CN109447410A - 一种考虑城市路网交通运行状态的充电站选址方法 - Google Patents
一种考虑城市路网交通运行状态的充电站选址方法 Download PDFInfo
- Publication number
- CN109447410A CN109447410A CN201811112191.5A CN201811112191A CN109447410A CN 109447410 A CN109447410 A CN 109447410A CN 201811112191 A CN201811112191 A CN 201811112191A CN 109447410 A CN109447410 A CN 109447410A
- Authority
- CN
- China
- Prior art keywords
- charging station
- electricity
- vehicle
- road network
- car
- 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 29
- 230000005611 electricity Effects 0.000 claims abstract description 38
- 238000010276 construction Methods 0.000 claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000004088 simulation Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000005553 drilling Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑城市路网交通运行状态的充电站选址方法，包括以下步骤：S1、获取区域OD出行数据、汽车保有量及电动汽车占比、初始电量和充电电量的分布规律，建立区域路网图，考虑路网交通运行状态，进行VISSIM动态交通分配仿真得到车辆行驶轨迹、速度和路程数据；S2、对每辆车赋予一个初始电量和充电电量，并结合车辆行驶轨迹、速度和路程数据，筛选获取该区域的需求点分布情况；S3、以区域建设者建设运营成本和用户绕行成本最小为目标，以满足用户充电需求为约束条件，求取充电站建设最优数量；S4、结合区域需求点分布情况和充电站建设最优数量，确定区域充电站的最终选址。该方法为充电站数量和位置的确定提供了参考依据，具有实际意义。
Description
技术领域
本发明涉及城市交通规划与优化领域，具体涉及一种考虑城市路网交通运行状态的充电站选址方法。
背景技术
对空气污染、能源依赖和日益严重的气候变化的担忧激发着我们去寻找新的交通解决方案。而由于环境和经济的原因，各国转向清洁环保的电动汽车。电动汽车(BEV)是指以车载电源为动力，用电机驱动车轮行驶，符合道路交通、安全法规各项要求的车辆，能够有效缓解环境压力，具有广阔应用前景。
充电站是为电动汽车提供电能的基础设施中的重要要素，随着电动汽车的不断增长，对于广泛分布的可公开访问的充电站的需求日益增长，然而电动汽车充电基础设施建设当前整体处在起步与示范阶段。由于充电站建设成本高，目前电动汽车的普及率低，充电站利用率低，使得充电站设施规模和布局远落后于电动汽车的迅速发展，一方面用户充电需求无法被满足，另一方面也制约了电动汽车的使用率，因而怎样合理地布设充电站和确定合适的规模大小，已经成为交通管理部门、城市规划局供电管理部门和私人投资企业所高度关注的问题。
目前，国内外对于电动汽车充电站选址的研究主要集中于最优算法，多为经济性的目标，也有部分学者考虑了电力供电***对选址的影响，却极少考虑路网交通运行状态对充电需求点的影响。
发明内容
本发明的目的是针对现有技术的不足，提供了一种考虑城市路网交通运行状态的充电站选址方法，所述方法考虑了路网交通运行状态对充电需求点的影响，为充电站数量和位置的确定提供了参考依据，使得充电站的选址更具有实际意义。
本发明的目的可以通过如下技术方案实现：
一种考虑城市路网交通运行状态的充电站选址方法，所述方法包括以下步骤：
S1、通过调查获取区域OD出行数据、汽车保有量及电动汽车占比、初始电量和充电电量的分布规律，建立区域路网图，考虑路网交通运行状态，进行VISSIM动态交通分配仿真得到车辆行驶轨迹、速度和路程数据；
S2、对每辆车赋予一个初始电量和充电电量，并结合仿真得到的车辆行驶轨迹、速度和路程数据，通过筛选获取该区域的需求点分布情况；
S3、以区域建设者建设运营成本和用户绕行成本最小为目标，以满足用户充电需求为约束条件，建立充电站选址模型，求取充电站建设最优数量；
S4、结合获取的区域需求点分布情况和充电站建设最优数量，确定区域充电站的最终选址。
进一步地，步骤S1中，所述路网交通运行状态具体包括车流量、密度和速度这些交通流基本参数以及驾驶员的动态路径决策情况。
进一步地，步骤S1中，将所有出行起讫点归到最近的一个路口，每个路口记为一个小区，通过路口监控视频追踪车辆的行驶轨迹，进而获取区域内的OD出行数据，根据电动汽车占比和发展趋势预测全电动汽车时的数量，结合调查所得的现状OD出行数据，得出区域路网中的交通出行量预测值；通过调查获取居民出发时电动汽车的电量(即初始电量)以及充电时电动汽车的电量(即充电电量)的分布规律，以便在下一步骤中据此对每辆车赋予一个初始电量和充电电量；画出区域路网图，对每个交叉口定义一个小区，输入OD矩阵进行动态交通分配，考虑路网交通运行状态，利用VISSIM动态分配迭代寻找费用最小路径，并以一定概率进行选取，模拟出实际行车情况。
进一步地，步骤S2中，在VISSIM动态交通分配后，导出车辆信息表，读取车辆的位置信息、行驶里程和车速信息，对每辆车赋予一个初始电量和充电电量，为了反映路网状况对充电需求点的影响，考虑车速与耗电量的关系，得到车辆实际耗电情况，并用于判断车辆能否到达目的地；车速与耗电功率关系式如下：
其中，为电动汽车j的耗电功率，vj为电动汽车j的速度，ηT为传动***总效率，mcar为汽车满载质量，Aw为迎风面积，CD为空气阻力系数，f为滚动阻力系数；
对于每个仿真步长(2s)内，认为车辆的速度是不变的，因此通过式(1)得到每辆车的周期内实际耗电量，假定当车辆到达目的地的电量低于10％时就认为驾驶员在行驶途中就需要充电，由此筛选出有充电需求的车辆；
根据得到的有充电需求的车辆，计算每次仿真步长结束时的累计耗电量，结合初始电量和个人认为需要充电时的电量，判断该仿真步长结束时是否需要充电，判断条件如下：
其中ej0为每辆车的初始电量百分比，ej1为个人认为需要充电时的电量百分比，B为电动汽车电池容量，T为仿真步长，选取满足判断条件的第一个仿真步长，从车辆信息表中读出此时的车辆位置，即为充电需求点坐标。
进一步地，步骤S3中，建立充电站选址模型的具体方法如下：
以区域建设者建设运营成本和用户绕行成本最小为目标：
minimize：C＝α1C1+α2C2 (3)
其中C1为总投资成本，C2为区域车辆总绕行成本，α1、α2为权重；
C1、C2能够表示为：
其中，ai为充电站i的投资成本；m为区域最大可能充电站数量；cij为有充电需求时，电动汽车j到充电站i处所需的绕行成本；n为区域内电动汽车总量；对于上式出现的充电站i的投资成本ai和绕行成本cij具体表示为：
ai＝bi1+bi2τqi (8)
其中，bi1为建设充电站i的充电设施成本，bi2为建设充电站i的一个充电桩的成本，τ为高峰充电需求的满足率，qi表示充电站i中充电桩的数量，pe表示电动汽车每充1度电的花费，dij为电动汽车j到充电站i处充电所行驶的直线距离，r为城市路网非直线系数；
上述目标函数的约束为充电站供给大于或等于区域充电需求，具体如下：
其中，qi为充电站i的充电桩的数量；
根据需求量求得充电站数量范围，利用穷举法求解上述模型输出充电站建设的最优数量。
进一步地，步骤S4中，根据充电站建设最优数量，利用K-均值聚类法对充电站需求点进行聚类，获取区域充电站的最终选址。
本发明与现有技术相比，具有如下优点和有益效果：
本发明提供的一种考虑城市路网交通运行状态的充电站选址方法，考虑城市路网道路状态引起的速度变化对电动汽车耗电量的影响，动态分配迭代模拟车辆路径选择，从而确定充电需求点的分布情况，解决了城市路网电动汽车充电需求难以确定的问题，为充电站数量和位置的确定提供了参考依据，使得充电站的选址更具有实际意义。
附图说明
图1为本发明实施例考虑城市路网交通运行状态的充电站选址方法的流程图。
图2为本发明实施例中区域充电需求点的分布图。
图3为本发明实施例中充电站数量与总成本的关系图。
图4为本发明实施例中电动汽车充电站的布点图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例：
本实施例提供了一种考虑城市路网交通运行状态的充电站选址方法，所述方法的流程图如图1所示，以广州大学城为例，包括以下步骤：
S1、通过调查获取区域OD出行数据、汽车保有量及电动汽车占比、初始电量和充电电量的分布规律，建立区域路网图，考虑路网交通运行状态所述路网交通运行状态，具体包括车流量、密度和速度这些交通流基本参数以及驾驶员的动态路径决策情况，进行VISSIM动态交通分配仿真得到车辆行驶轨迹、速度和路程数据；
为了简化计算做了如下假设：a、每辆车在充电站的充电时间小于一个小时，每个充电桩同时只能为一辆车充电；b、忽略快充和慢充的影响，一个充电站的充电桩数量不小于10个；c、大学城是一个环状路网结构，内部的交通出行量可以认为服从均匀分布，预测高峰小时交通出行总量值为5920veh/h；d、电动汽车续航能力大部分在100km-200km(参考国内一般电动汽车和特斯拉电动汽车标准)，这里我们取中位数，即150km；e、每辆车的初始电量百分比ej0服从N(0.5，0.52)正态分布，充电需求电量百分比ej1服从(10％，30％)的均匀分布。
S2、对每辆车赋予一个初始电量和充电电量，并结合仿真得到的车辆行驶轨迹、速度和路程数据，通过筛选获取该区域的需求点分布情况；
具体地，在VISSIM动态交通分配后，导出车辆信息表，读取车辆的位置信息、行驶里程和车速信息，对每辆车赋予一个初始电量和充电电量，为了反映路网状况对充电需求点的影响，考虑车速与耗电量的关系，得到车辆实际耗电情况，并用于判断车辆能否到达目的地；车速与耗电功率关系式如下：
其中，为电动汽车j的耗电功率，vj为电动汽车j的速度，ηT为传动***总效率，mcar为汽车满载质量，Aw为迎风面积，CD为空气阻力系数，f为滚动阻力系数；
对于每个仿真步长(2s)内，认为车辆的速度是不变的，因此通过式(1)得到每辆车的周期内实际耗电量，可得表示前t个仿真步长消耗的电能总和，假定当车辆到达目的地的电量低于10％时就认为驾驶员在行驶途中就需要充电，由此筛选出有充电需求的车辆，为346辆；
根据得到的有充电需求的车辆，计算每次仿真步长结束时的累计耗电量，结合初始电量和个人认为需要充电时的电量，判断该仿真步长结束时是否需要充电，判断条件如下：
其中ej0为每辆车的初始电量百分比，ej1为个人认为需要充电时的电量百分比，B为电动汽车电池容量，T为仿真步长，选取满足判断条件的第一个仿真步长，从车辆信息表中读出此时的车辆位置，即为充电需求点坐标，充电需求点的分布图如图2所示。
S3、以区域建设者建设运营成本和用户绕行成本最小为目标，以满足用户充电需求为约束条件，建立充电站选址模型，求取充电站建设最优数量；
具体地，建立充电站选址模型的具体方法如下：
以区域建设者建设运营成本和用户绕行成本最小为目标：
minimize：C＝α1C1+α2C2 (3)
其中C1为总投资成本，C2为区域车辆总绕行成本，α1、α2为权重；
C1、C2能够表示为：
其中，ai为充电站i的投资成本；m为区域最大可能充电站数量；cij为有充电需求时，电动汽车j到充电站i处所需的绕行成本；n为区域内电动汽车总量；对于上式出现的充电站i的投资成本ai和绕行成本cij具体表示为：
ai＝bi1+bi2τqi (8)
其中，bi1为建设充电站i的充电设施成本，bi2为建设充电站i的一个充电桩的成本，τ为高峰充电需求的满足率，qi表示充电站i中充电桩的数量，pe表示电动汽车每充1度电的花费，dij为电动汽车j到充电站i处充电所行驶的直线距离，r为城市路网非直线系数；
上述目标函数的约束为充电站供给大于或等于区域充电需求，具体如下：
其中，qi为充电站i的充电桩数量；
根据需求量求得充电站数量范围，利用穷举法求解上述模型输出充电站建设的最优数量。
上述模型中各参数的参考值如表1所示：
表1
按照满足高峰小时出行量80％的需求计算，得到充电桩总数为278个，由步骤S1中假设一个充电站的充电桩数量不小于10个，因此确定出最大的充电站数量为28个。
以区域建设者建设运营成本和用户绕行成本最小为目标，在上述充电站范围内，进行总成本计算，求得充电站数量与总成本关系图如图3所示，由图可以确定充电站的最优数量为4个。
S4、结合获取的区域需求点分布情况和充电站建设最优数量，确定区域充电站的最终选址。
由步骤S3计算结果可知充电站最优数量为4个，此时总成本最小，利用matlab K均值聚类，集群数量设为4，最终可得充电站布局如图4所示，根据聚类种群的大小，确定每个充电站规模如表2所示：
| 充电站编号 | 充电桩数量(个) |
| 1 | 124 |
| 2 | 43 |
| 3 | 48 |
| 4 | 63 |
表2
以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。
Claims (6)
1.一种考虑城市路网交通运行状态的充电站选址方法，其特征在于，所述方法包括以下步骤：
S1、通过调查获取区域OD出行数据、汽车保有量及电动汽车占比、初始电量和充电电量的分布规律，建立区域路网图，考虑路网交通运行状态，进行VISSIM动态交通分配仿真得到车辆行驶轨迹、速度和路程数据；
S2、对每辆车赋予一个初始电量和充电电量，并结合仿真得到的车辆行驶轨迹、速度和路程数据，通过筛选获取该区域的需求点分布情况；
S3、以区域建设者建设运营成本和用户绕行成本最小为目标，以满足用户充电需求为约束条件，建立充电站选址模型，求取充电站建设最优数量；
S4、结合获取的区域需求点分布情况和充电站建设最优数量，确定区域充电站的最终选址。
2.根据权利要求1所述的考虑城市路网交通运行状态的充电站选址方法，其特征在于：步骤S1中，所述路网交通运行状态具体包括车流量、密度和速度这些交通流基本参数以及驾驶员的动态路径决策情况。
3.根据权利要求1所述的考虑城市路网交通运行状态的充电站选址方法，其特征在于：步骤S1中，将所有出行起讫点归到最近的一个路口，每个路口记为一个小区，通过路口监控视频追踪车辆的行驶轨迹，进而获取区域内的OD出行数据，根据电动汽车占比和发展趋势预测全电动汽车时的数量，结合调查所得的现状OD出行数据，得出区域路网中的交通出行量预测值；通过调查获取居民出发时电动汽车的电量(即初始电量)以及充电时电动汽车的电量(即充电电量)的分布规律，以便在下一步骤中据此对每辆车赋予一个初始电量和充电电量；画出区域路网图，对每个交叉口定义一个小区，输入OD矩阵进行动态交通分配，考虑路网交通运行状态，利用VISSIM动态分配迭代寻找费用最小路径，并以一定概率进行选取，模拟出实际行车情况。
4.根据权利要求1所述的考虑城市路网交通运行状态的充电站选址方法，其特征在于：步骤S2中，在VISSIM动态交通分配后，导出车辆信息表，读取车辆的位置信息、行驶里程和车速信息，对每辆车赋予一个初始电量和充电电量，为了反映路网状况对充电需求点的影响，考虑车速与耗电量的关系，得到车辆实际耗电情况，并用于判断车辆能否到达目的地；车速与耗电功率关系式如下：
其中，为电动汽车j的耗电功率，vj为电动汽车j的速度，ηT为传动***总效率，mcar为汽车满载质量，Aw为迎风面积，CD为空气阻力系数，f为滚动阻力系数；
对于每个仿真步长内，认为车辆的速度是不变的，因此通过式(1)得到每辆车的周期内实际耗电量，假定当车辆到达目的地的电量低于10％时就认为驾驶员在行驶途中就需要充电，由此筛选出有充电需求的车辆；
根据得到的有充电需求的车辆，计算每次仿真步长结束时的累计耗电量，结合初始电量和个人认为需要充电时的电量，判断该仿真步长结束时是否需要充电，判断条件如下：
其中ej0为每辆车的初始电量百分比，ej1为个人认为需要充电时的电量百分比，B为电动汽车电池容量，T为仿真步长，选取满足判断条件的第一个仿真步长，从车辆信息表中读出此时的车辆位置，即为充电需求点坐标。
5.根据权利要求4所述的考虑城市路网交通运行状态的充电站选址方法，其特征在于，步骤S3中，建立充电站选址模型的具体方法如下：
以区域建设者建设运营成本和用户绕行成本最小为目标：
minimize:C＝α1C1+α2C2 (3)
其中C1为总投资成本，C2为区域车辆总绕行成本，α1、α2为权重；
C1、C2能够表示为：
其中，ai为充电站i的投资成本；m为区域最大可能充电站数量；cij为有充电需求时，电动汽车j到充电站i处所需的绕行成本；n为区域内电动汽车总量；对于上式出现的充电站i的投资成本ai和绕行成本cij具体表示为：
ai＝bi1+bi2τqi (8)
其中，bi1为建设充电站i的充电设施成本，bi2为建设充电站i的一个充电桩的成本，τ为高峰充电需求的满足率，qi表示充电站i中充电桩的数量，pe表示电动汽车每充1度电的花费，dij为电动汽车j到充电站i处充电所行驶的直线距离，r为城市路网非直线系数；
上述目标函数的约束为充电站供给大于或等于区域充电需求，具体如下：
其中，qi为充电站i的充电桩数量；
根据需求量求得充电站数量范围，利用穷举法求解上述模型输出充电站建设的最优数量。
6.根据权利要求1所述的考虑城市路网交通运行状态的充电站选址方法，其特征在于：步骤S4中，根据充电站建设最优数量，利用K-均值聚类法对充电站需求点进行聚类，获取区域充电站的最终选址。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811112191.5A CN109447410A (zh) | 2018-09-25 | 2018-09-25 | 一种考虑城市路网交通运行状态的充电站选址方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811112191.5A CN109447410A (zh) | 2018-09-25 | 2018-09-25 | 一种考虑城市路网交通运行状态的充电站选址方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109447410A true CN109447410A (zh) | 2019-03-08 |
Family
ID=65532944
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811112191.5A Pending CN109447410A (zh) | 2018-09-25 | 2018-09-25 | 一种考虑城市路网交通运行状态的充电站选址方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109447410A (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109977527A (zh) * | 2019-03-21 | 2019-07-05 | 华北电力大学 | 一种城市公共充电站网络的充电桩配置方法 |
| CN110084520A (zh) * | 2019-04-30 | 2019-08-02 | 国网上海市电力公司 | 基于公交线路与网格化ap算法的充电站选址方法及装置 |
| CN110222907A (zh) * | 2019-06-18 | 2019-09-10 | 国网河北省电力有限公司经济技术研究院 | 电动汽车充电站规划方法及终端设备 |
| CN110599074A (zh) * | 2019-07-18 | 2019-12-20 | 广州市交通规划研究院 | 一种电动汽车充电设施建设的选址方法 |
| CN110991710A (zh) * | 2019-11-18 | 2020-04-10 | 腾讯科技（深圳）有限公司 | 为能源补给站确定布置位置的方法及相关设备 |
| CN111311122A (zh) * | 2020-03-23 | 2020-06-19 | 广东工业大学 | 面向智慧城市的充电站建设方法 |
| CN111680930A (zh) * | 2020-06-17 | 2020-09-18 | 云南省设计院集团有限公司 | 一种基于特征可达圈的电动汽车充电站选址评估方法 |
| CN111695942A (zh) * | 2020-06-17 | 2020-09-22 | 云南省设计院集团有限公司 | 一种基于时间可靠性的电动汽车充电站选址方法 |
| CN111861145A (zh) * | 2020-06-29 | 2020-10-30 | 东南大学 | 考虑高速公路路网的服务区电动汽车充电站配置方法 |
| 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 |
| CN112257205A (zh) * | 2020-09-25 | 2021-01-22 | 浙江辉博电力设备制造有限公司 | 一种充电站网格选址聚类方法 |
| CN112734176A (zh) * | 2020-12-28 | 2021-04-30 | 中创三优（北京）科技有限公司 | 一种充电站建站方法、装置、终端设备和可读存储介质 |
| CN112836901A (zh) * | 2021-03-08 | 2021-05-25 | 长沙理工大学 | 基于交通分配结果的电动汽车充电站选址方法 |
| CN113139150A (zh) * | 2021-04-02 | 2021-07-20 | 清华大学深圳国际研究生院 | 改进电动汽车充电设施布局的方法及计算机可读存储介质 |
| CN113435777A (zh) * | 2021-07-13 | 2021-09-24 | 北京交通大学 | 一种电动运营车辆充电站规划方法及*** |
| CN115359664A (zh) * | 2022-10-21 | 2022-11-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种立体复合高速公路的交通仿真方法及装置 |
| CN115691140A (zh) * | 2022-11-02 | 2023-02-03 | 东南大学 | 一种汽车充电需求时空分布的分析与预测方法 |
| CN116777517A (zh) * | 2023-07-27 | 2023-09-19 | 苏州德博新能源有限公司 | 一种电池箱位置确定方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103699950A (zh) * | 2013-09-07 | 2014-04-02 | 国家电网公司 | 一种考虑交通网络流量的电动汽车充电站规划方法 |
| CN107506844A (zh) * | 2017-07-06 | 2017-12-22 | 南京理工大学 | 一种电动汽车充电站新型优化布局方法 |
-
2018
- 2018-09-25 CN CN201811112191.5A patent/CN109447410A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103699950A (zh) * | 2013-09-07 | 2014-04-02 | 国家电网公司 | 一种考虑交通网络流量的电动汽车充电站规划方法 |
| CN107506844A (zh) * | 2017-07-06 | 2017-12-22 | 南京理工大学 | 一种电动汽车充电站新型优化布局方法 |
Non-Patent Citations (4)
| Title |
|---|
| 李国良等: ""电动汽车续驶里程的影响因素"", 《吉林工业大学自然科学学报》 * |
| 梅冬晨: ""基于车牌数据的OD矩阵获取及动态交通分配仿真研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 熊虎等: ""电动汽车公共充电站布局的最优规划"", 《电力***自动化》 * |
| 茅以正: ""电动汽车充电站选址优化研究"", 《万方数据知识服务平台》 * |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109977527B (zh) * | 2019-03-21 | 2021-04-16 | 华北电力大学 | 一种城市公共充电站网络的充电桩配置方法 |
| CN109977527A (zh) * | 2019-03-21 | 2019-07-05 | 华北电力大学 | 一种城市公共充电站网络的充电桩配置方法 |
| CN110084520A (zh) * | 2019-04-30 | 2019-08-02 | 国网上海市电力公司 | 基于公交线路与网格化ap算法的充电站选址方法及装置 |
| CN110222907A (zh) * | 2019-06-18 | 2019-09-10 | 国网河北省电力有限公司经济技术研究院 | 电动汽车充电站规划方法及终端设备 |
| CN110599074A (zh) * | 2019-07-18 | 2019-12-20 | 广州市交通规划研究院 | 一种电动汽车充电设施建设的选址方法 |
| CN110991710A (zh) * | 2019-11-18 | 2020-04-10 | 腾讯科技（深圳）有限公司 | 为能源补给站确定布置位置的方法及相关设备 |
| CN110991710B (zh) * | 2019-11-18 | 2023-05-16 | 腾讯科技（深圳）有限公司 | 为能源补给站确定布置位置的方法及相关设备 |
| CN111311122A (zh) * | 2020-03-23 | 2020-06-19 | 广东工业大学 | 面向智慧城市的充电站建设方法 |
| CN111311122B (zh) * | 2020-03-23 | 2023-04-18 | 广东工业大学 | 面向智慧城市的充电站建设方法 |
| CN111680930A (zh) * | 2020-06-17 | 2020-09-18 | 云南省设计院集团有限公司 | 一种基于特征可达圈的电动汽车充电站选址评估方法 |
| CN111695942A (zh) * | 2020-06-17 | 2020-09-22 | 云南省设计院集团有限公司 | 一种基于时间可靠性的电动汽车充电站选址方法 |
| CN111861145A (zh) * | 2020-06-29 | 2020-10-30 | 东南大学 | 考虑高速公路路网的服务区电动汽车充电站配置方法 |
| CN111861145B (zh) * | 2020-06-29 | 2024-07-05 | 东南大学 | 考虑高速公路路网的服务区电动汽车充电站配置方法 |
| CN112053053B (zh) * | 2020-08-31 | 2023-10-27 | 深圳供电局有限公司 | 一种电动汽车充电站选址方法 |
| 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 |
| CN112257205B (zh) * | 2020-09-25 | 2024-04-09 | 浙江辉博电力设备制造有限公司 | 一种充电站网格选址聚类方法 |
| CN112257205A (zh) * | 2020-09-25 | 2021-01-22 | 浙江辉博电力设备制造有限公司 | 一种充电站网格选址聚类方法 |
| CN112734176A (zh) * | 2020-12-28 | 2021-04-30 | 中创三优（北京）科技有限公司 | 一种充电站建站方法、装置、终端设备和可读存储介质 |
| CN112836901A (zh) * | 2021-03-08 | 2021-05-25 | 长沙理工大学 | 基于交通分配结果的电动汽车充电站选址方法 |
| CN113139150A (zh) * | 2021-04-02 | 2021-07-20 | 清华大学深圳国际研究生院 | 改进电动汽车充电设施布局的方法及计算机可读存储介质 |
| CN113435777A (zh) * | 2021-07-13 | 2021-09-24 | 北京交通大学 | 一种电动运营车辆充电站规划方法及*** |
| CN113435777B (zh) * | 2021-07-13 | 2024-06-28 | 北京交通大学 | 一种电动运营车辆充电站规划方法及*** |
| CN115359664A (zh) * | 2022-10-21 | 2022-11-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种立体复合高速公路的交通仿真方法及装置 |
| CN115691140A (zh) * | 2022-11-02 | 2023-02-03 | 东南大学 | 一种汽车充电需求时空分布的分析与预测方法 |
| CN115691140B (zh) * | 2022-11-02 | 2023-08-15 | 东南大学 | 一种汽车充电需求时空分布的分析与预测方法 |
| CN116777517B (zh) * | 2023-07-27 | 2024-06-04 | 苏州德博新能源有限公司 | 一种电池箱位置确定方法 |
| CN116777517A (zh) * | 2023-07-27 | 2023-09-19 | 苏州德博新能源有限公司 | 一种电池箱位置确定方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447410A (zh) | 一种考虑城市路网交通运行状态的充电站选址方法 | |
| Li et al. | Big data analytics for electric vehicle integration in green smart cities | |
| CN107067110B (zh) | 车-路-网模式下电动汽车充电负荷时空预测方法 | |
| CN109034465B (zh) | 考虑充电站选址与出行路径耦合的充电站两层规划方法 | |
| CN106599390B (zh) | 一种计及电动出租车时空随机特性的充电负荷的计算方法 | |
| CN109711630A (zh) | 一种基于出行概率矩阵的电动汽车快充站选址定容方法 | |
| CN102722767B (zh) | 电动汽车充换电站布点规划***及方法 | |
| CN102880921B (zh) | 一种电动汽车充电站选址优化方法 | |
| WO2020199558A1 (zh) | 一种电动汽车充电站最优建设数量和选址方案规划方法 | |
| CN106326992A (zh) | 一种基于电量匹配的app预约租车***及方法 | |
| CN109693576A (zh) | 一种基于模拟退火算法的电动汽车充电调度优化方法 | |
| CN108932561A (zh) | 一种考虑非线性充电函数的电动汽车充电路径选择方法 | |
| Zhu et al. | Solar photovoltaic generation for charging shared electric scooters | |
| CN109636067A (zh) | 一种基于粒子群算法的电动汽车充电调度优化方法 | |
| CN115907227B (zh) | 一种高速公路固定与移动充电设施双层协同优化方法 | |
| CN110084520A (zh) | 基于公交线路与网格化ap算法的充电站选址方法及装置 | |
| Yin et al. | Planning of electric vehicle charging station based on real time traffic flow | |
| CN112364293A (zh) | 考虑城市职能区的电动汽车所需充电量预测方法和装置 | |
| CN106130110B (zh) | 基于分层概率选择出行地的电动出租车充电站定容方法 | |
| CN110084522A (zh) | 基于随机粒子群算法的ev充电站位置生成方法及装置 | |
| Sheng et al. | Emission-concerned coordinated dispatching of electrified autonomous mobility-on-demand system and power system incorporating heterogeneous spatiotemporal scales | |
| CN106408452A (zh) | 含多分布式电源配电网的电动汽车充电站优化配置方法 | |
| CN109389310A (zh) | 基于蒙特卡洛模拟的电动汽车充电设施成熟度评价方法 | |
| Liao et al. | Load modeling for electric taxi battery charging and swapping stations: Comparison studies | |
| 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 |
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 |
Application publication date: 20190308 |
|
| RJ01 | Rejection of invention patent application after publication |