一种电动设施充电站选址优化方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种电动设施充电站选址优化方法、装置及存储介质，属于电动设施充电站规划优化领域，方法包括步骤：基于多个约束条件，建立电动设施充电站选址优化模型，多个约束条件至少包括成本约束条件、充电站容量约束条件和覆盖度约束条件；采用遗传算法求解电动设施充电站选址优化模型。本发明专利技术实施例能够解决电动设施充电站的选址问题，同时保证最小化成本，并使覆盖范围延展到整个区域来满足司机的需求和便利性。

An Optimal Method, Device and Storage Media for Location Selection of Charging Station of Electric Facilities

The invention discloses an optimization method, device and storage medium for electric facility charging station location, which belongs to the field of electric facility charging station planning optimization. The method includes steps: based on multiple constraints, an optimization model for electric facility charging station location is established, and multiple constraints include at least cost constraints, capacity constraints and coverage constraints; The transfer algorithm is used to solve the optimization model of electric facility charging station location. The embodiment of the invention can solve the location problem of charging station of electric facilities, while ensuring the minimum cost and extending the coverage to the whole area to meet the needs and convenience of drivers.

【技术实现步骤摘要】
一种电动设施充电站选址优化方法、装置及存储介质
本专利技术涉及电动设施充电站规划优化领域，特别涉及一种基于遗传算法的电动设施充电站选址优化方法及装置。
技术介绍
当今世界，能源与环境问题日益突出，传统的燃料能源的短缺以及对环境造成的危害，使得人们将目光投向了新的方向，即新能源领域。新能源发展利用不但改善了人类的能源结构,而且满足可持续发展的长远目标。电动汽车作为一种节能环保的新型交通工具，已经逐渐成为世界各国关注的焦点，是汽车产业发展的必然趋势。先进的电动设施技术已经成为提高国家经济和人民生活水平的关键。电动汽车作为新能源战略和智能电网的重要组成部分，必须与其他领域实现共同协调发展。一定时期内，电池成本较高可能会成为电动汽车发展的制约因素，但是可以寻求更好的解决方法以降低用户成本，从而提高电动汽车的市场占有率。换言之，电动汽车必须要有配套的充电站为其服务。为突破电动汽车发展的瓶颈，提高群众的购买热情，迅速建立一批可供电动汽车用户使用的充电站迫在眉睫。目前，大多数关于充电设施的研究都和充电站的运行对电网的影响相关，充电站选址考虑因素较为单一，未能综合考虑经济成本、充电站容量、覆盖范围以及用户便利性等多个因素，致使充电站选址上存在电动汽车用户充电不便、不实用的问题。
技术实现思路
有鉴于此，本专利技术实施例提出一种电动设施充电站的优化选址方法、装置及存储介质，能够解决电动设施充电站的选址问题，同时保证最小化成本，并使覆盖范围延展到整个区域来满足司机的需求和便利性。本专利技术实施例提供的技术方案如下：第一方面，提供了一种电动设施充电站选址优化方法，包括如下步骤：基于多个约束条件，建立电动设施充电站选址优化模型，所述多个约束条件至少包括成本约束条件、充电站容量约束条件和覆盖度约束条件；采用遗传算法求解所述电动设施充电站选址优化模型。在一些实施例中，所述电动设施充电站选址优化模型为：其中，I＝{1,…,m}是居民小区的需求点集合；J＝{1,…,n}是可能的充电站集合；fj表示充电站j的投资成本；dij表示需求点i到充电站j的交通成本；xj表示充电站j的二进制变量；zij表示分配需求点i到充电站j的二进制变量；Xi表示需求点i的需求量；cj表示充电站j的容量；C表示经济成本；表示与充电站j距离为βQ以内的站点集合；β表示变量因子，β大于0小于等于1；D(j,k)表示充电站j到充电站k的距离；Q表示在充电站充满电的充电设施的行使距离；l0表示没有被图用掉的剩余流量，l0≥0；ykl表示从充电站k到充电站l的交通流量；ylp表示从充电站l到充电站p的交通流量；v表示V的长度；V表示能满足司机需求的充电站的集合；E表示充电站之间的边。在一些实施例中，所述采用遗传算法求解所述电动设施充电站选址优化模型包括：S1、导入可能的多个充电站点及需求点数据，并设置遗传算法参数；S2、对所述多个充电站点进行染色体编码，形成初始种群R(t)，进化代数t＝0；S3、计算所述种群R(t)的每个染色体的适应度函数值，并根据适应度函数值对R(t)进行筛选，生成父代种群S(t)；S4、对所述父代种群S(t)进行克隆繁殖，形成种群T(t)，并对所述种群T(t)中的每个染色体交叉变异，形成种群T'(t)；S5、计算所述种群R(t)和所述种群T'(t)的并集中的每个染色体的适应度函数值；S6、计算所述并集中的每个染色体的选择概率，并根据所述选择概率选择染色体，生成种群R(t+1)；S7、判断遗传算法的当前迭代次数t是否达到最大迭代次数，若未达到，则令t＝t+1，并跳转至所述步骤S3，否则，输出用于指示最优充电站选址的结果。在一些实施例中，所述步骤S2中对所述多个充电站点进行染色体编码，形成种群R(t)，包括：采用二进制编码对所述多个充电站点进行编号并排序，并按排序顺序将每个充电站点作为染色体的一个基因。在一些实施例中，所述步骤S4中对所述种群T(t)中的每个染色体交叉变异，形成种群T'(t)包括：对所述种群T(t)中的每个染色体执行如下操作：判断所述染色体是否满足所述成本约束条件；若不满足，则从所述染色体的值为0的基因中随机挑选两个设置为1；若满足，则从所述染色体的全部基因中随机挑选两个进行取反。在一些实施例中，所述染色体的适应度函数值是采用如下染色体适应度函数计算得到的：其中，gu代表染色体，B为一个大数，保证F(gu)的值为正数。在一些实施例中，所述染色体的选择概率是采用如下的选择概率计算公式计算得到的：其中，M(gu)表示选择概率函数，density(gu)为抗体浓度函数。第二方面，提供了一种应用于第一方面所述的电动设施充电站选址优化方法的装置，所述装置包括：模型建立模块，用于基于多个约束条件，建立电动设施充电站选址优化模型，所述多个约束条件至少包括成本约束条件、充电站容量约束条件和覆盖度约束条件；模型求解模块，用于采用遗传算法求解所述电动设施充电站选址优化模型。第三方面，提供了一种电动设施充电站选址优化装置，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的电动设施充电站选址优化方法。第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如第一方面所述的电动设施充电站选址优化方法。本专利技术实施例相比现有技术而言的有益效果在于，通过基于多个约束条件，建立电动设施充电站选址优化模型，多个约束条件至少包括成本约束条件、充电站容量约束条件和覆盖度约束条件，并采用遗传算法来解决优化问题，由此解决了电动设施充电站的选址问题，同时保证最小化成本，并使覆盖范围延展到整个区域来满足司机的需求和便利性。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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专利技术的一些实施例，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，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种电动设施充电站选址优化方法的流程图；图2为本专利技术实施例提供的充电站原始流量的示意图；图3为本专利技术实施例提供的采用遗传算法求解电动设施充电站选址优化模型的流程图；图4为本专利技术实施例提供的需求点和可能的多个充电站点分布图；图5为当β＝0.9时对应的被选出的充电站点和需求点的分布图；图6为当β＝0.8时对应的被选出的充电站点和需求点的分布图；图7为β取不同值时的仿真结果对比示意图；图8为成本约束条件的目标函数值和被选中的充电站数量结果示意图；图9为本专利技术实施例提供的一种电动设施充电站选址优化装置的结构框图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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他实施例，都属于本专利技术保护的范围。为解决电动设施充电站的选址问题，本专利技术实施例提供一种电动设施充电站选址优化方法，通过建立电动设施充电站选址优化模型，旨在使投资成本和交通运输成本最小、同本文档来自技高网...

【技术保护点】
1.一种电动设施充电站选址优化方法，其特征在于，包括步骤：基于多个约束条件，建立电动设施充电站选址优化模型，所述多个约束条件至少包括成本约束条件、充电站容量约束条件和覆盖度约束条件；采用遗传算法求解所述电动设施充电站选址优化模型。

【技术特征摘要】
1.一种电动设施充电站选址优化方法，其特征在于，包括步骤：基于多个约束条件，建立电动设施充电站选址优化模型，所述多个约束条件至少包括成本约束条件、充电站容量约束条件和覆盖度约束条件；采用遗传算法求解所述电动设施充电站选址优化模型。2.根据权利要求1所述的方法，其特征在于，所述电动设施充电站选址优化模型为：其中，I＝{1,…,m}是居民小区的需求点集合；J＝{1,…,n}是可能的充电站集合；fj表示充电站j的投资成本；dij表示需求点i到充电站j的交通成本；xj表示充电站j的二进制变量；zij表示分配需求点i到充电站j的二进制变量；Xi表示需求点i的需求量；cj表示充电站j的容量；C表示经济成本；表示与充电站j距离为βQ以内的站点集合；β表示变量因子，β大于0小于等于1；D(j,k)表示充电站j到充电站k的距离；Q表示在充电站充满电的充电设施的行使距离；l0表示没有被图用掉的剩余流量，l0≥0；ykl表示从充电站k到充电站l的交通流量；ylp表示从充电站l到充电站p的交通流量；v表示V的长度；V表示能满足司机需求的充电站的集合；E表示充电站之间的边。3.根据权利要求1或2所述的方法，其特征在于，所述采用遗传算法求解所述电动设施充电站选址优化模型包括：S1、导入可能的多个充电站点及需求点数据，并设置遗传算法参数；S2、对所述多个充电站点进行染色体编码，形成初始种群R(t)，进化代数t＝0；S3、计算所述种群R(t)的每个染色体的适应度函数值，并根据适应度函数值对R(t)进行筛选，生成父代种群S(t)；S4、对所述父代种群S(t)进行克隆繁殖，形成种群T(t)，并对所述种群T(t)中的每个染色体交叉变异，形成种群T'(t)；S5、计算所述种群R(t)和所述种群T'(t)的并集中的每个染色体的适应度函数值；S6、计算所述并集中的每个染色体的选择概率，并根据所述选择概率选择染色体，生成种群R(t+1)；S7、判断遗传算法的当前迭代次数t是否达到最大...

【专利技术属性】
技术研发人员：陈双双，赵瑜东，石磊，肖强，
申请(专利权)人：一汽大众汽车有限公司，
类型：发明
国别省市：吉林,22