CN107730049A - 电动汽车快速充电最优位置选择方法 - Google Patents

电动汽车快速充电最优位置选择方法 Download PDF

Info

Publication number
CN107730049A
CN107730049A CN201711039610.2A CN201711039610A CN107730049A CN 107730049 A CN107730049 A CN 107730049A CN 201711039610 A CN201711039610 A CN 201711039610A CN 107730049 A CN107730049 A CN 107730049A
Authority
CN
China
Prior art keywords
mrow
msub
node
msubsup
mtd
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.)
Granted
Application number
CN201711039610.2A
Other languages
English (en)
Other versions
CN107730049B (zh
Inventor
侯慧
柯贤彬
唐爱红
吴细秀
李显强
唐金锐
薛梦雅
于士文
耿浩
曾金媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN201711039610.2A priority Critical patent/CN107730049B/zh
Publication of CN107730049A publication Critical patent/CN107730049A/zh
Application granted granted Critical
Publication of CN107730049B publication Critical patent/CN107730049B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提供一种电动汽车快速充电最优位置选择方法，包括：步骤1：分别构建影响电动汽车在路网中行驶的行驶路程和行驶时间的目标函数，以及影响电动汽车在配电网中充电的节点失效概率和节点用电容量的目标函数；步骤2：运用多属性决策的节点重要性评价方法得到各充电节点重要度排序，引导电动汽车选择重要度低的节点进行快速充电。本发明对电动汽车快速充电位置进行优化，考虑路网和配电网的耦合作用，通过多属性决策的节点重要性评价方法，根据电动汽车在路网和配电网下的影响因素，找到既考虑电网安全又考虑用户利益的快充位置选择。

Description

电动汽车快速充电最优位置选择方法
技术领域
本发明涉及一种电动汽车快速充电位置选择方法，尤其是涉及一种考虑电网安全和用户利益因素的电动汽车快速充电最优位置寻找方法。
背景技术
随着电动汽车的发展，大规模电动汽车充电会对电网产生巨大影响。大规模电动汽车无序充电行为可导致电力系统安全性降低、造成新的负荷需求高峰、电能质量恶化、网损增加等负面结果。电动汽车在不同的位置充电对电网带来的风险不同，尤其是电动汽车快速充电，选择合适的电动汽车快速充电位置尤为重要。
目前，对电动汽车接入电网的充电位置选择有很多方法，一方面多数方法仅针对慢速充电进行有序调控，根据电动汽车的集群效应，在特定区域进行有序充电安排，以实现电网负荷安全及考虑用户的利益，但慢速充电通常无法满足用户需求。另一方面对电动汽车快速充电的方法，多数根据路网实时信息进行最优路径规划来实现充电，但只考虑了用户的便利性及电网的潮流约束，没有考虑电网的安全风险以及路网和配电网的耦合作用。因此，本发明将通过多属性决策的节点重要性评价方法，根据电动汽车在路网和配电网下的影响因素，找到既考虑电网安全又考虑用户利益的充电位置选择。
发明内容
为了解决现有技术中电动汽车快速充电没有综合考虑用户的便利性、电网的安全风险以及路网和配电网的耦合作用的问题，本发明提供一种电动汽车快速充电最优位置选择方法，考虑路网和配电网的复杂网络，选择合适的目标函数，在各个快速充电位置，考虑路网下用户的行驶路程和行驶时间，用最短路径算法得到行驶路程和行驶时间的排序，根据电网元件的历史数据得到节点失效率及节点用电容量，将行驶路程、行驶时间、节点失效率及节点用电容量等四个因素按权重分配，由多属性决策的节点重要性评价方法得到各个节点的重要度排序，引导电动汽车进行快速充电。
为了解决上述问题，其技术解决方案为：
一种电动汽车快速充电最优位置选择方法，包括:
步骤1：分别构建影响电动汽车在路网中行驶的行驶路程和行驶时间的目标函数，以及影响电动汽车在配电网中充电的节点失效概率和节点用电容量的目标函数；
步骤2：运用多属性决策的节点重要性评价方法得到各充电节点重要度排序，引导电动汽车选择重要度低的节点进行快速充电。
在上述的电动汽车快速充电最优位置选择方法，
以到达充电节点的最短路径为行驶路程的目标函数，其表达式为：
f(dij)＝min∑(dijxijmij) (1)
以到达充电节点的最短时间为行驶时间的目标函数，其表达式为：
f(tij)＝min∑(tijxijmij) (2)
以行驶路径中各节点最小失效概率为节点失效概率目标函数，其表达式为：
f(pij)＝min∑(pijxijmij) (4)
配电网节点用电容量最优目标函数为：
f(qij)＝min∑(-qijxijmij) (5)
公式(1)至(5)中，dij为路网中节点i到j的距离，tij为节点i到j行驶消耗的时间，uij为节点i到j的平均速度，pij为各节点负荷失效概率，qij为各节点变压器容量，mij表示i到j的路径是否存在，xij表示是否选择i到j的路径。
在上述的电动汽车快速充电最优位置选择方法，运用多属性决策的节点重要性评价方法计算各节点重要度排序步骤如下：
复杂网络含有N个节点，决策方案A＝{A1,...AN}，评价节点重要性的指标有M个，属性集合记为S＝{S1,...,SM}，第i个节点的第j个指标记为Ai(Sj)，决策矩阵：
将其进行标准化后，效益型标准化：
rij＝Ai(Sj)/Ai(Sj)max (7)
成本型标准化：
rij＝Ai(Sj)/Ai(Sj)min (8)
其中：
Ai(Sj)max＝max{Ai(Sj)|1≤i≤N} (9)
Ai(Sj)min＝min{Ai(Sj)|1≤i≤N} (10)
得到新矩阵R＝(rij)N×M，根据熵技术法计算各属性所占权重，第j个指标的权重为wj(j＝1,...M),∑wj＝1，加权矩阵为：
Y＝(yij)＝(wjrij) (11)
正理想决策为：
负理想决策为：
Ai到A+与A-的距离分别为:
各个节点贴近度Zi为：
Zi越大节点越重要，根据该指标得到各节点的重要度排序，引导电动汽车在节点重要度低的点进行快速充电。
本发明具有如下优点：
1.本发明关注越来越普及的电动汽车快速充电问题，提供了电动汽车快速充电寻找最优位置的方法，解决了以往研究都只考虑电动汽车慢充的路径规划的问题；
2.本发明考虑了电动汽车在路网和配电网耦合网络中的影响，不仅考虑用户的利益还考虑充电对电网安全的影响；
3.本发明将电动汽车快速充电的影响因素按权重分配，根据各个指标的重要度在复杂网络中找到合适的充电位置。
附图说明
图1.本发明的方法流程图。
图2.路网中各节点间行驶路程分布。
图3.路网中各节点间行驶时间分布。
图4.Ieee-rbts bus6配电网测试系统，该系统是一个含住宅区、商业以及农业负荷的混合型网络，系统中各元件的参数已知。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
电动汽车在路网进行快速充电会受到行驶路程及行驶时间的影响，同时，接入配电网充电，过大的充电负荷会影响电网安全，在路网和配电网的耦合网络中，影响因素有行驶路程、行驶时间、节点失效率及节点用电容量。
因此，本发明的一种电动汽车快速充电最优位置选择方法，包括:
步骤1：分别构建影响电动汽车在路网中行驶的行驶路程和行驶时间的目标函数，以及影响电动汽车在配电网中充电的节点失效概率和节点用电容量的目标函数；
步骤2：运用多属性决策的节点重要性评价方法得到各充电节点重要度排序，引导电动汽车选择重要度低的节点进行快速充电。
其中，步骤1中，电动汽车在路网中行驶目标函数和在配电网中充电目标函数建立步骤如下：
步骤1-1，根据各个充电节点的距离，以到达充电节点的最短路径为行驶路程的目标函数，其表达式为：
f(dij)＝min∑(dijxijmij) (1)
步骤1-2，根据各个充电节点的距离以及各路段的行驶速度，以到达充电节点的最短时间为行驶时间的目标函数，其表达式为：
f(tij)＝min∑(tijxijmij) (2)
步骤1-3，在电网节点系统中，考虑各个节点的结构以及元件分布，利用蒙特卡洛法模拟各元件的运行，并计算各节点负荷失效概率pij，以行驶路径中各节点最小失效概率为节点失效概率目标函数，其表达式为：
f(pij)＝min∑(pijxijmij) (4)
步骤1-4，设节点变压器容量qij，配电网节点用电容量最优目标函数为：
f(qij)＝min∑(-qijxijmij) (5)
公式(1)至(5)中，dij为路网中节点i到j的距离，tij为节点i到j行驶消耗的时间，uij为节点i到j的平均速度，通过车速-流量模型计算，pij为各节点负荷失效概率，qij为各节点变压器容量，mij表示i到j的路径是否存在，xij表示是否选择i到j的路径。mij可取值1或0，当mij取1时可表示存在i到j的路径，当mij取0时可表示不存在i到j的路径。xij可取值1或0，当xij取1时可表示选择i到j的路径，当xij取0时可表示不选择i到j的路径。
其中，步骤2中，运用多属性决策的节点重要性评价方法计算各节点重要度排序步骤如下：
复杂网络含有N个节点，决策方案A＝{A1,...AN}，评价节点重要性的指标有M个，属性集合记为S＝{S1,...,SM}，第i个节点的第j个指标记为Ai(Sj)，决策矩阵：
将其进行标准化后，效益型标准化：
rij＝Ai(Sj)/Ai(Sj)max (7)
成本型标准化：
rij＝Ai(Sj)/Ai(Sj)min (8)
其中：
Ai(Sj)max＝max{Ai(Sj)|1≤i≤N} (9)
Ai(Sj)min＝min{Ai(Sj)|1≤i≤N} (10)
得到新矩阵R＝(rij)N×M，根据熵技术法计算各属性所占权重，第j个指标的权重为wj(j＝1,...M),∑wj＝1，加权矩阵为：
Y＝(yij)＝(wjrij) (11)
正理想决策为：
负理想决策为：
Ai到A+与A-的距离分别为:
各个节点贴近度Zi为：
Zi越大节点越重要，根据该指标得到各节点的重要度排序，引导电动汽车在节点重要度低的点进行快速充电。
可通过以下实施例来进一步理解本发明。
如图2路网中各节点间行驶路程分布，有23个节点，根据各个充电节点的距离，以到达充电节点的最短路径为目标函数，运用Dijkstra最短路径算法计算电动汽车从出发点到各节点的最短距离，得到电动汽车从出发点到各节点的最短距离如表1所示。
表1.电动汽车从出发点到各节点的最短距离
到达节点 1 2 3 4 5 6 7 8
最短距离(km) 0 11 19 19 20 19 36 31
到达节点 9 10 11 12 13 14 15 16
最短距离(km) 30 29 38 43 40 52 36 43
到达节点 17 18 19 20 21 22 23
最短距离(km) 44 47 44 44 54 52 50
如图3路网中各节点间行驶时间分布，根据各个充电节点的距离以及各路段的行驶速度，以到达充电节点的最短时间为目标函数，运用Dijkstra最短路径算法计算电动汽车从出发点到各节点的最短时间，得到电动汽车从出发点到各节点的最短时间如表2所示。
表2.电动汽车从出发点到各节点的最短时间
到达节点 1 2 3 4 5 6 7 8
最短时间(h) 0 0.2292 0.4750 0.2317 0.5019 0.4154 0.6603 0.5317
到达节点 9 10 11 12 13 14 15 16
最短时间(h) 0.6904 0.6894 0.7400 0.8031 0.6621 1.0517 0.8560 0.8923
到达节点 17 18 19 20 21 22 23
最短时间(h) 0.7849 1.0456 1.0226 0.9916 1.2456 1.1202 1.1140
如图4电网中电动汽车接入Ieee-rbts bus6测试系统，考虑各个节点的结构以及元件分布，利用蒙特卡洛法模拟各元件的运行，得到各节点的失效概率如表3所示。
表3.Ieee-rbts bus6测试系统中各负荷点失效概率
负荷点 1 2 3 4 5 6 7 8
失效率 0.0371 0.0292 0.0231 0.0297 0.0377 0.0185 0.0309 0.0769
负荷点 9 10 11 12 13 14 15 16
失效率 0.0718 0.0811 0.1094 0.0849 0.1025 0.0994 0.1114 0.1221
负荷点 17 18 19 20 21 22 23
失效率 0.1256 0.1071 0.1303 0.1245 0.1120 0.1370 0.1281
如图4由Ieee-rbts bus6测试系统参数得到各个节点的平均负荷如表4所示。
表4.Ieee-rbts bus6测试系统中各负荷点的平均负荷
负荷点 1 2 3 4 5 6 7 8
平均负荷 0.166 0.1808 0.25 0.263 0.207 0.166 0.306 0.155
负荷点 9 10 11 12 13 14 15 16
平均负荷 0.283 0.159 0.155 0.263 0.159 0.25 0.193 0.155
负荷点 17 18 19 20 21 22 23
平均负荷 0.159 0.25 0.155 0.193 0.283 0.159 0.306
建立四个指标的目标函数后，运用多属性决策的节点重要性评价方法得到各节点重要度排序。由四个指标的数值得到决策矩阵如下：
计算得到除出发点外的22个节点的贴近度值矩阵如下：
Z＝[0.1117,0.1586,0.1175,0.3635,0.4645,
0.3388,0.5736,0.5098,0.5757,0.6744,0.7113,
0.3289,0.6406,0.7301,0.7219,0.7614,0.8691,
0.8244,0.8050,0.4777,0.9159,0.4784]；
贴近度越大节点越重要，根据该指标得到各节点的重要度排序，在电动汽车到达的目的地区域内优先选择电动汽车在贴近度低的节点进行充电，如图2中节点2、3、4在一个目的地区域内，这三点的贴近度分别为0.1117、0.1586、0.1175，而节点2的重要度比较低，因此选择在该点进行快速充电较为适宜，其他区域运用类似的方法。

Claims (3)

1.一种电动汽车快速充电最优位置选择方法，其特征在于，包括:
步骤1：分别构建影响电动汽车在路网中行驶的行驶路程和行驶时间的目标函数，以及影响电动汽车在配电网中充电的节点失效概率和节点用电容量的目标函数；
步骤2：运用多属性决策的节点重要性评价方法得到各充电节点重要度排序，引导电动汽车选择重要度低的节点进行快速充电。
2.根据权利要求1所述的电动汽车快速充电最优位置选择方法，其特征在于，
以到达充电节点的最短路径为行驶路程的目标函数，其表达式为：
f(dij)＝min∑(dijxijmij) (1)
以到达充电节点的最短时间为行驶时间的目标函数，其表达式为：
f(tij)＝min∑(tijxijmij) (2)
<mrow> <msub> <mi>t</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mfrac> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>u</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
以行驶路径中各节点最小失效概率为节点失效概率目标函数，其表达式为：
f(pij)＝min∑(pijxijmij) (4)
配电网节点用电容量最优目标函数为：
f(qij)＝min∑(-qijxijmij) (5)
公式(1)至(5)中，dij为路网中节点i到j的距离，tij为节点i到j行驶消耗的时间，uij为节点i到j的平均速度，pij为各节点负荷失效概率，qij为各节点变压器容量，mij表示i到j的路径是否存在，xij表示是否选择i到j的路径。
3.根据权利要求2所述的电动汽车快速充电最优位置选择方法，其特征在于，运用多属性决策的节点重要性评价方法计算各节点重要度排序步骤如下：
复杂网络含有N个节点，决策方案A＝{A1,...AN}，评价节点重要性的指标有M个，属性集合记为S＝{S1,...,SM}，第i个节点的第j个指标记为Ai(Sj)，决策矩阵：
<mrow> <mi>X</mi> <mo>=</mo> <mfenced open = "(" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>A</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mn>...</mn> </mtd> <mtd> <mrow> <msub> <mi>A</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mi>M</mi> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>...</mn> </mtd> <mtd> <mn>...</mn> </mtd> <mtd> <mn>...</mn> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>A</mi> <mi>N</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mn>...</mn> </mtd> <mtd> <mrow> <msub> <mi>A</mi> <mi>N</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mi>N</mi> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
将其进行标准化后，效益型标准化：
rij＝Ai(Sj)/Ai(Sj)max (7)
成本型标准化：
rij＝Ai(Sj)/Ai(Sj)min (8)
其中：
Ai(Sj)max＝max{Ai(Sj)|1≤i≤N} (9)
Ai(Sj)min＝min{Ai(Sj)|1≤i≤N} (10)
得到新矩阵R＝(rij)N×M，根据熵技术法计算各属性所占权重，第j个指标的权重为wj(j＝1,...M),∑wj＝1，加权矩阵为：
Y＝(yij)＝(wjrij) (11)
正理想决策为：
<mrow> <msup> <mi>A</mi> <mo>+</mo> </msup> <mo>=</mo> <mo>{</mo> <mi>max</mi> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mo>,</mo> <mo>...</mo> <msub> <mi>y</mi> <mrow> <mi>i</mi> <mi>m</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>}</mo> <mo>=</mo> <mo>{</mo> <msubsup> <mi>y</mi> <mn>1</mn> <mi>max</mi> </msubsup> <mo>,</mo> <mn>...</mn> <msubsup> <mi>y</mi> <mi>m</mi> <mi>max</mi> </msubsup> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>12</mn> <mo>)</mo> </mrow> </mrow>
负理想决策为：
<mrow> <msup> <mi>A</mi> <mo>-</mo> </msup> <mo>=</mo> <mo>{</mo> <mi>min</mi> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mo>,</mo> <mo>...</mo> <msub> <mi>y</mi> <mrow> <mi>i</mi> <mi>m</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>}</mo> <mo>=</mo> <mo>{</mo> <msubsup> <mi>y</mi> <mn>1</mn> <mi>min</mi> </msubsup> <mo>,</mo> <mn>...</mn> <msubsup> <mi>y</mi> <mi>m</mi> <mi>min</mi> </msubsup> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>13</mn> <mo>)</mo> </mrow> </mrow>
Ai到A+与A-的距离分别为:
<mrow> <msubsup> <mi>D</mi> <mi>i</mi> <mo>+</mo> </msubsup> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msubsup> <mi>y</mi> <mi>j</mi> <mi>max</mi> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>&amp;rsqb;</mo> </mrow> <mrow> <mn>1</mn> <mo>/</mo> <mn>2</mn> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>14</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msubsup> <mi>D</mi> <mi>i</mi> <mo>-</mo> </msubsup> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msubsup> <mi>y</mi> <mi>j</mi> <mi>min</mi> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>&amp;rsqb;</mo> </mrow> <mrow> <mn>1</mn> <mo>/</mo> <mn>2</mn> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>15</mn> <mo>)</mo> </mrow> </mrow>
各个节点贴近度Zi为：
<mrow> <msub> <mi>Z</mi> <mi>i</mi> </msub> <mo>=</mo> <msubsup> <mi>D</mi> <mi>i</mi> <mo>-</mo> </msubsup> <mo>/</mo> <mrow> <mo>(</mo> <msubsup> <mi>D</mi> <mi>i</mi> <mo>-</mo> </msubsup> <mo>+</mo> <msubsup> <mi>D</mi> <mi>i</mi> <mo>+</mo> </msubsup> <mo>)</mo> </mrow> <mo>,</mo> <mn>0</mn> <mo>&amp;le;</mo> <mi>Z</mi> <mo>&amp;le;</mo> <mn>1</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>16</mn> <mo>)</mo> </mrow> </mrow>
Zi越大节点越重要，根据该指标得到各节点的重要度排序，引导电动汽车在节点重要度低的点进行快速充电。
CN201711039610.2A 2017-10-30 2017-10-30 电动汽车快速充电最优位置选择方法 Active CN107730049B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711039610.2A CN107730049B (zh) 2017-10-30 2017-10-30 电动汽车快速充电最优位置选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711039610.2A CN107730049B (zh) 2017-10-30 2017-10-30 电动汽车快速充电最优位置选择方法

Publications (2)

Publication Number Publication Date
CN107730049A true CN107730049A (zh) 2018-02-23
CN107730049B CN107730049B (zh) 2021-10-22

Family

ID=61202833

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711039610.2A Active CN107730049B (zh) 2017-10-30 2017-10-30 电动汽车快速充电最优位置选择方法

Country Status (1)

Country Link
CN (1) CN107730049B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108470224A (zh) * 2018-03-20 2018-08-31 李琰 基于电动汽车充电的充电站选择方法、介质以及设备
CN108688503A (zh) * 2018-06-20 2018-10-23 湘潭大学 计及输电阻塞的电动汽车用户充电选择辅助决策方法
CN109360015A (zh) * 2018-09-07 2019-02-19 云南大学 在线充电桩接口分配及定价方法
CN109572479A (zh) * 2018-11-19 2019-04-05 浙江大学 一种城市配电网络中电动汽车快速充电站的优化选址方法
CN109615773A (zh) * 2018-10-16 2019-04-12 浙江工业大学 基于直导轨的食品自动售卖机货物优化调整方法
CN111189451A (zh) * 2019-11-26 2020-05-22 恒大智慧科技有限公司 社区充电区域路线引导方法、系统、计算机设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105322559A (zh) * 2015-11-11 2016-02-10 重庆大学 一种基于v2g技术的电动汽车配电调度控制方法
CN107067110A (zh) * 2017-04-14 2017-08-18 天津大学 车‑路‑网模式下电动汽车充电负荷时空预测方法
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105322559A (zh) * 2015-11-11 2016-02-10 重庆大学 一种基于v2g技术的电动汽车配电调度控制方法
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
CN107067110A (zh) * 2017-04-14 2017-08-18 天津大学 车‑路‑网模式下电动汽车充电负荷时空预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HONGMEI CAO等: "The Evaluation of Node Importance in Urban Road Network Based on Complex Network Theory", 《PROCEEDINGS OF THE INTERNATIONAL SEMINAR ON APPLIED PHYSICS, OPTOELECTRONICS AND PHOTONICS (APOP 2016)》 *
崔力民等: "考虑电网关联度的电力通信网关键环节识别", 《电力建设》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108470224A (zh) * 2018-03-20 2018-08-31 李琰 基于电动汽车充电的充电站选择方法、介质以及设备
CN108688503A (zh) * 2018-06-20 2018-10-23 湘潭大学 计及输电阻塞的电动汽车用户充电选择辅助决策方法
CN109360015A (zh) * 2018-09-07 2019-02-19 云南大学 在线充电桩接口分配及定价方法
CN109360015B (zh) * 2018-09-07 2021-05-14 云南大学 在线充电桩接口分配及定价方法
CN109615773A (zh) * 2018-10-16 2019-04-12 浙江工业大学 基于直导轨的食品自动售卖机货物优化调整方法
CN109572479A (zh) * 2018-11-19 2019-04-05 浙江大学 一种城市配电网络中电动汽车快速充电站的优化选址方法
CN111189451A (zh) * 2019-11-26 2020-05-22 恒大智慧科技有限公司 社区充电区域路线引导方法、系统、计算机设备及存储介质

Also Published As

Publication number Publication date
CN107730049B (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN107730049A (zh) 电动汽车快速充电最优位置选择方法
Luo et al. Optimal charging scheduling for large-scale EV (electric vehicle) deployment based on the interaction of the smart-grid and intelligent-transport systems
Ou et al. Investigating wireless charging and mobility of electric vehicles on electricity market
CN113029182B (zh) 一种考虑无线充电和动态能耗的电动汽车路径规划方法
CN110968837B (zh) 电动汽车充电站选址定容的方法
CN106875075A (zh) 一种基于出行行为学的电动汽车充电站布点方法
CN106651059A (zh) 一种电动汽车充电站优化配置的方法
CN106965688A (zh) 一种电网和交通网协同环境下的电动汽车充电方法
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
CN112016745B (zh) 一种电动汽车充电站规划方法
CN110866636A (zh) 一种综合考虑电动汽车充电站及分布式能源的微电网规划方法
CN112116125A (zh) 一种基于深度强化学习的电动汽车充电导航方法
CN110189182A (zh) 一种基于车联网的里程焦虑管理方法
Cerna et al. Efficient automation of an HEV heterogeneous fleet using a two-stage methodology
Zhao et al. Research on emergency distribution optimization of mobile power for electric vehicle in photovoltaic-energy storage-charging supply chain under the energy blockchain
Zhang et al. The effect of nonlinear charging function and line change constraints on electric bus scheduling
Zhou et al. Bilevel optimization approach to fast charging station planning in electrified transportation networks
CN110059869B (zh) 一种基于交通流量的充电站与配电网协调规划方法
CN111126712A (zh) 一种面向通勤廊道的停车充电换乘系统规划方法
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
He et al. Expansion planning of electric vehicle charging stations considering the benefits of peak‐regulation frequency modulation
CN110738848B (zh) 一种考虑时变路阻信息的电动汽车导航方法
CN117784772A (zh) 基于多策略融合黏菌算法的露天矿电动卡车路径规划方法
He et al. The charging station and swapping station site selection with many-objective evolutionary algorithm
Wang et al. The location of electric vehicle charging stations based on FRLM with robust optimization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant