CN107025518A - 一种电动汽车充电站规划方法及装置 - Google Patents
一种电动汽车充电站规划方法及装置 Download PDFInfo
- Publication number
- CN107025518A CN107025518A CN201710167682.9A CN201710167682A CN107025518A CN 107025518 A CN107025518 A CN 107025518A CN 201710167682 A CN201710167682 A CN 201710167682A CN 107025518 A CN107025518 A CN 107025518A
- Authority
- CN
- China
- Prior art keywords
- charging station
- formula
- represent
- electric automobile
- path
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000009826 distribution Methods 0.000 claims abstract description 90
- 230000006870 function Effects 0.000 claims description 59
- 238000004088 simulation Methods 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 13
- 230000008901 benefit Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 7
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000001066 destructive effect Effects 0.000 claims description 3
- 230000002045 lasting effect Effects 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 230000007257 malfunction Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种电动汽车充电站规划方法及装置，包括：分别构建电动汽车用户方与充电站投资运营方的目标函数及约束条件；对车流进行模拟，获得电动汽车的行驶路径；确定所述目标函数的最优解。以上综合城市路网和配电网的电动汽车充电站规划，对于能源互联网的构建与综合发展具有十分重要的意义。
Description
技术领域
本发明涉及采暖***领域，具体涉及一种电动汽车充电站规划方法及装置。
背景技术
电动汽车因为在解决资源紧缺问题和环境污染问题中具有不可比拟的优势，得到了社会各界广泛的关注。国家政策导向也日益明显，电动汽车正得到大力推广。但是由于续航里程的限制，电动汽车不能满足长时间、远距离的行驶要求，推广受到了阻力。因此大规模推广电动汽车必须以合理的充电基础设施建设作为前提。
目前，国内外已有众多学者对电动汽车充电站优化规划问题进行了研究，建立了很多典型数学模型，包括***网损和投资成本之和最小、充电站截获的交通流量最大为目标的多目标优化模型。有人结合电动汽车充电设施规划每个阶段的特点提出了充电方式的选择优化模型以及充电设施规划的原则、流程和模型和电动汽车充电站规划中的两阶段模型，第一阶段采用聚类分析法，将区域的路况信息转化为充电需求集群；第二阶段利用优化算法，在考虑一定的约束和资金因素等条件下进行电动汽车充电站的选址工作。在此基础上，考虑充电站运行效益分析和负荷特性预测，以居民负荷的分布情况模拟电动汽车的数量，以投运至目标年最大化充电站运营收益作为目标函数来进行充电站的选址规划，基于排队论的充电设施配置模型，并分析了不同充电设施对电网负荷率的影响。综合电动汽车的运行机制和动力电池的功率变化特性构建了电动汽车充电站的定容模型，确定了在功率工况下的充电机制。除了建立模型之外，有人提出了一种新的辐射状约束，保证可行解对应的规划方案均为辐射状网络，对实际充电站布点优化和相应配电网升级改造具有一定的指导意义；还有学者采用加权Voronoi图法对充电站进行选址定容，并考虑了充电站的社会效益，为充电站的经济性研究提供了重要依据。
电动汽车作为一个交通工具，是城市路网的参与者，城市路网会影响电动汽车能否满足用户的出行需求，即能否顺利到达既定目的地；电动汽车也是一个充放电设施，是配电网的参与者，配电网会受到电动汽车的充放电特性影响。因此，电动汽车充电站的规划需要综合考虑城市路网和配电网。在能源互联网的背景下，综合城市路网和配电网的电动汽车充电站规划，对于能源互联网的构建与综合发展具有十分重要的意义。
发明内容
针对上述需求，本发明提出一种电动汽车充电站规划方法及装置，构造了综合考虑城市路网和配电网可靠性的约束条件及目标函数，采用博弈论确定电动汽车的行驶路径，结合充电站投入产出效益提供充电站规划的优选方案。
本发明的目的是采用下述技术方案实现的：
一种电动汽车充电站规划方法，所述方法包括：
分别构建电动汽车用户方与充电站投资运营方的目标函数及约束条件；
对车流进行模拟，获得电动汽车的行驶路径；
确定所述目标函数的最优解。
优选的，以电动汽车放电阶段配电网可靠性最大化作为所述电动汽车用户方的目标函数，其表达式为：
maxE1＝Edn (1)
上式中，E1为电动汽车放电量，Edn为整个区域配电网的缺供电量；其中，
上式中，Edn,u表示负荷区域节点u的缺供电量；pj表示元件j发生故障时相应自动开关装置的可靠动作率；λj表示元件j的年平均破坏性故障率；tju表示元件j发生故障时造成负荷区域节点u的停电时间；Lju表示元件j故障时造成负荷区域节点u的平均停电负荷；I(u)表示负荷区域内所有节点的集合，当发生故障时，引起负荷区域节点u的持续停电。
优选的，以充电站综合效益最大化作为所述充电站投资运营方的目标函数，其表达式为：
maxB＝-Psc+Pso+Psr (4)
上式中，B为充电站收益与用户成本的综合年费用，Psc为充电站建设成本的年费用，Pso为充电站运营收益的年费用，Psr为充电站退出运行时残值的年费用。
进一步地，通过式(5)确定所述充电站建设成本年费用：
上式中，mj为充电站j的充电机配置数量，a为充电机的单价，bj为充电站j的固定投资费用，r为折现率，z为运行年限；
通过式(6)确定所述充电站运营收益年费用：
上式中，Nt为模拟的周期，单位h；A为充电单价；Qmax和Qi,j,k分别为电动汽车的最大电量和模拟周期内第k时段位于充电站j的电动汽车i的剩余电量值；Ci,j,k为该车的充电判断标识；
通过式(7)确定所述充电站残值年费用：
上式中，ε为充电站残值对于投资建设成本的折算系数。
优选的，所述约束条件包括路网可靠性约束和配电网可靠性约束。
进一步地，通过式(7)确定所述路网可靠性约束：
上式中，Ern为整个区域路网的缺失距离，Ern,k表示用户在选择路段k的情况下产生的缺失距离。
上式中，pi表示路段i被破坏者攻击后，用户选择同一区域内另一路段k的概率；qi表示路段i被破坏者攻击的概率；Rik表示路段i被破坏者攻击后，用户选择所述路段k行驶产生的实际行驶距离Rreal与按预期选择路段k所需行驶距离R之差，其表达式如式(10)所示：
进一步地，所述配电网可靠性约束包括充电站容量约束、节点电压幅值的上下限约束、馈线最大电流约束和充电站接入点容量约束；其中，
所述充电站容量约束条件如式(11)所示：
上式中，j’为配电网负荷节点；k为充电站在配电网中接入的负荷节点；Jj为充电站j所供负荷集合；Kj为充电站j供电范围内作为充电站接入点的负荷节点集合；Sj为充电站j的容量；e(Sj)为充电站j负载率；为功率因数；Pj’为配电网在j’点的有功负荷；Pk为k点接入充电站容量；
所述节点电压幅值的上下限约束如式(12)所示：
Vi' min≤Vi'≤Vi' max,i'＝1,2,...,M (12)
上式中，Vi为配电网节点i'的电压幅值；Vi' max和Vi' min分别为该节点电压幅值的上、下限；M为配电网的节点数目；
所述馈线最大电流约束如式(13)所示：
|Ii'j'|≤Ii'j'max,i',j'＝1,2,...,M (13)
上式中，Ii'j'和Ii'j'max分别为配电网中馈线i'j’的电流和允许流经的最大电流；
所述充电站接入点容量约束如式(14)所示：
PCj'j≤P'jmax (14)
上式中，PCjj’为接入j’点的充电站j的最大充电功率，Pj’max为配电网负荷节点j’最大允许接入功率。
优选的，获得所述电动汽车的行驶路径包括：
a.选取策略k，基于博弈理论对路网可靠性进行博弈仿真，确定车流量分布和电动汽车用户行车路线；
b.对策略k的选取概率进行修正，并返回步骤a，获取新的车流量分布和电动汽车用户行车路线，即电动汽车的行驶路径。
进一步地，所述确定车流量分布和电动汽车用户行车路线包括：
通过式(15)确定电动汽车用户a的行驶距离：
上式中，Da为行驶距离，k表示在自定义策略库中选取的策略，Da(k)表示在策略k条件下的行驶距离；Pal’表示电动汽车用户a选择路径l’的概率；
对电动汽车用户进行博弈仿真，获得博弈最小值表达式为：
上式中，S表示自定义策略库，qk表示电动汽车用户选择策略k的概率，表示选择策略k后电动汽车的行驶路径，dlk(x)表示电动汽车在路网中的单位行驶距离，其表达式为：
上式中，βu和γu表示路段u上的延迟系数，cl表示在选取策略k情况下对应路径l的车流量容量；当路网未被破坏者攻击时，cl与正常道路容量相同，被所述破坏者攻击后，cl与衰减后的容量相同；Lthlk表示l与k之间的实际距离；
上式中，hl’表示路径l’上的交通车流量，all’表示路径l被选择的概率，当路径l被选择时，all’＝1；当其他路径被选择时，all’＝0。
进一步地，所述对策略k的选取概率进行修正包括：
通过式(19)确定破坏者攻击行车路段的概率：
上式中，θk,r表示在电动汽车用户选取策略k的情况下，破坏者攻击行车路段r的概率，σ为修正系数，h为车流量矩阵h0中的元素，s表示选择策略k后的相关节点，αk为在电动汽车用户选择策略k后的车流量均衡系数，表示破坏者对路网进行攻击后的影响程度；
通过式(19)确定从路径l’到路径l：
上式中，表示在策略k条件下，从路径l’到路径l部分的车流量均衡系数，Pal’表示电动汽车用户a选择路径l’的概率，gl’k表示在策略k的情况下路径l’上的成本函数，gll'表示路径l’到路径l上的成本函数，hl’表示路径l’上的交通车流量，qk为选取策略k的概率；
θk表示在确定车流量的情况下，破坏者优先选取其中最大值θk，max(r)对应的城市路网位置进行破坏的概率；
当路段受到破坏者攻击后，通过式(21)对策略k的选取概率qk进行修正，获得修正后的策略选取概率：
优选的，所述确定目标函数的最优解包括：采用多目标算法NSGA-II求解电动汽车用户方与充电站投资运营方的目标函数，并利用TOPSIS对Pareto前沿中的个体进行排序，确定目标函数的最优解；具体包括：
a.输入路网信息和配网信息；
b.令t＝0，随机产生初始迭代种群A；
c.生成配电网可靠性约束下的父代种群，确定充电站充电桩数量和充电站所在位置的路网节点，执行车流模拟，淘汰不满足配电网可靠性约束的个体，通过式(1)和式(4)确定目标函数，并交叉变异生成子代种群B；
d.淘汰不满足配电网可靠性约束的个体，确定充电站充电桩数量和充电站所在位置的路网节点，执行车流模拟，淘汰不满足配电网可靠性约束的个体，合并种群A、B并通过式(1)和式(4)确定目标函数，根据精英保留策略进行非支配排序，选取前N个个体生成子代种群，并判断迭代次数是否达到上限，若未达到，则令t＝t+1，返回步骤b；若迭代次数已达上限，则终止操作；其中，t表示迭代次数。
优选的，所述装置包括：
第一构建模块，用于构建电动汽车用户方的目标函数及其约束条件；
第二构建模块，用于构建充电站投资运营方的目标函数及其约束条件；
模拟模块，对车流进行模拟，获得车流量分布和电动汽车用户行车路线；
采用多目标算法NSGA-II确定所述目标函数的最优解。
与最接近的现有技术相比，本发明的有益效果为：
本发明针对当前电动汽车作为城市路网的重要参与者和充放电设施，但其电动汽车充电站的规划未能综合考虑城市路网和配电网的问题。本发明提出一种电动汽车充电站规划方法及装置，首先构造了综合考虑城市路网和配电网可靠性的目标函数及约束条件；其目标函数具体包括电动汽车用户方的目标函数和充电站投资运营方的目标函数，电动汽车用户方的目标函数重点考虑城市配电网的可靠性，而充电站投资运营方的目标函数则主要考虑了充电站的建设成本、运营收益、残值等。配电网作为充电设施必须考虑配电网的容量限制和安全运行的约束，作为放电设施可以改善配电网的可靠性，减少缺供电量。其次采用博弈论确定电动汽车的行驶路径，并结合充电站投入产出效益确定最优解，由此获得充电站规划的优选方案，具有高效性和实用性。
附图说明
图1是本发明提供的总方法流程图；
图2是本发明提供的多目标算法NSGA-II确定目标函数最优解的方法流程图；
图3是本发明实施例中某地区城市路网和配电网模拟样图。
具体实施方式
下面结合附图对本发明的具体实施方式作详细说明。
当前电动汽车充电站规划未能综合考虑城市路网和配电网，然而电动汽车作为一个交通工具，是城市路网的参与者，城市路网会影响电动汽车能否满足用户的出行需求，即能否顺利到达既定目的地；电动汽车也是一个充放电设施，是配电网的参与者，配电网会受到电动汽车的充放电特性影响。
因此，电动汽车充电站的规划需要综合考虑城市路网和配电网。在能源互联网的背景下，综合城市路网和配电网的电动汽车充电站规划，对于能源互联网的构建与综合发展具有十分重要的意义。针对上述问题，本发明提出一种电动汽车充电站规划方法，如图1所示，其方法包括：
1、分别构建电动汽车用户方与充电站投资运营方的目标函数及约束条件；
以电动汽车放电阶段配电网可靠性最大化作为所述电动汽车用户方的目标函数，其表达式为：
maxE1＝Edn (1)
上式中，E1为电动汽车放电量，Edn为整个区域配电网的缺供电量；其中，
上式中，Edn,u表示负荷区域节点u的缺供电量；pj表示元件j发生故障时相应自动开关装置的可靠动作率；λj表示元件j的年平均破坏性故障率；tju表示元件j发生故障时造成负荷区域节点u的停电时间；Lju表示元件j故障时造成负荷区域节点u的平均停电负荷；I(u)表示负荷区域内所有节点的集合，当发生故障时，引起负荷区域节点u的持续停电。
以充电站综合效益最大化作为所述充电站投资运营方的目标函数，其表达式为：
maxB＝-Psc+Pso+Psr (4)
上式中，B为充电站收益与用户成本的综合年费用，Psc为充电站建设成本的年费用，Pso为充电站运营收益的年费用，Psr为充电站退出运行时残值的年费用。
通过式(5)确定所述充电站建设成本年费用：
上式中，mj为充电站j的充电机配置数量，a为充电机的单价，bj为充电站j的固定投资费用，r为折现率，z为运行年限；
通过式(6)确定所述充电站运营收益年费用：
上式中，Nt为模拟的周期，单位h；A为充电单价；Qmax和Qi,j,k分别为电动汽车的最大电量和模拟周期内第k时段位于充电站j的电动汽车i的剩余电量值；Ci,j,k为该车的充电判断标识；
通过式(7)确定所述充电站残值年费用：
上式中，ε为充电站残值对于投资建设成本的折算系数。
所述约束条件包括路网可靠性约束和配电网可靠性约束。
通过式(7)确定所述路网可靠性约束：
上式中，Ern为整个区域路网的缺失距离，Ern,k表示用户在选择路段k的情况下产生的缺失距离。
上式中，pi表示路段i被破坏者攻击后，用户选择同一区域内另一路段k的概率；qi表示路段i被破坏者攻击的概率；Rik表示路段i被破坏者攻击后，用户选择所述路段k行驶产生的实际行驶距离Rreal与按预期选择路段k所需行驶距离R之差，其表达式如式(10)所示：
配电网可靠性约束包括充电站容量约束、节点电压幅值的上下限约束、馈线最大电流约束和充电站接入点容量约束；其中，
充电站容量约束条件如式(11)所示：
上式中，j’为配电网负荷节点；k为充电站在配电网中接入的负荷节点；Jj为充电站j所供负荷集合；Kj为充电站j供电范围内作为充电站接入点的负荷节点集合；Sj为充电站j的容量；e(Sj)为充电站j负载率；为功率因数；Pj’为配电网在j’点的有功负荷；Pk为k点接入充电站容量；
所述节点电压幅值的上下限约束如式(12)所示：
Vi' min≤Vi'≤Vi' max,i'＝1,2,...,M (12)
上式中，Vi为配电网节点i'的电压幅值；Vi' max和Vi' min分别为该节点电压幅值的上、下限；M为配电网的节点数目；
所述馈线最大电流约束如式(13)所示：
|Ii'j'|≤Ii'j'max,i',j'＝1,2,...,M (13)
上式中，Ii'j'和Ii'j'max分别为配电网中馈线i'j’的电流和允许流经的最大电流；
所述充电站接入点容量约束如式(14)所示：
PCjj'≤Pj'max (14)
上式中，PCjj’为接入j’点的充电站j的最大充电功率，Pj’max为配电网负荷节点j’最大允许接入功率。
2、将电动汽车将城市路网、配电网和用户的三者联系起来，对车流进行模拟，获得电动汽车的行驶路径；
对电动汽车做车流模拟的必要性在于：电动汽车的行驶是受用户主观意愿影响的电量在路网上的流动行为。对车流模拟需考虑路径选择和充电需求判断两部分。其中，电动汽车的行驶路径应结合博弈论思想，引入“城市破坏者”概念，对复杂城市路网可靠性进行博弈仿真从而得到电动汽车的行驶路径。而充电需求判断是指在预先设定的行程路径受到破坏者攻击的情况下，用户必须改变行驶路线才有可能到达目的地，但是由于电动汽车电池特性的限制，路网受到破坏者攻击后，将出现以下两种情况：
1)虽然用户单程行驶距离增大，但在回家途中仍不需要充电，只是回家后向配电网的放电量有所减少；
2)用户在回家途中需要进行充电，但回家途中没有充电站，导致用户无法顺利回家。
当出现第二种情况时，用户产生充电需求，为了顺利完成行驶过程，必须建立充电装置。考虑到充电的便捷性，考虑在路网节点建设充电站。
进而在破坏者对某一路网节点进行攻击之后，对于某种充电站建设方案，需要计算该区域城市路网中的电动汽车缺失距离和充电站综合效益，并且检验该方案下配电网的可靠性。
破坏者造成的后果是使得电动汽车在行驶过程产生的缺失距离最大化，电动汽车用户和城市破坏者进行竞争博弈；其主要解决电动汽车用户如何依靠城市路网提供的信息进行最佳行驶路径选择的问题。一般情况下，电动汽车用户都会选择成本最小的路径。
获得电动汽车的行驶路径具体包括以下步骤：
a.在现有策略集中选取策略k，基于博弈理论对路网可靠性进行博弈仿真，确定车流量分布和电动汽车用户行车路线；其中，确定车流量分布和电动汽车用户行车路线包括：
通过式(15)确定电动汽车用户a的行驶距离：
上式中，Da为行驶距离，k表示在自定义策略库中选取的策略，Da(k)表示在策略k条件下的行驶距离；Pal’表示电动汽车用户a选择路径l’的概率；
对电动汽车用户进行博弈仿真，获得博弈最小值表达式为：
上式中，S表示自定义策略库，qk表示电动汽车用户选择策略k的概率，表示选择策略k后电动汽车的行驶路径，dlk(x)表示电动汽车在路网中的单位行驶距离，其表达式为：
上式中，βu和γu表示路段u上的延迟系数，cl表示在选取策略k情况下对应路径l的车流量容量；当路网未被破坏者攻击时，cl与正常道路容量相同，被所述破坏者攻击后，cl与衰减后的容量相同；Lthlk表示l与k之间的实际距离；
上式中，hl’表示路径l’上的交通车流量，all’表示路径l被选择的概率，当路径l被选择时，all’＝1；当其他路径被选择时，all’＝0。
b.对策略k的选取概率进行修正，并返回步骤a，获取新的车流量分布和电动汽车用户行车路线，即电动汽车的行驶路径。该步骤中的博弈主要针对破坏者，假设破坏者在攻击路网节点的过程中会导致路网中的电动汽车用户改变行驶路径，但并不直接控制电动汽车用户对路线的具体选择，通过步骤a获得的车流量分布，选取对电动汽车用户造成最大损失的节点。
所述破坏者选择破坏的节点的概率由城市路网中的车流量决定，即破坏者更倾向于攻击车流量比较集中的区域。
对策略k的选取概率进行修正包括：
通过式(19)确定破坏者攻击行车路段的概率：
上式中，θk,r表示在电动汽车用户选取策略k的情况下，破坏者攻击行车路段r的概率，σ为修正系数，h为车流量矩阵h0中的元素，s表示选择策略k后的相关节点，αk为在电动汽车用户选择策略k后的车流量均衡系数，表示破坏者对路网进行攻击后的影响程度；
通过式(19)确定从路径l’到路径l：
上式中，表示在策略k条件下，从路径l’到路径l部分的车流量均衡系数，Pal’表示电动汽车用户a选择路径l’的概率，gl’k表示在策略k的情况下路径l’上的成本函数，gll'表示路径l’到路径l上的成本函数，hl’表示路径l’上的交通车流量，qk为选取策略k的概率；
θk表示在确定车流量的情况下，破坏者优先选取其中最大值θk，max(r)对应的城市路网位置进行破坏的概率；
当路段受到破坏者攻击后，通过式(21)对策略k的选取概率qk进行修正，获得修正后的策略选取概率：
3、采用多目标算法NSGA-II确定所述目标函数的最优解，如图2所示。
确定目标函数的最优解包括：采用多目标算法NSGA-II求解电动汽车用户方与充电站投资运营方的目标函数，并利用TOPSIS对Pareto前沿中的个体进行排序，确定目标函数的最优解；具体步骤为：
a.输入路网信息和配网信息；
b.令t＝0，随机产生初始迭代种群A；
c.生成配电网可靠性约束下的父代种群，确定充电站充电桩数量和充电站所在位置的路网节点，执行车流模拟，淘汰不满足配电网可靠性约束的个体，通过式(1)和式(4)确定目标函数，并交叉变异生成子代种群B；
d.淘汰不满足配电网可靠性约束的个体，确定充电站充电桩数量和充电站所在位置的路网节点，执行车流模拟，淘汰不满足配电网可靠性约束的个体，合并种群A、B并通过式(1)和式(4)确定目标函数，根据精英保留策略进行非支配排序，选取前N个个体生成子代种群，并判断迭代次数是否达到上限，若未达到，则令t＝t+1，返回步骤b；若迭代次数已达上限，则终止操作；其中，t表示迭代次数。
综上，上述方法首先构造了综合考虑城市路网和配电网可靠性的目标函数及约束条件；其目标函数具体包括电动汽车用户方的目标函数和充电站投资运营方的目标函数，电动汽车用户方的目标函数重点考虑城市配电网的可靠性，而充电站投资运营方的目标函数则主要考虑了充电站的建设成本、运营收益、残值等。配电网作为充电设施必须考虑配电网的容量限制和安全运行的约束，作为放电设施可以改善配电网的可靠性，减少缺供电量。其次采用博弈论确定电动汽车的行驶路径，并结合充电站投入产出效益确定最优解，由此获得充电站规划的优选方案，具有高效性和实用性。
实施例：基于本发明提供的方法，规划出如图3所示的某地区城市路网和配电网模拟样图。
图3中虚线代表配电网中的10kV线路，实线代表城市道路。区域A和B表示电动汽车用户的行驶出发地，区域C表示电动汽车用户的行驶目的地，区域节点间相应的城市道路长度见表1。
假定该区域内的电动汽车平均分布在A到C与B到C路径上，平均每天充电车辆为100台，每辆车的电池容量为57kWh，在满电的状态下能够行驶120km(假定电动汽车电池电量的最低限度为0)，一年按365天计算，充电单价为0.8元/kWh，贴现率为6％，使用年限为10年。
各节点建设维护费用、原始缺供电量和约束条件见表2。
表1区域节点间相应的道路长度
表2各节点建设维护费用、原始缺供电量和约束条件
以下所列的节点为加装后可以支持电动汽车顺利返回家中的节点，计算得到每个节点建设充电站后电动汽车放电阶段缺供电量的变化、综合效益和各约束条件的满足情况。
计算结果见表3，其中“----”代表满足约束条件，写明数值的代表不满足约束条件。
表3可建充电站的各节点对应目标函数和约束条件满足情况
在表3中，节点13，18建设充电站不满足约束也不能改善缺供电量；节点17建设充电站满足约束条件但不能改善缺供电量；节点11，15建设充电站可以改善缺供电量但不满足约条件；节点12，14，16，19建设充电站满足约束也能改善缺供电量，还要考虑建设充电站年投入产出效益最大。因为是多目标函数，所以利用TOPSIS对这些个体进行排序，理想度由大到小排序:16，12，19，14。因此选择最理想的节点16建设充电站。
基于同一发明构思，本发明还提出一种电动汽车充电站规划装置，包括：
第一构建模块，用于构建电动汽车用户方的目标函数及其约束条件；
第二构建模块，用于构建充电站投资运营方的目标函数及其约束条件；
模拟模块，对车流进行模拟，获得车流量分布和电动汽车用户行车路线。
该装置的提出解决了考虑城市路网和配电网的电动汽车充电站规划问题。配电网作为充电设施必须考虑配电网的容量限制和安全运行的约束，作为放电设施可以改善配电网的可靠性，减少缺供电量。其次确定电动汽车的行驶路径，并结合充电站投入产出效益确定最优解，由此获得充电站规划的优选方案，具有高效性和实用性。对于能源互联网的构建与综合发展具有十分重要的意义。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、设备(***)、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 (12)
1.一种电动汽车充电站规划方法，其特征在于，所述方法包括：
分别构建电动汽车用户方与充电站投资运营方的目标函数及约束条件；
对车流进行模拟，获得电动汽车的行驶路径；
确定所述目标函数的最优解。
2.如权利要求1所述的方法，其特征在于，以电动汽车放电阶段配电网可靠性最大化作为所述电动汽车用户方的目标函数，其表达式为：
max E1＝Edn (1)
上式中，E1为电动汽车放电量，Edn为整个区域配电网的缺供电量；其中，
上式中，Edn,u表示负荷区域节点u的缺供电量；pj表示元件j发生故障时相应自动开关装置的可靠动作率；λj表示元件j的年平均破坏性故障率；tju表示元件j发生故障时造成负荷区域节点u的停电时间；Lju表示元件j故障时造成负荷区域节点u的平均停电负荷；I(u)表示负荷区域内所有节点的集合，当发生故障时，引起负荷区域节点u的持续停电。
3.如权利要求1所述的方法，其特征在于，以充电站综合效益最大化作为所述充电站投资运营方的目标函数，其表达式为：
max B＝-Psc+Pso+Psr (4)
上式中，B为充电站收益与用户成本的综合年费用，Psc为充电站建设成本的年费用，Pso为充电站运营收益的年费用，Psr为充电站退出运行时残值的年费用。
4.如权利要求3所述的方法，其特征在于，通过式(5)确定所述充电站建设成本年费用：
上式中，mj为充电站j的充电机配置数量，a为充电机的单价，bj为充电站j的固定投资费用，r为折现率，z为运行年限；
通过式(6)确定所述充电站运营收益年费用：
上式中，Nt为模拟的周期，单位h；A为充电单价；Qmax和Qi,j,k分别为电动汽车的最大电量和模拟周期内第k时段位于充电站j的电动汽车i的剩余电量值；Ci,j,k为该车的充电判断标识；
通过式(7)确定所述充电站残值年费用：
上式中，ε为充电站残值对于投资建设成本的折算系数。
5.如权利要求1所述的方法，其特征在于，所述约束条件包括路网可靠性约束和配电网可靠性约束。
6.如权利要求5所述的方法，其特征在于，通过式(7)确定所述路网可靠性约束：
上式中，Ern为整个区域路网的缺失距离，Ern,k表示用户在选择路段k的情况下产生的缺失距离。
上式中，pi表示路段i被破坏者攻击后，用户选择同一区域内另一路段k的概率；qi表示路段i被破坏者攻击的概率；Rik表示路段i被破坏者攻击后，用户选择所述路段k行驶产生的实际行驶距离Rreal与按预期选择路段k所需行驶距离R之差，其表达式如式(10)所示：
7.如权利要求5所述的方法，其特征在于，所述配电网可靠性约束包括充电站容量约束、节点电压幅值的上下限约束、馈线最大电流约束和充电站接入点容量约束；其中，
所述充电站容量约束条件如式(11)所示：
上式中，j’为配电网负荷节点；k为充电站在配电网中接入的负荷节点；Jj为充电站j所供负荷集合；Kj为充电站j供电范围内作为充电站接入点的负荷节点集合；Sj为充电站j的容量；e(Sj)为充电站j负载率；为功率因数；Pj’为配电网在j’点的有功负荷；Pk为k点接入充电站容量；
所述节点电压幅值的上下限约束如式(12)所示：
上式中，Vi为配电网节点i'的电压幅值；Vi' max和Vi' min分别为该节点电压幅值的上、下限；M为配电网的节点数目；
所述馈线最大电流约束如式(13)所示：
|Ii'j'|≤Ii'j'max,i',j'＝1,2,...,M (13)
上式中，Ii'j'和Ii'j'max分别为配电网中馈线i'j’的电流和允许流经的最大电流；
所述充电站接入点容量约束如式(14)所示：
PCjj'≤Pj'max (14)
上式中，PCjj’为接入j’点的充电站j的最大充电功率，Pj’max为配电网负荷节点j’最大允许接入功率。
8.如权利要求1所述的方法，其特征在于，获得所述电动汽车的行驶路径包括：
a.选取策略k，基于博弈理论对路网可靠性进行博弈仿真，确定车流量分布和电动汽车用户行车路线；
b.对策略k的选取概率进行修正，并返回步骤a，获取新的车流量分布和电动汽车用户行车路线，即电动汽车的行驶路径。
9.如权利要求8所述的方法，其特征在于，所述确定车流量分布和电动汽车用户行车路线包括：
通过式(15)确定电动汽车用户a的行驶距离：
上式中，Da为行驶距离，k表示在自定义策略库中选取的策略，Da(k)表示在策略k条件下的行驶距离；Pal’表示电动汽车用户a选择路径l’的概率；
对电动汽车用户进行博弈仿真，获得博弈最小值表达式为：
上式中，S表示自定义策略库，qk表示电动汽车用户选择策略k的概率，表示选择策略k后电动汽车的行驶路径，dlk(x)表示电动汽车在路网中的单位行驶距离，其表达式为：
上式中，βu和γu表示路段u上的延迟系数，cl表示在选取策略k情况下对应路径l的车流量容量；当路网未被破坏者攻击时，cl与正常道路容量相同，被所述破坏者攻击后，cl与衰减后的容量相同；Lthlk表示l与k之间的实际距离；
上式中，hl’表示路径l’上的交通车流量，all’表示路径l被选择的概率，当路径l被选择时，all’＝1；当其他路径被选择时，all’＝0。
10.如权利要求8所述的方法，其特征在于，所述对策略k的选取概率进行修正包括：
通过式(19)确定破坏者攻击行车路段的概率：
上式中，θk,r表示在电动汽车用户选取策略k的情况下，破坏者攻击行车路段r的概率，σ为修正系数，h为车流量矩阵h0中的元素，s表示选择策略k后的相关节点，αk为在电动汽车用户选择策略k后的车流量均衡系数，表示破坏者对路网进行攻击后的影响程度；
通过式(19)确定从路径l’到路径l：
上式中，表示在策略k条件下，从路径l’到路径l部分的车流量均衡系数，Pal’表示电动汽车用户a选择路径l’的概率，gl’k表示在策略k的情况下路径l’上的成本函数，gll'表示路径l’到路径l上的成本函数，hl’表示路径l’上的交通车流量，qk为选取策略k的概率；
θk表示在确定车流量的情况下，破坏者优先选取其中最大值θk，max(r)对应的城市路网位置进行破坏的概率；
当路段受到破坏者攻击后，通过式(21)对策略k的选取概率qk进行修正，获得修正后的策略选取概率：
11.如权利要求1-3所述的方法，其特征在于，所述确定目标函数的最优解包括：采用多目标算法NSGA-II求解电动汽车用户方与充电站投资运营方的目标函数，并利用TOPSIS对Pareto前沿中的个体进行排序，确定目标函数的最优解；具体包括：
a.输入路网信息和配网信息；
b.令t＝0，随机产生初始迭代种群A；
c.生成配电网可靠性约束下的父代种群，确定充电站充电桩数量和充电站所在位置的路网节点，执行车流模拟，淘汰不满足配电网可靠性约束的个体，通过式(1)和式(4)确定目标函数，并交叉变异生成子代种群B；
d.淘汰不满足配电网可靠性约束的个体，确定充电站充电桩数量和充电站所在位置的路网节点，执行车流模拟，淘汰不满足配电网可靠性约束的个体，合并种群A、B并通过式(1)和式(4)确定目标函数，根据精英保留策略进行非支配排序，选取前N个个体生成子代种群，并判断迭代次数是否达到上限，若未达到，则令t＝t+1，返回步骤b；若迭代次数已达上限，则终止操作；其中，t表示迭代次数。
12.一种电动汽车充电站规划装置，其特征在于，所述装置包括：
第一构建模块，用于构建电动汽车用户方的目标函数及其约束条件；
第二构建模块，用于构建充电站投资运营方的目标函数及其约束条件；
模拟模块，对车流进行模拟，获得车流量分布和电动汽车用户行车路线；
采用多目标算法NSGA-II确定所述目标函数的最优解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710167682.9A CN107025518A (zh) | 2017-03-20 | 2017-03-20 | 一种电动汽车充电站规划方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710167682.9A CN107025518A (zh) | 2017-03-20 | 2017-03-20 | 一种电动汽车充电站规划方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107025518A true CN107025518A (zh) | 2017-08-08 |
Family
ID=59525705
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710167682.9A Pending CN107025518A (zh) | 2017-03-20 | 2017-03-20 | 一种电动汽车充电站规划方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107025518A (zh) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107832891A (zh) * | 2017-11-15 | 2018-03-23 | 云南电网有限责任公司 | 一种城市快速路口的充电站规划方法 |
| CN108269008A (zh) * | 2017-12-29 | 2018-07-10 | 天津大学 | 考虑用户满意度和配网可靠性的充电设施优化规划方法 |
| CN108932561A (zh) * | 2018-06-22 | 2018-12-04 | 华北电力大学 | 一种考虑非线性充电函数的电动汽车充电路径选择方法 |
| CN109190935A (zh) * | 2018-08-15 | 2019-01-11 | 天津大学 | 一种考虑服务区和车辆事故的高速公路充电站规划方法 |
| CN109520517A (zh) * | 2017-09-19 | 2019-03-26 | 中华电信股份有限公司 | 路线规划方法及其*** |
| CN109544006A (zh) * | 2018-11-23 | 2019-03-29 | 国网浙江省电力有限公司电力科学研究院 | 一种评价电动汽车充电站经济效益的方法 |
| CN109670675A (zh) * | 2018-11-26 | 2019-04-23 | 国网冀北电力有限公司 | 充电桩运行状态评价方法及装置 |
| CN109840708A (zh) * | 2019-02-01 | 2019-06-04 | 国网河北省电力有限公司经济技术研究院 | 一种充电站建设的规划方法、***及终端设备 |
| CN109902860A (zh) * | 2019-01-23 | 2019-06-18 | 西南交通大学 | 一种基于组合距离评估的电动汽车充电站选址方法 |
| CN110458332A (zh) * | 2019-07-18 | 2019-11-15 | 天津大学 | 一种基于负荷空间转移的电动汽车快速充电需求调度方法 |
| CN110493305A (zh) * | 2019-07-05 | 2019-11-22 | 广州车行易科技股份有限公司 | 一种根据充电站使用状况和距离远近来进行充电路径规划的方法 |
| CN110751564A (zh) * | 2019-09-04 | 2020-02-04 | 清华大学 | 一种基于博弈论的电动汽车充电站建设方法及*** |
| CN110826753A (zh) * | 2018-08-09 | 2020-02-21 | 阿里巴巴集团控股有限公司 | 一种资源处理方法、装置及其设备 |
| CN112069635A (zh) * | 2020-09-01 | 2020-12-11 | 上海钧正网络科技有限公司 | 一种换电柜的部署方法、装置、介质及电子设备 |
| CN112784491A (zh) * | 2021-01-26 | 2021-05-11 | 浙江中新电力工程建设有限公司 | 一种基于lstm与iqpso面向高弹性电网的城市充电网点规划方法 |
| CN113036790A (zh) * | 2021-02-26 | 2021-06-25 | 江苏大学 | 一种基于网络重构的电动汽车行驶路径的优化方法 |
| CN113195299A (zh) * | 2019-02-28 | 2021-07-30 | 宝马股份公司 | 用于优化分布的充电站效率和用户体验的方法和*** |
| 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 |
| CN113650515A (zh) * | 2021-07-07 | 2021-11-16 | 广州杰赛科技股份有限公司 | 电动汽车充电控制方法、装置、终端设备及存储介质 |
| CN114757004A (zh) * | 2022-04-02 | 2022-07-15 | 宁波市规划设计研究院 | 城市轨道交通线网规划方法、***及存储介质 |
| CN117429303A (zh) * | 2023-10-10 | 2024-01-23 | 北京理工大学前沿技术研究院 | 一种基于物联网的电动汽车电池更换方法、***及设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140028254A1 (en) * | 2012-07-30 | 2014-01-30 | General Electric Company | Method and system for charging of electric vehicles |
| CN105139096A (zh) * | 2015-09-28 | 2015-12-09 | 东南大学 | 一种基于两阶段优化的电动汽车充电站选址定容方法 |
-
2017
- 2017-03-20 CN CN201710167682.9A patent/CN107025518A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140028254A1 (en) * | 2012-07-30 | 2014-01-30 | General Electric Company | Method and system for charging of electric vehicles |
| CN105139096A (zh) * | 2015-09-28 | 2015-12-09 | 东南大学 | 一种基于两阶段优化的电动汽车充电站选址定容方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘洪等: "基于动态车流模拟的高速公路充电站多目标优化规划", 《电力***自动化》 * |
| 刘洪等: "考虑出租车随机行为特性及路网行程时间可靠性的充电站多目标规划", 《电网技术》 * |
| 葛少云等: "配电网和城市路网关联网络的综合可靠性分析", 《中国电机工程学报》 * |
Cited By (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109520517A (zh) * | 2017-09-19 | 2019-03-26 | 中华电信股份有限公司 | 路线规划方法及其*** |
| CN109520517B (zh) * | 2017-09-19 | 2023-01-31 | 台湾中华电信股份有限公司 | 路线规划方法及其*** |
| CN107832891A (zh) * | 2017-11-15 | 2018-03-23 | 云南电网有限责任公司 | 一种城市快速路口的充电站规划方法 |
| CN108269008A (zh) * | 2017-12-29 | 2018-07-10 | 天津大学 | 考虑用户满意度和配网可靠性的充电设施优化规划方法 |
| CN108269008B (zh) * | 2017-12-29 | 2021-09-10 | 天津大学 | 考虑用户满意度和配网可靠性的充电设施优化规划方法 |
| CN108932561A (zh) * | 2018-06-22 | 2018-12-04 | 华北电力大学 | 一种考虑非线性充电函数的电动汽车充电路径选择方法 |
| CN108932561B (zh) * | 2018-06-22 | 2021-07-30 | 华北电力大学 | 一种考虑非线性充电函数的电动汽车充电路径选择方法 |
| CN110826753A (zh) * | 2018-08-09 | 2020-02-21 | 阿里巴巴集团控股有限公司 | 一种资源处理方法、装置及其设备 |
| CN110826753B (zh) * | 2018-08-09 | 2024-04-23 | 阿里巴巴集团控股有限公司 | 一种资源处理方法、装置及其设备 |
| CN109190935A (zh) * | 2018-08-15 | 2019-01-11 | 天津大学 | 一种考虑服务区和车辆事故的高速公路充电站规划方法 |
| CN109190935B (zh) * | 2018-08-15 | 2021-08-17 | 天津大学 | 一种考虑服务区和车辆事故的高速公路充电站规划方法 |
| CN109544006A (zh) * | 2018-11-23 | 2019-03-29 | 国网浙江省电力有限公司电力科学研究院 | 一种评价电动汽车充电站经济效益的方法 |
| CN109670675A (zh) * | 2018-11-26 | 2019-04-23 | 国网冀北电力有限公司 | 充电桩运行状态评价方法及装置 |
| CN109670675B (zh) * | 2018-11-26 | 2023-10-31 | 国网冀北电力有限公司 | 充电桩运行状态评价方法及装置 |
| CN109902860A (zh) * | 2019-01-23 | 2019-06-18 | 西南交通大学 | 一种基于组合距离评估的电动汽车充电站选址方法 |
| CN109840708A (zh) * | 2019-02-01 | 2019-06-04 | 国网河北省电力有限公司经济技术研究院 | 一种充电站建设的规划方法、***及终端设备 |
| CN113195299A (zh) * | 2019-02-28 | 2021-07-30 | 宝马股份公司 | 用于优化分布的充电站效率和用户体验的方法和*** |
| CN113195299B (zh) * | 2019-02-28 | 2024-01-16 | 宝马股份公司 | 用于优化分布的充电站效率和用户体验的方法和*** |
| CN110493305A (zh) * | 2019-07-05 | 2019-11-22 | 广州车行易科技股份有限公司 | 一种根据充电站使用状况和距离远近来进行充电路径规划的方法 |
| CN110458332A (zh) * | 2019-07-18 | 2019-11-15 | 天津大学 | 一种基于负荷空间转移的电动汽车快速充电需求调度方法 |
| CN110751564B (zh) * | 2019-09-04 | 2020-11-03 | 清华大学 | 一种基于博弈论的电动汽车充电站建设方法及*** |
| CN110751564A (zh) * | 2019-09-04 | 2020-02-04 | 清华大学 | 一种基于博弈论的电动汽车充电站建设方法及*** |
| CN112069635B (zh) * | 2020-09-01 | 2024-05-14 | 上海钧正网络科技有限公司 | 一种换电柜的部署方法、装置、介质及电子设备 |
| CN112069635A (zh) * | 2020-09-01 | 2020-12-11 | 上海钧正网络科技有限公司 | 一种换电柜的部署方法、装置、介质及电子设备 |
| CN112784491A (zh) * | 2021-01-26 | 2021-05-11 | 浙江中新电力工程建设有限公司 | 一种基于lstm与iqpso面向高弹性电网的城市充电网点规划方法 |
| CN112784491B (zh) * | 2021-01-26 | 2024-04-16 | 浙江中新电力工程建设有限公司 | 一种基于lstm与iqpso面向高弹性电网的城市充电网点规划方法 |
| CN113036790B (zh) * | 2021-02-26 | 2023-10-10 | 江苏大学 | 一种基于网络重构的电动汽车行驶路径的优化方法 |
| CN113036790A (zh) * | 2021-02-26 | 2021-06-25 | 江苏大学 | 一种基于网络重构的电动汽车行驶路径的优化方法 |
| 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 |
| CN113650515A (zh) * | 2021-07-07 | 2021-11-16 | 广州杰赛科技股份有限公司 | 电动汽车充电控制方法、装置、终端设备及存储介质 |
| CN114757004A (zh) * | 2022-04-02 | 2022-07-15 | 宁波市规划设计研究院 | 城市轨道交通线网规划方法、***及存储介质 |
| CN117429303B (zh) * | 2023-10-10 | 2024-03-12 | 北京理工大学前沿技术研究院 | 一种基于物联网的电动汽车电池更换方法、***及设备 |
| CN117429303A (zh) * | 2023-10-10 | 2024-01-23 | 北京理工大学前沿技术研究院 | 一种基于物联网的电动汽车电池更换方法、***及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107025518A (zh) | 一种电动汽车充电站规划方法及装置 | |
| Billinton et al. | Reliability-based transmission reinforcement planning associated with large-scale wind farms | |
| CN103034912B (zh) | 一种分布式电源选址定容的优化方法 | |
| CN107832905B (zh) | 一种适应分布式发电和储能站发展的配电网规划方法 | |
| CN103903073B (zh) | 一种含分布式电源及储能的微电网优化规划方法及*** | |
| CN106487005A (zh) | 一种考虑输配电价的电网规划方法 | |
| CN105449713B (zh) | 考虑分布式电源特性的有源配电网智能软开关规划方法 | |
| CN108122068A (zh) | 一种配电网风险规划方法及*** | |
| CN105226643A (zh) | 安全约束下电力***运行模拟模型快速生成与求解方法 | |
| CN104102956B (zh) | 一种基于策略自适应差分进化的配电网络扩展规划方法 | |
| CN106127377A (zh) | 一种智能电网多能源综合协调水平评价方法 | |
| Gu et al. | Joint planning of electrical storage and gas storage in power-gas distribution network considering high-penetration electric vehicle and gas vehicle | |
| CN106096757A (zh) | 基于改进量子遗传算法的微网储能选址定容优化方法 | |
| CN106130007A (zh) | 一种基于脆弱性理论的主动配电网储能规划方法 | |
| CN103914734B (zh) | 基于改进型蚁群算法的微网容量优化布址方法 | |
| CN106296451A (zh) | 一种基于遗传算法的故障限流器优化布点配置方法 | |
| CN110048456A (zh) | 一种基于大规模风电接入输电网的源网联合规划方法 | |
| CN109598377B (zh) | 一种基于故障约束的交直流混合配电网鲁棒规划方法 | |
| CN107316113A (zh) | 一种输电网规划方法及*** | |
| CN112561273B (zh) | 一种基于改进pso的主动配电网可再生dg规划方法 | |
| CN106941256A (zh) | 计及最大供电能力和最小联络建设费用的配电网主变联络结构优化规划方法 | |
| CN107330573A (zh) | 一种光伏***关键设备的状态评估方法及装置 | |
| CN106803130A (zh) | 分布式电源接入配电网的规划方法 | |
| CN109599896A (zh) | 一种10kV电网分布式光伏最大可开放容量的计算方法 | |
| CN110276517A (zh) | 一种基于mopso算法的电动汽车充电站选址方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170808 |