CN108269008B - 考虑用户满意度和配网可靠性的充电设施优化规划方法 - Google Patents
考虑用户满意度和配网可靠性的充电设施优化规划方法 Download PDFInfo
- Publication number
- CN108269008B CN108269008B CN201711498768.6A CN201711498768A CN108269008B CN 108269008 B CN108269008 B CN 108269008B CN 201711498768 A CN201711498768 A CN 201711498768A CN 108269008 B CN108269008 B CN 108269008B
- Authority
- CN
- China
- Prior art keywords
- user
- charging
- satisfaction
- formula
- destination
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 36
- 238000010276 construction Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 230000002068 genetic effect Effects 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000013178 mathematical model Methods 0.000 claims abstract description 6
- 230000008901 benefit Effects 0.000 claims description 33
- 238000011156 evaluation Methods 0.000 claims description 22
- 101100100125 Mus musculus Traip gene Proteins 0.000 claims description 11
- 230000001066 destructive effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012482 interaction analysis Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004445 quantitative analysis Methods 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 230000002354 daily effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002955 isolation Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000004148 curcumin Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
一种考虑用户满意度和配网可靠性的充电设施优化规划方法,包括:建立目的地模式下电动私家车充电设施规划数学模型,包括:分别建立目标函数和约束条件;充电设施模拟运营,包括:模拟条件设定和序贯等步长充电模拟过程;模型求解,包括:采用非支配排序遗传算法求取帕累托前沿和采用多准则妥协排序法确定最优方案。本发明能够协调考虑投资运营商、电动汽车用户和配电网三方面主体进行方案规划,为充电设施建设提供理论基础和技术指导。本发明规划结果既能满足决策者不同侧重方面的需求,又可稳定运营,且各目的地所在配网节点的负荷水平在充电设施投入运营后符合日常经验,因此应用于典型城区的电动汽车充电设施规划建设指导。
Description
技术领域
本发明涉及一种充电设施优化规划方法。特别是涉及一种用于目的地模式下私家电动汽车用户充电设施的考虑用户满意度和配网可靠性的充电设施优化规划方法。
背景技术
电动汽车在能耗和环保性能方面优势明显,在资源紧缺和环境污染问题日益凸显的背景下,推广电动汽车势在必行。电动汽车充电设施作为电动汽车大规模推广的前提,其规划是否合理直接影响到充电设施投资方的利益、用户的体验和配电网的安全稳定运行,进而影响电动汽车行业的发展。
目前,已有众多学者对电动汽车充电设施的规划问题进行了研究,已有分别侧重于配电网络、交通网络、配电网和车流信息的结合以及用户的出行需求等方面的研究。然而,对于目的地模式下电动私家车充电设施规划,由于电动私家车用户停留状态时间长、行驶状态时间短的出行特点,其充电设施规划方法与充电站规划方法有一定区别,目前还缺乏针对性的研究。另一方面,用户作为充电设施投运后的主要参与者,在规划阶段被重视程度不足。
发明内容
本发明所要解决的技术问题是,提供一种能够得协调考虑投资运营商、电动汽车用户和配电网三方面主体的考虑用户满意度和配网可靠性的充电设施优化规划方法。
本发明所采用的技术方案是:一种考虑用户满意度和配网可靠性的充电设施优化规划方法,包括如下步骤:
1)建立目的地模式下电动私家车充电设施规划数学模型,包括:分别建立目标函数和约束条件;
2)充电设施模拟运营,包括:模拟条件设定和序贯等步长充电模拟过程;
3)模型求解,包括:采用非支配排序遗传算法求取帕累托前沿和采用多准则妥协解排序法确定最优方案。
步骤1)所述的目标函数包括:
(1)投资运营方综合效益最大
以考虑充电设施投资和收益的综合年费用最大作为目标函数,表达式为:
maxL=-Wsc+Wso+Wsr
式中:Wsc为充电设施建设成本的年费用;Wso为充电设施运营收益的年费用;Wsr为充电设施退出运行时残值的年费用;
其中,充电设施建设成本年费用为:
式中:mi为目的地i的充电机配置数量;ac为充电机的单价;bi为目的地i的固定投资费用;r为折现率;z为运行年限;N为规划区域内目的地的数量;
考虑占位收益的充电设施运营收益年费用为:
式中:Yd为第d天规划区域内运营者为用户提供充电服务获得的收益;Zd为第d天规划区域内运营者向占用充电位停车的用户收取占位费用获得的收益;
式中:Ai,j,k为第k辆电动私家车在j时段内是否停在目的地i的状态标识;Bi,j,k为第k辆电动私家车充电需求标识;Ci,j,k为第k辆电动私家车获得充电位标识;Di,j,k为第k辆电动私家车配电网允许接入标识;pEV为单位时段的充电量单位为kWh/时段;ei为目的地i提供单位功率充电服务的费用,单位为元/kWh;nT为模拟周期包含的时段数;nEV为规划区域内电动私家车的数量;
式中:q为充电机的功率;dT为单位时段的时长,单位为min;
式中:fi为目的地i向占用充电位停车的用户收取的单位时段占位费用,单位为元/时段;充电设施残值年费用为:
式中:ε为充电设施残值对于投资建设成本的折算系数,取5%;
(2)用户满意度最高
以用户对充电设施所提供充电服务的满意程度最高为目标函数,表达式为:
maxM=Mcom
结合目的地模式下用户的用车习惯,选取用户最关注的2个指标来衡量用户对充电服务的满意程度,即既定出行时间的变化情况和使用电动私家车完成行程的情况,进行定量分析并提出用户满意度函数:
Mcom=f(Mcom,1,Mcom,2)
式中:Mcom为用户综合满意度函数;Mcom,1和Mcom,2分别为用户对充电设施建设方案关于时间和行程的满意度函数;
时间满意度和行程满意度分别对应于目的地模式下用户停车和行驶两种状态,以下对2个满意度函数分别建立模型,
(2.1)时间满意度
目的地模式下,考虑用户的两种主要行程:工作和休闲,时间满意度表示为:
式中:cW为工作时间满意度;cR为休闲时间满意度;nW为用户工作行程的次数;nR为用户休闲行程的次数;其中
式中:T1和T1’分别为用户到达目的地的预期时刻和实际时刻;T2和T2’分别为用户离开目的地的预期时刻和实际时刻;设置时间满意度为非负值,因此取工作时间满意度下限为0;
式中:tr和tr’分别为用户在目的地停车的预期时长和实际时长;考虑增加的休闲时长并不能无限提高用户的时间满意度,设定休闲时间满意度上限为1;
(2.2)行程满意度
行程满意度反映用户使用电动私家车完成行程的情况:
式中:tl为用户第l次行程的行驶时长;Fl为用户第l次行程暂时放弃电动私家车而采取其他交通方式出行的放弃标识位,取0表示仍驾驶电动私家车,取1时表示放弃;nC表示用户的行程总数;
nC=nW+nR
式中:nW为用户出行活动为工作的次数;nR为用户出行活动为休闲的次数;
(2.3)综合满意度
考虑到满意度建模的实质是反映用户在时间满意度公式和行程满意度公式对应的2个指标间关于充电服务的偏好程度,兼顾求解时间,选用专家策略,将不同用户对于充电服务的偏好作为知识库,给定2名专家分别根据时间满意度公式和行程满意度公式进行打分,将不同专家的评分结果按如下综合满意度函数公式进行综合评判:
式中:λw为用户对Mcom,w的敏感系数,反映用户对不同类型满意度的偏好程度,要求时间满意度和行程满意度满足标一化条件,即
(3)配电网可靠性最大
以电力系统缺供电量最低为目标函数,表达式为
minE=ENS
电力系统缺供量为
式中:g是规划区域内配电系统可能发生故障的元件编号,I(g)表示元件g发生破坏性故障时将引起持续停电的负荷节点集合,tgh表示元件g发生破坏性故障时造成负荷节点h的停电时间,Lh表示元件g故障时负荷节点h的平均停电负荷。
步骤1)所述的约束条件包括:
(1)配电网接入功率约束
Pi0+q×mi≤Pimax
式中:Pi0为目的地i未建设充电设施时所在配电网节点的基本负荷;q为充电机的功率;mi为目的地i的充电机配置数量;Pimax为目的地i所在配电网节点允许的最大接入功率,是由节点的负荷和所在线路的传输能力决定;
(2)可建设充电位的停车位数量约束
oimin≤si≤oi
式中:oi为目的地i可安装充电设施的停车位数量,oimin为目的地i安装充电设施的停车位的最低数量,si为可建设充电位的停车位数量;
(3)荷电状态约束
Gk0≤Gk≤Gmax
式中:Gk0为第k辆电动私家车在开始停车时的荷电状态;Gk为第k辆电动私家车处于停车状态期间的荷电状态;Gmax为电动私家车荷电状态的上限。
步骤2)所述的模拟条件设定包括:
(1)假设用户在家和工作地点目的地停车时进行慢充;
(2)若用户占用充电位停车则需要支付占位费用;
(3)对于在目的地处于停留状态且占用充电位的电动私家车,即使荷电状态已达上限,若用户下一时段不驶离目的地,则该电动私家车仍不会释放充电位;
(4)以dT为时间间隔进行时序交互模拟,该间隔内用户、电动私家车和目的地状态均不变。
步骤2)所述的序贯等步长充电模拟过程包括:
(1)输入用户出行、目的地和配网的相关信息;
(2)遍历模拟周期内所有时段,在各时段遍历规划区域内所有电动私家车及用户,判断用户出行状态和电动私家车位置O,驶入和停留时O为电动私家车所在目的地标号,行驶和驶离时O取0;
(3)当用户处于不同状态时,结合用户出行与充电时序交互分析中电量消耗模型、充电需求产生模型、电量补充模型和充电反馈决策模型完成充电模拟,其中,用户满意度计算按用户满意度公式计算;
(4)重复第(3)步中操作直至遍历模拟周期内所有电动私家车及用户,根据步骤1)计算三个目标函数。
步骤3)所述的采用非支配排序遗传算法求取帕累托前沿,包括:基于非支配排序、精英保留和分层聚类多目标优化策略,采用非支配排序遗传算法分别对投资运营方综合效益最大目标函数、用户满意度最高目标函数和配电网可靠性最大目标函数进行求解,在保持种群多样性的同时,保证进化向帕累托全局最优解集方向进行;种群大小为30,操作代数为50,选择方法为锦标赛选择,竞赛规模为15,交叉方法为二进制交叉,交叉率为0.9,变异方法为多项式变异,变异率为0.13。
步骤3)所述的采用多准则妥协解排序法确定最优方案,包括:
(1)规范数据信息
(2)确定指标权重
将群体评价信息与客观评价信息融合,采用熵值法确定各评价准则的客观权重如下式:
ω=(ω1,ω2,...,ωnY)
其中,各个准则的权重为:
其中,准则Vy下的熵值ey为:
式中:ry为各备选方案在准则Vy下的综合评价值的均值;
其中,各备选方案在准则Vy下的综合评价值的均值为:
(3)求解正理想解和负理想解
正理想解为:
负理想解为:
(4)计算待选方案综合评价最优解Sx和方案综合评价最劣解Rx
(5)计算待选方案的效益值Qx
式中:S*=minSx,S-=maxSx;R*=minRy,R-=maxRy;vQ表示最大化群体效益策略的权重系数,1-vQ表示最小化个体损失的权重系数,取vQ=0.5;
(6)通过判断准则选取方案
将各待选方案按照效益值Qx排序,记效益值最小的2个方案为x1和x2;
判断条件1:Q(x2)-Q(x1)≥1/(mX-1);判断条件2:x1关于Rx或Sx的指标排序也是第一;
若判断条件1和判断条件2成立,则x1即为最优方案;若判断条件1成立、判断条件2不成立,则x1和x2均为理想折衷方案;若判断条件1不成立、判断条件2成立,则直至找到xK,使得Q(x2)-Q(x1)≥1/(mX-1)成立为止,其中K∈(3,...,mX),此时x1至xK均为理想折衷方案。
本发明的考虑用户满意度和配网可靠性的充电设施优化规划方法,能够协调考虑投资运营商、电动汽车用户和配电网三方面主体进行方案规划,为充电设施建设提供理论基础和技术指导。本发明规划结果既能满足决策者不同侧重方面的需求,又可稳定运营,且各目的地所在配网节点的负荷水平在充电设施投入运营后符合日常经验,因此应用于典型城区的电动汽车充电设施规划建设指导。发明中充分考虑投资运营方综合效益、电动汽车用户满意度和配电网可靠性,规划结果可以平衡各方利益,从而推动电动汽车行业发展。
附图说明
图1是目的地模式下充电模拟流程图;
图2是模型求解流程图;
图3是配电网结构示意图;
图4是帕累托前沿分布示意图;
图5a是目的地H2所在配网节点负荷水平图;
图5b是目的地R3所在配网节点负荷水平图;
图5c是目的地W7所在配网节点负荷水平图;
具体实施方式
下面结合实施例和附图对本发明的考虑用户满意度和配网可靠性的充电设施优化规划方法做出详细说明。
电动汽车充电设施是由投资运营方建设的为电动私家车提供充电服务的基础设施,同时也是配电网的用电设施。因此,电动汽车充电设施优化规划需要考虑充电设施投资运营方、电动汽车用户和配电网三个主体。
对于投资运营方而言,电动汽车充电设施建设是一种投资行为,实现含投资成本和运营收益的综合效益最大化是最关注的方面。从全寿命周期角度分析,应考虑充电设施的建设成本、运营收益和残值等。考虑到燃油车占据充电位停车的问题,运营收益除考虑为用户提供充电服务获得的收益外,还需考虑向占用充电位停车的用户收取一定占位费用所获得的收益。投资运营方的综合效益应作为目标函数。
对于电动汽车用户而言,充电设施提供的充电服务能否支持用户顺利到达目的地是最敏感的问题。充电设施建设影响到用户完成既定行程的体验,用户对于充电服务的满意程度也是影响目的地模式推广的主要因素。因此,电动汽车用户的满意度应作为目标函数。
对于配电网而言,电动汽车负荷的接入可能会加重负载,进而降低系统可靠性和威胁系统安全可靠运行。因此,配电网可靠性应作为目标函数,且在规划时必须考虑其容量限制和安全运行并作为约束条件。
投资运营方的综合效益以及用户满意度很大程度上取决于充电设施的充足程度。充电设施布置充足有利于用户充电和出行可使得用户满意度更高,但由于充电设施建设成本的限制,投资运营方的综合效益可能更小;且由于配电网结构所限,系统可靠性也不能同步达到最高。即由于用户出行需求、充电需求与配电网紧密的联系,3个目标函数不能同时实现最优。因此,建立数学模型并采用一定方法求解得到充电设施规划方案十分必要。
本发明的考虑用户满意度和配网可靠性的充电设施优化规划方法,包括如下步骤:
1)建立目的地模式下电动私家车充电设施规划数学模型,包括:分别建立目标函数和约束条件;其中,
所述的目标函数包括:
(1)投资运营方综合效益最大
以考虑充电设施投资和收益的综合年费用最大作为目标函数,表达式为:
maxL=-Wsc+Wso+Wsr (1)
式中:Wsc为充电设施建设成本的年费用;Wso为充电设施运营收益的年费用;Wsr为充电设施退出运行时残值的年费用;
其中,充电设施建设成本年费用为:
式中:mi为目的地i的充电机配置数量;ac为充电机的单价;bi为目的地i的固定投资费用;r为折现率;z为运行年限;N为规划区域内目的地的数量;
考虑占位收益的充电设施运营收益年费用为:
式中:Yd为第d天规划区域内运营者为用户提供充电服务获得的收益;Zd为第d天规划区域内运营者向占用充电位停车的用户收取占位费用获得的收益;
式中:Ai,j,k为第k辆电动私家车在j时段内是否停在目的地i的状态标识;Bi,j,k为第k辆电动私家车充电需求标识;Ci,j,k为第k辆电动私家车获得充电位标识;Di,j,k为第k辆电动私家车配电网允许接入标识;pEV为单位时段的充电量单位为kWh/时段;ei为目的地i提供单位功率充电服务的费用,单位为元/kWh;nT为模拟周期包含的时段数;nEV为规划区域内电动私家车的数量;
式中:q为充电机的功率;dT为单位时段的时长,单位为min;
式中:fi为目的地i向占用充电位停车的用户收取的单位时段占位费用,单位为元/时段;充电设施残值年费用为:
式中:ε为充电设施残值对于投资建设成本的折算系数,取5%;
(2)用户满意度最高
以用户对充电设施所提供充电服务的满意程度最高为目标函数,表达式为:
maxM=Mcom (9)
结合目的地模式下用户的用车习惯,选取用户最关注的2个指标来衡量用户对充电服务的满意程度,即既定出行时间的变化情况和使用电动私家车完成行程的情况,进行定量分析并提出用户满意度函数:
Mcom=f(Mcom,1,Mcom,2) (10)
式中:Mcom为用户综合满意度函数;Mcom,1和Mcom,2分别为用户对充电设施建设方案关于时间和行程的满意度函数;
时间满意度和行程满意度分别对应于目的地模式下用户停车和行驶两种状态,以下对2个满意度函数分别建立模型,
(2.1)时间满意度
目的地模式下,考虑用户的两种主要行程:工作和休闲,时间满意度表示为:
式中:cW为工作时间满意度;cR为休闲时间满意度;nW为用户工作行程的次数;nR为用户休闲行程的次数;其中
式中:T1和T1’分别为用户到达目的地的预期时刻和实际时刻;T2和T2’分别为用户离开目的地的预期时刻和实际时刻;设置时间满意度为非负值,因此取工作时间满意度下限为0;
式中:tr和tr’分别为用户在目的地停车的预期时长和实际时长;考虑增加的休闲时长并不能无限提高用户的时间满意度,设定休闲时间满意度上限为1;
(2.2)行程满意度
用户的出行需求会因充电需求被满足情况的不同而变化,而充电设施的规划直接影响到用户充电需求的满足情况。不合理的充电设施规划可能会导致用户暂时放弃电动私家车而采用其他交通方式继续既定行程。行程满意度反映用户使用电动私家车完成行程的情况:
式中:tl为用户第l次行程的行驶时长;Fl为用户第l次行程暂时放弃电动私家车而采取其他交通方式出行的放弃标识位,取0表示仍驾驶电动私家车,取1时表示放弃;nC表示用户的行程总数;
nC=nW+nR (15)
式中:nW为用户出行活动为工作的次数;nR为用户出行活动为休闲的次数;
(2.3)综合满意度
考虑到满意度建模的实质是反映用户在时间满意度公式和行程满意度公式对应的2个指标间关于充电服务的偏好程度,兼顾求解时间,选用专家策略,将不同用户对于充电服务的偏好作为知识库,给定2名专家分别根据时间满意度公式和行程满意度公式进行打分,将不同专家的评分结果按如下综合满意度函数公式进行综合评判:
式中:λw为用户对Mcom,w的敏感系数,反映用户对不同类型满意度的偏好程度,要求时间满意度和行程满意度满足标一化条件,即
(3)配电网可靠性最大
配电网可靠性是指“电力系统按可接受的质量标准和所需数量不间断地向电力用户提供电力和电量能力的量度”,主要用以度量和评估电力系统向电力用户提供不间断的合格电能的能力。在配电网中,可从不同角度如停电时间、停电频率以及电量等角度评估配电系统的可靠性。本发明在模拟充电设施投入运营的情景时对于满意度和综合效益的分析都与电量补充紧密联系,故选取缺供电量作为评估配电系统可靠性的指标。以电力系统缺供电量最低为目标函数,表达式为
minE=ENS (18)
电力系统缺供量为
式中:g是规划区域内配电系统可能发生故障的元件编号,I(g)表示元件g发生破坏性故障时将引起持续停电的负荷节点集合,tgh表示元件g发生破坏性故障时造成负荷节点h的停电时间,Lh表示元件g故障时负荷节点h的平均停电负荷。
电动私家车充电需要接入配电网,可能会加重配电网负载而威胁配电网安全可靠运行,因此本发明考虑配电网容量的限制和安全运行,并作为约束条件。此外,本发明还还考虑了目的地模式下在停车场建设充电设施的实际情况以及充电过程中荷电状态的实际约束。所述的约束条件包括:
(1)配电网接入功率约束
Pi0+q×mi≤Pimax (20)
式中:Pi0为目的地i未建设充电设施时所在配电网节点的基本负荷;q为充电机的功率;mi为目的地i的充电机配置数量;Pimax为目的地i所在配电网节点允许的最大接入功率,是由节点的负荷和所在线路的传输能力决定;
(2)可建设充电位的停车位数量约束
oimin≤si≤oi (21)
式中:oi为目的地i可安装充电设施的停车位数量,oimin为目的地i安装充电设施的停车位的最低数量,si为可建设充电位的停车位数量;
(3)荷电状态约束
Gk0≤Gk≤Gmax (22)
式中:Gk0为第k辆电动私家车在开始停车时的荷电状态;Gk为第k辆电动私家车处于停车状态期间的荷电状态;Gmax为电动私家车荷电状态的上限。
2)充电设施模拟运营,包括:模拟条件设定和序贯等步长充电模拟过程;其中,
所述的模拟条件设定包括:
(1)电动私家车用户出行特点为停留状态时间长、行驶状态时间短,目的地模式下用户不需要以充电为首要目的,因此假设用户在家和工作地点目的地停车时进行慢充;
(2)目的地模式下充电位由原有停车位改造而成,仍具有停车功能,但模拟时区分充电位与普通停车位。若用户占用充电位停车则需要支付占位费用;
(3)对于在目的地处于停留状态且占用充电位的电动私家车,即使荷电状态已达上限,若用户下一时段不驶离目的地,则该电动私家车仍不会释放充电位;
(4)以dT为时间间隔进行时序交互模拟,该间隔内用户、电动私家车和目的地状态均不变。
如图1所示,所述的序贯等步长充电模拟过程包括:
(1)输入用户出行、目的地和配网的相关信息;
(2)遍历模拟周期内所有时段,在各时段遍历规划区域内所有电动私家车及用户,判断用户出行状态和电动私家车位置O,驶入和停留时O为电动私家车所在目的地标号,行驶和驶离时O取0;
(3)当用户处于不同状态时,结合用户出行与充电时序交互分析中电量消耗模型、充电需求产生模型、电量补充模型和充电反馈决策模型完成充电模拟,其中,用户满意度计算按用户满意度公式计算;
(4)重复第(3)步中操作直至遍历模拟周期内所有电动私家车及用户,根据步骤1)计算三个目标函数。
3)模型求解,包括:采用非支配排序遗传算法求取帕累托前沿和采用多准则妥协解排序法确定最优方案。其中,
如图2所示,所述的采用非支配排序遗传算法求取帕累托前沿,包括:基于非支配排序、精英保留和分层聚类多目标优化策略,采用非支配排序遗传算法分别对投资运营方综合效益最大目标函数、用户满意度最高目标函数和配电网可靠性最大目标函数进行求解,在保持种群多样性的同时,保证进化向帕累托全局最优解集方向进行;种群大小为30,操作代数为50,选择方法为锦标赛选择,竞赛规模为15,交叉方法为二进制交叉,交叉率为0.9,变异方法为多项式变异,变异率为0.13。具体如表1
表1非支配排序遗传算法操作参数
充电设施规划方案优选是一种多属性决策问题。多准则妥协解排序法作为一种基于理想点解的多属性决策方法,是通过确定正、负理想解,根据待选方案指标值与理想解的接近程度择优,通过最大化群体效益和最小化个体损失得到方案各属性互相让步的折衷妥协解。所述的采用多准则妥协解排序法确定最优方案,包括:
(1)规范数据信息
(2)确定指标权重
将群体评价信息与客观评价信息融合,采用熵值法确定各评价准则的客观权重如下式:
ω=(ω1,ω2,...,ωnY) (24)
其中,各个准则的权重为:
其中,准则Vy下的熵值ey为:
式中:ry为各备选方案在准则Vy下的综合评价值的均值;
其中,各备选方案在准则Vy下的综合评价值的均值为:
(3)求解正理想解和负理想解
正理想解为:
负理想解为:
(4)计算待选方案综合评价最优解Sx和方案综合评价最劣解Rx
(5)计算待选方案的效益值Qx
式中:S*=minSx,S-=maxSx;R*=minRy,R-=maxRy;vQ表示最大化群体效益策略的权重系数,1-vQ表示最小化个体损失的权重系数,取vQ=0.5;
(6)通过判断准则选取方案
将各待选方案按照效益值Qx排序,记效益值最小的2个方案为x1和x2;
判断条件1:Q(x2)-Q(x1)≥1/(mX-1);判断条件2:x1关于Rx或Sx的指标排序也是第一;若判断条件1和判断条件2成立,则x1即为最优方案;若判断条件1成立、判断条件2不成立,则x1和x2均为理想折衷方案;若判断条件1不成立、判断条件2成立,则直至找到xK,使得Q(x2)-Q(x1)≥1/(mX-1)成立为止,其中K∈(3,...,mX),此时x1至xK均为理想折衷方案。
下面给出最佳实例:
仿真在目的地模式下进行,故对城市交通网做出合理简化并给出模拟区域内用户停车的主要停车场(停车节点)的相关信息,其中安装充电设施的停车位的最低数量参考《深圳市城市规划标准与准则》对于配建停车场设置充电桩的要求并结合区域发展实际给出,商业区对于占用充电位停车的用户收取一定的占位费用,而居民区和工作区不收取,具体信息如表2所示。
仿真区域共有4000辆电动汽车。电动汽车荷电状态上限SOCmax=95%,参照日产Leaf的技术参数,电动汽车的锂电池容量CEV=48kW·h,行驶100km耗电量E100=15kWh,续航里程XD=160km,充电功率q=6kW,行驶平均速度v=40km/h。假设电动汽车起始荷电状态符合N(0.51,0.18)的正态分布。反映天气、路况等因素的常数c为(1,1.5]的随机数。弹性系数m1=1.2,模糊系数m2=2,支持系数n1=1.05,时序交互模拟时间间隔dt=15min。
充电机单价a=10000元,充电机的功率ph=6kW,折现率r=6%,运行年限z=10;折算系数ε=5%;模拟运行时单位时段的时长dt=15min,运行的天数nd=365,按照国家相关规定,工作日取250天,休息日为115天;一般型、舒适型和保守型三类用户比例为50%,25%和25%。
表2规划区域内各目的地信息
本发明假设用户工作日的三种典型出行结构所占比例分别为52.8%、24.1%、23.1%。假设休息日外出比例为70%,其中35%的出行时刻服从N(8.92,3.24)的正态分布,35%的出行时刻服从N(16.47,3.41)的正态分布;剩余30%用户休息日不出行。并假设用户工作日休闲时长满足[1,2]h的均匀分布,休息日满足[1,5]h的均匀分布。
规划区域的配电网结构如图3所示,图中加粗短线代表接入电动汽车负荷,规划区域共计有居民区负荷节点4个(其中2个接入电动汽车负荷)、工作区负荷节点9个(其中4个接入电动汽车负荷)、商业区负荷节点6个(其中2个接入电动汽车负荷)。
在进行可靠性计算时重点考虑单一元件故障对于负荷点的影响,具体包括:主变故障、母线故障、断路器故障、线路故障、开关故障、配电变压器故障和熔断器故障等。各类远近的可靠性参数如表3所示,故障隔离时间取0.5h,隔离后转供时间取1.5h,熔断器动作时间忽略不计。
表3系统中主要元件可靠性参数
各节点的负荷峰值、用户数和功率约束信息如表4所示,其中“—”表示不考虑未接入电动汽车负荷节点的功率约束。各节点的年负荷序列通过年负荷峰值以及负荷的周、日、小时百分比系数得到。
表4规划区域配电网各节点信息
采用多准则妥协解排序法对规划模型进行求解,所得帕累托三目标前沿如图4所示。图4中每个点对应多目标充电设施规划的一个非劣解,其三维坐标对应3个目标函数的优化值。充电设施规划方案的非劣解构成帕累托前沿。由图4可知,当充电设施布置方便用户充电而有利于用户出行时,由于充电设施建设成本所限,投资运营方的综合效益不能同步达到最大;由于配电网结构所限,系统缺供电量不能同步达到最小。由于用户出行需求、充电需求与配电网复杂的耦合关系,3个目标函数不能同时实现最优。前沿中所有的解都可以提供给规划者作为参考,规划者依据自身侧重点决定最终方案。
如前所述,采用熵值法确定各评价准则的客观权重ω=(0.2823,0.2218,0.4959),进而根据权重利用多准则妥协解排序法求出前沿中各方案的Si、Ri、Qi三个指标值。对于前沿中各方案,根据Si、Ri、Qi三个指标值“指标值越小、方案越好”的原则进行排序,结果如表5所示。
表5前沿中各方案Si、Ri、Qi三个指标值
依据表5,X25在指标Qi和Ri的排序中均为第一,即满足条件2;但不满足条件1,Q(X9)-Q(X25)=0.0242<1/(30-1)=0.0345,且直至排名第3的方案X11的指标Qi值Q(X11)满足不等式Q(X11)-Q(X25)=0.0425≥1/(30-1)=0.0345,因此X25、X9、X11均为理想折衷方案。三个理想折衷方案的各目标函数值和Si、Ri、Qi三个指标值如表6所示。
表6多准则妥协解排序法理想折衷方案比较
其中,X25的综合效益最大,X11用户满意度最高,X9系统缺供电量小。若规划者更看重投资运营者的综合效益,则选择方案25;若规划者更看重用户的满意度,则选择方案11;若规划者更看重配电网可靠性,则选择方案9。
以方案25为例,连续模拟多周充电设施投入运营后的情景。计入电动私家车充电负荷后,各目的地所在配网节点的总负荷水平有所变化。分别以H2、R3和W7为例分析居民区、商业区和工作区的总负荷水平,如图5所示。
分析图5,目的地H2为居民区,所在配网节点的总负荷曲线与基本负荷曲线同为双峰型,计入充电负荷后峰值和峰谷差变大,休息日相比于工作日峰值和峰谷差更小,即负荷更加分散,这与工作日上下班时间集中的实际相符合。目的地R3为休闲区,所在配网节点的总负荷曲线与基本负荷曲线同为平缓型,休息日与工作日相比总负荷水平高且更加分散,这与休息日休闲时间长且可自由选择而工作日休闲时间短且集中在下班之后的日常规律相符合。目的地W7为工作区,所在配网节点的休息日无工作行程因此总负荷曲线与基本负荷曲线相同,工作日总负荷曲线与基本负荷曲线相比有所增长,且增长对应的时间与用户的工作时间相符合。同类型目的地所在配网节点的负荷规律类似,因此不再列出。
图5仅展示了对应方案25充电设施投运后前3周的情景,但仍可明显看到总负荷曲线趋势是稳定的。故目的地模式下电动私家车充电设施按方案25建设可长期稳定运营,该方案合理有效。同理可分析方案9和11的合理性。
本发明在目的地模式下对电动私家车的充电设施进行了规划,规划结果既能满足决策者不同侧重方面的需求,又可稳定运营,且各目的地所在配网节点的负荷水平在充电设施投入运营后符合日常经验。结果表明,本发明文模型和方法能够对目的地模式下电动私家车充电设施规划提供有效的解决方案。
Claims (4)
1.一种考虑用户满意度和配网可靠性的充电设施优化规划方法,其特征在于,包括如下步骤:
1)建立目的地模式下电动私家车充电设施规划数学模型,包括:分别建立目标函数和约束条件;其中,
所述的目标函数包括:
(1)投资运营方综合效益最大
以考虑充电设施投资和收益的综合年费用最大作为目标函数,表达式为:
max L=-Wsc+Wso+Wsr
式中:Wsc为充电设施建设成本的年费用;Wso为充电设施运营收益的年费用;Wsr为充电设施退出运行时残值的年费用;
其中,充电设施建设成本年费用为:
式中:mi为目的地i的充电机配置数量;ac为充电机的单价;bi为目的地i的固定投资费用;r为折现率;z为运行年限;N为规划区域内目的地的数量;
考虑占位收益的充电设施运营收益年费用为:
式中:Yd为第d天规划区域内运营者为用户提供充电服务获得的收益;Zd为第d天规划区域内运营者向占用充电位停车的用户收取占位费用获得的收益;
式中:Ai,j,k为第k辆电动私家车在j时段内是否停在目的地i的状态标识;Bi,j,k为第k辆电动私家车充电需求标识;Ci,j,k为第k辆电动私家车获得充电位标识;Di,j,k为第k辆电动私家车配电网允许接入标识;pEV为单位时段的充电量单位为kWh/时段;ei为目的地i提供单位功率充电服务的费用,单位为元/kWh;nT为模拟周期包含的时段数;nEV为规划区域内电动私家车的数量;
式中:q为充电机的功率;dt为单位时段的时长,单位为min;
式中:fi为目的地i向占用充电位停车的用户收取的单位时段占位费用,单位为元/时段;
充电设施残值年费用为:
式中:mj为目的地j的充电机配置数量;a为充电机的单价;bj为目的地j的固定投资费用;ε为充电设施残值对于投资建设成本的折算系数,取5%;
(2)用户满意度最高
以用户对充电设施所提供充电服务的满意程度最高为目标函数,表达式为:
max M=Mcom
结合目的地模式下用户的用车习惯,选取用户最关注的2个指标来衡量用户对充电服务的满意程度,即既定出行时间的变化情况和使用电动私家车完成行程的情况,进行定量分析并提出用户满意度函数:
Mcom=f(Mcom,1,Mcom,2)
式中:Mcom为用户综合满意度函数;Mcom,1和Mcom,2分别为用户对充电设施建设方案关于时间和行程的满意度函数;
时间满意度和行程满意度分别对应于目的地模式下用户停车和行驶两种状态,以下对2个满意度函数分别建立模型,
(2.1)时间满意度
目的地模式下,考虑用户的两种主要行程:工作和休闲,时间满意度表示为:
式中:cW为工作时间满意度;cR为休闲时间满意度;nW为用户工作行程的次数;nR为用户休闲行程的次数;其中
式中:T1和T1’分别为用户到达目的地的预期时刻和实际时刻;T2和T2’分别为用户离开目的地的预期时刻和实际时刻;设置时间满意度为非负值,因此取工作时间满意度下限为0;
式中:tr和tr’分别为用户在目的地停车的预期时长和实际时长;考虑增加的休闲时长并不能无限提高用户的时间满意度,设定休闲时间满意度上限为1;
(2.2)行程满意度
行程满意度反映用户使用电动私家车完成行程的情况:
式中:tl为用户第l次行程的行驶时长;Fl为用户第l次行程暂时放弃电动私家车而采取其他交通方式出行的放弃标识位,取0表示仍驾驶电动私家车,取1时表示放弃;nC表示用户的行程总数;
nC=nW+nR
式中:nW为用户出行活动为工作的次数;nR为用户出行活动为休闲的次数;
(2.3)综合满意度
考虑到满意度建模的实质是反映用户在时间满意度公式和行程满意度公式对应的2个指标间关于充电服务的偏好程度,兼顾求解时间,选用专家策略,将不同用户对于充电服务的偏好作为知识库,给定2名专家分别根据时间满意度公式和行程满意度公式进行打分,将不同专家的评分结果按如下综合满意度函数公式进行综合评判:
式中:λw为用户对Mcom,w的敏感系数,反映用户对不同类型满意度的偏好程度,要求时间满意度和行程满意度满足标一化条件,即
(3)配电网可靠性最大
以电力系统缺供电量最低为目标函数,表达式为
min E=ENS
电力系统缺供量为
式中:g是规划区域内配电系统可能发生故障的元件编号,I(g)表示元件g发生破坏性故障时将引起持续停电的负荷节点集合,tgh表示元件g发生破坏性故障时造成负荷节点h的停电时间,Lgh表示元件g故障时负荷节点h的平均停电负荷;
所述的约束条件包括:
(1)配电网接入功率约束
Pi0+q×mi≤Pimax
式中:Pi0为目的地i未建设充电设施时所在配电网节点的基本负荷;q为充电机的功率;mi为目的地i的充电机配置数量;Pimax为目的地i所在配电网节点允许的最大接入功率,是由节点的负荷和所在线路的传输能力决定;
(2)可建设充电位的停车位数量约束
oimin≤si≤oi
式中:oi为目的地i可安装充电设施的停车位数量,oimin为目的地i安装充电设施的停车位的最低数量,si为可建设充电位的停车位数量;
(3)荷电状态约束
Gk0≤Gk≤Gmax
式中:Gk0为第k辆电动私家车在开始停车时的荷电状态;Gk为第k辆电动私家车处于停车状态期间的荷电状态;Gmax为电动私家车荷电状态的上限;
2)充电设施模拟运营,包括:模拟条件设定和序贯等步长充电模拟过程;
所述的序贯等步长充电模拟过程包括:
(1)输入用户出行、目的地和配网的相关信息;
(2)遍历模拟周期内所有时段,在各时段遍历规划区域内所有电动私家车及用户,判断用户出行状态和电动私家车位置O,驶入和停留时O为电动私家车所在目的地标号,行驶和驶离时O取0;
(3)当用户处于不同状态时,结合用户出行与充电时序交互分析中电量消耗模型、充电需求产生模型、电量补充模型和充电反馈决策模型完成充电模拟,其中,用户满意度计算按用户满意度公式计算;
(4)重复第(3)步中操作直至遍历模拟周期内所有电动私家车及用户,根据步骤1)计算三个目标函数;
3)模型求解,包括:采用非支配排序遗传算法求取帕累托前沿和采用多准则妥协解排序法确定最优方案。
2.根据权利要求1所述的考虑用户满意度和配网可靠性的充电设施优化规划方法,其特征在于,步骤2)所述的模拟条件设定包括:
(1)假设用户在家和工作地点目的地停车时进行慢充;
(2)若用户占用充电位停车则需要支付占位费用;
(3)对于在目的地处于停留状态且占用充电位的电动私家车,即使荷电状态已达上限,若用户下一时段不驶离目的地,则该电动私家车仍不会释放充电位;
(4)以dt为时间间隔进行时序交互模拟,该间隔内用户、电动私家车和目的地状态均不变。
3.根据权利要求1所述的考虑用户满意度和配网可靠性的充电设施优化规划方法,其特征在于,步骤3)所述的采用非支配排序遗传算法求取帕累托前沿,包括:基于非支配排序、精英保留和分层聚类多目标优化策略,采用非支配排序遗传算法分别对投资运营方综合效益最大目标函数、用户满意度最高目标函数和配电网可靠性最大目标函数进行求解,在保持种群多样性的同时,保证进化向帕累托全局最优解集方向进行;种群大小为30,操作代数为50,选择方法为锦标赛选择,竞赛规模为15,交叉方法为二进制交叉,交叉率为0.9,变异方法为多项式变异,变异率为0.13。
4.根据权利要求1所述的考虑用户满意度和配网可靠性的充电设施优化规划方法,其特征在于,步骤3)所述的采用多准则妥协解排序法确定最优方案,包括:
(1)规范数据信息
(2)确定指标权重
将群体评价信息与客观评价信息融合,采用熵值法确定各评价准则的客观权重如下式:
ω=(ω1,ω2,...,ωnY)
其中,各个准则的权重为:
式中:ωy为任一准则的权重;ey为准则Vy下的熵值;eqY为准则VqY下的熵值;
其中,准则Vy下的熵值ey为:
式中:ry为各备选方案在准则Vy下的综合评价值的均值;
其中,各备选方案在准则Vy下的综合评价值的均值为:
(3)求解正理想解和负理想解
正理想解为:
负理想解为:
(4)计算待选方案综合评价最优解Sx和方案综合评价最劣解Rx
(5)计算待选方案的效益值Qx
式中:S*=minSx,S-=maxSx;R*=minRy,R-=maxRy;vQ表示最大化群体效益策略的权重系数,1-vQ表示最小化个体损失的权重系数,取vQ=0.5;
(6)通过判断准则选取方案
将各待选方案按照效益值Qx排序,记效益值最小的2个方案为x1和x2;
判断条件1:Q(x2)-Q(x1)≥1/(mX-1);判断条件2:x1关于Rx或Sx的指标排序也是第一;
若判断条件1和判断条件2成立,则x1即为最优方案;若判断条件1成立、判断条件2不成立,则x1和x2均为理想折衷方案;若判断条件1不成立、判断条件2成立,则直至找到xK,使得Q(x2)-Q(x1)≥1/(mX-1)成立为止,其中K∈(3,...,mX),此时x1至xK均为理想折衷方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711498768.6A CN108269008B (zh) | 2017-12-29 | 2017-12-29 | 考虑用户满意度和配网可靠性的充电设施优化规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711498768.6A CN108269008B (zh) | 2017-12-29 | 2017-12-29 | 考虑用户满意度和配网可靠性的充电设施优化规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108269008A CN108269008A (zh) | 2018-07-10 |
CN108269008B true CN108269008B (zh) | 2021-09-10 |
Family
ID=62773135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711498768.6A Active CN108269008B (zh) | 2017-12-29 | 2017-12-29 | 考虑用户满意度和配网可靠性的充电设施优化规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108269008B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11385631B2 (en) | 2020-11-11 | 2022-07-12 | Honda Research Institute Europe Gmbh | Method and system for detecting faults in a charging infrastructure system for electric vehicles |
CN113256055B (zh) * | 2021-03-31 | 2022-06-10 | 国网河北省电力有限公司营销服务中心 | 配电网多元接入体规划方法及终端设备 |
CN113094907A (zh) * | 2021-04-15 | 2021-07-09 | 天津大学 | 一种用于空调负荷和电动汽车充电负荷联合调度方法 |
CN113111584A (zh) * | 2021-04-15 | 2021-07-13 | 天津大学 | 一种考虑电动汽车充电负荷的建筑蓄电池配置方法 |
CN113378304B (zh) * | 2021-08-12 | 2021-11-23 | 江铃汽车股份有限公司 | 一种车辆性能目标的确定方法、装置、存储介质及设备 |
CN117277585B (zh) * | 2023-11-20 | 2024-02-23 | 国网山东省电力公司济宁供电公司 | 一种基于物联网的建筑能耗监测调控方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463701A (zh) * | 2014-12-07 | 2015-03-25 | 国网浙江省电力公司电动汽车服务分公司 | 一种配电系统与电动汽车充电网络的协调规划方法 |
CN107025518A (zh) * | 2017-03-20 | 2017-08-08 | 中国电力科学研究院 | 一种电动汽车充电站规划方法及装置 |
CN107133415A (zh) * | 2017-05-22 | 2017-09-05 | 河海大学 | 一种考虑用户满意和配网安全的电动汽车充放电优化方法 |
CN107248751A (zh) * | 2017-07-26 | 2017-10-13 | 武汉大学 | 一种实现配电网负荷功率削峰填谷的储能站调度控制方法 |
-
2017
- 2017-12-29 CN CN201711498768.6A patent/CN108269008B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463701A (zh) * | 2014-12-07 | 2015-03-25 | 国网浙江省电力公司电动汽车服务分公司 | 一种配电系统与电动汽车充电网络的协调规划方法 |
CN107025518A (zh) * | 2017-03-20 | 2017-08-08 | 中国电力科学研究院 | 一种电动汽车充电站规划方法及装置 |
CN107133415A (zh) * | 2017-05-22 | 2017-09-05 | 河海大学 | 一种考虑用户满意和配网安全的电动汽车充放电优化方法 |
CN107248751A (zh) * | 2017-07-26 | 2017-10-13 | 武汉大学 | 一种实现配电网负荷功率削峰填谷的储能站调度控制方法 |
Non-Patent Citations (2)
Title |
---|
Improved analytical method of power supply capability on distribution systems;Hong Liu等;《International Journal of Electrical Power and Energy Systems》;20141231;第97-104页 * |
电动汽车充电服务供给与匹配研究;张勇;《中国博士学位论文全文数据库 经济与管理科学辑》;20151215;第J150-38页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108269008A (zh) | 2018-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108269008B (zh) | 考虑用户满意度和配网可靠性的充电设施优化规划方法 | |
Ji et al. | Plug-in electric vehicle charging infrastructure deployment of China towards 2020: Policies, methodologies, and challenges | |
CN109034648B (zh) | 一种电动汽车集群需求响应潜力评估方法 | |
Moghaddam et al. | Smart charging strategy for electric vehicle charging stations | |
Ou et al. | Investigating wireless charging and mobility of electric vehicles on electricity market | |
Zhang et al. | Optimal planning of PEV charging station with single output multiple cables charging spots | |
Zhan et al. | A review of siting, sizing, optimal scheduling, and cost-benefit analysis for battery swapping stations | |
He et al. | Optimal scheduling for charging and discharging of electric vehicles | |
Mozaffari et al. | Joint expansion planning studies of EV parking lots placement and distribution network | |
CN109492791B (zh) | 基于充电引导的城际高速路网光储充电站定容规划方法 | |
Zhou et al. | Dynamic EV charging pricing methodology for facilitating renewable energy with consideration of highway traffic flow | |
CN104981958B (zh) | 电动车辆系统的大规模充电 | |
CN112183882B (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
CN110189025A (zh) | 考虑不同负荷增长的电动汽车充电站规划方案获取方法 | |
CN115345451A (zh) | 一种基于充电站推荐策略的电动汽车充电引导方法 | |
CN112507506A (zh) | 基于遗传算法的共享汽车定价规划模型的多目标优化方法 | |
Feng et al. | EV Fast Charging Station Planning Considering Competition Based on Stochastic Dynamic Equilibrium | |
Fan et al. | Optimal shared mobility planning for electric vehicles in the distribution network | |
Beyazıt et al. | Electric vehicle charging through mobile charging station deployment in coupled distribution and transportation networks | |
Shen et al. | Integrated optimization of electric vehicles charging location and allocation for valet charging service | |
CN112865149A (zh) | 一种基于代理商与区域分时电价的车网多时空互动方法 | |
Shao | An approach to demand response for alleviating power system stress conditions due to electric vehicle penetration | |
CN116702404A (zh) | 计及目标优先级的模糊双目标电动汽车充电站规划优化方法 | |
Xavier et al. | Sizing and placing EV parking lots: challenges ahead in real applications | |
Wang et al. | Queueing theory-based optimal decision-making model of battery energy storage-assisted fast charging station participating in emergency demand response |
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 |