【技术实现步骤摘要】
一种自适应大规模多目标电动汽车充电站优化部署方法
[0001]本专利技术涉及电动汽车充电站的优化部署领域,尤其涉及一种自适应大规模多目标电动汽车充电站优化部署方法。
技术介绍
[0002]随着石油资源的日渐枯竭,新能源电动汽车的用户正在快速增多,对车辆充电的便捷性要求也在逐渐提高。但充电站资源不均匀、不平衡的分布使得电动汽车充电的服务质量急剧下降,合理地分配充电站资源是解决该问题的一种有效途径。
[0003]充电站的快慢充电桩设计不仅可以有效地满足不同电动车辆用户的充电接口要求,还可以对服务价格划分等级并适应更多车主不同的消费能力。针对广阔范围内的不同区域的人口密度和车流量等差异进行综合考虑,并结合充电效率、桩位数量和服务质量灵活设置电动车辆充电站成为了趋势。随着近年来车联网技术的发展,通信数据终端可以被延展到各种平台上。
[0004]若想要提高整个城市区域中智能车辆充电站的服务质量,则需要调节该系统的多个技术指标。在工程实践当中,资源配置一般是有限的,所以这些技术指标之间通常会存在矛盾,并大多成对出现。这些矛盾之间一般呈负相关关系。当这对指标中的一个指标效果变好时,另一个指标效果就会变差。若想通过增加充电站资源的方法缓解系统服务质量的降低,过高的建设成本和过大的电力负载会成为建设工程的沉重负担,因此在广阔范围内大量均匀地部署充电站资源是不实际且不必要的。
[0005]电动车辆的最优充电站部署主要考虑以下四个问题:(1)在充电资源有限的情况下提高用户车辆的充电效率;(2)在保证输出功率稳定的前 ...
【技术保护点】
【技术特征摘要】
1.一种自适应大规模多目标电动汽车充电站优化部署方法,其特征在于,包括步骤如下:步骤一、定义表示充电站网络的结构,包括充电站中快速充电桩和慢速充电桩的数量和比例,充电桩设备的功率和安全系数;步骤二、根据所在地区的人口密度、车流量和电网分布信息随机生成一组充电站待部署位置;步骤三、构建电动汽车充电网络的多目标部署优化模型;在充电资源有限的情况下,以充电站总体充电效率最大、充电站中充电桩的整体耗电负载均衡程度最大、电动汽车充电网络的整体故障率最低和充电站的部署成本最低为优化目标分别构建数学模型,并形成电动汽车充电网络的多目标部署优化模型;步骤四、采用一种改进的Two_Arch2算法对所提出的电动汽车充电网络的多目标部署优化模型进行求解,得到电动汽车充电网络的充电站最优部署方案;步骤五、在充电站待部署位置地图中,根据充电站最优部署方案得出一组部署位置,作为实际部署点。2.根据权利要求1所述的自适应大规模多目标电动汽车充电站优化部署方法,其特征在于,所述电动汽车充电网络的结构由一组数组表示,具体为:EVCS={CS1,CS2,...,CS
P
‑1,CS
P
}其中,CS
k
代表电动汽车充电网络中第k个充电站;当这个充电站待部署位置被选中作为实际部署点时,CS
k
被标记为1;当这个充电站待部署位置没有被选中作为实际部署点时,CS
k
被标记为0;每个充电站由快速充电桩和慢速充电桩按比例组合构成,具体为:其中,Tot
k
为第k个充电站中充电桩的总数;Sl
k
/Tot
k
为第k个充电站中慢速充电桩所占充电桩总数的比例,Fa
k
/Tot
k
为第k个充电站中快速充电桩所占充电桩总数的比例;为第k个充电站中慢速充电桩的设备功率,为第k个充电站中快速充电桩的设备功率。3.根据权利要求2所述的自适应大规模多目标电动汽车充电站优化部署方法,其特征在于,所述电动汽车充电网络中充电站总体充电效率最大的数学模型,具体为:其中,CCput
fast
代表快速充电桩的单位时间充电量,CCput
slow
代表慢速充电桩的单位时间充电量;代表第k个充电站的第i个快速充电桩的耗电量,总数为m;代表第k个充电站的第j个慢速充电桩的耗电量,总数为n;所述充电站中充电桩的整体耗电负载均衡程度最大的数学模型,具体为:
其中,P为电动汽车充电网络中充电站的个数;Che
k
为第k个充电站的总体充电效率,具体为:其中,loadB为各电动汽车充电网络中各充电站充电效率的平均值,具体为:所述电动汽车充电网络的整体故障率最低的数学模型,具体为:其中,Time为电动汽车充电网络中所有充电站的总运行时间,Pr
k
为第k个充电站的额定功率;所述电动汽车充电网络中所有充电站的部署成本的数学模型,具体为:其中,cost
fast
为单个快速充电桩的部署成本,cost
slow
为单个慢速充电桩的部署成本;opf
ik
为第k个充电站中第i个快速充电桩的资源利用率,具体为:其中,为第k个充电站中第j个慢速充电桩的资源利用率,具体为:4.根据权利要求3所述的自适应大规模多目标...
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。