CN110705864B - 一种充电站选址定容方法 - Google Patents
一种充电站选址定容方法 Download PDFInfo
- Publication number
- CN110705864B CN110705864B CN201910925487.7A CN201910925487A CN110705864B CN 110705864 B CN110705864 B CN 110705864B CN 201910925487 A CN201910925487 A CN 201910925487A CN 110705864 B CN110705864 B CN 110705864B
- Authority
- CN
- China
- Prior art keywords
- charging station
- charging
- distribution network
- station
- cost
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000004513 sizing Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 9
- 239000002245 particle Substances 0.000 claims description 6
- 238000011160 research Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种充电站选址定容方法,包括以下步骤:S1、确定规划区域待建充电站的数量m的取值范围[Nmin,Nmax];S2、利用Floyd最短路径算法产生规划区域各个充电需求点之间的最短距离集合;S3、随机生成多组m个初始站址;S4、利用Floyd最短路径算法计算交通节点到充电站的距离,对交通节点进行充电站归属划分,确定各个充电站的充电需求和充电桩配置;S5、分别把多组站址方案中的充电站分别接入距离其最近的配网节点,检查配网节点电压是否超过约束条件;S6、计算接入配网节点进行潮流计算后电压符合约束条件的方案的总成本C。本发明的充电站选址定容方法的整体方案更加细化,更加合理,更符合实际。
Description
技术领域
本发明涉及配电网技术领域,具体涉及一种充电站选址定容方法。
背景技术
目前在充电站的选址定容研究中采用Floyd算法的不多,大多数研究以交通节点到充电站的欧式距离作为交通节点到充电站的距离,少数采用了Floyd算法的研究把交通节点当成候选站址,计算交通网路节点之间的最短距离,在满足相关约束的基础上,采用优化算法进行选址规划。目前的充电站选址研究存在以下缺点:
1、大多数研究未考虑候选站址的选址的实际情况,在计算不同充电需求点距离和充电需求点到待选充电站的距离时简单采用欧氏距离或者在欧式距离的基础上增加一个非直线系数,少数采用了Floyd算法的研究简单把交通节点当成候选站址,从交通节点中选出一定数量的节点作为充电站规划站址,这样得出的充电站的选址和定容方案不够合理;
2、大多数研究在充电站的规划过程中并未考虑充电站建设对配电网的影响,少数有考虑的研究也只是简单考虑配电网的相关约束条件,并未把配电网的相关成本计入总成本考虑范围。
发明内容
本发明为克服上述现有技术所存在的充电站选址定容方案不合理以及成本考虑范围欠周全的问题,提供了一种充电站选址定容方法,整体方案更加细化,更加合理,更符合实际。
为解决上述技术问题,本发明提供以下技术方案:
一种充电站选址定容方法,包括以下步骤:
S1:确定规划区域待建充电站的数量m的取值范围[Nmin,Nmax];
S2:利用Floyd最短路径算法产生规划区域各个充电需求点之间的最短距离集合;
其中,所述Floyd最短路径算法为通过多源点加权图的权值矩阵求出它的每两点间的最短路径矩阵;
S3:随机生成多组m个初始站址;
S4:利用Floyd最短路径算法计算交通节点到充电站的距离,通过假设电动汽车前往距离最近的充电站,将对应交通节点的充电需求划分到离其最近充电站的充电需求,进而确定各个充电站的充电需求和充电桩配置;
S5:分别把经过步骤S4处理的多组m个初始站址中的充电站分别接入距离其最近的配网节点,检查配网节点电压是否超过约束条件;
S6:计算接入配网节点进行潮流计算后电压符合约束条件的方案的总成本C;
S7:利用PSO算法计算总成本的历史个体最优值pbestcost和全局最优值gbestcost,若站址对应的当前总成本C比其对应的历史个体最优值pbestcost小,则用该总成本替代pbestcost,而该总成本对应的充电站选址方案替代pbest,若所有方案中最低的总成本C比gbestcost小,则用该总成本C替代gbestcost,对应的充电站方案作为gbest;
S8:更新PSO算法的粒子位置与粒子速度,进行迭代;
S9:若迭代未完成,则继续进行步骤S4-S8,若迭代完成,则输出全局最优值gbestcost及其对应的充电站方案gbest。
本发明的充电站选址定容方法通过改进PSO算法来迭代产生最优站址,以交通节点到离充电站最近的交通节点的最短距离加上该离充电站最近的交通节点到充电站的欧式距离来作为交通节点到其归属充电站的实际距离,克服了其他发明中采用欧式距离或者乘以非直线系数等方法来计算距离而引起的误差,使得充电站规划结果更加合理,更符合实际;除此之外,在充电站规划的过程中引入充电站接入配网节点的网损成本和充电站到配网节点的线路成本,不仅把优化问题深化为多目标优化问题,并且把配网方面相关成本细化,使得规划目标更加合理,克服了其他发明中考虑单或较少方面利益的弊端。
进一步的,在步骤S1中,Nmin和Nmax的值分别为:
其中,Nmin为充电站的数量最小值,Nmax为充电站的数量最大值,Q为规划区域的充电总需求,Smin为充电站的最小容量限制,Smax为充电站的最大容量限制,利用规划区域的总充电需求及充电站的最小容量限制和最大容量限制来预估充电站的数量范围,结果更加合理。
进一步的,总成本最小值的计算公式为:
其中,C为充电站的总成本,N为充电站的数量,C1i为充电站i的年建设成本,C2i为充电站i的运维成本,C3i为充电站i服务范围内的电动汽车用户的出行成本,C4为电网的网损成本,总成本的计算更加细化,使整个方案更加合理,更加符合实际。
进一步的,充电站i的年建设成本为:
其中,C1i为充电站i的年建设成本,ei为充电站i的变压器数量,a为变压器单价,mi为充电站i的充电机数量,pc为充电机的单价,c1为配电网线路的单位造价,li为充电站i接入配网节点的线路长度,ωi为基建成本,r0为贴现率,z为运营年数,方案计算更加合理。
进一步的,充电站i的运维成本为:
C2i=(eia+mipc+licl+ωi)η
其中,C2i为充电站i的运维成本,η为缩小比例因子,方案计算更加科学,更加合理。
进一步的,电动汽车用户出行成本为:
dc=Dbj+sqrt((xi-xj)2+(yi-yj)2)
其中,C3i为充电站i服务范围内的电动汽车用户的出行成本,niev为充电站i服务范围内需要充电的电动汽车数量,b为第c辆电动汽车所在的交通节点,i为电动汽车归属的充电站,j为距离充电站i最近的交通节点,dc为第c辆电动汽车距离充电站的距离,gk为电动汽车每单位电量的行驶距离,p为电动汽车的充电电价,考虑更加周全,方案更加合理。
进一步的,电网的网损成本为:
其中,C4为配电网的网损成本,Sloss2(t)为因充电站接入而引起的有功网损,Sloss1(t)为电动汽车充电站接入前原配网***的有功网损,p为单位电价,计算更为细化,方案更加合理。
进一步的,充电站的充电桩数量具有一个数量约束值,其数量约束值为:
其中,mi为充电站i的充电桩数量,pm为单个充电桩的充电功率,Si为充电站i服务范围内的充电需求,Slim为充电站i连接的配网节点的功率上限,单个充电站的容量应该限制在合理范围,充电站的充电桩容量应该满足其服务范围内的所有充电需求,但是不能超过其连接的配电节点的供电能力,能够更好地保障使用的安全性。
进一步的,充电站接入配网节点的充电功率具有一个功率约束值,其功率约束值为:
Pil+Pl≤Plmax
其中,Pil为充电站i接入到配网节点l的充电功率,Pl为配网节点l处的负荷,Plmax为配网节点l所能允许的最大接入功率,保障使用的安全性。
进一步的,配网节点的电压值具有一个电压约束值,其电压约束值为:
0.95<Vj<1.05
其中,Vj是配网负荷节点j的电压约束值,该电压约束值为标幺值,防止电压过高影响运行,安全性更高。
与现有技术相比,本发明具有以下有益效果:
在充电站选址定容时引入Floyd最短路径算法,并重新定义充电站到充电需求点的距离,以交通节点到离充电站最近的交通节点的最短距离加上该离充电站最近的交通节点到充电站的欧式距离来作为交通节点到其归属充电站的实际距离,使得模型的计算结果符合现实的路网状况,更具有现实意义;在选址定容的每次迭代过程中引入配网潮流计算环节,并在保证充电站规划结果满足配电网安全要求的前提下,在总成本中计入充电站接入配电节点的网损成本和充电站到配电网接入节点的线路成本,使得规划目标更加合理,克服了其他发明中考虑单或较少方面利益的弊端。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据附图获得其他的附图。
图1为本发明一种充电站选址定容方法的流程图;
图2为本发明一种充电站选址定容方法的电动汽车充电站的结构图;
图3为本发明一种充电站选址定容方法的Floyd算法的多源点加权图;
图4为本发明一种充电站选址定容方法的Floyd算法的初始矩阵D;
图5为本发明一种充电站选址定容方法的Floyd算法的初始矩阵P;
图6为本发明一种充电站选址定容方法的Floyd算法的最短距离矩阵D;
图7为本发明一种充电站选址定容方法的Floyd算法的最短距离矩阵P。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,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它实施例,都属于本发明保护的范围。
本发明实施例包括:
如图1-2所示,一种充电站选址定容方法,包括以下步骤:
S1:确定规划区域待建充电站的数量m的取值范围[Nmin,Nmax];
S2:利用Floyd最短路径算法产生规划区域各个充电需求点之间的最短距离集合;
S3:随机生成多组m个初始站址;
S4:利用Floyd最短路径算法计算交通节点到充电站的距离,对交通节点进行充电站归属划分,确定各个充电站的充电需求和充电桩配置;
S5:分别把多组站址方案中的充电站分别接入距离其最近的配网节点,检查配网节点电压是否超过约束条件;
S6:计算接入配网节点进行潮流计算后电压符合约束条件的方案的总成本C;
S7:利用PSO算法计算总成本的个体最优值pbestcost和全局最优值gbestcost,若站址对应的总成本C比其对应的历史个体最优值pbestcost小,则用该总成本替代pbestcost,该充电站选址方案替代pbest,若所有方案中最低的总成本C比gbestcost小,则用该总成本C替代gbestcost,对应的充电站方案作为gbest;
S8:更新PSO算法的粒子位置与粒子速度,进行迭代;
S9:若迭代未完成,则继续进行步骤S4-S8,若迭代完成,则输出全局最优值gbestcost及其对应的充电站方案gbest。
本发明的充电站选址定容方法通过改进PSO算法来迭代产生最优站址,以交通节点到离充电站最近的交通节点的最短距离加上该离充电站最近的交通节点到充电站的欧式距离来作为交通节点到其归属充电站的实际距离,克服了其他发明中采用欧式距离或者乘以非直线系数等方法来计算距离而引起的误差,使得充电站规划结果更加合理,更符合实际;除此之外,在充电站规划的过程中引入充电站接入配网节点的网损成本和充电站到配网节点的线路成本,不仅把优化问题深化为多目标优化问题,并且把配网方面相关成本细化,使得规划目标更加合理,克服了其他发明中考虑单或较少方面利益的弊端。
在本实施例中,在步骤S1中,Nmin和Nmax的值分别为:
其中,Nmin为充电站的数量最小值,Nmax为充电站的数量最大值,Q为规划区域的充电总需求,Smin为充电站的最小容量限制,Smax为充电站的最大容量限制,利用规划区域的总充电需求及充电站的最小容量限制和最大容量限制来预估充电站的数量范围,结果更加合理。
在本实施例中,总成本最小值的计算公式为:
其中,C为充电站的总成本,N为充电站的数量,C1i为充电站i的年建设成本,C2i为充电站i的运维成本,C3i为充电站i服务范围内的电动汽车用户的出行成本,C4为电网的网损成本,总成本的计算更加细化,使整个方案更加合理,更加符合实际。
在本实施例中,充电站i的年建设成本为:
其中,C1i为充电站i的年建设成本,ei为充电站i的变压器数量,a为变压器单价,mi为充电站i的充电机数量,pc为充电机的单价,c1为配电网线路的单位造价,li为充电站i接入配网节点的线路长度,ωi为基建成本,r0为贴现率,z为运营年数,方案计算更加合理。
在本实施例中,充电站i的运维成本为:
C2i=(eia+mipc+licl+ωi)η
其中,C2i为充电站i的运维成本,η为缩小比例因子,方案计算更加科学,更加合理。
在本实施例中,电动汽车用户出行成本为:
dc=Dbj+sqrt((xi-xj)2+(yi-yj)2)
其中,C3i为充电站i服务范围内的电动汽车用户的出行成本,niev为充电站i服务范围内需要充电的电动汽车数量,b为第c辆电动汽车所在的交通节点,i为电动汽车归属的充电站,j为距离充电站i最近的交通节点,dc为第c辆电动汽车距离充电站的距离,gk为电动汽车每单位电量的行驶距离,p为电动汽车的充电电价,考虑更加周全,方案更加合理。
在本实施例中,电网的网损成本为:
其中,C4为配电网的网损成本,Sloss2(t)为因充电站接入而引起的有功网损,Sloss1(t)为电动汽车充电站接入前原配网***的有功网损,p为单位电价,计算更为细化,方案更加合理。
在本实施例中,充电站的充电桩数量具有一个数量约束值,其数量约束值为:
其中,mi为充电站i的充电桩数量,pm为单个充电桩的充电功率,Si为充电站i服务范围内的充电需求,Slim为充电站i连接的配网节点的功率上限,单个充电站的容量应该限制在合理范围,充电站的充电桩容量应该满足其服务范围内的所有充电需求,但是不能超过其连接的配电节点的供电能力,能够更好地保障使用的安全性。
在本实施例中,充电站接入配网节点的充电功率具有一个功率约束值,其功率约束值为:
Pil+Pl≤Plmax
其中,Pil为充电站i接入到配网节点l的充电功率,Pl为配网节点l处的负荷,Plmax为配网节点l所能允许的最大接入功率,保障使用的安全性。
在本实施例中,配网节点的电压值具有一个电压约束值,其电压约束值为:
0.95<Vj<1.05
其中,Vj是配网负荷节点j的电压约束值,该电压约束值为标幺值,防止电压过高影响运行,安全性更高。
在本实施例中所采用的Floyd算法又称为插点法,是一种利用动态规划的思想寻找给定的加权图中多源点之间最短路径的算法,通过一个图的权值矩阵求出它的每两点间的最短路径矩阵,典型的多源点加权图如图3所示。
通过Floyd计算图3中各个顶点的最短路径时,需要引入两个矩阵,矩阵D中的元素a[i][j]表示顶点i到顶点j的距离,如图4所示;矩阵P中的元素b[i][j],表示顶点i到顶点j经过了b[i][j]记录的值所表示的顶点,如图5所示。
假设图3中顶点个数为N,则需要对矩阵D和矩阵P进行N次更新。初始时,矩阵D中顶点a[i][j]的距离为顶点i到顶点j的权值;如果i和j不相邻,则a[i][j]=∞,矩阵P的值为顶点b[i][j]的j的值。接下来开始,对矩阵D进行N次更新。第1次更新时,如果a[i][j]的值大于a[i][k]+a[k][j](表示i与j之间经过第k个顶点的距离),则更新a[i][j]为”a[i][k]+a[k][j]”,更新b[i][j]=b[i][k]。更新N次之后,可得到最短距离矩阵D和最短路径矩阵P,如图6和图7所示。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种充电站选址定容方法,其特征在于,包括以下步骤:
S1:确定规划区域待建充电站的数量m的取值范围[Nmin,Nmax];
S2:利用Floyd最短路径算法产生规划区域各个充电需求点之间的最短距离集合;
其中,所述Floyd最短路径算法为通过多源点加权图的权值矩阵求出它的每两点间的最短路径矩阵;
S3:随机生成多组m个初始站址;
S4:利用Floyd最短路径算法计算交通节点到充电站的距离,通过假设电动汽车前往距离最近的充电站,将对应交通节点的充电需求划分到离其最近充电站的充电需求,进而确定各个充电站的充电需求和充电桩配置;
S5:分别把经过步骤S4处理的多组m个初始站址中的充电站分别接入距离其最近的配网节点,检查配网节点电压是否超过约束条件;
S6:计算接入配网节点进行潮流计算后电压符合约束条件的方案的总成本C;
S7:利用PSO算法计算总成本的历史个体最优值pbestcost和全局最优值gbestcost,若站址对应的当前总成本C比其对应的历史个体最优值pbestcost小,则用该总成本替代pbestcost,而该总成本对应的充电站选址方案替代pbest,若所有方案中最低的总成本C比gbestcost小,则用该总成本C替代gbestcost,对应的充电站方案作为gbest;
S8:更新PSO算法的粒子位置与粒子速度,进行迭代;
S9:若迭代未完成,则继续进行步骤S4-S8,若迭代完成,则输出全局最优值gbestcost及其对应的充电站方案gbest。
5.根据权利要求4所述的充电站选址定容方法,其特征在于,充电站i的运维成本为:
C2i=(eia+mipc+licl+ωi)η
其中,C2i为充电站i的运维成本,η为缩小比例因子。
9.根据权利要求8所述的充电站选址定容方法,其特征在于,充电站接入配网节点的充电功率具有一个功率约束值,其功率约束值为:
Pil+Pl≤Plmax
其中,Pil为充电站i接入到配网节点l的充电功率,Pl为配网节点l处的负荷,Plmax为配网节点l所能允许的最大接入功率。
10.根据权利要求9所述的充电站选址定容方法,其特征在于,配网节点的电压值具有一个电压约束值,其电压约束值为:
0.95<Vj<1.05
其中,Vj是配网负荷节点j的电压约束值,该电压约束值为标幺值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910925487.7A CN110705864B (zh) | 2019-09-27 | 2019-09-27 | 一种充电站选址定容方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910925487.7A CN110705864B (zh) | 2019-09-27 | 2019-09-27 | 一种充电站选址定容方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110705864A CN110705864A (zh) | 2020-01-17 |
CN110705864B true CN110705864B (zh) | 2022-05-17 |
Family
ID=69198206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910925487.7A Active CN110705864B (zh) | 2019-09-27 | 2019-09-27 | 一种充电站选址定容方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705864B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582670B (zh) * | 2020-04-21 | 2022-06-14 | 上海电力大学 | 一种电动汽车充电站选址定容方法 |
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 |
CN112650888B (zh) * | 2020-12-25 | 2024-01-12 | 山东大学 | 一种基于图论的区域综合能源***选址规划方法及*** |
CN115271268B (zh) * | 2022-09-27 | 2023-01-13 | 国网浙江省电力有限公司宁波供电公司 | 一种电动汽车充电站选址规划方法、装置及终端设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880921A (zh) * | 2012-10-16 | 2013-01-16 | 山东电力集团公司电力科学研究院 | 一种电动汽车充电站选址优化方法 |
CN107180274A (zh) * | 2017-05-09 | 2017-09-19 | 东南大学 | 一种电动汽车充电设施规划典型场景选取和优化方法 |
CN108460487A (zh) * | 2018-03-07 | 2018-08-28 | 国网江苏省电力有限公司无锡供电分公司 | 基于apso算法的电动汽车快速充电站优化选址定容方法 |
CN108764634A (zh) * | 2018-04-24 | 2018-11-06 | 河海大学 | 一种考虑充电需求增长的电动汽车充电站动态规划方法 |
DE102017209450A1 (de) * | 2017-06-02 | 2018-12-06 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Ermittlung der Temperatur einer Lade-Schnittstelle eines Fahrzeugs |
CN109754119A (zh) * | 2018-12-29 | 2019-05-14 | 国网天津市电力公司电力科学研究院 | 基于Floyd算法的电动汽车充换电服务网络优化规划方法 |
CN110111001A (zh) * | 2019-05-06 | 2019-08-09 | 广东工业大学 | 一种电动汽车充电站的选址规划方法、装置以及设备 |
CN110175780A (zh) * | 2019-05-28 | 2019-08-27 | 广东工业大学 | 一种电动汽车充电站选址方法、***及相关装置 |
-
2019
- 2019-09-27 CN CN201910925487.7A patent/CN110705864B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880921A (zh) * | 2012-10-16 | 2013-01-16 | 山东电力集团公司电力科学研究院 | 一种电动汽车充电站选址优化方法 |
CN107180274A (zh) * | 2017-05-09 | 2017-09-19 | 东南大学 | 一种电动汽车充电设施规划典型场景选取和优化方法 |
DE102017209450A1 (de) * | 2017-06-02 | 2018-12-06 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Ermittlung der Temperatur einer Lade-Schnittstelle eines Fahrzeugs |
CN108460487A (zh) * | 2018-03-07 | 2018-08-28 | 国网江苏省电力有限公司无锡供电分公司 | 基于apso算法的电动汽车快速充电站优化选址定容方法 |
CN108764634A (zh) * | 2018-04-24 | 2018-11-06 | 河海大学 | 一种考虑充电需求增长的电动汽车充电站动态规划方法 |
CN109754119A (zh) * | 2018-12-29 | 2019-05-14 | 国网天津市电力公司电力科学研究院 | 基于Floyd算法的电动汽车充换电服务网络优化规划方法 |
CN110111001A (zh) * | 2019-05-06 | 2019-08-09 | 广东工业大学 | 一种电动汽车充电站的选址规划方法、装置以及设备 |
CN110175780A (zh) * | 2019-05-28 | 2019-08-27 | 广东工业大学 | 一种电动汽车充电站选址方法、***及相关装置 |
Non-Patent Citations (1)
Title |
---|
面向公路网无线充电的配电网规划研究;韩文博;《万方学位论文库》;20161111;第1-92页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110705864A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705864B (zh) | 一种充电站选址定容方法 | |
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 | |
Mehta et al. | Double-layered intelligent energy management for optimal integration of plug-in electric vehicles into distribution systems | |
CN112467722B (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 | |
CN102880921B (zh) | 一种电动汽车充电站选址优化方法 | |
CN108446796A (zh) | 考虑电动汽车负荷需求响应的网-源-荷协调规划方法 | |
CN108573317B (zh) | 一种换电站充放电策略优化控制的方法 | |
CN106965688A (zh) | 一种电网和交通网协同环境下的电动汽车充电方法 | |
CN112434444B (zh) | 计及需求响应的配电网站网协同扩容规划方法 | |
CN111244985A (zh) | 基于节点综合灵敏度系数的分布式储能序次优化配置方法 | |
CN114186754B (zh) | 含有不同类型充电桩的电动汽车充电站选址定容优化方法 | |
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 | |
CN110388932A (zh) | 一种电动汽车充电导航方法 | |
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 | |
CN110059869B (zh) | 一种基于交通流量的充电站与配电网协调规划方法 | |
Sheng et al. | A potential security threat and its solution in coupled urban power-traffic networks with high penetration of electric vehicles | |
CN114169609A (zh) | 一种考虑光伏耦合的电动汽车充电站规划方法 | |
CN111861145A (zh) | 考虑高速公路路网的服务区电动汽车充电站配置方法 | |
Zhou et al. | Intelligent path planning strategy for electric vehicles combined with urban electrified transportation network and power grid | |
CN110689210A (zh) | 一种计及三种类型充电桩的电动汽车充电站优化配置方法 | |
CN112016745B (zh) | 一种电动汽车充电站规划方法 | |
Bai et al. | Multi-objective planning for electric vehicle charging stations considering TOU price | |
Zhang et al. | Joint PEV charging station and distributed PV generation planning | |
CN109934414B (zh) | 一种含电动车充电站的增量配电网规划方法 | |
Cheng et al. | An electric vehicle charging station planning method considering traffic congestion |
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 |