【技术实现步骤摘要】
基于随机粒子群算法的EV充电站位置生成方法及装置
本专利技术涉及电动汽车配套领域，尤其是涉及一种基于随机粒子群算法的EV充电站位置生成方法及装置。
技术介绍
新能源汽车取代燃油车是提升环境质量的重要手段，在政策支持下，新能源车辆正逐步普及。在这样的趋势下，服务于大规模电动汽车(EV，ElectricVehicle)，包括混合动力电动汽车(HEV，HybridElectricVehicle)、纯电动汽车(BEV，BatteryElectricVehicle)的配套充电设施也必须同步地进行建设。充电难的问题困扰了EV车主很久，曾是限制EV发展的一大因素。正因如此，需要对城市内的充电站进行过规划，建设充电站网络。在充电站规划方面，已经展开了很多研究。通过加权Voronoi图来划分充电站服务范围的划分，并利用排队论原理选择充电站容量。根据电动汽车充电特性和出行特征，计算电动汽车充电功率需求期望值，从而得出规划区充电站的容量需求。结合出行链的概念，提出一种基于用户出行需求的EV充电站优化规划模型。此类研究可以找到理论上满足用户或电力系统要求的最优规划方案，但是忽略了实际场景...
【技术保护点】
1.一种基于随机粒子群算法的EV充电站位置生成方法，其特征在于，包括：步骤S1：采集地理信息数据；步骤S2：基于地理信息数据，根据配电网因素、交通因素和社会因素构建优化问题的目标函数及约束条件；步骤S3：结合PSO与Bagging算法，求解所述优化问题，生成最优充电站位置。
【技术特征摘要】
1.一种基于随机粒子群算法的EV充电站位置生成方法，其特征在于，包括：步骤S1：采集地理信息数据；步骤S2：基于地理信息数据，根据配电网因素、交通因素和社会因素构建优化问题的目标函数及约束条件；步骤S3：结合PSO与Bagging算法，求解所述优化问题，生成最优充电站位置。2.根据权利要求1所述的一种基于随机粒子群算法的EV充电站位置生成方法，其特征在于，所述目标函数为：其中：α为调节系数，pa为第a个充电站的建设成本，β为调节系数，f(sj)为第j个充电站的便利度，P为充电站建设成本集合，s充电站集合；所述约束条件为：其中：sj为第j个充电站的容量，sj,e为充电站容量和，εs为限制区域充电站容量和的裕度，w为区域bw的编号，n为供电站的数目，为区域bw内第r个供电站，为区域供电容量，εg为限制区域供电容量的裕度，lk为第k个道路段，为第k个道路段的坐标，为第j个充电站的坐标，Rj为第j个充电站的充电服务半径，εR为限制充电服务半径的裕度，S为供电站的容量集合，G为供电站集合，L为道路集合。3.根据权利要求2所述的一种基于随机粒子群算法的EV充电站位置生成方法，其特征在于，所述步骤S3具体包括：步骤S31：通过Bagging算法划分样本集；步骤S32：对一个未处理的样本集，初始化其粒子群的速度和位置，其中，任一粒子对应于一充电站位置；步骤S33：计算粒子群的适应度，并找到个体最优值；步骤S34：判断是否遍历完成所有样本集，若为是，则执行步骤S35，反之，则执行步骤S32；步骤S35：找到全局最优值，并更新粒子群的速度和位置；步骤S36：判断是否满足迭代条件，若为是，则执行步骤S37，反之，则返回步骤S33；步骤S37：将当前各粒子的速度和位置对应的充电站位置作为结果输出。4.根据权利要求3所述的一种基于随机粒子群算法的EV充电站位置生成方法，其特征在于，所述步骤S35中，更新粒子群的速度和位置的表达式具体为：其中：为更新后粒子的速度，为更新后粒子的位置，V为粒子的惯性，vt为更新前粒子的速度，C1为个体最优对粒子t的影响率，d1、d2为相对位置关系与速度间的转换关系，qt为粒子最优位置，zt为更新前粒子的位置，C2为种群最优对粒子t的影响率，qh为全局最优位置。5.一种基于随机粒子群算法的EV充电站位置生成装...
【专利技术属性】
技术研发人员：范艳红，杨奕晖，何春辉，李敏，屈婉莹，马茜，寇健，陆轶祺，解大，
申请(专利权)人：国网上海市电力公司，上海交通大学，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。