考虑截获交通流量与充电行驶距离的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规划技术领域，具体涉及考虑截获交通流量与充电行驶距离的充电网络规划方法。本发明专利技术包括以下步骤：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、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：建立同时考虑充电网络截获交通流量最大与电动汽车平均充电行驶距离最短的电动汽车充电网络规划模型，所述充电网络规划模型的约束包括充电行驶距离机会约束和充电站建设数目约束；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规划模型进行求解，给出所述充电网络规划模型的Pareto解集。充电网络规划模型的Pareto解集。充电网络规划模型的Pareto解集。

【技术实现步骤摘要】
考虑截获交通流量与充电行驶距离的充电网络规划方法


[0001]本专利技术涉及电动汽车充电网络规划
，具体涉及考虑截获交通流量与充电行驶距离的充电网络规划方法。

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，电动汽车受到广泛关注。电动汽车充电网络是否合理是影响电动汽车产业发展的重要因素之一，为促进电动汽车产业持续发展，有必要对电动汽车充电网络进行合理规划。
[0003]文献一《综合考虑充电需求和配电网接纳能力的电动汽车充电站规划》(电网技术，2021年，第45卷，第2期，第498页至509页)基于电动汽车出行数据对电动汽车充电需求的时空分布进行预测，在此基础上，采用层次分析法评估配电网对候选规划方案的接纳能力，以建设运行总成本最小为优化目标建立优化模型，并采用遗传算法求解。然而，该文献主要关注充电网络对配电系统的影响，几乎没有考虑充电网络充电服务能力与车主充电便利性，具有一定的局限性。文献二《计及电动汽车时空分布状态的充电站选址定容优化方法》(中国电机工程学报，2021年，第41卷，第18期，第6271页至6284页)为平衡充电运营商与车主充电的经济性，建立了以充电网络建设、运维年化成本与用户充电年化成本之和最小为优化目标，同时考虑充电运营商与用户满意度的多目标充电网络规划模型，并采用改进粒子群算法求解。该文献侧重考虑运营商与车主充电经济性，但未考虑充电网络充电服务能力与车主充电便利性，具有一定的局限。文献三《考虑充电负荷随机特性的电动汽车充电网络模糊多目标规划》(电网技术，2020年，第44卷，第11期，第4404页至第4414页)建立了同时考虑配电系统网损最小与充电网络截获交通流量最大的多目标充电网络规划模型，并采用模糊数学方法与遗传算法求解。该文献在充电网络规划中考虑了充电网络截获交通流量，但未考虑车主充电行驶距离，具有一定的局限性。充电网络截获交通流量与充电行驶距离是衡量充电网络充电服务能力与车主充电便利性的两个重要指标，现有充电网络规划方法未对其进行充分考虑，具有一定的局限性。
[0004]电动汽车充电网络是支撑电动汽车产业发展的重要基础设施，建设充电网络的首要目的是提高充电服务能力与用户充电便利性，支撑电动汽车产业的可持续发展。不合理的充电网络不仅会降低车主充电便利性，还会阻碍电动汽车产业的可持续发展，因此，亟需提出同时考虑截获交通流量与充电行驶距离的充电网络优化规划的方法，通过优化充电站建设位置，最大化充电服务能力与用户充电便利性。

技术实现思路

[0005]本专利技术针对现有技术中存在的不足，本专利技术的目的是提供考虑截获交通流量与充电行驶距离的充电网络规划方法，在充电站建设数目、候选场址给定的情况下，优化电动汽车充电站建设地址，在确保电动汽车充电行驶距离满足给定机会约束的前提下，提高充电网络截获交通流量并同时降低电动汽车车主平均充电行驶距离。
[0006]本专利技术为实现上述专利技术目的，采取的技术方案如下：
[0007]考虑截获交通流量与充电行驶距离的充电网络规划方法，包括以下步骤：
[0008]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、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；
[0009]S2：建立同时考虑充电网络截获交通流量最大与电动汽车平均充电行驶距离最短的电动汽车充电网络规划模型，所述充电网络规划模型的约束包括充电行驶距离机会约束和充电站建设数目约束；
[0010]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规划模型进行求解，给出所述充电网络规划模型的Pareto解集。
[0011]作为本专利技术的优选技术方案：步骤S2所述的电动汽车充电网络规划模型，具体如下：
[0012]所述电动汽车充电网络规划模型包括两个优化目标，第一个优化目标为充电网络截获交通流量最大，具体如公式(1)所示：
[0013][0014]公式(1)中，F
c
为充电网络截获的交通流量；Ω
q
为交通网络中的最短路径集合，q为最短路径索引；y
q
为表征路径q上的交通流量能否被截获的二进制变量，取“1”表示能被截获，取“0”表示不能被截获；f
q
为最短路径q上的交通流量，可通过公式(2)所示的重力空间互动模型求出：
[0015][0016]公式(2)中，W
S,q
与W
E,q
分别为最短路径q的起点与终点权系数；d
q
为最短路径q的长度；
[0017]电动汽车充电网络规划模型的第二个优化目标为平均充电行驶距离最短，具体如公式(3)所示：
[0018][0019]公式(3)中，D
ave
为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为道路索引；T
i
为道路i的交通流量，可通过途经该道路的最短路径上的交通流量求和而得；d
av,i
为道路i上行驶的电动汽车平均充电行驶距离，由公式(4)计算：
[0020][0021]公式(4)中，l
d,i
为道路i的长度；f
i
(x)为道路i上距首端节点距离为x处的电动汽车充电行驶距离，由公式(5)计算；
[0022]f
i
(x)＝min[x+l1,l
d,i
‑
x+l2] 0≤x≤l
d,i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0023]公式(5)中，x为随机变量，表示道路i上待充电电动汽车距道路i首端节点的距离；l1为距道路i首端节点距离最近充电站的距离；l2为距道路i末端节点距离最近充电站的距
离；
[0024]电动汽车充电网络规划模型包括充电行驶距离机会约束与充电站建设数目约束，其中，充电行驶距离机会约束如公式(6)所示：
[0025][0026]公式(6)中，P
ev
为交通网络中电动汽车充电行驶距离小于给定充电行驶里程阀值的概率；β为机会约束置信度，p
i
为道路i上的电动汽车充电行驶距离小于给定里程阀值的概率，由公式(7)计算：
[0027][0028]公式(7)中，g
i
(x)为判断道路i上距首端节点距离为x处的电动汽车充电行驶距离是否小于给定充电行驶里程阀值的二进制辅助函数，有0、1两种取值；当道路i上距首端节点距离为x的电动汽车充电行驶距离小于给定充电行驶里程阀值时，g
i
(x)取“1”；否则，g
i
(x)取“0”，具体如公式(8)所示：
[0029][0030]公式(8)中，d
cha
‑
lim
为给定的充电行驶里程阀值；
[0031]充电站建设数目约束具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑截获交通流量与充电行驶距离的充电网络规划方法，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、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：建立同时考虑充电网络截获交通流量最大与电动汽车平均充电行驶距离最短的电动汽车充电网络规划模型，所述充电网络规划模型的约束包括充电行驶距离机会约束和充电站建设数目约束；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规划模型进行求解，给出所述充电网络规划模型的Pareto解集。2.根据权利要求1所述的考虑截获交通流量与充电行驶距离的充电网络规划方法，其特征在于，步骤S2所述的电动汽车充电网络规划模型，具体如下：所述电动汽车充电网络规划模型包括两个优化目标，第一个优化目标为充电网络截获交通流量最大，具体如公式(1)所示：公式(1)中，F
c
为充电网络截获的交通流量；Ω
q
为交通网络中的最短路径集合，q为最短路径索引；y
q
为表征路径q上的交通流量能否被截获的二进制变量，取“1”表示能被截获，取“0”表示不能被截获；f
q
为最短路径q上的交通流量，可通过公式(2)所示的重力空间互动模型求出：公式(2)中，W
S,q
与W
E,q
分别为最短路径q的起点与终点权系数；d
q
为最短路径q的长度；电动汽车充电网络规划模型的第二个优化目标为平均充电行驶距离最短，具体如公式(3)所示：公式(3)中，D
ave
为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为道路索引；T
i
为道路i的交通流量，可通过途经该道路的最短路径上的交通流量求和而得；d
av,i
为道路i上行驶的电动汽车平均充电行驶距离，由公式(4)计算：公式(4)中，l
d,i
为道路i的长度；f
i
(x)为道路i上距首端节点距离为x处的电动汽车充电行驶距离，由公式(5)计算；f
i
(x)＝min[x+l1,l
d,i
‑
x+l2]0≤x≤l
d,i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)公式(5)中，x为随机变量，表示道路i上待充电电动汽车距道路i首端节点的距离；l1为距道路i首端节点距离最近充电站的距离；l2为距道路i末端节点距离最近充电站的距离；电动汽车充电网络规划模型包括充电行驶距离机会约束与充电站建设数目约束，其
中，充电行驶距离机会约束如公式(6)所示：公式(6)中，P
ev
为交通网络中电动汽车充电行驶距离小于给定充电行驶里程阀值的概率；β为机会约束置信度，p
i
为道路i上的电动汽车充电行驶距离小于给定里程阀值的概率，由公式(7)计算：公式(7)中，g
i
(x)为判断道路i上距首端节点距离为x处的电动汽车充电行驶距离是否小于给定充电行驶里程阀值的二进制辅助函数，有0、1两种取值；当道路i上距首端节点距离为x的电动汽车充电行驶距离小于给定充电行驶里程阀值时，g
i
(x)取“1”；否则，g
i
(x)取“0”，具体如公式(8)所示：公式(8)中，d
cha
‑
lim
为给定的充电行驶里程阀值；充电站建设数目约束具体如公式(9)所示：公式(9)中，M为充电站建设总数；N为交通网络中的充电站候选地址；j为交通网络中充电站建设候选地址索引；y
j
为充电网络规划模型中的优化变量，取“1”表示在候选地址j建设电动汽车充电站，取“0”表示未在候选地址j建设电动汽车充电站。3.根据权利要求1所述的考虑截获交通流量与充电行驶距离的充电网络规划方法，其特征在于，步骤S3所述电动汽车充电网络规划模型的求解方法，具体如下：S3.1：设定非支配遗传算法参数，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
；S3.2：随机生成包含N
pop
条染色体的父代种群U1；父代种群U1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”表示在候选地址j建设充电站，否则，不在候选地址j建设充电站；为满足公式(9)给出的约束，各染色体有且仅有M个码位取值为“1”；S3.3：令g＝0，g为进化代数索引；S3.4：令g＝g+1，开始第g代进化，并将染色体索引k初始化为1，即令k＝1；S3.5：采用“二元锦标赛”策略对父代种群U
g
进行复制、交叉与变异操作，生成种群规模为N
pop
的临时种群Q
g
，并将临时种群Q
g
与父代种群U
g
合并，构成种群规模为2N...

【专利技术属性】
技术研发人员：吕斌，沈秋英，刘乙，李亚飞，马千里，俞易涵，陈宇，殷勤，
申请(专利权)人：国网江苏省电力有限公司苏州供电分公司，
类型：发明
国别省市：