CN114418193A - 一种面向办公建筑的电动汽车充电设施优化配置方法 - Google Patents
一种面向办公建筑的电动汽车充电设施优化配置方法 Download PDFInfo
- Publication number
- CN114418193A CN114418193A CN202111624558.3A CN202111624558A CN114418193A CN 114418193 A CN114418193 A CN 114418193A CN 202111624558 A CN202111624558 A CN 202111624558A CN 114418193 A CN114418193 A CN 114418193A
- Authority
- CN
- China
- Prior art keywords
- charging
- facility
- year
- piles
- configuration
- 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
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
- G06Q10/04—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开一种面向办公建筑的电动汽车充电设施优化配置方法。包括以下步骤:在分析实测充电负荷分布特征的基础上建立面向办公建筑的充电设施配置评价指标;建立基于遗传算法的电动汽车充电设施优化配置模型;在配置模型计算出的结果集合中确定最佳的配置方案。本发明可以在最大限度满足车主充电需求的同时,还能够尽可能降低停车场内充电桩闲置情况;同时考虑了长期的综合效益,避免投资和维护成本的浪费,改善了面向办公建筑的电动汽车充电设施优化配置方案的综合效果。
Description
技术领域
本发明属于建筑综合能源系统领域,具体涉及一种面向办公建筑的电动汽车充电设施优化配置方法。
背景技术
近年来,电动汽车因其以电代油、不排放有害气体等优点,在应对能源与环境问题时展现出巨大的优势,并随着电池技术的突破,逐渐受到各国的青睐。在这种背景下,为满足精细化发展,需对与电动汽车产生互动的办公建筑的生命周期进行新的考虑,比如在设计阶段,办公建筑楼宇应该如何配置充电桩的数量和类型已成为亟需回答的现实问题。
当建筑处于设计阶段时,需要确定停车场充电桩的安装或预留数量。现有研究多从城市整体或城市区域等宏观角度出发,对充电站进行选址和定容的研究,尚未系统性地从建筑楼宇的微观角度出发对充电设施的配置进行研究。目前设计师普遍依据规范给出的办公建筑停车场充电设施占比范围的下限值来确定充电桩配置数量,但这种设计方法并不一定能满足电动汽车用户快速增长的充电需求,后续若进行扩建又将造成重复施工、变压器容量不合理、成本增加等诸多问题。但一味增加充电桩的数量不仅会使初投资不合理地增加,也会因桩体闲置而造成额外的维护成本。因此,简单地根据规范确定桩数不能满足当前不断变化的充电需求,有必要从建筑楼宇角度出发,研究电动汽车充电设施的优化配置方法。
针对目前很少有关于办公建筑停车场充电设施的配置方法这一现状,亟需提出一种面向办公建筑的电动汽车充电设施优化配置方法来使建筑适应快速增长的电动汽车充电需求,响应双碳目标,助力节能减排,促进能源与环境问题的解决。
发明内容
有鉴于此,本发明提出了一种面向办公建筑的电动汽车充电设施优化配置方法,在最大限度满足车主充电需求的同时,尽可能降低停车场内充电桩闲置情况,并考虑长期的综合效益,来改善电动汽车充电设施优化配置方案的综合效果。
为实现上述目的,本发明提出了一种面向办公建筑的电动汽车充电设施优化配置方法,包括以下步骤:
步骤1):建立面向办公建筑的充电设施配置评价指标
通过实际测量电动汽车的充电负荷,在分析实测充电负荷分布特征的基础上,从兼顾设施利用情况和用户充电需求情况出发,提出平均充电设施利用率和平均充电需求满足率两大配置评价指标。
步骤2):建立基于遗传算法的电动汽车充电设施优化配置模型
采用单目标遗传算法,以配置方案的平均充电设施利用率和平均充电需求满足率之和为目标函数,以充电桩数为变量,建立电动汽车充电设施优化配置模型。
步骤3):在计算结果集合中确定最佳的配置方案
根据上述配置模型计算出的结果,提出考虑充电设施和变压器成本的辅助评价指标,从诸多结果中确定最佳配置方案。
其中,所述步骤1)建立面向办公建筑的充电设施配置评价指标,具体为:
通过实际测量电动汽车的充电负荷,在分析实测充电负荷分布特征的基础上,从兼顾设施利用情况和用户充电需求情况出发,提出平均充电设施利用率和平均充电需求满足率两大配置评价指标。
(1)平均充电设施利用率
平均充电设施利用率指标的含义是计算未来数年内,每年某典型日中充电桩逐时利用率的平均值,以此衡量充电设施的使用情况。该指标数值越大,则在评估时段(即办公时间)内逐时同时处于充电状态的桩数量越多,则设施的整体利用率越高,配置方案实际效果越好。其计算公式为:
式中,Y为规划考虑的总年限;为未来Y年内充电桩的平均逐时利用率;ηi(t)为第i年,一日内t时刻的充电桩利用率;t0~tN为一日内的评估时段,即办公时段;M为充电桩数量;ni,ch(t)为预测的第i年,一日内t时刻正在充电的车辆数,由电动汽车充电负荷模型计算得到。根据式(2),当t时刻正在充电的车辆数小于充电桩数量时,仅有一部分充电桩在使用,这一部分占所有充电桩的比例即为该时刻的充电桩利用率;当预测的正在充电的车辆数大于等于充电桩数量时,所有的充电桩都将投入使用,此时的充电桩使用率为1。
(2)平均充电需求满足率
由于是办公建筑停车场,车主在下班之前基本不会中途离开或在停车场内移动车位,本文假设不考虑排队的情况,一台桩一天内供应一辆车的充电,所以车主能否充上电取决于到达时剩余可用的充电桩数量。故该指标的含义是计算未来数年内,每年某典型日中逐时到站车辆可进行充电的比例的平均值。该指标数值越大,则在评估时段内越多车辆可以在停车场内进行充电,充电需求满足率越高,配置方案实际效果越好。其计算公式为:
式中,为未来Y年内的平均充电需求满足率;λi(t)为第i年,一日内t时刻的充电需求满足率;ni,arr(t)为预测的第i年,一日内t时刻累计已到达车辆数,由电动汽车充电负荷模型计算得到。根据式(4),当t时刻的预计累计到达车辆数小于等于充电桩数量时,所有车辆的都可以进行充电,满足率为1;当预计累计到达车辆数大于充电桩数量时,只有M辆车可以进行充电,它占此时累计到达车辆数的比例即为此时刻的充电需求满足率。
其中,所述步骤2)建立基于遗传算法的电动汽车充电设施优化配置模型,具体为:
(1)确定优化变量
理想的停车场充电设施配置方案应在规划年限内,首先最大限度满足车主的充电需求,同时在此基础上,尽可能避免充电桩的闲置情况,减少前期投资和后期维护成本的浪费。所以在办公建筑停车场的充电桩配置方案优化设计中充电桩的数量配置是一个关键因素,故优化变量确定为充电桩数量。
(2)确定目标函数
充电桩配置方案应同时兼顾充电设施利用率和充电需求满足率,两个指标同时越大则配置方案效果越好,故目标函数为:
(3)确定约束条件
配置问题中的优化变量为充电桩的数量,需要根据实际情况对其搜索范围进行约束:
Mmin≤M≤Mmax (6)
Mmin=Np×10% (7)
NY=Mmin×ωY (8)
Mmax=NY×1.15 (9)
其中,Mmin为充电桩数量的最小值,取国家标准中的下限值即设计停车位数量的10%;Np为建筑设计停车位数量;NY为Y年后该楼内员工电动汽车的数量,假设在设计当年,该建筑内的电动汽车数量和Mmin相同,之后按照一定的速度逐年增加;ω为电动汽车数量的年平均增长系数,根据公开的历年电动汽车渗透率统计数据进行预测;Mmax为充电桩数量的最大值,以NY为基础,并留出15%的余量。
其中,所述步骤3)在计算结果集合中确定最佳的配置方案,具体为:
(1)根据已提出的电动汽车充电负荷预测模型,得到若干组未来Y年内逐年的充电负荷抽样结果并组成集合,将统计计算结果形成箱线图,并对每一个样本分别进行充电桩配置优化计算。
(2)为对可能出现的备选方案进行比较,提出成本评价指标。以总成本作为辅助评价指标。其计算公式为:
Call=Cb+Cr (10)
式中,Call为总成本,元;Cb为充电设施建设成本,元;Cr为配电网新建改造成本,元。其中:
Cb=π(M×cep+M×cin+Cm) (11)
式中,cep为单台充电桩设备购置成本,元/台;cin为单台充电桩的安装成本,元/台;Cm为充电桩的维护成本,元,设第一年为充电设备购入费用的6%,之后逐年增加2%;π为资金年折算系数;ε为贴现率。
Cr=π×γ×R (13)
(3)综合考量所述的目标函数及设计年限,以效果最佳的配置方案优先,若资金紧张或楼内预计电动汽车数量较少、电动汽车增速较慢,则选择桩数较少的备选方案。
有益效果
(1)提出面向办公建筑的平均充电设施利用率和平均充电需求满足率两大配置评价指标,可以用来量化评估停车场充电配置方案的效果,最大限度满足车主充电需求的同时,还能够尽可能降低停车场内充电桩闲置情况。
(2)本发明提出的优化配置方法考虑了长期综合效益,可以避免投资和维护成本的浪费,且设计考虑的年限越久,充电设施优化配置方案的综合改善效果越明显。
附图说明
图1为本发明的技术流程图;
图2为全慢充情景下的电动汽车充电负荷分布图;
图3为科研办公楼配置方案指标比较图(Y=5);
图4为科研办公楼配置方案指标比较图(Y=10);
图5为科研办公楼不同配置方案目标函数对比图(Y=5);
图6为科研办公楼不同配置方案目标函数对比图(Y=10);
图7为不同年限备选方案年折算成本对比图。
具体实施方式
下面通过具体实施例和附图对本发明做进一步说明。本发明的实施例是为了更好地使本领域的技术人员更好地理解本发明,并不对本发明做任何的限制。
如图1所示,本实施例提供一种面向办公建筑的电动汽车充电设施优化配置方法,包括以下步骤:
步骤1:获取电动汽车充电负荷实测数据
选取天津市某中小型科研办公楼的停车场作为典型案例。通过在该办公建筑配置电动汽车充电设施数据采集装置,对参与测试的电动汽车用户的充电行为跟踪记录,获得电动汽车在办公建筑充电的负荷数据。该停车场充电桩全部为慢充桩,得到这种情景下一天内逐时电动汽车充电负荷分布情况如图2所示。
步骤2:建立面向办公建筑的充电设施配置评价指标
针对获取的充电负荷数据,进一步展示不同桩数配置方案对应的具体指标表现和变化规律,包括计算年限为Y=5年和Y=10年时不同桩数方案对应的平均充电设施利用率和平均充电需求满足率两个指标,具体结果分布分别如图3和图4所示。随着充电桩数量的增加,平均充电需求满足率先增大后保持最大值1,而平均充电设施利用率则持续减小。因为当充电桩数量较少时,设计年限内的后几年充电需求难以得到满足,平均充电需求满足率较低。当充电桩数量逐渐增多时,充电需求满足情况逐渐得到改善,但会持续加剧设计年限内前几年充电的闲置问题,导致平均充电设施利用率不断减小。说明在配置具体桩数时需要根据具体情况对两方面进行平衡。还可以发现,Y=5时平均充电需求满足率最大能够提升34.93%,Y=10时平均充电需求满足率最大能够提升68.80%,而平均充电设施利用率的变化则相差不大。说明当设计年限较长时,该配置方法对充电需求满足情况的影响更加明显。
步骤3:建立基于遗传算法的电动汽车充电设施优化配置模型
为对不同方案的综合性能进行比较,分别对Y=5年和Y=10年内不同桩数配置方案对应的目标函数也进行了计算,具体计算结果分布如图5和图6所示。对于目标函数,当设计年限分别为Y=5年和Y=10年时,相比用标准法确定出的安装5台充电桩的方案,本发明所提出的方法能够分别改善8.18%和17.45%。随着充电桩数量的增加,目标函数呈现出先增大后减小的趋势,设计年限为5年时的变化较为平缓,而设计年限为10年时的变化更为明显。可见,本发明提出的充电桩优化配置方法能够有效提升目标函数改善方案的综合效果,而且当考虑的设计年限越长,改善效果越明显。
步骤4:在计算结果集合中确定最佳的配置方案
不同备选方案之间的总体效果差距较为接近,为对不同方案进行比较,计算各自的年折算费用如图7所示。随着桩数的增加,年折算成本也随之增加,若计算总成本,则5年内备用方案的最大成本差为2.07万元,10年内备用方案的最大成本差为3.12万元。以该科研办公楼为例,若建设资金充足,则直接选择效果最佳的桩数方案,即5年内设置10台充电桩,10年内设置15台充电桩;若建设资金稍紧张,或者初始实际电动汽车数量较少、电动汽车增速较小,则稍微牺牲方案效果,在备用方案中选择桩数较少的方案,即5年内设置8台充电桩,10年内设置14台充电桩。
考虑到5年是比较适宜的一个设计年限,且不同备选方案之间的年折算成本相差相对小,所以对该办公建筑而言选择配置10台充电桩为优。
Claims (4)
1.一种面向办公建筑的电动汽车充电设施优化配置方法,其特征在于,包括以下步骤:
步骤1):建立面向办公建筑的充电设施配置评价指标
通过实际测量电动汽车的充电负荷,在分析实测充电负荷分布特征的基础上,从兼顾设施利用情况和用户充电需求情况出发,提出平均充电设施利用率和平均充电需求满足率两大配置评价指标。
步骤2):建立基于遗传算法的电动汽车充电设施优化配置模型
采用单目标遗传算法,以配置方案的平均充电设施利用率和平均充电需求满足率之和为目标函数,以充电桩数为变量,建立电动汽车充电设施优化配置模型。
步骤3):在计算结果集合中确定最佳的配置方案
根据上述配置模型计算出的结果,提出考虑充电设施和变压器成本的辅助评价指标,从诸多结果中确定最佳配置方案。
2.根据权利要求1所述的计算方法,其特征在于:所述步骤1)建立面向办公建筑的充电设施配置评价指标,具体为:
通过实际测量电动汽车的充电负荷,在分析实测充电负荷分布特征的基础上,从兼顾设施利用情况和用户充电需求情况出发,提出平均充电设施利用率和平均充电需求满足率两大配置评价指标。
(1)平均充电设施利用率
平均充电设施利用率指标的含义是计算未来数年内,每年某典型日中充电桩逐时利用率的平均值,以此衡量充电设施的使用情况。该指标数值越大,则在评估时段(即办公时间)内逐时同时处于充电状态的桩数量越多,则设施的整体利用率越高,配置方案实际效果越好。其计算公式为:
式中,Y为规划考虑的总年限;为未来Y年内充电桩的平均逐时利用率;ηi(t)为第i年,一日内t时刻的充电桩利用率;t0~tN为一日内的评估时段,即办公时段;M为充电桩数量;ni,ch(t)为预测的第i年,一日内t时刻正在充电的车辆数,由电动汽车充电负荷模型计算得到。根据式(2),当t时刻正在充电的车辆数小于充电桩数量时,仅有一部分充电桩在使用,这一部分占所有充电桩的比例即为该时刻的充电桩利用率;当预测的正在充电的车辆数大于等于充电桩数量时,所有的充电桩都将投入使用,此时的充电桩使用率为1。
(2)平均充电需求满足率
由于是办公建筑停车场,车主在下班之前基本不会中途离开或在停车场内移动车位,本文假设不考虑排队的情况,一台桩一天内供应一辆车的充电,所以车主能否充上电取决于到达时剩余可用的充电桩数量。故该指标的含义是计算未来数年内,每年某典型日中逐时到站车辆可进行充电的比例的平均值。该指标数值越大,则在评估时段内越多车辆可以在停车场内进行充电,充电需求满足率越高,配置方案实际效果越好。其计算公式为:
3.根据权利要求1所述的计算方法,其特征在于:所述步骤2)建立基于遗传算法的电动汽车充电设施优化配置模型,具体为:
(1)确定优化变量
理想的停车场充电设施配置方案应在规划年限内,首先最大限度满足车主的充电需求,同时在此基础上,尽可能避免充电桩的闲置情况,减少前期投资和后期维护成本的浪费。所以在办公建筑停车场的充电桩配置方案优化设计中充电桩的数量配置是一个关键因素,故优化变量确定为充电桩数量。
(2)确定目标函数
充电桩配置方案应同时兼顾充电设施利用率和充电需求满足率,两个指标同时越大则配置方案效果越好,故目标函数为:
(3)确定约束条件
配置问题中的优化变量为充电桩的数量,需要根据实际情况对其搜索范围进行约束:
Mmin≤M≤Mmax (6)
Mmin=Np×10% (7)
NY=Mmin×ωY (8)
Mmax=NY×1.15 (9)
其中,Mmin为充电桩数量的最小值,取国家标准中的下限值即设计停车位数量的10%;Np为建筑设计停车位数量;NY为Y年后该楼内员工电动汽车的数量,假设在设计当年,该建筑内的电动汽车数量和Mmin相同,之后按照一定的速度逐年增加;ω为电动汽车数量的年平均增长系数,根据公开的历年电动汽车渗透率统计数据进行预测;Mmax为充电桩数量的最大值,以NY为基础,并留出15%的余量。
4.根据权利要求1所述的计算方法,其特征在于:所述步骤3)在计算结果集合中确定最佳的配置方案,具体为:
(1)根据已提出的电动汽车充电负荷预测模型,得到若干组未来Y年内逐年的充电负荷抽样结果并组成集合,将统计计算结果形成箱线图,并对每一个样本分别进行充电桩配置优化计算。
(2)为对可能出现的备选方案进行比较,提出成本评价指标。以总成本作为辅助评价指标。其计算公式为:
Call=Cb+Cr (10)
式中,Call为总成本,元;Cb为充电设施建设成本,元;Cr为配电网新建改造成本,元。其中:
Cb=π(M×cep+M×cin+Cm) (11)
式中,cep为单台充电桩设备购置成本,元/台;cin为单台充电桩的安装成本,元/台;Cm为充电桩的维护成本,元,设第一年为充电设备购入费用的6%,之后逐年增加2%;π为资金年折算系数;ε为贴现率。
Cr=π×γ×R (13)
(3)综合考量所述的目标函数及设计年限,以效果最佳的配置方案优先,若资金紧张或楼内预计电动汽车数量较少、电动汽车增速较慢,则选择桩数较少的备选方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111624558.3A CN114418193A (zh) | 2021-12-29 | 2021-12-29 | 一种面向办公建筑的电动汽车充电设施优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111624558.3A CN114418193A (zh) | 2021-12-29 | 2021-12-29 | 一种面向办公建筑的电动汽车充电设施优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114418193A true CN114418193A (zh) | 2022-04-29 |
Family
ID=81269695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111624558.3A Pending CN114418193A (zh) | 2021-12-29 | 2021-12-29 | 一种面向办公建筑的电动汽车充电设施优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114418193A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114819412A (zh) * | 2022-06-23 | 2022-07-29 | 深圳大学 | 基于指导式可行解修正遗传算法的多换电站配置优化方法 |
CN115424470A (zh) * | 2022-08-31 | 2022-12-02 | 苏州智能交通信息科技股份有限公司 | 一种城市级智能停车系统、整合分析方法以及终端 |
-
2021
- 2021-12-29 CN CN202111624558.3A patent/CN114418193A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114819412A (zh) * | 2022-06-23 | 2022-07-29 | 深圳大学 | 基于指导式可行解修正遗传算法的多换电站配置优化方法 |
CN114819412B (zh) * | 2022-06-23 | 2022-09-09 | 深圳大学 | 基于指导式可行解修正遗传算法的多换电站配置优化方法 |
CN115424470A (zh) * | 2022-08-31 | 2022-12-02 | 苏州智能交通信息科技股份有限公司 | 一种城市级智能停车系统、整合分析方法以及终端 |
CN115424470B (zh) * | 2022-08-31 | 2023-12-08 | 苏州智能交通信息科技股份有限公司 | 一种城市级智能停车系统、整合分析方法以及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ji et al. | Plug-in electric vehicle charging infrastructure deployment of China towards 2020: Policies, methodologies, and challenges | |
CN114418193A (zh) | 一种面向办公建筑的电动汽车充电设施优化配置方法 | |
Tulpule et al. | Economic and environmental impacts of a PV powered workplace parking garage charging station | |
CN103241130B (zh) | 一种电动公交车充换电站的能量管理方法及系统 | |
CN103915869B (zh) | 一种基于移动设备的电动汽车智能充电系统及方法 | |
Liu et al. | A planning strategy considering multiple factors for electric vehicle charging stations along German motorways | |
CN108573317B (zh) | 一种换电站充放电策略优化控制的方法 | |
CN102055217A (zh) | 电动汽车有序充电控制方法及系统 | |
CN107180272B (zh) | 基于能耗控制的电动汽车停车场充电方法 | |
Dashora et al. | The PHEV charging infrastructure planning (PCIP) problem | |
KR101570302B1 (ko) | 전력 계통 관리를 위한 전기차 충전 수요 예측 방법 및 시스템 | |
CN110705864B (zh) | 一种充电站选址定容方法 | |
CN109615260A (zh) | 确定充电桩的安装地址的方法 | |
CN112734063A (zh) | 充电桩智能引导平台 | |
CN114186754A (zh) | 含有不同类型充电桩的电动汽车充电站选址定容优化方法 | |
CN110598927B (zh) | 一种充电场站优化配置选型方法 | |
CN112086980A (zh) | 考虑充电桩接入的公用配电变压器定容选型方法与系统 | |
CN111861145A (zh) | 考虑高速公路路网的服务区电动汽车充电站配置方法 | |
CN114897285A (zh) | 一种基于剩余电量的共享汽车调度方法 | |
CN107944712B (zh) | 基于电网结构坚强性的集中型换电站选址定容方法 | |
CN112507506B (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 | |
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 | |
CN117060400A (zh) | 一种城市配电网韧性恢复方法、系统、设备及介质 | |
CN115759779A (zh) | 电动汽车充换电站选址方法、电子设备及存储介质 | |
CN115330062A (zh) | 一种社区场景下的新能源汽车有序充电服务调度优化方法 |
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 |