CN115471007A - 考虑综合成本的充电站选址定容方法、装置、设备及介质 - Google Patents

考虑综合成本的充电站选址定容方法、装置、设备及介质 Download PDF

Info

Publication number
CN115471007A
CN115471007A CN202211215382.0A CN202211215382A CN115471007A CN 115471007 A CN115471007 A CN 115471007A CN 202211215382 A CN202211215382 A CN 202211215382A CN 115471007 A CN115471007 A CN 115471007A
Authority
CN
China
Prior art keywords
charging station
total
cost
charging
capacity
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
CN202211215382.0A
Other languages
English (en)
Inventor
李莉
苏彪
史江凌
何彦彬
丁红
王云飞
杨二乐
余谦
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.)
State Grid Corp of China SGCC
State Grid Beijing Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Beijing Electric Power 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 State Grid Corp of China SGCC, State Grid Beijing Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202211215382.0A priority Critical patent/CN115471007A/zh
Publication of CN115471007A publication Critical patent/CN115471007A/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
    • G06Q10/04—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
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种考虑综合成本的充电站选址定容方法、装置、设备及介质，方法包括步骤：获取充电站的待选址集合；其中，所述待选址集合包括充电站的数量及位置；根据规划区域内用户的总充电需求，确定充电站的总容量；以总成本最小为目标函数建立选址定容优化模型；其中，所述总成本包括用户总成本和充电站建设总成本；以满足所述充电站的总容量，以及约束条件为基础，采用改进粒子群算法迭代求解所述选址定容优化模型，得到最优的选址定容方案。将用户的绕行距离、排队时间和建站成本以及里程焦虑程度综合考虑得出考虑用户和充电站建设综合成本的充电站配置最佳的方法，提升了用户的充电体验感。

Description

考虑综合成本的充电站选址定容方法、装置、设备及介质
技术领域
本发明属于能源规划技术领域，具体涉及一种考虑综合成本的充电站选址定容方法、装置、设备及介质。
背景技术
随着新能源产业的快速发展，电动汽车的人均拥有量不断增多，为了满足电动汽车用户的充电需求，提升用户的用电满意度，需要对充电站进行合理选址定容，确保不同用户的用电需求。现有技术对于充电站选址定容的研究多考虑负荷预测、配电网规划、选取站址的合理性评估、对用户的出行行为和充电行为进行模拟、考虑配网和充电站的布局合理性及馈线的通道资源问题，并建立了可用裕度模型。
现阶段的充电站选址研究多从经济、地理、出行链等因素对充电站进行选址规划，考虑因素较少使得用户在已建设充电站进行充电的体验感较差。
发明内容
本发明的目的在于提供一种考虑综合成本的充电站选址定容方法、装置、设备及介质。以解决上述背景技术中现阶段的充电站选址考虑因素较少，导致充电用具体验感较差的问题。
为了实现上述目的，本发明采用如下技术方案：
第一方面，提供了一种考虑综合成本的充电站选址定容方法，包括以下步骤：
获取充电站的待选址集合；其中，所述待选址集合包括充电站的数量及位置；
根据规划区域内用户的总充电需求，确定充电站的总容量；
以总成本最小为目标函数建立选址定容优化模型；其中，所述总成本包括用户总成本和充电站建设总成本；
以满足所述充电站的总容量，以及约束条件为基础，采用改进粒子群算法迭代求解所述选址定容优化模型，得到最优的选址定容方案。
进一步的，所述根据规划区域内用户的总充电需求，确定充电站的总容量的步骤，具体包括如下：
获取规划区域内电动汽车数量；
获取电动汽车的电池容量平均数；
由电动汽车数量及电池容量平均数求得初始充电总容量；
将初始充电总容量乘以峰值容量系数，得到最终的充电站总容量。
进一步的，所述用户总成本M如下：
M＝C(M1/v+M2)
其中，M1是用户产生充电需求的位置到达充电站行驶的距离，v是电动汽车的行驶速度，M2是排队时间，C是成本系数。
进一步的，所述充电站建设总成本T如下：
Figure BDA0003876514800000021
其中，T1,j为充电站年基础设施建设成本，T2,j为年设施维护成本，N为充电站建设总数。
进一步的，所述约束条件如下所示；
Figure BDA0003876514800000022
其中，Lij为需求点到最近的充电站的距离，
Figure BDA0003876514800000023
分别为配电系统节点电压幅值的下限和上限；Ri为以充电站为圆心的最远辐射半径；Vdj为设定充电站选址时，供电线路的节点电压。
进一步的，所述选址定容优化模型的目标函数为：
min F＝M+T
其中，M为用户总成本，T为充电站建设总成本。
进一步的，所述采用改进粒子群算法迭代求解所述选址定容优化模型的步骤，具体包括：
初始化粒子群；其中，粒子长度为充电站个数，1和0代表是否在该位置建站；
以待选址集合中的充电站是否满足约束条件为标准确定站址位置和容量，选取与站址匹配的配电网节点作为站址接入点，进行安全性校验；
计算每个满足约束条件的粒子的建站总成本和用户总成本；
以充电站建设总成本和用户总成本之和作为适应度函数，更新粒子的速度和位置，循环迭代；满足最大迭代次数或收敛后，输出最优适应度函数值代表的方案作为最优的选址定容方案。
第二方面，提供了一种考虑综合成本的充电站选址定容装置，包括：
获取模块，用于获取充电站的待选址集合；其中，所述待选址集合包括充电站的数量及位置；
容量确定模块，用于根据规划区域内用户的总充电需求，确定充电站的总容量；
模型建立模块，用于以总成本最小为目标函数建立选址定容优化模型；其中，所述总成本包括用户总成本和充电站建设总成本；
求解模块，用于以满足所述充电站的总容量，以及约束条件为基础，采用改进粒子群算法迭代求解所述选址定容优化模型，得到最优的选址定容方案。
第三方面，提供了一种电子设备，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现上述的考虑综合成本的充电站选址定容方法。
第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现上述的考虑综合成本的充电站选址定容方法。
本发明技术方案带来的有益效果如下：
本发明提供的考虑综合成本的充电站选址定容方法，包括获取充电站的待选址集合；根据规划区域内用户的总充电需求，确定充电站的总容量；以总成本最小为目标函数建立选址定容优化模型；以满足所述充电站的总容量，以及约束条件为基础，采用改进粒子群算法迭代求解所述选址定容优化模型，得到最优的选址定容方案。将用户的绕行距离、排队时间和建站成本以及由于电池能量密度不够、快速便捷供能手段不足、能源供给布局不合理造成的用户里程焦虑问题以及用户期望的续航里程，综合考虑得出考虑用户和充电站建设综合成本的充电站配置最佳的方法，提升了用户的充电体验感。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例一种考虑综合成本的充电站选址定容方法的流程图；
图2为本发明实施例中充电站的总容量计算示意图；
图3为本发明实施例一种考虑综合成本的充电站选址定容装置的结构框图；
图4为本发明实施例一种电子设备的结构框图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
实施例1
本方案提供了一种考虑综合成本的充电站选址定容方法，在考虑用户和充电站建设综合成本的情况下，解决电动汽车充电站选址定容的问题。
如图1所示，一种考虑综合成本的充电站选址定容方法，包括以下步骤：
S1、获取充电站的待选址集合；其中，所述待选址集合包括充电站的数量及位置。
其中，根据充电站的约束条件和其他外在因素确定充电站的可能选址和数量；其他外在因素为相关的政策、外在的地理环境、自然环境综合考虑，同时要考虑到用户需求的动态变化，留出一定的冗余。例如充电站的地势条件是否平整，环境恶劣天气受影响较小，政策是否允许等。
S2、根据规划区域内用户的总充电需求，确定充电站的总容量；如图2所示，具体如下：
S22、获取规划区域内电动汽车数量；
S23、获取电动汽车的电池容量平均数；
S24、由电动汽车数量及电池容量平均数求得初始充电总容量；具体来说，是通过统计每个时间段内的充电汽车的综述，来计算各个时间段的总功率，将总功率的平均值作为初始充电总容量；
S25、将初始充电总容量乘以峰值容量系数，得到最终的充电站总容量。
通过将不同时间段用电的上限，以峰值容量系数的形式体现，满足最大的用电容量。
S3、以总成本最小为目标函数建立选址定容优化模型；其中，所述总成本包括用户总成本和充电站建设总成本；
所述用户总成本M如下：
M＝C(M1/v+M2)
其中，M1是用户产生充电需求的位置到达充电站行驶的距离，其中综合考虑了由于电池能量密度不够、快速便捷供能手段不足、能源供给布局不合理造成的用户里程焦虑问题以及用户期望的续航里程，v是电动汽车的行驶速度，M2是排队时间，C是成本系数。
所述充电站建设总成本T如下：
Figure BDA0003876514800000041
其中，T1,j为充电站年基础设施建设成本，T2,j为年设施维护成本，N为充电站建设总数。
所述约束条件如下所示；
Figure BDA0003876514800000051
其中，Lij为需求点到最近的充电站的距离，
Figure BDA0003876514800000052
分别为配电系统节点电压幅值的下限和上限；Ri为以充电站为圆心的最远辐射半径；Vdj为设定充电站选址时，供电线路的节点电压。
所述选址定容优化模型的目标函数为：
min F＝M+T
其中，M为用户总成本，T为充电站建设总成本。
S4、以满足所述充电站的总容量，以及约束条件为基础，采用改进粒子群算法迭代求解所述选址定容优化模型，得到最优的选址定容方案。具体包括如下步骤：
初始化粒子群；其中，粒子长度为充电站个数，1和0代表是否在该位置建站；
以待选址集合中的充电站是否满足约束条件为标准确定站址位置和容量，选取与站址匹配的配电网节点作为站址接入点，进行安全性校验；
计算每个满足约束条件的粒子的建站总成本和用户总成本；
以充电站建设总成本和用户总成本之和作为适应度函数，更新粒子的速度和位置，循环迭代；满足最大迭代次数或收敛后，输出最优适应度函数值代表的方案作为最优的选址定容方案。
实施例2
如图3所示，一种考虑综合成本的充电站选址定容装置，包括：
获取模块，用于获取充电站的待选址集合；其中，所述待选址集合包括充电站的数量及位置；
容量确定模块，用于根据规划区域内用户的总充电需求，确定充电站的总容量；
容量确定模块中，根据规划区域内用户的总充电需求，确定充电站的总容量的步骤，具体包括如下：
获取规划区域内电动汽车数量；
获取电动汽车的电池容量平均数；
由电动汽车数量及电池容量平均数求得初始充电总容量；
将初始充电总容量乘以峰值容量系数，得到最终的充电站总容量。
模型建立模块，用于以总成本最小为目标函数建立选址定容优化模型；其中，所述总成本包括用户总成本和充电站建设总成本；
模型建立模块中，所述用户总成本M如下：
M＝C(M1/v+M2)
其中，M1是用户产生充电需求的位置到达充电站行驶的距离，其中综合考虑了由于电池能量密度不够、快速便捷供能手段不足、能源供给布局不合理造成的用户里程焦虑问题以及用户期望的续航里程，v是电动汽车的行驶速度，M2是排队时间，C是成本系数。
所述充电站建设总成本T如下：
Figure BDA0003876514800000061
其中，T1,j为充电站年基础设施建设成本，T2,j为年设施维护成本，N为充电站建设总数。
所述约束条件如下所示；
Figure BDA0003876514800000062
其中，Lij为需求点到最近的充电站的距离，
Figure BDA0003876514800000063
分别为配电系统节点电压幅值的下限和上限；Ri为以充电站为圆心的最远辐射半径；Vdj为设定充电站选址时，供电线路的节点电压。
所述选址定容优化模型的目标函数为：
min F＝M+T
其中，M为用户总成本，T为充电站建设总成本。
求解模块，用于以满足所述充电站的总容量，以及约束条件为基础，采用改进粒子群算法迭代求解所述选址定容优化模型，得到最优的选址定容方案。
求解模块中，采用改进粒子群算法迭代求解所述选址定容优化模型的步骤，具体包括：
初始化粒子群；其中，粒子长度为充电站个数，1和0代表是否在该位置建站；
以待选址集合中的充电站是否满足约束条件为标准确定站址位置和容量，选取与站址匹配的配电网节点作为站址接入点，进行安全性校验；
计算每个满足约束条件的粒子的建站总成本和用户总成本；
以充电站建设总成本和用户总成本之和作为适应度函数，更新粒子的速度和位置，循环迭代；满足最大迭代次数或收敛后，输出最优适应度函数值代表的方案作为最优的选址定容方案。
实施例3
如图4所示，本发明还提供一种用于实现上述考虑综合成本的充电站选址定容方法的电子设备100；电子设备100包括存储器101、至少一个处理器102、存储在存储器101中并可在至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。存储器101可用于存储计算机程序103，处理器102通过运行或执行存储在存储器101内的计算机程序，以及调用存储在存储器101内的数据，实现实施例1考虑综合成本的充电站选址定容方法步骤。存储器101可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外，存储器101可以包括非易失性存储器，例如硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
至少一个处理器102可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等，处理器102是电子设备100的控制中心，利用各种接口和线路连接整个电子设备100的各个部分。
电子设备100中的存储器101存储多个指令以实现一种考虑综合成本的充电站选址定容方法，处理器102可执行多个指令从而实现：
获取充电站的待选址集合；其中，所述待选址集合包括充电站的数量及位置；
根据规划区域内用户的总充电需求，确定充电站的总容量；
以总成本最小为目标函数建立选址定容优化模型；其中，所述总成本包括用户总成本和充电站建设总成本；
以满足所述充电站的总容量，以及约束条件为基础，采用改进粒子群算法迭代求解所述选址定容优化模型，得到最优的选址定容方案。
实施例4
电子设备100集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(ROM，Read-Only Memory)。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.考虑综合成本的充电站选址定容方法，其特征在于，包括以下步骤：
获取充电站的待选址集合；其中，所述待选址集合包括充电站的数量及位置；
根据规划区域内用户的总充电需求，确定充电站的总容量；
以总成本最小为目标函数建立选址定容优化模型；其中，所述总成本包括用户总成本和充电站建设总成本；
以满足所述充电站的总容量，以及约束条件为基础，采用改进粒子群算法迭代求解所述选址定容优化模型，得到最优的选址定容方案。
2.根据权利要求1所述的考虑综合成本的充电站选址定容方法，其特征在于，所述根据规划区域内用户的总充电需求，确定充电站的总容量的步骤，具体包括如下：
获取规划区域内电动汽车数量；
获取电动汽车的电池容量平均数；
由电动汽车数量及电池容量平均数求得初始充电总容量；
将初始充电总容量乘以峰值容量系数，得到最终的充电站总容量。
3.根据权利要求1所述的考虑综合成本的充电站选址定容方法，其特征在于，所述用户总成本M如下：
M＝C(M1/v+M2)
其中，M1是用户产生充电需求的位置到达充电站行驶的距离，v是电动汽车的行驶速度，M2是排队时间，C是成本系数。
4.根据权利要求1所述的考虑综合成本的充电站选址定容方法，其特征在于，所述充电站建设总成本T如下：
Figure FDA0003876514790000011
其中，T1,j为充电站年基础设施建设成本，T2,j为年设施维护成本，N为充电站建设总数。
5.根据权利要求1所述的考虑综合成本的充电站选址定容方法，其特征在于，所述约束条件如下所示；
Figure FDA0003876514790000012
其中，Lij为需求点到最近的充电站的距离，
Figure FDA0003876514790000013
分别为配电系统节点电压幅值的下限和上限；Ri为以充电站为圆心的最远辐射半径；Vdj为设定充电站选址时，供电线路的节点电压。
6.根据权利要求1所述的考虑综合成本的充电站选址定容方法，其特征在于，所述选址定容优化模型的目标函数为：
minF＝M+T
其中，M为用户总成本，T为充电站建设总成本。
7.根据权利要求1所述的考虑综合成本的充电站选址定容方法，其特征在于，所述采用改进粒子群算法迭代求解所述选址定容优化模型的步骤，具体包括：
初始化粒子群；其中，粒子长度为充电站个数，1和0代表是否在该位置建站；
以待选址集合中的充电站是否满足约束条件为标准确定站址位置和容量，选取与站址匹配的配电网节点作为站址接入点，进行安全性校验；
计算每个满足约束条件的粒子的建站总成本和用户总成本；
以充电站建设总成本和用户总成本之和作为适应度函数，更新粒子的速度和位置，循环迭代；满足最大迭代次数或收敛后，输出最优适应度函数值代表的方案作为最优的选址定容方案。
8.一种考虑综合成本的充电站选址定容装置，其特征在于，包括：
获取模块，用于获取充电站的待选址集合；其中，所述待选址集合包括充电站的数量及位置；
容量确定模块，用于根据规划区域内用户的总充电需求，确定充电站的总容量；
模型建立模块，用于以总成本最小为目标函数建立选址定容优化模型；其中，所述总成本包括用户总成本和充电站建设总成本；
求解模块，用于以满足所述充电站的总容量，以及约束条件为基础，采用改进粒子群算法迭代求解所述选址定容优化模型，得到最优的选址定容方案。
9.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至7中任意一项所述的考虑综合成本的充电站选址定容方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至7中任意一项所述的考虑综合成本的充电站选址定容方法。
CN202211215382.0A 2022-09-30 2022-09-30 考虑综合成本的充电站选址定容方法、装置、设备及介质 Pending CN115471007A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211215382.0A CN115471007A (zh) 2022-09-30 2022-09-30 考虑综合成本的充电站选址定容方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211215382.0A CN115471007A (zh) 2022-09-30 2022-09-30 考虑综合成本的充电站选址定容方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN115471007A true CN115471007A (zh) 2022-12-13

Family

ID=84334704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211215382.0A Pending CN115471007A (zh) 2022-09-30 2022-09-30 考虑综合成本的充电站选址定容方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115471007A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117973817A (zh) * 2024-04-01 2024-05-03 交通运输部规划研究院 一种干线公路网络公共充电基础设施布局方法
CN117994116A (zh) * 2024-04-07 2024-05-07 国网江西省电力有限公司经济技术研究院 考虑降碳增效的居民区电动汽车充电站定容方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117973817A (zh) * 2024-04-01 2024-05-03 交通运输部规划研究院 一种干线公路网络公共充电基础设施布局方法
CN117973817B (zh) * 2024-04-01 2024-06-28 交通运输部规划研究院 一种干线公路网络公共充电基础设施布局方法
CN117994116A (zh) * 2024-04-07 2024-05-07 国网江西省电力有限公司经济技术研究院 考虑降碳增效的居民区电动汽车充电站定容方法及系统

Similar Documents

Publication Publication Date Title
Zhang et al. Charging infrastructure demands of shared-use autonomous electric vehicles in urban areas
Anjos et al. Increasing electric vehicle adoption through the optimal deployment of fast-charging stations for local and long-distance travel
CN115471007A (zh) 考虑综合成本的充电站选址定容方法、装置、设备及介质
TWI638328B (zh) 電力需求預測裝置、電力供給系統、電力需求預測方法、程式、供給電力管理裝置
Moghaddam et al. An online reinforcement learning approach for dynamic pricing of electric vehicle charging stations
Jordán et al. Electric vehicle charging stations emplacement using genetic algorithms and agent-based simulation
Meng et al. Sequential construction planning of electric taxi charging stations considering the development of charging demand
CN116307647B (zh) 电动汽车充电站选址定容优化方法、装置及存储介质
CN110739696A (zh) 智能配网环境中需求侧资源与可再生能源的集成调度方法
Cats et al. Optimizing the number and location of time point stops
CN107240254A (zh) 交通路况预测方法及终端设备
CN109800917A (zh) 一种电动汽车停车场的规划方法、装置和计算设备
Mirheli et al. Hierarchical optimization of charging infrastructure design and facility utilization
Davidov et al. Stochastic expansion planning of the electric-drive vehicle charging infrastructure
CN106682765A (zh) 充电站优化布局方法及装置
Yu et al. Optimal operations planning of electric autonomous vehicles via asynchronous learning in ride-hailing systems
Zhou et al. Electric bus charging facility planning with uncertainties: Model formulation and algorithm design
CN109978241B (zh) 一种电动汽车充电负荷的确定方法及装置
CN116805193A (zh) 联网电动汽车的调度方法和系统、电子设备及存储介质
CN118300091A (zh) 基于负荷时空分布特性的充电站调度方法、装置和设备
CN108846561A (zh) 基于统计模拟混合粒子群的需求响应集成商资源配置策略
CN117314038A (zh) 一种多能互补充电站调度方法、系统、设备和介质
CN115908071B (zh) 一种城市交通出行的碳排放测算方法、装置、设备及介质
Yan et al. Catcharger: Deploying in-motion wireless chargers in a metropolitan road network via categorization and clustering of vehicle traffic
CN113793195B (zh) 网约车订单处理方法、装置、计算机设备及可读存储介质

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