电动汽车充电站选址定容方法技术

本发明专利技术涉及一种电动汽车充电站选址定容方法，针对电动汽车充电站选址定容模型的求解存在易于陷入局部极值和收敛速度慢的问题，考虑引入病毒群体的感染机制和进化操作对现有二进制布谷鸟算法进行改进，并使用改进的二进制布谷鸟算法对选址定容模型进行优化求解。本发明专利技术主要分为两个部分：第一部分为分析电动汽车选址定容需求，综合考虑电动汽车充电站建设费用、电动汽车用户的交通能量损耗和变电站的功率损耗，构建用户‑充电站‑变电站运营成本最小的综合优化模型；第二部分为使用改进的二进制布谷鸟搜索算法对模型进行求解，得出电动汽车充电站最佳选址和最优容量。该方法具有求解精度高、收敛速度快的特点。

Location and Volume Determination Method of Electric Vehicle Charging Station

The invention relates to an electric vehicle charging station location and volume determination method. Aiming at the problem that the solution of the electric vehicle charging station location and volume determination model is easy to fall into local extremum and slow convergence speed, the existing binary cuckoo algorithm is improved by introducing the infection mechanism of virus population and evolutionary operation, and the improved binary cuckoo algorithm is used to solve the location and volume determination model. Optimal solution. The invention is mainly divided into two parts: the first part is to analyze the location and capacity requirements of electric vehicles, and to construct a comprehensive optimization model for minimizing the operation cost of users, charging stations and substations, taking into account the construction cost of charging stations of electric vehicles, the traffic energy loss of users of electric vehicles and the power loss of substations; the second part is to use the improved binary cuckoo search algorithm to pair. The model is solved and the optimal location and capacity of the charging station are obtained. This method has the characteristics of high accuracy and fast convergence.

【技术实现步骤摘要】
电动汽车充电站选址定容方法
本专利技术涉及一种电动汽车充电站规划方法，特别涉及一种基于改进二进制布谷鸟算法的电动汽车充电站选址定容的方法。
技术介绍
全球环境日益恶化以及石油资源的日趋紧张，使得电动汽车作为新型能源交通工具越来越受到关注，其发展前景广阔。充电站、充电桩以及换电站等充电设施是发展电动汽车所必须的重要配套基础设施，基础充电设施的建设直接影响电动汽车行业的发展。目前对电动汽车充电站的规划问题的研究主要分为两部分：充电站选址定容模型建立和模型求解，现有研究用于模型求解的算法主要有遗传算法、布谷鸟算法，但是上述算法存在易于陷入局部最优解和算法收敛速度不高的缺点，导致无法得到最佳选址和容量配置，如何实现充电站选址定容模型快速精确的求解是目前电动汽车充电站规划问题的一大难点。
技术实现思路
本专利技术是针对电动汽车充电站选址定容模型求解易于陷入局部最优解和收敛速度慢的问题，提出了一种电动汽车充电站选址定容方法，实现对电动汽车充电站选址定容模型的快速精确求解。本专利技术的技术方案为：一种电动汽车充电站选址定容方法，体包括如下步骤：1)综合考虑电动汽车用户路程费用、充电站建设费用和变电站能量损耗费用，并对各个费用进行归一化处理，建立用户-充电站-变电站运营成本最小的优化模型如下：ω1+ω2+ω3＝1式中：CEV.norm为电动汽车路程费用的标么值；CSBU.norm为电动汽车充电站建设费用标么值；CSS.norm为变电站能量能量损耗费用的标么值；CSS.m为变电站第m条母线能量损耗费用；CSBU.l为充电站l的建设成本；CEV.k为第k辆电动汽车用户到达最近充电站路程费用；ω1、ω2、ω3分别为CEV.norm、CSBU.norm、CSS.norm的占比，均为正值；N1为电动汽车的数量；N2为充电站的数量；N3为变电站的母线数量；为N1辆电动汽车去充电站的最大路程费用；为初步规划的所有电动汽车充电站建设的费用；为最大的电能损耗费用；2)使用改进的布谷鸟搜索算法对目标模型进行求解：2.1)改进布谷鸟算法步骤：2.1.1)病毒个体产生：病毒个体产生与主个体，病毒个体其长度同主个体相同，但加入了通配符*，通配符之外的称为有效字符；2.1.2)病毒个体的适应度：各病毒个体的适应度用被其感染的主个体感染前后的适应度变化来表示，对于病毒个体Vk，其适应度表示为：式中Vx为第x个病毒个体；Vxj为被病毒Vx感染的第j个主个体；G为被病毒Vk感染的主个体群；C为优化目标函数；和分别为被感染前后的适应度值；2.1.3)病毒感染操作通过反向代换感染出新主个体，然后通过结合操作使得各病毒进化；2.2)使用改进的布谷鸟算法进行求解：根据该区域的电动汽车数量、交通流量况初步制定出电动汽车充电站的地理位置：2.2.1)以CSP(l)为自变量，用二进制编码表示充电站表示鸟巢的位置，即充电站是否建设，当充电站l建设时，对应的二进制编码位为1；当充电站l不需要时，对应的二进制编码位为0；故主个体的大小为N2；随机产生种群规模为N的主种群和的病毒种群，即2.2.2)依据用户-充电站-变电站运营成本最小的优化模型计算主群体的适应度值，确定最佳电动汽车充电站选址方案，判断是否满足算法结束条件；若满足则寻优结束，否则进入下一步：2.2.3)进行主群体进化操作，更新鸟巢位置和适应度值；2.2.4)病毒感染生命力计算，执行病毒感染、进化操作；2.2.5)实施精英保留策略将最优秀的直接保留到下一代直至被最优秀的鸟巢替代；2.2.6)设置最大迭代次数，迭代到最大迭代次数作为改进的布谷鸟算法结束条件；2.2.7)输出最优鸟巢位置及问题的最优解，即为电动汽车充电站选址定容的最佳方案。所述步骤1)中CEV.k为第k辆电动汽车用户到达最近充电站路程费用有两种情况：A:如果第k辆电动汽车的剩余电量足以支撑电动汽车到达最近的充电站，则费用为电能损耗费用CEV.k：CEV.k＝Pep·Bd·Tk.min式中：Pep为电动汽车电池充电单位电价；Bd为电动汽车电池的放电功率；Tk.min为第k辆电动汽车到达最近充电站所需要的时间；B:如果第k辆电动汽车的剩余电量不足以支撑电动汽车到达最近的充电站，则电动汽车路程费用CEV.k：包含电能损耗费用和拖车费用，CEV.k＝Pep·Bd·Tk.can+Dk·PEV式中：Tk.can为第k辆电动汽车剩余电量能够行驶的最长时间；Dk为电动汽车到达最近充电站的剩余路程km；PEV为单位距离拖车费用，yuan/km；所述步骤1)中充电站l的建设成本CSBU.l为：式中：Pfixed为充电站基础充电设施的建设费用；Plan土地价格；Pch为充电机费用；Pugc为电缆费用；Px-former为变压器费用；Prun为充电站的运营费用；为电缆的价格，元/km；Dl为电缆的长度km；为变压器的价格，yuan/kVA；VAl为充电站变压器CSPl的额定容量；为建设材料费用；CSFl为员工工资费用；所述步骤1)中变电站第m条母线能量损耗费用CSS.m＝LPEV.m·tefh·Pep式中：LPEV.m为充电站的接入变电站第m条母线引起的损耗功率，kw；tefh为电动汽车接入充电站的时长；Pep为充电电价，yuan/kwh。本专利技术的有益效果在于：本专利技术电动汽车充电站选址定容方法，将鸟巢位置组成的主群体的纵向全局搜索和病毒群体的横向局部搜索动态结合，并利用病毒群体对主群体的感染操作，推动了主群体的多样性和种群演化，有效解决了布谷鸟搜索算法存在后期搜索速度慢、易陷入局部极值的问题。附图说明图1为本专利技术电动汽车充电站选址定容流程图；图2为使用本专利技术改进方法得出的电动汽车路程费用、充电站建设费用、变电站功率损耗费用占比分布图；图3为传统方法后得出的电动汽车路程费用、充电站建设费用、变电站功率损耗费用占比分布图；图4为改进方法和传统方法求解速度和精度对比图。具体实施方式基于改进二进制布谷鸟算法的电动汽车充电站选址定容方法：主要是建立用户、充电站和变电站运营成本最小的选址定容模型；对已有的二进制布谷鸟算法进行改进；用改进的二进制布谷鸟算法对选址定容模型进行求解。主要步骤如图1所示，具体实施步骤如下：1、综合考虑电动汽车数量和交通拥挤度等因素，初步规划需要建立的充电站的地理位置：以CSP(l)为自变量，用二进制编码表示充电站表示鸟巢的位置，即充电站是否建设，当充电站l建设时，对应的二进制编码位为1；当充电站l不需要时，对应的二进制编码位为0，N2为主个体的大小，即充电站的数量；随机产生种群规模为N的主种群和的病毒种群。2、电动汽车用户-充电站-变电站运营成本模型2.1)电动汽车用户达到最近充电站的路程费用：2.1.1)确定第k辆电动汽车用户到达所有可能的充电站时间Tk：Tk＝[t1t2t3…tN2]Tk.min＝min(Tk)式中：Tk.min为第k辆电动汽车到达最近充电站所需要的时间；2.1.2)确定第k辆电动汽车到达最近充电站时的荷电状态：式中：为第k辆电动汽车到达最近充电站时的荷电状态；为第k辆电动汽车向最近充电站行驶前的电池荷电状态；Bd为电动汽车电池的放电功率；Bt为最大电池容量。电池的荷电状态的变化范围为[0.21]，当电池的荷电状态低于0.2时，则认为该电本文档来自技高网...

【技术保护点】
1.一种电动汽车充电站选址定容方法，其特征在于，具体包括如下步骤：1)综合考虑电动汽车用户路程费用、充电站建设费用和变电站能量损耗费用，并对各个费用进行归一化处理，建立用户‑充电站‑变电站运营成本最小的优化模型如下：

【技术特征摘要】
1.一种电动汽车充电站选址定容方法，其特征在于，具体包括如下步骤：1)综合考虑电动汽车用户路程费用、充电站建设费用和变电站能量损耗费用，并对各个费用进行归一化处理，建立用户-充电站-变电站运营成本最小的优化模型如下：ω1+ω2+ω3＝1式中：CEV.norm为电动汽车路程费用的标么值；CSBU.norm为电动汽车充电站建设费用标么值；CSS.norm为变电站能量能量损耗费用的标么值；CSS.m为变电站第m条母线能量损耗费用；CSBU.l为充电站l的建设成本；CEV.k为第k辆电动汽车用户到达最近充电站路程费用；ω1、ω2、ω3分别为CEV.norm、CSBU.norm、CSS.norm的占比，均为正值；N1为电动汽车的数量；N2为充电站的数量；N3为变电站的母线数量；为N1辆电动汽车去充电站的最大路程费用；为初步规划的所有电动汽车充电站建设的费用；为最大的电能损耗费用；2)使用改进的布谷鸟搜索算法对目标模型进行求解：2.1)改进布谷鸟算法步骤：2.1.1)病毒个体产生：病毒个体产生与主个体，病毒个体其长度同主个体相同，但加入了通配符*，通配符之外的称为有效字符；2.1.2)病毒个体的适应度：各病毒个体的适应度用被其感染的主个体感染前后的适应度变化来表示，对于病毒个体Vk，其适应度表示为：式中Vx为第x个病毒个体；Vxj为被病毒Vx感染的第j个主个体；G为被病毒Vk感染的主个体群；C为优化目标函数；和分别为被感染前后的适应度值；2.1.3)病毒感染操作通过反向代换感染出新主个体，然后通过结合操作使得各病毒进化；2.2)使用改进的布谷鸟算法进行求解：根据该区域的电动汽车数量、交通流量况初步制定出电动汽车充电站的地理位置：2.2.1)以CSP(l)为自变量，用二进制编码表示充电站表示鸟巢的位置，即充电站是否建设，当充电站l建设时，对应的二进制编码位为1；当充电站l不需要时，对应的二进制编码位为0；故主个体的大小为N2；随机产生种群规模为N的主种群和的病毒种群，即2.2.2)依据用户-充电站-变电站运营成本最小的优化模型计算主群体的适应度值，确定...

【专利技术属性】
技术研发人员：陈忠华，俞容江，徐强，王育飞，陈嘉敏，董悦，章诚亮，薛花，
申请(专利权)人：杭州市电力设计院有限公司，
类型：发明
国别省市：浙江,33