基于全寿命周期成本的电动汽车充电站优化规划方法技术

本发明专利技术公开了一种基于全寿命周期成本的电动汽车充电站优化规划方法，分析了充电站的成本效益及全寿命周期成本的计算方法；提出利用交通路网车流量信息估算充电站容量，以充电站运营商获得的净现值收益最大为优选目标，以交通路网车流量、电网电能质量和经济性、用户充电需求为约束条件，确定充电站的选址和容量；进一步地，提出了计及全寿命周期成本的充电站优化规划模型，并采用量子遗传算法求解该模型。该方法能有效而准确的对电动汽车充电站进行规划，从而得到最优选站地址和最优容量，并计算出最大净现值，该方法在一定程度上弥补了当前其他电动汽车充电站规划方法的不足，并在实际操作中能得到更快的收敛，更加准确的数值。

【技术实现步骤摘要】

本专利技术设及电动汽车集中式充电站规划优化领域，特别是一种基于全寿命周期成 本的电动汽车充电站优化规划方法。
技术介绍
化石能源短缺、环境污染加剧、电池技术进步促进了电动汽车产业的发展。随着电 动汽车推广速度的加快，未来市场中的电动汽车数量将不断增长。由于车载电池能量密度 的限制，电动汽车续航里程较短，因此，必须建设完善的充电设施来保障电动汽车的日常使 用。大规模电动汽车能源供给设施的建设和运营是发展电动汽车消费市场的重要保证。电 动汽车充电站是电动汽车配套设施的重要组成部分，在政府政策支持及企业积极参与下得 到迅速发展。作为主要充电设施之一的充电站有着极其重要的作用，需要合理的规划建设 来提供方便的充电服务。2014年5月国家电网公司宣布向社会资本开放电动汽车充换电设 施市场领域，允许社会资本投资建设和运营该领域。社会资本的注入，为电动汽车配套设施 市场带来了新的机遇和挑战。作为充电站建设及运营的前期工作，充电站规划的超前和合 理性，是电动汽车配套市场乃至电动汽车行业有序发展的保障。考虑到充电设施的成本和 合理性，相较而言，建设集中式充电站的情况比分散的充电粧更好。 充电站规划主要设及充电站的选址、定容和方案优选问题。总结目前的情况，现有 研究对充电站的选址问题主要从考虑交通网络电动汽车流量、电网电能质量及经济性、电 动汽车充电负荷的时空分布出发，确定电动汽车充电站的合理位置。对电动汽车充电站的 定容问题主要考虑在确定服务区域范围基础上，W满足区域电动汽车充电需求为目标，运 用排队论原理等方法确定充电站容量。对方案优选问题主要W全社会总成本、充电站建设 及运营成本、用户路上成本、电网扩建成本和损耗成本等为优化目标，W用户充电需求、电 网、交通网络为约束进行规划方案优选。从现有情况来看，对于电动汽车充电站规划问题， 已初步形成了充电站规划的基本原理、方法及步骤。但也存在一些问题，例如对充电站选 址、定容问题的分析往往各有取舍，未能将交通路网、电力网络、用户需求统筹考虑，规划方 案优选目标的选取未能与电动汽车充换电设施运营市场的实际利益相契合等问题。 LCC(全生命周期成本，Life切cleCost,简称LCC)，也被称为全寿命周期费用。 它是指产品在有效使用期间所发生的与该产品有关的所有成本，它包括产品设计成本、制 造成本、采购成本、使用成本、维修保养成本、废弃处置成本等。LCC理念核屯、在于；单件的 研制和生产成本（采购费用）不足W说明总费用的高低，决策人员不应把采购费和使用维 护费分割开来考虑，而必须把该几者结合起来，作为单件的全寿命周期费用进行总体考虑。 量子遗传算法是量子计算与遗传算法相结合的产物，是一种新发展起来的概率进 化方法。遗传算法是处理复杂优化问题的一种方法，其基本思想是模拟生物进化的优胜劣 汰规则与染色体的交换机制，通过选择，交叉，变异=种基本操作寻找最优个体。由于遗传 算法不受问题性质、优化准则形式等因素的限制，仅用目标函数在概率引导下进行全局自 适度捜索，能够处理传统优化方法难W解决的复杂问题，具有极高鲁椿性和广泛适用性，因 而得到了广泛应用并成为跨学科研究的热点。但是，若选择、交叉、变异的方式不当，遗传算 法会表现出迭代次数多、收敛速度慢、易陷入局部极值的现象。量子计算中采用量子态作为 基本的信息单元，利用量子态的叠加、纠缠和干设等特性，通过量子并行计算可W解决经典 计算中的NP问题，从而量子计算正W其独特的计算性能迅速成为研究的热点。量子遗传算 法是基于量子计算原理的一种遗传算法，其建立在量子的矢态量表示的基础之上，将量子 比特的几率幅表示应用于染色体的编码，使得一条染色体可W表达多个态的叠加，并利用 量子逻辑口实现染色体的更新操作，从而实现了目标的优化求解。相较于遗传算法，其捜素 范围更广，适应性更强，效率更高，效果更好。
技术实现思路
本专利技术所要解决的技术问题是，针对现有技术不足，提供一种基于全寿命周期成 本的电动汽车充电站优化规划方法。 为解决上述技术问题，本专利技术所采用的技术方案是；一种基于全寿命周期成本的 电动汽车充电站优化规划方法，W充电站运营商所获得的净现值收益最大为目标进行充电 站规划方案的优选；充电站运营商所获得的净现值收益NPV计算公式如下：【主权项】1. 一种，其特征在于，包括以下 步骤： 1) 初始化种群的大小N，每个染色体个体的基因数m，每个编码基因的量子比特数k，迭 代的次数t ; 2) 初始化种群Q (t)，随机生成N个染色体个体，每个染色体个体由η个充电站站址坐 标（Xi，yi)，（χ2, y2)... (χη，yn)进行量子比特编码； 对种群中的每个染色体进行一次测量，得到对应的充电站站址坐标，根据充电站站址 坐标，划分充电站的服务区域，计算充电机的配置数量，以充电站运营商所获得的净现值收 益NPV为适应度，进行适应度评估B表示充电站运营周期内 的资金收益，LCC表不充电站全寿命周期成本，L表不折现率，T表不充电站运营的全寿命 周期； 3) 记录NPV最大的充电站站址坐标和该充电站对应的净现值收益； 4) 判断上述充电站站址坐标和容量是否满足交通网络和用户需求约束条件；若满足， 则转步骤6)，否则转步骤2); 5) 将充电站中充电机额定容量计入配电网对应节点负荷中进行潮流计算，判断是否满 足电网约束，若满足，则转步骤7)，否则转步骤2); 6) 判断是否达到最大循环次数，若已达到最大循环次数则转步骤9)，否则转步骤8); 7) 迭代次数加1，利用量子旋转门与交叉变异策略对染色体个体实施调整，量子旋转 门调整为相应位量子比特使得几率幅对向着有利的方向进化，交叉变异策略为互换变异位 概率幅完成染色体变异操作，当得到新的种群Q'（t)，转步骤3); 8) 输出电动汽车充电站的最优站址坐标，最优充电机配置数量和充电站运营商所获得 的最大净现值收益。2. 根据权利要求1所述的，其特 征在于，LCC = IC+OC+MC+FC+DC ;其中IC是充电站投资成本，OC是充电站运行成本，MC是 充电站检修维护成本，FC是充电站故障成本，DC是充电站报废成本。3. 根据权利要求2所述的，其特 征在于，IC = Ck+C^+Cii+Ci。，Cie表示建筑工程费用，C ie表示设备购置费，C π表示安装工程 费，Citj表示其他费用，所述其他费用包括建设场地征用及清理费、装修费、项目建设管理费 用及技术服务费用。4. 根据权利要求2所述的，其特 征在于，OC = (^+Ctjh, Ctre表示能耗费，C A表示人工费。5. 根据权利要求2所述的，其特 征在于，MC = C"+Cml，C"表示日常设备的维护费用，Cml表示计划检修费用。6. 根据权利要求2所述的，其特 征在于，FC = cf · N · MTTR+λ · N · Tf。，cf表示充电站平均每次发生故障单位时间修复成 本，N表示充电站发生故障的次数，MTTR表示充电站设备平均修复时间，λ表示充电站平均 每次故障单位时间的惩罚成本，T f。表示充电站故障持续时间。7. 根据权利要求2所述的，其特 征在于，DC =C^-KoQ-d)' Cdl表示报废处理费用本文档来自技高网...

【技术保护点】
一种基于全寿命周期成本的电动汽车充电站优化规划方法，其特征在于，包括以下步骤：1)初始化种群的大小N，每个染色体个体的基因数m，每个编码基因的量子比特数k，迭代的次数t；2)初始化种群Q(t)，随机生成N个染色体个体，每个染色体个体由n个充电站站址坐标(x1,y1),(x2,y2)...(xn,yn)进行量子比特编码；对种群中的每个染色体进行一次测量，得到对应的充电站站址坐标，根据充电站站址坐标，划分充电站的服务区域，计算充电机的配置数量，以充电站运营商所获得的净现值收益NPV为适应度，进行适应度评估；B表示充电站运营周期内的资金收益，LCC表示充电站全寿命周期成本，i0表示折现率，T表示充电站运营的全寿命周期；3)记录NPV最大的充电站站址坐标和该充电站对应的净现值收益；4)判断上述充电站站址坐标和容量是否满足交通网络和用户需求约束条件；若满足，则转步骤6)，否则转步骤2)；5)将充电站中充电机额定容量计入配电网对应节点负荷中进行潮流计算，判断是否满足电网约束，若满足，则转步骤7)，否则转步骤2)；6)判断是否达到最大循环次数，若已达到最大循环次数则转步骤9)，否则转步骤8)；7)迭代次数加1，利用量子旋转门与交叉变异策略对染色体个体实施调整，量子旋转门调整为相应位量子比特使得几率幅对向着有利的方向进化，交叉变异策略为互换变异位概率幅完成染色体变异操作，当得到新的种群Q’(t)，转步骤3)；8)输出电动汽车充电站的最优站址坐标，最优充电机配置数量和充电站运营商所获得的最大净现值收益。...

【技术特征摘要】

【专利技术属性】
技术研发人员：黄小庆，陈颉，杨夯，李琪，江磊，曹一家，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南;43