侯 慧，王逸凡，黃 亮,2，謝長君，張銳明，陳 躍

電動汽車用戶充電折扣返利及預(yù)約優(yōu)先級動態(tài)調(diào)整策略

侯 慧1，王逸凡1，黃 亮1,2，謝長君1，張銳明3，陳 躍1

(1.武漢理工大學(xué)自動化學(xué)院，湖北 武漢 430070；2.復(fù)變時空(武漢)數(shù)據(jù)科技有限公司，湖北 武漢 430070；3.廣東廣順新能源動力科技有限公司，廣東 佛山 528000)

路徑焦慮是電動汽車面臨的主要問題，如何引導(dǎo)電動汽車到達(dá)最佳充電設(shè)施是一個值得研究的問題。針對此問題，提出了一種電動汽車充電用戶折扣返利和預(yù)約優(yōu)先級動態(tài)調(diào)整策略，以提高電動汽車用戶充電滿意以及充電站收益。首先，分析了電動汽車用戶對充電站折扣和預(yù)約策略的響應(yīng)特征，建立了結(jié)合經(jīng)濟(jì)滿意度和預(yù)約滿意度的用戶滿意度決策模型。其次，建立了以充電站效益最大化為目標(biāo)的充電站效益模型。通過對所提出策略的仿真，驗證了該策略的有效性，表明該策略能有效吸引用戶充電，提高充電站的收益，并提高用戶滿意度。

電動汽車；充電站；用戶滿意度；預(yù)約優(yōu)先級；折扣

0 引言

隨著環(huán)境污染的加劇，有意識選擇使用電動汽車的用戶逐年增加[1]。數(shù)量龐大的電動汽車群使得電動汽車充電需求日益增長。

電動汽車充電方式一般可分為慢充和快充兩種方式[2]。慢充電通常用于居民區(qū)、工作場所和電動汽車用戶長期居住的其他地方[3]。慢充充電時間較長?？焖俪潆娡ǔ?yīng)用于重要道路或高速公路的一側(cè)，以快速補(bǔ)充能量[4]。

為應(yīng)對電動汽車的規(guī)模化增長，越來越多研究著眼于電動汽車的快充過程[5]。電動汽車完成快充需求的過程即是選擇充電站以及尋找行駛路徑的過程[6]。部分研究通過分析電動汽車快速充電的一些影響因素為快充需求電動汽車規(guī)劃合理充電路徑，并選擇最優(yōu)的充電站，如經(jīng)濟(jì)、時間、距離、能耗等因素[4-10]。文獻(xiàn)[7]建立了以出行總距離、總時間及充電價格三者權(quán)值之和最小為目標(biāo)的電動汽車充電路徑規(guī)劃模型。文獻(xiàn)[8]基于路段權(quán)值思想和Dijkstra最短路徑算法，提出一種基于最短距離和行駛時間的最優(yōu)充電站推薦和路徑規(guī)劃方法。文獻(xiàn)[10]以用戶到最終目的地的距離、時間成本最小，充電站設(shè)備利用率分布均衡為目標(biāo)，建立電動汽車充電引導(dǎo)模型。文獻(xiàn)[4]基于出行能耗，為電動汽車規(guī)劃最優(yōu)路徑。然而，上述研究僅僅只是從電動汽車角度考慮電動汽車用戶出行規(guī)劃，而沒有考慮充電站做出的一些策略對電動汽車用戶出行規(guī)劃的影響。

另一部分研究著眼于充電站或其他電力企業(yè)提供的激勵政策用于引導(dǎo)用戶充電，從而獲取更高利益。文獻(xiàn)[11]提出了一種用戶自主參與的需求響應(yīng)計劃，電力企業(yè)為用戶提供優(yōu)惠券激勵，鼓勵用戶在尖峰電價時減少用電需求。文獻(xiàn)[12]應(yīng)用激勵響應(yīng)手段，提出一種計及電動汽車集群充電預(yù)測信息，兼顧電網(wǎng)、負(fù)荷聚集商與車主三方利益的多目標(biāo)分布式優(yōu)化模型。除制定激勵折扣機(jī)制外，充電站或電力企業(yè)還能夠制定預(yù)約策略以調(diào)控電力用戶用電。文獻(xiàn)[13]結(jié)合分時電價時段劃分和局部區(qū)域分布波動，提出一種基于電動汽車分時預(yù)約收費(fèi)方案。文獻(xiàn)[14]結(jié)合智能導(dǎo)航系統(tǒng)建立了電動汽車快速預(yù)約充電系統(tǒng)。盡管上述文獻(xiàn)都分析了激勵折扣或預(yù)約策略的有效性，但這些研究多數(shù)集中在電動汽車慢充需求調(diào)度上，沒有應(yīng)用于快充需求。

盡管當(dāng)前對路徑規(guī)劃、激勵折扣和預(yù)約策略有所研究，然而在權(quán)衡用戶體驗和充電站效益方面的引導(dǎo)控制手段還較為單一，因此本文結(jié)合充電站激勵折扣和預(yù)約優(yōu)先級策略，提出了一種電動汽車用戶充電折扣返利及預(yù)約優(yōu)先級動態(tài)調(diào)整策略。文中建立了包含經(jīng)濟(jì)滿意度和預(yù)約滿意度的用戶滿意度決策模型，并建立了充電站效益最大化模型。利用遺傳算法對模型進(jìn)行求解，并通過仿真驗證了該模型的有效性。

1 折扣返利和預(yù)約優(yōu)先級動態(tài)調(diào)整策略

本文所應(yīng)用的場景主要包括三層結(jié)構(gòu)：電網(wǎng)公司、充電站運(yùn)營商、電動汽車用戶。三個層次之間安裝有一整套通信網(wǎng)絡(luò)，以確保電網(wǎng)公司、充電站運(yùn)營商、用戶三個層次之間進(jìn)行必要的信息交互。

圖1 場景描述

電網(wǎng)公司、充電站以及用戶層面具有雙向信息流通的渠道，用戶和充電站以及充電站和電網(wǎng)公司都能夠進(jìn)行雙向信息交流。電網(wǎng)公司出于宏觀調(diào)控區(qū)域內(nèi)充電功率以及其他指標(biāo)的目的，會給不同充電站不同的售電價格，用以引導(dǎo)區(qū)域內(nèi)功率流動。充電站根據(jù)電網(wǎng)公司給予的售電價格，以最大化充電站效益為目標(biāo)，制定該充電站能夠給予用戶的優(yōu)惠策略，用以吸引用戶。用戶根據(jù)各自實際情況以及不同充電站的優(yōu)惠策略，選擇最滿意的充電站進(jìn)行充電。

電動汽車用戶充電折扣返利及預(yù)約優(yōu)先級動態(tài)調(diào)整策略包含兩個模型，分別是用戶滿意度決策模型和充電站效益模型，分別對應(yīng)著用戶層面和充電站層面。

用戶滿意度決策模型是根據(jù)用戶對充電站一系列優(yōu)惠策略的響應(yīng)特性，量化用戶對于充電站層面中各充電站的滿意度。對于圖1中的用戶層面，用戶滿意度決策模型根據(jù)各充電站制定的基準(zhǔn)服務(wù)費(fèi)、折扣比例以及預(yù)約等級規(guī)則，針對經(jīng)濟(jì)和預(yù)約便利程度，分別量化出用戶經(jīng)濟(jì)滿意度和用戶預(yù)約滿意度。針對不同類型的用戶，制定不同的經(jīng)濟(jì)與預(yù)約權(quán)重系數(shù)綜合兩方面的滿意度，得到用戶對于充電站層面各充電站的綜合滿意度。

充電站效益模型則對應(yīng)著圖1中的充電站層面，充電站效益模型用于衡量充電站層面的每個充電站的收益情況。充電站效益模型會根據(jù)用戶滿意度決策模型形成的用戶群計算每個充電站的收益情況，根據(jù)每個充電站的收益情況以收益最大化為目標(biāo)，分別制定各自的優(yōu)惠策略以及預(yù)約規(guī)則用以吸引用戶。

2 用戶滿意度決策模型

用戶滿意度決策模型的目標(biāo)函數(shù)主要由兩部分組成：經(jīng)濟(jì)滿意度和預(yù)約滿意度[15]。

1) 經(jīng)濟(jì)滿意度主要由充電站的基準(zhǔn)服務(wù)費(fèi)以及充電站對不同用戶的折扣所影響。定義會員矩陣如式(1)所示。

經(jīng)濟(jì)滿意度用于表征用戶到各充電站充電成本的滿意程度，用戶到某一充電站充電的成本越高，用戶的滿意度越低，反之亦然。

2) 預(yù)約滿意度同預(yù)約等級成正比關(guān)系，預(yù)約等級越高，充電便利程度越高，用戶的滿意度也越高，反之亦然。

3) 電動汽車用戶的綜合滿意度由經(jīng)濟(jì)滿意度和預(yù)約滿意度綜合得到，這兩部分的綜合采用權(quán)重系數(shù)完成。

用戶滿意度決策模型的目標(biāo)函數(shù)如式(6)所示。

約束條件包括：

在滿足蓄電池最低安全電量的情況下，保證用戶能夠到達(dá)充電站。

3 充電站效益模型

充電站效益是充電站為電動汽車用戶提供充電服務(wù)的收益減去充電站向電網(wǎng)公司購電成本后的利潤[16]。

因此，充電站效益模型目標(biāo)函數(shù)如式(8)所示。

約束條件如下：

1) 充電站會員折扣等級約束。會員等級越高，折扣越大，且會員折扣在一定范圍之內(nèi)。

2) 充電站距離等級約束。充電站距離等級規(guī)定為距離充電站越近，用戶享受的距離等級越大，從而對用戶的吸引越大。

3) 設(shè)備數(shù)量約束。由于充電站變壓器容量有限，可供同時充電的電動汽車數(shù)量有限，因此充電站中的充電設(shè)備也有限。

4 算例仿真

4.1 仿真設(shè)置

為驗證所提出的模型及算法，本文假定在一座城市的某一片區(qū)域內(nèi)有5座充電站，有100輛電動汽車需要充電。采用遺傳算法對仿真進(jìn)行求解。其中，設(shè)定2座充電站為采用本模型所制定策略的充電站，另外3座充電站設(shè)置為普通充電站。

1) 用戶的會員等級。出于吸引用戶的原因，采用策略的2座充電站給予用戶的會員等級都是從1級會員開始，即會員等級最低級為1級，如果用戶想要獲得更高的優(yōu)惠，可以繼續(xù)提高會員等級，即從充電站購買更高的會員等級，但最高會員等級為3級。由此可見，用戶的會員等級矩陣中元素在1、2、3中選擇。另外3座充電站為普通充電站，但考慮到兩者需要互相比較，因此另3座充電站給用戶都設(shè)置為1級會員。

2) 用戶距各充電站的距離矩陣。用戶距離充電站的距離可由一般地圖軟件得到，且本文重點(diǎn)不在求解用戶距充電站的距離上，因此本文對于用戶距充電站的距離矩陣由系統(tǒng)隨機(jī)生成。

3) 電動汽車參數(shù)設(shè)置。電動汽車最重要的參數(shù)就是電池荷電狀態(tài)，本文設(shè)置電池荷電狀態(tài)下降至30%時，汽車自動提示車主應(yīng)該充電，下降至20%時，汽車發(fā)出警告應(yīng)該充電，降低到10%時警告將損壞電池并立即停車。

4) 電動汽車其他參數(shù)設(shè)置[17-18]如表1所示。電動汽車用戶滿意度權(quán)重分布如表2所示。

根據(jù)電動汽車用戶對經(jīng)濟(jì)和預(yù)約的偏好將電動汽車用戶主要分為3種類型[19]，分別為經(jīng)濟(jì)偏好型、無偏好型以及預(yù)約偏好型。

4.2 結(jié)果分析

為了對本文充電站的策略進(jìn)行分析，本文設(shè)置了2種類型的充電站，分別是采用本文策略的充電

表1 電動汽車參數(shù)

表2 電動汽車用戶滿意度權(quán)重

站與未采用本文策略的普通充電站。未采用本文策略的普通充電站是指其中3個充電站根據(jù)電網(wǎng)公司的售電價格統(tǒng)一定價，不進(jìn)行折扣策略。電動汽車用戶最終選擇何種充電站還是要由用戶對于各充電站的滿意度來決定。

這2種不同情況的充電站對客戶、該充電站以及其他充電站的影響主要從2個角度來分析，即從電動汽車用戶的角度以及充電站的角度分析。

1) 從電動汽車用戶的角度進(jìn)行分析。

對經(jīng)濟(jì)偏好型、無偏好型和預(yù)約偏好型電動汽車用戶分別采用策略充電站與普通充電站充電的數(shù)量進(jìn)行統(tǒng)計，如表3所示。

表3 不同類型充電電動汽車數(shù)量

對經(jīng)濟(jì)偏好型、無偏好型和預(yù)約偏好型電動汽車用戶分別采用策略充電站與普通充電站充電的充電費(fèi)用進(jìn)行分析，如表4所示。

表4 電動汽車用戶平均充電費(fèi)用

由表3和表4可見，選擇采用策略充電站的經(jīng)濟(jì)偏好型用戶可以享受比無偏好型以及預(yù)約偏好型更低的充電費(fèi)用，而這也符合人們選擇其各自偏好型的初衷。另外，選擇普通充電站的電動汽車用戶的充電費(fèi)用差別不大，這是因為普通充電站并沒有采用相關(guān)的差異化策略。采用策略充電站的經(jīng)濟(jì)偏好型和無偏好型用戶的充電費(fèi)用比普通充電站低，而預(yù)約偏好型的充電費(fèi)用比普通充電站略高，這也是由策略與策略之間以及采用策略與否之間的差異造成的。

對經(jīng)濟(jì)偏好型、無偏好型和預(yù)約偏好型電動汽車用戶分別采用策略充電站與普通充電站充電的預(yù)約等級進(jìn)行分析，如表5所示。

表5 電動汽車用戶平均預(yù)約等級

由表5可見，選擇采用策略充電站的預(yù)約偏好型用戶可以享受比無偏好型以及經(jīng)濟(jì)偏好型更低的預(yù)約等級，也就意味著預(yù)約偏好型用戶的便利程度更高，而這也符合人們選擇其預(yù)約偏好型的初衷。另外，選擇普通充電站的電動汽車用戶的預(yù)約等級差別不大，這是因為普通充電站并沒有采用相關(guān)的差異化策略。

2) 從充電站的角度進(jìn)行分析。

當(dāng)電動汽車用戶分別為經(jīng)濟(jì)偏好型、無偏好型和預(yù)約偏好型時，各充電站的收益以及采用策略充電站與普通充電站的收益如圖2所示。圖中序號為1和2的充電站為采用本文策略的充電站，其余為普通充電站。

圖2 充電站效益

由圖2可知，三種偏好型總的趨勢都是采用本文策略充電站的收益遠(yuǎn)大于普通充電站的收益。由此可見，不論用戶偏好如何，采用策略的充電站的收益遠(yuǎn)遠(yuǎn)大于未采用充電站的收益，說明采用本文策略可以有效提高充電站收益。

對比三種偏好型可知，采用策略充電站的收益隨著經(jīng)濟(jì)滿意度權(quán)重的降低而升高。這是由于為了使比較分明，同時使普通充電站更有競爭力，算例中設(shè)定普通充電站的電價較采用策略充電站的電價低一部分。因此普通充電站的收益更低，同時用戶受經(jīng)濟(jì)影響較大時，會更偏向于普通充電站。隨著經(jīng)濟(jì)滿意度權(quán)重的增加，會有較多的用戶選擇普通充電站，而采用策略的充電站的收益會稍有降低。但從大的趨勢上看，采用本模型策略的充電站對用戶更有吸引力，從而獲得更大的收益。

當(dāng)電動汽車用戶分別為經(jīng)濟(jì)偏好型、無偏好型和預(yù)約偏好型時，各充電站的電動汽車充電數(shù)量如圖3所示。

圖3 電動汽車數(shù)量

由圖3可知，三種偏好型總的趨勢都是采用策略的充電站的電動汽車數(shù)量遠(yuǎn)大于普通充電站的數(shù)量，此結(jié)論與充電站的收益相似。由此可見，采用策略的充電站對于電動汽車用戶的吸引力遠(yuǎn)遠(yuǎn)大于普通充電站。

綜上，采用動態(tài)調(diào)整策略的充電站比普通充電站對電動汽車用戶更有吸引力，從而有更高的收益。電動汽車用戶能夠選擇不同的偏好型，到達(dá)其預(yù)期的目標(biāo)。

5 結(jié)論

本文建立了電動汽車用戶充電折扣返利及預(yù)約優(yōu)先級動態(tài)調(diào)整策略，能夠制定相應(yīng)的折扣優(yōu)惠策略以提高電動汽車用戶的滿意度以及充電站的收益。對本文策略進(jìn)行仿真，可得出如下結(jié)論。

1) 本文所建立策略能夠幫助充電站制定相應(yīng)的折扣優(yōu)惠策略，以吸引電動汽車用戶，提高充電站收益。

2) 本文所建立策略針對不同類型電動汽車用戶，可提高經(jīng)濟(jì)滿意度或預(yù)約滿意，從而提高電動汽車用戶的充電滿意度。

[1] 國務(wù)院辦公廳. 國務(wù)院辦公廳關(guān)于加快電動汽車充電基礎(chǔ)設(shè)施建設(shè)的指導(dǎo)意見[EB/OL]. (2015-10-09) [2019-12-13].http://www.gov.cn/zhengce/content/201510/09/content_10214.htm.

General Office of the State Council, PRC. Guiding opinions of general office of the state council on accelerating the construction of electric vehicle charging infrastructure [EB/OL]. (2015-10-09) [2019-12-13].http://www.gov.cn/ zhengce/content/201510/09/content_10214.htm.

[2] TU Hao, FENG Hao, SRDIC S, et al. Extreme fast charging of electric vehicles: a technology overview[J].IEEE Transactions on Transportation Electrification, 2019, 5(4): 861-878.

[3] HUANG Zhao, FANG Baling, DENG Jin. Multi-objective optimization strategy for distribution network considering V2G-enabled electric vehicles in building integrated energy system[J].Protection and Control of Modern Power Systems, 2020, 5(1): 48-55. DOI: 10.1186/s41601- 020-0154-0.

[4] THIBAULT L, DE NUNZIO G, SCIARRETTA A. A uni?ed approach for electric vehicles range maximization via eco-routing, eco-driving, and energy consumption prediction[J]. IEEE Transactions on Intelligent Vehicles, 2018, 3(4): 463-475.

[5] 侯慧, 徐燾, 柯賢彬, 等. 電動汽車快充對配電網(wǎng)的風(fēng)險研究[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(16): 87-93.

HOU Hui, XU Tao, KE Xianbin, et al. Research on risks of electric vehicle charging to distribution network[J]. Power System Protection and Control, 2019, 47(16): 87-93.

[6] 楊洪明, 李明, 文福拴, 等. 利用實時交通信息感知的電動汽車路徑選擇和充電導(dǎo)航策略[J]. 電力系統(tǒng)自動化, 2017, 41(11): 106-113.

YANG Hongming, LI Ming, WEN Fushuan, el al. Route selection and charging navigation strategy for electric vehicles employing real-time traffic information perception[J]. Automation of Electric Power Systems, 2017, 41(11): 106-113.

[7] 蘇粟, 楊恬恬, 李玉璟, 等. 考慮實時動態(tài)能耗的電動汽車充電路徑規(guī)劃[J]. 電力系統(tǒng)自動化, 2019, 43(7): 136-147.

SU Su, YANG Tiantian, LI Yudi, et al. Planning of electric vehicle charging path considering real-time dynamic energy consumption[J]. Automation of Electric Power Systems, 2019, 43(7): 136-147.

[8] 嚴(yán)弈遙, 羅禹貢, 朱陶, 等. 融合電網(wǎng)和交通網(wǎng)信息的電動車輛最優(yōu)充電路徑推薦策略[J]. 中國電機(jī)工程學(xué)報, 2015, 35(2): 310-318.

YAN Yiyao, LUO Yugong, ZHU Tao, el al. Optimal charging route recommendation method based on transportation and distribution information[J]. Proceedings of the CSEE, 2015, 35(2): 310-318.

[9] CERNA F V, POURAKBARI-KASMAEI M, ROMERO R A, et al. Optimal delivery scheduling and charging of EVs in the navigation of a city map[J]. IEEE Transactions on smart grid, 2018, 9(5): 4815-4827.

[10] 黃晶, 楊健維, 王湘, 等. 下一目的地導(dǎo)向下的電動汽車充電引導(dǎo)策略[J]. 電網(wǎng)技術(shù), 2017, 41(7): 2173-2181.

HUANG Jing, YANG Jianwei, WANG Xiang, et al. Destination oriented electric vehicle charging guiding strategy[J]. Power System Technology, 2017, 41(7): 2173-2181.

[11] 王均, 黃琦.基于優(yōu)惠券激勵的需求響應(yīng)雙層優(yōu)化機(jī)制[J].電力系統(tǒng)保護(hù)與控制, 2019, 47(1): 108-114.

WANG Jun, HUANG Qi. Coupon incentives based customers voluntary demand response program via bilevel optimization mechanism[J]. Power System Protection and Control, 2019, 47(1): 108-114.

[12] 潘振寧, 余濤, 王克英. 考慮多方主體利益的大規(guī)模電動汽車分布式實時協(xié)同優(yōu)化[J]. 中國電機(jī)工程學(xué)報, 2019, 39(12): 3528-3541.

PAN Zhenning, YU Tao, WANG Keying. Decentralized coordinated dispatch for real-time optimization of massive electric vehicles considering various interests[J]. Proceedings of the CSEE, 2019, 39(12): 3528-3541.

[13] 符興鋒, 何國新, 曹月明, 等. 基于動態(tài)分時計費(fèi)的動力電池系統(tǒng)預(yù)約充電費(fèi)設(shè)計方法研究[J]. 汽車技術(shù), 2018(4): 43-46.

FU Xingfeng, HE Guoxin, CAO Yueming, et al. Research on design method of reserving charging for power battery system based on dynamic time-of-use billing[J]. Automotive Technology, 2018(4): 43-46.

[14] 戴依諾, 戴忠. 電動汽車預(yù)約充電策略研究[J]. 電力需求側(cè)管理, 2016, 18(1): 40-43.

DAI Yinuo, DAI Zhong. Research on electric vehicle reservation charging strategy[J]. Power Demand Side Management, 2016, 18(1): 40-43.

[15] 黃貴鴻, 雷霞, 蘆楊, 等. 考慮用戶滿意度的電動汽車用戶側(cè)最優(yōu)智能充放電策略[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(24): 40-47.

HUANG Guihong, LEI Xia, LU Yang, et al. Optimus smart charge-discharge tactics in electric vehicle user profile considering user’s satisfaction[J]. Power System Protection and Control, 2015, 43(24): 40-47.

[16] 應(yīng)飛祥, 徐天奇, 李琰, 等. 含電動汽車充電站商業(yè)型虛擬電廠的日前調(diào)度優(yōu)化策略研究[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(21): 92-100.

YING Feixiang, XU Tianqi, LI Yan, et al. Research on day-to-day scheduling optimization strategy of a commercial virtual power plant with an electric vehicle charging station[J]. Power System Protection and Control, 2020, 48(21): 92-100.

[17] 孫國強(qiáng), 徐廣開, 沈培鋒, 等. 規(guī)?；妱悠囏?fù)荷的柔性臺區(qū)協(xié)同經(jīng)濟(jì)調(diào)度[J]. 電網(wǎng)技術(shù), 2020, 44(11): 4395-4404.

SUN Guoqiang, XU Guangkai, SHEN Peifeng, et al. Coordinated economic dispatch of flexible district for large-scale electric vehicle load[J]. Power System Technology, 2020, 44(11): 4395-4404.

[18] 侯慧, 薛夢雅, 陳國炎, 等. 計及電動汽車充放電的微電網(wǎng)多目標(biāo)分級經(jīng)濟(jì)調(diào)度[J]. 電力系統(tǒng)自動化, 2019, 43(17): 55-67.

HOU Hui, XUE Mengya, TANG Guoyan, et al. Multi- objective hierarchical economic dispatch for microgrid considering charging and discharging of electric vehicles[J].Automation of Electric Power Systems, 2019, 43(17): 55-67.

[19] 安楊, 李華強(qiáng), 闞力豐, 等. 考慮用戶綜合滿意度的居民區(qū)電動汽車充放電優(yōu)化策略[J]. 電測與儀表, 2019, 56(6): 7-13.

AN Yang, LI Huaqiang, KAN Lifeng, et al. Optimization strategy of charging and discharging electric vehicles in residential areas considering user satisfaction[J]. Electrical Measurement and Instrumentation, 2019, 56(6): 7-13.

Dynamic adjustment strategy of charging discount rebate and reservation priority for electric vehicle users

HOU Hui1, WANG Yifan1, HUANG Liang1, 2, XIE Changjun1, ZHANG Ruiming3, CHEN Yue1

(1. School of Automation, Wuhan University of Technology, Wuhan 430070, China;2. Transformer Space-Time Data Technology Limited Company, Wuhan 430070, China; 3. Guangdong Guangshun Renewable Energy Technology Limited Company, Foshan 528000, China)

Path anxiety is a major problem for electric vehicles. How to guide an electric vehicle to the optimal charging facility is a problem worth studying. For this problem, a dynamic adjustment strategy of charging discount rebate and reservation priority for electric vehicle users is proposed. First of all, the response characteristics of EV users to the discounts and reservation strategies of charging stations are analyzed and the user satisfaction decision model including economic satisfaction and reservation satisfaction is established. Secondly, the charging station benefit model with the goal of maximizing the benefits of the charging station is established. Eventually, the effectiveness of the proposed model is verified by the simulation results. The simulation results show that the strategy can effectively attract users to charge and improve the interest of the charging station, as well as improve user satisfaction.

electric vehicles; charging stations; user satisfaction; reservation priority; discount

This work is supported by National Key Research and Development Program of China (No. 2020YFB1506802 and No. 2018YFB0105700) and National Natural Science Foundation of China (No. 51977164).

2018-03-31；

2018-08-25

侯 慧(1981—)，女，博士，副教授，主要研究方向為電動汽車與電網(wǎng)互動等；E-mail: houhui@whut.edu.cn

王逸凡(1997—)，男，通信作者，碩士研究生，主要研究方向為電動汽車與電網(wǎng)互動；E-mail: 3449306787@ qq.com

黃 亮(1980—)，男，博士，副教授，主要研究方向為電動汽車電力設(shè)備開發(fā)等。E-mail: 35644519@qq.co

國家重點(diǎn)研發(fā)計劃(2020YFB1506802, 2018YFB 0105700)；國家自然科學(xué)基金面上項目資助(51977164)