CN111798057A - 一种基于模糊层次盈利分析的充电场站选址方法 - Google Patents

一种基于模糊层次盈利分析的充电场站选址方法 Download PDF

Info

Publication number
CN111798057A
CN111798057A CN202010642573.XA CN202010642573A CN111798057A CN 111798057 A CN111798057 A CN 111798057A CN 202010642573 A CN202010642573 A CN 202010642573A CN 111798057 A CN111798057 A CN 111798057A
Authority
CN
China
Prior art keywords
charging station
evaluation
index
fuzzy
value
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.)
Granted
Application number
CN202010642573.XA
Other languages
English (en)
Other versions
CN111798057B (zh
Inventor
郭晶
丁西
傅世勇
田攀
唐冬来
阮正平
佘文魁
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.)
Sichuan Zhongdian Aostar Information Technologies Co ltd
Original Assignee
Aostar Information Technologies Co ltd
State Grid Information and Telecommunication 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 Aostar Information Technologies Co ltd, State Grid Information and Telecommunication Co Ltd filed Critical Aostar Information Technologies Co ltd
Priority to CN202010642573.XA priority Critical patent/CN111798057B/zh
Publication of CN111798057A publication Critical patent/CN111798057A/zh
Application granted granted Critical
Publication of CN111798057B publication Critical patent/CN111798057B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—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
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了一种基于模糊层次盈利分析的充电场站选址方法，以盈利为落脚点进行选址，充分考虑影响充电场站建设运营的众多因素进行模糊评价，结合已经运营场站的历史数据和经验预估盈利情况，对最佳的选址做出计算。

Description

一种基于模糊层次盈利分析的充电场站选址方法
技术领域
本发明属于数据分析计算领域，具体地说，涉及一种基于模糊层次盈利分析的充电场站选址方法。
背景技术
根据《新能源汽车产业中长期发展规划(2021-2035年)》(征求意见稿)的行业预测，2025年新能源汽车销量将占到当年汽车总销量的25％，预计超过700万辆，保有量将超过2000万辆。目前新能源汽车存在续航里程问题，能够及时快速的进行充电是用户的迫切需求，各路资本纷纷投资建设充电场站。但目前车桩比依然超过3：1且存在车桩错位布局的困境，加上新能源汽车整体存量较小，充电设施平均利用率不足10％，充电场站建设项目回收周期长，盈利空间有限。提升充电场站的盈利能力，要从源头抓起，科学的规划选址至关重要。
目前，充电场站选址方案大多只考虑了部分影响因素，使用一种选址方法，存在一定的弊端，不能精确全面的反映备选地址的整体情况。因此，现有选址方法的全面性、准确性、***性都需要进一步提升，为充电站的建设运营提供科学指导，确保场站投资收益。
发明内容
本发明针对现有充电场站选址存在的上述问题，提出了一种基于模糊层次盈利分析的充电场站选址方法，以盈利为落脚点进行选址，充分考虑影响充电场站建设运营的众多因素进行模糊评价，结合已经运营场站的历史数据和经验预估盈利情况，对最佳的选址做出计算。
本发明提出了一种基于模糊层次盈利分析的充电场站选址方法，依次包括以下步骤：
步骤1：构建备选地址库：分析指定区域的规划、商圈、车流、竞对信息，结合土地可用性、建设安全性，构建多个备选地址库D，记为D＝{D1,D2,...Dn}；
步骤2：构建指标权重向量K；
步骤3：建立评判模型的评判集，根据专家评价结果建立模糊评价矩阵，最后计算生成模糊综合评价值；
步骤4：对于对全部候选地址进行模糊评价，得到候选地址模糊评价值；
步骤5：结合已经运营场站的历史数据和经验，对候选地址计算盈利情况，得到每个候选地址的毛利率；
步骤6：对模糊评价值和毛利率进行加权计算，得到候选地址的综合评价值，获得最优地址方案。
为了更好地实现本发明，进一步地，所述步骤2具体操作为：
步骤2.1：综合考虑新能源汽车充电场站的特点和各种影响因素，建立多层次指标体系，考虑成本、规划、电网、充电需求、竞争对手方面，每个方面包含多个参数指标；
步骤2.2：建立充电场站选址层次分析模型，其中第二层分类数量为m,指标层总指标数为n，指标集合C＝{C1,C2,...,Cn}；
步骤2.3：构造层次分析n阶判断矩阵P，矩阵P中元素以Cij及其倒数Cji表示：
Figure BDA0002572006530000021
其中，
Figure BDA0002572006530000022
Cij为指标Ci和指标Cj相对重要程度值，Cij的具体值通过专家评价指标确定；
步骤2.4：进行指标重要性计算，根据判断矩阵P，求得矩阵最大特征值λmax对应的特征向量；具体求解公式为：
Pζ＝λmaxζ；
步骤2.5：对特征向量进行归一化处理，归一化数值记为指标权重，表达为指标权重向量K＝{K1,K2,....Kn}，且第三层指标满足
Figure BDA0002572006530000023
为了更好地实现本发明，进一步地，所述步骤2.5计算出指标权重向量K＝{K1,K2,....Kn}后，还需要进行步骤2.6，步骤2.6为对指标权重向量K＝{K1,K2,....Kn}的一致性进行校验，具体校验步骤为：
首先计算判断矩阵随机一致性比率CR，所述CR等于CI与RI的比值，其中
Figure BDA0002572006530000024
RI为判断矩阵我平均一致性比率；
然后判断CR的大小：
若CR≤0.1，通过一致性检验，继续进行步骤3；
若CR>0.1，再重复步骤2.4-2.6的步骤，对参数指标相对重要度重新评价，调整判断矩阵P，最终得到满足一致性检验的指标权重向量K＝{K1,K2,....Kn}，然后再进行步骤3。
为了更好地实现本发明，进一步地，所述步骤3具体包括以下步骤：
步骤3.1：建立评判模型的评判集，即评判者对评判对象可能做出的各种总的评判结果所组成的集合；使用模糊语言描述评价，记为PY＝{Y1,Y2,...,Yk}；
步骤3.2：邀请一定数量的专家针对指标层中的各项指标，对于备选地址库的地址D＝{D1,D2,...Dn}分别给出评语值，根据评价人员数量及评价结果，每个备选地址建立如下模糊评价矩阵R：
Figure BDA0002572006530000031
其中i＝1,2,...,n；j＝1,2,....,k,rij表示第i个指标元素隶属于第j个评语的程度，0≤rij≤1；
步骤3.3：基于模糊评价矩阵R，进行综合评价，评价结果矩阵l＝KR，其中K＝{K1,K2,....Kn}为通过步骤2层次分析法获得的指标权重向量K；
步骤3.4：记l＝(l1,l2,....ln)，其中li为备选地址隶属于评语i的隶属度；利用加权平均法计算备选地址的评判效益值
Figure BDA0002572006530000032
为了更好地实现本发明，进一步地，所述步骤4具体操作为：
对全部候选地址进行模糊评价，得到候选地址模糊评价结果；对各个备选地址D＝{D1,D2,...,Di,...,Dn}计算评判效益值V，评判结果集V＝{V1,V2,...,Vi,...,Vn}，其中Vi为备选地址Di的评价效益值。
为了更好地实现本发明，进一步地，所述步骤5的具体操作为：
步骤5.1：计算充电场站i的的成本
Figure BDA0002572006530000033
其中
Figure BDA0002572006530000034
为充电场站i的年平均建设成本，
Figure BDA0002572006530000035
为充电场站i的购电成本，
Figure BDA0002572006530000036
为充电场站i的线损成本，
Figure BDA0002572006530000037
为充电场站i的场站运维成本，
Figure BDA0002572006530000038
为充电场站i的其他成本；
步骤5.2计算充电场站的收入：充电场站的收入主要计算充电收益，记为Si,则Si＝ND×ps×365，其中ND为日均充电量，ps为售电价；一般售电价大于购电价，即ps>pj；
步骤5.3预估充电场站的毛利率，记为MLi，
Figure BDA0002572006530000041
毛利率集合ML＝{ML1,ML2,...MLn},其中MLi为备选地址Di的毛利率值。
为了更好地实现本发明，进一步地，所述步骤6的具体操作为：对场站模糊评价的评价效益值Vi和毛利率值MLi进行加权计算，得到候选地址的综合评价值，候选地址Di的综合评价值记为ZZi，ZZi＝(Vi/100)×α+MLi×β,其中α、β为评价效益值Vi和毛利率值MLi的权重，满足α+β＝1；最终综合评价值最高的地址为最优方案。
本发明与现有技术相比具有以下优点及有益效果：
(1)以场站盈利为落脚点，考虑了充电需求和竞争对手方面的信息，构建完善全面的指标因素集；
(2)改进模糊评价过程，对于能够量化的数据指标通过一定的关系换算映射评价等级，使评价结果更科学；
(3)直接通过第三层指标权重与模糊评价矩阵计算得到评判结果，省略对第二层的评价计算过程，提高计算效率；
(4)通过运营大数据分析，得到日均充电次数和单车次充电量等数值，结合已有建设运营经验，预估候选充电场站的成本、收入、盈利情况；通过模糊评价和盈利情况的加权计算得出最终的优选地址，从源头确保在胜出地址建设运营场站的可操作性和实效性。
附图说明
图1为本发明的层次分析模型；
图2为本发明指标评价映射关系。
具体实施方式
为了更清楚地说明本发明实施例的技术方案，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，应当理解，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，因此不应被看作是对保护范围的限定。基于本发明中的实施例，本领域普通技术工作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。
实施例1：
本实施例提出了一种基于以某区域的选址方案测算为例，如图1、图2所示，具体步骤如下：
步骤1：分析某指定区域的商圈、规划、竞对等信息，结合土地可用性，构建备选地址库。
步骤2：分析影响新能源充电场站选址的各种因素，构建差异化指标体系。依据层次分析法建立各影响因素对应的权重集，反映各因素的重要程度，权重满足归一性条件，通过一致性校验。
步骤3：利用模糊评价法进行综合评价。建立评判模型的评判集，根据专家评价结果建立模糊评价矩阵，其中容易量化的指标进行换算映射为评价等级，最后根据定量和定性的评价结果计算生成模糊综合评价值。
步骤4：对于对全部候选地址进行模糊评价，得到候选地址模糊评价值。
步骤5：结合已经运营场站的历史数据和经验，对候选地址计算盈利情况，得到每个候选地址的毛利率。
步骤6：对模糊评价值和毛利率进行加权计算，得到候选地址的综合评价值，获得最优地址方案。
工作原理：本发明提出了一种综合考虑盈利和各指标模糊评价的新能源汽车充电场站选址方法，围绕场站盈利、用户满意度等核心诉求构建指标体系，通过层次分析法计算评估指标的权重，然后利用模糊评价法进行定量与定性的综合评价，最后利用运营大数据分析，预估候选充电场站的成本、收入、盈利情况，根据加权计算得到最终最优地址。
实施例2：
本发明在上述实施例1的基础上，为了更好地实现本发明，进一步地，
所述步骤1具体为：
分析某指定区域的规划、商圈、车流、竞对等信息，结合土地可用性、建设安全性等，构建备选地址库，记为D＝{D1,D2,...Dn}，待规划区域共3个备选地址，则D＝{D1,D2,D3}。
所述步骤2具体为：
步骤2.1综合考虑新能源汽车充电场站的特点和各种影响因素，建立如图1所示的多层次指标体系。主要从成本、规划、电网、充电需求、竞争对手五个方面综合考虑，每个方面又包括若干指标，五个方面共考虑了18个指标。
步骤2.2：建立充电场站智能选址层次分析模型，其中第二层分类数量m为5，第三层即指标层总指标数n为18，指标集合C＝{C1,C2,....,C5}。
步骤2.3：构造层次分析n阶判断矩阵P，矩阵P中元素以数字1-9及其倒数表示，
Figure BDA0002572006530000061
其中，
Figure BDA0002572006530000062
Cij为指标Ci和指标Cj相对重要程度值，Cij的具体值通过专家评价指标确定；
步骤2.4：进行指标重要性计算，根据判断矩阵P，结合Pζ＝λmaxζ，求得矩阵最大特征值λmax对应的特征向量；
步骤2.5：对特征向量进行归一化处理，归一化数值记为指标权重，第三层指标权重向量记为K＝{K1,K2,....K18}，第三层指标满足
Figure BDA0002572006530000063
步骤2.6：进行一致性检验，计算判断矩阵随机一致性比率CR，
Figure BDA0002572006530000064
其中
Figure BDA0002572006530000065
RI为判断矩阵我平均一致性比率，若CR≤0.1，通过一致性检验，步骤3完成；若CR>0.1，对参数指标相对重要度重新评价，调整判断矩阵P，再重复步骤2.4-2.6，最终得到满足一致性检验的指标权重向量K＝{K1,K2,....K18}，然后再进行步骤3。
所述步骤3具体为：
步骤3.1：建立评判模型的评判集，即评判者对评判对象可能做出的各种总的评判结果所组成的集合。使用模糊语言描述评价，记为PY＝{Y1,Y2,...,Yk}，描述为“非常差(VP)”，“差(P)”，“一般(F)”，“好(G)”，“非常好(VG)”5个等级。评判描述对应的评判集为V＝{v1,v2,...,vk}，vi(i＝1,2,...,k)为第i个模糊评判对应的评判值，分别记为0，40，60，80，100。
步骤3.2：邀请10名专家针对指标层中的各项指标，对于备选地址库的地址D＝{D1,D2,D3}分别给出评语值，根据评价人员数量及评价结果，得到表1专家评价结果表，每个备选地址建立如下模糊评价矩阵R:
Figure BDA0002572006530000071
其中i＝1,2,...,n；j＝1,2,....,k,rij表示第i个指标元素隶属于第j个评语的程度，0≤rij≤1。
在专家评价过程中，对于容易量化的指标因素，则根据指标数值进行关系换算映射处理，将数值映射到不同的评价等级，使专家评价更科学。如某月电动汽车日均车流量数据指标值记为L，选址片区范围内某日最小车流量记为Lmin，选址片区范围内的某日最大车流量记为Lmax，对应评价的5个级别，我们把区间[Lmin,Lmax]均匀分成依次相连的5个小区间，如图2所示，电动汽车车日均流量L落在第i个区间的输出值μi＝i，i＝1,2,,k，可见车流量越大，对应的评价等级越高，同时在专家评价表中所有的专家都选择i等级。
候选地址Di周边的竞争对手的数量信息可以通过调查获得，记为JZi，待规划区域的总充电场站数量为JZl，设
Figure BDA0002572006530000072
已有充电场站的数量多，可以简单认为竞争多，未来运营获利难度大。将0至1等比例划分为5个区间，由小到大依次对应5个等级即5、4、3、2、1。竞对的数量占比JZi/JZl落在某个区间即可得到该区间对应映射的等级数，同时在专家评价表中所有的专家都选择该等级。得到的专家评价表形式如下表1所示：
Figure BDA0002572006530000081
表1专家评价结果表步骤3.3：基于模糊评价矩阵R，进行综合评价，评价结果矩阵l＝KR，其中K＝{K1,K2,....Kn}为通过步骤2层次分析法获得的指标权重向量K。
步骤3.4：步骤3.4：记l＝(l1,l2,....ln)，其中n为5，li为备选地址隶属于评语i的隶属度。本例中求得L＝(0.604,0.255,0.126,0.015,0)。利用加权平均法计算备选地址的评判效益值
Figure BDA0002572006530000091
本例中V＝100×0.604+80×0.255+60×0.126+40×0.015+0×0＝88.96。
所述步骤4具体为：
对全部候选地址进行模糊评价，得到候选地址模糊评价结果。对各个备选地址D＝{D1,D2,D3}分别计算评判效益值V，具体值为88.96，82.30，75.51。
所述步骤5具体为：结合已经运营场站的历史数据和经验，对候选地址计算盈利情况，得到每个候选地址的毛利率。
步骤5.1计算充电场站的成本。具体为：
充电场站i的成本
Figure BDA0002572006530000092
其中
Figure BDA0002572006530000093
为充电场站i的年平均建设成本，
Figure BDA0002572006530000094
为充电场站i的购电成本，
Figure BDA0002572006530000095
为充电场站i的线损成本，
Figure BDA0002572006530000096
为充电场站i的场站运维成本，
Figure BDA0002572006530000097
为充电场站i的其他成本。
充电场站i的年平均建设成本为：
Figure BDA0002572006530000098
其中mi和a分别为候选场站的面积和单价，ti和b分别为配电变压器数量和单价，gi和c分别为充电桩数量和单价，g为基建成本，r0为投资回报率，m为目标运行年限。
充电场站i的购电成本记为
Figure BDA0002572006530000099
其中ND表示日均充电量，pj表示购电价，其中L为日均车流量，CC为日均充电次数，CD为单车次充电量。日均车流量通过采集分析***获得，日均充电次数和单车次充电量根据已经已运营充电场站数据和充电车辆类型，可以通过数据分析获得。
充电场站i的线损成本
Figure BDA00025720065300000910
约为购电成本的5％。
充电场站i的场站运维成本(设备维护、人员投入等)
Figure BDA0002572006530000101
通常按照场站建设成本的百分比计算，即是
Figure BDA0002572006530000102
δ为比例因子，本例δ按2％考虑。
充电场站i的其他成本
Figure BDA0002572006530000103
如营销活动、水电费等，按照场站建设成本的百分比计算，即是
Figure BDA0002572006530000104
ε为比例因子，本例ε按4％考虑。
步骤5.2计算充电场站的收入。具体为
充电场站的收入主要计算充电收益，记为Si,则Si＝ND×ps×365，其中ND为日均充电量，ps为售电价。一般售电价大于购电价，即ps>pj。
步骤5.3预估充电场站的毛利率，记为MLi，
Figure BDA0002572006530000105
毛利率集合ML＝{ML1,ML2,...MLn},其中MLi为备选地址Di的毛利率值。本例三个候选地址的毛利率分别为0.21、0.15、0.18。
所述步骤6具体为：
对场站模糊评价值和毛利率进行加权计算，得到候选地址的综合评价值，候选地址Di的综合评价值记为ZZi，ZZi＝(Vi/100)×α+MLi×β,其中α、β为模糊评价值和毛利率的权重，满足α+β＝1。本例α为0.55，β为0.45。经过加权计算D＝{D1,D2,D3}对应的综合评价值分别为0.58、0.52、0.50。
最终综合评价值最高的地址D1为最优方案。
本实施例的其他部分与上述实施例1相同，故不再赘述。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (7)

1.一种基于模糊层次盈利分析的充电场站选址方法，其特征在于，依次包括以下步骤：
步骤1：构建备选地址库：分析指定区域的规划、商圈、车流、竞对信息，结合土地可用性、建设安全性，构建多个备选地址库D，记为D＝{D1,D2,...Dn}；
步骤2：构建指标权重向量K；
步骤3：建立评判模型的评判集，根据专家评价结果建立模糊评价矩阵，最后计算生成模糊综合评价值；
步骤4：对于对全部候选地址进行模糊评价，得到候选地址模糊评价值；
步骤5：结合已经运营场站的历史数据和经验，对候选地址计算盈利情况，得到每个候选地址的毛利率；
步骤6：对模糊评价值和毛利率进行加权计算，得到候选地址的综合评价值，获得最优地址方案。
2.如权利要求1所述的一种基于模糊层次盈利分析的充电场站选址方法，其特征在于，所述步骤2具体操作为：
步骤2.1：综合考虑新能源汽车充电场站的特点和各种影响因素，建立多层次指标体系，考虑成本、规划、电网、充电需求、竞争对手方面，每个方面包含多个参数指标；
步骤2.2：建立充电场站选址层次分析模型，其中充电场站选址层次分析模型的第二层分类数量为m，充电场站选址层次分析模型的第三层总指标数为n，指标集合C＝{C1,C2,....,Cn}；
步骤2.3：构造层次分析n阶判断矩阵P，矩阵P中元素以Cij及其倒数Cji表示：
Figure FDA0002572006520000011
其中，
Figure FDA0002572006520000012
Cij为指标Ci和指标Cj相对重要程度值，Cij的具体值通过专家评价指标确定；
步骤2.4：进行指标重要性计算，根据判断矩阵P，求得矩阵最大特征值λmax对应的特征向量；具体求解公式为：
Pζ＝λmaxζ；
步骤2.5：对特征向量进行归一化处理，归一化数值记为指标权重，表达为指标权重向量K＝{K1,K2,....Kn}，且第三层的指标满足
Figure FDA0002572006520000021
3.如权利要求2所述的一种基于模糊层次盈利分析的充电场站选址方法，其特征在于，所述步骤2.5计算出指标权重向量K＝{K1,K2,....Kn}后，还需要进行步骤2.6，步骤2.6为对指标权重向量K＝{K1,K2,....Kn}的一致性进行校验，具体校验步骤为：
首先计算判断矩阵随机一致性比率CR，所述CR等于CI与RI的比值，其中
Figure FDA0002572006520000022
RI为判断矩阵我平均一致性比率；
然后判断CR的大小：
若CR≤0.1，通过一致性检验，继续进行步骤3；
若CR>0.1，再重复步骤2.4-2.6的步骤，对参数指标相对重要度重新评价，调整判断矩阵P，最终得到满足一致性检验的指标权重向量K＝{K1,K2,....Kn}，进行步骤3。
4.如权利要求3所述的一种基于模糊层次盈利分析的充电场站选址方法，其特征在于，所述步骤3具体包括以下步骤：
步骤3.1：建立评判模型的评判集，即评判者对评判对象可能做出的各种总的评判结果所组成的集合；使用模糊语言描述评价，记为PY＝{Y1,Y2,...,Yk}；
步骤3.2：邀请一定数量的专家针对指标层中的各项指标，对于备选地址库的地址D＝{D1,D2,...Dn}分别给出评语值，根据评价人员数量及评价结果，每个备选地址建立如下模糊评价矩阵R：
Figure FDA0002572006520000023
其中i＝1,2,...,n；j＝1,2,....,k,rij表示第i个指标元素隶属于第j个评语的程度，0≤rij≤1；
步骤3.3：基于模糊评价矩阵R，进行综合评价，评价结果矩阵l＝KR，其中K＝{K1,K2,....Kn}为通过步骤2层次分析法获得的指标权重向量K；
步骤3.4：记l＝(l1,l2,....ln)，其中li为备选地址隶属于评语i的隶属度；利用加权平均法计算备选地址的评判效益值
Figure FDA0002572006520000031
5.如权利要求4所述的一种基于模糊层次盈利分析的充电场站选址方法，其特征在于，所述步骤4具体操作为：
对全部候选地址进行模糊评价，得到候选地址模糊评价结果；对各个备选地址D＝{D1,D2,...,Di,...,Dn}计算评判效益值V，评判结果集V＝{V1,V2,...,Vi,...,Vn}，其中Vi为备选地址Di的评价效益值。
6.如权利要求5所述的一种基于模糊层次盈利分析的充电场站选址方法，其特征在于，所述步骤5的具体操作为：
步骤5.1：计算充电场站i的的成本
Figure FDA0002572006520000033
其中
Figure FDA0002572006520000034
为充电场站i的年平均建设成本，
Figure FDA0002572006520000035
为充电场站i的购电成本，
Figure FDA0002572006520000036
为充电场站i的线损成本，
Figure FDA0002572006520000037
为充电场站i的场站运维成本，
Figure FDA0002572006520000038
为充电场站i的其他成本；
步骤5.2计算充电场站的收入：充电场站的收入主要计算充电收益，记为Si,则Si＝ND×ps×365，其中ND为日均充电量，ps为售电价；一般售电价大于购电价，即ps>pj；
步骤5.3预估充电场站的毛利率，记为MLi，
Figure FDA0002572006520000032
毛利率集合ML＝{ML1,ML2,...,MLi,...,MLn},其中MLi为备选地址Di的毛利率值。
7.如权利要求6所述的一种基于模糊层次盈利分析的充电场站选址方法，其特征在于，所述步骤6的具体操作为：对场站模糊评价的评价效益值Vi和毛利率值MLi进行加权计算，得到候选地址的综合评价值，候选地址Di的综合评价值记为ZZi，ZZi＝(Vi/100)×α+MLi×β,其中α、β为评价效益值Vi和毛利率值MLi的权重，满足α+β＝1；最终综合评价值最高的地址为最优方案。
CN202010642573.XA 2020-07-06 2020-07-06 一种基于模糊层次盈利分析的充电场站选址方法 Active CN111798057B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010642573.XA CN111798057B (zh) 2020-07-06 2020-07-06 一种基于模糊层次盈利分析的充电场站选址方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010642573.XA CN111798057B (zh) 2020-07-06 2020-07-06 一种基于模糊层次盈利分析的充电场站选址方法

Publications (2)

Publication Number Publication Date
CN111798057A true CN111798057A (zh) 2020-10-20
CN111798057B CN111798057B (zh) 2023-11-10

Family

ID=72810276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010642573.XA Active CN111798057B (zh) 2020-07-06 2020-07-06 一种基于模糊层次盈利分析的充电场站选址方法

Country Status (1)

Country Link
CN (1) CN111798057B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807691A (zh) * 2021-09-10 2021-12-17 绍兴大明电力设计院有限公司 一种充电站选址适应性评估的层次模糊评价方法
CN114519537A (zh) * 2022-02-25 2022-05-20 长江勘测规划设计研究有限责任公司 一种光充储共享建筑***选址方法
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
CN117748695A (zh) * 2024-02-18 2024-03-22 深圳市丁旺科技有限公司 充电桩充电模块均流方法以及充电桩

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102945507A (zh) * 2012-10-09 2013-02-27 东北大学 基于模糊层次分析的分散式风电场优化选址方法及装置
CN105320999A (zh) * 2015-11-03 2016-02-10 国家电网公司 适应智能电网发展的需求响应分时电价策略的组合方法
CN109146204A (zh) * 2018-09-27 2019-01-04 浙江中海达空间信息技术有限公司 一种多层次综合评估的风电场升压站自动选址方法
CN109636137A (zh) * 2018-11-23 2019-04-16 浙江华云电力工程设计咨询有限公司 基于层次分析的电动汽车充电站规划布局方法和***
CN110378724A (zh) * 2019-06-19 2019-10-25 国网电动汽车服务(福建)有限公司 一种考虑用户充电需求转移的充电站选址定容策略

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102945507A (zh) * 2012-10-09 2013-02-27 东北大学 基于模糊层次分析的分散式风电场优化选址方法及装置
CN105320999A (zh) * 2015-11-03 2016-02-10 国家电网公司 适应智能电网发展的需求响应分时电价策略的组合方法
CN109146204A (zh) * 2018-09-27 2019-01-04 浙江中海达空间信息技术有限公司 一种多层次综合评估的风电场升压站自动选址方法
CN109636137A (zh) * 2018-11-23 2019-04-16 浙江华云电力工程设计咨询有限公司 基于层次分析的电动汽车充电站规划布局方法和***
CN110378724A (zh) * 2019-06-19 2019-10-25 国网电动汽车服务(福建)有限公司 一种考虑用户充电需求转移的充电站选址定容策略

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
乔明娅;王登登;: "新能源物流车专用充电站选址评价研究", 浙江万里学院学报, no. 01, pages 26 - 30 *
刘亮等: "电动汽车充电站选址规划评价体系研究", 《电测与仪表》, vol. 53, no. 18, pages 117 - 144 *
姚龙: "基于层次分析法和模糊评价法的电动汽车充电站选址研究", 《黑龙江电力》, pages 313 - 317 *
王立茹;任锁;屈曦颂;周?;卢文斌;: "电动汽车充电站风险评估", 工业计量, no. 03, pages 74 - 77 *
王萌;刘凯;牛利勇;: "电动汽车充电站选址决策与评价研究", 物流技术, no. 18, pages 1 - 5 *
赵俊丽;冉文学;: "基于灰色模糊分析的城市共享汽车停放点选址决策", 物流工程与管理, no. 01, pages 109 - 112 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807691A (zh) * 2021-09-10 2021-12-17 绍兴大明电力设计院有限公司 一种充电站选址适应性评估的层次模糊评价方法
CN114519537A (zh) * 2022-02-25 2022-05-20 长江勘测规划设计研究有限责任公司 一种光充储共享建筑***选址方法
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
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
CN117748695A (zh) * 2024-02-18 2024-03-22 深圳市丁旺科技有限公司 充电桩充电模块均流方法以及充电桩
CN117748695B (zh) * 2024-02-18 2024-05-10 深圳市丁旺科技有限公司 充电桩充电模块均流方法以及充电桩

Also Published As

Publication number Publication date
CN111798057B (zh) 2023-11-10

Similar Documents

Publication Publication Date Title
CN111798057A (zh) 一种基于模糊层次盈利分析的充电场站选址方法
Wu et al. An integrated decision-making model for sustainable photovoltaic module supplier selection based on combined weight and cumulative prospect theory
CN107330542A (zh) 一种分析优化电网投资规模的方法
CN112861436A (zh) 一种发动机排放实时预测方法
CN115713241A (zh) 一种电网基建项目全生命周期评价方法与终端
CN112950067A (zh) 基于模糊综合评价的电力用户用电能效评估方法
CN114219225A (zh) 基于多源数据的电网投资效益评估***及评估方法
Wątróbski et al. New multi-criteria method for evaluation of sustainable RES management
CN114298538A (zh) 电网零购项目的投资方案评估方法、***及存储介质
CN112184495B (zh) 存量低效土地监测***及应用其的分析平台
CN115905319B (zh) 一种海量用户电费异常的自动识别方法及***
Kayakuş et al. Predicting the share of tourism revenues in total exports
Dolanyi et al. Risk-based constraints for the optimal operation of an energy community
CN111428938A (zh) 一种基于功能差异与全寿命周期的输电网方案优选方法
CN109948926A (zh) 一种基于规划期的高速公路混凝土桥梁养护技术评选方法
Eskandary et al. Identification and prioritization of public-private partnership indicators in Iran’s water and wastewater industry via data mining algorithms
CN112801544A (zh) 一种公路数字化管理绩效评价方法及***
Lipianina-Honcharenko et al. Simulation Model for Determining Quality of Life in Ukrainian Cities During the War
CN108364136A (zh) 一种基于证据推理的水资源短缺风险分析方法及***
Chen Optimization of economic management mode and risk control based on the background of big data
Ali et al. GIS-based multi-scale residential building energy modeling using a data-driven approach
Guo New Method of Energy Charging Station Site Selection based on Fuzzy Evaluation
Ali et al. GIS-based Multi-scale Residential Building Energy Performance Prediction using a Data-driven Approach
Dolányi et al. Risk-based constraints with correlated uncertainties for the optimal operation of an energy community
CN116342300A (zh) 一种保险理赔人员特征分析方法、装置和设备

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
TA01 Transfer of patent application right

Effective date of registration: 20210727

Address after: No.2688 Xiyuan Avenue, modern industrial port (south area), Pidu District, Chengdu, Sichuan 610000

Applicant after: SICHUAN ZHONGDIAN AOSTAR INFORMATION TECHNOLOGIES Co.,Ltd.

Address before: 610000 No. 2688 Xiyuan Avenue, Pixian Modern Industrial Port, Chengdu City, Sichuan Province

Applicant before: SICHUAN ZHONGDIAN AOSTAR INFORMATION TECHNOLOGIES Co.,Ltd.

Applicant before: STATE GRID INFORMATION & TELECOMMUNICATION GROUP Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant