【技术实现步骤摘要】
本专利技术涉及大数据分析，具体为一种基于大数据分析的新能源汽车充电站建站选址方法。
技术介绍
1、截止2023年6月底，全国新能源汽车保有量为1620万辆。新能源产业的高速发展带来了充电需求量的快速上升。城市充电基础设施规划布局与充电需求不均衡的问题日益凸显，因此，合理规划充电站的建站选址变得尤为重要，以确保充电站的分布能够满足不断增长的用户充电需求，同时最大程度上减少能源浪费及环境影响。
2、目前大部分的建站规划方法主要基于城市人口分布、交通情况、汽车保有量等历史数据与静态信息，独立判断每个充电站的选址，未考虑到城市内现存充电站的动态运营情况与用户的真实驾驶习惯及充电习惯，综合考虑站点之间的相互影响，以及忽略季节性因素对充电需求的影响，同时更多依赖于主观性判断和规则化的建站决策，优先解决当下问题而忽略未来潜在充电需求。
技术实现思路
1、为了解决上述问题，本专利技术提供一种基于大数据分析的新能源汽车充电站建站选址方法，包括以下步骤：s1.采集新能源汽车及充电站桩的基础数据；s2.对获取到的数据进行预处理，并标记每个车辆，确定各充电站服务的目标人群；s3.收集车辆经常停车地点，并计算选址候选点；s4.计算汽车时间成本，并确定目标函数及约束条件；s5.通过模拟训练计算电站地址；s6.结合泰森多边形计算每个电站地址的服务车辆。
2、进一步地，所述汽车时间成本包括：行驶时间成本、用户等待时间成本。
3、进一步地，所述行驶时间成本的计算公式为：其中，j为
4、进一步地，所述用户等待时间成本的计算公式为：其中，j为候选点，i为车辆习惯停车地点的抽象点，ni为车辆习惯停车地点的抽象点i的所研究的目标类别车辆数量，rij为i点用户选择到j点充电站进行充电的比例，t＝为所有候选充电站内用户每天总的排队等候时间，h，ts为充电站每天的工作时长，h，mj为j点充电站快速充电桩的数量，rs为充电时剩余soc，tps为每1％soc充电时间耗时。
5、进一步地，所述目标函数的计算公式为：其中，j为候选点，i为车辆习惯停车地点的抽象点，tr为所有车辆到候选点j的总消耗时间，ni为车辆习惯停车地点的抽象点i的所研究的目标类别车辆数量，rij为i点用户选择到j点充电站进行充电的比例，t＝为所有候选充电站内用户每天总的排队等候时间，h，ts为充电站每天的工作时长，h，mj为j点充电站快速充电桩的数量，rs为充电时剩余soc，tps为每1％soc充电时间耗时，dij为i点到j点的实际行驶距离，km，v为平均行驶速度，km/h，fi为i点用户月均充电频率。
6、进一步地，所述约束条件包括：续航里程限制、充电站服务能力限制。
7、进一步地，所述续航里程限制的约束条件为：dij<dm；其中，j为候选点，i为车辆习惯停车地点的抽象点，dij为i点到j点的最短实际行驶距离，km，dm为剩余soc下冬季续航里程，km。
8、进一步地，所述充电站服务能力限制的约束条件为：其中，j为候选点，i为车辆习惯停车地点的抽象点，pc为电动汽车正常运转时的功率，pw为充电站提供的充电功率，tc为电动汽车正常运转的时间，mj为j点充电站充电桩数量，tw为充电站每天工作时长。
9、进一步地，还包括一个前置步骤：s0.基于大数据及当前地理位置建立选址模拟模型。
10、本专利技术提供了一种基于大数据分析的新能源汽车充电站建站选址方法，具有以下有益效果：
11、本专利技术考虑到城市内现存充电站的动态运营情况与用户的真实驾驶习惯及充电习惯，综合考虑站点之间的相互影响，增加季节性因素对充电需求的影响。通过考虑时间成本为目标，以续航里程、充电站服务能力等条件为限制，针对新增充电需求确定建站选址地点，具有全局性、客观性，形成更规则化的建站决策。
本文档来自技高网...【技术保护点】
1.一种基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，所述汽车时间成本包括：行驶时间成本、用户等待时间成本。
3.根据权利要求2所述的基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，所述行驶时间成本的计算公式为：其中，j为候选点，i为车辆习惯停车地点的抽象点，Tr为所有车辆到候选点j的总消耗时间，Ni为车辆习惯停车地点的抽象点i的所研究的目标类别车辆数量，Rij为i点用户选择到j点充电站进行充电的比例，Dij为i点到j点的实际行驶距离，km，V为平均行驶速度，km/h，Fi为i点用户月均充电频率。
4.根据权利要求2所述的基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，所述用户等待时间成本的计算公式为：其中，j为候选点，i为车辆习惯停车地点的抽象点，Ni为车辆习惯停车地点的抽象点i的所研究的目标类别车辆数量，Rij为i点用户选择到j点充电站进行充电的比例，T＝为所有候选充电站内用户每天总的排队等候时间，h，Ts为充电
5.根据权利要求1所述的基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，所述目标函数的计算公式为：其中，j为候选点，i为车辆习惯停车地点的抽象点，Tr为所有车辆到候选点j的总消耗时间，Ni为车辆习惯停车地点的抽象点i的所研究的目标类别车辆数量，Rij为i点用户选择到j点充电站进行充电的比例，T＝为所有候选充电站内用户每天总的排队等候时间，h，Ts为充电站每天的工作时长，h，Mj为j点充电站快速充电桩的数量，Rs为充电时剩余soc，Tps为每1％soc充电时间耗时，Dij为i点到j点的实际行驶距离，km，V为平均行驶速度，km/h，Fi为i点用户月均充电频率。
6.根据权利要求1所述的基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，所述约束条件包括：续航里程限制、充电站服务能力限制。
7.根据权利要求6所述的基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，所述续航里程限制的约束条件为：dij<Dm；其中，j为候选点，i为车辆习惯停车地点的抽象点，dij为i点到j点的最短实际行驶距离，km，Dm为剩余soc下冬季续航里程，km。
8.根据权利要求6所述的基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，所述充电站服务能力限制的约束条件为：其中，j为候选点，i为车辆习惯停车地点的抽象点，Pc为电动汽车正常运转时的功率，Pw为充电站提供的充电功率，tc为电动汽车正常运转的时间，mj为j点充电站充电桩数量，tw为充电站每天工作时长。
9.根据权利要求1所述的基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，还包括一个前置步骤：S0.基于大数据及当前地理位置建立选址模拟模型。
...【技术特征摘要】
1.一种基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，所述汽车时间成本包括：行驶时间成本、用户等待时间成本。
3.根据权利要求2所述的基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，所述行驶时间成本的计算公式为：其中，j为候选点，i为车辆习惯停车地点的抽象点，tr为所有车辆到候选点j的总消耗时间，ni为车辆习惯停车地点的抽象点i的所研究的目标类别车辆数量，rij为i点用户选择到j点充电站进行充电的比例，dij为i点到j点的实际行驶距离，km，v为平均行驶速度，km/h，fi为i点用户月均充电频率。
4.根据权利要求2所述的基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，所述用户等待时间成本的计算公式为：其中，j为候选点，i为车辆习惯停车地点的抽象点，ni为车辆习惯停车地点的抽象点i的所研究的目标类别车辆数量，rij为i点用户选择到j点充电站进行充电的比例，t＝为所有候选充电站内用户每天总的排队等候时间，h，ts为充电站每天的工作时长，h，mj为j点充电站快速充电桩的数量，rs为充电时剩余soc，tps为每1％soc充电时间耗时。
5.根据权利要求1所述的基于大数据分析的新能源汽车充电站建站选址方法，其特征在于，所述目标函数的计算公式为：其中，j为候选点，i为车辆习惯停车地点的抽象点，tr为所有车辆到候选点j的...
【专利技术属性】
技术研发人员：宫月莹，李继宏，王鹏，柳鹏程，
申请(专利权)人：启明信息技术股份有限公司，
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。