一种充电站选址方法和装置制造方法及图纸

本发明专利技术公开了一种充电站选址方法和装置，方法包括：获取规划区内各交通节点的车流量；根据车流量计算规划区内待建充电站的数量下限值和数量上限值；通过离散粒子群算法和预设的用户充电决策模型，计算待建充电站从数量下限值至数量上限值的最优成本方案；选取成本最小的最优成本方案作为规划区的充电站选址方案。在充电站的选址过程中考虑到了用户充电决策的影响，提高了充电站选址的合理性。提高了充电站选址的合理性。提高了充电站选址的合理性。

【技术实现步骤摘要】
一种充电站选址方法和装置


[0001]本专利技术涉及充电站规划领域，尤其涉及一种充电站选址方法和装置。

技术介绍

[0002]随着电动汽车数量的飞速增长，充电基础设施的需求越来越多，因此充电基础设施建设成为了当前的热点问题。充电设施的建设极其重要，若规划不合理，不仅会造成输电阻塞，使电能损失增大，令相关节点的电压下降，危及电网的运行稳定性与经济性，同时会降低城市电动汽车用户的出行便利性，不利于交通网络的组织规划，从而阻碍电动汽车的普及。因此，必须对电动汽车充电站进行合理规划，制定出合适的选址方案。
[0003]目前，电动汽车充电站选址方法是分析规划区域内每个节点的电动汽车充电负荷，从备选充电站随机选择多个位置的充电站和各充电站内充电桩的数量，以建设成本作为目标函数，将服务范围和功率作为约束条件求解充电站选址问题，但是仅从建设方考虑的角度进行选址方案具有以下缺点：
[0004]电动汽车充电站的位置规划不合理，没有考虑到用户的充电决策行为和充电站选址方案对配电网的影响，导致充电站利用率低，容易造成配电网输电阻塞的问题，影响配电网供电稳定性。

技术实现思路

[0005]本专利技术提供了一种充电站选址方法和装置，考虑到用户的充电决策行为和充电站建设对配电网的影响，解决了现有电动汽车充电站选址方法中存在的规划不合理的问题。
[0006]本专利技术提供的一种充电站选址方法，包括：
[0007]获取规划区内各交通节点的车流量；
[0008]根据所述车流量计算所述规划区内待建充电站的数量下限值和数量上限值；
[0009]通过离散粒子群算法和预设的用户充电决策模型，计算所述待建充电站从所述数量下限值至所述数量上限值的最优成本方案；
[0010]选取成本最小的最优成本方案作为所述规划区的充电站选址方案。
[0011]可选地，所述车流量为具有充电需求的电动汽车车流量；所述根据所述车流量计算所述规划区内待建充电站的数量下限值和数量上限值的步骤，包括：
[0012]将所述具有充电需求的电动汽车车流量与预设的电动汽车平均额定容量求乘值，作为所述交通节点的充电需求量；
[0013]将各所述交通节点的充电需求量求和值，作为所述规划区内待建充电站的总充电需求量；
[0014]将充电桩数量的最大约束值、所述充电桩的充电功率、所述充电桩的充电效率和所述集中充电时段内的有效充电时间之间的乘值，作为单个所述待建充电站的最大充电容量；
[0015]将充电桩数量的最小约束值、所述充电桩的充电功率、所述充电桩的充电效率和
所述集中充电时段内的有效充电时间之间的乘值，作为单个所述待建充电站的最小充电容量；
[0016]将所述总充电需求量与所述最大充电容量之间的比值作为所述规划区内待建充电站的数量下限值；
[0017]将所述总充电需求量与所述最小充电容量之间的比值作为所述规划区内待建充电站的数量上限值。
[0018]可选地，所述预设的用户充电决策模型包括出租车司机充电决策模型和私家车司机充电决策模型。
[0019]可选地，所述出租车司机充电决策模型的包括出租车司机的充电站选择模型、目的地交通节点选择模型和所述出租车司机从充电站前往交通节点寻找乘客的期望时间；
[0020]所述目的地交通节点选择模型为：
[0021][0022]式中，P
zj,taxi
为出租车在充电站z启程前往交通节点j寻找乘客的概率，H是交通节点的集合，t
zj
为从充电站z启程前往交通节点j的最短时间，q
j
为交通节点j的出租车需求量，β1、β2为不同影响因素的权重系数，μ为模型参数；
[0023]所述出租车司机从充电站前往交通节点寻找乘客的期望时间的计算公式为：
[0024][0025]式中，t
z2
,t
axi
为出租车司机从充电站z前往下个交通节点j寻找乘客的期望时间，t
zj
为从充电站z启程前往交通节点j的最短时间，P
zj,taxi
为出租车在充电站z启程前往交通节点j寻找乘客的概率，H为交通节点的集合；
[0026]所述出租车司机的充电站选择模型为：
[0027][0028]式中，P
iz,taxi
为处于交通节点i的出租车选择充电站z充电的概率，U
iz,taxi
为在交通节点i的出租车选择充电站z充电的效用函数，t
iz
为从交通节点i到达充电站z的最短时间，t
z1,taxi
为出租车选择充电站z充电的等待时间上限，t
z2,taxi
为出租车在充电站z充完电之后到达下个交通节点寻找乘客的期望时间，a1，a2，a3为效用函数的影响权重系数，且a1+a2+a3＝1，θ1为选择模型参数，M为充电站的集合。
[0029]可选地，所述私家车司机充电决策模型具体包括私家车司机的充电站选择模型、预设的出行目的及概率分布表和所述私家车司机从充电站前往交通节点寻找乘客的期望时间；
[0030]所述私家车司机从充电站前往交通节点寻找乘客的期望时间的计算公式为：
[0031][0032]式中，t
z2,pri
为私家车司机从充电站z前往目的地的期望时间，t
zj
为从充电站z启程前往交通节点j的最短时间，P
zj,pri
为私家车从充电站z前往目的地交通节点j的概率，P
zj,pri
的大小取决于交通节点j在预设的出行目的及概率分布表中的类别，H为交通节点的集合；
[0033]所述私家车司机的充电站选择模型为：
[0034][0035]式中，P
iz,pri
为处于交通节点i的私家车选择充电站z充电的概率，U
iz,pri
为在交通节点i的私家车选择充电站z充电的效用函数，t
iz
为从交通节点i到达充电站z的最短时间，t
z1,pri
为私家车选择充电站z充电等待时间上限，t
z2,pri
为私家车在充电站z充完电之后到达目的地的期望时间，a4，a5，a6为效用函数的影响权重系数，且a4+a5+a6＝1，θ2为选择模型参数，M为充电站的集合。
[0036]可选地，所述通过离散粒子群算法和预设的用户充电决策模型，计算所述待建充电站从所述数量下限值至所述数量上限值的最优成本方案的步骤，包括：
[0037]采用离散粒子群算法调整n个所述待建充电站的站址，形成第一站址方案集，其中，n所述待建充电站的数量下限值；
[0038]从所述预设的用户充电决策模型中选取影响所述待建充电站成本的因素，计算所述第一站址方案集中各第一站址方案的社会总成本；
[0039]选取所述社会总成本最小的所述第一站址方案作为待建充电站数量为n时的最优选址方案；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种充电站选址方法，其特征在于，包括：获取规划区内各交通节点的车流量；根据所述车流量计算所述规划区内待建充电站的数量下限值和数量上限值；通过离散粒子群算法和预设的用户充电决策模型，计算所述待建充电站从所述数量下限值至所述数量上限值的最优成本方案；选取成本最小的最优成本方案作为所述规划区的充电站选址方案。2.根据权利要求1所述的充电站选址方法，其特征在于，所述车流量为具有充电需求的电动汽车车流量；所述根据所述车流量计算所述规划区内待建充电站的数量下限值和数量上限值的步骤，包括：将所述具有充电需求的电动汽车车流量与预设的电动汽车平均额定容量求乘值，作为所述交通节点的充电需求量；将各所述交通节点的充电需求量求和值，作为所述规划区内待建充电站的总充电需求量；将充电桩数量的最大约束值、所述充电桩的充电功率、所述充电桩的充电效率和集中充电时段内的有效充电时间之间的乘值，作为单个所述待建充电站的最大充电容量；将充电桩数量的最小约束值、所述充电桩的充电功率、所述充电桩的充电效率和所述集中充电时段内的有效充电时间之间的乘值，作为单个所述待建充电站的最小充电容量；将所述总充电需求量与所述最大充电容量之间的比值作为所述规划区内待建充电站的数量下限值；将所述总充电需求量与所述最小充电容量之间的比值作为所述规划区内待建充电站的数量上限值。3.根据权利要求1所述的充电站选址方法，其特征在于，所述预设的用户充电决策模型包括出租车司机充电决策模型和私家车司机充电决策模型。4.根据权利要求3所述的充电站选址方法，其特征在于，所述出租车司机充电决策模型的包括出租车司机的充电站选择模型、目的地交通节点选择模型和所述出租车司机从充电站前往交通节点寻找乘客的期望时间；所述目的地交通节点选择模型为：式中，P
zj,taxi
为出租车在充电站z启程前往交通节点j寻找乘客的概率，H是交通节点的集合，t
zj
为从充电站z启程前往交通节点j的最短时间，q
j
为交通节点j的出租车需求量，β1、β2为不同影响因素的权重系数，μ为模型参数；所述出租车司机从充电站前往交通节点寻找乘客的期望时间的计算公式为：式中，t
z2,taxi
为出租车司机从充电站z前往下个交通节点j寻找乘客的期望时间，t
zj
为从充电站z启程前往交通节点j的最短时间，P
zj,taxi
为出租车在充电站z启程前往交通节点j
寻找乘客的概率，H为交通节点的集合；所述出租车司机的充电站选择模型为：式中，P
iz,taxi
为处于交通节点i的出租车选择充电站z充电的概率，U
iz,taxi
为在交通节点i的出租车选择充电站z充电的效用函数，t
iz
为从交通节点i到达充电站z的最短时间，t
z1,taxi
为出租车选择充电站z充电的等待时间上限，t
z2,taxi
为出租车在充电站z充完电之后到达下个交通节点寻找乘客的期望时间，a1，a2，a3为效用函数的影响权重系数，且a1+a2+a3＝1，θ1为选择模型参数，M为充电站的集合。5.根据权利要求3所述的充电站选址方法，其特征在于，所述私家车司机充电决策模型具体包括私家车司机的充电站选择模型、预设的出行目的及概率分布表和所述私家车司机从充电站前往交通节点寻找乘客的期望时间；所述私家车司机从充电站前往交通节点寻找乘客的期望时间的计算公式为：式中，t
z2,pri
为私家车司机从充电站z前往目的地的期望时间，t
zj
为从充电站z启程前往交通节点j的最短时间，P
zj,pri
为私家车从充电站z前往目的地交通节点j的概率，P
zj,pri
的大小取决于交通节点j在预设的出行目的及概率分布表中的类别，H为交通节点的集合；所述私家车司机的充电站选择模型为：式中，P
iz,pri
为处于交通节点i的私家车选择充电站z充电的概率，U
iz,pri
为在交通节点i的私家车选择充电站z充电的效用函数，t
iz
为从交通节点i到达充电站z的最短时间，t
z1,pri
为私家车选择充电站z充电等待时间上限，t
z2,pri
为私家车在充电站z充完电之后到达目的地的期望时间，a4，a5，a6为效用函数的影响权重系数，且a4+a5+a6＝1，θ2为选择模型参数，M为充电站的...

【专利技术属性】
技术研发人员：冯乙峰，陆运全，梁永勇，张方峥，朱广名，陈宏辉，李军，池莲庆，
申请(专利权)人：广东电网有限责任公司茂名供电局，
类型：发明
国别省市：