CN108376291A - 一种基于微电网的电动汽车充换电站选址定容方法 - Google Patents
一种基于微电网的电动汽车充换电站选址定容方法 Download PDFInfo
- Publication number
- CN108376291A CN108376291A CN201711211884.5A CN201711211884A CN108376291A CN 108376291 A CN108376291 A CN 108376291A CN 201711211884 A CN201711211884 A CN 201711211884A CN 108376291 A CN108376291 A CN 108376291A
- Authority
- CN
- China
- Prior art keywords
- electrical changing
- station
- changing station
- electric vehicle
- charging
- 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 78
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000010586 diagram Methods 0.000 claims abstract description 25
- 238000012423 maintenance Methods 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 230000005611 electricity Effects 0.000 claims description 31
- 238000010276 construction Methods 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000035699 permeability Effects 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 125000004122 cyclic group Chemical group 0.000 claims 1
- 230000013011 mating Effects 0.000 abstract 1
- 230000018109 developmental process Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 239000012141 concentrate Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000002123 temporal 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"
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
电动汽车充换、电站是支持电动汽车正常运营的重要配套基础设施,它为电动汽车的运行提供能源补给及电池保养等服务,合理的规划充、换电站会影响和制约着电动汽车的普及程度。针对充、换电站的规划问题,提出一种基于微电网的电动汽车充、换电站选址定容方法,建立规划优化模型,运用变权Voronoi图和粒子群算法求解,得到合理的充换电站位置与容量。
Description
技术领域
本发明属于智能电网技术领域,涉及一种基于微电网的电动汽车充、换电站选址定容方法。
背景技术
环境污染和化石能源的危机导致电动汽车使用越来越广泛,电动汽车以其低碳、环保的特点,逐渐受到各国政府和市场的青睐。
目前,电动汽车的能源供应可分为传统充电和换电池2种模式,在传统充电模式下,由于电池价格高以及充电时间慢,电池问题已成为制约电动汽车发展的阻碍。在换电模式下,换电速度较快,一般可在几分钟内完成,相较充电节省了大量的时间,而且对电池充电时可采用慢充模式,避免了快充对电池的寿命损耗问题。虽然换电模式还存在着电池标准统一、新旧电池混用等问题,但仍然是未来电动汽车能源补给的重要发展方向。
当前换电模式主要有两种,充换电模式和集中充电模式,其中,充换电模式下,换电站同时具备对电池的充、换功能,无需考虑电池的物流配送问题。集中充电模式下,对电池采取集中充电,统一配送的方法,充电站和换电站分开建设,在两种站之间加入物流系统用来配送电池。2011年国家电网公司发布了《国家电网公司电动汽车充电服务网络发展规划》,提出了“换电为主、插充为辅、集中充电、统一配送”的商业运营模式,由此可以看出,未来电动汽车换电模式的发展将主要以第二种方式为主。在该种方式下,电池的充电站和换电站将是整个电动汽车能源供应模式下最重要的设施,所以,对电动汽车充、换电站进行合理规划就显得非常重要。
发明内容
本发明提出一种基于微电网的电动汽车充、换电站选址定容方法,充、换电站分开建设,加入物流系统配送电池,方法对电动汽车充电站和换电站选址定容均可用。
具体步骤为:
(1)根据区域内未来规划年预测的电动汽车数量,在考虑区域交通道路流量的情况下,确定待建充、换电站的数量范围[N min,N max],将充换电站总数量N作为整体循环变量。
(2)利用坐标几何法产生充、换电站初始站址,编译为初始粒子,初始化粒子的位置和速度。
(3)利用加权Voronoi图划分充、换电站服务范围,V图的多边形边即为各个充、换电站的服务范围。
(4)利用变权Voronoi图对充、换电站站址、服务范围进一步调整。
(5)计算个体适应度值和全局适应值,得到不同数量的充、换电站数目所对应的总费用。
(6)更新粒子的位置和速度,返回步骤(3),直至达到最大迭代次数。
(7)对所有方案进行排序,选取充、换电站建设、运行费用最少的方案作为充、换电站规划的最终方案。
附图说明
图1 Voronoi图的空心圆特性
图2总体流程
图3规划区道路网络结构示意图
图4换电站布局和服务范围
具体实施方式
1、目标概述
充、换电站整体构架采用共交流母线微网拓扑结构,由风力发电部分、光伏发电部分、储能系统、外部配电网部分、充电站、物流系统、换电站等组成。风力发电、光伏发电和储能系统构成一小型微电网。集中充电站依附微电网建设,并根据当地的新能源发电量和电动汽车的电能需求进行规划。换电站部分以换电设备为核心组建成即换即走型换电站,换电站站址的选择主要考虑规划区域交通网络中电动汽车的数量以及电动汽车换电负荷的时空分布,确定电动汽车换电站的合理位置。换电站的容量问题主要考虑在一定服务区域范围基础上,以满足区域内电动汽车换电需求为目标,确定换电站的容量。
当用户发现电动汽车电量不足时,将车辆行驶至距离用户最近的电动汽车换电站,利用换电站的换电设施将电动汽车的电池卸下,换上换电站里充满电的电池,换电流程耗时约 5~10min,电池在换电站能够进行统一的维护,延长了电动汽车的使用寿命。换电站通过物流系统将车辆每天换下的电池运送至集中充电站充电,集中充电站可建在郊区,靠近新能源发电站及变电站,充电站对电池的充电时间可以调整,利用电力负荷低谷时段进行充电,既保证经济性又有削峰填谷的效果。当电池充满电后,集中充电站通过物流系统又将满电的电池运送至换电站,满足换电站对电动汽车的换电需求。
2.电动汽车换电需求预测
当前我国电动汽车的类型主要分为公交车、私家车和出租车,由于公交车的行驶路线、运营时间基本固定,可以在公交停车场内建设充或换电设施对其进行电量补给,无需进行规划,所以仅考虑私家车和出租车。
首先基于某地机动车数量以及电动汽车渗透率,预测未来规划年该地电动汽车保有量:
式中,a为车辆类型;t为规划水平年;为第t年a类型电动汽车的数量;为a类型车辆的初始数量;为第t年a类型电动汽车的渗透率;γa为a类型车辆的年增长率。
由电动汽车保有量进一步预测该地区电动汽车的总换电需求:
式中,为第t年电动汽车的日均总换电需求;La为a类车的日均行驶里程;Ba为电池容量;Sa为平均续航里程。
3.电动汽车充换电站规划数学模型
3.1目标函数
电动汽车充换电站规划问题,即在给定规划区域电动汽车换电需求分布的情况下,结合充、换电站容量及充、换电站规划原则,确定该区域需建充、换电站的数目、站址、容量以及各个充、换电站的服务范围。在能够满足区域最大电动汽车充、换电需求和充、换电站服务半径的条件下,以充电站和换电站的投资费用、年运行费用和物流费用最小为目标,建立充换电站规划优化的数学模型,目标函数为:
Min C=C1+C2+C3+C4+C5 (3)
C5=Dyearz(sc+mc) (8)
式中,C1为换电站建设投资年费用;C2为充电站建设投资年费用;C3为换电站年均运行、维护费用;C4为充电站年均运行、维护费用;C5为物流费用;N为新建换电站个数;ro为贴现率;n为换电站的折旧年限;li为换电站i的面积;Plandi为换电站i站址的地价,万元/m2;ei为换电站i换电设备的投资费用;m为充电站的折旧年限;lj为充电站j的面积;Plandj为充电站j站址的地价,万元/m2;ej为充电站j充电设备的投资费用;gj为充电站j内变压器投资费用;Dyear为一年内电动车一年换电池的天数;ε为电动汽车平均每天换电次数;δ为每次换电的平均换电成本;为换电站i服务范围内电动汽车的数量;mi为换电站i的维护费用;α为充电电量损耗率,β为充电站运维费用折算率;μ为充电站内的电池平均每天充电次数;ν为每次充电的平均充电成本;z为运送电池车辆的数量;sc为车辆购买费用;mc为车辆维护费用。
3.2约束条件
1)充电站的充电能力约束:
式中,充电站j在单个时段中充电桩最大充电功率,将全天分为24个时段;为充电站 j充电桩上的充电电压;为充电效率;T为充电总时段数。
2)换电站的服务能力约束:
式中,为换电站i服务半径内的换电需求;Bri为换电站i的服务能力。
3)换电站服务半径约束:
max(dki)≤Rimax (11)
式中,dki为换电需求点k到目标换电站i的行驶距离;Ri为换电站i的最大服务半径。
4.求解策略
由于电动汽车充、换电站规划模型中有众多变量,对于这样复杂的优化问题,传统的优化方法难以对其进行求解。因此,采用变权Voronoi图和具有全局寻优能力的粒子群优化算法对所提出的优化模型加以求解。
4.1 Voronoi图定义
设平面上有n个点构成的集合S={p1,p2,…,pn},则根据式(12)对平面进行分割,得到的图称为以pi(i=1,2,…,n)为母点的Voronoi图。
其中,d(p,pi)为点p和pi的欧几里德距离,区域V(pi)为pi的Voronoi区域。
4.2 Voronoi图性质
(1)最邻近特性
每一个空间顶点唯一地对应一个V多边形。相对于其他顶点来说,凡落在其V多边形内的任一空间点与本顶点的距离为最小。应用V多边形的这一性质,每个站址的服务区域可以唯一地对应一个V多边形;凡是在V多边形以内的电动汽车至站址的空间距离均是最近的。
(2)空心圆特性
每个Voronoi结点都是三条Voronoi边的交点。若过V图中的任意结点qi作一圆ci,且使ci过结点qi所在的Voronoi边所对应的所有顶点,则ci内不包含点集P中任何其它顶点,是一个空圆,如图所示,其中,半径最大的空圆称为最大空圆。空心圆的圆心在计算几何中被称为生长点,是新建充、换电站的待选站址,空圆半径越大的V图顶点其新建站的可能性越大。
4.3加权Voronoi图
加权Voronoi图是常规Voronoi图的一种扩展形式,假设p={p1,p2,…,pn},3<n<∞是欧几里德平面上的一个点集,λi(i=1,2,…,n)是给定的n个正实数,则加权Voronoi图的定义为:
其中,pi≠pj,i≠j,i,j∈{1,2,…,n},x为平面上的任意点。
将平面分成n部分,由V(pi,λi)(i=1,2,…,n)确定的对平面的分割称为点上加权的Voronoi 图,λi为pi的权重。当λ1=λ2=…=λn时,权重相等,即常规Voronoi图是加权Voronoi图在权重相等时的特殊情况。
4.4变权Voronoi图
普通加权Voronoi图在确定换电站服务范围时,权重是固定不变的,但在实际规划中,换电站服务区域内电动汽车数量会逐渐增加,若换电站的额定容量和服务半径固定不变,会导致服务能力会降低,所以权重应该随之发生变化,进而引入变权重的概念,对权重进行调整,具体步骤如下:
(1)设在Voronoi图生成过程中,换电站i作为V图的顶点,以λi的速度向外扩张,计算换电站的额定容量Si和服务范围内的换电负荷Wi,得初始权重
(2)根据各换电站的权重构造加权Voronoi图,确定各换电站的服务能力,经过k次扩张后权重变为
式中,为k-1次扩张后换电站i的最大服务能力,为换电站i区域内各类型电动汽车数量,为k-1次扩张后换电站i的区域内各类型电动汽车数量。
(3)归一化得到固定权重公式
式中,Wi k为第k次扩张后换电站i的实际服务区域内各类型电动汽车数量;为第k次扩张后换电站i的实际最大服务半径;Rimax为换电站i的最大服务半径。
以作为V图的变权重,它随着换电站服务区域内电动汽车数量和服务范围的扩大而减小,当换电站服务区域扩张到一定程度时,权重会逐渐趋向于0,最终生成的V图可以保证换电站满足该区域全部换电需求。
4.5算法流程
(1)根据区域内未来规划年预测的电动汽车数量,在考虑区域交通道路流量的情况下,确定待建充、换电站的数量范围[N min,N max],将充、换电站总数量N作为整体循环变量。
(2)利用坐标几何法产生充、换电站初始站址,编译为初始粒子,初始化粒子的位置和速度。
(3)利用加权Voronoi图划分充、换电站服务范围,V图的多边形边即为各个充、换电站的服务范围。
(4)利用变权Voronoi图对充、换电站站址、服务范围进一步调整。
(5)计算个体适应度值和全局适应值,得到不同数量的充、换电站数目所对应的总费用。
(6)更新粒子的位置和速度,返回步骤(3),直至达到最大迭代次数。
(7)对所有方案进行排序,选取充、换电站建设、运行费用最少的方案作为充、换电站规划的最终方案。
具体流程如图2所示。
5.算例分析
5.1参数设置
以某市电动汽车充、换电站规划为例,将该区域道路网络进行简化,共包含48个路网节点,道路网结构如图3所示。设该区域2015年私家车和出租车保有量分别为57400辆和1810 辆,且两种类型的车年均增长率分别为10%和1%,至目标规划年,两种类型的电动汽车占各自类型车数量的比例分别为15%和12%,为简化计算,统一电动私家车和电动出租车的型号,私家车为北汽E150,出租车为比亚迪E6,电池容量分别为25.6kW·h和60kW·h。由于该充、换电站规划方法中,充电站和换电站分开建设,充电站选择建在由微网供电的郊区,离变电站较近,且地价较低,而换电站选择建在市区,离车主换电需求点近但地价较高。
由于换电速度较快,所以假设每个换电站最少配置3套换电装置,最多配置7套换电装置,充电可选择在电价较低时段,每个充电站最少配置6台充电机,最多配置15台充电机,单台充电机充电功率96kW,充电效率0.85%。
5.2结果分析
设目标规划年为2025年,利用式(1)计算电动私家车和出租车保有量分别为22332辆和 239辆,综合电动汽车保有量及充换电站服务能力,设该区域拟建充换电站总数Nmin=6,Nmax=12,利用式(3)-(8)和图2的流程图,计算不同方案下总费用,如表1所示。
表1各规划方案总费用
由表1可知,当建站数量总数为8时,总费用最小,且充电站数量为3座,换电站数量为 5座,换电站规划方案如表2所示,换电站布局和服务范围如图4所示,充电站规划方案如表 3所示。
表2换电站规划方案
表3充电站规划方案
Claims (3)
1.一种基于微电网的电动汽车充换电站选址定容方法,其特征在于,步骤为:
(1)根据区域内未来规划年预测的电动汽车数量,在考虑区域交通道路流量的情况下,确定待建充、换电站的数量范围[N min,N max],将充换电站总数量N作为整体循环变量。
(2)利用坐标几何法产生充、换电站初始站址,编译为初始粒子,初始化粒子的位置和速度。
(3)利用加权Voronoi图划分充、换电站服务范围,V图的多边形边即为各个充、换电站的服务范围。
(4)利用变权Voronoi图对充、换电站站址、服务范围进一步调整。
(5)计算个体适应度值和全局适应值,得到不同数量的充、换电站数目所对应的总费用。
(6)更新粒子的位置和速度,返回步骤(3),直至达到最大迭代次数。
(7)对所有方案进行排序,选取充、换电站建设、运行费用最少的方案作为充、换电站规划的最终方案。
2.根据权利要求1所述的一种基于微电网的电动汽车充换电站选址定容方法,其特征在于,步骤一具体为:
S1基于某地机动车数量以及电动汽车渗透率,预测未来规划年该地电动汽车保有量:
式中,a为车辆类型;t为规划水平年;为第t年a类型电动汽车的数量;为a类型车辆的初始数量;为第t年a类型电动汽车的渗透率;γa为a类型车辆的年增长率。
由电动汽车保有量进一步预测该地区电动汽车的总换电需求:
式中,为第t年电动汽车的日均总换电需求;La为a类车的日均行驶里程;Ba为电池容量;Sa为平均续航里程。
S2建立充换电站规划优化的数学模型,目标函数为:
MinC=C1+C2+C3+C4+C5 (3)
式中,C1为换电站建设投资年费用;C2为充电站建设投资年费用;C3为换电站年均运行、维护费用;C4为充电站年均运行、维护费用;C5为物流费用;N为新建换电站个数;ro为贴现率;n为换电站的折旧年限;li为换电站i的面积;Plandi为换电站i站址的地价,万元/m2;ei为换电站i换电设备的投资费用;m为充电站的折旧年限;lj为充电站j的面积;Plandj为充电站j站址的地价,万元/m2;ej为充电站j充电设备的投资费用;gj为充电站j内变压器投资费用;Dyear为一年内电动车一年换电池的天数;ε为电动汽车平均每天换电次数;δ为每次换电的平均换电成本;为换电站i服务范围内电动汽车的数量;mi为换电站i的维护费用;α为充电电量损耗率,β为充电站运维费用折算率;μ为充电站内的电池平均每天充电次数;ν为每次充电的平均充电成本;z为运送电池车辆的数量;sc为车辆购买费用;mc为车辆维护费用。
S3建立约束条件
1)充电站的充电能力约束:
式中,充电站j在单个时段中充电桩最大充电功率,将全天分为24个时段;为充电站j充电桩上的充电电压;为充电效率;T为充电总时段数。
2)换电站的服务能力约束:
式中,为换电站i服务半径内的换电需求;Bri为换电站i的服务能力。
3)换电站服务半径约束:
max(dki)≤Rimax (11)
式中,dki为换电需求点k到目标换电站i的行驶距离;Ri为换电站i的最大服务半径。
3.根据权利要求1所述的一种基于微电网的电动汽车充换电站选址定容方法,其特征在于,步骤四具体步骤如下:
(1)设在Voronoi图生成过程中,换电站i作为V图的顶点,以λi的速度向外扩张,计算换电站的额定容量Si和服务范围内的换电负荷Wi,得初始权重
(2)根据各换电站的权重构造加权Voronoi图,确定各换电站的服务能力,经过k次扩张后权重变为
式中,为k-1次扩张后换电站i的最大服务能力,为换电站i区域内各类型电动汽车数量,为k-1次扩张后换电站i的区域内各类型电动汽车数量。
(3)归一化得到固定权重公式
式中,Wi k为第k次扩张后换电站i的实际服务区域内各类型电动汽车数量;为第k次扩张后换电站i的实际最大服务半径;Rimax为换电站i的最大服务半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711211884.5A CN108376291A (zh) | 2017-11-28 | 2017-11-28 | 一种基于微电网的电动汽车充换电站选址定容方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711211884.5A CN108376291A (zh) | 2017-11-28 | 2017-11-28 | 一种基于微电网的电动汽车充换电站选址定容方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108376291A true CN108376291A (zh) | 2018-08-07 |
Family
ID=63016354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711211884.5A Pending CN108376291A (zh) | 2017-11-28 | 2017-11-28 | 一种基于微电网的电动汽车充换电站选址定容方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108376291A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111560805A (zh) * | 2020-06-06 | 2020-08-21 | 韩斌 | Oc形高速换电站 |
CN112070334A (zh) * | 2020-05-22 | 2020-12-11 | 广西电网有限责任公司 | 基于多智能理论的充换电站协调规划的方法及系统 |
CN113326467A (zh) * | 2021-04-27 | 2021-08-31 | 国网上海市电力公司 | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 |
CN113469421A (zh) * | 2021-06-15 | 2021-10-01 | 上海电力大学 | 一种交直流配电网中电动汽车充换储一体站的规划方法 |
CN113822463A (zh) * | 2021-08-09 | 2021-12-21 | 武汉理工大学 | 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 |
CN114118796A (zh) * | 2021-11-26 | 2022-03-01 | 天津守中电力科技有限公司 | 一种电动汽车充电设施的规划方法 |
CN114919456A (zh) * | 2022-07-14 | 2022-08-19 | 深圳市今朝时代股份有限公司 | 一种基于大数据的汽车电池充放电管理系统 |
CN116611673A (zh) * | 2023-07-20 | 2023-08-18 | 国网湖北省电力有限公司经济技术研究院 | 一种面向电力交通耦合网的光储充电站规划方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103136585A (zh) * | 2013-02-06 | 2013-06-05 | 天津大学 | 基于混沌遗传策略的加权Voronoi图变电站规划方法 |
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 |
CN105809278A (zh) * | 2016-03-03 | 2016-07-27 | 华北电力大学(保定) | 一种基于排队论算法的电动汽车换电站选址规划方法 |
US20160307359A1 (en) * | 2015-04-14 | 2016-10-20 | California Institute Of Technology | Particle-Based Simulation through Power Diagrams |
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 |
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 |
CN107122856A (zh) * | 2017-04-26 | 2017-09-01 | 天津天大求实电力新技术股份有限公司 | 新态势下的空间饱和负荷预测方法 |
CN107248007A (zh) * | 2017-06-02 | 2017-10-13 | 武汉大学 | 一种双层域导向的农村居民点智能优化配置方法 |
-
2017
- 2017-11-28 CN CN201711211884.5A patent/CN108376291A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103136585A (zh) * | 2013-02-06 | 2013-06-05 | 天津大学 | 基于混沌遗传策略的加权Voronoi图变电站规划方法 |
US20160307359A1 (en) * | 2015-04-14 | 2016-10-20 | California Institute Of Technology | Particle-Based Simulation through Power Diagrams |
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 |
CN105809278A (zh) * | 2016-03-03 | 2016-07-27 | 华北电力大学(保定) | 一种基于排队论算法的电动汽车换电站选址规划方法 |
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 |
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 |
CN107122856A (zh) * | 2017-04-26 | 2017-09-01 | 天津天大求实电力新技术股份有限公司 | 新态势下的空间饱和负荷预测方法 |
CN107248007A (zh) * | 2017-06-02 | 2017-10-13 | 武汉大学 | 一种双层域导向的农村居民点智能优化配置方法 |
Non-Patent Citations (1)
Title |
---|
麻秀范: "基于变权Voronoi图和混合粒子群算法的电动汽车充电站规划", 《电工技术学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070334A (zh) * | 2020-05-22 | 2020-12-11 | 广西电网有限责任公司 | 基于多智能理论的充换电站协调规划的方法及系统 |
CN111560805A (zh) * | 2020-06-06 | 2020-08-21 | 韩斌 | Oc形高速换电站 |
CN113326467A (zh) * | 2021-04-27 | 2021-08-31 | 国网上海市电力公司 | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 |
CN113326467B (zh) * | 2021-04-27 | 2023-10-31 | 国网上海市电力公司 | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 |
CN113469421A (zh) * | 2021-06-15 | 2021-10-01 | 上海电力大学 | 一种交直流配电网中电动汽车充换储一体站的规划方法 |
CN113822463A (zh) * | 2021-08-09 | 2021-12-21 | 武汉理工大学 | 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 |
CN114118796A (zh) * | 2021-11-26 | 2022-03-01 | 天津守中电力科技有限公司 | 一种电动汽车充电设施的规划方法 |
CN114919456A (zh) * | 2022-07-14 | 2022-08-19 | 深圳市今朝时代股份有限公司 | 一种基于大数据的汽车电池充放电管理系统 |
CN116611673A (zh) * | 2023-07-20 | 2023-08-18 | 国网湖北省电力有限公司经济技术研究院 | 一种面向电力交通耦合网的光储充电站规划方法及系统 |
CN116611673B (zh) * | 2023-07-20 | 2023-10-03 | 国网湖北省电力有限公司经济技术研究院 | 一种面向电力交通耦合网的光储充电站规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108376291A (zh) | 一种基于微电网的电动汽车充换电站选址定容方法 | |
CN102880921B (zh) | 一种电动汽车充电站选址优化方法 | |
Liu et al. | Optimal planning of charging station for electric vehicle based on particle swarm optimization | |
Mozaffari et al. | Joint expansion planning studies of EV parking lots placement and distribution network | |
Gupta et al. | Optimal allocation of electric vehicles charging infrastructure, policies and future trends | |
Erol-Kantarci et al. | Prediction-based charging of PHEVs from the smart grid with dynamic pricing | |
CN107104454A (zh) | 计及电动汽车功率可调控域的最优潮流节点电价计算方法 | |
CN109146201A (zh) | 基于合作博弈的充换储一体化电站微电网优化调度方法 | |
GE et al. | The planning of electric vehicle charging stations in the urban area | |
Kumar et al. | A review on integration of electric vehicles into a smart power grid and vehicle-to-grid impacts | |
CN102708427A (zh) | 大规模充电桩对小区配电系统影响分析决策系统及方法 | |
CN108805321A (zh) | 一种电动汽车充电站规划方法 | |
Kasturi et al. | Optimal planning of charging station for EVs with PV-BES unit in distribution system using WOA | |
Huang et al. | V2G optimal scheduling of multiple EV aggregator based on TOU electricity price | |
Sheng et al. | A potential security threat and its solution in coupled urban power-traffic networks with high penetration of electric vehicles | |
CN110443406B (zh) | 一种电动汽车充电设施与分布式电源的分层规划方法 | |
CN111342450A (zh) | 考虑不确定光伏与负荷的牵引供电系统鲁棒能量管理方法 | |
Huu et al. | A two-level desired load profile tracking algorithm for electric two-wheeler charging stations | |
CN109685554A (zh) | 一种居民区电动汽车充电桩运营模式 | |
Reddy et al. | Active power management of grid-connected PV-PEV using a Hybrid GRFO-ITSA technique | |
Thakre et al. | Potentially affect of a vehicle to grid on the electricity system | |
Zhenghui et al. | The layout optimization of charging stations for electric vehicles based on the chaos particle swarm algorithm | |
Zhang et al. | Electric vehicle charging stations layout research based on bi-level programming | |
Li et al. | Planning of fast charging stations considering distribution grid and transportation network | |
Ping et al. | General Steps and Technical Principles of Electric Vehicle (EV) Charging Facility Planning |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180807 |