CN110210683A - 一种电动汽车充电设施选址方法 - Google Patents

一种电动汽车充电设施选址方法 Download PDF

Info

Publication number
CN110210683A
CN110210683A CN201910507537.XA CN201910507537A CN110210683A CN 110210683 A CN110210683 A CN 110210683A CN 201910507537 A CN201910507537 A CN 201910507537A CN 110210683 A CN110210683 A CN 110210683A
Authority
CN
China
Prior art keywords
charging station
charging
cost
electric car
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
Application number
CN201910507537.XA
Other languages
English (en)
Inventor
宁光涛
俞悦
李琳玮
陈明帆
陈奕达
何礼鹏
马进红
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.)
HAINAN STATE GRID Co Ltd
Hainan Power Grid Co Ltd
Original Assignee
HAINAN STATE GRID 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 HAINAN STATE GRID Co Ltd filed Critical HAINAN STATE GRID Co Ltd
Priority to CN201910507537.XA priority Critical patent/CN110210683A/zh
Publication of CN110210683A publication Critical patent/CN110210683A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—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
    • 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
    • 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)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (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)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提供了一种电动汽车充电设施选址方法，包括：S1、综合考虑充电站运营者和用户两方面的利益，得到多个目标函数；S2、利用加权Voronoi图的原理来进行电动汽车的站址选择；S3、根据区域内的交通流量，对充电站进行定容；S4、充电站数范围预估；S5、充电站站址确定。本发明所述的电动汽车充电设施选址方法在兼顾充电站运营者和电动汽车用户双方利益的基础上，提出了一种基于全社会成本最小化的规划方案优选模型。

Description

一种电动汽车充电设施选址方法
技术领域
本发明属于电动汽车充电技术领域，尤其是涉及一种电动汽车充电设施选址方法。
背景技术
电动汽车充电站属于为居民出行服务的基础配套设施，在规划建设时既要考虑充电站的建设运行成本，也要考虑充电站建成后的社会效益。
但是现有的充电站大多随机配套安装，根据车流量安装充电站，缺乏一定的科学性和实用性。
发明内容
有鉴于此，本发明旨在提出一种电动汽车充电设施选址方法，以解决现有的电动汽车的充电站的安装大多随机配套安装，缺乏科学性和实用性的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种电动汽车充电设施选址方法，包括：
S1、综合考虑充电站运营者和用户两方面的利益，得到多个目标函数；
S2、利用加权Voronoi图的原理来进行电动汽车的站址选择；
S3、根据区域内的交通流量，对充电站进行定容；
S4、充电站数范围预估；
S5、充电站站址确定。
进一步的，所述步骤S1中，目标函数为：
为方案优选目标函数
为建设投资费用
C2i＝(eia+mib+ci)η为运行维护费
C3i＝ei(CFe+CCu)·Tv·365·p′+mi(CL+CD)·kt·Tv·365·p′为网损费用
C4i＝pQi·365为用户的充电成本
C5i＝h1+h2为用户的路程损耗成本
其中：N为充电站的数量；ei是充电站i配置的变压器数量；a为变压器的单价；mi为充电站i配置的充电机数量；b为充电机的单价；ci为充电站i的基建费用；r0为贴现率，z为运行年限；η比例因子；变压器的铁耗和铜耗；CL充电站内的线路损耗折算到每台充电机的损耗值；CD单台充电机的充电损耗；kt为充电站内多台充电机的同时率；Tv为充电站平均每天的有效充电时间；p’为充电站向电力公司支付的用电价格；Qi为充电站i的服务范围内所有用户平均每天的充电需求，p为用户的充电电价；h1空驶电量损耗成本；h2间接损耗成本。
进一步的，所述步骤S2中，利用加权Voronoi图的原理来进行电动汽车的站址选择和服务范围的划分，所形成的V多边形区域即对应于充电站的服务范围，为了使得V多边形区域内的所有用户都能方便快捷的到充电站进行充电，将以V多边形区域内所有用户充电路程损耗成本之和最小为目标来进行充电站的站址选择，选址过程中需要依据多个函数进行选址。
进一步的，所述选址函数为；
C5i＝h1+h2用户的路程损耗成本
空驶电量损耗成本
间接损耗成本
充电需求点到充电站的综合距离
其中：∑Li为充电站i服务范围内所有充电需求点到充电站的综合距离；g为电动汽车单位电量的行驶里程；k为用户的出行时间价值，可由规划区居民的平均收入估算得到；v为电动汽车的平均速度；dij为充电需求点j到充电站i的空间距离；qj为充电需求点j平均每天需要充电的电动汽车数量；Num是充电站i服务范围内的充电需求点数量。
进一步的，所述步骤S3中，充电站定容的具体方法如下：
设与路口节点j相连的路段数为w，用符号j′f表示与路口节点j相连的第f个路口节点，f＝1,2,3…,w；表示t时刻路口节点j与节点j′f相连的第f条路段的交通流量密度，则路口节点j在t时刻的交通流量密度为：
由于任一路段的交通流都是双向的、非对称的，所以在计算节点的交通流量密度时，应取统一流向，即统一取流入(或流出)节点的车流数据。
T时间段内路口节点j的充电需求为：
若充电站i的服务范围内有ni个路口节点：
充电站i的充电机台数配置：
其中：kev为电动汽车占汽车总量的比例；kcd电动汽车的充电率；Pv为电动汽车电池的平均容量；Qi充电站i需满足的充电需求；mi为充电站i需配置的充电机的台数；ρ为充电站的充电容量裕度；P为单台充电机的充电功率；kx为充电机的效率。
进一步的，所述步骤S4中，充电站数预估的具体方法如下：
其中：Q总充电需求；Smin/Smax充电站的最小容量限制和最大容量极限；
依据上述函数确定充电站数的数量范围。
进一步的，所述步骤S5中，充电站初始地址的选择方法如下：
以区域中心为圆心，分别以区域中心到区域边界距离的1/3和2/3为半径做内外两个圆，然后按照上述方法将圆等分，进而确定新建站布点；
以充电站的最大容量极限和最小容量限制来预估规划区内充电站的最小座数和最大座数，并设置循环变量N，针对每个N,寻找其对应的最优的充电站站址和容量配置,以全社会成本为目标对这(Nmax-Nmin+1)种方案进行排序。
进一步的，还包括站址与服务范围的循环迭代方法，具体如下：
S601、以站址为顶点构造加权Voronoi图；加权Voronoi图分割规划区域所产生的V曲边形即为每个充电站所对应的服务范围；
S602、计算各服务分区的权重：
其中：wi为服务分区i的权重；Qi为分区i的充电需求；Sck为参考容量；
S603、权重微调：
Qi＜Smin→ωi＝ωi+Δ
Qi＞Smax→ωi＝ωi-Δ
其中：Δ为权重自适应调整量；
在充电站选址和服务范围自动划分交替进行的过程中，有时会出现某些分区内充电需求过大或过小的情况，这说明原始权重对于充电站服务范围的划分存在一些不合理的情况，因此，在迭代的过程中需要对不合理的分区权重进行微调。
S604、各服务分区内进行选址操作；
S605、若充电站站址的变动距离之和小于阀值，则迭代结束，输出针对N的最终站址及服务范围，并计算各站的容量配置；否则，返回步骤S601。
进一步的，还包括基于排队理论对充电站电机的优化方法，以充电站的服务成本和顾客的等待费用之和最小为目标来进行充电站的充电机台数配置，具体方法如下：
在稳态的情况下，设单位时间内平均每个充电机的服务成本为Cs，单位时间内顾客在充电站内的等待费用为Cw，则单位时间内的总费用(服务成本和等待费用之和)的期望值为：Z＝cs·c+cw·Ls
式中，Ls是c的函数，因此，***的总费用Z＝Z(c)是关于c的函数，记c*为充电机的最优配置台数，则Z(c*)即为最小费用，由于c只能取整数，Z(c*)是离散函数，所以采用边际分析法求解，这有：
代入总费用函数可得到：
进行简化整理可得到：
利用简化公式，即可得到电动汽车充电站内最佳配置台数c*。简化公式参数设定原则如下：
上式中，n为单位时间内充电站排队理论内电动汽车总数量，c为电机数量，Ct为单量电动汽车充电站内充电时长。
Cw＝人均GDP+yt
上式中，yt为盈利车单位时间的盈利收益。
Cs＝c1i+c1i+c1i
上式中，c1i为充电站i的建设投资年费用；c2i为充电站i的运行维护年费用；c3i为充电站i的网损年费用。
相对于现有技术，本发明所述的电动汽车充电设施选址方法具有以下优势：
本发明所述的电动汽车充电设施选址方法在兼顾充电站运营者和电动汽车用户双方利益的基础上，提出了一种基于全社会成本最小化的规划方案优选模型。
附图说明
构成本发明的一部分的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为本发明实施例所述的电动汽车充电设施选址方法原理图；
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
一种电动汽车充电设施选址方法，包括：
S1、综合考虑充电站运营者和用户两方面的利益，得到多个目标函数；
S2、利用加权Voronoi图的原理来进行电动汽车的站址选择；
S3、根据区域内的交通流量，对充电站进行定容；
S4、充电站数范围预估；
S5、充电站站址确定。
所述步骤S1中，目标函数为：
为方案优选目标函数
为建设投资费用
C2i＝(eia+mib+ci)η为运行维护费
C3i＝ei(CFe+CCu)·Tv·365·p′+mi(CL+CD)·kt·Tv·365·p′为网损费用
C4i＝pQi·365为用户的充电成本
C5i＝h1+h2为用户的路程损耗成本
其中：N为充电站的数量；ei是充电站i配置的变压器数量；a为变压器的单价；mi为充电站i配置的充电机数量；b为充电机的单价；ci为充电站i的基建费用；r0为贴现率，z为运行年限；η比例因子；变压器的铁耗和铜耗；CL充电站内的线路损耗折算到每台充电机的损耗值；CD单台充电机的充电损耗；kt为充电站内多台充电机的同时率；Tv为充电站平均每天的有效充电时间；p’为充电站向电力公司支付的用电价格；Qi为充电站i的服务范围内所有用户平均每天的充电需求，p为用户的充电电价；h1空驶电量损耗成本；h2间接损耗成本。
所述步骤S2中，利用加权Voronoi图的原理来进行电动汽车的站址选择和服务范围的划分，所形成的V多边形区域即对应于充电站的服务范围，为了使得V多边形区域内的所有用户都能方便快捷的到充电站进行充电，将以V多边形区域内所有用户充电路程损耗成本之和最小为目标来进行充电站的站址选择，选址过程中需要依据多个函数进行选址。
所述选址函数为；
C5i＝h1+h2用户的路程损耗成本
空驶电量损耗成本
间接损耗成本
充电需求点到充电站的综合距离
其中：∑Li为充电站i服务范围内所有充电需求点到充电站的综合距离；g为电动汽车单位电量的行驶里程；k为用户的出行时间价值，可由规划区居民的平均收入估算得到；v为电动汽车的平均速度；dij为充电需求点j到充电站i的空间距离；qj为充电需求点j平均每天需要充电的电动汽车数量；Num是充电站i服务范围内的充电需求点数量。
所述步骤S3中，充电站定容的具体方法如下：
设与路口节点j相连的路段数为w，用符号j′f表示与路口节点j相连的第f个路口节点，f＝1,2,3…,w；表示t时刻路口节点j与节点j′f相连的第f条路段的交通流量密度，则路口节点j在t时刻的交通流量密度为：
由于任一路段的交通流都是双向的、非对称的，所以在计算节点的交通流量密度时，应取统一流向，即统一取流入(或流出)节点的车流数据。
T时间段内路口节点j的充电需求为：
若充电站i的服务范围内有ni个路口节点：
充电站i的充电机台数配置：
其中：kev为电动汽车占汽车总量的比例；kcd电动汽车的充电率；Pv为电动汽车电池的平均容量；Qi充电站i需满足的充电需求；mi为充电站i需配置的充电机的台数；ρ为充电站的充电容量裕度；P为单台充电机的充电功率；kx为充电机的效率。
所述步骤S4中，充电站数预估的具体方法如下：
其中：Q总充电需求；Smin/Smax充电站的最小容量限制和最大容量极限；
依据上述函数确定充电站数的数量范围。
所述步骤S5中，充电站初始地址的选择方法如下：
如图1所示，以区域中心为圆心，分别以区域中心到区域边界距离的1/3和2/3为半径做内外两个圆，然后按照上述方法将圆等分，进而确定新建站布点；
以充电站的最大容量极限和最小容量限制来预估规划区内充电站的最小座数和最大座数，并设置循环变量N，针对每个N,寻找其对应的最优的充电站站址和容量配置,以全社会成本为目标对这(Nmax-Nmin+1)种方案进行排序。
还包括站址与服务范围的循环迭代方法，具体如下：
S601、以站址为顶点构造加权Voronoi图；加权Voronoi图分割规划区域所产生的V曲边形即为每个充电站所对应的服务范围；
S602、计算各服务分区的权重：
其中：wi为服务分区i的权重；Qi为分区i的充电需求；Sck为参考容量；
S603、权重微调：
Qi＜Smin→ωi＝ωi+Δ
Qi＞Smax→ωi＝ωi-Δ
其中：Δ为权重自适应调整量；
在充电站选址和服务范围自动划分交替进行的过程中，有时会出现某些分区内充电需求过大或过小的情况，这说明原始权重对于充电站服务范围的划分存在一些不合理的情况，因此，在迭代的过程中需要对不合理的分区权重进行微调。
S604、各服务分区内进行选址操作；
S605、若充电站站址的变动距离之和小于阀值，则迭代结束，输出针对N的最终站址及服务范围，并计算各站的容量配置；否则，返回步骤S601。
对于充电站来说，若充电机配置较多，则充电站的服务成本会增加，服务水平会有所提高，顾客在充电站中由于等待所花费的成本会降低；相反，若充电机配置较少，充电站的服务成本会减少，服务水平会降低，而顾客在充电站中由于等待所花费的成本会增加。这两种费用相对于充电站的充电机台数是一对矛盾体，但是两者之和则在充电站的充电机台数达到某一值时会出现一个最小值。所以以充电站的服务成本和顾客的等待费用之和最小为目标来进行充电站的充电机台数配置。
所以，充电站选址方法还包括基于排队理论对充电站电机的优化方法，具体方法如下：
在稳态的情况下，设单位时间内平均每个充电机的服务成本为Cs，单位时间内顾客在充电站内的等待费用为Cw，则单位时间内的总费用(服务成本和等待费用之和)的期望值为：Z＝cs·c+cw·Ls
式中，Ls是c的函数，因此，***的总费用Z＝Z(c)是关于c的函数，记c*为充电机的最优配置台数，则Z(c*)即为最小费用，由于c只能取整数，Z(c*)是离散函数，所以采用边际分析法求解，这有：
代入总费用函数可得到：
进行简化整理可得到：
利用简化公式，即可得到电动汽车充电站内最佳配置台数c*。简化公式参数设定原则如下：
上式中，n为单位时间内充电站排队理论内电动汽车总数量，c为电机数量，Ct为单量电动汽车充电站内充电时长。
Cw＝人均GDP+yt
上式中，yt为盈利车单位时间的盈利收益。
Cs＝c1i+c1i+c1i
上式中，c1i为充电站i的建设投资年费用；c2i为充电站i的运行维护年费用；c3i为充电站i的网损年费用。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种电动汽车充电设施选址方法，其特征在于，包括：
S1、综合考虑充电站运营者和用户两方面的利益，得到多个目标函数；
S2、利用加权Voronoi图的原理来进行电动汽车的站址选择；
S3、根据区域内的交通流量，对充电站进行定容；
S4、充电站数范围预估；
S5、充电站站址确定。
2.根据权利要求1所述的电动汽车充电设施选址方法，其特征在于：所述步骤S1中，目标函数为：
为方案优选目标函数
为建设投资费用
C2i＝(eia+mib+ci)η 为运行维护费
C3i＝ei(CFe+CCu)·Tv·365·p′+mi(CL+CD)·kt·Tv·365·p′为网损费用
C4i＝pQi·365 为用户的充电成本
C5i＝h1+h2 为用户的路程损耗成本
其中：N为充电站的数量；ei是充电站i配置的变压器数量；a为变压器的单价；mi为充电站i配置的充电机数量；b为充电机的单价；ci为充电站i的基建费用；r0为贴现率，z为运行年限；η比例因子；变压器的铁耗和铜耗；CL充电站内的线路损耗折算到每台充电机的损耗值；CD单台充电机的充电损耗；kt为充电站内多台充电机的同时率；Tv为充电站平均每天的有效充电时间；p’为充电站向电力公司支付的用电价格；Qi为充电站i的服务范围内所有用户平均每天的充电需求，p为用户的充电电价；h1空驶电量损耗成本；h2间接损耗成本。
3.根据权利要求1所述的电动汽车充电设施选址方法，其特征在于：所述步骤S2中，利用加权Voronoi图的原理来进行电动汽车的站址选择和服务范围的划分，所形成的V多边形区域即对应于充电站的服务范围，为了使得V多边形区域内的所有用户都能方便快捷的到充电站进行充电，将以V多边形区域内所有用户充电路程损耗成本之和最小为目标来进行充电站的站址选择，选址过程中需要依据多个函数进行选址。
4.根据权利要求3所述的电动汽车充电设施选址方法，其特征在于：所述选址函数为；
C5i＝h1+h2 用户的路程损耗成本
空驶电量损耗成本
间接损耗成本
充电需求点到充电站的综合距离
其中：∑Li为充电站i服务范围内所有充电需求点到充电站的综合距离；g为电动汽车单位电量的行驶里程；k为用户的出行时间价值，可由规划区居民的平均收入估算得到；v为电动汽车的平均速度；dij为充电需求点j到充电站i的空间距离；qj为充电需求点j平均每天需要充电的电动汽车数量；Num是充电站i服务范围内的充电需求点数量。
5.根据权利要求1所述的电动汽车充电设施选址方法，其特征在于：所述步骤S3中，充电站定容的具体方法如下：
设与路口节点j相连的路段数为w，用符号j′f表示与路口节点j相连的第f个路口节点，f＝1，2，3…，w；表示t时刻路口节点j与节点j′f相连的第f条路段的交通流量密度，则路口节点j在t时刻的交通流量密度为：
由于任一路段的交通流都是双向的、非对称的，所以在计算节点的交通流量密度时，应取统一流向，即统一取流入(或流出)节点的车流数据。
T时间段内路口节点j的充电需求为：
若充电站i的服务范围内有ni个路口节点：
充电站i的充电机台数配置：
其中：kev为电动汽车占汽车总量的比例；kcd电动汽车的充电率；Pv为电动汽车电池的平均容量；Qi充电站i需满足的充电需求；mi为充电站i需配置的充电机的台数；ρ为充电站的充电容量裕度；P为单台充电机的充电功率；kx为充电机的效率。
6.根据权利要求1所述的电动汽车充电设施选址方法，其特征在于：所述步骤S4中，充电站数预估的具体方法如下：
其中：Q总充电需求；Smin/Smax充电站的最小容量限制和最大容量极限；
依据上述函数确定充电站数的数量范围。
7.根据权利要求1所述的电动汽车充电设施选址方法，其特征在于：所述步骤S5中，充电站初始地址的选择方法如下：
以区域中心为圆心，分别以区域中心到区域边界距离的1/3和2/3为半径做内外两个圆，然后按照上述方法将圆等分，进而确定新建站布点；
以充电站的最大容量极限和最小容量限制来预估规划区内充电站的最小座数和最大座数，并设置循环变量N，针对每个N，寻找其对应的最优的充电站站址和容量配置，以全社会成本为目标对这(Nmax-Nmin+1)种方案进行排序。
8.根据权利要求1所述的电动汽车充电设施选址方法，其特征在于：还包括站址与服务范围的循环迭代方法，具体如下：
S601、以站址为顶点构造加权Voronoi图；加权Voronoi图分割规划区域所产生的V曲边形即为每个充电站所对应的服务范围；
S602、计算各服务分区的权重：
其中：wi为服务分区i的权重；Qi为分区i的充电需求；Sck为参考容量；
S603、权重微调：
Qi＜Smin→ωi＝ωi+Δ
Qi＞Smax→ωi＝ωi-Δ
其中：Δ为权重自适应调整量；
在充电站选址和服务范围自动划分交替进行的过程中，有时会出现某些分区内充电需求过大或过小的情况，这说明原始权重对于充电站服务范围的划分存在一些不合理的情况，因此，在迭代的过程中需要对不合理的分区权重进行微调。
S604、各服务分区内进行选址操作；
S605、若充电站站址的变动距离之和小于阀值，则迭代结束，输出针对N的最终站址及服务范围，并计算各站的容量配置；否则，返回步骤S601。
9.根据权利要求1所述的电动汽车充电设施选址方法，其特征在于，还包括基于排队理论对充电站电机的优化方法，以充电站的服务成本和顾客的等待费用之和最小为目标来进行充电站的充电机台数配置，具体方法如下：
在稳态的情况下，设单位时间内平均每个充电机的服务成本为Cs，单位时间内顾客在充电站内的等待费用为Cw，则单位时间内的总费用(服务成本和等待费用之和)的期望值为：Z＝cs·c+cw·Ls
式中，Ls是c的函数，因此，***的总费用Z＝Z(c)是关于c的函数，记c*为充电机的最优配置台数，则Z(c*)即为最小费用，由于c只能取整数，Z(c*)是离散函数，所以采用边际分析法求解，这有：
代入总费用函数可得到：
进行简化整理可得到：
利用简化公式，即可得到电动汽车充电站内最佳配置台数c*。简化公式参数设定原则如下：
上式中，n为单位时间内充电站排队理论内电动汽车总数量，c为电机数量，Ct为单量电动汽车充电站内充电时长。
Cw＝人均GDP+yt
上式中，yt为盈利车单位时间的盈利收益。
Cs＝cli+cli+cli
上式中，cli为充电站i的建设投资年费用；c2i为充电站i的运行维护年费用；c3i为充电站i的网损年费用。
CN201910507537.XA 2019-06-12 2019-06-12 一种电动汽车充电设施选址方法 Pending CN110210683A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910507537.XA CN110210683A (zh) 2019-06-12 2019-06-12 一种电动汽车充电设施选址方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910507537.XA CN110210683A (zh) 2019-06-12 2019-06-12 一种电动汽车充电设施选址方法

Publications (1)

Publication Number Publication Date
CN110210683A true CN110210683A (zh) 2019-09-06

Family

ID=67792262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910507537.XA Pending CN110210683A (zh) 2019-06-12 2019-06-12 一种电动汽车充电设施选址方法

Country Status (1)

Country Link
CN (1) CN110210683A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826821A (zh) * 2019-12-04 2020-02-21 海南电网有限责任公司 一种基于分布式光储充的配电网规划方法
CN110949149A (zh) * 2019-12-12 2020-04-03 海南电网有限责任公司 一种电动汽车充电定位方法及***
CN110991740A (zh) * 2019-12-03 2020-04-10 海南电网有限责任公司 基于运行模拟和智能体技术的电网规划方法和***
CN111882137A (zh) * 2020-08-07 2020-11-03 西南石油大学 计及天然气管网压力能消纳的充电设施优化规划方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110991740A (zh) * 2019-12-03 2020-04-10 海南电网有限责任公司 基于运行模拟和智能体技术的电网规划方法和***
CN110991740B (zh) * 2019-12-03 2023-12-15 海南电网有限责任公司 基于运行模拟和智能体技术的电网规划方法和***
CN110826821A (zh) * 2019-12-04 2020-02-21 海南电网有限责任公司 一种基于分布式光储充的配电网规划方法
CN110949149A (zh) * 2019-12-12 2020-04-03 海南电网有限责任公司 一种电动汽车充电定位方法及***
CN110949149B (zh) * 2019-12-12 2022-12-06 海南电网有限责任公司 一种电动汽车充电定位方法及***
CN111882137A (zh) * 2020-08-07 2020-11-03 西南石油大学 计及天然气管网压力能消纳的充电设施优化规划方法
CN111882137B (zh) * 2020-08-07 2022-10-11 西南石油大学 计及天然气管网压力能消纳的充电设施优化规划方法

Similar Documents

Publication Publication Date Title
CN110210683A (zh) 一种电动汽车充电设施选址方法
Khan et al. A comprehensive review of fast charging infrastructure for electric vehicles
CN106469926B (zh) 通过平衡实用程序和用户考虑而为电动车辆自动选择充电例程
Kumar et al. V2G capacity estimation using dynamic EV scheduling
Deilami et al. Real-time coordination of plug-in electric vehicle charging in smart grids to minimize power losses and improve voltage profile
Ou et al. Investigating wireless charging and mobility of electric vehicles on electricity market
CN102880921B (zh) 一种电动汽车充电站选址优化方法
He et al. An optimal charging/discharging strategy for smart electrical car parks
CN101901945B (zh) 一种插电式混合动力车的集中智能调度充电方法
CN104966127B (zh) 一种基于需求响应的电动汽车经济调度方法
US20110001356A1 (en) Systems and methods for electric vehicle grid stabilization
Crozier et al. The case for Bi-directional charging of electric vehicles in low voltage distribution networks
Grahn et al. The customer perspective of the electric vehicles role on the electricity market
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
CN109383323B (zh) 一种电动汽车群的充放电优化控制方法
CN109636031A (zh) 一种城市充电站整体规划方法
CN111179506A (zh) 共享充电桩自助充电***及共享充电桩的推荐方法
CN110598927A (zh) 一种充电场站优化配置选型方法
Verbist et al. Impact of dynamic tariffs for smart ev charging on lv distribution network operation
de Brey Smart solar charging: bi-directional AC charging (V2G) in the Netherlands
JP2013101554A (ja) 充電料金算出装置及び充電料金算出方法並びにそのプログラム
JP6227323B2 (ja) 電気自動車の充電課金方法、及び電気自動車の充電課金システム
Guo et al. Analyzing the impacts of Plug-in EVs on the California power grid using quadratic programming and fixed-point iteration
Liu et al. Orderly Charging and Discharging Scheduling Strategy for Electric Vehicles Considering the Demands of Both Users and Power Grid
KR102303503B1 (ko) 전기차를 위한 주차 및 충전 요금 분배 장치 및 방법

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