CN116307524B - 基于改善动态用户均衡的电动汽车充电站选址规划方法 - Google Patents

基于改善动态用户均衡的电动汽车充电站选址规划方法 Download PDF

Info

Publication number
CN116307524B
CN116307524B CN202310123726.3A CN202310123726A CN116307524B CN 116307524 B CN116307524 B CN 116307524B CN 202310123726 A CN202310123726 A CN 202310123726A CN 116307524 B CN116307524 B CN 116307524B
Authority
CN
China
Prior art keywords
cost
charging station
representing
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.)
Active
Application number
CN202310123726.3A
Other languages
English (en)
Other versions
CN116307524A (zh
Inventor
吴婷
余海杰
王怀智
张弦
王贵斌
朱荣伍
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 CN202310123726.3A priority Critical patent/CN116307524B/zh
Publication of CN116307524A publication Critical patent/CN116307524A/zh
Application granted granted Critical
Publication of CN116307524B publication Critical patent/CN116307524B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • G06Q10/04—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
    • 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
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Optimization (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)

Abstract

本发明公开了一种基于改善动态用户均衡的电动汽车充电站选址规划方法，在求解交通流时考虑电动汽车车主出行时产生的碳排放成本，包括步骤：S1、采用DBSCAN以及Wasserstein距离通过历史数据生成代表性场景以处理不确定性因素；S2、采用考虑车主碳排放成本的IDUE模型求出交通流；S3、构建考虑出行时间成本、充电时间成本、碳排放成本、建设成本、出行失败成本以及运行成本的综合成本函数数学模型，得到每个场景的规划方案；S4、评估出最终的最具稳健性的电动汽车充电站建设规划方案。本发明采用上述一种基于改善动态用户均衡的电动汽车充电站选址规划方法，可减少车主的出行时间，减少碳排放量，减轻充电站对电力系统稳定性的影响，合理规划电动汽车充电站位置。

Description

基于改善动态用户均衡的电动汽车充电站选址规划方法
技术领域
本发明涉及电动汽车充电站规划选址领域，尤其是涉及一种基于改善动态用户均衡的电动汽车充电站选址规划方法。
背景技术
现有技术中，近年来，在全球新能源转型背景下，电动汽车受到许多国家的重视，越来越多的电动汽车投入使用。但是目前电动汽车充电站数量少，并且电动汽车充电站接入配电网后会影响电力系统的正常运行，不合理的电动汽车充电站布局也会影响交通网中车主的出行效率以及配电网中的能源利用率，而电动汽车充电站的充电电力主要来自化石燃料发电厂，电动汽车的低碳效益就无法体现。所以在如何满足车主出行时间少、对配电网影响小并实现节能减排和提高可再生能源利用率的背景下，合理规划电动汽车充电站位置是一个复杂的问题。
发明内容
本发明的目的是提供一种基于改善动态用户均衡的电动汽车充电站选址规划方法，可减少车主的出行时间，减少碳排放量，减轻充电站对电力系统稳定性的影响，合理规划电动汽车充电站位置。
为实现上述目的，本发明提供了一种基于改善动态用户均衡的电动汽车充电站选址规划方法，在求解交通流时考虑电动汽车车主出行时产生的碳排放成本，包括步骤：
S1、采用DBSCAN以及Wasserstein距离通过历史数据生成代表性场景以处理不确定性因素；
S2、针对S1生成的场景，采用考虑车主碳排放成本的IDUE模型求出交通流；
S3、针对S2中求得的交通流，构建考虑出行时间成本、充电时间成本、碳排放成本、建设成本、出行失败成本以及运行成本的综合成本函数数学模型，得到每个场景的规划方案；
S4、针对S3中的规划方案，采用最大最小准则评估出最终的最具稳健性的电动汽车充电站建设规划方案。
优选的，所述步骤S1具体为：采用DBSCAN对历史数据进行聚类，精确地将相似的数据点分组到不同的簇中，再求出每个簇中与其他点的Wasserstein距离最小的数据点对应的场景即为这个簇的代表性场景，以此生成的代表性场景有效地处理了处理充电站规划过程中的多种不确定性因素。
优选的，所述步骤S2进一步包括：
S21、将交通网中的充电站视作一个过渡模块；
S22、筛选电动汽车的可行路径；
S23、计算碳排放强度；
S24、求解IDUE模型。
优选的，所述步骤S21具体为：将交通网中的充电站视作一个过渡模块，该模块由两个路段组成，分别为代表电动汽车充电行为的充电路段与车主直接经过充电站的虚拟路段，因此可以把交通网中所有路段分成普通路段AN，充电路段AC以及虚拟路段AD；
车主在普通路段AN上的道路行驶时间函数为：
其中表示路段a的自由行驶时间；ca表示路段a的道路容量；da(t)表示t时刻路段a上的车流量；
车主在充电路段AC上的充电时间函数利用排队论通过Davidson函数表示为：
其中，为t时刻路段a上充电站中电动汽车的平均时间；/>与/>代表向下以及向上取整；/>为路段a上充电站的容量；J为控制函数上升速度的曲线参数；
车主在虚拟路段AD上的行驶时间为0，即车主直接路过充电站：
ta(da(t))＝0,a∈AD。
优选的，所述步骤S22具体为：考虑电动汽车的续航里程，筛选出电动汽车的可行路径并得到电动汽车在可行路径上的所有充电站是否充电的信息；对于每条只考虑道路相通的潜在可行路径进行执行以下步骤：
S221、如果电动汽车在此条路径上不需要充电即可到达终点，则此条路径是电动汽车的可行路径并且电动汽车在此条可行路径上不需要充电，否则执行步骤S22；
S222、将此条可行路径上的充电站按照离起点的距离由近到远编号1、2、3…；
S223、计算以当前电量能到达的离起点最远的充电站位置，记作Fo，如果当前电量无能到达的充电站，则此条路径不是电动汽车的可行路径。在第一次执行时，当前位置即为起点；
S224、计算满电情况下能到达终点的离终点最远的充电站位置，记作Fd，如果满电情况下无能到达终点的充电站，则此条路径不是电动汽车的可行路径；
S225、如果Fo>Fd，则此条路径是电动汽车的可行路径，且电动汽车会在第Fo个充电站充电；否则，电动汽车会在第Fo个充电站充电，电量充满，转到步骤S223。
优选的，所述步骤S23具体为：采用将碳排放流看作是一种伴随电力系统传输的虚拟流的碳排放模型；碳排放强度是该模型的一个重要指标，它代表单位有功功率所包含的碳排放量；在电力网络中，碳排放强度表示为：
其中，为t时刻节点j的碳排放强度；/>以及/>为向节点j注入功率的采用煤供能装置、风力发电机装置以及配电网支路的集合；/>以及/>为采用煤供能装置h以及风力发电机装置y的输出功率；ζh和/>为采用煤供能装置以及支路的碳排放强度；pfl t为配电网中支路l的潮流。
优选的，所述步骤S24具体为：由S1中生成的场景通过求解IDUE模型获得交通网中的交通流，考虑了车主碳排放成本的IDUE模型的目标函数为：
其中Ctra和Ccarb为出行时间成本与碳排放成本的系数；FIDUE表示车主的出行成本；fload表示车主的道路行驶时间成本；fchar表示车主的充电时间成本；fcarb表示车主的碳排放成本；为t时刻在路段a上的充电站的平均充电功率；/>是判断节点j是否与路段a上的充电站相连的二进制决策变量，若节点j与路段a上的充电站相连，则/>否则，
IDUE模型的约束条件如下：
(1)在t时刻起点和终点对r-s分配给所有可行路径的车辆数为r-s的交通需求量与以其他节点为起点以s为终点但是在到达s前停在了r的车辆数之和:
其中r和s代表车主的起点与终点；表示分配给起点和终点对r-s第k条路径上的车辆数；/>以及/>表示在t时刻路段a上以s为终点的电动汽车与燃油汽车的交通外流量；λ表示电动汽车占总车数的比率；Wrs表示燃油机车的可行路径，燃油汽车的可行路径只需要考虑路段的相连；/>表示电动汽车出行的可行路径集合，由步骤S22获得；Aex(r)表示以顶点r为出口的路段集合；
(2)路段与路径车流量之间的关系：
其中xa(t)表示t时刻分配给路段a的所有车流量；R和S表示起点与终点的集合；表示起点和终点对r-s中路径与路段关系的二进制决策变量；/>说明起始与终止对r-s的第k条路径包含路段a，反之，/>
(3)交通流在t时刻与(t-1)时刻的耦合关系：
da(t)＝da(t-1)+xa(t)-Ea(t)；
其中Ea(t)表示在t时刻路段a上的交通外流量。
优选的，所述步骤S3进一步包括：
S31、计算电动汽车充电站的运营成本；
S32、计算出行失败成本；
S33、计算电动汽车充电站的建设成本。
优选的，所述步骤S31具体为：计算电动汽车充电站的运营成本，计算公式如下：
foper＝fvd+fpl；
其中fvd表示电压偏移成本，fpl表示网损成本，进一步的成本计算公式如下：
其中cvd和cpl表示电压偏移成本跟网损成本的系数；DN表示配电网的节点集合，DA表示配电网馈线的集合；表示配电网中t时刻节点j的电压，/>表示配网中节点j的额定电压；Gij表示节点导纳矩阵的实部；/>表示在时刻t馈线ij的相角偏差。
优选的，所述步骤S32具体为：计算出行失败成本，计算公式如下：
其中cfail表示失败成本系数；γrs表示起点和终点对r-s中电动汽车出行能否成功出行的二进制决策变量；若为空集，即对于以r为起点s为终点的电动汽车没有可行路径，则有γrs＝0；反之，γrs＝1。
优选的，所述步骤S33具体为：计算电动汽车充电站的建设成本，计算公式如下：
其中Ω FCS表示候选充电站的集合；ηq表示第q个充电站的二进制决策变量，ηq＝1表示建设第q个充电站，反之ηq＝0；表示建设第q个充电站的资金成本，zq表示第q个充电站的容量；/>表示第q个充电站的与选址位置相关的成本；/>表示第q个充电站与充电站规模无关的固定成本。
优选的，所述步骤S4具体为：将S3得到的各个场景下的规划方案各自在其他场景下求出各个规划方案在其他场景中的成本，再将每个规划方案在所有场景下的最大成本取出对比，最大成本最小的规划方案即为最佳规划方案。
因此，本发明采用上述一种基于改善动态用户均衡的电动汽车充电站选址规划方法，可减少车主的出行时间，减少碳排放量，减轻充电站对电力系统稳定性的影响，合理规划电动汽车充电站位置。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1是本发明一种基于改善动态用户均衡的电动汽车充电站选址规划方法实施的一种生成代表性场景方法的流程示意图；
图2是本发明一种基于改善动态用户均衡的电动汽车充电站选址规划方法实施的一种电动汽车充电站规划方法的流程示意图；
图3是本发明一种基于改善动态用户均衡的电动汽车充电站选址规划方法实施的一种电动汽车充电站规划方法的整体具体示意图。
具体实施方式
以下通过附图和实施例对本发明的技术方案作进一步说明。
除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如图1-3所示，一种基于改善动态用户均衡的电动汽车充电站选址规划方法，包括步骤：
步骤S1为采用DBSCAN以及Wasserstein距离通过历史数据生成代表性场景以处理不确定性因素。步骤S1具体为：
S11、采用DBSCAN将交通需求量、风力发电机功率以及基本电力负荷的历史数据进行聚类，具体步骤如下：
S111、获取交通需求量、风力发电机功率以及基本电力负荷的历史数据点集，设置半径ε以及密度阈值MinPts。
S112、对于每个数据点，如果该数据点以ε为半径的区域内的所有数据点个数大于等于MinPts，则该数据点为核心点，且核心点半径ε以内的非核心点为边界点。
S113、选择一个还未聚类的核心点加入一个新簇，将与该核心点连通的所有核心点以及所有核心点半径ε以内的边界点加入新簇中。
S114、重复步骤S113直至所有的核心点聚类完成。
S12、在S11中生成的聚类结果中，在每类中取与其他场景的历史数据之间Wasserstein距离最小的场景为最具代表性的场景。
步骤S2为针对S1生成的场景，采用考虑车主碳排放成本的IDUE模型求出交通流。步骤S2进一步包括：
步骤S21具体为：将交通网中的充电站视作一个过渡模块，该模块由两个路段组成，分别为代表电动汽车充电行为的充电路段与车主直接经过充电站的虚拟路段。因此可以把交通网中所有路段分成普通路段AN，充电路段AC以及虚拟路段AD；
车主在普通路段AN上的道路行驶时间函数为：
其中表示路段a的自由行驶时间；ca表示路段a的道路容量；da(t)表示t时刻路段a上的车流量；
车主在充电路段AC上的充电时间函数利用排队论通过Davidson函数表示为：
其中，为t时刻路段a上充电站中电动汽车的平均时间；/>与/>代表向下以及向上取整；/>为路段a上充电站的容量；J为控制函数上升速度的曲线参数；
车主在虚拟路段AD上的行驶时间为0，即车主直接路过充电站：
ta(da(t))＝0,a∈AD。
步骤S22具体为：考虑电动汽车的续航里程，筛选出电动汽车的可行路径并得到电动汽车在可行路径上的所有充电站是否充电的信息；对于每条只考虑道路相通的潜在可行路径进行执行以下步骤：
S221、如果电动汽车在此条路径上不需要充电即可到达终点，则此条路径是电动汽车的可行路径并且电动汽车在此条可行路径上不需要充电，否则执行步骤S22；
S222、将此条可行路径上的充电站按照离起点的距离由近到远编号1、2、3…；
S223、计算以当前电量能到达的离起点最远的充电站位置，记作Fo，如果当前电量无能到达的充电站，则此条路径不是电动汽车的可行路径。在第一次执行时，当前位置即为起点；
S224、计算满电情况下能到达终点的离终点最远的充电站位置，记作Fd，如果满电情况下无能到达终点的充电站，则此条路径不是电动汽车的可行路径；
S225、如果Fo>Fd，则此条路径是电动汽车的可行路径，且电动汽车会在第Fo个充电站充电；否则，电动汽车会在第Fo个充电站充电，电量充满，转到步骤S223。
步骤S23具体为：采用将碳排放流看作是一种伴随电力系统传输的虚拟流的碳排放模型；碳排放强度是该模型的一个重要指标，它代表单位有功功率所包含的碳排放量；在电力网络中，碳排放强度表示为：
其中，为t时刻节点j的碳排放强度；/>以及/>为向节点j注入功率的采用煤供能装置、风力发电机装置以及配电网支路的集合；/>以及/>为采用煤供能装置h以及风力发电机装置y的输出功率；ζh和/>为采用煤供能装置以及支路的碳排放强度；pfl t为配电网中支路l的潮流。
步骤S24具体为：由S1中生成的场景通过求解IDUE模型获得交通网中的交通流，考虑了车主碳排放成本的IDUE模型的目标函数为：
其中Ctra和Ccarb为出行时间成本与碳排放成本的系数；FIDUE表示车主的出行成本；fload表示车主的道路行驶时间成本；fchar表示车主的充电时间成本；fcarb表示车主的碳排放成本；为t时刻在路段a上的充电站的平均充电功率；/>是判断节点j是否与路段a上的充电站相连的二进制决策变量，若节点j与路段a上的充电站相连，则/>否则，
IDUE模型的约束条件如下：
(1)在t时刻起点和终点对r-s分配给所有可行路径的车辆数为r-s的交通需求量与以其他节点为起点以s为终点但是在到达s前停在了r的车辆数之和:
其中r和s代表车主的起点与终点；表示分配给起点和终点对r-s第k条路径上的车辆数；/>以及/>表示在t时刻路段a上以s为终点的电动汽车与燃油汽车的交通外流量；λ表示电动汽车占总车数的比率；Wrs表示燃油机车的可行路径，燃油汽车的可行路径只需要考虑路段的相连；/>表示电动汽车出行的可行路径集合，由步骤S22获得；Aex(r)表示以顶点r为出口的路段集合；
(2)路段与路径车流量之间的关系：
其中xa(t)表示t时刻分配给路段a的所有车流量；R和S表示起点与终点的集合；表示起点和终点对r-s中路径与路段关系的二进制决策变量；/>说明起始与终止对r-s的第k条路径包含路段a，反之，/>
(3)交通流在t时刻与(t-1)时刻的耦合关系：
da(t)＝da(t-1)+xa(t)-Ea(t)；
其中Ea(t)表示在t时刻路段a上的交通外流量。
步骤S3为针对S2中求得的交通流，构建考虑出行时间成本、充电时间成本、碳排放成本、建设成本、出行失败成本以及运行成本的综合成本函数数学模型，得到每个场景的规划方案。步骤S3进一步包括：
步骤S31具体为：计算电动汽车充电站的运营成本，计算公式如下：
foper＝fvd+fpl；
其中fvd表示电压偏移成本，fpl表示网损成本，进一步的成本计算公式如下：
其中cvd和cpl表示电压偏移成本跟网损成本的系数；DN表示配电网的节点集合，DA表示配电网馈线的集合；表示配电网中t时刻节点j的电压，/>表示配网中节点j的额定电压；Gij表示节点导纳矩阵的实部；/>表示在时刻t馈线ij的相角偏差。
步骤S32具体为：计算出行失败成本，计算公式如下：
其中cfail表示失败成本系数；γrs表示起点和终点对r-s中电动汽车出行能否成功出行的二进制决策变量；若为空集，即对于以r为起点s为终点的电动汽车没有可行路径，则有γrs＝0；反之，γrs＝1。
步骤S33具体为：计算电动汽车充电站的建设成本，计算公式如下：
其中Ω FCS表示候选充电站的集合；ηq表示第q个充电站的二进制决策变量，ηq＝1表示建设第q个充电站，反之ηq＝0；表示建设第q个充电站的资金成本，zq表示第q个充电站的容量；/>表示第q个充电站的与选址位置相关的成本；/>表示第q个充电站与充电站规模无关的固定成本。
步骤S34为计算综合成本，得到每个场景的规划方案：
minF＝FIDUE+foper+ffail+fcon。
步骤S4具体为：将S3得到的各个场景下的规划方案各自在其他场景下求出各个规划方案在其他场景中的成本，再将每个规划方案在所有场景下的最大成本取出对比，最大成本最小的规划方案即为最佳规划方案。
从上述描述可知，该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稳健性，抵御不确定性风险的能力最强。
请参照图1至图3，本发明的实施例一为：
一种生成代表性场景方法，包括步骤：
S1、获取历史数据点集，设置半径ε以及密度阈值MinPts；
S2、对于每个数据点，如果该数据点以ε为半径的区域内的所有数据点个数大于等于MinPts，则该数据点为核心点，且核心点半径ε以内的非核心点为边界点；
S3、选择一个还未聚类的核心点加入一个新簇，将与该核心点连通的所有核心点以及所有核心点半径ε以内的边界点加入新簇中；
S4、重复步骤S3直至所有的核心点聚类完成；
S5、在S3中生成的聚类结果中，在每类中取与其他场景的历史数据之间Wasserstein距离最小的场景为最具代表性的场景。
在本实施例中，为了处理充电站规划过程中的多种不确定性因素，先采用DBSCAN对历史数据进行聚类，精确地将相似的数据点分组到不同的簇中，再求出每个簇中与其他点的Wasserstein距离最小的数据点对应的场景即为这个簇的代表性场景。
请参照图1至图3，本发明的实施例二为：
一种基于改善动态用户均衡的电动汽车充电站选址规划方法，包括步骤：
S1、采用DBSCAN以及Wasserstein距离通过历史数据生成代表性场景以处理不确定性因素；
S2、针对S1生成的场景，采用考虑车主碳排放成本的IDUE模型求出交通流；
S3、针对S2中求得的交通流，构建考虑出行时间成本、充电时间成本、碳排放成本、建设成本、出行失败成本以及运行成本的综合从成本函数数学模型，得到每个场景的规划方案；
S4、针对S3中的规划方案，采用最大最小准则评估出最终的最具稳健性的电动汽车充电站建设规划方案。
综上所述，本发明提出一种基于改善动态用户均衡的电动汽车充电站选址规划方法。首先是采用DBSCAN以及Wasserstein距离通过交通需求量、风力发电机功率以及基本电力负荷的历史数据生成代表性场景。其次，求解考虑车主碳排放成本的IDUE模型得到交通流。
接着，计算出包含道路行驶时间成本、充电时间成本、碳排放成本、建设成本、出行失败成本以及运行成本的综合成本，求得各个场景的规划方案。最后，采用最大最小准则，先是求出每个规划方案在其他场景下的成本，再将每个规划方案在所有场景下的最大成本进行对比，最大成本最小的方案即为最佳规划方案，保证了方案大的稳健性，使得规划更加具有通用性和指导意义。
因此，本发明采用上述一种基于改善动态用户均衡的电动汽车充电站选址规划方法，可减少车主的出行时间，减少碳排放量，减轻充电站对电力系统稳定性的影响，合理规划电动汽车充电站位置。
最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。

Claims (7)

1.一种基于改善动态用户均衡的电动汽车充电站选址规划方法，其特征在于：在求解交通流时考虑电动汽车车主出行时产生的碳排放成本，包括步骤：
S1、采用DBSCAN以及Wasserstein距离通过交通需求量、风力发电机功率以及基本电力负荷的历史数据生成代表性场景以处理不确定性因素；
S2、针对S1生成的场景，采用考虑车主碳排放成本的IDUE模型求出交通流；
S3、针对S2中求得的交通流，构建考虑出行时间成本、充电时间成本、碳排放成本、建设成本、出行失败成本以及运行成本的综合成本函数数学模型，得到每个场景的规划方案；
S4、针对S3中的规划方案，采用最大最小准则评估出最终的最具稳健性的电动汽车充电站建设规划方案；
所述步骤S1具体为：采用DBSCAN对历史数据进行聚类，精确地将相似的数据点分组到不同的簇中，再求出每个簇中与其他点的Wasserstein距离最小的数据点对应的场景即为这个簇的代表性场景，以此生成的代表性场景有效地处理了处理充电站规划过程中的多种不确定性因素；
所述步骤S2具体为：
S21、将交通网中的充电站视作一个过渡模块，该模块由两个路段组成，分别代表电动汽车充电行为的充电路段与车主直接经过充电站的虚拟路段；
S22、筛选电动汽车的可行路径；
S23、计算碳排放强度；
S24、求解IDUE模型；
所述步骤S24具体为：由S1中生成的场景通过求解IDUE模型获得交通网中的交通流，考虑了车主碳排放成本的IDUE模型的目标函数为：
其中Ctra和Ccarb为出行时间成本与碳排放成本的系数；FIDUE表示车主的出行成本；fload表示车主的道路行驶时间成本；fchar表示车主的充电时间成本；fcarb表示车主的碳排放成本；为t时刻在路段a上的充电站的平均充电功率；/>是判断节点j是否与路段a上的充电站相连的二进制决策变量，若节点j与路段a上的充电站相连，则/>否则，/>da(t)表示t时刻路段a上的车流量；/>为t时刻节点j的碳排放强度；
IDUE模型的约束条件如下：
(1)在t时刻起点和终点对r-s分配给所有可行路径的车辆数为r-s的交通需求量与以其他节点为起点以s为终点但是在到达s前停在了r的车辆数之和：
其中r和s代表车主的起点与终点；表示分配给起点和终点对r-s第k条路径上的车辆数；/>以及/>表示在t时刻路段a上以s为终点的电动汽车与燃油汽车的交通外流量；λ表示电动汽车占总车数的比率；Wrs表示燃油机车的可行路径，燃油汽车的可行路径只需要考虑路段的相连；/>表示电动汽车出行的可行路径集合，由步骤S22获得；Aex(r)表示以顶点r为出口的路段集合；
(2)路段与路径车流量之间的关系：
其中xa(t)表示t时刻分配给路段a的所有车流量；R和S表示起点与终点的集合；表示起点和终点对r-s中路径与路段关系的二进制决策变量；/>说明起始与终止对r-s的第k条路径包含路段a，反之，/>
(3)交通流在t时刻与(t-1)时刻的耦合关系：
da(t)＝da(t-1)+xa(t)-Ea(t)；
其中Ea(t)表示在t时刻路段a上的交通外流量；
所述步骤S3具体为：
S31、计算电动汽车充电站的运营成本；
S32、计算出行失败成本；
S33、计算电动汽车充电站的建设成本；
S34、计算综合成本，得到每个场景的规划方案；
所述步骤S4具体为：将S3得到的各个场景下的规划方案各自在其他场景下求出各个规划方案在其他场景中的成本，再将每个规划方案在所有场景下的最大成本取出对比，最大成本最小的规划方案即为最佳规划方案。
2.根据权利要求1所述的一种基于改善动态用户均衡的电动汽车充电站选址规划方法，其特征在于：
所述步骤S21具体为：将交通网中所有路段分成普通路段AN，充电路段AC以及虚拟路段AD；
车主在普通路段AN上的道路行驶时间函数为：
其中表示路段a的自由行驶时间；ca表示路段a的道路容量；
车主在充电路段AC上的充电时间函数利用排队论通过Davidson函数表示为：
其中，为t时刻路段a上充电站中电动汽车的平均时间；/>与/>代表向下以及向上取整；/>为路段a上充电站的容量；J为控制函数上升速度的曲线参数；
车主在虚拟路段AD上的行驶时间为0，即车主直接路过充电站：
ta(da(t))＝0,a∈AD。
3.根据权利要求1所述的一种基于改善动态用户均衡的电动汽车充电站选址规划方法，其特征在于：
所述步骤S22具体为：考虑电动汽车的续航里程，筛选出电动汽车的可行路径并得到电动汽车在可行路径上的所有充电站是否充电的信息；对于每条只考虑道路相通的潜在可行路径进行执行以下步骤：
S221、如果电动汽车在此条路径上不需要充电即可到达终点，则此条路径是电动汽车的可行路径并且电动汽车在此条可行路径上不需要充电，否则执行步骤S22；
S222、将此条可行路径上的充电站按照离起点的距离由近到远编号1、2、3…；
S223、计算以当前电量能到达的离起点最远的充电站位置，记作Fo，如果当前电量无能到达的充电站，则此条路径不是电动汽车的可行路径，在第一次执行时，当前位置即为起点；
S224、计算满电情况下能到达终点的离终点最远的充电站位置，记作Fd，如果满电情况下无能到达终点的充电站，则此条路径不是电动汽车的可行路径；
S225、如果Fo>Fd，则此条路径是电动汽车的可行路径，且电动汽车会在第Fo个充电站充电；否则，电动汽车会在第Fo个充电站充电，电量充满，转到步骤S223。
4.根据权利要求1所述的一种基于改善动态用户均衡的电动汽车充电站选址规划方法，其特征在于：
所述步骤S23具体为：采用将碳排放流看作是一种伴随电力系统传输的虚拟流的碳排放模型；碳排放强度是该模型的一个重要指标，它代表单位有功功率所包含的碳排放量，在电力网络中，碳排放强度表示为：
其中，以及/>为向节点j注入功率的采用煤供能装置、风力发电机装置以及配电网支路的集合；/>以及/>为采用煤供能装置h以及风力发电机装置y的输出功率；ζh和/>为采用煤供能装置以及支路的碳排放强度；pfl t为配电网中支路l的潮流。
5.根据权利要求1所述的一种基于改善动态用户均衡的电动汽车充电站选址规划方法，其特征在于：
所述步骤S31具体为：计算电动汽车充电站的运营成本，计算公式如下：
其中fvd表示电压偏移成本，fpl表示网损成本，进一步的成本计算公式如下：
其中cvd和cpl表示电压偏移成本跟网损成本的系数；DN表示配电网的节点集合，DA表示配电网馈线的集合；表示配电网中t时刻节点j的电压，/>表示配网中节点j的额定电压；Gij表示节点导纳矩阵的实部；/>表示在时刻t馈线ij的相角偏差。
6.根据权利要求1所述的一种基于改善动态用户均衡的电动汽车充电站选址规划方法，其特征在于：
所述步骤S32具体为：计算出行失败成本，计算公式如下：
其中cfail表示失败成本系数；γrs表示起点和终点对r-s中电动汽车出行能否成功出行的二进制决策变量；若为空集，即对于以r为起点s为终点的电动汽车没有可行路径，则有γrs＝0；反之，γrs＝1。
7.根据权利要求1所述的一种基于改善动态用户均衡的电动汽车充电站选址规划方法，其特征在于：
所述步骤S33具体为：计算电动汽车充电站的建设成本，计算公式如下：
其中Ω FCS表示候选充电站的集合；ηq表示第q个充电站的二进制决策变量，ηq＝1表示建设第q个充电站，反之ηq＝0；表示建设第q个充电站的资金成本，zq表示第q个充电站的容量；/>表示第q个充电站的与选址位置相关的成本；/>表示第q个充电站与充电站规模无关的固定成本。
CN202310123726.3A 2023-02-16 2023-02-16 基于改善动态用户均衡的电动汽车充电站选址规划方法 Active CN116307524B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310123726.3A CN116307524B (zh) 2023-02-16 2023-02-16 基于改善动态用户均衡的电动汽车充电站选址规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310123726.3A CN116307524B (zh) 2023-02-16 2023-02-16 基于改善动态用户均衡的电动汽车充电站选址规划方法

Publications (2)

Publication Number Publication Date
CN116307524A CN116307524A (zh) 2023-06-23
CN116307524B true CN116307524B (zh) 2024-03-19

Family

ID=86777112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310123726.3A Active CN116307524B (zh) 2023-02-16 2023-02-16 基于改善动态用户均衡的电动汽车充电站选址规划方法

Country Status (1)

Country Link
CN (1) CN116307524B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034465A (zh) * 2018-07-16 2018-12-18 河海大学 考虑充电站选址与出行路径耦合的充电站两层规划方法
CN111667202A (zh) * 2020-07-16 2020-09-15 云南电网有限责任公司 一种电动汽车充电站的选址方法及装置
CN112053053A (zh) * 2020-08-31 2020-12-08 深圳供电局有限公司 一种电动汽车充电站选址方法
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN113255135A (zh) * 2021-05-28 2021-08-13 西安交通大学 一种基于交通均衡的电动汽车快速充电负荷模拟方法
CN114611056A (zh) * 2022-02-18 2022-06-10 哈尔滨工业大学（深圳） 一种电动汽车充电站选址方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034465A (zh) * 2018-07-16 2018-12-18 河海大学 考虑充电站选址与出行路径耦合的充电站两层规划方法
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN111667202A (zh) * 2020-07-16 2020-09-15 云南电网有限责任公司 一种电动汽车充电站的选址方法及装置
CN112053053A (zh) * 2020-08-31 2020-12-08 深圳供电局有限公司 一种电动汽车充电站选址方法
CN113255135A (zh) * 2021-05-28 2021-08-13 西安交通大学 一种基于交通均衡的电动汽车快速充电负荷模拟方法
CN114611056A (zh) * 2022-02-18 2022-06-10 哈尔滨工业大学（深圳） 一种电动汽车充电站选址方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Carbon-Oriented Expansion Planning of Integrated Electricity-Natural Gas Systems With EV Fast-Charging Stations;Ting Wu 等;IEEE TRANSACTIONS ON TRANSPORTATION ELECTRIFICATION;第8卷(第2期);全文 *
考虑交通网络流量的电动汽车充电站规划;王辉 等;电力系统自动化;第37卷(第13期);全文 *

Also Published As

Publication number Publication date
CN116307524A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN112751350B (zh) 一种移动储能时空联合优化调度策略的制定方法
CN106951978B (zh) 一种基于改进K-means算法的城市集中型充电站规划方法
Kumar et al. V2G capacity estimation using dynamic EV scheduling
CN108470239A (zh) 计及需求侧管理和储能的主动配电网多目标分层规划方法
CN110189025B (zh) 考虑不同负荷增长的电动汽车充电站规划方案获取方法
CN112467722A (zh) 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
CN111310966A (zh) 含电动汽车充电站的微电网选址及优化配置方法
CN109636008B (zh) 一种电动公交快充站服务费定价获取方法
Mejia et al. Multistage planning model for active distribution systems and electric vehicle charging stations considering voltage-dependent load behavior
CN108269008B (zh) 考虑用户满意度和配网可靠性的充电设施优化规划方法
CN112183882B (zh) 一种基于电动汽车快充需求的智慧充电站充电优化方法
CN115115268B (zh) 基于路电耦合与低碳约束的电动汽车充电桩容量规划方法
CN110705864B (zh) 一种充电站选址定容方法
CN113222241B (zh) 考虑充电服务引导与客户需求的出租车快充电站规划方法
CN115239032B (zh) 计及能源自洽率的高速公路服务区微电网规划方法及系统
Zhang et al. Multi-objective planning of charging stations considering vehicle arrival hot map
CN116402307A (zh) 考虑可调度柔性资源运行特性的电网规划容量分析方法
Wu et al. Low-carbon charging facilities planning for electric vehicles based on a novel travel route choice model
CN110633847A (zh) 一种基于模块分割式电池换电站的充电策略控制方法
CN116307524B (zh) 基于改善动态用户均衡的电动汽车充电站选址规划方法
CN115395521B (zh) 一种可再生能源、储能和充电桩协同规划方法及系统
CN116111620A (zh) 基于电动公交车的移动储能资源与配电网联合优化方法
CN109740974A (zh) 行驶模式下电动汽车充馈电匹配方法
Ruifeng et al. Multi-objective EV charging stations planning based on a two-layer coding SPEA-II
CN114329783A (zh) 一种多目标电动汽车充电网络规划方法

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
GR01 Patent grant
GR01 Patent grant