基于排队论的电动出租车快速充电站服务特性分析方法技术

本发明专利技术涉及一种基于排队论的电动出租车快速充电站服务特性分析方法，其主要技术特点是：统计电动出租车用户快速充电的充电需求；使用极大似然估计法和假设检验估计每日充电需求高峰时间段以及在该时间段内充电需求所服从的泊松分布的参数；分别求取不同充电机数量下的最长队长和平均等待时间；根据最长队长、平均等待时间选取最佳充电机数量。本发明专利技术通过对快速充电站潜在用户的充电行为数据分析，建立排队论数学模型，得出充电站的排队队长、排队时间与充电位数量的关系，以帮助充电站优化充电位的数量，提升充电站经济效益和服务水平。

Analysis method of service characteristics of electric taxi fast charging station based on Queuing Theory

The present invention relates to an analysis method of service characteristics of an electric taxi fast charging station based on queuing theory. Its main technical features are: statistics the charging demand of quick charging for electric taxi users; using maximum likelihood estimation method and hypothesis test to estimate the peak time interval of daily charging demand and the demand for charging in this period. The parameters of the Poisson distribution obey, the longest queue length and the average waiting time under the number of different charger are obtained respectively, and the optimum number of the charger is selected according to the longest queue length and the average waiting time. By analyzing the charging behavior data of the potential users of the fast charging station, this paper establishes a mathematical model of queuing theory, and obtains the relationship between the queue length, the queuing time and the number of charging stations to help the charging station optimize the number of charging stations and improve the economic benefit and service level of the charging station.

【技术实现步骤摘要】
基于排队论的电动出租车快速充电站服务特性分析方法
本专利技术属于电动汽车快速充电站
，尤其是一种基于排队论的电动出租车快速充电站服务特性分析方法。
技术介绍
随着国家对新能源汽车发展的持续推广，电动汽车在全社会的应用已经愈加广泛，特别是电动公交车和电动出租车已经在许多大中型城市进行了大范围的示范运行。但是，电动汽车的充电基础设施建设仍旧不能满足电动汽车用户不断增长的使用需求，急需进行充电设施的新建和改扩建。电动出租车是电动汽车各类型中一个十分重要的组成部分，其具有日运行时间长、用电需求量大、可用于充电时间短以及充电时间集中等特点，是较为特殊的电动汽车用电负荷。根据电动出租车的特点，其往往采用快速充电或换电的方式进行能量补充，从而大大减少其充电时间。对于采用快速充电方式的电动出租车，其在需要进行能量补充时，行驶至快速充电站停车充电，主要通过充电机进行1C以上的大电流直流充电，充电时间一般在60分钟以内。由于快速充电站的充电位数量的限制，快速充电站在充电高峰时期可能出现排队现象，因此需要对这一现象进行分析研究，提出充电服务的改进方案。目前已发表的有关电动汽车充电站的专利和文献主要针对充电站的选址和定容问题，其研究的主要内容是保证充电站的位置和容量能够满足区域电动汽车用户的电量使用需求，而没有详细考虑充电站内部实际的运行情况。由于电动出租车充电的同时率较高，传统充电站规划的电量研究角度不能满足其实际运行的使用需求，充电站内不可避免会出现排队现象，从而造成电动出租车大量滞留在充电站，极大限制了电动出租车的普及和发展。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提出一种基于排队论的电动出租车快速充电站服务特性分析方法，其通过对快速充电站潜在用户的充电行为数据分析，建立排队论数学模型，得出充电站的排队队长、排队时间与充电位数量的关系，以帮助充电站优化充电位的数量，提升充电站经济效益和服务水平。本专利技术解决其技术问题是采取以下技术方案实现的：一种基于排队论的电动出租车快速充电站服务特性分析方法，包括以下步骤：步骤1：统计电动出租车用户快速充电的充电需求；步骤2：使用极大似然估计法和假设检验估计每日充电需求高峰时间段以及在该时间段内充电需求所服从的泊松分布的参数；步骤3：分别求取不同充电机数量下的最长队长和平均等待时间；步骤4：根据最长队长、平均等待时间选取最佳充电机数量。进一步地，所述步骤1的具体实现方法为：步骤11：获取电动出租车用户驾驶电动汽车至快速充电站充电的起始时间，统计一段时间内到达电动出租车快速充电站的数量，形成序列{xi}；步骤12：根据目前ΔT的取值，统计序列{xi}内每隔ΔT时间的出租车到达数量，记为{γi}。进一步地，所述步骤2的具体实现方法为：步骤21：选取序列{γi}中的一个最高点作为高峰时段极值，取其前后1小时形成充电高峰时间段初值区间[a0,b0]；步骤22：使用极大似然估计法估计序列{γi}在[ai,bi]内的平均到达率其中，为序列{γi}在[ai,bi]区间的平均值；步骤23：计算泊松分布假设检验的统计量其中pi是{γi}序列中的某一数值γi在{γi}序列(i∈[ai,bi])中出现的频数，r为不同γi值的数量，n为序列{γi}中样本的总数量；步骤24：通过计算和查数理统计表，如果满足则通过假设检验进入步骤3，否则将研究[ai,bi]时间段缩小为[ai+1,bi+1]＝[ai+Δt,bi-Δt]后返回步骤22重新计算，若但改变后出现ai+1≥bi+1，则将ΔT增加Δt，返回步骤1继续计算。进一步地，所述步骤3采用如下公式求取不同充电机数量c下的最长队长Lq、平均等待时间Wq其中，P0为有0辆电动汽车接受快速充电服务的概率；μ为服务时间服从的负指数分布式的参数；c为充电站内充电机的台数；ρ称为服务强度，为平均到达率λi与平均服务率cμ的比值；k为公式内辅助参数。进一步地，所述步骤4的具体实现方法为：根据步骤3求取的最长队长Lq、平均等待时间Wq选取最佳充电机数量c，要求Lq＜10且Wq＜30min，若没有符合条件的充电机数量c则ΔT增加Δt，返回步骤1。本专利技术的优点和积极效果是：1、本专利技术重点在于对实际运行数据的处理和分析方法，使用极大似然估计和假设检验结合的方法反复验证，定位充电站的高峰期的持续时间段和充电需求，然后运用排队论模型公式模拟不同服务充电机数量下的高峰期充电站的队长和排队时间参数，快速分析出充电站的运行情况，并给出了确定最优充电机数量的方法，为电动出租车快速充电站的规划和扩建提供了理论分析支持，并且本专利技术亦可推广至普通电动汽车充电站的规划和扩建中，具有较强的实用意义。2、本专利技术通过对快速充电站潜在用户的充电行为数据分析，建立排队论数学模型，得出充电站的排队队长、排队时间与充电位数量的关系，以帮助充电站优化充电位的数量，提升充电站经济效益和服务水平。附图说明图1为本专利技术的处理流程图；图2为每5分钟到达快速充电站的电动出租车数量示意图。具体实施方式以下结合附图对本专利技术实施例做进一步详述。一种基于排队论的电动出租车快速充电站服务特性分析方法，是对电动出租车到达充电站的时间数据进行处理和分析，通过参数识别和假设检验求得充电需求高峰时间及在此时间段内充电需求服从的泊松分布参数，从而基于排队论求得快速充电站最佳的充电车位设置数量。具体方法如图1所示，包括以下步骤：步骤S1：获取电动出租车用户驾驶电动汽车至快速充电站充电的起始时间，统计每个ΔT时段内(ΔT为5min)到达充电站的电动出租车数量序列{γi}。具体包括如下步骤：步骤S11：统计每一分钟到达电动出租车快速充电站的数量，形成序列{xi}；步骤S12：根据目前ΔT的取值5min，统计序列{xi}内每隔ΔT时间的出租车到达数量，记为{γi}。按照上述步骤得到的统计数据如附图2所示。步骤S2：通常认为高峰时段内充电需求服从泊松分布，根据各时段充电需求数据，使用极大似然估计法和假设检验对数据中的疑似高峰时间段进行估计，观察图2可知高峰时间段在11:00～12:00和16:00～18:30区间内。因为泊松分布的极大似然估计值为样本均值，即可用X2统计量来检验样本是否符合泊松分布，并得到服从泊松分布的时间段[ai,bi]，即是每日充电需求高峰时间段范围，如果计算结果无法通过假设检验，则ΔT增加Δt(5min)，返回步骤S1重新统计。具体包括如下步骤：步骤S21：选取γi数列中的一个极值点作为高峰时段极值，取其前后1小时形成充电高峰时间段初值区间[a0,b0]＝[11：15,12：15]；步骤S22：根据经典排队论分析可知，某一时间段[ai,bi]内充电需求所服从的泊松分布的参数λi的极大似然估计值等于该时段内充电需求的平均值，即因此λ0＝3。步骤S23：计算泊松分布假设检验的统计量其中pi是{γi}序列中的某一数值γi在{γi}序列(i∈[ai,bi])中出现的频数，r为不同γi值的数量，n为序列{γi}中样本的总数量；步骤S24：通过计算和查数理统计表，如果满足则通过假设检验进入步骤S3，否则将研究[ai,bi]时间段缩小为[ai+1,bi+1]＝[ai+Δt,bi-Δt]后返回步骤S22重新计算，若但改变后出现ai+本文档来自技高网...

【技术保护点】
1.一种基于排队论的电动出租车快速充电站服务特性分析方法，其特征在于包括以下步骤：步骤1：统计电动出租车用户快速充电的充电需求；步骤2：使用极大似然估计法和假设检验估计每日充电需求高峰时间段以及在该时间段内充电需求所服从的泊松分布的参数；步骤3：分别求取不同充电机数量下的最长队长和平均等待时间；步骤4：根据最长队长、平均等待时间选取最佳充电机数量。

【技术特征摘要】
1.一种基于排队论的电动出租车快速充电站服务特性分析方法，其特征在于包括以下步骤：步骤1：统计电动出租车用户快速充电的充电需求；步骤2：使用极大似然估计法和假设检验估计每日充电需求高峰时间段以及在该时间段内充电需求所服从的泊松分布的参数；步骤3：分别求取不同充电机数量下的最长队长和平均等待时间；步骤4：根据最长队长、平均等待时间选取最佳充电机数量。2.根据权利要求1所述的基于排队论的电动出租车快速充电站服务特性分析方法，其特征在于：所述步骤1的具体实现方法为：步骤11：获取电动出租车用户驾驶电动汽车至快速充电站充电的起始时间，统计一段时间内到达电动出租车快速充电站的数量，形成序列{xi}；步骤12：根据目前ΔT的取值，统计序列{xi}内每隔ΔT时间的出租车到达数量，记为{γi}。3.根据权利要求2所述的基于排队论的电动出租车快速充电站服务特性分析方法，其特征在于：所述步骤2的具体实现方法为：步骤21：选取序列{γi}中的一个最高点作为高峰时段极值，取其前后1小时形成充电高峰时间段初值区间[a0,b0]；步骤22：使用极大似然估计法估计序列{γi}在[ai,bi]内的平均到达率i∈[ai,bi]，其中，为序列{γi}在[ai,bi]区间的平均...

【专利技术属性】
技术研发人员：刘亚丽，李树鹏，赵新，李国栋，王旭东，胡晓辉，陈培育，刘云，吕金炳，于光耀，徐青山，刘瑜俊，任国岐，徐志丹，赵宏振，
申请(专利权)人：国网天津市电力公司电力科学研究院，国网天津市电力公司，国家电网公司，东南大学，
类型：发明
国别省市：天津,12