System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于电动汽车充电,具体涉及一种充电桩选址方法及系统。
技术介绍
1、随着电动汽车的普及,充电桩的选址成为了一个重要的问题。充电桩的选址需要考虑到多个因素,包括用户需求、充电桩的可达性等。为了更好地满足用户的充电需求,减少充电桩建设的成本,提高充电桩的利用率,需要采用科学的方法来进行选址。随着由于电动汽车的保有量日益增加,现有的充电桩布局已经不能满足实际需求。
2、现有技术一般利用大数据分析用户的充电需求,结合地理信息系统(gis)等技术,找出用户出行的热点区域和停车场,确定充电桩的最佳位置。或者利用数学模型对用户的充电需求进行建模,通过模拟和优化,确定充电桩的最佳位置。最近几年,利用人工智能等技术,对用户的出行规律和充电需求进行分析和预测,从而确定充电桩的最佳位置成为新的趋势。然而现有的这些充电桩的选址的方法易受到多种因素的干扰,鲜少考虑目标区域已布设有部分充电桩的情形,仍然存在充电桩布局规划不合理、充电桩的利用率不高的问题。
技术实现思路
1、有鉴于此,本专利技术提出了一种充电桩选址方法及系统,用于解决现有充电桩布局规划不合理的问题。
2、本专利技术第一方面,公开了一种充电桩选址方法,所述方法包括:
3、获取目标区域的电动汽车数量、现存充电桩数据和不同时段的电动汽车停车分布数据;
4、根据目标区域的电动汽车数量、现存充电桩数据确定需要扩建的充电桩的数量范围;
5、根据现存充电桩数据和不同时段的电动汽车停车分布数
6、基于充电需求点集合与电桩候选地址集合,以成本损失最小和充电便捷性最高为目标建立充电桩选址模型;
7、采用智能优化算法求解充电桩选址模型的目标函数,得到充电桩选址结果。
8、在以上技术方案的基础上,优选的,所述现存充电桩数据包括现存充电桩基础数据和现存充电桩使用数据;
9、所述现存充电桩基础数据包括充电桩数量 n c、位置分布、每个充电桩的充电功率,所述现存充电桩使用数据包括每个充电桩的利用率、平均充电速度、平均等待时间、平均使用时间,其中 s为充电桩编号, s=1,2,…, n c。
10、在以上技术方案的基础上,优选的,所述根据目标区域的电动汽车数量、现存充电桩数据确定需要扩建的充电桩的数量范围具体包括:
11、根据现存充电桩基础数据和现存充电桩使用数据估算目标区域的最小需求充电量q1;
12、根据现存充电桩数量 n c、每个充电桩平均等待时间、目标区域的电动汽车数量估算最大充电需求量q2;
13、根据最小需求充电量q1、最大充电需求量q2确定需要扩建的充电桩的数量 num的范围,表达式为:
14、
15、其中, num为整数,为向上取整运算符, q为每个充电桩的平均使用电量,,为第 s个充电桩的功率; k1、 k2均为调节系数。
16、在以上技术方案的基础上,优选的,所述根据现存充电桩基础数据和现存充电桩使用数据估算目标区域的最小需求充电量q1的公式为:
17、;
18、所述根据现存充电桩数量 n c、每个充电桩平均等待时间、目标区域的电动汽车数量估算最大充电需求量q2的公式为:
19、;
20、其中, n e为目标区域的电动汽车数量, s=1,2,…, n c。
21、在以上技术方案的基础上,优选的,所述充电桩选址模型的目标函数为:
22、;
23、其中 f为目标函数, c1为充电桩总建设成本损失、 c2为充电桩总运营成本损失、 s1为距离便捷性指标、 s2为时间便捷性指标, w1、 w2、 w3、 w4均为权重系数;
24、目标函数的约束条件为:
25、;
26、其中, i为充电需求点集合, j为充电桩候选地址集合, p为现存充电桩位置分布集合,为充电需求点 i与充电桩候选地址 j之间的距离, d max为预设的最大距离阈值,为任意的充电桩候选地址 j与任意的现存充电桩位置 l之间的距离, d min为预设的最小距离阈值; num为需要扩建的充电桩的数量;表示在充电桩候选地址 j处建立充电桩,表示不在充电桩候选地址 j处建立充电桩,表示充电桩候选地址 j处的充电桩给充点需求点 i充电,表示充电桩候选地址 j处的充电桩不给充点需求点 i充电。
27、在以上技术方案的基础上,优选的,所述采用智能优化算法求解充电桩选址模型的目标函数,得到充电桩选址结果具体包括:
28、在需要扩建的充电桩的数量范围内选取最小的整数值作为当前需要扩建的充电桩数量;
29、以充电桩选址模型的目标函数为适应度函数,采用智能优化算法求解充电桩选址模型的全局最优解和对应的适应度值;
30、若,令当前需要扩建的充电桩数量 n u的值加1,重新采用智能优化算法求解充电桩选址模型的全局最优解和对应的适应度值;
31、比较不同的充电桩数量 本文档来自技高网...
【技术保护点】
1.一种充电桩选址方法,其特征在于,所述方法包括:
2.根据权利要求1所述的充电桩选址方法,其特征在于,所述现存充电桩数据包括现存充电桩基础数据和现存充电桩使用数据;
3.根据权利要求2所述的充电桩选址方法,其特征在于,所述根据目标区域的电动汽车数量、现存充电桩数据确定需要扩建的充电桩的数量范围具体包括:
4.根据权利要求3所述的充电桩选址方法,其特征在于,所述根据现存充电桩基础数据和现存充电桩使用数据估算目标区域的最小需求充电量Q1的公式为:
5.根据权利要求3所述的充电桩选址方法,其特征在于,所述充电桩选址模型的目标函数为:
6.根据权利要求3所述的充电桩选址方法,其特征在于,所述采用智能优化算法求解充电桩选址模型的目标函数,得到充电桩选址结果具体包括:
7.根据权利要求6所述的充电桩选址方法,其特征在于,所述智能优化算法采用改进的浣熊优化算法,通过改进的浣熊优化算法求解充电桩选址模型的全局最优解和对应的适应度值的过程包括:
8.一种充电桩选址系统,其特征在于,所述系统包括:
9.
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机指令,所述计算机指令使计算机实现如权利要求1~7任一项所述的方法。
...【技术特征摘要】
1.一种充电桩选址方法,其特征在于,所述方法包括:
2.根据权利要求1所述的充电桩选址方法,其特征在于,所述现存充电桩数据包括现存充电桩基础数据和现存充电桩使用数据;
3.根据权利要求2所述的充电桩选址方法,其特征在于,所述根据目标区域的电动汽车数量、现存充电桩数据确定需要扩建的充电桩的数量范围具体包括:
4.根据权利要求3所述的充电桩选址方法,其特征在于,所述根据现存充电桩基础数据和现存充电桩使用数据估算目标区域的最小需求充电量q1的公式为:
5.根据权利要求3所述的充电桩选址方法,其特征在于,所述充电桩选址模型的目标函数为:
6.根据权利要求3...
【专利技术属性】
技术研发人员:黄伟,韦超,胡聪,张思源,徐敏,
申请(专利权)人:长峡数字能源科技湖北有限公司,
类型:发明
国别省市:
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。