CN115423360A - 公共充电站规划方法及其装置 - Google Patents

公共充电站规划方法及其装置 Download PDF

Info

Publication number
CN115423360A
CN115423360A CN202211210883.XA CN202211210883A CN115423360A CN 115423360 A CN115423360 A CN 115423360A CN 202211210883 A CN202211210883 A CN 202211210883A CN 115423360 A CN115423360 A CN 115423360A
Authority
CN
China
Prior art keywords
charging
charging station
public
vehicle
condition
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
CN202211210883.XA
Other languages
English (en)
Inventor
冯乾隆
张帆
王易
康凯
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.)
China Automobile Information Technology Tianjin Co ltd
Original Assignee
China Automobile Information Technology Tianjin Co ltd
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 China Automobile Information Technology Tianjin Co ltd filed Critical China Automobile Information Technology Tianjin Co ltd
Priority to CN202211210883.XA priority Critical patent/CN115423360A/zh
Publication of CN115423360A publication Critical patent/CN115423360A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/00047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with provisions for charging different types of batteries
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种公共充电站规划方法及其装置，该方法包括：根据从数据库中查询得到的在规划区内各类型车辆的行驶用电情况，预估各类型车辆的日均充电需求量；根据不同功率的充电桩在预设周期内的资源投入情况，确定不同功率的充电桩的日均充电量，其中，公共充电站包括多个充电桩；根据日均充电需求量和日均充电量，确定不同功率的充电桩的数量；根据规划区内的车流量密度信息、充电站选址约束条件和路网图，确定公共充电站的多个目标站址位置，其中，充电站选址约束条件至少包括电网容量安全条件；根据不同功率的充电桩的数量和多个目标站址位置，得到多个初始选址定容方案；以及从多个初始选址定容方案中输出用于推荐的目标选址定容方案。

Description

公共充电站规划方法及其装置
技术领域
本公开涉及电动汽车充电站规划技术领域，尤其涉及一种公共充电站规划方法及其装置。
背景技术
充电基础设施建设是确保新能源汽车高质量发展的必然要求，而充电桩数量和充电站位置作为充电基础设施建设的核心，是提升用户充电体验和维护充电市场常态化发展的必要举措。
随着新能源汽车保有量的提升，充电桩和充电站建设数量和规模在突飞猛进的增加，如何合理对充电站进行选址和定容成为新能源汽车发展的重要问题之一。
在实施本公开的过程中发现，传统“车桩比”的充电桩数量规划方法未充分考虑不同领域车辆充电功率需求，导致充电桩建设较难实现与新能源汽车发展高度契合；且充电站的不合理布局，导致有车无桩、有桩无车、充电困难成为充电行业发展的普遍难题。
发明内容
鉴于上述问题，本公开提供了一种公共充电站规划方法、装置、设备、介质和程序产品。
根据本公开的第一个方面，提供了一种公共充电站规划方法，包括：
根据从数据库中查询得到的在规划区内各类型车辆的行驶用电情况，预估各类型车辆的日均充电需求量；
根据不同功率的充电桩在预设周期内的资源投入情况，确定不同功率的充电桩的日均充电量，其中，公共充电站包括多个充电桩；
根据日均充电需求量和日均充电量，确定不同功率的充电桩的数量；
根据规划区内的车流量密度信息、充电站选址约束条件和路网图，确定公共充电站的多个目标站址位置，其中，充电站选址约束条件至少包括电网容量安全条件；
根据不同功率的充电桩的数量和多个目标站址位置，得到多个初始选址定容方案；以及
从多个初始选址定容方案中输出用于推荐的目标选址定容方案。
根据本公开的实施例，预设周期包括建设周期和运营周期；
根据不同功率的充电桩在预设周期内的资源投入情况，确定不同功率的充电桩的日均充电量，包括：
根据不同功率的充电桩在建设周期内的建设资源投入情况和在运营周期内的运营资源投入情况，确定支出值；
根据支出值和预设用电评估值，确定不同功率的充电量；以及
将充电量作为不同功率的充电桩的日均充电量。
根据本公开的实施例，根据规划区内的车流量密度信息、充电站选址约束条件和路网图，确定公共充电站的多个目标站址位置，包括：
根据车流量密度信息、充电站选址约束条件和路网图，对每个公共充电站进行站址位置进行配置，得到初始站址位置；
根据每个公共充电站的预设权重系数和每个初始站址位置，生成加权泰森多边形图，其中，预设权重系数根据每个公共充电站的等级和服务范围确定；以及
在确定加权泰森多边形图满足预设充电站规划约束条件的情况下，输出多个目标站址位置。
根据本公开的实施例，从多个初始选址定容方案中输出用于推荐的目标选址定容方案，包括：
针对每个初始选址定容方案：
根据初始选址定容方案的年均资源投入情况，确定资源投入值；
根据各类型车辆与公共充电站的距离和各类型车辆的数量，确定各类型车辆到达公共充电站的行驶投入值；以及
根据资源投入值和行驶投入值，确定总投入值，以便于将总投入值最低的初始选址定容方案作为用于推荐的目标选址定容方案输出。
根据本公开的实施例，年均资源投入情况包括：年均建设资源投入情况和年均运营资源投入情况；
根据初始选址定容方案的年均资源投入情况，确定资源投入值，包括：
根据初始选址定容方案的年均建设资源投入情况，构建年均建设资源函数；
根据初始选址定容方案的年均运营资源投入情况，构建年均运营资源函数；
根据年均建设资源函数和年均运营资源函数，确定总资源函数；以及
通过总资源函数，输出资源投入值。
根据本公开的实施例，年均建设资源投入情况包括：公共充电站内充电桩及配套设备年均购置情况、年均安装情况以及公共充电站年均用地情况；
年均运营资源投入情况包括以下至少之一：公共充电站年均管理情况、充电桩及配套设备年均维修情况、公共充电站年均耗电情况、公共充电站年均交税情况。
根据本公开的实施例，根据各类型车辆与公共充电站的距离和各类型车辆的数量，确定各类型车辆到达公共充电站的行驶投入值，包括：
根据粒子群算法，确定各类型车辆选择的目标公共充电站；
根据各类型车辆与目标公共充电站的非直线距离、选择同一目标公共充电站的各类型车辆的总数量，构建各类型车辆到达公共充电站的目标行驶函数；以及
通过目标行驶函数，输出行驶投入值。
根据本公开的实施例，根据日均充电需求量和日均充电量，确定不同功率的充电桩的数量，包括：
根据各类型车辆的日均充电需求量，确定各类型车辆在不同功率的充电桩的日均充电子需求量；
根据日均充电子需求量，确定各个功率的充电桩所需的总日均充电量；以及
根据各个功率的充电桩所需的总日均充电量和与各个功率的充电桩对应的日均充电量，确定与各个功率对应的充电桩的数量。
根据本公开的实施例，行驶用电情况包括：车辆行驶里程情况、车辆百公里电耗情况、车辆使用充电桩充电的情况。
本公开的第二方面提供了一种公共充电站规划装置，包括：
日均充电需求预估模块，用于根据从数据库中查询得到的在规划区内各类型车辆的行驶用电情况，预估各类型车辆的日均充电需求量；
日均充电量确定模块，用于根据不同功率的充电桩在预设周期内的资源投入情况，确定不同功率的充电桩的日均充电量，其中，公共充电站包括多个充电桩；
充电桩数量确定模块，用于根据日均充电需求量和日均充电量，确定不同功率的充电桩的数量；
目标站址位置确定模块，用于根据规划区内的车流量密度信息、充电站选址约束条件和路网图，确定公共充电站的多个目标站址位置，其中，充电站选址约束条件至少包括电网容量安全条件；
初始选址定容方案获取模块，用于根据不同功率的充电桩的数量和多个目标站址位置，得到多个初始选址定容方案；以及
目标选址定容方案输出模块，用于从多个初始选址定容方案中输出用于推荐的目标选址定容方案。
本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述公共充电站规划方法。
本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述公共充电站规划方法。
本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述公共充电站规划方法。
根据本公开实施例，通过预估各类型车辆的日均充电需求量以及结合不同功率的充电桩的日均充电量得到不同功率的充电桩的数量。根据规划区内的车流量密度信息、充电站选址约束条件和路网图，确定公共充电站的多个目标站址位置。根据不同功率的充电桩的数量和多个目标站址位置，得到多个初始选址定容方案，最后输出用于推荐的目标选址定容方案。从各类型车辆的日均充电需求和不同功率的充电桩在预设周期内的资源投入情况出发，确定不同功率的充电桩的数量，打破了传统“车桩比”的充电桩数量规划方法，一定程度上克服了充电站定容的难题。基于规划区内的车流量密度信息、充电站选址约束条件和路网图进行选址，最终输出用于推荐的目标选址定容方案，提升了选址定容的可靠性，至少部分解决了由于充电站布局不合理，导致的有车无桩、有桩无车、充电困难的问题。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本公开实施例的公共充电站规划方法、装置、设备、介质和程序产品的应用场景图；
图2示意性示出了根据本公开实施例的公共充电站规划方法的流程图；
图3示意性示出了根据本发明实施例的60kw充电桩运营情况示意图；
图4示意性示出了根据本发明实施例的各个功率的充电桩的日均充电量统计图；
图5示意性示出了根据本发明实施例的在规划区路网图上布局公共充电站的示意图；
图6(a)示意性示出了根据本公开实施例的两种算法最优适应度曲线对比示意图；
图6(b)示意性示出了根据本公开实施例的不同数量方案的公共充电站行驶投入变化趋势示意图；
图6(c)示意性示出了根据本公开实施例的不同数量方案的公共充电站布局方案下总投入变化趋势示意图；
图6(d)示意性示出了根据本公开实施例的公共充电站规划结果示意图；
图7示意性示出了根据本公开另一实施例的公共充电站规划方法流程图；
图8示意性示出了根据本公开实施例的公共充电站规划装置的结构框图；以及
图9示意性示出了根据本公开实施例的适于实现公共充电站规划方法的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本公开的技术方案中，所涉及的数据(如包括但不限于用户个人信息)的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。
在本公开实施例的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。
在实施本公开的过程中发现，传统“车桩比”的充电桩数量规划方法未充分考虑不同领域车辆充电功率需求，导致充电桩建设较难实现与新能源汽车发展高度契合；且充电站的不合理布局，导致有车无桩、有桩无车、充电困难成为充电行业发展的普遍难题。
本公开的实施例提供了一种公共充电站规划方法，包括：根据从数据库中查询得到的在规划区内各类型车辆的行驶用电情况，预估各类型车辆的日均充电需求量；根据不同功率的充电桩在预设周期内的资源投入情况，确定不同功率的充电桩的日均充电量，其中，公共充电站包括多个充电桩；根据日均充电需求量和日均充电量，确定不同功率的充电桩的数量；根据规划区内的车流量密度信息、充电站选址约束条件和路网图，确定公共充电站的多个目标站址位置，其中，充电站选址约束条件至少包括电网容量安全条件；根据不同功率的充电桩的数量和多个目标站址位置，得到多个初始选址定容方案；以及从多个初始选址定容方案中输出用于推荐的目标选址定容方案。
图1示意性示出了根据本公开实施例的公共充电站规划方法、装置、设备、介质和程序产品的应用场景图。
如图1所示，根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104以及服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互，以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用，例如具有定位功能的应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是，本公开实施例所提供的公共充电站规划方法一般可以由服务器105执行。相应地，本公开实施例所提供的公共充电站规划装置一般可以设置于服务器105中。本公开实施例所提供的公共充电站规划方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的公共充电站规划装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景，通过图2～图7对公开实施例的公共充电站规划方法进行详细描述。
图2示意性示出了根据本公开实施例的公共充电站规划方法的流程图。
如图2所示，该实施例的公共充电站规划方法200包括操作S201～操作S206。
在操作S201，根据从数据库中查询得到的在规划区内各类型车辆的行驶用电情况，预估各类型车辆的日均充电需求量。
根据本公开的实施例，数据库中可以存储有多张数据表，每种类型车辆可以对应一张或多张数据表，该类型车辆的行使用电情况可以预先记录在该一张或多张数据表中。在根据各类型车辆的行驶用电情况，预估各类型车辆的日均充电需求量之前，用户可以通过电子设备先输入规划区文本信息，电子设备基于该规划区文本信息从数据库中的数据表中查询该规划区内各类型车辆的行驶用电情况。
根据本公开的实施例，通过电子设备从数据库中查询车辆的行使用电情况，并预估车辆的日均充电需求量，提高了数据处理效率，实现了自动化预估的效果。
根据本公开的实施例，车辆可以包括新能源车辆。各类型车辆可以包括：私人领域车辆、巡游出租车、网约出租车、环卫车、公交车、城际和旅游客车以及各类货车等。
根据本公开的实施例，行驶用电情况可以包括：车辆行驶里程情况、车辆百公里电耗情况、车辆使用充电桩充电的情况。
根据本公开的实施例，可以根据各类型车辆的行驶用电情况，构建各类型车辆的日均充电需求模型。通过将从数据库中查询得到的在规划区内各类型车辆的车辆行驶里程情况、车辆百公里电耗情况以及车辆使用充电桩充电的情况分别输入各类型车辆的日均充电需求模型，输出各类型车辆的日均充电需求量。
例如，各类型车辆的日均充电需求模型可以通过算法模型实现，其中，算法模型如下式(1)所示：
Figure BDA0003875085790000091
其中，Q(t)表示t类型新能源车辆的日均充电需求量；D(t)表示t类型新能源车辆的年均行驶里程；P(t)表示t类型新能源车辆的百公里电耗；R(t)表示t类型新能源车辆的平均使用充电桩充电的占比；η为充电效率。
在操作S202，根据不同功率的充电桩在预设周期内的资源投入情况，确定不同功率的充电桩的日均充电量，其中，公共充电站包括多个充电桩。
根据本公开的实施例，充电桩可以包括不同功率的充电桩。可以根据从数据库中查询得到的不同功率的充电桩在预设周期内的资源投入情况，构建预设周期内的资源投入算法模型，用于预估预设周期内的资源投入值。可以根据预设周期内的资源投入值和预设用电评估值，得到不同功率的充电桩的日均充电量。其中，预设用电评估值可以根据规划区内用电标准确定。预设周期可以包括建设周期和运营周期。
例如，预设周期内的资源投入算法模型可以如下式(2)～(3)所示：
Figure BDA0003875085790000101
其中，Cf表示在预设周期内的资源投入；j表示充电桩的功率类型；n表示年份n＝1，2，3，…，N；Cop(n,j)表示j类功率的充电桩在第n年的运营资源投入；r表示折现率，可以取值为8％；Cep(j)表示j类功率的充电桩及配套设备的配置资源投入；Cin(j)表示j类功率的充电桩及配套设备的安装资源投入；Cot(j)表示j类功率的充电桩的其他资源投入。需要说明的是，充电桩的功率类型可以根据不同功率进行划分。
Cop(n,j)可以用如下式(3)表示：
Cop(n,j)＝Cso(n,j)+Cma(n,j)+Ceq(n,j)+Clo(n,j)+Ctax(n,j)+Cel(n,j) (3)
其中，Cso(n,j)表示充电桩占用地资源投入；Cma(n,j)表示j类功率的充电桩在第n年的管理资源投入；Ceq(n,j)表示j类功率的充电桩在第n年的设备维护资源投入；Clo(n,j)表示j类功率的充电桩在第n年的损耗电资源投入；Ctax(n,j)表示j类功率的充电桩在第n年的交税资源投入；Cel(n,j)表示j类功率的充电桩在第n年的其他日常运营资源投入。
在操作S203，根据日均充电需求量和日均充电量，确定不同功率的充电桩的数量。
根据本公开实施例，可以根据日均充电需求量和日均充电量构建预测不同功率充电桩数量的算法模型，用于输出不同功率的充电桩的数量。
例如，预测不同功率充电桩数量的算法模型可以如下式(4)所示：
Figure BDA0003875085790000111
其中，A(i)表示功率为i的充电桩数量；Qm(i)表示功率为i的充电桩的总日均充电量；Qa(i)表示功率为i的充电桩日均充电量。
Qm(i)可以如下式(5)所示：
Figure BDA0003875085790000112
Qm(t,i)表示t类型新能源车辆使用i功率的充电桩所需的日均充电子需求量；Qm(t,i)可以如下式(6)所示：
Qm(t,i)＝Q(t)·B(t)·G(t,i) (6)
其中，Q(t)表示t类型新能源车辆的日均充电需求量；B(t)表示规划区t类型新能源车辆的数量；G(t,i)表示t类型新能源车辆使用i功率的充电桩的占比。
在操作S204，根据规划区内的车流量密度信息、充电站选址约束条件和路网图，确定公共充电站的多个目标站址位置，其中，充电站选址约束条件至少包括电网容量安全条件。
根据本公开实施例，规划区内的车流量密度信息可以通过调用数据库内的规划区人流量热力图获得。路网图可以从存储路网图的数据库中获取。
根据本公开实施例，充电站选址约束条件还可以包括：充电站选址地理位置约束条件。充电站选址地理位置约束条件用于约束交通流量和人口流量。电网容量安全条件用于约束规划区内的电网冗余量。
需要说明的是，充电站选址需布局在现有电网容量富余的地区，或接近配电中心易于扩充电网容量的区域，从而减轻充电站建设资源投入，也便于接网。充电站选址还需布局在交通流量和人口流量较为集中的边缘地区，便于吸引车辆充电，同时避免充电站建设在车流量密集的区域导致道路交通拥堵和安全隐患的问题。
根据本公开实施例，可以根据车流量密度信息、充电站选址约束条件和路网图，通过配置中心对每个公共充电站的站址位置进行配置，得到初始站址位置。根据每个公共充电站的等级和服务范围，确定每个公共充电站的权重系数。根据每个公共充电站的预设权重系数和每个初始站址位置，生成加权泰森多边形图。在确定加权泰森多边形图满足预设充电站规划约束条件的情况下，输出多个目标站址位置。其中，预设充电站规划约束条件根据规划区内充电站服务能力和最大服务半径等条件确定。
在操作S205，根据不同功率的充电桩的数量和多个目标站址位置，得到多个初始选址定容方案。
根据本公开实施例，可以根据不同功率的充电桩的数量和多个目标站址位置，生成多个初始选址定容方案。
在操作S206，从多个初始选址定容方案中输出用于推荐的目标选址定容方案。
根据本公开实施例，可以通过构建预估函数模型，得到初始选址定容方案的资源投入情况以及各类型车辆到达公共充电站的行驶投入情况的预估结果。从得到的预估结果中筛选满足预设条件的用于推荐的目标选址定容方案。其中，预估函数模型可以根据从数据库中查询到的在规划区内在预设周期内规划公共充电站所需的资源投入情况以及各类型车辆到达公共充电站的行驶投入情况确定。
根据本公开实施例，通过预估各类型车辆的日均充电需求量以及结合不同功率的充电桩的日均充电量得到不同功率的充电桩的数量。根据规划区内的车流量密度信息、充电站选址约束条件和路网图，确定公共充电站的多个目标站址位置。根据不同功率的充电桩的数量和多个目标站址位置，得到多个初始选址定容方案，最后输出用于推荐的目标选址定容方案。从各类型车辆的日均充电需求和不同功率的充电桩在预设周期内的资源投入情况出发，确定不同功率的充电桩的数量，打破了传统“车桩比”的充电桩数量规划方法，一定程度上克服了充电站定容的难题。基于规划区内的车流量密度信息、充电站选址约束条件和路网图进行选址，最终输出用于推荐的目标选址定容方案，提升了选址定容的可靠性，至少部分解决了由于充电站布局不合理，导致的有车无桩、有桩无车、充电困难的问题。
图3示意性示出了根据本发明实施例的60kw充电桩运营情况示意图；图4示意性示出了根据本发明实施例的各个功率的充电桩的日均充电量统计图。
根据本公开的实施例，预设周期可以包括建设周期和运营周期。
其中，根据不同功率的充电桩在预设周期内的资源投入情况，确定不同功率的充电桩的日均充电量，可以包括：根据不同功率的充电桩在建设周期内的建设资源投入情况和在运营周期内的运营资源投入情况，确定支出值；根据支出值和预设用电评估值，确定不同功率的充电量；以及将充电量作为不同功率的充电桩的日均充电量。
根据本公开的实施例，可以将建设资源投入情况和运营资源投入情况进行汇总，得到总资源投入情况。根据总资源投入情况，构建总资源投入算法模型，用于预估支出值。可以根据预估支出值和预设用电评估值，得到不同功率的充电量，作为不同功率的充电桩的日均充电量。其中，预设用电评估值可以根据规划区内用电标准确定。
例如，以60kW的充电桩为例，可以通过数据库查询在规划区内的60kW的充电桩数量、60kW的充电桩建设资源投入情况和运营资源投入情况、每个充电桩(即单桩)日均充电量、预设用电评估值以及6年内的运营资源收入情况。根据60kW的充电桩建设资源投入情况和运营资源投入情况可以得到总资源投入情况，预估支出值。根据预估的支出值、6年内的运营资源收入情况以及预设用电评估值可以得到如图3所示的60kW充电桩运营情况示意图。同理可以得到30kW、120kW、180kW、240kW等不同功率的充电桩运营情况示意图。根据收益值为0时的单桩日均最小充电量，经过傅里叶拟合，可以得到如图4所示的不同功率的充电桩的日均充电量。
其中，6年内的运营资源收入情况可以通过如下式(7)所示的n年内的运营资源收入函数得到。
Figure BDA0003875085790000141
其中，Pf表示运营资源收入情况；Pse,n表示第n年预设用电评估资源收入情况；Psu,n表示各项补贴情况；Pre,n表示充电桩及配套设备使用n年之后报废回收的情况，可以以充电桩及配套设备资源投入的5％计算。
根据本公开实施例，从不同功率的充电桩在预设周期内的资源投入情况出发，确定不同功率的充电桩的日均充电量，有利于确定不同功率的充电桩的数量，进而打破传统“车桩比”的充电桩数量规划方法，一定程度上克服了充电站定容的难题。
根据本公开的实施例，根据日均充电需求量和日均充电量，确定不同功率的充电桩的数量，可以包括：根据各类型车辆的日均充电需求量，确定各类型车辆在不同功率的充电桩的日均充电子需求量；根据日均充电子需求量，确定各个功率的充电桩所需的总日均充电量；以及根据各个功率的充电桩所需的总日均充电量和与各个功率的充电桩对应的日均充电量，确定与各个功率对应的充电桩的数量。
例如，可以以某市主城核心区东西跨度12km、南北跨度9km的规划区为例，通过对某市汽车保有量、新能源车辆发展趋势，以及当前规划区车辆活跃量的分析，可以预测得到2025年规划区内各领域车辆日均活跃量。例如可以是规划区私人领域新能源车辆约为1.05万辆、出租及网约领域新能源车辆约为1050辆、环卫车领域新能源车辆约为100辆、公交及城际客车领域新能源车辆约为240辆、货车领域新能源车辆约为100辆。考虑到货车充电场景以主城区外物流调度中心充电为主，规划区内不考虑货车充电需求量。
可以根据从数据库中查询得到的在以某市主城核心区东西跨度12km、南北跨度9km的规划区内各类型车辆的行驶用电情况，预估各类型车辆的日均充电需求量；根据各类型车辆的日均充电需求量，确定各类型车辆在不同功率的充电桩的日均充电子需求量；根据日均充电子需求量，确定各个功率的充电桩所需的总日均充电量；以及根据各个功率的充电桩所需的总日均充电量和与各个功率的充电桩对应的日均充电量，确定与各个功率对应的充电桩的数量。可以得到如下表1所示的不同功率的充电桩的数量。
表1
Figure BDA0003875085790000151
根据本公开的实施例，从各类型车辆的日均充电需求量出发，确定不同功率的充电桩的日均充电子需求量，进而确定各个功率的充电桩所需的总日均充电量，最终确定与各个功率对应的充电桩的数量，打破了传统“车桩比”的充电桩数量规划方法，一定程度上克服了充电站定容的难题。
根据本公开的实施例，根据规划区内的车流量密度信息、充电站选址约束条件和路网图，确定公共充电站的多个目标站址位置，可以包括：
根据车流量密度信息、充电站选址约束条件和路网图，对每个公共充电站进行站址位置进行配置，得到初始站址位置；根据每个公共充电站的预设权重系数和每个初始站址位置，生成加权泰森多边形图，其中，预设权重系数根据每个公共充电站的等级和服务范围确定；以及在确定加权泰森多边形图满足预设充电站规划约束条件的情况下，输出多个目标站址位置。
根据本公开的实施例，可以基于不同功率的充电桩的数量和不同等级的公共充电站的最大服务范围，根据预设充电站规划约束条件和充电站规模划分标准，预先得到公共充电站数量范围[Ns min,Ns max]，即可作为公共充电站数量备选库。
根据本公开的实施例，可以根据车流量密度信息、充电站选址约束条件和路网图，通过配置中心对公共充电站数量备选库中每个公共充电站的站址位置进行配置，得到初始站址位置。公共充电站的等级可以根据充电桩数量划分。服务范围可以根据预先从数据库获取的不同等级的公共充电站的服务半径确定。需要说明的是，充电桩数量越多、功率越大，公共充电站的预设权重系数也越大。
例如，可以将充电桩数量为10个的公共充电站等级划分为小型；将充电桩数量为20个的公共充电站等级划分为中型；将充电桩数量为30个的公共充电站等级划分为中大型；将充电桩数量为50个的公共充电站等级划分为大型。可以预先从数据库获取不同等级的公共充电站的如下表2所示的各种参数。
表2
Figure BDA0003875085790000161
根据本公开的实施例，可以根据每个公共充电站的预设权重系数和每个初始站址位置，构建泰森多边形图函数，以便生成加权泰森多边形图。
例如，泰森多边形图函数可以表示为如下式(8)所示：
Figure BDA0003875085790000162
其中，V(qi)表示泰森多边形图(Voronoi图)限定的区域；d(x,qi)和d(x,qj)分别表示x与公共充电站qi和公共充电站qj之间的欧式距离；ωi表示顶点泰森多边形扩散权重，顶点泰森多边形扩散权重即预设权重系数；3≤n≤∞。
根据本公开的实施例，预设充电站规划约束条件可以包括新能源车量充电需求约束条件和新能源车量服务半径约束条件。
其中，新能源车量充电需求约束条件可以表示为如下式(9)所示：
Figure BDA0003875085790000171
其中，Nk nev表示公共充电站服务范围内新能源车量的数量；γmax表示公共充电站服务范围内新能源汽车同时充电率；Nk m表示充电站充电桩的数量，以确保服务范围内同时充电高峰期充电车辆的数量不大于充电桩的数量，以提升用户充电体验。
新能源车量服务半径约束条件可以表示为如下式(10)～(11)所示：
λkjdkj≤dmax (10)
Dmin≤λkjDkj (11)
其中，λkj表示道路曲折系数；dkj表示车辆所在位置点j距离公共充电站k之间的直线距离；dmax表示车辆所在位置点j到公共充电站k的最大距离；Dkj表示车辆所在位置点j与公共充电站k之间的欧氏距离；Dmin表示车辆所在位置点j到公共充电站k之间规定的最小距离。
在确定加权泰森多边形图满足预设充电站规划约束条件的情况下，可以输出多个目标站址位置。根据目标站址位置可以在规划区路网图上布局公共充电站。
图5示意性示出了根据本发明实施例的在规划区路网图上布局公共充电站的示意图。
例如，在确定加权泰森多边形图满足预设充电站规划约束条件的情况下，可以输出如图5所示的在规划区路网图上布局的21个公共充电站。需要说明的是，图5中圆点表示公共充电站。
根据本公开实施例，根据规划区内的车流量密度信息、充电站选址约束条件和路网图，确定公共充电站的多个目标站址位置。基于规划区内的车流量密度信息、充电站选址约束条件和路网图进行选址，最终输出用于推荐的目标选址定容方案，提升了选址定容的可靠性，至少部分解决了由于充电站布局不合理，导致的有车无桩、有桩无车、充电困难的问题。
根据本公开的实施例，从多个初始选址定容方案中输出用于推荐的目标选址定容方案，可以包括：针对每个初始选址定容方案：
根据初始选址定容方案的年均资源投入情况，确定资源投入值；根据各类型车辆与公共充电站的距离和各类型车辆的数量，确定各类型车辆到达公共充电站的行驶投入值；以及根据资源投入值和行驶投入值，确定总投入值，以便于将总投入值最低的初始选址定容方案作为用于推荐的目标选址定容方案输出。
根据本公开实施例，根据资源投入值和行驶投入值，确定总投入值，以便于将总投入值最低的初始选址定容方案作为用于推荐的目标选址定容方案，提升了选址定容的可靠性。
根据本公开的实施例，年均资源投入情况可以包括：年均建设资源投入情况和年均运营资源投入情况。
其中，根据初始选址定容方案的年均资源投入情况，确定资源投入值，可以包括：根据初始选址定容方案的年均建设资源投入情况，构建年均建设资源函数；根据初始选址定容方案的年均运营资源投入情况，构建年均运营资源函数；根据年均建设资源函数和年均运营资源函数，确定总资源函数；以及通过总资源函数，输出资源投入值。
根据本公开的实施例，年均建设资源投入情况可以包括：公共充电站内充电桩及配套设备年均购置情况、年均安装情况以及公共充电站年均用地情况。
根据本公开的实施例，年均运营资源投入情况可以包括以下至少之一：公共充电站年均管理情况、充电桩及配套设备年均维修情况、公共充电站年均耗电情况、公共充电站年均交税情况。
例如，年均建设资源函数可以如下式(12)所示：
Figure BDA0003875085790000181
其中，Cbu表示公共充电站年均建设资源投入情况；r表示折现率；Ck ep表示公共充电站k内充电桩及配套设备年均购置情况以及年均安装情况；Sk和Ck L分别表示公共充电站年均用地面积情况和公共充电站年均用地投入情况。
年均运营资源函数可以如下式(13)所示：
Figure BDA0003875085790000191
其中，Cen表示公共充电站年均运营资源投入情况；Ck ma、Ck eq、Ck lo、Ck tax、Ck el分别表示公共充电站年均管理情况、充电桩及配套设备年均维修情况、公共充电站年均耗电情况、公共充电站年均交税情况和其他运营情况。
根据本公开的实施例，可以根据各类型车辆与公共充电站的距离和各类型车辆的数量，构建各类型车辆到达公共充电站的目标行驶函数，根据目标行驶函数确定各类型车辆到达公共充电站的行驶投入值。通过累计求和的方式，基于资源投入值和行驶投入值，得到总投入值，以便于将总投入值最低的初始选址定容方案作为用于推荐的目标选址定容方案输出。
根据本公开实施例，根据年均建设资源投入情况和年均运营资源投入情况确定资源投入值，充分考虑了资源的投入情况，有利于准确获取资源投入值，进而结合行驶投入值确定总投入值，输出用于推荐的目标选址定容方案，提升了选址定容的可靠性。
根据本公开的实施例，根据各类型车辆与公共充电站的距离和各类型车辆的数量，确定各类型车辆到达公共充电站的行驶投入值，可以包括：
根据粒子群算法，确定各类型车辆选择的目标公共充电站；根据各类型车辆与目标公共充电站的非直线距离、选择同一目标公共充电站的各类型车辆的总数量，构建各类型车辆到达公共充电站的目标行驶函数；以及通过目标行驶函数，输出行驶投入值。
根据本公开的实施例，粒子群算法可以包括鲶鱼粒子群算法(CPSO)。可以初始化鲶鱼粒子群算法各类参数，并以随机方式，生成初始粒子位置，即初始各类型车辆选择的目标公共充电站的位置，通过鲶鱼粒子群算法对粒子位置和速度进行更新，直至达到最大迭代次数，输出粒子最优位置和适应度值。根据粒子最优位置，得到各类型车辆选择的目标公共充电站。
需要说明的是，充电站选址是非线性优化求解问题，传统粒子群算法容易在求解中陷入局部最优，因此本公开引入鲶鱼粒子群算法(CPSO)改善求解寻优的速度和效果。
例如，此过程可以如下式(14)所示：
vid(t+1)＝ω1·vid(t)+c1rand()[c3rand()·pbest-xid(t)]
+c2rand()[c4rand()·gbest-xid(t)] (14)
其中，ω1表示自身惯性权重；vid(t)表示粒子在t时刻的速度；vid(t+1)表示粒子在t+1时刻的更新速度；xid(t)表示粒子在t时刻的位置；pbest表示粒子个体历史最优位置；gbest表示全局历史最优位置；c1、c2表示学习因子；c3、c4表示鲶鱼对个体最优极值和全体最优极值的干扰强度；c3rand()、c4rand()表示鲶鱼算子，其取值分别如下式(15)、(16)所示：
Figure BDA0003875085790000201
Figure BDA0003875085790000202
其中，e0p表示当前值与当前个体极值之间的偏差阈值；ep表示当前值与当前个体极值的偏差；e0g表示当前值与当前全局极值之间的偏差阈值；eg表示当前值与当前全局极值的偏差。若当前值的偏差大于偏差阈值，则鲶鱼算子c3rand()取值为1，此时鲶鱼粒子群算法即为标准粒子群算法；否则，认为粒子存在汇聚现象，便采用鲶鱼算子扰动局部最优值和全局最优值，通过冲击促使粒子继续运动，从而趋向于全局最优。
根据本公开的实施例，考虑到路网图的限制，车辆行驶至目标公共充电站并非欧式距离，而是基于路网图形成的折线距离，对各类型车辆到达公共充电站的路径需结合路网实际情况，引入曲折系数。可以根据各类型车辆与目标公共充电站的非直线距离、选择同一目标公共充电站的各类型车辆的总数量，构建各类型车辆到达公共充电站的目标行驶函数。
例如，目标行驶函数可以如下式(17)所示：
MinChu＝365σ∑k∑jλkjdkjqj(k＝1,2,L,Nc；j∈Ji) (17)
其中，Chu表示行驶投入情况；σ表示电动汽车单公里行驶和时间折算情况，由车型和用户画像所决定；dkj表示车辆所在位置点j距离公共充电站k之间的距离；qj为车辆所在位置点j每天所需服务的电动汽车数量；考虑到路网图限制，车辆所在位置点j与公共充电站k之间并非直线特性，因此引入曲折系数λkj，其取值范围可以为1～1.41，具体取值由道路实际情况确定，路网图结构越复杂，曲折系数越高。
根据上述目标行驶函数可以输出行驶投入值。
图6(a)示意性示出了根据本公开实施例的两种算法最优适应度曲线对比示意图；图6(b)示意性示出了根据本公开实施例的不同数量方案的公共充电站行驶投入变化趋势示意图。
如图6(a)所示，例如可以选取21个公共充电站方案，鲶鱼粒子群算法和传统粒子群算法这两种算法的公共充电站选址的收敛曲线对比情况。从图6(a)可以得到采用鲶鱼粒子群算法，在收敛速度和寻优效果上均较传统粒子群算法优越，效果更好。
通过不断迭代寻优，可以得到不同数量方案的公共充电站行驶投入变化趋势，如图6(b)所示。从图6(b)可以得到公共充电站数量越多，车辆到达公共充电站越便利，则行驶投入值越低。但当公共充电站数量达到20个以上时，随着公共充电站数量的继续增加，车辆到达公共充电站的行驶投入值减小幅度大幅降低。
根据本公开实施例，从用户驾驶车辆行驶至目标公共充电站的便利性出发，通过鲶鱼粒子群算法进行寻优，避免了粒子群算法容易出现局部最优的问题，强化了算法全局搜索能力，确定各类型车辆选择的目标公共充电站。考虑了各类型车辆与目标公共充电站的非直线距离，最终得到行驶投入值，一定程度上加强了公共充电站规划的合理性。
图6(c)示意性示出了根据本公开实施例的不同数量方案的公共充电站布局方案下总投入变化趋势示意图；图6(d)示意性示出了根据本公开实施例的公共充电站规划结果示意图。
根据本公开实施例，根据资源投入值和行驶投入值，确定总投入值，以便于将总投入值最低的初始选址定容方案作为用于推荐的目标选址定容方案输出。其中，可以根据年均建设资源投入情况、年均运营资源投入情况以及行驶投入情况，构建用于输出推荐的目标选址定容方案的算法模型。
例如，用于输出推荐的目标选址定容方案的算法模型可以如下式(18)所示：
MinC＝Chu+Cbu+Cen (18)
其中，MinC表示总投入值最低的情况。根据用于输出推荐的目标选址定容方案的算法模型可以将总投入值最低的情况所对应的初始选址定容方案作为用于推荐的目标选址定容方案。
例如经多次迭代计算，可以得到不同数量方案的公共充电站布局方案下总投入变化趋势如图6(c)所示。从图6(c)可以得到公共充电站数量越多，车辆到达公共充电站行驶距离越短，以致行驶投入值越低；而公共充电站数量越多，建设公共充电站以及运营资源投入越高，导致建设和运营公共充电站资源投入大幅提升。综合分析，规划区公共充电站数量为21个时，总投入值最低，为最佳充电站建设数量方案。
例如，推荐的目标选址定容方案可以为9个小型充电站、8个中型充电站、2个中大型充电站、2个中大型充电站，站点坐标可以如下表3所示。
表3
Figure BDA0003875085790000221
Figure BDA0003875085790000231
进一步可以通过加权Voronoi图在路网图上对每个充电站服务范围进行划分，得到公共充电站规划结果如图6(d)所示。
需要说明的是，因曲折系数的引入，确保公共充电站服务边界基本与邻近路网平齐，促使服务范围划分更符合车辆行驶实际情况。此外，不同公共充电站服务范围大小差异较大，主要取决于不同等级公共充电站的服务能力，充电站等级越高，服务范围便越大。
根据本公开的实施例，融入资源投入值和行驶投入值，将总投入值最低的初始选址定容方案作为用于推荐的目标选址定容方案，提升了选址定容的可靠性。
根据本公开的实施例，行驶用电情况可以包括：车辆行驶里程情况、车辆百公里电耗情况、车辆使用充电桩充电的情况。
图7示意性示出了根据本公开另一实施例的公共充电站规划方法流程图。
如图7所示，该实施例的公共充电站规划方法700可以包括操作S701～操作S711。
在操作S701，确定不同功率的充电桩的数量。
根据本公开实施例，可以通过将从数据库中查询得到的在规划区内各类型车辆的车辆行驶里程情况、车辆百公里电耗情况以及车辆使用充电桩充电的情况分别输入各类型车辆的日均充电需求模型，输出各类型车辆的日均充电需求量。可以根据从数据库中查询得到的不同功率的充电桩在预设周期内的资源投入情况，构建预设周期内的资源投入算法模型，用于预估预设周期内的资源投入值。可以根据预设周期内的资源投入值和预设用电评估值，得到不同功率的充电桩的日均充电量。可以根据日均充电需求量和日均充电量构建预测不同功率充电桩数量的算法模型，用于输出不同功率的充电桩的数量。
在操作S702，初步确定规划区不同等级的公共充电站数量区间。
根据本公开实施例，可以基于不同功率的充电桩的数量和不同等级的公共充电站的最大服务范围，根据预设充电站规划约束条件和充电站规模划分标准，初步确定规划区不同等级的公共充电站数量区间[Ns min,Ns max]。
在操作S703，结合车流量密度信息、充电站选址约束条件和路网图，分别对不同数量方案的公共充电站进行位置初定，得到初始站址位置。
根据本公开的实施例，可以根据车流量密度信息、充电站选址约束条件和路网图，通过配置中心对公共充电站数量备选库中每个公共充电站的站址位置进行配置，得到初始站址位置。
在操作S704，根据每个公共充电站的预设权重系数和每个初始站址位置，生成加权泰森多边形图。
根据本公开的实施例，可以根据每个公共充电站的预设权重系数和每个初始站址位置，构建泰森多边形图函数，以便生成加权泰森多边形图。
在操作S705，加权泰森多边形图是否满足预设充电站规划约束条件。
根据本公开的实施例，预设充电站规划约束条件可以包括新能源车量充电需求约束条件和新能源车量服务半径约束条件。如果满足执行操作S706。如果不满足重复执行操作S703。
在操作S706，初始化鲶鱼粒子群算法参数，在路网图上生成初始粒子位置。
根据本公开的实施例，可以初始化鲶鱼粒子群算法各类参数，并以随机方式，在路网图上生成初始粒子位置，即初始各类型车辆选择的目标公共充电站的位置。
在操作S707，根据路网图的结构，引入曲折系数，构建目标行驶函数。
根据本公开的实施例，可以根据各类型车辆与目标公共充电站的非直线距离、选择同一目标公共充电站的各类型车辆的总数量，构建各类型车辆到达公共充电站的目标行驶函数。
在操作S708，引入鲶鱼算子，更新粒子状态。
在操作S709，是否达到收敛次数。
根据本公开的实施例，通过鲶鱼算子，对粒子位置和速度进行更新，直至达到预设收敛次数。如果达到预设收敛次数，可以执行操作S710，输出粒子位置和适应度值。如果未达到预设收敛次数，可以重复执行操作S706。
在操作S711，确定总投入值，以便于将总投入值最低的初始选址定容方案作为用于推荐的目标选址定容方案输出。
根据本公开的实施例，根据资源投入值和行驶投入值，确定总投入值。将总投入值最低的初始选址定容方案作为用于推荐的目标选址定容方案输出。
基于上述公共充电站规划方法，本公开还提供了一种公共充电站规划装置。以下将结合图8对该装置进行详细描述。
图8示意性示出了根据本公开实施例的公共充电站规划装置的结构框图。
如图8所示，该实施例的公共充电站规划装置800包括日均充电需求预估模块810、日均充电量确定模块820、充电桩数量确定模块830、目标站址位置确定模块840、初始选址定容方案获取模块850和目标选址定容方案输出模块860。
日均充电需求预估模块810用于根据从数据库中查询得到的在规划区内各类型车辆的行驶用电情况，预估各类型车辆的日均充电需求量。
日均充电量确定模块820用于根据不同功率的充电桩在预设周期内的资源投入情况，确定不同功率的充电桩的日均充电量，其中，公共充电站包括多个充电桩。
充电桩数量确定模块830用于根据日均充电需求量和日均充电量，确定不同功率的充电桩的数量。
目标站址位置确定模块840用于根据规划区内的车流量密度信息、充电站选址约束条件和路网图，确定公共充电站的多个目标站址位置，其中，充电站选址约束条件至少包括电网容量安全条件。
初始选址定容方案获取模块850用于根据不同功率的充电桩的数量和多个目标站址位置，得到多个初始选址定容方案。
目标选址定容方案输出模块860用于从多个初始选址定容方案中输出用于推荐的目标选址定容方案。
根据本公开的实施例，日均充电需求预估模块810、日均充电量确定模块820、充电桩数量确定模块830、目标站址位置确定模块840、初始选址定容方案获取模块850和目标选址定容方案输出模块860中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，日均充电需求预估模块810、日均充电量确定模块820、充电桩数量确定模块830、目标站址位置确定模块840、初始选址定容方案获取模块850和目标选址定容方案输出模块860中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，日均充电需求预估模块810、日均充电量确定模块820、充电桩数量确定模块830、目标站址位置确定模块840、初始选址定容方案获取模块850和目标选址定容方案输出模块860中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图9示意性示出了根据本公开实施例的适于实现公共充电站规划方法的电子设备的方框图。
如图9所示，根据本公开实施例的电子设备900包括处理器901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 903中，存储有电子设备900操作所需的各种程序和数据。处理器901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备900还可以包括输入/输出(I/O)接口905，输入/输出(I/O)接口905也连接至总线904。电子设备900还可以包括连接至I/O接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的方法。
在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分909被下载和安装，和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (10)

1.一种公共充电站规划方法，包括：
根据从数据库中查询得到的在规划区内各类型车辆的行驶用电情况，预估所述各类型车辆的日均充电需求量；
根据不同功率的充电桩在预设周期内的资源投入情况，确定所述不同功率的充电桩的日均充电量，其中，所述公共充电站包括多个所述充电桩；
根据所述日均充电需求量和所述日均充电量，确定所述不同功率的充电桩的数量；
根据所述规划区内的车流量密度信息、充电站选址约束条件和路网图，确定所述公共充电站的多个目标站址位置，其中，所述充电站选址约束条件至少包括电网容量安全条件；
根据所述不同功率的充电桩的数量和多个所述目标站址位置，得到多个初始选址定容方案；以及
从多个所述初始选址定容方案中输出用于推荐的目标选址定容方案。
2.根据权利要求1所述的方法，其中，所述预设周期包括建设周期和运营周期；
根据不同功率的充电桩在预设周期内的资源投入情况，确定所述不同功率的充电桩的日均充电量，包括：
根据所述不同功率的充电桩在所述建设周期内的建设资源投入情况和在所述运营周期内的运营资源投入情况，确定支出值；
根据所述支出值和预设用电评估值，确定所述不同功率的充电量；以及
将所述充电量作为所述不同功率的充电桩的日均充电量。
3.根据权利要求1所述的方法，其中，所述根据所述规划区内的车流量密度信息、充电站选址约束条件和路网图，确定所述公共充电站的多个目标站址位置，包括：
根据所述车流量密度信息、所述充电站选址约束条件和所述路网图，对每个所述公共充电站进行站址位置进行配置，得到初始站址位置；
根据每个所述公共充电站的预设权重系数和每个所述初始站址位置，生成加权泰森多边形图，其中，所述预设权重系数根据每个所述公共充电站的等级和服务范围确定；以及
在确定所述加权泰森多边形图满足预设充电站规划约束条件的情况下，输出多个目标站址位置。
4.根据权利要求1所述的方法，其中，所述从多个所述初始选址定容方案中输出用于推荐的目标选址定容方案，包括：
针对每个所述初始选址定容方案：
根据所述初始选址定容方案的年均资源投入情况，确定资源投入值；
根据所述各类型车辆与所述公共充电站的距离和所述各类型车辆的数量，确定所述各类型车辆到达所述公共充电站的行驶投入值；以及
根据所述资源投入值和所述行驶投入值，确定总投入值，以便于将所述总投入值最低的所述初始选址定容方案作为用于推荐的所述目标选址定容方案输出。
5.根据权利要求4所述的方法，其中，所述年均资源投入情况包括：年均建设资源投入情况和年均运营资源投入情况；
所述根据所述初始选址定容方案的年均资源投入情况，确定资源投入值，包括：
根据所述初始选址定容方案的所述年均建设资源投入情况，构建年均建设资源函数；
根据所述初始选址定容方案的所述年均运营资源投入情况，构建年均运营资源函数；
根据所述年均建设资源函数和所述年均运营资源函数，确定总资源函数；以及
通过所述总资源函数，输出所述资源投入值。
6.根据权利要求5所述的方法，其中，所述年均建设资源投入情况包括：所述公共充电站内充电桩及配套设备年均购置情况、年均安装情况以及所述公共充电站年均用地情况；
所述年均运营资源投入情况包括以下至少之一：所述公共充电站年均管理情况、所述充电桩及配套设备年均维修情况、所述公共充电站年均耗电情况、所述公共充电站年均交税情况。
7.根据权利要求4所述的方法，其中，所述根据所述各类型车辆与所述公共充电站的距离和所述各类型车辆的数量，确定所述各类型车辆到达所述公共充电站的行驶投入值，包括：
根据粒子群算法，确定所述各类型车辆选择的目标公共充电站；
根据所述各类型车辆与所述目标公共充电站的非直线距离、选择同一所述目标公共充电站的所述各类型车辆的总数量，构建所述各类型车辆到达所述公共充电站的目标行驶函数；以及
通过所述目标行驶函数，输出所述行驶投入值。
8.根据权利要求1所述的方法，其中，所述根据所述日均充电需求量和所述日均充电量，确定所述不同功率的充电桩的数量，包括：
根据所述各类型车辆的所述日均充电需求量，确定所述各类型车辆在所述不同功率的充电桩的日均充电子需求量；
根据所述日均充电子需求量，确定各个功率的充电桩所需的总日均充电量；以及
根据所述各个功率的充电桩所需的总日均充电量和与所述各个功率的充电桩对应的所述日均充电量，确定与所述各个功率对应的充电桩的数量。
9.根据权利要求1所述的方法，其中，所述行驶用电情况包括：车辆行驶里程情况、车辆百公里电耗情况、车辆使用所述充电桩充电的情况。
10.一种公共充电站规划装置，包括：
日均充电需求预估模块，用于根据从数据库中查询得到的在规划区内各类型车辆的行驶用电情况，预估所述各类型车辆的日均充电需求量；
日均充电量确定模块，用于根据不同功率的充电桩在预设周期内的资源投入情况，确定所述不同功率的充电桩的日均充电量，其中，所述公共充电站包括多个所述充电桩；
充电桩数量确定模块，用于根据所述日均充电需求量和所述日均充电量，确定所述不同功率的充电桩的数量；
目标站址位置确定模块，用于根据所述规划区内的车流量密度信息、充电站选址约束条件和路网图，确定所述公共充电站的多个目标站址位置，其中，所述充电站选址约束条件至少包括电网容量安全条件；
初始选址定容方案获取模块，用于根据所述不同功率的充电桩的数量和多个所述目标站址位置，得到多个初始选址定容方案；以及
目标选址定容方案输出模块，用于从多个所述初始选址定容方案中输出用于推荐的目标选址定容方案。
CN202211210883.XA 2022-09-30 2022-09-30 公共充电站规划方法及其装置 Pending CN115423360A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211210883.XA CN115423360A (zh) 2022-09-30 2022-09-30 公共充电站规划方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211210883.XA CN115423360A (zh) 2022-09-30 2022-09-30 公共充电站规划方法及其装置

Publications (1)

Publication Number Publication Date
CN115423360A true CN115423360A (zh) 2022-12-02

Family

ID=84207094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211210883.XA Pending CN115423360A (zh) 2022-09-30 2022-09-30 公共充电站规划方法及其装置

Country Status (1)

Country Link
CN (1) CN115423360A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117408498A (zh) * 2023-12-15 2024-01-16 陕西德创数字工业智能科技有限公司 一种基于新能源大数据的公共充电站选址定容定桩方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117408498A (zh) * 2023-12-15 2024-01-16 陕西德创数字工业智能科技有限公司 一种基于新能源大数据的公共充电站选址定容定桩方法
CN117408498B (zh) * 2023-12-15 2024-02-23 陕西德创数字工业智能科技有限公司 一种基于新能源大数据的公共充电站选址定容定桩方法

Similar Documents

Publication Publication Date Title
Falchetta et al. Electric vehicle charging network in Europe: An accessibility and deployment trends analysis
Ko et al. Locating refuelling stations for alternative fuel vehicles: a review on models and applications
Gagarin et al. Multiple domination models for placement of electric vehicle charging stations in road networks
Patil et al. Integration of charging behavior into infrastructure planning and management of electric vehicles: A systematic review and framework
Austin et al. Taxicabs as public transportation in Boston, Massachusetts
Cui et al. The multi-mode mobile charging service based on electric vehicle spatiotemporal distribution
Mureddu et al. A complex network approach for the estimation of the energy demand of electric mobility
Lee et al. Shared autonomous electric vehicle design and operations under uncertainties: a reliability-based design optimization approach
Mashhoodi et al. Drivers’ range anxiety and cost of new EV chargers in Amsterdam: a scenario-based optimization approach
CN114048920A (zh) 充电设施建设的选址布局方法、装置、设备及存储介质
Song et al. Incentives for ridesharing: A case study of welfare and traffic congestion
CN115423360A (zh) 公共充电站规划方法及其装置
CN111914940A (zh) 一种共享车辆站点分群聚类方法、系统、装置及存储介质
Dai et al. Exploring the drive-by sensing power of bus fleet through active scheduling
Almlöf et al. Will leisure trips be more affected than work trips by autonomous technology? Modelling self-driving public transport and cars in Stockholm, Sweden
Qiao et al. Fast-charging station location problem: A two-phase approach with mathematical program with equilibrium constraints considering charging choice behaviour
Anthony Jr Data enabling digital ecosystem for sustainable shared electric mobility-as-a-service in smart cities-an innovative business model perspective
CN117592607A (zh) 充电场站的选址定容方法、装置、设备、介质
Jakob et al. Optimal parking occupancy with and without differentiated parking: A macroscopic analysis
Jordán et al. Interurban electric vehicle charging stations through genetic algorithms
Zhang et al. Vehicle assignment considering battery endurance for electric vehicle carsharing systems
Mei et al. Does the one-size-fits-all setting meet the demand? Assessment of setting EV–charging-capable parking spaces in public parking lots based on agent simulation
Csiszár et al. Concept of an integrated mobile application aiding electromobility
CN111833595B (zh) 共享汽车辅助车辆配置方法、电子设备及存储介质
Guo et al. Impacts of transportation external cost pricing and transit fare reductions on household mode/route choices and environmental improvements

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