CN114118769B - 一种内河充换电站选址定容规划方法、装置及设备 - Google Patents
一种内河充换电站选址定容规划方法、装置及设备 Download PDFInfo
- Publication number
- CN114118769B CN114118769B CN202111397403.0A CN202111397403A CN114118769B CN 114118769 B CN114118769 B CN 114118769B CN 202111397403 A CN202111397403 A CN 202111397403A CN 114118769 B CN114118769 B CN 114118769B
- Authority
- CN
- China
- Prior art keywords
- charging
- station
- site selection
- replacing
- inland
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013439 planning Methods 0.000 title claims abstract description 24
- 239000002245 particle Substances 0.000 claims abstract description 134
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 37
- 238000010276 construction Methods 0.000 claims description 27
- 229910052799 carbon Inorganic materials 0.000 claims description 16
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 13
- 238000004513 sizing Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual 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
- G06Q10/06—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
- G06Q10/06313—Resource planning in a project environment
-
- 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—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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种内河充换电站选址定容规划方法、装置及设备,包括:建立充换电站选址的目标函数;构造内河干线的水网模型,并根据所述内河干线的水网模型设置约束条件;根据所述目标函数以及所述约束条件,通过粒子群算法迭代筛选出可能的充换电站选址集合;根据所述可能的充换电站选址集合以及预设评价方法,确定最优充换电站选址点。本发明提供的一种内河充换电站选址定容规划方法、装置及设备,通过目标函数以及约束条件,筛选出符合要求的可能的充换电站选址集合,然后从中选择最优的充换电站选址点。
Description
技术领域
本发明涉及纯电动船舶技术领域,尤其涉及一种内河充换电站选址定容规划方法、装置及设备。
背景技术
发展纯电池动力运输船舶可以促进风力、光伏等新能源的消纳,提升可再生能源应用比例。相对于传统充电桩模式,纯电动船舶采用换电模式有着能源补给时间短、安全性高、电池寿命长、分布式能源易消纳等优点。内河纯电池动力运输船配置大容量动力电池,采取换电模式是必然选择。
目前针对充换电站的布置规划相关研究主要集中在汽车行业,并未涉及内河纯电池动力运输船充换电站选址规划。内河纯电池动力运输船集装箱式电源充换电站选址定容是一个多目标优化问题,现有技术并未综合考虑内河纯电池动力运输船充换电站建设运行成本、碳排放和用户换电便利性等因素。
发明内容
有鉴于此,有必要提供一种内河充换电站选址定容规划方法、装置及设备,用以解决现有技术中未综合考虑内河纯电池动力运输船充换电站建设运行成本、碳排放和用户换电便利性等因素,从而导致的充换电站布局和配置无法达到最优功效,电动船舶换电耗能耗时较高的问题。
为达到上述技术目的,本发明采取了以下技术方案:
第一方面,本发明提供了一种内河充换电站选址定容规划方法,包括:
建立充换电站选址的目标函数;
构造内河干线的水网模型,并根据内河干线的水网模型设置约束条件;
根据目标函数以及约束条件,通过粒子群算法迭代筛选出可能的充换电站选址集合;
根据可能的充换电站选址集合以及预设评价方法,确定最优充换电站选址点。
优选的,充换电站选址的目标函数,包括:
最小化充换电站初投资和年建设成本:;
最小化用户换电时间:;
最小化用户往返充换电站引起的额外碳排放;
其中,C cost为充换电站的初投资和等年值表述的年建设成本,C cost,j为集中充电站j的初投资、年建设成本,C cost,i为电池换电站i的初投资、年建设成本,C time为用户因换电而耗费的时间,C t1为用户驶向充换电站途中的平均耗时,C t2为用户在充换电站排队的平均等候时间,E co2为用户往返充换电站引起的额外碳排放。
优选的,构造内河干线的水网模型,并根据内河干线的水网模型设置约束条件,包括:
各充换电站换电设备数量约束:
I i N min≤N≤I i N max,i∈J all;
其中,I i为是否建设充换电站i的状态变量,N min和N max分别为充换电站i中换电设备最小数量与最大数量,N为充换电站i中换电设备的数量,J all为充换电站集合;
需求点到充换电站距离约束:
λ ij d ij≤d max,i∈J all,j∈J i;
其中,d max为需求点j到充换电站i的最大距离,λ ij为需求点j到充换电站i的水路非直线系数,d ij为需求点j到充换电站i的直线距离,J i为选择在充换电站i续航的需求点集合;
不同充换电站间距离约束:
λ ik D ik ≥D min,i,k∈J all,i≠k;
其中,D ik为充换电站i与充换电站k之间的实际直线距离,D min为充换电站i与充换电站k之间的最小间距。
优选的,根据目标函数以及约束条件,通过粒子群算法迭代筛选出可能的充换电站选址集合,包括:
初始化粒子群算法的参数,计算初始化粒子群的目标值;
从初始粒子群中选择满足预设要求的粒子,构成精英粒子集;
从精英粒子群中找出全局最优粒子,并更新粒子群的位置和速度;
当达到迭代终止条件时,输出可能的充换电站选址集合。
优选的,从精英粒子群中找出全局最优粒子,并更新粒子群的位置和速度,包括:
计算粒子的适应度,具体为:
第i个粒子的适应度定义如下:
;
j∈P,s(d(i,j))为P中第i个粒子和第j个粒子的适应度分享函数:
;
其中,δ为小生境半径,α为常数;
根据精英粒子集中各个粒子的适应度找出全局最优粒子,并根据全局最优粒子更新各个粒子的位置和速度。
优选的,当达到迭代终止条件时,输出为可能的充换电站选址集合,包括:
每次迭代运算选取粒子群中满足预设要求的粒子加入到精英粒子集;
每次迭代运算删除精英粒子群中不满足预设要求适应度的粒子;
迭代结束时的精英粒子群即为可能的充换电站选址集合。
优选的,根据可能的充换电站选址集合以及预设评价方法,确定最优充换电站选址点,包括:
通过预设评价方法计算可能的充换电站选址集合的模糊隶属度,具体为:
;
其中,μ i表示第i个目标函数对应的模糊隶属度,f imin和f imax分别表示第i个目标函数的下限和上限;
从所有可能的充换电站选址集合的模糊隶属度中找到最优值,即为最优充换电站选址点。
第二方面,本发明还提供了一种内河充换电站选址定容规划装置,包括:
目标函数模块,用于建立充电站选址的目标函数;
构造模块,用于构造内河干线的水网模型,并根据内河干线的水网模型设置约束条件;
筛选模块,用于根据目标函数以及约束条件,通过粒子群算法迭代筛选出可能的充换电站选址集合;
选址模块,用于根据可能的充换电站选址集合以及预设评价方法,确定最优充换电站选址点。
第三方面,本发明还提供了一种电子设备,包括存储器和处理器,其中,
存储器,用于存储程序;
处理器,与存储器耦合,用于执行存储器中存储的程序,以实现上述任一种实现方式中的内河充换电站选址定容规划方法中的步骤。
第四方面,本发明还提供了一种计算机可读存储介质,用于存储计算机可读取的程序或指令,程序或指令被处理器执行时,能够实现上述任一种实现方式中的内河充换电站选址定容规划方法中的步骤。
采用上述实施例的有益效果是:本发明提供的一种内河充换电站选址定容规划方法、装置及设备,通过构造充换电站选址的目标函数,建立内河干线的水网模型,并设置预设条件,采用改进多目标粒子群优化算法对模型求解,筛选出可能的充换电站选址集合,然后通过预设评价方法,从可能的充换电站选址集合中确定最优充换电站选址点。
附图说明
图1为本发明提供的内河充换电站选址定容规划方法的一实施例的流程示意图;
图2 为本发明提供的内河充换电站选址装置的一实施例的结构示意图;
图3为本发明实施例提供的内河充换电站选址电子设备的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明提供了一种内河充换电站选址定容规划方法、装置及设备,以下分别进行说明。
请参阅图1,图1为本发明提供的内河充换电站选址定容规划方法的一实施例的流程示意图,本发明的一个具体实施例,公开了一种内河充换电站选址定容规划方法,包括:
S101、建立充换电站选址的目标函数;
S102、构造内河干线的水网模型,并根据内河干线的水网模型设置约束条件;
S103、根据目标函数以及约束条件,通过粒子群算法迭代筛选出可能的充换电站选址集合;
S104、根据可能的充换电站选址集合以及预设评价方法,确定最优充换电站选址点。
在步骤S101中,对充换电站选址要考虑充换电站初投资和年建设成本、用户换电时间和用户往返充换电站引起的额外碳排放,因此以最小化充换电站初投资和年建设成本、最小化用户换电时间和最小化用户往返充换电站引起的额外碳排放构建目标函数。
在步骤S102中,通过内河干线的地图,根据内河干线的地图构造水网模型,考虑各充换电站换电设备数量、需求点到充换电站距离和不同充换电站间的距离,设置约束条件。
在步骤S103中,根据充换电站选址的目标函数以及设置的约束条件,通过粒子群算法的迭代优化,筛选出满足要求的出可能的充换电站选址集合。
在步骤S104中,所述预设评价方法为模糊满意度评价方法,根据实际需求和电动船用户偏好,采用模糊隶属度来分别表示各个可能的充换电站选址集合所对应的目标满意度,并根据满意度的值,确定出最优充换电站选址点。
与现有技术相比,本实施例提供的一种内河充换电站选址定容规划方法、装置及设备,通过构造目标函数,建立内河干线的水网模型,并设置预设条件,采用改进多目标粒子群优化算法对模型求解,筛选出可能的充换电站选址集合,然后通过预设评价方法,从可能的充换电站选址集合中确定最优充换电站选址点。
在本发明的一些实施例中,充换电站选址的目标函数,包括:
最小化充换电站初投资和年建设成本:;
最小化用户换电时间:;
最小化用户往返充换电站引起的额外碳排放;
其中,C cost为充换电站的初投资和等年值表述的年建设成本,C cost,j为集中充电站j的初投资、年建设成本,C cost,i为电池换电站i的初投资、年建设成本,C time为用户因换电而耗费的时间,C t1为用户驶向充换电站途中的平均耗时,C t2为用户在充换电站排队的平均等候时间,E co2为用户往返充换电站引起的额外碳排放。
在上述实施例中,C cost为充换电站的初投资和等年值表述的年建设成本,主要由集中充电站j的初投资和年建设成本C cost,j和电池换电站i的初投资和年建设成本C cost,i两个部分组成。其中,集中充电站j的初投资和年建设成本C cost,j主要包括土地、电池配送车辆、充电机及其相关设施的购置及维护检修、站内工作人员工资等;电池换电站i的初投资和年建设成本C cost,i主要包括土地、换电设备等初投资费用和换电站中工作人员的工资、设备维护和配送车辆往返耗油等成本。C time为用户因换电而耗费的时间,包括用户驶向充换电站途中的平均耗时C t1和用户在充换电站排队的平均等候时间C t2两部分;E co2为用户往返充换电站引起的额外碳排放。
集中充电站j的初投资和年建设成本C cost,j可表示为:
式中,w j为集中充电站的基建投资成本;e j为集中充电站内购置的充电机及其相关设施的套数;c为每套充电机相关设施的单价;r 0为贴现率;m j为集中充电站j的运营年限;δ为相关运维成本及人员工资等运营管理成本的等效系数。
电池换电站i的初投资和年建设成本C cost,i可表示为:
其中,w i为电池换电站i的固定投资成本;q为电池更换机单价;N i为电池换电站i中的电池更换设备数量;g为电池更换机相关投资成本折算系数;r 0为贴现率;m i为换电站i的运营年限;δ为运营管理成本的等效系数。
用户驶向充换电站i途中的平均耗时可计为:
式中:p为单船日换电概率;n j为需求点j电动船数量;λ ij为需求点j到充换电站i的水路非直线系数;d ij为需求点j到充换电站i的空间直线距离;v为电动船在规划区内的平均行驶速度;J all为充换电站集合;J i为选择在充换电站i的需求点集合。
用户在充换电站内排队平均等候时间可表示为:
式中:W qi为充换电站i的排队等候时间期望值,在给定换电设备数量N i的情况下,根据排队论模型计算得出与之一一对应的W qi。
电动船驶向充换电站引起的碳排放可用下式计算:
式中:e co2 =e emi E 1km /η,为电动船单位行驶距离的碳排放系数,其中e emi为换电终端供应单位电量的全寿命周期温室气体排放因子(折算为CO2排放因子),E 1km为电动船行驶1km消耗的电量,η为换电效率。
在本发明的一些实施例中,构造内河干线的水网模型,并根据内河干线的水网模型设置约束条件,包括:
各充换电站换电设备数量约束:
I i N min≤N≤I i N max,i∈J all;
其中,I i为是否建设充换电站i的状态变量,其值取0或1,N min和N max分别为充换电站i中换电设备最小数量与最大数量,N为充换电站i中换电设备的数量,J all为充换电站集合;
需求点到充换电站距离约束:
λ ij d ij≤d max,i∈J all,j∈J i;
其中,d max为需求点j到充换电站i的最大距离,λ ij为需求点j到充换电站i的水路非直线系数,d ij为需求点j到充换电站i的直线距离,J i为选择在充换电站i续航的需求点集合;
不同充换电站间距离约束:
λ ik D ik ≥D min,i,k∈J all,i≠k;
其中,D ik为充换电站i与充换电站k之间的实际直线距离,D min为充换电站i与充换电站k之间的最小间距。
在上述实施例中,电动船充换电站的选址定容规划应满足充换电站换电设备数量、需求点到充换电站距离、充换电站之间距离等约束,这些约束条件适用于内河干线水网模型。
在本发明的一些实施例中,根据目标函数以及约束条件,通过粒子群算法迭代筛选出可能的充换电站选址集合,包括:
初始化粒子群算法的参数,计算初始化粒子群的目标值;
从初始粒子群中选择满足预设要求的粒子,构成精英粒子集;
从精英粒子群中找出全局最优粒子,并更新粒子群的位置和速度;
当达到迭代终止条件时,输出可能的充换电站选址集合。
在上述实施例中,粒子群算法是模拟鸟类迷失的一种进化计算方法,其数学模型为:设粒子群的搜索空间是D维,粒子个数为n,第i个粒子在搜索过程中最优解对应的表达式为P(i)=[P(i1),P(i2),…,P(iD)],其中设第g个粒子搜索过程中的最优位置P(g)为所有局部最优解P(i)(i=1,2,…,n)中的最优解;第i个粒子的速度V(i)=[V(i 1),V(i 2),…,V(i D)]。将粒子群的速度和位置初始化。随机初始化粒子群,并从中选取非劣解“粒子”构成精英粒子集P,精英粒子集在粒子更新的过程中可以指导其他粒子的“飞行”。
本算法采取轮盘赌的方法,根据精英粒子集找到全局最佳位置,在算法迭代过程中,具有全局最佳位置的粒子指导其他粒子更新各个粒子的位置和速度。
每个粒子的速度和位置变化可以用下式表达:
其中,t为迭代次数,c 1、c 2为影响因子,分别表示粒子和全局对它的影响程度,取值范围通常为[0,2];r 1、r 2用于避免陷入局部最优,是取值为[0,1]之间的随机常数;w定义为惯性常数,作用是保持个体原有的属性,其取值范围为[0,1]。
当选择较大的惯性权重时,粒子群算法通常因为粒子偏离全局最优位置和自己的历史最优位置而具有较好的全局搜索能力,较小的惯性权重就不利于全局搜索。
粒子群算法为迭代算法,当达到满足的迭代条件后,算法停止,此时输出的精英粒子群即为可能的充换电站选址集合。
在本发明的一些实施例中,从精英粒子群中找出全局最优粒子,并更新粒子群的位置和速度,包括:
计算粒子的适应度,具体为:
第i个粒子的适应度定义如下:
;
j∈P,s(d(i,j))为P中第i个粒子和第j个粒子的适应度分享函数:
;
其中,δ为小生境半径,α为常数;
根据精英粒子集中各个粒子的适应度找出全局最优粒子,并根据全局最优粒子更新各个粒子的位置和速度。
在上述实施例中,通过小生境技术求解精英集中粒子的适应度,粒子的聚集程度越高,粒子的适应度就越小,δ在计算时可预设为常数。
在本发明的一些实施例中,当达到迭代终止条件时,输出为可能的充换电站选址集合,包括:
每次迭代运算选取粒子群中满足预设要求的粒子加入到精英粒子集;
每次迭代运算删除精英粒子群中不满足预设要求适应度的粒子;
迭代结束时的精英粒子群即为可能的充换电站选址集合。
在上述实施例中,每次迭代之后,选取所得粒子中的非劣解加入到精英粒子集中,这样精英粒子集中的粒子数会不断增加,从而影响算法的运行速度。因此,当精英粒子集中的粒子数超过精英粒子集的最大容量时,根据适应度计算精英粒子集中各粒子的适应度,删除其中适应度较小的个体粒子。当算法满足终止迭代条件时,精英粒子集的粒子即可认为是所求的可能的充换电站选址集合,即 Pareto最优解集。
在本发明的一些实施例中,根据可能的充换电站选址集合以及预设评价方法,确定最优充换电站选址点,包括:
通过预设评价方法计算可能的充换电站选址集合的模糊隶属度,具体为:
;
其中,μ i表示第i个目标函数对应的模糊隶属度,f imin和f imax分别表示第i个目标函数的下限和上限;
从所有可能的充换电站选址集合的模糊隶属度中找到最优值,即为最优充换电站选址点。
在上述实施例中,得出Pareto最优解集之后,选择出可以同时考虑3个目标的一组解,根据实际需求和电动船用户偏好,采用模糊隶属度来分别表示各个Pareto解所对应的目标满意度,并根据满意度的值,确定出最优解。
为了更好实施本发明实施例中的内河充换电站选址方法,在内河充换电站选址方法基础之上,对应的,请参阅图2,图2 为本发明提供的内河充换电站选址装置的一实施例的结构示意图,本发明实施例提供了一种内河充换电站选址装置200,包括:
目标函数模块201,用于建立充电站选址的目标函数;
构造模块202,用于构造内河干线的水网模型,并根据内河干线的水网模型设置约束条件;
筛选模块203,用于根据目标函数以及约束条件,通过粒子群算法迭代筛选出可能的充换电站选址集合;
选址模块204,用于根据可能的充换电站选址集合以及预设评价方法,确定最优充换电站选址点。
这里需要说明的是:上述实施例提供的装置200可实现上述各方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述方法实施例中的相应内容,此处不再赘述。
请参阅图3,图3为本发明实施例提供的内河充换电站选址电子设备的结构示意图。基于上述内河充换电站选址方法,本发明还相应提供了一种内河充换电站选址设备,内河充换电站选址设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该内河充换电站选址设备包括处理器310、存储器320及显示器330。图3仅示出了电子设备的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器320在一些实施例中可以是内河充换电站选址设备的内部存储单元,例如内河充换电站选址设备的硬盘或内存。存储器320在另一些实施例中也可以是内河充换电站选址设备的外部存储设备,例如内河充换电站选址设备上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,存储器320还可以既包括内河充换电站选址设备的内部存储单元也包括外部存储设备。存储器320用于存储安装于内河充换电站选址设备的应用软件及各类数据,例如安装内河充换电站选址设备的程序代码等。存储器320还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器320上存储有内河充换电站选址程序340,该内河充换电站选址程序340可被处理器310所执行,从而实现本申请各实施例的内河充换电站选址方法。
处理器310在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器320中存储的程序代码或处理数据,例如执行内河充换电站选址方法等。
显示器330在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器330用于显示在内河充换电站选址设备的信息以及用于显示可视化的用户界面。内河充换电站选址设备的部件310-330通过系统总线相互通信。
在一实施例中,当处理器310执行存储器320中内河充换电站选址程序340时实现如上的内河充换电站选址方法中的步骤。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种内河充换电站选址定容规划方法,其特征在于,包括:
建立充换电站选址的目标函数;
构造内河干线的水网模型,并根据所述内河干线的水网模型设置约束条件;
根据所述目标函数以及所述约束条件,通过粒子群算法迭代筛选出可能的充换电站选址集合;
根据所述可能的充换电站选址集合以及预设评价方法,确定最优充换电站选址点;
其中,所述构造内河干线的水网模型,并根据所述内河干线的水网模型设置约束条件,包括:
各充换电站换电设备数量约束:
I i N min≤N≤I i N max ,i∈J all ;
其中,I i为是否建设充换电站i的状态变量,N min和N max分别为充换电站i中换电设备最小数量与最大数量,N为充换电站i中换电设备的数量,J all为充换电站集合;
需求点到充换电站距离约束:
λ ij d ij≤d max ,i∈J all ,j∈J i;
其中,d max为需求点j到充换电站i的最大距离,λ ij为需求点j到充换电站i的水路非直线系数,d ij为需求点j到充换电站i的直线距离,J i 为选择在充换电站i续航的需求点集合;
不同充换电站间距离约束:
λ ik D ik ≥D min ,i,k∈J all ,i≠k;
其中,D ik为充换电站i与充换电站k之间的实际直线距离,D min为充换电站i与充换电站k之间的最小间距;
其中,所述根据所述可能的充换电站选址集合以及预设评价方法,确定最优充换电站选址点,包括:
通过所述预设评价方法计算所述可能的充换电站选址集合的模糊隶属度,具体为:
;
其中,μ i表示第i个目标函数对应的模糊隶属度,f imin和f imax分别表示第i个目标函数的下限和上限;
从所有所述可能的充换电站选址集合的模糊隶属度中找到最优值,即为最优充换电站选址点。
2.根据权利要求1所述的内河充换电站选址定容规划方法,其特征在于,所述充换电站选址的目标函数,包括:
最小化充换电站初投资和年建设成本:;
最小化用户换电时间:;
最小化用户往返充换电站引起的额外碳排放;
其中,C cost为充换电站的初投资和等年值表述的年建设成本,C cost,j为集中充电站j的初投资、年建设成本,C cost,i为电池换电站i的初投资、年建设成本,C time为用户因换电而耗费的时间,C t1为用户驶向充换电站途中的平均耗时,C t2为用户在充换电站排队的平均等候时间,E co2为用户往返充换电站引起的额外碳排放。
3.根据权利要求1所述的内河充换电站选址定容规划方法,其特征在于,所述根据所述目标函数以及所述约束条件,通过粒子群算法迭代筛选出可能的充换电站选址集合,包括:
初始化粒子群算法的参数,计算初始化粒子群的目标值;
从初始粒子群中选择满足预设要求的粒子,构成精英粒子集;
从所述精英粒子群中找出全局最优粒子,并更新粒子群的位置和速度;
当达到迭代终止条件时,输出可能的充换电站选址集合。
4.根据权利要求3所述的内河充换电站选址定容规划方法,其特征在于,所述从所述精英粒子群中找出全局最优粒子,并更新粒子群的位置和速度,包括:
计算粒子的适应度,具体为:
第i个粒子的适应度定义如下:
;
j∈P,s(d(i,j))为P中第i个粒子和第j个粒子的适应度分享函数:
;
其中,δ为小生境半径,α为常数;
根据所述精英粒子集中各个粒子的适应度找出全局最优粒子,并根据所述全局最优粒子更新各个粒子的位置和速度。
5.根据权利要求4所述的内河充换电站选址定容规划方法,其特征在于,所述当达到迭代终止条件时,输出为可能的充换电站选址集合,包括:
每次迭代运算选取粒子群中满足预设要求的粒子加入到所述精英粒子集;
每次迭代运算删除所述精英粒子群中不满足预设要求适应度的粒子;
迭代结束时的精英粒子群即为所述可能的充换电站选址集合。
6.一种内河充换电站选址定容规划装置,其特征在于,包括:
目标函数模块,用于建立充电站选址的目标函数;
构造模块,用于构造内河干线的水网模型,并根据所述内河干线的水网模型设置约束条件;
筛选模块,用于根据所述目标函数以及所述约束条件,通过粒子群算法迭代筛选出可能的充换电站选址集合;
选址模块,用于根据所述可能的充换电站选址集合以及预设评价方法,确定最优充换电站选址点;
其中,所述构造内河干线的水网模型,并根据所述内河干线的水网模型设置约束条件,包括:
各充换电站换电设备数量约束:
I i N min≤N≤I i N max ,i∈J all ;
其中,I i为是否建设充换电站i的状态变量,N min和N max分别为充换电站i中换电设备最小数量与最大数量,N为充换电站i中换电设备的数量,J all为充换电站集合;
需求点到充换电站距离约束:
λ ij d ij≤d max ,i∈J all ,j∈J i;
其中,d max为需求点j到充换电站i的最大距离,λ ij为需求点j到充换电站i的水路非直线系数,d ij为需求点j到充换电站i的直线距离,J i 为选择在充换电站i续航的需求点集合;
不同充换电站间距离约束:
λ ik D ik ≥D min ,i,k∈J all ,i≠k;
其中,D ik为充换电站i与充换电站k之间的实际直线距离,D min为充换电站i与充换电站k之间的最小间距;
其中,所述根据所述可能的充换电站选址集合以及预设评价方法,确定最优充换电站选址点,包括:
通过所述预设评价方法计算所述可能的充换电站选址集合的模糊隶属度,具体为:
;
其中,μ i表示第i个目标函数对应的模糊隶属度,f imin和f imax分别表示第i个目标函数的下限和上限;
从所有所述可能的充换电站选址集合的模糊隶属度中找到最优值,即为最优充换电站选址点。
7.一种电子设备,其特征在于,包括存储器和处理器,其中,
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述权利要求1至5中任一项所述内河充换电站选址定容规划方法中的步骤。
8.一种计算机可读存储介质,其特征在于,用于存储计算机可读取的程序或指令,所述程序或指令被处理器执行时,能够实现上述权利要求1至5中任一项所述内河充换电站选址定容规划方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111397403.0A CN114118769B (zh) | 2021-11-23 | 2021-11-23 | 一种内河充换电站选址定容规划方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111397403.0A CN114118769B (zh) | 2021-11-23 | 2021-11-23 | 一种内河充换电站选址定容规划方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114118769A CN114118769A (zh) | 2022-03-01 |
CN114118769B true CN114118769B (zh) | 2024-06-21 |
Family
ID=80440546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111397403.0A Active CN114118769B (zh) | 2021-11-23 | 2021-11-23 | 一种内河充换电站选址定容规划方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114118769B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113065689B (zh) * | 2021-03-18 | 2023-11-07 | 中国水利水电科学研究院 | 一种多生境城市生态水系构建系统及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109754119B (zh) * | 2018-12-29 | 2023-07-04 | 国网天津市电力公司电力科学研究院 | 基于Floyd算法的电动汽车充换电服务网络优化规划方法 |
CN113554239A (zh) * | 2021-08-16 | 2021-10-26 | 广东工业大学 | 一种电动公交车充换电站的选址和设备容量的优化方法 |
-
2021
- 2021-11-23 CN CN202111397403.0A patent/CN114118769B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Non-Patent Citations (1)
Title |
---|
换电模式下电动汽车充换电网络的规划;李国;张智晟;温令云;;电力系统保护与控制;20131009(第20期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114118769A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Risk-constrained stochastic scheduling for energy hub: Integrating renewables, demand response, and electric vehicles | |
Chen et al. | Optimal allocation of distributed generation and energy storage system in microgrids | |
CN113285490B (zh) | 电力系统调度方法、装置、计算机设备和存储介质 | |
CN114118769B (zh) | 一种内河充换电站选址定容规划方法、装置及设备 | |
CN113794199A (zh) | 一种考虑电力市场波动的风电储能系统最大收益优化方法 | |
Liu et al. | Flexible network planning of autonomy microgrid | |
CN116207739A (zh) | 配电网优化调度方法、装置、计算机设备和存储介质 | |
He et al. | Minimizing the operation cost of distributed green data centers with energy storage under carbon capping | |
Taghizadegan et al. | Dominated GSO algorithm for optimal scheduling of renewable microgrids with penetration of electric vehicles and energy storages considering DRP | |
CN112101632A (zh) | 基于分布式估计算法楼宇负荷优化调度方法 | |
Peng et al. | Sequential coalition formation for wind-thermal combined bidding | |
Liu et al. | Design and evaluation of micro energy network considering P2G‐based storage system using two‐stage stochastic programming | |
CN115169786A (zh) | 一种电力市场需求侧资源聚合模型调度方法及设备 | |
Paul et al. | Application of chaotic quasi‐oppositional whale optimization algorithm on CHPED problem integrated with wind‐solar‐EVs | |
Ryu | Operation planning of energy storage system considering multiperiod energy supplies and demands | |
Ghavidel et al. | Hybrid power plant bidding strategy for voltage stability improvement, electricity market profit maximization, and congestion management | |
Lu et al. | Energy-transport scheduling for green vehicles in seaport areas: A review on operation models | |
CN114417695A (zh) | 多园区综合能源系统经济调度方法 | |
Wang et al. | Research on short‐term and mid‐long term optimal dispatch of multi‐energy complementary power generation system | |
CN117595392A (zh) | 计及光伏消纳与光储充配置的配电网联合优化方法及系统 | |
Huang et al. | Collaborative optimization strategy of source‐grid‐load‐storage considering dynamic time series complementarity of multiple storages | |
CN115189409A (zh) | 电力系统生产模拟方法、装置、计算机设备及存储介质 | |
Hu et al. | Comprehensive energy system optimization using developed coyote algorithm for effective management of battery, heat source, and thermal storage | |
Bhadoria et al. | A chaotic hybrid optimization technique for solution of dynamic generation scheduling problem considering effect of renewable energy sources | |
Jawad et al. | A novel renewable powered stand-alone electric vehicle parking-lot model |
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 |