CN105447602A - 一种电动汽车充换电站优化布局系统 - Google Patents
一种电动汽车充换电站优化布局系统 Download PDFInfo
- Publication number
- CN105447602A CN105447602A CN201610002215.6A CN201610002215A CN105447602A CN 105447602 A CN105447602 A CN 105447602A CN 201610002215 A CN201610002215 A CN 201610002215A CN 105447602 A CN105447602 A CN 105447602A
- Authority
- CN
- China
- Prior art keywords
- data
- electrical changing
- changing station
- cost
- electric automobile
- 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.)
- Pending
Links
- 238000007600 charging Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 title claims abstract description 10
- 238000007405 data analysis Methods 0.000 claims abstract description 44
- 238000009826 distribution Methods 0.000 claims description 26
- 238000013479 data entry Methods 0.000 claims description 24
- 238000013439 planning Methods 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 12
- 238000007728 cost analysis Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000035800 maturation Effects 0.000 claims description 2
- 239000002689 soil Substances 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000012517 data analytics Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种电动汽车充换电站优化布局系统,包括数据采集系统、数据输入系统、数据分析系统、决策系统、数据输出系统,所述数据采集系统采用USB-1608FS-PLUS模块,数据采集系统的输出端采用第一通讯线与数据输入系统的输入端相连,所述第一通讯线为USB3.0通用串行总线;所述数据输入系统包括Intel?8255A芯片,数据输入系统的输入端与数据采集系统的输出端连接,数据输入系统的输出端通过第二通讯线与数据分析系统的输入端连接,所述第二通讯线为CAN总线;所述数据分析系统采用PC机。本发明一种电动汽车充换电站优化布局系统,该系统目的在于可以根据读取某区域的电动汽车数量,千人汽车保有量和负荷预测值等数据,通过综合数据分析系统做出最优的电动汽车充换电站优化布局方案。
Description
技术领域
本发明一种电动汽车充换电站优化布局系统,涉及电动汽车能力管理领域。
背景技术
对于充换电站规划问题,已初步形成了充换电站规划的基本原理、方法步骤。合理的充换电站规划,对于提高用户的便利度,减小其对电网的不利影响等方面,都有积极的作用。但也存在一些问题,例如:对充换电站规划方案的优选目标分析不到位,不能与电动汽车市场运作的模式和发展方向契合,计算方法分析不深入;规划模型的约束条件未能将交通路网、电力网络、用户需求、市政规划等统筹考虑,导致模型不完善,说服力较小等。因此,对充换电站规划问题涉及的各方利益进行了分析,需要一种在满足快充需求的前提下,使充换电站的建设成本、快充途中耗时成本、到站排队等候时间成本三者最小为目标的规划方案。
发明内容
为解决上述技术问题,本发明提供一种电动汽车充换电站优化布局系统,该系统目的在于可以根据读取某区域的电动汽车数量,千人汽车保有量和负荷预测值等数据,通过综合数据分析系统做出最优的电动汽车充换电站优化布局方案。
本发明所采用的技术方案是:
一种电动汽车充换电站优化布局系统,包括数据采集系统、数据输入系统、数据分析系统、决策系统、数据输出系统。
所述数据采集系统采用USB-1608FS-PLUS模块,数据采集系统的输出端采用第一通讯线与数据输入系统的输入端相连,所述第一通讯线为USB3.0通用串行总线;
所述数据输入系统包括Intel8255A芯片,数据输入系统的输入端与数据采集系统的输出端连接,数据输入系统的输出端通过第二通讯线与数据分析系统的输入端连接,所述第二通讯线为CAN总线;
所述数据分析系统采用PC机,数据分析系统的输入端连接数据输入系统的输出端,数据分析系统的输出端通过第三通讯线连接决策系统的输入端,所述第三通讯线为CAN总线;
所述决策系统包括ARMSTM32F107芯片,决策系统的输出端通过第四通讯线连接数据输出系统,所述第四通讯线为USB3.0通用串行总线;
所述数据输出系统采用I/O接口,数据输出系统的输入端连接决策系统的输出端,数据输出系统的输出信息包括电动汽车充换电站的最优容量和最佳选址。
数据采集系统,用于将采集到的数据:车流量信息,电网质量信息,电动汽车负荷时空分布信息,人口信息以及消费发展水平信息等写入数据输入系统;
数据输入系统,用于将采集到的信息通过数据传递,将数据呈交给数据分析系统;
数据分析系统包括模型建立子系统、约束处理子系统、成本分析子系统、优化算法;
模型建立子系统,用于建立优化布局区域内的数学模型;
约束处理子系统,用于综合处理优化布局过程中应该考虑的各种限制条件;
成本分析子系统,用于具体计算优化布局系统的总成本;
决策系统,用于最终确定该区域电动汽车充换电站的最优选址和容量;
数据输出系统,用于将决策系统的最终决策信息输出给优化布局的决策者。
本发明一种电动汽车充换电站优化布局系统,有益效果如下:
1)、本发明通过建立数据采集系统,采集需要规划的电动汽车充换电站区域的有效信息,通过数据传递模块,将收集的信息传递给数据分析模块加以处理,数据分析系统中的约束处理子系统全面分析规划过程中应该考虑的约束,成本分析子系统实际为目标函数建立模块,构建规划过程中以充换电站的建设成本、快充途中耗时成本与到站排队等候时间成本三者最小,优化算法为粒子群算法,运用该智能算法对建立的实际可靠模型进行求解,数据分析子系统将最终的仿真结果,通过数据传递通道送至决策系统,做出该区域电动汽车充换电站优化布局方案。
2)、本发明可以根据读取某区域的电动汽车数量,千人汽车保有量和负荷预测值等数据,通过综合数据分析系统,对该规划区域建立高可靠性的仿真模型,然后采用高精度,收敛速度快,全局性好的粒子群算法对该区域的仿真模求解,通过决策模块做出最优的电动汽车充换电站优化布局方案。
附图说明
图1是本发明的数据采集、数据分析到最终做出优化布局决策的流程图。
图2是本发明的结构示意图。
图3是本发明的规划方案图。
具体实施方式
一种电动汽车充换电站优化布局系统,其硬件实时控制系统包括能够准确收集某区域可靠信息的数据采集系统,能将采集信息写入系统的数据输入系统,能准确、全面、综合权衡运营商和电动汽车充电用户之间利益的数据分析系统,能根据准确的分析结果做出最后决策的决策系统以及数据输出系统。其结构如图2所示。
所述数据采集系统采用USB-1608FS-PLUS模块;数据采集系统的输出端采用通讯线与数据输入系统的输入端相连,所述通讯线为USB3.0通用串行总线,所述通讯线兼容USB2.0,传输速率快,USB3.0可以在存储器件所限定的存储速率下传输大容量数据,例如,一个采用USB3.0的闪存驱动器可以在15秒钟将1GB的数据转移到另外一个终端,而USB2.0则需要43秒,USB3.0的最大传输带宽高达5.0Gbps(即640MB/s),而USB2.0的最大传输带宽为480Mbps(即60MB/s),USB3.0引入全双工数据传输,5根线路中2根用来发送数据,另2根用来接收数据,还有1根是地线。也就是说,USB3.0可以同步全速地进行读写操作,以前的USB版本并不支持全双工数据传输。
所述数据输入系统采用Intel8255A(PPI)芯片组成,数据输入系统的输入端与数据采集系统的输出端,已如上所述;数据输入系统的输出端采用通讯线与数据分析系统的输入端相连,所述通讯线为CAN总线,具有实时性强、传输距离较远、抗电磁干扰能力强、成本低等优点;采用双线串行通信方式,检错能力强,可在高噪声干扰环境中工作;具有优先权和仲裁功能,多个控制模块通过CAN控制器挂到CAN-bus上,可靠的错误处理和检错机制,发送的信息遭到破坏后,可自动重发,节点在错误严重的情况下具有自动退出总线的功能。
所述数据分析系统采用PC机,采用全分布的网络体系结构和冗余的计算机硬件配置,主干网络采用1000M/100M以太网交换机组成的双网冗余构成。计算机硬件采用RISC芯片的HPAlpha/IBM/SUN服务器/工作站分布于网络中;数据分析系统的输入端连接至数据输入系统的输出端,已如上所述。数据分析系统由模型建立子系统、约束处理子系统、成本分析子系统和优化算法构成,所述数据分析系统为中央处理器,通过CAN总线与模型建立子系统、约束处理子系统、成本分析子系统和优化算法模块相连;数据分析系统的输出端通过通讯线连接至决策系统输入端,所述通讯线采用CAN总线。
所述决策系统采用ARMSTM32F107芯片组成;决策系统的输入端通过CAN总线与数据分析系统的输出端相连,决策系统的输出端采用通讯线连接至数据输出系统的输入端,所述通讯线为USB3.0通用串行总线,其优点已述。
所述数据输出系统采用I/O接口,数据输出系统的输入端连接至决策系统的输出端,数据输出系统输出的信息包括电动汽车充换电站的最优容量和最优选址。
软件系统包括数据监测与收集模块、数据命令传输控制接口、多目标控制策略模块、仿真平台、粒子群智能算法模块等。
一种电动汽车充换电站优化布局方法,包括如下步骤:
步骤1:运用数据采集系统,采集规划区域内的有效信息
步骤1.1:所述规划区域内的有效信息包括:在规划水平年,空间负荷预测综合考虑了小区用地性质、面积和人口信息,负荷预测值可以反映小区生活和消费的发展水平,随着电动汽车技术的成熟和人们环保意识的增强,高发展水平小区电动汽车的购置能力更强。规划水平年,电动汽车数量可根据城市的千人汽车保有量与小区人口预测,并考虑小区负荷预测值修正,表示为:
式中:Nj为区域j电动汽车数量;λ为水平年千人汽车保有量;aj为水平年区域j人口;b为电动汽车份额;plj为水平年小区j负荷预测值,pEQ为规划范围水平年负荷预测平均值;D为小区集合;f为向上取整函数;n为小区集合数。
步骤1.2:将所述信息采集以后通过数据传输通道,借助数据输入系统将有效信息
传递至数据分析系统。
步骤2:数据分析系统中的成本分析子系统,建立优化布局的目标函数。
步骤2.1:所述目标函数为充换电站的建设成本、快充途中耗时成本和到站排队等候时间成本三者最小。
具体表示为:
minfcost=fconstr+ftcos+fwaitc(3)
式中:fcost为公共充换电站的社会年总成本;fconstr为公共充换电站的年建设运行成本;ftcos为用户快充途中年耗时成本;fwaitc为用户到站排队等候年时间成本。
步骤2.2:所述公共充换电站年建设运行成本年建设运行成本包括年固定投资和年运行成本。固定投资主要是充电机、土地、配电变压器和其他辅助设备的投资成本。运行成本主要是充换电站的人员工资和设备维护等成本。充电机是固定投资的决定因素,充电机数量体现了充换电站规模,充电机越多,服务车辆越多,占地面积越大,相应的土地购置和配电变压器及其他辅助设备的固定投资越大,同时管理人员越多,运行维护成本也越大。因此,固定投资和运行成本都是充电机数量Ncharge的函数。年建设运行成本可表示为:
式中:fconstr(Ncharge)为充换电站i的固定投资函数;fopera(Ncharge)为充换电站i的年运行成本函数,可按固定投资的一定比例取值;Ncharge为充换电站i的充电机数量;β0为贴现率;ydepr为充换电站的折旧年限;Dconstr为充换电站集合。
步骤2.3:用户充电途中年耗时成本计算,充电途中年耗时成本主要由快充需求点到充换电站的距离决定,可表示为:
式中:γ为城市出行时间成本系数;d1ij为需求点j到充换电站i的城市道路非直线系数;d2ij为需求点j到充换电站i的空间直线距离;v为城市交通平均行驶速度;Dconstri为属于充换电站i的快充需求点集合。
步骤2.4:用户到站排队等候年时间成本计算,用户到站排队等候年时间成本由电动汽车快充期望和到站排队等候时间期望决定,可表示为:
式中:Ei为充换电站i的排队等候时间期望。
步骤3:运用约束处理子系统对充换电站规划布局过程中应该考虑的约束条件加以处理。步骤3.1各充换电站充电机配置不等式约束,可表示为:
Ncharge,min≤Ncharge≤Nchagre,max(7)
Ncharge,min和Ncharge,max分别为充电机配置的最小和最大值
步骤3.2:快充需求点到充换电站距离的不等式约束,可表示为
d1ijd2ij≤dmax(8)
dmax为快充需求点到充换电站最大距离。
步骤3.3:充换电站间距离不等式约束,可表示为:
d1ijlij≤lmin(9)
式中,lij为充换电站i和j的直线距离,lij为充换电站间最小距离。
步骤4:数据分析系统中的模型建立子系统,综合约束处理子系统和成本分析子系统的处理结果,建立合理可靠的模型。
步骤5:数据分析中所述优化算法为粒子群智能优化算法,该智能算法对步骤4中的优化模型进行精确求解。具体流程如图1所示。
步骤6:决策系统在综合步骤5中数据分析系统的仿真结果后,规划区域的电动汽车优化布局做出准确抉择
优化结果结束,经数据输出系统输出最优结果,所述最优结果包括充换电站在规划区域内的最优选址和最优容量。
以一个实际的待规划区域为例:
步骤1:数据采集系统,采集该小区的有效信息如下:规划区面积8.2km2,分成38个功能区,主要用于住宅、商业、办公等,远期常规电力负荷预测总计177.5MW,人口总计7.87万人,远期千人汽车保有量为80辆,电动汽车份额60%,各小区电动汽车预测分布按式(1)分析,合计4724辆。电动汽车单车日快充概率为0.05,即每20次充电中有1次快充,1d充电1次。快充时段发生在上班(7:00~9:00)或下班(17:00~19:00)时段,时段为2h,充电站排队等候时间期望最大不超过10min。估算Nch为62台。充电站的充电机
配置范围为Nch,min=4台,Nch,max=12台;
步骤2:数据输入系统将步骤1所述的信息输入数据分析系统;
步骤3:数据分析系统中的模型建立子系统,根据数据输入系统传递过来的信息,建立数学模型;
步骤4:数据分析系统中的约束处理子系统,根据式(7),(8),(9)对规划过程中的约束条件加以处理;
步骤5:数据分析系统中的成本分析子系统,根据式(3),(4),(5),(6)综合处理整个规划区域的总体成本;其中年运行成本ucs取固定投资成本的10%。充电站折旧年限ms为20a,
贴现率r0为0.08,城市出行时间成本系数β为30元/h,城市道路非直线系数λij为1.2,城市交通平均行驶速度v为40km/h,快充需求点到充电站最大距离dmax为0.9km,充电站间最小距离Dmin为0.5km。
步骤6:优化算法:改进的例子群算法,设置粒子种群数为20,最大迭代次数为30次;
步骤7:决策系统在优化程序结束时,根据仿真结果,作出决策;
步骤8:数据输出系统在决策系统做出的最优容量和选址输出,输出结果表明在此规划区域内,充换电站9座时为最优,其具体规划方案如图3所示。图3中●表示快充需求点,▲表示充电站。
综上所述,本发明公开的一种电动汽车充换电站优化布局系统,实用性强,使用效果好,便于推广使用。
Claims (3)
1.一种电动汽车充换电站优化布局系统,包括数据采集系统、数据输入系统、数据分析系统、决策系统、数据输出系统,其特征在于,
所述数据采集系统采用USB-1608FS-PLUS模块,数据采集系统的输出端采用第一通讯线与数据输入系统的输入端相连,所述第一通讯线为USB3.0通用串行总线;
所述数据输入系统包括Intel8255A芯片,数据输入系统的输入端与数据采集系统的输出端连接,数据输入系统的输出端通过第二通讯线与数据分析系统的输入端连接,所述第二通讯线为CAN总线;
所述数据分析系统采用PC机,数据分析系统的输入端连接数据输入系统的输出端,数据分析系统的输出端通过第三通讯线连接决策系统的输入端,所述第三通讯线为CAN总线;所述决策系统包括ARMSTM32F107芯片,决策系统的输出端通过第四通讯线连接数据输出系统,所述第四通讯线为USB3.0通用串行总线;
所述数据输出系统采用I/O接口,数据输出系统的输入端连接决策系统的输出端,数据输出系统的输出信息包括电动汽车充换电站的最优容量和最佳选址。
2.根据权利要求1所述一种电动汽车充换电站优化布局系统,其特征在于,数据采集系统,用于将采集到的数据:车流量信息,电网质量信息,电动汽车负荷时空分布信息,人口信息以及消费发展水平信息等写入数据输入系统;
数据输入系统,用于将采集到的信息通过数据传递,将数据呈交给数据分析系统;
数据分析系统包括模型建立子系统、约束处理子系统、成本分析子系统、优化算法;
模型建立子系统,用于建立优化布局区域内的数学模型;
约束处理子系统,用于综合处理优化布局过程中应该考虑的各种限制条件;
成本分析子系统,用于具体计算优化布局系统的总成本;
决策系统,用于最终确定该区域电动汽车充换电站的最优选址和容量;
数据输出系统,用于将决策系统的最终决策信息输出给优化布局的决策者。
3.一种电动汽车充换电站优化布局方法,其特征在于包括以下步骤:
步骤1:运用数据采集系统,采集规划区域内的有效信息;
步骤1.1:所述规划区域内的有效信息包括:在规划水平年,空间负荷预测综合考虑了小区用地性质、面积和人口信息,负荷预测值可以反映小区生活和消费的发展水平,随着电动汽车技术的成熟和人们环保意识的增强,高发展水平小区电动汽车的购置能力更强,规划水平年,电动汽车数量可根据城市的千人汽车保有量与小区人口预测,并考虑小区负荷预测值修正,表示为:
式中:Nj为区域j电动汽车数量;λ为水平年千人汽车保有量;aj为水平年区域j人口;b为电动汽车份额;plj为水平年小区j负荷预测值,pEQ为规划范围水平年负荷预测平均值;D为小区集合;f为向上取整函数;n为小区集合数;
步骤1.2:将所述信息采集以后通过数据传输通道,借助数据输入系统将有效信息传递至数据分析系统;
步骤2:数据分析系统中的成本分析子系统,建立优化布局的目标函数;
步骤2.1:所述目标函数为充换电站的建设成本、快充途中耗时成本和到站排队等候时间成本三者最小;
具体表示为:
minfcost=fconstr+ftcos+fwaitc(3)
式中:fcost为公共充换电站的社会年总成本;fconstr为公共充换电站的年建设运行成本;ftcos为用户快充途中年耗时成本;fwaitc为用户到站排队等候年时间成本;
步骤2.2:所述公共充换电站年建设运行成本年建设运行成本包括年固定投资和年运行成本;固定投资主要是充电机、土地、配电变压器和其他辅助设备的投资成本,运行成本主要是充换电站的人员工资和设备维护等成本;充电机是固定投资的决定因素,固定投资和运行成本都是充电机数量Ncharge的函数,年建设运行成本可表示为:
式中:fconstr(Ncharge)为充换电站i的固定投资函数;fopera(Ncharge)为充换电站i的年运行成本函数,可按固定投资的一定比例取值;Ncharge为充换电站i的充电机数量;β0为贴现率;ydepr为充换电站的折旧年限;Dconstr为充换电站集合;
步骤2.3:用户充电途中年耗时成本计算,充电途中年耗时成本主要由快充需求点到充换电站的距离决定,可表示为:
式中:γ为城市出行时间成本系数;d1ij为需求点j到充换电站i的城市道路非直线系数;d2ij为需求点j到充换电站i的空间直线距离;v为城市交通平均行驶速度;Dconstri为属于充换电站i的快充需求点集合;
步骤2.4:用户到站排队等候年时间成本计算,用户到站排队等候年时间成本由电动汽车快充期望和到站排队等候时间期望决定,可表示为:
式中:Ei为充换电站i的排队等候时间期望;
步骤3:运用约束处理子系统对充换电站规划布局过程中应该考虑的约束条件加以处理;步骤3.1:各充换电站充电机配置不等式约束,可表示为:
Ncharge,min≤Ncharge≤Nchagre,max(7)
Ncharge,min和Ncharge,max分别为充电机配置的最小和最大值;
步骤3.2:快充需求点到充换电站距离的不等式约束,可表示为
d1ijd2ij≤dmax(8)
dmax为快充需求点到充换电站最大距离;
步骤3.3:充换电站间距离不等式约束,可表示为:
d1ijlij≤lmin(9)
式中,lij为充换电站i和j的直线距离,lij为充换电站间最小距离;
步骤4:数据分析系统中的模型建立子系统,综合约束处理子系统和成本分析子系统的处理结果,建立合理可靠的模型;
步骤5:数据分析中所述优化算法为粒子群智能优化算法,该智能算法对步骤4中的优化模型进行精确求解;
步骤6:决策系统在综合步骤5中数据分析系统的仿真结果后,规划区域的电动汽车优化布局做出准确抉择优化结果结束,经数据输出系统输出最优结果,所述最优结果包括充换电站在规划区域内的最优选址和最优容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610002215.6A CN105447602A (zh) | 2016-01-01 | 2016-01-01 | 一种电动汽车充换电站优化布局系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610002215.6A CN105447602A (zh) | 2016-01-01 | 2016-01-01 | 一种电动汽车充换电站优化布局系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105447602A true CN105447602A (zh) | 2016-03-30 |
Family
ID=55557754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610002215.6A Pending CN105447602A (zh) | 2016-01-01 | 2016-01-01 | 一种电动汽车充换电站优化布局系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105447602A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956743A (zh) * | 2016-04-20 | 2016-09-21 | 国网浙江省电力公司杭州供电公司 | 一种电动汽车充换电站的规划系统 |
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 |
CN107067136A (zh) * | 2016-12-22 | 2017-08-18 | 国家电网公司 | 电动汽车充电分配方法及装置 |
CN107169605A (zh) * | 2017-05-18 | 2017-09-15 | 东南大学 | 基于车辆定位信息的城市电动汽车充电站选址方法 |
CN108229788A (zh) * | 2017-12-01 | 2018-06-29 | 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 |
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 |
CN109840635A (zh) * | 2019-01-29 | 2019-06-04 | 三峡大学 | 基于电压稳定性和充电服务质量的电动汽车充电站规划方法 |
CN110472785A (zh) * | 2019-08-08 | 2019-11-19 | 西安交通大学 | 一种基于负荷分类的电动汽车群调度方法 |
CN110972067A (zh) * | 2019-12-06 | 2020-04-07 | 南京邮电大学 | 基于云平台的电动汽车充电设备管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722767A (zh) * | 2012-07-02 | 2012-10-10 | 山东鲁能智能技术有限公司 | 电动汽车充换电站布点规划系统及方法 |
CN102880921A (zh) * | 2012-10-16 | 2013-01-16 | 山东电力集团公司电力科学研究院 | 一种电动汽车充电站选址优化方法 |
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 |
-
2016
- 2016-01-01 CN CN201610002215.6A patent/CN105447602A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722767A (zh) * | 2012-07-02 | 2012-10-10 | 山东鲁能智能技术有限公司 | 电动汽车充换电站布点规划系统及方法 |
CN102880921A (zh) * | 2012-10-16 | 2013-01-16 | 山东电力集团公司电力科学研究院 | 一种电动汽车充电站选址优化方法 |
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 |
Non-Patent Citations (1)
Title |
---|
熊虎等: "电动汽车公共充电站布局的最优规划", 《电力系统自动化》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956743A (zh) * | 2016-04-20 | 2016-09-21 | 国网浙江省电力公司杭州供电公司 | 一种电动汽车充换电站的规划系统 |
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 |
CN107067136A (zh) * | 2016-12-22 | 2017-08-18 | 国家电网公司 | 电动汽车充电分配方法及装置 |
CN107169605B (zh) * | 2017-05-18 | 2020-06-30 | 东南大学 | 基于车辆定位信息的城市电动汽车充电站选址方法 |
CN107169605A (zh) * | 2017-05-18 | 2017-09-15 | 东南大学 | 基于车辆定位信息的城市电动汽车充电站选址方法 |
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 |
CN108229788A (zh) * | 2017-12-01 | 2018-06-29 | 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 |
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 |
CN109840635A (zh) * | 2019-01-29 | 2019-06-04 | 三峡大学 | 基于电压稳定性和充电服务质量的电动汽车充电站规划方法 |
CN109840635B (zh) * | 2019-01-29 | 2023-06-02 | 三峡大学 | 基于电压稳定性和充电服务质量的电动汽车充电站规划方法 |
CN110472785A (zh) * | 2019-08-08 | 2019-11-19 | 西安交通大学 | 一种基于负荷分类的电动汽车群调度方法 |
CN110472785B (zh) * | 2019-08-08 | 2022-12-09 | 西安交通大学 | 一种基于负荷分类的电动汽车群调度方法 |
CN110972067A (zh) * | 2019-12-06 | 2020-04-07 | 南京邮电大学 | 基于云平台的电动汽车充电设备管理系统 |
CN110972067B (zh) * | 2019-12-06 | 2021-06-29 | 南京邮电大学 | 基于云平台的电动汽车充电设备管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105447602A (zh) | 一种电动汽车充换电站优化布局系统 | |
Ehsan et al. | State-of-the-art techniques for modelling of uncertainties in active distribution network planning: A review | |
CN108054773A (zh) | 一种针对高峰负荷的v2g智能调度服务方法 | |
CN112467722A (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
CN109948954B (zh) | 一种面向电力系统分布式资源的配电网双向阻塞调度方法 | |
CN113077101A (zh) | 面向能源互联网调配管理的数字化系统及方法 | |
CN104866915A (zh) | 基于全寿命周期成本的电动汽车充电站优化规划方法 | |
CN111091224A (zh) | 一种基于区块链技术的电动汽车充电电能交易方法 | |
Yang et al. | Resilient residential energy management with vehicle-to-home and photovoltaic uncertainty | |
CN111310966A (zh) | 含电动汽车充电站的微电网选址及优化配置方法 | |
CN114004450A (zh) | 一种电动汽车充电负荷交互式实时定价策略引导的有序充电模型 | |
CN115115268A (zh) | 基于路电耦合与低碳约束的电动汽车充电桩容量规划方法 | |
CN104240040A (zh) | 基于土地转换风险的城市智能电网规划方法 | |
CN114066315A (zh) | 一种适应多元源荷接入的配电网规划系统 | |
CN110994790B (zh) | 一种企业电网调度知识决策分析系统 | |
CN114693122A (zh) | 一种基于数字孪生技术的电网规划方法 | |
CN115619439A (zh) | 电力负荷运行管理系统、装置和方法 | |
Zhong et al. | Charging navigation strategy for electric vehicles considering empty-loading ratio and dynamic electricity price | |
Jin et al. | Optimal siting and sizing of EV charging station using stochastic power flow analysis for voltage stability | |
CN106845727A (zh) | 考虑配网潮流约束的高速公路快速充电站启发式规划方法 | |
CN116307437A (zh) | 基于碳排放权兑换机制的虚拟电厂优化调度方法及系统 | |
Zhang et al. | Negotiation strategy of discharging price between power grid and electric vehicles considering multi‐agent | |
CN205486242U (zh) | 一种电动汽车充换电站优化布局系统 | |
CN117254505B (zh) | 基于数据处理的储能电站优化运行模式决策方法及系统 | |
CN112677807B (zh) | 一种电动汽车参与电力现货市场充电优化控制系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160330 |
|
RJ01 | Rejection of invention patent application after publication |