CN112508292A - 一种基于模糊topsis法的智慧充电站选址优化方法 - Google Patents

Abstract

本发明公开一种基于模糊TOPSIS法的智慧充电站选址优化方法，包括以下步骤：1)建立一个与无人值守的智慧充电站选址相关的评价指标体系；2)对所选指标进行评价，使用三角模糊数来表示评价指标，进而得到各选址方案的评价指标性能及其相应权重；3)使用TOPSIS方法对所有的备选方案进行排序，选出最佳选址方案。本发明可以很好地解决对评价指标进行评价的过程中所产生的模糊现象的问题，计算过程简洁明了，其在评价过程中受主观因素影响较小，在整个评价过程中具有较强的客观性，具有较强的可操作性。

Description

一种基于模糊TOPSIS法的智慧充电站选址优化方法

技术领域

本发明涉及一种能源规划领域中的智慧充电站，具体为一种基于模糊TOPSIS法的智慧充电站选址优化方法。

背景技术

随着环境的日益恶化和传统能源所面临的短缺危机，新型能源的发展和利用得到了越来越多的关注。电动汽车作为使用新型能源的典型代表，它的发展是十分重要的。但是，电动汽车的基础充电设施不完善以及充电网络不完善等问题阻碍了电动汽车行业的快速发展。基于此问题，在现代社会的城市规划中，应充分考虑电动汽车智慧充电站在城市中的选址规划问题。

目前常见的充电站选址优化方法主要是建立一个总成本最小的模型，并使用蚁群算法、遗传算法、排队论等对模型进行求解，进而得到优化结果。这些方法只考虑了单个或几个因素的影响，具有一定的片面性。而实际中的充电站选址优化问题需要考虑到若干个具有一定冲突、不相容的评价准则，且在规划充电站的选址问题时，一般重点考虑经济成本问题以及与周围环境的协调规划问题等因素的影响。而在对这些不同领域的影响因素进行评估时，又会掺杂着人的主观意愿，所以这些准则具有一定的模糊性，需要在考虑评价指标的模糊性的基础上对智慧充电站的选址方案进行优化。

发明内容

针对现有技术中存在的上述不足，本发明要解决的问题是提供一种可可以有效地处理评价指标的模糊现象，并且快速简单地对选址方案进行选择的基于模糊TOPSIS法的智慧充电站选址优化方法。

为解决上述技术问题，本发明采用的技术方案是：

本发明提供一种基于模糊TOPSIS法的智慧充电站选址优化方法，包括以下步骤：

1)建立一个与无人值守的智慧充电站选址相关的评价指标体系；

2)对所选指标进行评价，使用三角模糊数来表示评价指标，进而得到各选址方案的评价指标性能及其相应权重；

3)使用TOPSIS方法对所有的备选方案进行排序，选出最佳选址方案。

步骤1)中，建立一个与无人值守的智慧充电站选址相关的评价指标体系为：考虑充电站建设的经济成本、服务能力和电网协调能力，选择的评价指标如下：

101)建设成本：是智慧充电站在建设时期所需要的费用，包括工程投资费用和设备购置费用；

102)运行维护成本：是指保证智慧充电站正常运行的费用，日常维护保养设备的费用；

103)投资回收期：是指建设投资的总成本可以通过收益回收所用的时间，它是建设投资总成本与月收益之比；

104)协调能力：是电力网络对充电站的电力稳定供应的能力；

105)交通便利情况：指电动汽车行驶到充电站所需用时，充电附近的道路情况及每天的车流量；

106)服务能力：是充电站所能提供服务的电动汽车的最大数量，能够准确识别出电动汽车的数量以及充电站的最大充电量；

107)对附近居民生活的影响：充电站在运营过程中产生的噪声对附近的居民可能产生的影响。

步骤2)中，对所选指标进行评价，是由专家组对上述的指标进行评价，并使用三角模糊数进行表示，同时根据评价指标对充电站选址的影响的重要程度，赋予各评价指标相应的权重值。

步骤3)使用TOPSIS方法对所有的备选方案进行排序，选出最佳选址方案，具体为：

301)构造初始模糊决策矩阵A，其中a_ij＝(s_ij,u_ij,z_ij)是一个三角模糊数，它表示第i个方案所对应的第j个评价指标的评价值，s_ij表示评价值的下界，u_ij表示可能性最大的评价值，z_ij表示评价值的上界；

302)规范化初始模糊决策矩阵B，将所选择的评价指标按其本身的性质划分为效益型指标和成本型指标；

对效益型指标的规范化表示为

其中

对成本型指标的规范化表示为

其中

进一步得到完整的矩阵

303)构造加权规范化模糊决策矩阵C；

其中W_ij是第i个方案所对应的第j个评价指标的模糊权重值，它也是使用三角模糊数来表示；

304)确定正理想解和负理想解，就是确定一个最优方案的评价指标值和一个最差方案的评价指标值，在上一步中得到的矩阵C中分别从备选方案中找到每个评价指标的最优评价值和最差评价值，得到的正负理想解分别表示如下：

其中，I为效益型指标集，表示在第j个评价指标上的最优值，效益型指标的评价值越大越好；J为成本型指标集，表示在第j个评价指标上的最劣值，成本型指标的评价值越小越好；

305)分别计算每个方案到正理想解和负理想解的欧氏距离，也就是各个方案的指标评价值与理想方案的评价指标值间的距离；

每个方案到正理想解的距离为：

每个方案到负理想解的距离为：

306)计算贴近度，贴近度是每个方案与理想解相似程度的一种度量，其计算方法如下：

307)将每个方案到理想解的贴近度按照递减的顺序排列，其中贴近度最大的即为所选择的最佳方案。

本发明具有以下有益效果及优点：

1.本发明提出的模糊集合理论与TOPSIS相结合的对智慧充电站的选址规划方案进行优化的方法，与一般的决策方法相比，可以很好地解决对评价指标进行评价的过程中所产生的模糊现象的问题。

2.本发明方法与传统的电动汽车充电站的选址问题相比，智慧充电站是需要通过网络进行通信来实现信息交换的，所以它更加注重无人情况时的充电站的服务能力以及充电站与电网之间的协调能力，这些因素在充电站选址规划过程中通过加权的方式进行了重点考虑，权重可以改变评价指标在选址规划中的重要性。

3.本发明使用TOPSIS方法对已评价的选址方案进行排序选择，该方法的计算过程简洁明了，其在评价过程中受主观因素影响较小，在整个评价过程中具有较强的客观性，具有较强的可操作性。

附图说明

图1为本发明所提的基于模糊集合理论的TOPSIS方法流程图；

图2为智慧充电站选址的评价指标体系；

图3为各评价指标的去模糊权重值；

图4为智慧充电站各备选方案的评价指标性能；

图5A为C2的权重经过改变后得到的每个方案的贴进度比较情况；

图5B为C4的权重经过改变后得到的每个方案的贴进度比较情况；

图5C为C6的权重经过改变后得到的每个方案的贴进度比较情况。

具体实施方式

下面结合说明书附图对本发明作进一步阐述。

如图1所示，本发明提供一种基于模糊TOPSIS法的智慧充电站选址优化方法，包括以下步骤：

1)建立一个与无人值守的智慧充电站选址相关的评价指标体系；

2)对所选指标进行评价，使用三角模糊数来表示评价指标，进而得到各选址方案的评价指标性能及其相应权重；

3)使用TOPSIS方法对所有的备选方案进行排序，选出最佳选址方案。

步骤1)中，在建设一个智慧充电站时，首先要考虑其规划的合理性。不仅需要满足电动汽车用户的充电需求，提升用户的便利性，还需要对社会资源进行合理的利用。所以从经济和社会两个方面进行考量，选取了以下七个评价指标用于充电站选址规划，这七个指标分别用C1～C7表示，如图2所示。考虑充电站建设的经济成本、服务能力和电网协调能力，选择的评价指标如下：

101)建设成本：是智慧充电站在建设时期所需要的费用，包括工程投资费用和设备购置费用；

102)运行维护成本：是指保证智慧充电站正常运行的费用，日常维护保养设备的费用；

103)投资回收期：是指建设投资的总成本可以通过收益回收所用的时间，它是建设投资总成本与月收益之比；

104)协调能力：是电力网络对充电站的电力稳定供应的能力；

105)交通便利情况：指电动汽车行驶到充电站所需用时，充电附近的道路情况及每天的车流量；

106)服务能力：是充电站所能提供服务的电动汽车的最大数量，能够准确识别出电动汽车的数量以及充电站的最大充电量；

107)对附近居民生活的影响：充电站在运营过程中产生的噪声对附近的居民可能产生的影响。

步骤2)中，对所选指标进行评价，是由专家组对上述的指标进行评价，并使用三角模糊数进行表示，同时根据评价指标对充电站选址的影响的重要程度，赋予各评价指标相应的权重值。

步骤3)使用TOPSIS方法对所有的备选方案进行排序，选出最佳选址方案，具体为：

301)构造初始模糊决策矩阵A，其中a_ij＝(s_ij,u_ij,z_ij)是一个三角模糊数，它表示第i个方案所对应的第j个评价指标的评价值，s_ij表示评价值的下界，u_ij表示可能性最大的评价值，z_ij表示评价值的上界；

302)规范化初始模糊决策矩阵B，将所选择的评价指标按其本身的性质划分为效益型指标和成本型指标；

对效益型指标的规范化表示为

其中

对成本型指标的规范化表示为

其中

进一步得到完整的矩阵

303)构造加权规范化模糊决策矩阵C；

其中W_ij是第i个方案所对应的第j个评价指标的模糊权重值，它也是使用三角模糊数来表示；

304)确定正理想解和负理想解，就是确定一个最优方案的评价指标值和一个最差方案的评价指标值，在上一步中得到的矩阵C中分别从备选方案中找到每个评价指标的最优评价值和最差评价值，得到的正负理想解分别表示如下：

其中，I为效益型指标集，表示在第j个评价指标上的最优值，效益型指标的评价值越大越好；J为成本型指标集，表示在第j个评价指标上的最劣值，成本型指标的评价值越小越好；

305)分别计算每个方案到正理想解和负理想解的欧氏距离，也就是各个方案的指标评价值与理想方案的评价指标值间的距离；

每个方案到正理想解的距离为：

每个方案到负理想解的距离为：

306)计算贴近度，贴近度是每个方案与理想解相似程度的一种度量，其计算方法如下：

307)将每个方案到理想解的贴近度按照递减的顺序排列，其中贴近度最大的即为所选择的最佳方案。

本发明中TOPSIS方法即Technique for Order Preference by Similarity toan Ideal Solution，逼近理想解的排序方法。

本实施例以某市电动汽车充电站的选址规划为例进行说明：

给出了一组由五个来自经济、社会学领域的专家组成的专家评价组，他们对备选的4个选址方案进行评价，根据评价所得结果可以得到如表1示的初始模糊决策矩阵以及模糊权重，其中C1-C7分别表示选定的7个评价指标，A₁-A₄表示4个充电站选址的备选方案，W表示各个评价指标的权重。根据图3所示的评价指标权重可以看出，本实施例在选择方案的过程中，重点考虑评价指标C2,C4,C6对充电站选址规划的影响。

表1初始模糊决策矩阵及各评价指标权重

根据上述TOPSIS方法的步骤303)可以得到规范化的加权模糊决策矩阵C。

根据步骤304)可以分别求得正负理想解为：

C⁺＝{(0.245,0.3104,0.3864)(0.391,0.4092,0.4468)(0.08,0.1626,0.1932)(0.4216,0.7744,1)(0.2592,0.5888,0.88)(0.3332,0.6306,1)(0.0825,0.1429,0.1872)}

C^-＝{(0.42,0.4606,0.4712)(0.54,0.5148,0.5122)(0.14,0.2291,0.2475)(0.0744,0.2816,0.52)(0.0432,0.2048,0.4576)(0.2413,0.5013,0.8723)(0.22,0.2727,0.2925)}

进一步可分别计算出选址方案与正理想解和负理想解的相对距离d(A_i,C⁺)和d(A_i,C^-)，如表2所示，其中d(A_i,C⁺)表示方案到正理想解的距离，d(A_i,C^-)表示方案到负理想解的距离，A₁-A₄表示4个充电站选址的备选方案。

表2各方案到正理想解和负理想解的距离

最后计算每个方案与理想解的贴近度并进行排序，可以得到如下结果

C′₁＝0.8126,C′₂＝0.7877,C′₃＝0.1686,C′₄＝0.4858.

C′₁＞C′₂＞C′₄＞C′₃.

其中，C′₁,C′₂,C′₃,C′₄分别表示方案A₁-A₄与理想解的贴近度。

由贴近度的排序可以看出方案A₁的贴近度是最大的，说明方案A₁是最接近理想解的，且根据表2，A₁具有到正理想解最近的距离0.2337以及到负理想解最远的距离1.0310，所以A₁是最佳的智慧充电站选址规划方案，根据图4所示的空间坐标为模糊决策矩阵中的由三角模糊数表示的指标评价值，其中X轴、Y轴、Z轴分别对应评价值的下界s_ij，可能性最大的评价值u_ij，评价值的上界z_ij(图中“○、

☆、△、□、

”分别表示评价指标C1～C7的模糊评价值，从细到宽的符号的四种线宽分别表示备选方案A₁-A₄)，可以看出，在方案A₁中评价指标C2和C4具有最好的性能，C6的性能也较为良好，所以该方案具有较好的经济性，服务能力尚佳，且与电网之间的协调能力较强，可以更好地实现电网资源的合理利用。

接下来是对TOPSIS法选择优化方案的敏感性分析，分别将评价指标C2、C4、C6的权重进行调整，分别减少10％、20％、30％，增加10％、20％、30％，然后可以得到每种权重下的四个放案的贴进度的比较。由图5A～5C(图中“○、*、△、☆”分别表示方案A₁-A₄)可以看出，在对这几个评价指标的权重进行简单的调整后，所得到的排序结果基本上没有发生变化，得到的最佳方案依然是方案A₁。这说明评价指标的权重即使略有改变，对最终评价结果的影响也是很小的，表明了使用TOPSIS方法选择充电站选址方案的敏感性是比较小的，使用它得到的结果是稳定的。

Claims (4)

1.一种基于模糊TOPSIS法的智慧充电站选址优化方法，其特征在于包括以下步骤：

1)建立一个与无人值守的智慧充电站选址相关的评价指标体系；

2)对所选指标进行评价，使用三角模糊数来表示评价指标，进而得到各选址方案的评价指标性能及其相应权重；

3)使用TOPSIS方法对所有的备选方案进行排序，选出最佳选址方案。

2.根据权利要求1所述的基于模糊TOPSIS法的智慧充电站选址优化方法，其特征在于步骤1)中，建立一个与无人值守的智慧充电站选址相关的评价指标体系为：考虑充电站建设的经济成本、服务能力和电网协调能力，选择的评价指标如下：

101)建设成本：是智慧充电站在建设时期所需要的费用，包括工程投资费用和设备购置费用；

102)运行维护成本：是指保证智慧充电站正常运行的费用，日常维护保养设备的费用；

103)投资回收期：是指建设投资的总成本可以通过收益回收所用的时间，它是建设投资总成本与月收益之比；

104)协调能力：是电力网络对充电站的电力稳定供应的能力；

105)交通便利情况：指电动汽车行驶到充电站所需用时，充电附近的道路情况及每天的车流量；

106)服务能力：是充电站所能提供服务的电动汽车的最大数量，能够准确识别出电动汽车的数量以及充电站的最大充电量；

107)对附近居民生活的影响：充电站在运营过程中产生的噪声对附近的居民可能产生的影响。

3.根据权利要求1所述的基于模糊TOPSIS法的智慧充电站选址优化方法，其特征在于步骤2)中，对所选指标进行评价，是由专家组对上述的指标进行评价，并使用三角模糊数进行表示，同时根据评价指标对充电站选址的影响的重要程度，赋予各评价指标相应的权重值。

4.根据权利要求1所述的基于模糊TOPSIS法的智慧充电站选址优化方法，其特征在于步骤3)使用TOPSIS方法对所有的备选方案进行排序，选出最佳选址方案，具体为：

301)构造初始模糊决策矩阵A，其中a_ij＝(s_ij,u_ij,z_ij)是一个三角模糊数，它表示第i个方案所对应的第j个评价指标的评价值，s_ij表示评价值的下界，u_ij表示可能性最大的评价值，z_ij表示评价值的上界；

302)规范化初始模糊决策矩阵B，将所选择的评价指标按其本身的性质划分为效益型指标和成本型指标；

对效益型指标的规范化表示为

其中

对成本型指标的规范化表示为

其中

进一步得到完整的矩阵

303)构造加权规范化模糊决策矩阵C；

其中W_ij是第i个方案所对应的第j个评价指标的模糊权重值，它也是使用三角模糊数来表示；

304)确定正理想解和负理想解，就是确定一个最优方案的评价指标值和一个最差方案的评价指标值，在上一步中得到的矩阵C中分别从备选方案中找到每个评价指标的最优评价值和最差评价值，得到的正负理想解分别表示如下：

其中，I为效益型指标集，表示在第j个评价指标上的最优值，效益型指标的评价值越大越好；J为成本型指标集，表示在第j个评价指标上的最劣值，成本型指标的评价值越小越好；

305)分别计算每个方案到正理想解和负理想解的欧氏距离，也就是各个方案的指标评价值与理想方案的评价指标值间的距离；

每个方案到正理想解的距离为：

每个方案到负理想解的距离为：

306)计算贴近度，贴近度是每个方案与理想解相似程度的一种度量，其计算方法如下：

307)将每个方案到理想解的贴近度按照递减的顺序排列，其中贴近度最大的即为所选择的最佳方案。

Images