资金约束条件下高速公路充电桩选址与定容优化

【目的】讨论带有资金约束和服务能力约束的高速公路快速充电站选址与定容规划问题。【方法】应用效用理论分析了电动汽车驾驶员在高速公路上选择充电站的策略,给出了充电设施不充足情况下的车流平衡状态迭代计算方法。建立了充电站选址定容问题的数学优化模型,并设计了一种改进遗传算法对问题进行求解。最后,提出了模拟实际高速公路网的随机网络生成方法,并通过实例对算法进行验证。【结果】测试结果表明:充电桩充电能力的提高可以有效增加高速路网上服务的车流量。【结论】改进后的遗传算法在求解不同规模网络下的选址与定容问题时,都能给出较为稳定的结果。随着网络规模扩大,算法求解的稳定性越好。
     

资金约束条件下高速公路充电桩选址与定容优化

【目的】讨论带有资金约束和服务能力约束的高速公路快速充电站选址与定容规划问题。【方法】应用效用理论分析了电动汽车驾驶员在高速公路上选择充电站的策略,给出了充电设施不充足情况下的车流平衡状态迭代计算方法。建立了充电站选址定容问题的数学优化模型,并设计了一种改进遗传算法对问题进行求解。最后,提出了模拟实际高速公路网的随机网络生成方法,并通过实例对算法进行验证。【结果】测试结果表明:充电桩充电能力的提高可以有效增加高速路网上服务的车流量。【结论】改进后的遗传算法在求解不同规模网络下的选址与定容问题时,都能给出较为稳定的结果。随着网络规模扩大,算法求解的稳定性越好。     

中断情景下EV充电站与多类型充电桩联合布局优化

【目的】当前研究较少考虑中断情景与电动汽车（electric vehicle, EV）用户充电距离,且多是对充电站的选址进行规划。有鉴于此,在中断情景下将研究范畴拓展至充电站与充电桩联合布局优化,以成本最小和距离最短为目标构建了多目标规划模型。【方法】针对问题的NP-hard特性,首先设计了基于K-Means聚类的启发式算法,以快速生成较好的初始可行解,然后提出改进遗传算法求解模型。【结果】通过算例分析,验证了模型的有效性。【结论】所建模型能够有效解决中断情景下的EV充电站与充电桩联合布局优化问题,所提算法在求解精度与稳定性方面要优于已有算法。     

计及中等城市充电需求潜力与碳减排等效收益下的充电站规划策略

针对中等城市电动汽车充电设施过度分散、应用潜力未知等问题,构建动、静态充电需求结合的充电需求指标来分析不同区域的充电需求潜力.首先,基于区域充电需求潜力与充电站市场潜力、电动汽车用户出行数据等,提出中等城市充电需求承载力模型,结合马尔可夫链模型,构建充电需求潜力空间分布指数;其次,在考虑用户侧、充电站侧、电网侧成本与收益的基础上,构建区域充电站碳减排等效收益函数,通过免疫算法制定待选充电站选址定容方案;然后,采用熵权法改进的TOPSIS综合评价模型在保证电网接纳能力的基础上,确定相对最优规划方案;最后,选取中等城市湖北省宜昌市西陵区部分城区作为算例进行分析,通过IEEE33节点系统潮流计算检验规划结果的有效性和合理性,证明充电站能够在低碳减排方面带来高收益.     

高速公路充电站选址定容问题的多目标优化方法

[目的]高速公路充电站位置选择和容量确定对电动汽车应用推广具有重要意义.[方法]针对高速公路充电站选址定容问题,通过引入充电站的平均适配率,即电动汽车的充电需求与当前充电站总容量之间的匹配程度,以充电站的建设成本最小和充电站的平均适配率最大为 目标建立了新的多目标优化模型.[结果]利用多 目标优化问题的NSGA-Ⅱ算法...     

高速公路充电站选址定容问题的多目标优化方法（英文）

【目的】高速公路充电站位置选择和容量确定对电动汽车应用推广具有重要意义。【方法】针对高速公路充电站选址定容问题,通过引入充电站的平均适配率,即电动汽车的充电需求与当前充电站总容量之间的匹配程度,以充电站的建设成本最小和充电站的平均适配率最大为目标建立了新的多目标优化模型。【结果】利用多目标优化问题的NSGA-Ⅱ算法对模型进行了数值实验,验证了模型的有效性。此外,本文也进一步研究了出行车辆数量、充电桩功率以及续航里程对充电站的建设成本和适配率的影响。【结论】数值实验表明:本文提出的多目标优化方法可以得到更高的充电站利用率和更低的建设成本,为高速公路充电站的选址定容问题提供了更加科学合理的决策参考。     

基于用户行为和分时电价的充电定价策略优化

考虑用户充电行为和竞争对手定价等因素,研究公共充电站的充电定价问题.建立用户价格响应模型,量化分析充电价格与用户需求的内在关系.基于用户价格响应和分时电价,提出一种两阶段充电定价策略:第1阶段基于用户的充电频率分布,采用K-means聚类算法将一天划分为峰时段、平时段和谷时段;第2阶段,分析各时段的充电供需,峰时段以充电站利润最大化为优化目标,平谷时段以充电站利润和利用率最大化为目标,构建分段式定价优化模型,并分别采用遗传算法和NSGA-Ⅱ算法求解模型.基于某市充电站的运营数据,完成案例分析.结果 表明:峰时段总体利润提升约13.4％,充电桩利用率提高约26.8％;平谷时段共获得17组Pareto最优解,均优于固定电价机制.所提出的充电定价策略可以为充电站运营与规划提供决策参考.     

基于用户综合满意度的电动汽车充电诱导优化模型

随着电动汽车(electric vehicle, EV)在城市交通系统不断普及，充电诱导服务成为在充电设施有限条件下解决充电问题的有效手段。在分析电动汽车用户充电满意度的基础上，提出一种综合用户绕行距离、排队时间和充电费用的电动汽车充电诱导优化模型。为准确推导用户在充电站的排队时间，充分考虑电动汽车用户充电站选择决策的相互影响，建立充电站运营状态预测模型。针对模型特点，结合免疫算法求解模型。通过面向多充电请求的优化算例验证模型的可行性和有效性，结果表明：通过求解模型可以获得用户综合满意度最大化情况下的用户最优充电站决策及其行驶路径；与绕行距离最小、排队时间最短和充电费用最少等单目标优化方案相比，所提模型的充电诱导方案的用户综合满意度分别提升了15.0%、 17.8%和11.4%。     

电动公交车线路和充电设施及策略规划方法研究

针对电动公交车充电设施配置不合理的现象,对电动公交车线路和充电设施及策略规划方法进行研究。综合考虑充电站及充电桩配置与公交线路运营特征设计参数两者的相互影响,以充电等待时间和运力为约束条件,建立社会福利最大化模型。基于两种不同的充电策略,讨论其对充电站内车辆排队充电等待时间的影响。以拉格朗日函数求解算法和遗传算法对模型进行求解,并以苏州市931路纯电动公交线路为算例对模型与算法进行了验证。研究结果表明,相比于遗传算法,基于拉格朗日函数的求解算法效率更高,求解结果更稳定。根据所构建模型设计的充电桩数量及线路运营特征参数,在满足充电等待时间约束的条件下可以实现社会福利最大。该研究所提出的模型可为电动公交车线路规划提供决策依据。     

基于电压稳定度的分布式储能选址定容规划

本文针对配网中引入高比例风电、光伏等新能源引起的电压波动问题,提出基于电压稳定度的优先选址和改进粒子群算法的储能系统选址规划。首先以电压稳定度为指标,选出配网中部分相对稳定性较弱的节点,进行优先选址;然后以系统日有功损耗最小为目标,由改进的粒子群算法对储能系统的容量优化配置问题进行求解。最后对改进的33节点配电网系统进行仿真,验证该方法在储能选址定容工作中的有效性和可行性,为含高比例新能源的配网进行储能电站选址定容问题提供参考。     

计及配电网络与交通网络双重特性的电动汽车充电站选址规划

电动汽车充电站既是交通服务设施也是公用电力设施,因此充电站的规模与选址是电动汽车大规模应用中一个重要的考虑因素.建立多目标模型,考虑普通充电和快速充电两种充电站,对电动汽车充电站和配电网规划进行了联合建模,使得在交通网络中最大化捕获交通流的同时最小化配电网络中的功率损耗.构建了模糊隶属函数处理所建立的多目标优化问题,采用遗传算法进行求解.最后,采用33节点的配电系统和25节点的交通网络验证了所提出模型的有效性.     

多因素下基于路网拓扑的电动汽车充电路径规划策略

随着电动汽车产业的发展,电动汽车的充电需求也日益增加.为了满足电动汽车用户充电多样性需求并提高充电设施利用率,本文在考虑出行距离、充电电价以及充电站排队情况等三种影响因素下构建混合整数线性规划模型,提出了一种多因素下基于充电站路网拓扑结构的电动汽车充电路径规划方法,为用户规划充电路径与充电站选择.首先,该方法在能耗约束的前提下基于Dijkstra最短路径算法进行充电引导,为求解多目标最优引入信息熵的概念来确定各参数影响权重.其次,针对用户充电需求的差异性问题,提出了三种不同目标下的规划方法以降低用户充电成本.此外,本文构建了站点随机充电服务排队模型并进行敏感性分析以研究充电站服务能力对充电成本的影响.以某地区路网为算例进行仿真,结果表明本文提出的方法能够有效降低用户充电出行成本并合理规划出行路径,验证了所提模型的可行性和有效性,对充电选择和站点配置具有一定的决策参考意义.     

基于满意优化的电动汽车充电站选址

充电站选址是当前电动汽车推广中面临的首要问题.基于满意优化理论,提出了电动汽车用户满意度评价函数;通过引入充电站等级概念,以平均电动汽车用户满意度最大为目标函数,建立了多等级电动汽车充电站选址的混合整数规划模型,并提出了基于免疫算法的模型求解算法.测试结果表明,该模型可以有效地确定充电站的位置、等级及服务区域,并且其求解算法是快速、有效的.     

基于粒子群文化算法的变电站选址与定容

针对传统变电站选址与定容算法往往难以在寻优速度与寻优质量之间取得平衡的问题,充分分析了变电站优化规划的特点,提出了一种用于变电站规划的算法——粒子群文化算法.选择粒子群算法作为文化算法的底层寻优算法,并设计文化算法上层空间的知识源约束条件,从而形成新的算法;基于容载比等方面要求的满足来得到新建变电站的座数范围;继而利用整数规划方法确定新建变电站容量组合的几组较优解;利用所构建的粒子群文化算法计算变电站位置、容量、供电范围等规划要求.通过算例分析可知,所提出的算法不仅继承粒子群算法对初始解要求不高的优点,而且充分发挥了文化算法寻优范围大的特色,从而加强了变电站优化规划工作的可操作性和实用性.     

城市中电动汽车临时充电站选址和定容模型

【目的】为城市街道环境下解决拥堵城市道路中的电动汽车临时充电站的选址与每个充电站的充电桩的定容优化问题提供解决方案。【方法】考虑纯电动汽车的警戒行驶里程和城市道路中车辆行驶具有双向性的特点，基于截流选址模型（Flow refueling location model, FRLM）构建电动汽车的充电站选址模型；为使电动汽车等待充电时间最短为优化目标，基于排队论构建了充电桩的定容模型。最后以北京市西城区车公庄大街的水平线道路充电桩设施进行了实例研究。【结果】FRLM仿真结果显示随着电动汽车续航能力的提高，城市主干路上充电桩的个数将会减少，并呈现出了指数衰减的形态；充电桩的定容模型仿真结果显示随着电动汽车保有量的提高，如果不增加电动汽车的等待时间，已有充电站需要进一步扩容，在同等等待时间下电动汽车的车流量和充电桩数量呈现出线性关系。【结论】研究结果对北京市未来城市内电动汽车充电桩的合理网络布局及北京市电动汽车产业发展具有理论指导意义。     

改进粒子群算法的电动汽车时空优化分配策略

兼顾待充电汽车的时间分配和空间分配,以每个时段每个充电站的充电电动汽车数量为决策变量,建立了集中充电时段内充电负荷方差和充电站充电汽车数量方差的数学模型.提出时空优化分配策略,使待充电汽车在时空上达到均衡分配,并在基本粒子群算法基础上结合了线性递减权重和异步变化学习因子方法.基于纽约州独立系统交易运行机构(NYISO)的原始负荷数据进行算例仿真.结果表明,文中提出的电动汽车集中充电调度策略在时空上优化分配待充电汽车,达到了降低负荷峰谷差、减小负荷波动的目的.     

基于改进飞蛾算法的电动汽车充电站选址研究

为解决充电站选址问题,兼顾运营商和用户双方利益,构建全社会总成本最小化的充电站选址模型.针对传统智能优化算法参数较多、收敛精度不高等缺陷,提出一种改进飞蛾火焰算法求解模型.首先改变火焰数量减少机制,加快算法的收敛速度;其次通过引入自适应权重与高斯变异策略,改变飞蛾位置更新方式,提高算法的局部开发能力;最后融合模拟退火算...     

基于逆强化学习的电动汽车出行规划方法研究

随着电动汽车的普及,对电动汽车出行规划问题的研究显得尤为重要。有别于路径规划,出行规划既需要考虑路径问题又需要考虑充电问题。本文提出了一种基于逆强化学习(Inverse Reinforcement Learning, IRL)的电动汽车出行规划(Electric Vehicle Travel Planning, EVTP)方法,有效地为电动汽车用户规划一条兼顾行驶路径短以及充电时间短的可达路径。将Dijkstra算法进行改进得到考虑充电行为的最短路径作为专家示例输入到逆强化学习算法中;利用逆强化学习算法得到兼顾行走与充电的奖励;在学习策略上,采用Dueling DQN算法高效更新Q值,提升学习性能;采用部分充电策略以及分段充电策略,提升充电效率并使研究更接近真实情况。通过对模型的工作性能和结果进行详细分析,并结合基准方法进行对比,结果表明,基于逆强化学习的电动汽车出行规划方法在行驶时间与充电时间两方面都有较好的性能,且具备很好的迁移性。     

基于人工智能方法的变电站选址定容规划研究

变电站选址定容优化规划是一个多目标、多阶段,非线性．受约束的混合整数规划问题,传统的运筹学方法已不能满足求解的需要,以人工智能技术为主的各种智能优化算法成为解决变电站规划的主流算法。本文对变电站选址定容从规划的技术和经济性划分可靠性和经济性模型,按规划时问分静态和动态规划模型。并对多种算法进行全面的综述,重点分析这些模型和算法存在的问题和不足,并对存在问题和研究进行展望。     

NSGA-II与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。本文提出了一种混合智能优化算法(Hybrid Intelligent Optimization Algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto 解的多样性和分布性。通过非支配排序求解获得Pareto 最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33 节点测试系统的仿真实验验证了本文所提算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。