一种多目标电动汽车充电网络规划方法技术

本发明专利技术涉及电动汽车充电网络的技术领域，公开了一种多目标电动汽车充电网络规划方法。包括：S1：给定规划边界条件；S2：建立同时考虑电动汽车平均充电行驶距离最短与充电网络建设成本最低的充电网络多目标机会约束规划模型；S3：设计染色体编码方案以及交叉、变异操作算子，采用基于可行性法则的非支配遗传算法求解充电网络多目标机会约束规划模型，给出充电网络多目标机会约束规划模型的Pareto解集；S4：从Pareto解集中投资成本最低的解出发，根据边际投资收益最大原则确定最优充电网络规划方案。本发明专利技术降低了电动汽车至充电站的平均行驶距离与充电网络建设成本。行驶距离与充电网络建设成本。行驶距离与充电网络建设成本。

【技术实现步骤摘要】
一种多目标电动汽车充电网络规划方法


[0001]本专利技术涉及电动汽车充电网络规划
，具体涉及一种多目标电动汽车充电网络规划方法。

技术介绍

[0002]近年来，随着化石能源过度使用与环境污染的日益加剧，发展以电动汽车为代表的绿色交通工具成为世界各国的共识，我国也制定了一系列政策，鼓励电动汽车产业发展。现阶段，电动汽车主要从电网补充电能，充电站是其重要充电场所之一。布局合理的电动汽车充电网络能显著提高车主充电的便利性，激发全社会的电动汽车购买意愿，促进电动汽车产业进一步发展。
[0003]文献一《多重随机特性下的电动汽车充电网络机会约束规划》(电力系统保护与控制，2021年，第49卷，第6期，第30页至39页)建立同时考虑分布式光伏出力与电动汽车充电负荷随机特性的充电网络规划模型，通过优化充电站在配电系统中的接入位置与容量，最小化配电系统网损，并确保配电系统节点电压偏移与支路潮流越限满足给定的机会约束。电动汽车平均充电行驶距离是衡量充电服务便利性的重要指标之一，本文没有对此问题进行考虑，同时，也未考虑优化充电网络建设成本，具有一定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多目标电动汽车充电网络规划方法，其特征在于，包括以下步骤：S1：设定规划边界条件，所述规划边界条件包括：交通网络拓扑结构与参数、充电站候选地址、各候选场址的充电站建设成本、充电站建设总数、充电行驶里程阀值和置信度；所述充电站候选地址均为交通网络中的交通节点；S2：建立同时考虑电动汽车平均充电行驶距离最短与充电网络建设成本最低的充电网络多目标机会约束规划模型，所述充电网络多目标机会约束规划模型的机会约束包括充电行驶距离机会约束和充电站建设总数约束；所述电动汽车平均充电行驶距离最短可用如下公式表示：其中，D
ave
为整个交通网络中的电动汽车平均充电行驶距离，Ω
R
为交通网络中的道路集合，i为交通网络中的道路索引，T
i
为道路i的车流量，d
av,i
为道路i上行驶电动汽车的平均充电行驶距离；所述充电网络建设成本最低可用如下公式表示：其中，C
total
为电动汽车充电网络建设成本，C
con,j
为在候选地址j建设充电站的建设成本，N为充电站候选场址总数；所述充电行驶距离机会约束是指充电行驶距离低于给定里程阀值的概率不超过事先给定置信度的概率，可用如下公式表示：其中，p
i
为道路i上EV充电行驶里程不超过充电行驶里程阀值的概率，β为置信度；S3：采用基于可行性法则的非支配遗传算法对所述充电网络多目标机会约束规划模型进行求解，给出所述充电网络多目标机会约束规划模型的Pareto解集；其中，所述采用基于可行性法则的非支配遗传算法对所述充电网络多目标机会约束规划模型进行求解具体包括以下步骤：S31.设定遗传算法参数，包括：种群规模N
pop
，交叉率P
c
，变异率P
m
与最大进化代数G
max
；S32.随机生成由N
pop
条染色体组成的父代种群Q
1,1
；父代种群Q
1,1
中的染色体为N个码位组成的二进制码串，第j个码位取值为“1”表示在候选场址j建设充电站，否则，不在候选场址j建设充电站；各染色体有且仅有M个码位取值为“1”；S33.令g＝0，g为进化代数索引；S34.令g＝g+1，开始第g代进化，采用二元锦标赛法对父代种群Q
1,g
进行复制操作、交叉操作与变异操作，生成临时种群Q
2,g
，临时种群Q
2,g
的种群规模为N
pop
，并将临时种群Q
2,g
与父代种群Q
1,g
合并，构成待进化种群Q
3,g
，待进化种群Q
3,g
的种群规模为2N
pop
；S35.计算进化种群Q
3,g
中各条染色体代表的规划方案中电动汽车至最近充电站的平均行驶距离D
ave,k
、充电网络的综合建设成本C
total,k
与电动汽车充电行驶距离不超过给定里程
阀值的概率P
ev,k
；S36.基于可行性法则确定待进化种群Q
3,g
中所有染色体的优先度，并根据各染色体的优先度对染色体进行排序，然后根据各个染色体的优先度在待进化种群Q
3,g
中的排序设计染色体适应度；所述基于可行性法则确定待进化种群Q
3,g
中所有染色体的优先度具体为：在待进化种群Q
3,g
中，将满足机会约束的染色体归入可行解集，根据Pareto支配原理对可行解集中的所有染色体进行分层，将每一层级的所有染色体按充电网络建设成本C
total
从小到大进行排序后计算每一层级中各染色体的虚拟适应度；将不满足机会约束的染色体归入非可行解集，计算非可行解集中每个染色体的约束违反程度，并按照以下原则确定各染色体的优先度；(1)可行解集中的染色体的优先度高于非可行解集中的染色体；(2)可行解集中，染色体所属层级越低，优先度越高；染色体所属层级相同时，虚拟适应度大的染色体优先度高，虚拟适应度的计算方法如下式所示：其中，F
r,n
为第r层、第n个染色体的虚拟适应度；r
max
为待进化种群Q
3,g
中可行解集的染色体层级数；n
r
为第r层染色体的个数；为第r层、第n+1个染色体对应的充电网络综合建设成本，为其对应的平均充电行驶距离；为第r层、第n
‑
1个染色体对应的充电网络综合建设成本，为其对应的平均充电行驶距离；H为给定的一个大数；(4)非可行解集中，染色体的约束违反程度越小，优先度越高，约束违反程度计算公式如下：其中，C
V
表示某染色体对应的规划方案的约束违反程度，P
ev
为某染色体对应的规划方案中电动汽车充电行驶距离不超过给定里程阀值的概率；S37.判断进化代数索引g是否等于最大进化代数G
max
；若g＝G
max
，则继续执行步骤S38；否则，采用...

【专利技术属性】
技术研发人员：张新松，李大祥，董健，郭傲伟，赵至哲，高宁宇，张齐，
申请(专利权)人：南通大学，
类型：发明
国别省市：