CN116822685A - 一种充电站多目标选址方法及系统 - Google Patents
一种充电站多目标选址方法及系统 Download PDFInfo
- Publication number
- CN116822685A CN116822685A CN202310160556.6A CN202310160556A CN116822685A CN 116822685 A CN116822685 A CN 116822685A CN 202310160556 A CN202310160556 A CN 202310160556A CN 116822685 A CN116822685 A CN 116822685A
- Authority
- CN
- China
- Prior art keywords
- charging
- charging station
- target
- candidate
- station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010187 selection method Methods 0.000 title claims abstract description 11
- 238000010276 construction Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000011161 development Methods 0.000 claims abstract description 6
- 238000004088 simulation Methods 0.000 claims abstract description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明属于充电站技术领域，具体涉及一种充电站多目标选址方法及系统。方法包括步骤：预测目标地区的电动汽车充电需求；初步确定充电站的候选位置；结合目标地区的电动汽车充电需求和充电站的候选位置建立多目标充电站选址模型，对多目标充电站选址模型实施仿真，获取充电桩各候选点位置。系统包括充电需求预测模块、充电站候选位置选择模块、充电站选址模块。本发明基于用户电动汽车发展规模、出行分布等因素，构建充电站规划社会总成本最优模型，能够提升电动汽车充电桩规划水平，降低充电桩规划选址的综合成本，在满足用户充电需求的情况下，减少用户的等待时间与充电站的建设投资费用。系统计算方便，可以快速提升电动汽车充电桩规划速度。
Description
技术领域
本发明属于充电站技术领域，具体涉及一种充电站多目标选址方法及系统。
背景技术
充电站建设不仅受到地质条件、气候条件等自然因素的影响，更受到资金、路网规划、电网规划、电动汽车消费量、电池技术等社会因素限制。目前我国正处于充电站建设的初级阶段，由于资金、技术等多方面的约束，电动汽车充电站宜采取分期分批动态建设过程，充电站建设进程应与电动汽车普及程度相适应。已有研究成果主要构建单一目标、静态的选址模型，大多数成果暗含着资金充足、用地充足、该地区没有已建成的充电设施等假设，这显然不符合当今我国充电站建设的实际情况。我国已建成了一定规模的电动汽车充电站，在接下来的充电站建设过程中要将已建成的充电站作为一个约束条件进行考虑，同时要全面考虑充电站面临的用地条件、安全规范等因素。
发明内容
针对当前已建成的充电站对后续充电站的选址有约束的技术问题，本发明提供了一种充电站多目标选址方法及系统，具体技术方案如下：
一种充电站多目标选址方法，包括以下步骤：
步骤S1，预测目标地区的电动汽车充电需求；
步骤S2，初步确定充电站的候选位置；
步骤S3，结合目标地区的电动汽车充电需求和充电站的候选位置建立多目标充电站选址模型，运用排队理论，对多目标充电站选址模型实施仿真，获取充电桩各候选点位置。
优选地，所述步骤S1具体包括：根据目标地区的出行规律，划分交通区位，预测各交通区位内的电动汽车发展规模、出行分布，从而预测各交通区位内的电动汽车充电需求，进而得到目标地区的电动汽车充电需求；所述目标地区的电动汽车充电需求为各交通区位内的电动汽车充电需求之和。
优选地，所述步骤S2包括：根据目标地区区域内路网规划、电网规划、用地规划、充电需求、服务半径初步确定充电站的候选位置。
优选地，所述步骤S3中的多目标充电站选址模型具体包括第一目标函数、第二目标函数和第三目标函数；所述第一目标函数的目标为所有用户到充电站的距离最小；所述第二目标函数的目标为所有用户的排队等待时间最小；所述第三目标函数的目标为充电站建设成本最小。
优选地，所述第一目标函数具体为：
minZ1＝Σi∈IΣj∈Jhidijxijyj； (1)
式中，Z1表示所有用户到充电站的距离；hi表示需求点i处的有充电需求的用户数量；dij表示需求点i到充电桩候选点j的距离；xij表示充电桩电动汽车到达率的泊松分布概率；yj表示充电时间的负指数分布概率；I为需求点总数；J为充电桩候选点总数。
优选地，所述第二目标函数具体为：
minZ2＝Σi∈IΣj∈JhidijxijyjTjm； (3)
式中，Z2为所有用户的排队等待时间；hi表示需求点i处的有充电需求的用户数量；dij表示需求点i到充电桩候选点j的距离；xij表示充电桩电动汽车到达率的泊松分布概率；yj表示充电时间的负指数分布概率；I为需求点总数；J为充电桩候选点总数；Tjm为在充电桩j中m个用户的排队等待时间总和。
优选地，所述第三目标函数具体为：
式中，X3表示充电站建设成本，Sj为充电桩候选点j处充电桩数量；f(Sj)为在选点j建设Sj个充电桩时的建站成本函数；m为充电桩折旧年限，ro为贴现率。
优选地，所述建站成本函数f(Sj)为：
式中，Sj为充电桩候选点j处充电桩数量。
一种充电站多目标选址系统，包括充电需求预测模块、充电站候选位置选择模块、充电站选址模块；所述充电需求预测模块、充电站候选位置选择模块分别与充电站选址模块连接，所述充电需求预测模块用于预测目标地区的电动汽车充电需求并将预测结果输入充电站选址模块，所述充电站候选位置选择模块用于初步确定充电站的候选位置，并将确定的位置信息输入充电站选址模块，所述充电站选址模块用于建立多个目标函数并应用所述的选址方法获取充电桩各候选点位置。
本发明的有益效果为：本发明提供了一种充电站多目标选址方法，基于用户电动汽车发展规模、出行分布等因素，构建充电站规划社会总成本最优模型，本发明能够提升电动汽车充电桩规划水平，降低充电桩规划选址的综合成本，在满足用户充电需求的情况下，减少用户的等待时间与充电站的建设投资费用。
本发明的系统计算方便，可以快速提升电动汽车充电桩规划速度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如图1所示，本发明的具体实施方式提供了一种充电站多目标选址方法，包括以下步骤：
步骤S1，预测目标地区的电动汽车充电需求；具体包括：根据目标地区的出行规律，划分交通区位，预测各交通区位内的电动汽车发展规模、出行分布，从而预测各交通区位内的电动汽车充电需求，进而得到目标地区的电动汽车充电需求；所述目标地区的电动汽车充电需求为各交通区位内的电动汽车充电需求之和。
步骤S2，初步确定充电站的候选位置；包括：根据目标地区区域内路网规划、电网规划、用地规划、充电需求、服务半径初步确定充电站的候选位置。步骤S3，结合目标地区的电动汽车充电需求和充电站的候选位置建立多目标充电站选址模型，运用排队理论，对多目标充电站选址模型实施仿真，获取充电桩各候选点位置。
多目标充电站选址模型具体包括第一目标函数、第二目标函数和第三目标函数；所述第一目标函数的目标为所有用户到充电站的距离最小；所述第二目标函数的目标为所有用户的排队等待时间最小；所述第三目标函数的目标为充电站建设成本最小。
所述第一目标函数具体为：
minZ1＝Σi∈IΣj∈Jhidijxijyj； (1)
式中，Z1表示所有用户到充电站的距离；hi表示需求点i处的有充电需求的用户数量；dij表示需求点i到充电桩候选点j的距离；xij表示充电桩电动汽车到达率的泊松分布概率；yj表示充电时间的负指数分布概率；I为需求点总数；J为充电桩候选点总数。
所述第二目标函数具体为：
minZ2＝∑i∈I∑j∈JhjdijxijyjTjm； (3)
式中，Z2为所有用户的排队等待时间；hi表示需求点i处的有充电需求的用户数量；dij表示需求点i到充电桩候选点j的距离；xij表示充电桩电动汽车到达率的泊松分布概率；yj表示充电时间的负指数分布概率；I为需求点总数；J为充电桩候选点总数；Tjm为在充电桩j中m个用户的排队等待时间总和。
所述第三目标函数具体为：
式中，Z3表示充电站建设成本，Sj为充电桩候选点j处充电桩数量；f(Sj)为在选点j建设Sj个充电桩时的建站成本函数；m为充电桩折旧年限，ro为贴现率。建站成本函数f(Sj)为：
式中，Sj为充电桩候选点j处充电桩数量。
建立该多目标充电站选址模型有以下假设:
1)目的地点都是所有用户居住的小区域。它的需求是指该地区所有需要充电的电动汽车的数量。
2)每个充电桩用户的到达率按规定进行分配，电动汽车到达充电桩时剩余功率服从正态分布。
3)假设各桩的施工等级基本相同。
4)电动汽车类型与电池使用规格基本相同。
5)路况不影响电动汽车在路面的正常行驶速度，速度恒定。电动汽车在行驶中的耗电量与行驶距离属于线性关系。
6)车主在使用过程中没有特别的偏好和需求。
从多目标充电站选址模型可知，当用户的充电需求点和充电桩的距离保持最小时，用户所需等待的时间也相对最少，在这种情况下，用户所表现出的满意度相对最高。用户的满意度取决于自身在充电上所耗费的时间，而要想缩短充电时间，则需要建设更多的充电桩，而且也需要建设不同充电形式的充电桩。面对不断增多的充电用户，需要根据实际来调整充电柱的规划范围、数量形式，以更好适应不断变化的电动汽车充电环境。
因此本发明用户电动汽车发展规模、出行分布等因素，构建充电站规划社会总成本最优模型，本发明能够提升电动汽车充电桩规划水平，降低充电桩规划选址的综合成本，在满足用户充电需求的情况下，减少用户的等待时间与充电站的建设投资费用。
本发明的具体实施例还提供了一种充电站多目标选址系统，包括充电需求预测模块、充电站候选位置选择模块、充电站选址模块；所述充电需求预测模块、充电站候选位置选择模块分别与充电站选址模块连接，所述充电需求预测模块用于预测目标地区的电动汽车充电需求并将预测结果输入充电站选址模块，所述充电站候选位置选择模块用于初步确定充电站的候选位置，并将确定的位置信息输入充电站选址模块，所述充电站选址模块用于建立多个目标函数并应用所述的选址方法获取充电桩各候选点位置。
采用本发明的系统可以快速提升电动汽车充电桩规划速度。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的实施例中，应该理解到，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元可结合为一个单元，一个单元可拆分为多个单元，或一些特征可以忽略等。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (9)
1.一种充电站多目标选址方法，其特征在于，包括以下步骤：
步骤S1，预测目标地区的电动汽车充电需求；
步骤S2，初步确定充电站的候选位置；
步骤S3，结合目标地区的电动汽车充电需求和充电站的候选位置建立多目标充电站选址模型，运用排队理论，对多目标充电站选址模型实施仿真，获取充电桩各候选点位置。
2.根据权利要求1所述的一种充电站多目标选址方法，其特征在于，所述步骤S1具体包括：根据目标地区的出行规律，划分交通区位，预测各交通区位内的电动汽车发展规模、出行分布，从而预测各交通区位内的电动汽车充电需求，进而得到目标地区的电动汽车充电需求；所述目标地区的电动汽车充电需求为各交通区位内的电动汽车充电需求之和。
3.根据权利要求1所述的一种充电站多目标选址方法，其特征在于，所述步骤S2包括：根据目标地区区域内路网规划、电网规划、用地规划、充电需求、服务半径初步确定充电站的候选位置。
4.根据权利要求1所述的一种充电站多目标选址方法，其特征在于，所述步骤S3中的多目标充电站选址模型具体包括第一目标函数、第二目标函数和第三目标函数；所述第一目标函数的目标为所有用户到充电站的距离最小；所述第二目标函数的目标为所有用户的排队等待时间最小；所述第三目标函数的目标为充电站建设成本最小。
5.根据权利要求4所述的一种充电站多目标选址方法，其特征在于，所述第一目标函数(所有用户到充电站的距离之和最小)具体为：
式中，Z1表示所有用户到充电站的距离；hi表示需求点i处的有充电需求的用户数量；dij表示需求点i到充电桩候选点j的距离；xij表示充电桩电动汽车到达率的泊松分布概率；yj表示充电时间的负指数分布概率；I为需求点总数；J为充电桩候选点总数。
6.根据权利要求4所述的一种充电站多目标选址方法，其特征在于，所述第二目标函数(排队等待时间的最小和)具体为：
式中，Z2为所有用户的排队等待时间；hi表示需求点i处的有充电需求的用户数量；dij表示需求点i到充电桩候选点j的距离；xij表示充电桩电动汽车到达率的泊松分布概率；yj表示充电时间的负指数分布概率；I为需求点总数；J为充电桩候选点总数；Tjm为在充电桩j中m个用户的排队等待时间总和。
7.根据权利要求4所述的一种充电站多目标选址方法，其特征在于，所述第三目标函数(充电站建设成本最小化)具体为：
式中，Z3表示充电站建设成本，Sj为充电桩候选点j处充电桩数量；f(Sj)为在选点j建设Sj个充电桩时的建站成本函数；m为充电桩折旧年限，ro为贴现率。
8.根据权利要求7所述的一种充电站多目标选址方法，其特征在于，所述建站成本函数f(Sj)为：
式中，Sj为充电桩候选点j处充电桩数量。
9.一种充电站多目标选址系统，其特征在于，包括充电需求预测模块、充电站候选位置选择模块、充电站选址模块；所述充电需求预测模块、充电站候选位置选择模块分别与充电站选址模块连接，所述充电需求预测模块用于预测目标地区的电动汽车充电需求并将预测结果输入充电站选址模块，所述充电站候选位置选择模块用于初步确定充电站的候选位置，并将确定的位置信息输入充电站选址模块，所述充电站选址模块用于建立多个目标函数并应用权利要求1-8任一所述的选址方法获取充电桩各候选点位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310160556.6A CN116822685A (zh) | 2023-02-23 | 2023-02-23 | 一种充电站多目标选址方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310160556.6A CN116822685A (zh) | 2023-02-23 | 2023-02-23 | 一种充电站多目标选址方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116822685A true CN116822685A (zh) | 2023-09-29 |
Family
ID=88124718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310160556.6A Pending CN116822685A (zh) | 2023-02-23 | 2023-02-23 | 一种充电站多目标选址方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116822685A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117077985A (zh) * | 2023-10-16 | 2023-11-17 | 浙江优能电力设计有限公司 | 根据充电需求的电动车充电桩规划方法及系统 |
| CN117557069A (zh) * | 2024-01-10 | 2024-02-13 | 长峡数字能源科技(湖北)有限公司 | 一种充电桩选址方法及系统 |
-
2023
- 2023-02-23 CN CN202310160556.6A patent/CN116822685A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117077985A (zh) * | 2023-10-16 | 2023-11-17 | 浙江优能电力设计有限公司 | 根据充电需求的电动车充电桩规划方法及系统 |
| CN117077985B (zh) * | 2023-10-16 | 2024-04-09 | 浙江优能电力设计有限公司 | 根据充电需求的电动车充电桩规划方法及系统 |
| CN117557069A (zh) * | 2024-01-10 | 2024-02-13 | 长峡数字能源科技(湖北)有限公司 | 一种充电桩选址方法及系统 |
| CN117557069B (zh) * | 2024-01-10 | 2024-03-26 | 长峡数字能源科技(湖北)有限公司 | 一种充电桩选址方法及系统、电子设备、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116822685A (zh) | 一种充电站多目标选址方法及系统 | |
| CN110288212B (zh) | 基于改进的mopso的电动出租车新建充电站选址方法 | |
| CN112070355A (zh) | 一种机场摆渡车的分配调度方法 | |
| CN105389975A (zh) | 专车调度方法和装置 | |
| CN110929925A (zh) | 基于环境温度与用户行为的电动汽车充电站规划方法 | |
| CN111523714B (zh) | 一种电力充电站选址布局方法及装置 | |
| CN110189182B (zh) | 一种基于车联网的里程焦虑管理方法 | |
| CN112507506B (zh) | 基于遗传算法的共享汽车定价规划模型的多目标优化方法 | |
| CN110427365A (zh) | 提高合单准确性的地址合并方法及系统 | |
| CN115600855A (zh) | 基于gis的城市规划用地强度分区方法、系统及存储介质 | |
| CN110796317A (zh) | 一种基于需求预测的城市出租车调度方法 | |
| CN115130779A (zh) | 一种基于移动充电桩的智能调度方法 | |
| CN114066503A (zh) | 一种基于构建虚拟服务片区进行出租车需求预测的方法 | |
| CN112116125A (zh) | 一种基于深度强化学习的电动汽车充电导航方法 | |
| CN114691803A (zh) | 污水处理站空间选址分析方法及装置 | |
| CN111222705A (zh) | 一种非线性充电车辆路径优化方法 | |
| CN112949987B (zh) | 基于预测的出租车调度和匹配方法、系统、设备及介质 | |
| Liu et al. | A two-stage approach with a departure time based solution representation for electric bus vehicle scheduling | |
| CN111429166A (zh) | 基于最大轮廓聚类的电动汽车充电需求空间分布预测方法 | |
| CN115099462B (zh) | 一种电动汽车充电站优化布局方法 | |
| CN115810271A (zh) | 一种基于刷卡数据判断客流走廊位置的方法 | |
| CN113689738B (zh) | 一种长航道大型船舶精细化逐段乘潮进港方法 | |
| CN114077972A (zh) | 一种基于深度强化学习的移动充电车服务调度方法 | |
| CN114037480A (zh) | 面向新城市的新能源车充电桩需求预测及部署优化方法 | |
| CN111861040A (zh) | 公交线路的优化调整方法及装置、设备、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 |