一种加氢站选址智能算法制造技术

本发明专利技术公开了一种加氢站选址智能算法，S1、根据区域内氢燃料电池汽车保有量和每座加氢站服务的氢燃料电池汽车数量，估算所述区域内氢燃料电池汽车加氢站数量；S2、建立区域的二维坐标模型，以到加氢站加氢的氢燃料电池汽车路上耗氢量最少为目标模型，求解加氢站坐标位置；S3、采用免疫算法求解所述目标模型，得到加氢站的最优布局，即若干个加氢站的位置坐标信息。本发明专利技术以电池汽车保有量、每座加氢站服务的氢燃料电池汽车数量、氢站建设费用和区域内氢燃料电池汽车流动信息，科学地对区域内加氢站进行选址，从而能对后续优化规划氢燃料电池汽车服务选址提供可靠的参考及有效指导，进而推动新能源汽车行业积极向前发展。

An Intelligent Algorithm for Hydrogen Station Location

【技术实现步骤摘要】
一种加氢站选址智能算法
本专利技术属于加氢站规划的
，具体涉及一种加氢站选址智能算法。
技术介绍
随着传统能源(石油)资源短缺以及对环境质量提出了更高的要求，新能源汽车，特别是技术更成熟的氢燃料电池汽车逐渐进入了我们的生活中，随着氢燃料电池汽车数量的增加，对加氢站的建设提出了需求，如何采用经济高效的方法布置加氢站的问题，提高新能源汽车加氢效率成为急需解决的问题。从新能源汽车这个角度来看，主要涉及到汽车去加氢站的路途中耗氢量最小，因此，在进行城市加氢站选址设计和优化时也主要是从居民居住位置和加氢站位置两个方面考虑。科学合理地确定加氢站空间布局，不仅能够直接降低加氢站的固定费用投资和投产后的运营成本，尤其对于吸引车主来加氢和城市交通压力均具有重要的现实意义。
技术实现思路
本专利技术的目的在于针对现有技术中的上述不足，提供一种加氢站选址智能算法，以解决或改善上述的问题。为达到上述目的，本专利技术采取的技术方案是：一种加氢站选址智能算法，其包括：S1、根据区域内氢燃料电池汽车保有量和每座加氢站服务的氢燃料电池汽车数量，估算所述区域内氢燃料电池汽车加氢站数量；S2、建立区域的二维坐标模型，以到加氢站加氢的氢燃料电池汽车路上耗氢量最少为目标模型，求解加氢站坐标位置；S3、采用免疫算法求解所述目标模型，得到加氢站的最优布局，即若干个加氢站的位置坐标信息。优选地，步骤S1中估算区域内氢燃料电池汽车加氢站数量的方法为：M＝Q/K其中，Q为区域新能源汽车的保有量，K为每座加氢站服务的新能源汽车数量，M为加氢站的数量。优选地，步骤S2中的目标模型为：目标模型的约束条件为：其中，(xi,yi)为居民片区区域中心坐标，wi为加权系数，归一化处理后片区新能源汽车的保有量，Bi为各型号新能源汽车每公里平均耗氢量，(ui,vj)—所求各加氢站坐标；(lij)M×N为加氢站分布矩阵，其中：lij＝1表示i区域新能源汽车到j加氢站加氢，lij＝0表示i区域新能源汽车不到j充氢站加氢。优选地，步骤S3中免疫算法求解所述目标模型的方法为：S3.1、分析问题，对所求问题进行分析并写出问题解的目标函数；S3.2、产生初始抗体群，对随机产生N个个体并从记忆库中提取M个个体构成初始群体；S3.3、以个体期望繁殖率P为标准，对群体中各抗体进行评价：其中α为常数，为抗体与抗原间亲和力；为抗体与抗体间亲和力，其中kv,s为抗体v与抗体s中相同的位数，L为抗体长度；S3.4、形成父代群体。将初始群体按期望繁殖率P进行降序排列，并取前N个个体构成父代群体，同时取前M个个体存入记忆库中；S3.5、判断是否满足结束条件，即到加氢站加氢的氢燃料电池汽车路上耗氢量最少，若满足，则结束；若不满足，则继续下一步操作；S3.6、新群体的产生，基于步骤S3.4的计算结果对抗体群体进行选择、交叉、变异操作得到新群体，再从记忆库中取出记忆的个体，共同构成新一代群体，即若干个满足目标函数的解；S3.7、转回执行步骤S3.3。优选地，对步骤S3得到的若干个加氢站的位置进行进一步优化，其方法包括：根据加氢站建设费用和区域内氢燃料电池汽车流动信息，基于K中心聚类算法建立若干个加氢站中氢燃料电池汽车选址优化模型；在K中心聚类算法进过多次迭代计算后，得到若干个加氢站中满足迭代次数和误差范围内的最优加氢站选址位置。本专利技术提供的加氢站选址智能算法，具有以下有益效果：本专利技术以电池汽车保有量、每座加氢站服务的氢燃料电池汽车数量、氢站建设费用和区域内氢燃料电池汽车流动信息，科学地对区域内加氢站进行选址，从而能对后续优化规划氢燃料电池汽车服务选址提供可靠的参考及有效指导，进而推动新能源汽车行业积极向前发展。附图说明图1为加氢站选址智能算法的流程图。图2为加氢站选址智能算法免疫算法流程图。图3为加氢站选址智能算法仿真结果图。具体实施方式下面对本专利技术的具体实施方式进行描述，以便于本
的技术人员理解本专利技术，但应该清楚，本专利技术不限于具体实施方式的范围，对本
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本专利技术的精神和范围内，这些变化是显而易见的，一切利用本专利技术构思的专利技术创造均在保护之列。根据本申请的一个实施例，参考图1，本方案的加氢站选址智能算法，包括：S1、根据区域内氢燃料电池汽车保有量和每座加氢站服务的氢燃料电池汽车数量，估算所述区域内氢燃料电池汽车加氢站数量；S2、建立区域的二维坐标模型，以到加氢站加氢的氢燃料电池汽车路上耗氢量最少为目标模型，求解加氢站坐标位置；S3、采用免疫算法求解所述目标模型，得到加氢站的最优布局，即若干个加氢站的位置坐标信息。以下对上述步骤进行详细说明步骤S1、估算区域内氢燃料电池汽车加氢站数量的方法为：M＝Q/K其中，Q为区域新能源汽车的保有量，K为每座加氢站服务的新能源汽车数量，M为加氢站的数量。步骤S2，求解加氢站坐标，使到站加氢的新能源汽车路上耗氢量最少，其目标模型为：目标模型的约束条件为：其中，(xi,yi)为居民片区区域中心坐标，wi为加权系数，归一化处理后片区新能源汽车的保有量，Bi为各型号新能源汽车每公里平均耗氢量，(uj,vj)—所求各加氢站坐标；(lij)M×N为加氢站分布矩阵，其中：lij＝1表示i区域新能源汽车到j加氢站加氢，lij＝0表示i区域新能源汽车不到j充氢站加氢。步骤S3中免疫算法求解所述目标模型的方法为：S3.1、分析问题，对所求问题进行分析并写出问题解的目标函数；S3.2、产生初始抗体群，对随机产生N个个体并从记忆库中提取M个个体构成初始群体；S3.3、以个体期望繁殖率P为标准，对群体中各抗体进行评价：其中α为常数，为抗体与抗原间亲和力；为抗体与抗体间亲和力，其中kv,s为抗体v与抗体s中相同的位数，L为抗体长度；S3.4、形成父代群体。将初始群体按期望繁殖率P进行降序排列，并取前N个个体构成父代群体，同时取前M个个体存入记忆库中；S3.5、判断是否满足结束条件，即到加氢站加氢的氢燃料电池汽车路上耗氢量最少，若满足，则结束；若不满足，则继续下一步操作；S3.6、新群体的产生，基于步骤S3.4的计算结果对抗体群体进行选择、交叉、变异操作得到新群体，再从记忆库中取出记忆的个体，共同构成新一代群体，即若干个满足目标函数的解；S3.7、转回执行步骤S3.3。对步骤S3得到的若干个加氢站的位置进行进一步优化，其方法包括：根据加氢站建设费用和区域内氢燃料电池汽车流动信息，基于K中心聚类算法建立若干个加氢站中氢燃料电池汽车选址优化模型；在K中心聚类算法进过多次迭代计算后，得到若干个加氢站中满足迭代次数和误差范围内的最优加氢站选址位置。根据本申请的一个实施例，以成都市成华区为例详细说明本算法：收集成华区各社区坐标参数及新能源(氢燃料电池)汽车保有量(如表一)并汇总，根据类比推算数学模型：M＝Q/K算出所需加氢站数量；因为本专利是对未来加氢站选址的一个设想，所以我们假设成华区的新能源汽车总保有量Q为16000辆，每座加氢站服务的新能源车数量K为4000辆，则通过类比推算数学模型：M＝Q/K算出所需加氢站数量M＝4。表一：成都市成华区各社区坐标及新能源汽车保有量序号小区名称经度纬度各社区保有量加权系数1一里塘新型社区104.138本文档来自技高网...

【技术保护点】
1.一种加氢站选址智能算法，其特征在于，包括：S1、根据区域内氢燃料电池汽车保有量和每座加氢站服务的氢燃料电池汽车数量，估算所述区域内氢燃料电池汽车加氢站数量；S2、建立区域的二维坐标模型，以到加氢站加氢的氢燃料电池汽车路上耗氢量最少为目标模型，求解加氢站坐标位置；S3、采用免疫算法求解所述目标模型，得到加氢站的最优布局，即若干个加氢站的位置坐标信息。

【技术特征摘要】
1.一种加氢站选址智能算法，其特征在于，包括：S1、根据区域内氢燃料电池汽车保有量和每座加氢站服务的氢燃料电池汽车数量，估算所述区域内氢燃料电池汽车加氢站数量；S2、建立区域的二维坐标模型，以到加氢站加氢的氢燃料电池汽车路上耗氢量最少为目标模型，求解加氢站坐标位置；S3、采用免疫算法求解所述目标模型，得到加氢站的最优布局，即若干个加氢站的位置坐标信息。2.根据权利要求1所述的加氢站选址智能算法，其特征在于：所述步骤S1中估算区域内氢燃料电池汽车加氢站数量的方法为：M＝Q/K其中，Q为区域新能源汽车的保有量，K为每座加氢站服务的新能源汽车数量，M为加氢站的数量。3.根据权利要求1所述的加氢站选址智能算法，其特征在于：所述步骤S2中的目标模型为：目标模型的约束条件为：其中，(xi,yi)为居民片区区域中心坐标，wi为加权系数，归一化处理后片区新能源汽车的保有量，Bi为各型号新能源汽车每公里平均耗氢量，(uj,uj)—所求各加氢站坐标；(lij)M×N为加氢站分布矩阵，其中：lij＝1表示i区域新能源汽车到j加氢站加氢，lij＝0表示i区域新能源汽车不到j充氢站加氢。4.根据权利要求1所述的加氢站选址智能算法，其特征在于：所述步骤S3中免疫算法求解所述目标模型的方法为：S3....

【专利技术属性】
技术研发人员：刘伟，严海涛，任晓晨，庞鹏，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：四川,51