本申请涉及电动汽车技术领域，尤其涉及一种电动汽车充电站充电价格的调度方法。
背景技术：
随着人口的增长和经济的快速发展，能源问题是我们面对可持续发展不容忽视的。电动汽车作为可替代燃油汽车的重要选项，其有碳排放集中在发电环节，容易治理的优点，因此电动汽车对环境保护具有重要的意义。电动汽车产业在过去的几年中获得了跨越式的发展。我国也高度重视电动汽车产业发展，将电动汽车发展作为推进产业结构升级和供给侧改革的重要突破口。
随着电动汽车的快速发展，电动汽车的充电也是一大重点。现有技术一般通过建设公共充电站从而为用户提供更加可靠的电动汽车充电服务。
然而本申请的发明人发现，随着充电站的大规模铺开建设，充电站之间的竞争也日趋激烈，进而影响到充电站的收益情况。现有充电站在制定价格时并未考虑市场需求以及竞争者的定价模式，使得充电价格比较单一，没有变通性，导致对用户缺乏吸引力，从而严重影响充电站的收益。
技术实现要素：
本申请提供了一种电动汽车充电站充电价格的调度方法，以解决现有技术存在的上述问题。
为了解决上述技术问题，本申请实施例公开了如下技术方案：
本申请提供了一种电动汽车充电站充电价格的调度方法，该方法包括：
将电动汽车路面区域划分为若干个网格；
获取电动汽车充电需求数据；
基于所述电动汽车充电需求数据获取各个网格的电动汽车到各个充电站的充电成本；
基于所述充电成本获取电动汽车到各个充电站的充电电价差；
基于所述充电电价差获取电动汽车到各个充电站的充电概率；
基于所述充电概率获取各个充电站在各个时刻的充电电量；
基于所述各个充电站在各个时刻的充电电量设定目标函数和约束条件；
基于所述目标函数和所述约束条件构建充电站充电价格调度模型，所述充电站充电价格调度模型用于充电站充电价格的调度优化。
可选的，所述电动汽车充电需求数据包括：充电时间、充电电量和有充电需求的电动汽车数量；
所述充电成本包括：电动汽车行驶成本、电动汽车充电成本和电动汽车充电等待成本。
可选的，所述有充电需求的电动汽车数量的获取方法包括：
获取每个时段每个网格的充电需求权重：
rateblocki(t)＝a*rateblockiev(t) b*rateblockir(t)
其中：
rateblocki(t)为第i个网格在第t时段的充电需求权重；
rateblockiev(t)为第i个网格在第t时段的电动汽车需求权重；
rateblockir(t)为第i个网格在第t时段的人员需求权重；
a、b分别为预设的电动汽车比重和人员比重；
其中：
numevi(t)为第i个网格在第t时段内电动汽车的数量；
numri(t)为第i个网格在第t时段内人员的数量；
m为网格数量；
基于所述每个时段每个网格的充电需求权重计算有充电需求的电动汽车数量：
numevi(t)＝et*rateblocki(t)
其中：
numevi(t)表示第i个网格在第t时段内有充电需求的电动汽车数量；
et表示所有网格在第t时段内预设的有充电需求的电动汽车数量。
可选的，所述电动汽车行驶成本的获取方法包括：
其中：
distmn为第m个网格的电动汽车到第n个充电站的行驶距离；g为电动汽车单位公里行驶成本；v为电动汽车平均行驶速度；h为用户的出行时间价值；
所述电动汽车充电成本的获取方法包括：
其中：
ccharge为各个网格的电动汽车在各个充电站的充电成本；
ccharge_n为第n个充电站的单位电量充电电价；
qm为第m个网格的电动汽车的充电电量；
所述电动汽车充电等待成本的获取方法包括：
其中：
tmn(t)表示第m个网格中的电动汽车在第n个充电站的充电等待时间；
如果充电站内有空余的充电桩，则充电等待时间tmn(t)＝0；
如果充电站内没有空余的充电桩，则充电等待时间为：
其中：
pmn(t)表示第t时段开始第m个网格中的电动汽车在第n个充电站的充电总批次；
numnn表示第n个充电站的充电桩数量；
δt表示电动汽车的充电时间；
ymn(t)表示第t时段开始第m个网格中的电动汽车在第n个充电站内最后一个批次进行充电的电动汽车数量；
其中：
numevm(t)表示第m个网格在第t时段内有充电需求的电动汽车数量；
int表示取整处理；
其中：
mod表示取余数处理。
可选的，所述基于所述充电成本获取电动汽车到各个充电站的充电电价差，包括：
基于所述充电成本计算电动汽车到各个充电站的充电总成本；
基于所述充电总成本计算电动汽车到各个充电站的单位电量充电成本；
基于所述单位电量充电成本计算电动汽车到各个充电站的充电电价差。
可选的，所述充电总成本的计算方法包括：
其中：
csum为电动汽车行驶成本；
ccharge为电动汽车充电成本；
cwait为电动汽车充电等待成本；
csum_mn为第m个网格的电动汽车到第n个充电站的充电总成本；
所述单位电量充电成本的计算方法包括：
cunit_charge_mn＝csum_mn/qm
其中：
cunit_charge_mn表示第m个网格的电动汽车到第n个充电站的单位电量充电成本；
qm为第m个网格电动汽车的充电电量。
可选的，所述充电电价差的计算方法包括：
δpmn＝max{cunit_charge_m1，cunit_charge_m2，...，cunit_charge_mn}-cunit_charge_mn
其中：
δpmn为第m个网格的电动汽车到所有充电站的最大的单位电量充电成本与第m个网格的电动汽车到第n个充电站的单位电量充电成本之差。
可选的，所述基于所述充电电价差获取电动汽车到各个充电站的充电概率，包括：
基于所述充电电价差计算各个网格到各个充电站的用户响应度，计算方法包括：
pres_mn＝res(δpmn)
其中：
pres_mn表示第m个网格到第n个充电站的用户响应度；
基于所述用户响应度计算电动汽车到各个充电站的充电概率，计算方法包括：
其中：
p(mn)表示第m个网格的电动汽车到第n个充电站的充电概率。
可选的，所述基于所述充电概率获取各个充电站在各个时刻的充电电量，包括：
其中：
chargeqi(t)表示第i个充电站在t时段输出的充电电量；
p(ji)表示第j个网格的电动汽车到第i个充电站的充电概率；
qj(t)表示第j个网格的电动汽车在t时段的充电电量。
可选的，所述目标函数为：
其中：
chargeqi_peak表示充电峰值时段第i个充电站输出的充电电量；
chargeqi_flat表示充电平缓时段第i个充电站输出的充电电量；
chargeqi_valley表示充电低谷时段第i个充电站输出的充电电量；
peakpricei为优化变量，表示充电峰值时段第i个充电站的待制定电价；
flatpricei为优化变量，表示充电平缓时段第i个充电站的待制定电价；
valleypricei为优化变量，表示充电低谷时段第i个充电站的待制定电价；
k表示充电站的数量；
所述约束条件包括：电动汽车的数量小于等于充电站充电桩的数量。
与现有技术相比，本申请的有益效果为：
本申请提供了一种电动汽车充电站充电价格的调度方法，包括：将电动汽车路面区域划分为若干个网格；获取电动汽车充电需求数据；基于电动汽车充电需求数据获取各个网格的电动汽车到各个充电站的充电成本；基于充电成本获取电动汽车到各个充电站的充电电价差；基于充电电价差获取电动汽车到各个充电站的充电概率；基于充电概率获取各个充电站在各个时刻的充电电量；基于各个充电站在各个时刻的充电电量设定目标函数和约束条件；基于目标函数和约束条件构建充电站充电价格调度模型，充电站充电价格调度模型用于充电站充电价格的调度优化。本申请以网格化的充电需求为基础，考虑到电动汽车的菜单成本和充电站电价的影响，以待制定充电价格的充电站收益最大化为目标，充分反映充电电价对充电站市场需求的影响，进而对充电站的充电价格进行优化调度，得到最优的充电价格制定策略，增加了充电站的利润。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的电动汽车充电站充电价格的调度方法的整体流程图；
图2为本申请实施例中电动汽车对价格的敏感性曲线。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
参见图1，为本申请实施例提供的电动汽车充电站充电价格的调度方法的整体流程图。如图1所示，该方法包括以下步骤：
s1、将电动汽车路面区域划分为若干个网格；
s2、获取电动汽车充电需求数据；
s3、基于电动汽车充电需求数据获取各个网格的电动汽车到各个充电站的充电成本；
s4、基于充电成本获取电动汽车到各个充电站的充电电价差；
s5、基于充电电价差获取电动汽车到各个充电站的充电概率；
s6、基于充电概率获取各个充电站在各个时刻的充电电量；
s7、基于各个充电站在各个时刻的充电电量设定目标函数和约束条件；
s8、基于目标函数和约束条件构建充电站充电价格调度模型，充电站充电价格调度模型用于充电站充电价格的调度优化。
下面对各个步骤进行详细描述：
在步骤s1中，将电动汽车路面区域划分为若干个网格。
具体的，在本发明实施例中，电动汽车路面区域指的是电动汽车可以覆盖到的所有区域，包括：电动汽车行驶区域、电动汽车停靠区域和电动汽车进行充电的区域。
本发明实施例将电动汽车路面区域划分为m个网格，同时设定具有n个充电站。
在步骤s2，获取电动汽车充电需求数据。包括：充电时间、充电电量和有充电需求的电动汽车数量。
其中，电动汽车的充电时间和充电电量可以按照电动汽车的额定参数设定，也可根据电动汽车历史充电信息进行统计，将统计数据中的平均充电时间作为电动汽车的充电时间，平均充电电量作为电动汽车的充电电量，具体可由用户自行设置，本实施例中不做限定。
在本发明的一些实施例中，将一天24小时分为24个时间段，即设定一个计算时段为1小时，因此每天有24个时段。
其中，有充电需求的电动汽车数量的获取方法包括：
获取每个时段每个网格的充电需求权重：
rateblocki(t)＝a*rateblockiev(t) b*rateblockir(t)
其中：
rateblocki(t)为第i个网格在第t时段的充电需求权重；
rateblockiev(t)为第i个网格在第t时段的电动汽车需求权重；
rateblockir(t)为第i个网格在第t时段的人员需求权重；
a、b分别为预设的电动汽车比重和人员比重。
在一些实施例中，可以设定电动汽车比重a为0.6，人员比重b为0.4。
其中：
numevi(t)为第i个网格在第t时段内电动汽车的数量；具体可根据电动汽车位置分布热力图获取该数据；
numri(t)为第i个网格在第t时段内所有人员的数量；具体可根据人员位置分布热力图获取该数据；
m为网格数量。
基于所述每个时段每个网格的充电需求权重计算有充电需求的电动汽车数量：
numevi(t)＝et*rateblocki(t)
其中：
numevi(t)表示第i个网格在第t时段内有充电需求的电动汽车数量；
et表示所有网格在第t时段内预设的有充电需求的电动汽车数量。
需要说明的是，et为自行设定一个值，表示m个网格在第t时段内有充电需求的电动汽车数量。具体的，可以根据电动汽车历史充电数据进行统计，得到每个时段内有充电需求的电动汽车数量。
在步骤s3中，基于电动汽车充电需求数据获取各个网格的电动汽车到各个充电站的充电成本。
具体的，充电成本包括：电动汽车行驶成本、电动汽车充电成本和电动汽车充电等待成本。其中，电动汽车行驶成本的获取方法包括：
其中：
distmn为第m个网格的电动汽车到第n个充电站的行驶距离；
g为电动汽车单位公里行驶成本；
v为电动汽车平均行驶速度；
h为用户的出行时间价值。
电动汽车充电成本的获取方法包括：
其中：
ccharge为各个网格的电动汽车在各个充电站的充电成本；
ccharge_n为第n个充电站的单位电量充电电价；
qm为第m个网格的电动汽车的充电电量。
需要说明的是，每个计算时段均会产生一个充电成本矩阵。
电动汽车充电等待成本的获取方法包括：
其中：
tmn(t)表示第t时段开始第m个网格中的电动汽车在第n个充电站的充电等待时间；
如果充电站内有空余的充电桩，则充电等待时间tmn(t)＝0；
如果充电站内没有空余的充电桩，则充电等待时间为：
其中：
pmn(t)表示第t时段开始第m个网格中的电动汽车在第n个充电站的充电总批次；
numnn表示第n个充电站的充电桩数量；
δt表示电动汽车的充电时间；
ymn(t)表示第t时段开始第m个网格中的电动汽车在第n个充电站内最后一个批次进行充电的电动汽车数量；
其中：
numevm(t)表示第m个网格在第t时段内有充电需求的电动汽车数量；
int表示取整处理；
其中：
mod表示取余数处理。
需要说明的是，本发明实施例在具体实施时可以每天计算充电成本，也可以按照周，月，季度阶段计算充电成本，具体的周期可由用户自行设定，以便更好地进行价格博弈，从而制定充电桩的充电价格，实现收益最大化。
在步骤s4中，基于充电成本获取电动汽车到各个充电站的充电电价差。具体包括以下步骤：
s401、基于充电成本计算电动汽车到各个充电站的充电总成本。包括：
其中：
csum为电动汽车行驶成本；
ccharge为电动汽车充电成本；
cwait为电动汽车充电等待成本；
csum_mn为第m个网格的电动汽车到第n个充电站的充电总成本。
s402、基于充电总成本计算电动汽车到各个充电站的单位电量充电成本。
cunit_charge_mn＝csum_mn/qm
其中：
cunit_charge_mn表示第m个网格的电动汽车到第n个充电站的单位电量充电成本；
qm为第m个网格电动汽车的充电电量。
s403、基于单位电量充电成本计算电动汽车到各个充电站的充电电价差。
δpmn＝max{cunit_charge_m1，cunit_charge_m2，...，cunit_charge_mn}-cunit_charge_mn
其中：
δpmn为第m个网格的电动汽车到所有充电站的最大的单位电量充电成本与第m个网格的电动汽车到第n个充电站的单位电量充电成本之差。
在步骤s5中，基于充电电价差获取电动汽车到各个充电站的充电概率。具体包括以下步骤：
s501、基于充电电价差计算各个网格到各个充电站的用户响应度，计算方法包括：
pres_mn＝res(δpmn)
其中：
pres_mn表示第m个网格到第n个充电站的用户响应度。
需要说明的是，不同充电站之间的充电电价差值会影响用户去充电站充电的比例。用户不是在电价变化所有范围内都愿意改变充电方式，进行电价响应。只有电价变化超过一定范围用户才愿意改变用电习惯，即用户响应存在上下限阈值。电动汽车对价格的敏感性曲线可采用分段线性化的方式进行描述，记为函数pres＝res(x)，如图2所示。
其中，电价差低于电价差1的区域为死区，即用户对电价差没有响应，依旧保持原来的充电习惯。电价差介于电价差1和电价差2之间的区域为线性区，即用户对电价差的响应度呈线性增加，电价差越大响应度越大。电价差大于电价差2的区域为饱和区，此时即使再增加电价差，用户的响应度已经饱和，如达到了100％，无法增加。
s502、基于用户响应度计算电动汽车到各个充电站的充电概率，计算方法包括：
其中：
p(mn)表示第m个网格的电动汽车到第n个充电站的充电概率。
且某一网格到各充电站的充电概率之和为1。
在步骤s6中，基于充电概率获取各个充电站在各个时刻的充电电量。具体包括：
其中：
chargeqi(t)表示第i个充电站在t时段输出的充电电量；
p(ji)表示第j个网格的电动汽车到第i个充电站的充电概率；
qj(t)表示第j个网格的电动汽车在t时段的充电电量。
在步骤s7中，基于各个充电站在各个时刻的充电电量设定目标函数和约束条件。
具体的，以待优化充电站每日的收益最大化为目标构建目标函数，目标函数为：
其中：
chargeqi_peak表示充电峰值时段第i个充电站输出的充电电量；
chargeqi_flat表示充电平缓时段第i个充电站输出的充电电量；
chargeqi_valley表示充电低谷时段第i个充电站输出的充电电量；
peakpricei为优化变量，表示充电峰值时段第i个充电站的待制定电价；
flatpricei为优化变量，表示充电平缓时段第i个充电站的待制定电价；
valleypricei为优化变量，表示充电低谷时段第i个充电站的待制定电价；
k表示充电站的数量。
需要说明的是，本申请实施例中充电峰值时段、充电平缓时段和充电低谷时段可以根据城市用电情况的统计结果进行确定。例如：城市电网负荷一般在日间大于夜间，根据统计结果，某一地区的用电时间主要集中在10：00-13：00和17：00-21：00，因此将这两个时段设定为充电峰值时段，分别为早高峰和晚高峰；而在0:00-次日6:00的时段用电较少，因此设定为充电低谷时段；其他的时间段则设定为充电平缓时段。不难理解的是，本申请实施例设定的充电峰值时段、充电平缓时段和充电低谷时段并不是一成不变的，对于不同地区，或者同一地区的不同季节，供电网络的负荷也可能存在不同，因此在实际应用中要结合具体城市特点设定用电时段。在对于电动汽车的充电过程而言，由于充电功率较大，一般希望充电过程尽量避开用电高峰期，选择低谷期进行充电以减轻电网负荷和波动。因此，可在不同用电时段设定不同的充电单价以增加充电站的收益。
本申请实施例的约束条件设定为：电动汽车的数量小于等于充电站充电桩的数量。
在步骤s8中，基于目标函数和约束条件构建充电站充电价格调度模型，充电站充电价格调度模型用于充电站充电价格的调度优化。
在本发明实施例中，可采用但不局限于遗传算法对充电站充电价格调度模型进行求解，得到独立决策充电站各时段最优的充电电价。
本申请实施例考虑了各种类型电动汽车用户对充电价格的敏感性曲线、行驶成本、充电成本以及充电等待成本，充分反映充电电价对充电站市场需求的影响，为充电站制定优化的充电电价奠定基础。
本申请实施例考虑了周边多个充电站电价，充分反映竞争者的定价策略对待制定充电价的充电站充电电价的影响，通过求解优化模型可实现充电站收益最大化。
综上所述，本申请实施例具有以下技术效果：
本申请实施例以网格化的充电需求为基础，综合考虑待制定充电价格的充电站周边充电站的充电电价、不同类型电动汽车用户对充电价格的敏感性曲线、充电成本、电动汽车行驶成本和充电等待成本，以待制定充电价格的充电站收益最大化为目标，建立充电价格优化决策模型，可采用但不局限于遗传算法进行求解，得到最优的充电价格制定策略。
由于以上实施方式均是在其他方式之上引用结合进行说明，不同实施例之间均具有相同的部分，本说明书中各个实施例之间相同、相似的部分互相参见即可。在此不再详细阐述。
本领域的技术人员可以清楚地了解到本申请实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是，在本说明书中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或暗示这些实体或操作之间存在任何这种实际的关系或顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的电路结构、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种电路结构、物品或者设备所固有的要素。在没有更多限制的情况下，有语句“包括一个......”限定的要素，并不排除在包括所述要素的电路结构、物品或者设备中还存在另外的相同要素。
本领域技术人员在考虑说明书及实践这里发明的公开后，将容易想到本申请的其他实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求的内容指出。以上所述的本申请实施方式并不构成对本申请保护范围的限定。
1.一种电动汽车充电站充电价格的调度方法，其特征在于，所述方法包括：
将电动汽车路面区域划分为若干个网格；
获取电动汽车充电需求数据；
基于所述电动汽车充电需求数据获取各个网格的电动汽车到各个充电站的充电成本；
基于所述充电成本获取电动汽车到各个充电站的充电电价差；
基于所述充电电价差获取电动汽车到各个充电站的充电概率；
基于所述充电概率获取各个充电站在各个时刻的充电电量；
基于所述各个充电站在各个时刻的充电电量设定目标函数和约束条件；
基于所述目标函数和所述约束条件构建充电站充电价格调度模型，所述充电站充电价格调度模型用于充电站充电价格的调度优化。
2.根据权利要求1所述的调度方法，其特征在于，所述电动汽车充电需求数据包括：充电时间、充电电量和有充电需求的电动汽车数量；
所述充电成本包括：电动汽车行驶成本、电动汽车充电成本和电动汽车充电等待成本。
3.根据权利要求2所述的调度方法，其特征在于，所述有充电需求的电动汽车数量的获取方法包括：
获取每个时段每个网格的充电需求权重：
rateblocki(t)＝a*rateblockiev(t) b*rateblockir(t)
其中：
rateblocki(t)为第i个网格在第t时段的充电需求权重；
rateblockiev(t)为第i个网格在第t时段的电动汽车需求权重；
rateblockir(t)为第i个网格在第t时段的人员需求权重；
a、b分别为预设的电动汽车比重和人员比重；
其中：
numevi(t)为第i个网格在第t时段内电动汽车的数量；
numri(t)为第i个网格在第t时段内人员的数量；
m为网格数量；
基于所述每个时段每个网格的充电需求权重计算有充电需求的电动汽车数量：
numevi(t)＝et*rateblocki(t)
其中：
numevi(t)表示第i个网格在第t时段内有充电需求的电动汽车数量；
et表示所有网格在第t时段内预设的有充电需求的电动汽车数量。
4.根据权利要求3所述的调度方法，其特征在于，所述电动汽车行驶成本的获取方法包括：
其中：
distmn为第m个网格的电动汽车到第n个充电站的行驶距离；g为电动汽车单位公里行驶成本；v为电动汽车平均行驶速度；h为用户的出行时间价值；
所述电动汽车充电成本的获取方法包括：
其中：
ccharge为各个网格的电动汽车在各个充电站的充电成本；
ccharge_n为第n个充电站的单位电量充电电价；
qm为第m个网格的电动汽车的充电电量；
所述电动汽车充电等待成本的获取方法包括：
其中：
tmn(t)表示第m个网格中的电动汽车在第n个充电站的充电等待时间；
如果充电站内有空余的充电桩，则充电等待时间tmn(t)＝0；
如果充电站内没有空余的充电桩，则充电等待时间为：
其中：
pmn(t)表示第t时段开始第m个网格中的电动汽车在第n个充电站的充电总批次；
numnn表示第n个充电站的充电桩数量；
δt表示电动汽车的充电时间；
ymn(t)表示第t时段开始第m个网格中的电动汽车在第n个充电站内最后一个批次进行充电的电动汽车数量；
其中：
numevm(t)表示第m个网格在第t时段内有充电需求的电动汽车数量；
int表示取整处理；
其中：
mod表示取余数处理。
5.根据权利要求4所述的调度方法，其特征在于，所述基于所述充电成本获取电动汽车到各个充电站的充电电价差，包括：
基于所述充电成本计算电动汽车到各个充电站的充电总成本；
基于所述充电总成本计算电动汽车到各个充电站的单位电量充电成本；
基于所述单位电量充电成本计算电动汽车到各个充电站的充电电价差。
6.根据权利要求5所述的调度方法，其特征在于，所述充电总成本的计算方法包括：
其中：
csum为电动汽车行驶成本；
ccharge为电动汽车充电成本；
cwait为电动汽车充电等待成本；
csum_mn为第m个网格的电动汽车到第n个充电站的充电总成本；
所述单位电量充电成本的计算方法包括：
cunit_charge_mn＝csum_mn/qm
其中：
cunit_charge_mn表示第m个网格的电动汽车到第n个充电站的单位电量充电成本；
qm为第m个网格电动汽车的充电电量。
7.根据权利要求6所述的调度方法，其特征在于，所述充电电价差的计算方法包括：
δpmn＝max{cunit_charge_m1，cunit_charge_m2，...，cunit_charge_mn}-cunit_charge_mn
其中：
δpmn为第m个网格的电动汽车到所有充电站的最大的单位电量充电成本与第m个网格的电动汽车到第n个充电站的单位电量充电成本之差。
8.根据权利要求7所述的调度方法，其特征在于，所述基于所述充电电价差获取电动汽车到各个充电站的充电概率，包括：
基于所述充电电价差计算各个网格到各个充电站的用户响应度，计算方法包括：
pres_mn＝res(δpmn)
其中：
pres_mn表示第m个网格到第n个充电站的用户响应度；
基于所述用户响应度计算电动汽车到各个充电站的充电概率，计算方法包括：
其中：
p(mn)表示第m个网格的电动汽车到第n个充电站的充电概率。
9.根据权利要求8所述的调度方法，其特征在于，所述基于所述充电概率获取各个充电站在各个时刻的充电电量，包括：
其中：
chargeqi(t)表示第i个充电站在t时段输出的充电电量；
p(ji)表示第j个网格的电动汽车到第i个充电站的充电概率；
qj(t)表示第j个网格的电动汽车在t时段的充电电量。
10.根据权利要求9所述的调度方法，其特征在于，所述目标函数为：
其中：
chargeqi_peak表示充电峰值时段第i个充电站输出的充电电量；
chargeqi_flat表示充电平缓时段第i个充电站输出的充电电量；
chargeqi_valley表示充电低谷时段第i个充电站输出的充电电量；
peakpricei为优化变量，表示充电峰值时段第i个充电站的待制定电价；
flatpricei为优化变量，表示充电平缓时段第i个充电站的待制定电价；
valleypricei为优化变量，表示充电低谷时段第i个充电站的待制定电价；
k表示充电站的数量；
所述约束条件包括：电动汽车的数量小于等于充电站充电桩的数量。
技术总结