在O-D对rs之间路径k与道路a的关联系数，当路径k包括道路a时，为1，否则为0，式1为可控交通流守恒约束；式2表示可控EV链路流量与路径流量的关系；配电网侧约束条件表达式为： rij与xij分别为线路ij的电阻与电导值；iij为线路ij上的电流，imax为线路上能承受的最大电流值；Ui为节点i的电压幅值，umax与umin分别为节点i电压幅值的上下限；pmin、pmax和Qmin、Qmax分别为节点i有功、无功注入功率的上下限；分别为总线j处的有功、无功功率需求，为传统负载需求，为电动汽车充电需求；式3为配电网的运营成本FPDN的表达式，第一项表示传统发电成本，第二项为公用电网的购电成本，第三项为RDG弃电的惩罚成本，式4为可控车流成本FUTN的表达式，分别为可控EV的总时间成本与总充电成本两项，式5、式6分别表示有功与无功平衡约束；式7表示PDN线路的电压降落；式8表示传输功率限制；式9、式10分别表示线路电流、电压以及有功、无功发电的限制；式11表示总线j处的有功功率需求包括传统负载需求和电动汽车充电需求，电动汽车充电需求为连接到PDN总线j的充电站a上的车流量与每辆车充电量的乘积，式12表示缩减RDG的有功功率可以平衡PDN操作；所述步骤S12中的下层考虑用户选择路径随机性的SSO模型指：以Gumbel分布刻画用户认知偏差项，得到用户出行选择概率的模型，该模型下，某出行用户选择路径i的概率为： 式中，θθ≥0为不可控车辆用户对出行成本的感知系数，该系数与用户路况感知的偏差程度成反比，即θ越大，用户的感知偏差程度越轻，有更大的概率选择到使自身出行成本最小的路径，为用户均衡状态下在O-D对rs路径k上的出行成本；所述下层SSO模型的目标函数为：其中：包括下层不可控车流的总出行时间成本、不可控电动汽车的充电成本与表示用户选择随机性的项，为不可控车流的总出行成本；为下层不可控车辆的链路流量，与分别表示不可控燃油车与电动汽车在O-D对rs之间路径k上的车流量；所述的下层SSO优化问题的约束条件有： 与分别为不可控燃油车与电动汽车在O-D对rs之间的出行需求基准量；分别为不可控燃油车与电动汽车在O-D对rs之间路径k与道路a的关联系数，当路径k包括道路a时为1，否则为0；为下层不可控燃油车的链路流量，为下层不可控电动汽车的链路流量；式11为不可控交通流守恒约束；式12分别表示不可控GV与EV链路流量与路径流量的关系；式13表示下层链路流量为不可控GV与EV链路流量的和；所述步骤S22中上层SO模型计算所需的相关初始数据包括初始电动汽车在各充电站充电量与下层不可控车流分布所述步骤S23中下层SSO模型计算所需的上层SO模型求解结果包括可控车流分布与更新后的充电站节点电价所述步骤S24中最终目标状态包括上层道路流量下层道路流量以及电价所述步骤S3中的价格参数s包括道路拥堵费τa与充电附加费σa；所述步骤S3中的最低收费定价模型，使向用户收取的额外费用最小；目标函数为：包括向不可控车流收取的道路拥堵费与充电附加费两项；当用户自发选择出行路径时，并不会以系统最优为目标，而是以自身成本最小为目标，将向不可控车流收取交通拥堵费与充电附加费的SUE模型转换为约束，刻画用户自主驾驶行为，最低收费定价模型的约束条件有：SSO-Cons11-13 其中，以及λ*均为中的已知量，式16、式17分别为道路拥堵费与充电附加费的上下限约束；式18-式22为代入理想状态参数后收取额外费用后的SUE状态的KKT条件，基于互补松弛约束20，在考虑用户随机性的情况下，如果不可控GV的路径流量则若则因此，O-D对中每位GV用户所行驶的路径成本均相同且最小，同理不可控EV用户亦是如此；所述步骤S41中的上层SO模型与步骤S11中的SO模型相同；所述步骤S42中的下层为收取额外费用的SUE模型，目标函数为：其中：约束条件与步骤S12中SSO模型的约束相同；在该模型中，交通拥堵费τa与充电附加费σa即为步骤3中求得的价格信号s；所述步骤S5中将收费后的双层模型进行迭代，求解得到此时的上下层的交通流分布与各充电站节点电价，即对不可控车流进行额外收费后的耦合模型状态与进行对比，若一致则证明该求解方法的有效性。

全文数据：

权利要求：

百度查询： 上海交通大学 国网江苏省电力有限公司电力科学研究院 计及按需自治移动系统的交通网-配电网耦合系统定价机制