CN102880921B - 一种电动汽车充电站选址优化方法 - Google Patents
一种电动汽车充电站选址优化方法 Download PDFInfo
- Publication number
- CN102880921B CN102880921B CN201210391040.4A CN201210391040A CN102880921B CN 102880921 B CN102880921 B CN 102880921B CN 201210391040 A CN201210391040 A CN 201210391040A CN 102880921 B CN102880921 B CN 102880921B
- Authority
- CN
- China
- Prior art keywords
- charging station
- charging
- electric automobile
- investment
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 238000010586 diagram Methods 0.000 claims abstract description 10
- 230000003203 everyday effect Effects 0.000 claims description 10
- 238000000638 solvent extraction Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 2
- 238000013439 planning Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种电动汽车充电站选址优化方法,它通过充电站服务半径约束条件考虑充电者充电便捷性,通过优化充电站数量和根据子区域用地性质确定充电站初始位置,初步优化充电站投资,同时基于Voronoi图性质进行合理的负荷分配,以充电站选址可影响的投资和费用为优化目标,在每个Voronoi多边形内优化选址,最后确定充电站的位置、服务区域和包含充电机数量。通过算例表明,该方法能快捷、有效进行充电站选址,同时满足充电便捷性、经济性和投资最优性。
Description
技术领域
本发明属于电动汽车充电站对选址优化技术领域,涉及一种基于Voronoi图和地图划分理论,并以充电站投资和消耗费用为优化模型的电动汽车选址方法。
背景技术
电动汽车有缓解能源危机、环境污染以及完善汽车行业结构的优势,因此得到国家的大力扶持并有广阔的发展前景。作为电动汽车基础建设的充电系统,合理的充电设施规划不仅关系到消费者的便捷性、经济性,更影响到电动汽车的广泛推广和电动汽车产业的可持续发展,因此在充电设施大规模建设之前,应该正确提出合理规划充电设施的方法。
目前对充电设施规划研究已经取得初步成果,有的文献将充电设施规划分为示范阶段、公益阶段、商业运营阶段等不同的阶段,并提出对应阶段的特点;有的文献从经济性方面进行研究,将消费者的充电和充电站投资的总成本作为了优化目标,采用不同的理论和算法,如排队理论、粒子群算法、遗传算法等,研究充电站最优分布和规模。对于电动汽车充电站选址规划,首先应该考虑充电站投资费用和消费者使用费用最小化,对于现有的研究,主要集中在电动汽车充电站投资费用方面的优化,而忽略了消费者的使用费用;其次消费者充电的便捷性是充电站选址的重要影响因素,这是因为在消费者在发生为电动汽车充电行为时,首先会考虑在距离自己最近的充电站充电,充电便捷性影响着充电站的选址和规模,但现有的研究忽略了这一重要因素;最后现有的研究侧重于对模型的优化算法,并没有涉及整个区域的充电站具体的选址规划。
总的来说,现有的电动汽车充电站选址规划方法缺少考虑因素,没有对具体的区域经行选址规划。
发明内容
本发明的目的就是为了解决上述问题,提出一种基于Voronoi图和地图划分理论,并以充电站投资和消耗费用为优化模型的电动汽车选址方法。
为了实现上述目的,本发明采用如下技术方案。
一种电动汽车充电站选址优化方法,首先,比较准确预测电动汽车的数量和分布,进而初步确定充电站的数量。其次,根据区域用地特性划分子区域,结合地图划分思想和约束条件,确定最优充电站数量和充电站初始位置,最后,基于Voronoi图划分充电站服务区域,在每个Voronoi多边形内,通过计算负荷点坐标平均值确定充电站新位置,通过迭代计算优化充电站投资和消费者消耗总费用模型,最终确定充电站位置、服务区域以及包含的充电机数量。通过该方法可以简单、直观、经济的确定某个区域电动汽车充电站选址规划。
所述的电动汽车充电站投资和消费者消耗费用模型如下:
充电站选址的主要任务是根据区域电动汽车数量和分布,在区域中选择合理的充电站数量和地址,以满足电动汽车用户的充电需求,既要考虑用户充电的便捷性、经济性,又要考虑充电站投资的最优性。对于充电者充电便捷性,设定充电站服务半径约束条件;对于用户充电经济性,建立用户在充电路上年消耗费用模型;对于充电站投资最优,建立充电年投资费用模型,主要包括投资费用、维修费用、网损费用。因此对于整个区域,一方面要求每个负荷点到其最近的充电站的距离dmin(si,uj)小于充电者满意充电距离;另一方面要求充电站选址可影响的投资和消耗费用最优(包括投资成本和用户成本),用数学语言描述,如式(1)、式(2):
dmin(si,uj)<r;i=1,2,…n;j=1,2,…,m (1)
min(G)=min(g1+g2+g3) (2)
式中:si为第i个充电站;uj为第j个电动汽车负荷点;r为充电者满意距离;G为充电站选址可影响的年投资和消耗费用;g1为区域充电站建设年投资和维修费用;g2为年网损费用;g3为充电者充电路上年消耗费用;Ai为第i个充电站投资费用;r0为投资回收率;n1为充电站运行目标年限;a为设备的年维护折旧率;F为平均电价;β为变压器损耗率;Wi为第i个充电站一年为电动汽车提供的总电能;k1为线路损耗计算系数;H为充电站年平均利用小时;L1i为第i个充电站输电馈线长度;P是线路每公里有功损耗;e为每个负荷点代表的需要到充电站充电的电动汽车数量(选择主要交通路口作为代表其周围区域需要到充电站充电的电动汽车数量,称该交通路口为负荷点);ω为电动汽车平均百公里耗电量。L2i为第i个充电站服务区域中负荷点到充电站的距离之和。θ为功率因数角;U为电压等级;R为每公里线路电阻。
所述电动汽车数量预测和分布如下:
根据区域现有的中小型汽车数量及年增长率,计算未来几年的汽车数量,预测电动汽车市场占有率,计算该区域电动汽车总数。考虑到电动汽车每次充电后平均可行驶120km,社会车辆平均每天行驶30km,即充电者平均4天为电动汽车充一次电,所以每天需要充电站提供充电服务的电动汽车数量为:
式中:d为该区域平均每天需要到充电站充电的电动汽车数量;b为该区域目前中小型汽车数量;k2为该区域中小型汽车数量年平均增长率;βm为m年后电动汽车市场占有率;c为充电站在所有充电设施中所占的工作比例。
电动汽车的分布与区域中地理环境和人口密度有关,一个区域中主要交通路口的密度能反映该地区人口密度,选择主要交通路口作为代表其周围区域需要到充电站充电的电动汽车数量,称该交通路口为负荷点,则每个负荷点代表的电动汽车数量为:
式中:g为区域中总的负荷点数;[]表示取整。
所述电动汽车充电站规模如下:
为了满足用户充电便捷性,本发明提出充电站服务半径约束条件式(1),同时这也对每个充电站的服务面积有了限制,即最大服务面积为πr2,因此一个区域的充电站数量最少为:
式中:N为最少充电站数量;S为区域总面积。
采用快速充电方式,30分钟即可完成对社会电动汽车的充电,所以充电站包含的充电机台数及一年为电动汽车提供的电能分别为:
Wi=365wfie (11)
式中:Fi为第i个充电站中充电机的数量;fi为第i个充电站所在Voronoi多边形内包含的负荷点数;h为充电机平均每天工作的小时;W为电动汽车充电一次消耗电能。
所述电动汽车充电站选址优化方法如下:
充电站选址优化,即在满足约束条件式(1)下,以式(2)为优化目标,同时确定充电站位置。主要讨论从以下几个方面减少投资和损耗费用,从而对充电站选址优化。
(1)选取最优的充电站数量
充电站的数量在很大程度上决定了变压器投资、充电站整体运行维护投资和固定投资,因此在满足式(1)的条件下,尽量减少充电站的数量,将会减少整体充电站建设的投资。首先根据式(9)选择最小的充电站数量,并在充电站初步选址时,满足约束条件式(1),否则增加充电站数量。
(2)充电站初步选址
根据用地性质、经济水平、人口密度等区域特征可将一个区域划分成子区域Vi,i=1,2,…,k;由于用地性质和位置的不同,每个区域中建立充电站所需要的购地成本和输电馈线成本不同,从而使每个区域上建立充电站的成本不同。可以算出每个区域上建立相同容量充电站的初始投资
和
则有
i=1,2,…,k;j=1,2,…k;i≠j;因此在初步选址时,根据地图划分思想,优先选择投资成本低的子区域建立充电站,同时结合约束条件式(1),确定充电站的初始位置。
(3)充电站选址优化及步骤
根据初步确定的充电站位置,求出以充电站为欧几里德平面中离散点的Voronoi图,划分每个充电站的服务区域,则整个区域充电站的选址优化转化为在每个Voronoi多边形内充电站优化选址,根据式(2)-(6)计算该选址情况下的投资和费用,然后采用平均值法计算每个Voronoi多边形内负荷坐标的平均值作为新的选址点,根据新的充电站位置,再求解Voronoi图,同时求解该情况下的投资和费用。以此迭代,当目标函数式(2)最优时,停止迭代。
所述充电站选址的具体步骤为:
步骤1 搜集区域数据,预测区域每天需要到充电站充电的电动汽车数量,根据负荷点数计算每个负荷点代表的电动汽车数量。
步骤2 根据区域面积和充电站充电服务半径约束条件初步确定充电站数量。
步骤3 根据区域用地特性划分子区域,结合地图划分思想和约束条件,确定最优充电站数量和充电站初始位置。
步骤4 求以充电站为离散点的Voronoi图,划分充电站服务区域。根据式(10)计算相应充电机数量,并由式(2)-(6)计算该选址下充电站的总投资和费用G1。
步骤5 采用平均值法计算每个Voronoi多边形内负荷坐标的平均值作为充电站新的选址点,并求解Voronoi图。计算充电站在新位置下的总投资和费用G2。
步骤6 判断是否满足终止迭代条件。若充电站总投资满足
a为大于零的微小常数,停止程序运行,并选Gi-1对应的充电站位置作为优选地址。
本发明的有益效果:该方法基于Voronoi图和地图划分理论,并以充电站投资和消耗费用为优化模型,最终能在一个区域内确定具有充电便捷性、投资优化性的充电站地址。
附图说明
图1是区域电子图及区域划分图。
图2是最终充电站位置及服务区域划分图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
利用上述充电站选址的具体步骤和算法对某城市二环路以内的区域进行充电站选址,目前该区域没有建立为社会电动汽车提供充电服务的充电站。获取该区域的电子图形,根据区域特性,将区域划分为子区域为Vi,i=1,2,…,6且
i=1,2,…5,如图1所示,计算参数如表1所示。
根据表1和式(1),计算区域每天到充电站充电的电动汽车数量为9143辆,由图1可知,总共有85个负荷点,由式8可得,每个负荷点代表108辆电动汽车。根据式(9)选址8个充电站,但不能满足充电站服务半径约束条件,因此选择9个充电站,结合地图划分思想和子区域划分,初步确定充电站位置,再根据选址步骤和式(2)-(6)进行迭代计算。
计算过程中的负荷点、充电站坐标并没有采用实际中的坐标,而是采用相对坐标,同时为了方便表达充电站的位置,以区域中一点为原点,建立坐标轴,最后确定充电站的位置和服务区域,如图2所示,充电站坐标和包含充电机数量如表2所示。
表1 参数选择
表2 充电站坐标及对应充电机数量
由图2可知,可以得到每个充电站的服务区域,符合人们的就进充电原则,且每个负荷点到充电站的距离满足充电站服务半径约束条件,符合充电者对充电便捷性的要求。由表2可以看出,该算法可以得到每个充电站的具体位置,同时每个充电站包含的充电机数量不同,符合不同地区不同负荷量的实际情况。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (3)
1.一种电动汽车充电站选址优化方法,其特征是,包括如下步骤:
首先,预测电动汽车的数量和分布,进而初步确定充电站的数量;
其次,根据区域用地特性划分子区域,结合地图划分思想和约束条件,确定最优充电站数量和充电站初始位置;
最后,基于Voronoi图划分充电站服务区域,在每个Voronoi多边形内,通过计算负荷点坐标平均值确定充电站新位置,通过迭代计算优化充电站投资和消费者消耗总费用模型,最终确定充电站位置、服务区域以及包含的充电机数量;
所述的电动汽车充电站投资和消费者消耗费用模型如下:
对于充电者充电便捷性,设定充电站服务半径约束条件;对于用户充电经济性,建立用户在充电路上年消耗费用模型;对于充电站投资最优,建立充电年投资费用模型,主要包括投资费用、维修费用、网损费用;因此对于整个区域,一方面要求每个负荷点到其最近的充电站的距离dmin(si,uj)小于充电者满意充电距离;另一方面要求充电站选址可影响的投资和消耗费用最优,用数学语言描述,如式(1)、式(2):
dmin(si,uj)<r;i=1,2,…n;j=1,2,…,m (1)
min(G)=min(g1+g2+g3) (2)
式中:si为第i个充电站;uj为第j个电动汽车负荷点;r为充电者满意距离;G为充电站选址可影响的年投资和消耗费用;g1为区域充电站建设年投资和维修费用;g2为年网损费用;g3为充电者充电路上年消耗费用;Ai为第i个充电站投资费用;r0为投资回收率;n1为充电站运行目标年限;a为设备的年维护折旧率;F为平均电价;β为变压器损耗率;Wi为第i个充电站一年为电动汽车提供的总电能;k1为线路损耗计算系数;H为充电站年平均利用小时;L1i为第i个充电站输电馈线长度;P是线路每公里有功损耗;e为每个负荷点代表的需要到充电站充电的电动汽车数量;ω为电动汽车平均百公里耗电量;L2i为第i个充电站服务区域中负荷点到充电站的距离之和;θ为功率因数角;U为电压等级;R为每公里线路电阻。
2.如权利要求1所述的电动汽车充电站选址优化方法,其特征是,所述电动汽车充电站选址优化方法具体步骤如下:
步骤(一),所述电动汽车数量预测和分布如下:
根据区域现有的中小型汽车数量及年增长率,计算未来几年的汽车数量,预测电动汽车市场占有率,计算该区域电动汽车总数;考虑到电动汽车每次充电后平均可行驶120km,社会车辆平均每天行驶30km,即充电者平均4天为电动汽车充一次电,所以每天需要充电站提供充电服务的电动汽车数量为:
式中:d为该区域平均每天需要到充电站充电的电动汽车数量;b为该区域目前中小型汽车数量;k2为该区域中小型汽车数量年平均增长率;βm为m年后电动汽车市场占有率;c为充电站在所有充电设施中所占的工作比例;
电动汽车的分布与区域中地理环境和人口密度有关,一个区域中主要交通路口的密度能反映该地区人口密度,选择主要交通路口作为代表其周围区域需要到充电站充电的电动汽车数量,称该交通路口为负荷点,则每个负荷点代表的电动汽车数量为:
式中:g为区域中总的负荷点数;[]表示取整;
步骤(二),所述电动汽车充电站规模如下:
为了满足用户充电便捷性,提出充电站服务半径约束条件式(1),同时这也对每个充电站的服务面积有了限制,即最大服务面积为πr2,因此一个区域的充电站数量最少为:
式中:N为最少充电站数量;S为区域总面积;
采用快速充电方式,30分钟即可完成对社会电动汽车的充电,所以充电站包含的充电机台数及一年为电动汽车提供的电能分别为:
Wi=365wfie (11)
式中:Fi为第i个充电站中充电机的数量;fi为第i个充电站所在Voronoi多边形内包含的负荷点数;h为充电机平均每天工作的小时;w为电动汽车充电一次消耗电能;
步骤(三),所述电动汽车充电站选址优化方法如下:充电站选址优化,即在满足约束条件式(1)下,以式(2)为优化目标,同时确定充电站位置。
3.如权利要求2所述的电动汽车充电站选址优化方法,其特征是,所述步骤(三)中,从以下方面减少投资和损耗费用,从而对充电站选址优化,
步骤(1),选取最优的充电站数量
充电站的数量在很大程度上决定了变压器投资、充电站整体运行维护投资和固定投资,因此在满足式(1)的条件下,尽量减少充电站的数量,将会减少整体充电站建设的投资;首先根据式(9)选择最小的充电站数量,并在充电站初步选址时,满足约束条件式(1),否则增加充电站数量;
步骤(2),充电站初步选址
根据用地性质、经济水平、人口密度等区域特征可将一个区域划分成子区域Vi,i=1,2,…,k;由于用地性质和位置的不同,每个区域中建立充电站所需要的购地成本和输电馈线成本不同,从而使每个区域上建立充电站的成本不同;能够算出每个区域上建立相同容量充电站的初始投资则有:
i=1,2,…,k;j=1,2,…k;i≠j;因此在初步选址时,根据地图划分思想,优先选择投资成本低的子区域建立充电站,同时结合约束条件式(1),确定充电站的初始位置;
步骤(3),充电站选址优化及步骤
根据初步确定的充电站位置,求出以充电站为欧几里德平面中离散点的Voronoi图,划分每个充电站的服务区域,则整个区域充电站的选址优化转化为在每个Voronoi多边形内充电站优化选址,根据式(2)-(6)计算该选址情况下的投资和费用,然后采用平均值法计算每个Voronoi多边形内负荷坐标的平均值作为新的选址点,根据新的充电站位置,再求解Voronoi图,同时求解该情况下的投资和费用;以此迭代,当目标函数式(2)最优时,停止迭代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210391040.4A CN102880921B (zh) | 2012-10-16 | 2012-10-16 | 一种电动汽车充电站选址优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210391040.4A CN102880921B (zh) | 2012-10-16 | 2012-10-16 | 一种电动汽车充电站选址优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102880921A CN102880921A (zh) | 2013-01-16 |
CN102880921B true CN102880921B (zh) | 2016-08-10 |
Family
ID=47482237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210391040.4A Active CN102880921B (zh) | 2012-10-16 | 2012-10-16 | 一种电动汽车充电站选址优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102880921B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190832A (zh) * | 2018-09-11 | 2019-01-11 | 东南大学 | 一种基于重心理论的电动公交车充电站选址方法 |
TWI822018B (zh) * | 2022-04-29 | 2023-11-11 | 湛積股份有限公司 | 充電站的部署之優化方法及充電站的規劃系統 |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116812A (zh) * | 2013-02-20 | 2013-05-22 | 重庆市电力公司电力科学研究院 | 一种新型的变电站布点方法 |
CN103699950A (zh) * | 2013-09-07 | 2014-04-02 | 国家电网公司 | 一种考虑交通网络流量的电动汽车充电站规划方法 |
CN105160449A (zh) * | 2015-07-06 | 2015-12-16 | 国家电网公司 | 一种电动汽车充电桩优化布局方法 |
CN105160428B (zh) * | 2015-08-19 | 2018-04-06 | 天津大学 | 高速公路电动汽车快速充电站的规划方法 |
CN105139096A (zh) * | 2015-09-28 | 2015-12-09 | 东南大学 | 一种基于两阶段优化的电动汽车充电站选址定容方法 |
CN106875075B (zh) * | 2015-12-14 | 2020-06-09 | 贵州电网有限责任公司电力科学研究院 | 一种基于出行行为学的电动汽车充电站布点方法 |
CN105447602A (zh) * | 2016-01-01 | 2016-03-30 | 三峡大学 | 一种电动汽车充换电站优化布局系统 |
CN106295898A (zh) * | 2016-08-15 | 2017-01-04 | 万马联合新能源投资有限公司 | 一种设置充电桩的方法 |
CN107016451B (zh) * | 2016-10-11 | 2020-12-04 | 蔚来(安徽)控股有限公司 | 基于聚类分析的换电站选址方法 |
CN106503845A (zh) * | 2016-10-21 | 2017-03-15 | 国网山东省电力公司烟台供电公司 | 一种基于v图和hs算法的充电站布局规划方法 |
CN106529797B (zh) * | 2016-10-28 | 2018-09-07 | 四川大学 | 电动汽车充电网络规划方法 |
CN106643783B (zh) * | 2016-12-28 | 2020-06-09 | 国网天津市电力公司东丽供电分公司 | 基于最短路径泰森多边形的电动汽车充电站搜索方法 |
CN106951978B (zh) * | 2017-02-20 | 2021-03-05 | 国网天津市电力公司 | 一种基于改进K-means算法的城市集中型充电站规划方法 |
CN107886186A (zh) * | 2017-10-16 | 2018-04-06 | 清华大学 | 一种基于行车数据及维诺图划分区域的充电桩设置方法 |
CN108376291A (zh) * | 2017-11-28 | 2018-08-07 | 国网甘肃省电力公司电力科学研究院 | 一种基于微电网的电动汽车充换电站选址定容方法 |
CN108229788B (zh) * | 2017-12-01 | 2021-12-10 | 国网北京市电力公司 | 充换电站的布点方法及装置、存储介质、处理器 |
CN108764634A (zh) * | 2018-04-24 | 2018-11-06 | 河海大学 | 一种考虑充电需求增长的电动汽车充电站动态规划方法 |
CN108596394B (zh) * | 2018-04-28 | 2021-10-15 | 国网江苏电力设计咨询有限公司 | 一种多类型电动汽车充电站的选址协调配置方法 |
CN108599150A (zh) * | 2018-04-28 | 2018-09-28 | 国网湖南省电力有限公司 | 用于大规模电动汽车接入区域的配电网投资效益分析方法 |
CN109685251A (zh) * | 2018-11-29 | 2019-04-26 | 一汽-大众汽车有限公司 | 一种电动设施充电站选址优化方法、装置及存储介质 |
CN109754168A (zh) * | 2018-12-20 | 2019-05-14 | 国网北京市电力公司 | 充电站选址方法和装置 |
CN109886468B (zh) * | 2019-01-22 | 2020-12-08 | 河海大学 | 基于改进的自适应遗传算法的充电站规划方法 |
CN109872070B (zh) * | 2019-02-22 | 2023-04-07 | 中南大学 | 基于团划分的静态充电桩部署方法 |
CN109919369B (zh) * | 2019-02-26 | 2021-04-20 | 浙江财经大学 | 一种电池交换站选址和电动汽车路径规划方法 |
CN109886593A (zh) * | 2019-03-01 | 2019-06-14 | 天津城建大学 | 一种基于泰森多边形的生态源地优化方法 |
CN109872010B (zh) * | 2019-03-15 | 2021-05-25 | 深圳供电局有限公司 | 变电站巡检机器人任务分配方法 |
CN110046753B (zh) * | 2019-03-29 | 2020-08-28 | 江苏大学 | 一种电动汽车充电站最优建设数量和选址方案规划方法 |
CN110119856B (zh) * | 2019-06-19 | 2022-03-25 | 广东工业大学 | 基于传感网络的充电站选址系统及方法 |
CN110363438A (zh) * | 2019-07-18 | 2019-10-22 | 广州市交通规划研究院 | 一种电动汽车充电设施建设的选址方法 |
CN110826841A (zh) * | 2019-08-31 | 2020-02-21 | 华南理工大学 | 考虑用户充电体验和配电网运行风险的充电站规划方法 |
CN110705864B (zh) * | 2019-09-27 | 2022-05-17 | 广东电网有限责任公司 | 一种充电站选址定容方法 |
CN110929980B (zh) * | 2019-10-10 | 2022-06-24 | 清华大学 | 区域综合能源系统的规划方法及装置 |
CN110968837B (zh) * | 2019-11-25 | 2023-04-18 | 南京邮电大学 | 电动汽车充电站选址定容的方法 |
CN111523714B (zh) * | 2020-04-15 | 2022-05-03 | 广东电网有限责任公司 | 一种电力充电站选址布局方法及装置 |
CN111882158B (zh) * | 2020-06-24 | 2021-03-09 | 东南大学 | 一种基于Voronoi图的混合公共自行车调度需求预测方法 |
CN112527935A (zh) * | 2020-12-14 | 2021-03-19 | 中冶赛迪工程技术股份有限公司 | 一种基于Voronoi图的加油站选址分析系统 |
CN113011652A (zh) * | 2021-03-18 | 2021-06-22 | 山东交通学院 | 一种电动汽车充电站选址优化方法及系统 |
CN113837663A (zh) * | 2021-10-29 | 2021-12-24 | 国网江苏省电力有限公司扬州供电分公司 | 一种电动汽车充电桩选址方法和装置 |
CN117078046B (zh) * | 2023-10-12 | 2024-01-09 | 国网湖北省电力有限公司经济技术研究院 | 一种电动公交车有线无线联合充电优化方法、系统及设备 |
-
2012
- 2012-10-16 CN CN201210391040.4A patent/CN102880921B/zh active Active
Non-Patent Citations (2)
Title |
---|
唐现刚等.基于计算几何方法的电动汽车充电站规划.《电力系统自动化》.2012,第36卷(第8期),第24-30页. * |
基于计算几何方法的电动汽车充电站规划;唐现刚等;《电力系统自动化》;20120425;第36卷(第8期);第24-30页 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190832A (zh) * | 2018-09-11 | 2019-01-11 | 东南大学 | 一种基于重心理论的电动公交车充电站选址方法 |
CN109190832B (zh) * | 2018-09-11 | 2021-06-22 | 东南大学 | 一种基于重心理论的电动公交车充电站选址方法 |
TWI822018B (zh) * | 2022-04-29 | 2023-11-11 | 湛積股份有限公司 | 充電站的部署之優化方法及充電站的規劃系統 |
Also Published As
Publication number | Publication date |
---|---|
CN102880921A (zh) | 2013-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102880921B (zh) | 一种电动汽车充电站选址优化方法 | |
Xu et al. | Greenhouse gas emissions of electric vehicles in Europe considering different charging strategies | |
Mozafar et al. | A simultaneous approach for optimal allocation of renewable energy sources and electric vehicle charging stations in smart grids based on improved GA-PSO algorithm | |
CN102722767B (zh) | 电动汽车充换电站布点规划系统及方法 | |
CN106651059B (zh) | 一种电动汽车充电站优化配置的方法 | |
Liu et al. | Optimal planning of charging station for electric vehicle based on particle swarm optimization | |
Ge et al. | The planning of electric vehicle charging station based on grid partition method | |
Sierra Rodriguez et al. | A feasibility study of solar PV‐powered electric cars using an interdisciplinary modeling approach for the electricity balance, CO2 emissions, and economic aspects: The cases of The Netherlands, Norway, Brazil, and Australia | |
CN103177395B (zh) | 一种基于社会期望的智能配电网节能减排综合评价方法 | |
WO2020199558A1 (zh) | 一种电动汽车充电站最优建设数量和选址方案规划方法 | |
CN108510128A (zh) | 一种区域电动汽车充电负荷时空分布预测方法 | |
CN103915869A (zh) | 一种基于移动设备的电动汽车智能充电系统及方法 | |
CN103241130A (zh) | 一种电动公交车充换电站的能量管理方法及系统 | |
CN107871184A (zh) | 一种面向区域充电设施的电动汽车充电站的选址方法 | |
Jia et al. | A novel approach for urban electric vehicle charging facility planning considering combination of slow and fast charging | |
CN108805321A (zh) | 一种电动汽车充电站规划方法 | |
CN108376291A (zh) | 一种基于微电网的电动汽车充换电站选址定容方法 | |
CN106532686A (zh) | 基于电动汽车充电配置的片区配电网负荷预测方法 | |
CN110323770A (zh) | 电动汽车有序充电方法、装置和终端设备 | |
CN109861277A (zh) | 一种充电站光伏和储能容量的配置方法及系统 | |
CN113822463A (zh) | 一种基于Voronoi图与改进粒子群算法的电动汽车充电站选址定容方法 | |
Hasan et al. | Techno-economic feasibility analysis of an electric vehicle charging station for an International Airport in Chattogram, Bangladesh | |
Yin et al. | Planning of electric vehicle charging station based on real time traffic flow | |
Amer et al. | Stochastic planning for optimal allocation of fast charging stations and wind-based DGs | |
Gao et al. | Optimal planning of charging station for phased electric vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |