CN114611056A - 一种电动汽车充电站选址方法和装置 - Google Patents

一种电动汽车充电站选址方法和装置 Download PDF

Info

Publication number
CN114611056A
CN114611056A CN202210152022.4A CN202210152022A CN114611056A CN 114611056 A CN114611056 A CN 114611056A CN 202210152022 A CN202210152022 A CN 202210152022A CN 114611056 A CN114611056 A CN 114611056A
Authority
CN
China
Prior art keywords
candidate
cost
charging station
electric vehicle
carbon emission
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
Application number
CN202210152022.4A
Other languages
English (en)
Inventor
吴婷
王贵斌
李志勇
张弦
王怀智
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Graduate School Harbin Institute of Technology
Original Assignee
Shenzhen Graduate School Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Graduate School Harbin Institute of Technology filed Critical Shenzhen Graduate School Harbin Institute of Technology
Priority to CN202210152022.4A priority Critical patent/CN114611056A/zh
Publication of CN114611056A publication Critical patent/CN114611056A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种电动汽车充电站选址方法及装置，方法包括：基于配电网和交通网形成的耦合网络中的节点获取一定数量的候选充电站和多个建站候选方案；基于碳排量构建目标成本的数学模型；根据数学模型计算每个建站候选方案的总综合成本，选出总综合成本最低的前N个候选方案；考虑多种不确定性因素构建多种组合场景并对候选方案进行优化更新；针对多组新的前N个候选方案，采用极小极大后悔成本评估方法评估出最佳规划结果。本发明方法考虑了碳排量对选址结果的影响，将碳排放对环境的影响以数值化的方式呈现，针对碳排量的分析可追踪、可量化，使得选址结果对环境的影响降低。

Description

一种电动汽车充电站选址方法和装置
技术领域
本发明涉及碳交易和电力系统规划领域，特别是涉及一种电动汽车充电站选址方法和装置。
背景技术
近年来，电动汽车相关研究技术发展迅速，越来越多的电动汽车投入使用，由此产生了更多的电力消耗，而电力的产生都是依靠其他能源转化而来，目前主要以化石能源为主，这些能源在消耗过程中产生了大量的温室气体，导致环境问题日趋恶化。由于目前能源紧张、环境污染等问题日益严重，因此，合理规划充电站的位置显得十分重要。一方面合理的充电站位置有助于提高用户出行的便利性，另一方面也能最大限度减少电力能源的浪费，从而间接减少温室气体的排放，向实现碳中和目标靠近。
交通网络(Traffic System，TS)和电力系统网络(Distribution System，DS)的相互耦合为电动汽车充电站的选址规划提供了有效的解决途径。通过该耦合网络可以计算电力消耗过程中产生的碳排量情况，以及统计用户出行情况，从而规划出最佳的充电站建站位置。然而，随着电气化的普及，能源消耗速度越来越快，温室气体排放也日益严重。如何在能源紧张和环境污染问题加剧的情况下，合理规划出既能提升用户出行体验，又能减少能源浪费，减少温室气体排放的充电站位置，成为碳交易和电力系统规划领域关注的重点。
电动汽车充电站的规划选址属于决策和规划问题，需要详细考虑多种不确定因素并进行分析处理。目前针对充电站的选址规划方面考虑的因素主要有充电等待时长、电池损耗、网损等，而这些规划方法暂未将能源和环境问题考虑进来，无法满足未来能源短缺和环境恶化情况下的规划，不能解决未来资源短缺困境以及环境恶化问题，因此需要探索新的规划方法来解决目前存在的困境。
发明内容
本发明针对上述问题，提供了一种电动汽车充电站选址方法和装置，具体涉及一种考虑碳排放流以及新型交通流分配模型的电动汽车充电站选址方法，可以实现合理规划充电站建站位置。
本发明的第一方面，提供了一种电动汽车充电站选址方法，方法包括以下步骤：
基于配电网和交通网形成的耦合网络中的节点获取一定数量的候选充电站，从候选充电站中选择需要的建站数量，得到多个建站候选方案；
基于碳排量构建目标成本的数学模型，模型包括：根据PSP原理计算得出每个候选充电站节点的碳排放强度和碳排放成本、计算建设每个候选充电站需要耗费的成本、计算运营每个候选充电站的成本、计算电动汽车的交通成本；
根据数学模型计算每个建站候选方案的总综合成本，选出总综合成本最低的前N个候选方案；
考虑多种不确定性因素构建多种组合场景，针对每种组合场景，在前N个候选方案基础上，根据电动汽车普及的提高比例增加新的候选充电站，形成多组新的前N个候选方案；
针对多组新的前N个候选方案，采用极小极大后悔成本评估方法评估出最佳规划结果。
进一步的，电动汽车的交通成本计算基于一种新型交通流分配模型，模型具体为：针对某一起点和终点，在满电情况下，分别寻找出起点和终点所能到达的建站候选方案中的充电站Po、Pd，找出充电站Po、Pd之间所有能完成出行任务的充电站，在能完成出行任务的充电站中找出距离最短的路径。
进一步的，根据PSP原理计算每个候选充电站节点的碳排放强度和碳排放成本，其中，碳排放强度ξi,h,t的表达式为:
Figure BDA0003510919740000021
其中
Figure BDA0003510919740000022
分别表示直接向候选充电站节点i注入有功功率时，采用煤供能装置、零碳排装置和供电支路的集合，
Figure BDA0003510919740000023
表示采用煤供能的碳排放强度，
Figure BDA0003510919740000024
表示t时刻采用煤供能单元的输出功率，pfl,t表示配电网系统中t时刻供电支路l的潮流，
Figure BDA0003510919740000025
表示t时刻供电支路l的碳排放强度，
Figure BDA0003510919740000026
表示t时刻零碳排放装置的输出功率；
碳排放成本fcarb的表达式为:
Figure BDA0003510919740000027
其中ccarb表示碳排放成本系数，ξi,h,t表示在t时刻，在第h个充电站，节点i的碳排放强度，
Figure BDA0003510919740000028
表示t时刻，第h个充电站在第i个节点的充电功率，Δt表示时间间隔，dyear表示规划年限。
进一步的，计算建设每个候选充电站需要耗费的成本，具体表达式为：
Figure BDA0003510919740000031
其中ΩCF表示候选的充电站集合，ηh表示第h个充电站的二进制决策变量，
Figure BDA0003510919740000032
表示建设一套充电站的资金成本，zh表示第h个充电站的容量，
Figure BDA0003510919740000033
表示与选址位置相关的成本，
Figure BDA0003510919740000034
表示固定成本。
进一步的，计算运营每个候选充电站的成本，具体表达式为：
foper＝fpl+fvd
fpl表示网损成本，fvd表示电压偏差导致的额外成本，具体表达式为：
Figure BDA0003510919740000035
Figure BDA0003510919740000036
其中cpl表示网损因子，dyear表示规划年限，ΩLD表示配电网系统支线，ΩT表示时间间隔集，Gij表示节点导纳矩阵实部，Ui,t,Uj,t表示母线i和j在时刻t的电压大小，cvd表示电压偏差成本系数，ΩND表示配电系统节点集，
Figure BDA0003510919740000037
表示配电网节点的额定电压，θij,t表示分支ij在时刻t的相位角偏差。
进一步的，计算电动汽车的交通成本，具体表达式为：
finc＝fdeto+ffail
其中fdeto表示由于绕路而额外产生的出行成本，ffail表示出行失败所产生的损失成本，具体表达式为：
Figure BDA0003510919740000038
Figure BDA0003510919740000039
其中cdeto表示绕路成本系数，dyear表示规划年限，ΩT表示时间间隔集，ΩOD表示路径中起点和终点对集合，ft rs表示t时刻电动汽车车流量，
Figure BDA00035109197400000310
表示路径rs能否出行成功，
Figure BDA00035109197400000311
表示实际的出行距离，
Figure BDA00035109197400000312
表示初始路径出行距离，cfail表示出行失败的成本系数。
进一步的，针对多组新的前N个候选方案，采用极小极大后悔成本评估方法评估出最佳规划结果，具体方法包括以下步骤：
计算每组场景下新的前N个候选方案中每个候选方案的总综合成本，得到每组场景下总综合成本最小值为Fmin；
统计多组前N个候选方案中每个候选方案在所有场景下的成本与Fmin之差的最大值，记作对应候选方案的Fdiff-max；
找出Fdiff-max值最小的候选方案即为最佳规划结果。
本发明的第二方面，提供了一种电动汽车充电站选址装置，包括：
建站候选方案获取模块，用于基于配电网和交通网形成耦合网络中的节点获取一定数量的候选充电站，从候选充电站中选择需要的建站数量，得到多个建站候选方案；
目标成本的建模模块，用于基于碳排量构建目标成本的数学模型，模型包括：根据PSP原理计算得出每个候选充电站节点的碳排放强度和碳排放成本、计算建设每个候选充电站需要耗费的成本、计算运营每个候选充电站的成本、计算电动汽车的交通成本；
候选方案第一次筛选模块，用于根据数学模型计算每个建站候选方案的总综合成本，选出总综合成本最低的前N个候选方案；
候选方案优化模块，用于考虑多种不确定性因素构建多种组合场景，针对每种组合场景，在前N个候选方案基础上，根据电动汽车普及的提高比例增加新的候选充电站，形成多组新的前N个候选方案；
候选方案第二次筛选模块，用于针对多组新的前N个候选方案，采用极小极大后悔成本评估方法评估出最佳规划结果。
本发明的第三方面，提供了一种电动汽车充电站选址装置，包括：处理器；以及存储器，其中，所述存储器中存储有计算机可执行程序，当由所述处理器执行所述计算机可执行程序时，执行上述电动汽车充电站选址方法。
本发明的第四方面，一种存储介质，其上存储有程序，所述程序在被处理器执行时，使得所述处理器执行上述电动汽车充电站选址方法。
本发明的有益效果在于：本发明方法考虑了碳排量对选址结果的影响，将碳排放对环境的影响以数值化的方式呈现，针对碳排量的分析具有可追踪，可量化的特点，使得选址结果对环境的影响能降低到最小。同时，在交通出行方面，构造了新型交通流分配模型，该模型更符合用户的出行习惯，使得选址结果会更加满足实际的出行需求，能为电动汽车车主提供最大便利。另外，综合考虑了城市发展过程中的多种不确定性因素，并构建多种组合场景进行量化分析。从而保证了方法的稳健性，使得规划更加具有通用性和指导意义。
附图说明
图1是本发明实施例中电动汽车充电站选址方法流程示意图；
图2是本发明实施例中新型交通流分配模型方法流程示意图；
图3是本发明实施例中电动汽车充电站选址装置结构示意图；
图4是本发明实施例中的计算机设备的架构。
具体实施方式
为进一步对本发明的技术方案作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的步骤。
本发明实施例针对一种电动汽车充电站选址方法和装置，提供了如下实施例：
基于本发明的实施例1
本实施例用于说明电动汽车充电站选址方法，如图1所示，方法包括以下步骤：
S1、基于配电网和交通网形成的耦合网络中的节点获取一定数量的候选充电站，从候选充电站中选择需要的建站数量，得到多个建站候选方案；
具体实施过程中，将配电网和交通网形成的耦合网络，在耦合网络中均匀选择一定数量的节点作为候选充电站，从候选充电站中选择需要的建站数量，得到多个建站候选方案。
一种优选实施例中，得到候选充电站和多个建站候选方案的具体步骤为：
S11、根据规划需求，选择节点数量合适的配电网和交通网进行匹配，使得两个网络中的节点尽可能重合，方便车主出行；
S12、为了使车主能完成其出行需求，从整个网络中均匀选择数量m的充电站作为候选建站节点，这些候选建站节点包括充快速充电站(fast-charging station,FCS)和换电池(battery-swapping station，BSS)的充电站，数量一样。
S13、根据实际规划需求例如城市的规模，城市中电动汽车的普及率等确定具体建站数量n(n<＝m)后，从m个候选建站节点随机选择n个节点即构成多种候选建站方案。
一个具体示例中，在整个网络中选择了10个节点作为候选的建站位置。然后，根据实际规划建站数量为5个，那么从这个10个候选节点中随机选择5个即构成一种建站方案。根据此方法，会有多种候选方案。
S2、基于碳排量构建目标成本的数学模型，模型包括：根据PSP原理计算得出每个候选充电站节点的碳排放强度和碳排放成本、计算建设每个候选充电站需要耗费的成本、计算运营每个候选充电站的成本、计算电动汽车的交通成本；
具体实施过程中，由于碳排量的大小和配电网中每个节点消耗的有功功率流有关，同时由于能源的来源不同，每种能源所产生的碳排放强度不一样。因此，根据Proportional Sharing Principle(PSP)原理可计算出每个节点的碳排放强度，再根据某节点处的碳排放量等于该节点的碳排放强度和该点消耗的有功功率的乘积，从而最终能计算出碳排量的大小和碳排放成本。根据PSP原理计算每个候选充电站节点的碳排放强度和碳排放成本，其中，碳排放强度ξi,h,t的表达式为:
Figure BDA0003510919740000061
其中
Figure BDA0003510919740000062
分别表示直接向候选充电站节点i注入有功功率时，采用煤供能装置、零碳排装置和供电支路的集合，
Figure BDA0003510919740000063
表示采用煤供能的碳排放强度，
Figure BDA0003510919740000064
表示t时刻采用煤供能单元的输出功率，pfl,t表示配电网系统中t时刻供电支路l的潮流，
Figure BDA0003510919740000065
表示t时刻供电支路l的碳排放强度，
Figure BDA0003510919740000066
表示t时刻零碳排放装置的输出功率；
碳排放成本fcarb的表达式为:
Figure BDA0003510919740000067
其中ccarb表示碳排放成本系数，ξi,h,t表示在t时刻，在第h个充电站，节点i的碳排放强度，
Figure BDA0003510919740000068
表示t时刻，第h个充电站在第i个节点的充电功率，Δt表示时间间隔，dyear表示规划年限。
进一步的，计算建设每个候选充电站需要耗费的成本，具体表达式为：
Figure BDA0003510919740000069
其中ΩCF表示候选的充电站集合，ηh表示第h个充电站的二进制决策变量，
Figure BDA00035109197400000610
表示建设一套充电站的资金成本，zh表示第h个充电站的容量，
Figure BDA00035109197400000611
表示与选址位置相关的成本，
Figure BDA00035109197400000612
表示固定成本。
进一步的，计算运营每个候选充电站的成本，具体表达式为：
foper＝fpl+fvd
fpl表示网损成本，fvd表示电压偏差导致的额外成本，具体表达式为：
Figure BDA00035109197400000613
Figure BDA0003510919740000071
其中cpl表示网损因子，dyear表示规划年限，ΩLD表示配电网系统支线，ΩT表示时间间隔集，Gij表示节点导纳矩阵实部，Ui,t,Uj,t表示母线i和j在时刻t的电压大小，cvd表示电压偏差成本系数，ΩND表示配电系统节点集，
Figure BDA0003510919740000072
表示配电网节点的额定电压，θij,t表示分支ij在时刻t的相位角偏差。
进一步的，电动汽车的交通成本计算基于一种新型交通流分配模型，模型具体为：针对某一起点和终点，在满电情况下，分别寻找出起点和终点所能到达的建站候选方案中的充电站Po、Pd，找出充电站Po、Pd之间所有能完成出行任务的充电站，在能完成出行任务的充电站中找出距离最短的路径。
具体实施过程中，针对每个出行任务，为了找出使该任务能完成且出行时间最短的出行路径，通过Dijkstra或者Floyd算法找出距离最短的路径作为出行路径，判断在该路径下，电动汽车的最大行驶里程是否能完成此出行路径，如果能，则出行路径成功找到，说明电动汽车不需要充电。如果在最短路径下车主不能完成出行，则表明至少需要充电一次才能完成出行任务。那么可以通过如下步骤找出最佳出行路径，如图2所示，
S21、统计满电情况下当前位置能达到的所有充电站位置，记作Po，在第一次执行时，当前位置即为起点；
S22、计算满电情况下能达到终点的所有充电站位置，记作Pd；
S23、如果Po和Pd有交集，则执行S24；否则，转到S21，并以上次执行S11后找出的充电站作为当前位置，再次执行S11后找出的所有充电站记作Pi(i＝1、2、3.....)。
S24、计算在通过Po和Pd以及Pi(如果有的话)的情况下，所有能走得通的路径；
S25、根据214统计结果，找出其中距离最短的路径，该路径即作为改进后的出行路径。该出行路径的选择能够最大限度提升用户的出行体验，满足出行需求；能节约车主出行时间，改善车主出行体验并提高出行成功率。
具体的，计算电动汽车的交通成本，具体表达式为：
finc＝fdeto+ffail
其中fdeto表示由于绕路而额外产生的出行成本，ffail表示出行失败所产生的损失成本，具体表达式为：
Figure BDA0003510919740000073
Figure BDA0003510919740000081
其中cdeto表示绕路成本系数，dyear表示规划年限，ΩT表示时间间隔集，ΩOD表示路径中起点和终点对集合，ft rs表示t时刻电动汽车车流量，
Figure BDA0003510919740000082
表示路径rs能否出行成功，
Figure BDA0003510919740000083
表示实际的出行距离，
Figure BDA0003510919740000084
表示初始路径出行距离，cfail表示出行失败的成本系数。
S3、根据数学模型计算每个建站候选方案的总综合成本，选出总综合成本最低的前N个候选方案；
总综合成本包括四部分：充电站的建设成本、充电站运营成本、碳排放成本、交通成本。其中建设成本包括两部分，一部分是建设快速充电站耗费的成本，另一部分是建设换电池充电站耗费的成本；充电站运营成本指的是运营充电站所付出的电力成本，包括购电，网损等；碳排放成本指的是为了满足用户出行需求所消耗的能源产生的碳排量量化后的成本；交通成本包括由于出行失败所导致的损失成本和由于为了完成出行所绕路带来的额外成本。
基于碳排量构建目标成本的数学模型的总综合成本表达式为：
F＝fcon+foper+fcarb+finc
其中fcon表示建设充电站的成本，foper表示充电站运营成本，fcarb表示碳排成本，finc表示交通成本。S1-S3通过借助碳流模型来量化出能源消耗过程中产生的碳排放量，以此找出鲁棒性最强的选址方案。
S4、考虑多种不确定性因素构建多种组合场景，针对每种组合场景，在前N个候选方案基础上，增加新的候选充电站，形成多组新的前N个候选方案，S4提升本发明方法的通用性和指导性，将多种不确定性因素考虑进来；
具体实施过程中，考虑多种不确定性因素包括：电动汽车类型变化、土地用地性质的变更、新清洁能源投入比例、交通流量和配电网负载的变化率，模拟构建多种组合场景，再根据决策规则计算出每种方案在每个场景下的规划结果。
优选实施方法中，分析城市发展过程中影响电动汽车选址的多种不确定性因素包括：
(1)城市土地用地性质的变更，比如居民区随着城市规划发展，演变为商业区；(2)电动汽车类型比例的变化，假设快速充电和换电池类型的汽车一样多，随着发展，未来这个比例会有所波动；(3)交通流量负荷变化比例，比如居民区的汽车数量增多，交通流增大，如流量上浮10％；(4)配电网负载发生变化，如负载增加10％；(5)能源用能类型的变化。目前均为碳排放强的化石能源，未来清洁能源的引入会影响网络中的碳排放强度。
考虑每种因素的变化，组合出多种场景，优选实施方法中，交通网流量和配电网负载均维持不变；快速充电的汽车和换电池的汽车比例由1:1演变为1:4；居民区和工业区位置变换；居民区引入清洁能源供能，工业区维持化石能源供能。上述情况即构成未来的一种可能场景，根据上述方法，会有多种模拟的变化场景。
针对每种组合场景，在前N个候选方案基础上，增加新的候选充电站，形成多组新的前N个候选方案，具体方法包括：在S1得到的候选充电站中除前N个候选方案中包括的候选充电站以外的其他候选充电站中采用排列组合的方式新增候选充电站，新增候选充电站的数量根据电动汽车普及的提高比例，等比例增加相应的建站数量，这些新的候选充电站会构成多种组合，记作M，然后，在每种组合场景下，在前N个候选方案基础上，每个方案都和新增的M个组合进行组合，得到M个候选方案，针对这M个候选方案根据数学模型计算每个建站候选方案的总综合成本，选择总综合成本最低的那个候选方案，由此，可以计算出这N个方案在不同组合场景下的最佳新增候选充电站位置，最终形成多组新的前N个候选方案；
S5、针对多组新的前N个候选方案，采用极小极大后悔成本评估方法评估出最佳规划结果。
具体方法包括以下步骤：
计算每组场景下新的前N个候选方案中每个候选方案的总综合成本，得到每组场景下总综合成本最小值为Fmin；
统计多组前N个候选方案中每个候选方案在所有场景下的成本与Fmin之差的最大值，记作对应候选方案的Fdiff-max；
找出Fdiff-max值最小的候选方案即为最佳规划结果。
采用极小极大后悔成本评估方法能找出在最不理想情况下的最佳选址方案，使得选址结果更加具有鲁棒性，抵御不确定性风险的能力最强。
基于本发明的实施例2
本实施例参照图3来描述根据本公开实施例1的方法对应的装置，一种电动汽车充电站选址装置，装置100包括：建站候选方案获取模块101，用于基于配电网和交通网形成耦合网络中的节点获取一定数量的候选充电站，从候选充电站中选择需要的建站数量，得到多个建站候选方案；目标成本的建模模块102，用于基于碳排量构建目标成本的数学模型，模型包括：根据PSP原理计算得出每个候选充电站节点的碳排放强度和碳排放成本、计算建设每个候选充电站需要耗费的成本、计算运营每个候选充电站的成本、计算电动汽车的交通成本；候选方案第一次筛选模块103，用于根据数学模型计算每个建站候选方案的总综合成本，选出总综合成本最低的前N个候选方案；候选方案优化模块104，用于考虑多种不确定性因素构建多种组合场景，针对每种组合场景，在前N个候选方案基础上，根据电动汽车普及的提高比例增加新的候选充电站，形成多组新的前N个候选方案；候选方案第二次筛选模块105，用于针对多组新的前N个候选方案，采用极小极大后悔成本评估方法评估出最佳规划结果。除了上述5个模块以外，装置100还可以包括其他部件，然而，由于这些部件与本公开实施例的内容无关，因此在这里省略其图示和描述。
一种电动汽车充电站选址装置100的具体工作过程参照上述一种电动汽车充电站选址方法实施例1的描述，不再赘述。
基于本发明的实施例3
根据本发明实施例的装置也可以借助于图4所示的计算设备的架构来实现。图3示出了该计算设备的架构。如图4所示，计算机系统201、系统总线203、一个或多个CPU 204、输入/输出202、存储器205等。存储器205可以存储计算机处理和/或通信使用的各种数据或文件以及CPU所执行包括实施例1方法的程序指令。图4所示的架构只是示例性的，在实现不同的设备时，根据实际需要调整图4中的一个或多个组件。
基于本发明的实施例4
本发明实施例也可以被实现为计算机可读存储介质。根据实施例4的计算机可读存储介质上存储有计算机可读指令。当所述计算机可读指令由处理器运行时，可以执行参照以上附图描述的根据本发明实施例1的电动汽车充电站选址方法。
本发明实施例针对以上所述电动汽车充电站选址方法、装置及存储介质，解决的技术问题是：提供一种基于新交通流分配模型和考虑碳排量相结合的电动汽车充电站选址规划方法，可以实现合理规划充电站建站位置。本发明方法考虑了碳排量对选址结果的影响，将碳排放对环境的影响以数值化的方式呈现，针对碳排量的分析具有可追踪，可量化的特点，使得选址结果对环境的影响能降低到最小。同时，在交通出行方面，构造了新型交通流分配模型，该模型更符合用户的出行习惯，使得选址结果会更加满足实际的出行需求，能为电动汽车车主提供最大便利。另外，综合考虑了城市发展过程中的多种不确定性因素，并构建多种组合场景进行量化分析。从而保证了方法的稳健性，使得规划更加具有通用性和指导意义。
在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的步骤、方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种步骤、方法所固有的要素。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种电动汽车充电站选址方法，其特征在于，方法包括以下步骤：
基于配电网和交通网形成耦合网络中的节点获取一定数量的候选充电站，从候选充电站中选择需要的建站数量，得到多个建站候选方案；
基于碳排量构建目标成本的数学模型，模型包括：根据PSP原理计算得出每个候选充电站节点的碳排放强度和碳排放成本、计算建设每个候选充电站需要耗费的成本、计算运营每个候选充电站的成本、计算电动汽车的交通成本；
根据数学模型计算每个建站候选方案的总综合成本，选出总综合成本最低的前N个候选方案；
考虑多种不确定性因素构建多种组合场景，针对每种组合场景，在前N个候选方案基础上，根据电动汽车普及的提高比例增加新的候选充电站，形成多组新的前N个候选方案；
针对多组新的前N个候选方案，采用极小极大后悔成本评估方法评估出最佳规划结果。
2.根据权利要求1所述的电动汽车充电站选址方法，其特征在于，电动汽车的交通成本计算基于一种新型交通流分配模型，模型具体为：在满电情况下，分别寻找出起点和终点所能到达的建站候选方案中的充电站Po、Pd，找出充电站Po、Pd之间所有能完成出行任务的充电站，在能完成出行任务的充电站中找出距离最短的路径。
3.根据权利要求1所述的电动汽车充电站选址方法，其特征在于，根据PSP原理计算每个候选充电站节点的碳排放强度和碳排放成本，其中，碳排放强度ξi,h,t的表达式为:
Figure FDA0003510919730000011
其中
Figure FDA0003510919730000012
分别表示直接向候选充电站节点i注入有功功率时，采用煤供能装置、零碳排装置和供电支路的集合，
Figure FDA0003510919730000013
表示采用煤供能的碳排放强度，
Figure FDA0003510919730000014
表示t时刻采用煤供能单元的输出功率，pfl,t表示配电网系统中t时刻供电支路l的潮流，
Figure FDA0003510919730000015
表示t时刻供电支路l的碳排放强度，
Figure FDA0003510919730000016
表示t时刻零碳排放装置的输出功率；
碳排放成本fcarb的表达式为:
Figure FDA0003510919730000017
其中ccarb表示碳排放成本系数，ξi,h,t表示在t时刻，在第h个充电站，节点i的碳排放强度，
Figure FDA0003510919730000021
表示t时刻，第h个充电站在第i个节点的充电功率，Δt表示时间间隔，dyear表示规划年限。
4.根据权利要求1所述的电动汽车充电站选址方法，其特征在于，计算建设每个候选充电站需要耗费的成本，具体表达式为：
Figure FDA0003510919730000022
其中ΩCF表示候选的充电站集合，ηh表示第h个充电站的二进制决策变量，
Figure FDA0003510919730000023
表示建设一套充电站的资金成本，zh表示第h个充电站的容量，
Figure FDA0003510919730000024
表示与选址位置相关的成本，
Figure FDA0003510919730000025
表示固定成本。
5.根据权利要求1所述的电动汽车充电站选址方法，其特征在于，计算运营每个候选充电站的成本，具体表达式为：
foper＝fpl+fvd
fpl表示网损成本，fvd表示电压偏差导致的额外成本，具体表达式为：
Figure FDA0003510919730000026
Figure FDA0003510919730000027
其中cpl表示网损因子，dyear表示规划年限，ΩLD表示配电网系统支线，ΩT表示时间间隔集，Gij表示节点导纳矩阵实部，Ui,t,Uj,t表示母线i和j在时刻t的电压大小，cvd表示电压偏差成本系数，ΩND表示配电系统节点集，
Figure FDA0003510919730000029
表示配电网节点的额定电压，θij,t表示分支ij在时刻t的相位角偏差。
6.根据权利要求2所述的电动汽车充电站选址方法，其特征在于，计算电动汽车的交通成本，具体表达式为：
finc＝fdeto+ffail
其中fdeto表示由于绕路而额外产生的出行成本，ffail表示出行失败所产生的损失成本，具体表达式为：
Figure FDA0003510919730000028
Figure FDA0003510919730000031
其中cdeto表示绕路成本系数，dyear表示规划年限，ΩT表示时间间隔集，ΩOD表示路径中起点和终点对集合，ft rs表示t时刻电动汽车车流量，
Figure FDA0003510919730000032
表示路径rs能否出行成功，
Figure FDA0003510919730000033
表示实际的出行距离，
Figure FDA0003510919730000034
表示初始路径出行距离，cfail表示出行失败的成本系数。
7.根据权利要求1所述的电动汽车充电站选址方法，其特征在于，针对多组新的前N个候选方案，采用极小极大后悔成本评估方法评估出最佳规划结果，具体方法包括以下步骤：
计算每组场景下新的前N个候选方案中每个候选方案的总综合成本，得到每组场景下总综合成本最小值为Fmin；
统计多组前N个候选方案中每个候选方案在所有场景下的成本与Fmin之差的最大值，记作对应候选方案的Fdiff-max；
找出Fdiff-max值最小的候选方案即为最佳规划结果。
8.一种电动汽车充电站选址装置，其特征在于，包括：
建站候选方案获取模块，用于基于配电网和交通网形成耦合网络中的节点获取一定数量的候选充电站，从候选充电站中选择需要的建站数量，得到多个建站候选方案；
目标成本的建模模块，用于基于碳排量构建目标成本的数学模型，模型包括：根据PSP原理计算得出每个候选充电站节点的碳排放强度和碳排放成本、计算建设每个候选充电站需要耗费的成本、计算运营每个候选充电站的成本、计算电动汽车的交通成本；
候选方案第一次筛选模块，用于根据数学模型计算每个建站候选方案的总综合成本，选出总综合成本最低的前N个候选方案；
候选方案优化模块，用于考虑多种不确定性因素构建多种组合场景，针对每种组合场景，在前N个候选方案基础上，根据电动汽车普及的提高比例增加新的候选充电站，形成多组新的前N个候选方案；
候选方案第二次筛选模块，用于针对多组新的前N个候选方案，采用极小极大后悔成本评估方法评估出最佳规划结果。
9.一种电动汽车充电站选址装置，其特征在于，包括：处理器；以及存储器，其中，所述存储器中存储有计算机可执行程序，当由所述处理器执行所述计算机可执行程序时，执行权利要求1-7中任一项所述的电动汽车充电站选址方法。
10.一种存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一项所述的电动汽车充电站选址方法。
CN202210152022.4A 2022-02-18 2022-02-18 一种电动汽车充电站选址方法和装置 Pending CN114611056A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210152022.4A CN114611056A (zh) 2022-02-18 2022-02-18 一种电动汽车充电站选址方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210152022.4A CN114611056A (zh) 2022-02-18 2022-02-18 一种电动汽车充电站选址方法和装置

Publications (1)

Publication Number Publication Date
CN114611056A true CN114611056A (zh) 2022-06-10

Family

ID=81858378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210152022.4A Pending CN114611056A (zh) 2022-02-18 2022-02-18 一种电动汽车充电站选址方法和装置

Country Status (1)

Country Link
CN (1) CN114611056A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116307524A (zh) * 2023-02-16 2023-06-23 哈尔滨工业大学（深圳） 基于改善动态用户均衡的电动汽车充电站选址规划方法
WO2024066227A1 (zh) * 2022-09-26 2024-04-04 广东邦普循环科技有限公司 动力电池工厂选址方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024066227A1 (zh) * 2022-09-26 2024-04-04 广东邦普循环科技有限公司 动力电池工厂选址方法及装置
CN116307524A (zh) * 2023-02-16 2023-06-23 哈尔滨工业大学（深圳） 基于改善动态用户均衡的电动汽车充电站选址规划方法
CN116307524B (zh) * 2023-02-16 2024-03-19 哈尔滨工业大学（深圳） 基于改善动态用户均衡的电动汽车充电站选址规划方法

Similar Documents

Publication Publication Date Title
CN110222907B (zh) 电动汽车充电站规划方法及终端设备
Zhang et al. Power and transport nexus: Routing electric vehicles to promote renewable power integration
Ghamami et al. A general corridor model for designing plug-in electric vehicle charging infrastructure to support intercity travel
Guo et al. The battery charging station location problem: Impact of users’ range anxiety and distance convenience
Lin et al. Multistage large-scale charging station planning for electric buses considering transportation network and power grid
Verma Electric vehicle routing problem with time windows, recharging stations and battery swapping stations
James Two-stage request scheduling for autonomous vehicle logistic system
Yang et al. Battery swap station location-routing problem with capacitated electric vehicles
Ghamami et al. Planning charging infrastructure for plug-in electric vehicles in city centers
Zhang et al. A bi-level optimization framework for charging station design problem considering heterogeneous charging modes
Zhang et al. Multitype recharge facility location for electric vehicles
Li et al. Heuristic approaches for the flow-based set covering problem with deviation paths
CN103339664B (zh) 充电器配置计划支持装置、充电器配置计划支持方法
Li-ying et al. Multiple charging station location-routing problem with time window of electric vehicle.
Bao et al. Optimal station locations for en-route charging of electric vehicles in congested intercity networks: A new problem formulation and exact and approximate partitioning algorithms
CN110059934A (zh) 燃油车和新能源车协同配送调度的方法
CN114611056A (zh) 一种电动汽车充电站选址方法和装置
Guo et al. Integrated location and routing planning of electric vehicle service stations based on users’ differentiated perception under a time-sharing leasing mode
Chen et al. Optimizing battery-electric-feeder service and wireless charging locations with nested genetic algorithm
Ge et al. Electric vehicle routing problems with stochastic demands and dynamic remedial measures
Murakami Formulation and algorithms for route planning problem of plug-in hybrid electric vehicles
Zhang et al. The effect of nonlinear charging function and line change constraints on electric bus scheduling
Quintana et al. Robust ebuses charging location problem
Shen et al. Integrated optimization of electric vehicles charging location and allocation for valet charging service
Liu et al. Optimal configuration of dynamic wireless charging facilities considering electric vehicle battery capacity

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