买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜华南理工大学申请的专利考虑用户充电体验和配电网运行风险的充电站规划方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN110826841B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：201910820177.9，技术领域涉及：G06Q10/0637；该发明授权考虑用户充电体验和配电网运行风险的充电站规划方法是由杨景旭;周来;张勇军;陈家超设计研发完成，并于2019-08-31向国家知识产权局提交的专利申请。

本考虑用户充电体验和配电网运行风险的充电站规划方法在说明书摘要公布了：本发明提供考虑用户充电体验和配电网运行风险的充电站规划方法,包括以下步骤：步骤1、建立电动汽车负荷模型；步骤2、建立充电体验指数，以充电体验指数、充电站建设成本和用户便捷性为充电站选址定容优化目标建立上层综合目标，并提出上层规划约束条件；步骤3、提出计及空间权重的元‑点加权Voronoi图进行服务范围分区；步骤4、基于上层优化目标采用遗传禁忌混合算法建立上层规划流程；步骤5、以新建馈线成本和配电网的运行风险为充电站负荷接入节点优化目标建立下层综合目标；步骤6、基于下层综合目标采用循环替换法建立下层规划流程；本发明能综合用户充电体验、电网运行情况以及充电站建设成本等需求来进行充电站规划。

本发明授权考虑用户充电体验和配电网运行风险的充电站规划方法在权利要求书中公布了：1.考虑用户充电体验和配电网运行风险的充电站规划方法，其特征在于，包括步骤：步骤1、根据电动汽车历史数据，建立电动汽车负荷模型，包括以下步骤：步骤1-1、采用电动汽车容量来描述区域内电动汽车的规模，所述电动汽车容量为区域内所有电动汽车额定充电功率的总和，包括处于充电状态和非充电状态的全部电动汽车；将单位面积电动汽车容量定义为电动汽车容量密度；步骤1-2、根据电动汽车电池实际充电过程，构建电动汽车恒流-恒压二阶段变功率充电模型，包括以下步骤：电动汽车在充电过程中，采用一种恒流-恒压二阶段变功率充电模式，当电池端电压小于最大电池端电压Ubmax时，电池是以恒电流模式进行充电；当电池端电压达到最大电池端电压Ubmax时，电池进入恒压阶段，电流迅速衰减为零，充电功率为零；描述其充电过程的方程为： 式中，Ubt为t时刻电池两端的电压，ic为充电时的电流，C0是电池的标称容量，R为电池内阻，K0是电池的极化常数，E0是电池的恒定电势，A0和B0分别为电池充电指数段的乘积系数和指数系数，SOCt0代表电池在开始充电时的剩余电量，ht为t时刻电池的可充电容量，即已放电容量；在恒流充电过程中，电流i为常数，电动汽车的充电功率Pt表示为：Pt＝UbtIn2；式中，In为恒流充电模式下的充电电流，Pt为t时刻的充电功率；步骤1-3、根据电动汽车历史出行数据，构建电动汽车充电负荷时序概率模型，包括以下步骤：电动汽车的充电负荷模拟须根据电动汽车的类型来选择各抽样环节的概率模型，抽取其行驶距离、到达时间、起始荷电状态和离开时间，从而确定每个时刻电动汽车的行为状态，进而计算相应时刻电动汽车的SOC值，得到其一天的SOC曲线，计算公式为：1充电时 式中，SOCt是电动汽车的起始荷电状态；2行驶时SOCt+Δt＝SOCt-drDr·ΔtTr4；式中，dr是电动汽车的行驶距离，Dr是电动汽车的最大续航里程，Tr是电动汽车的行驶时长，Δt为时间间隔；然后，借助公式1和公式2算出其一天的充电功率；再将各类电动汽车的负荷逐辆叠加，得到电动汽车充电总负荷；t时刻区域内电动汽车充电总负荷Pt为： 式中：N1、N2和N3分别代表t时刻区域内处于充电状态的电动私家车、公交车和出租车的数量；P1nt、P2nt和P3nt分别代表t时刻第n辆处于充电状态的电动私家车、公交车和出租车的实时充电功率；步骤1-4、建立最大充电同时率：为了清楚地了解某个区域电动汽车一天中同时充电的最大比例，定义电动汽车最大充电同时率λmax为一天中电动汽车最大负荷与电动汽车容量的比值，即： 式中，Pt为t时刻区域内电动汽车充电总负荷，Kz为该区域的电动汽车容量；步骤2、建立充电体验指数，以充电体验指数、充电站建设成本和用户便捷性为充电站选址定容优化目标建立上层综合目标，并提出上层规划约束条件；包括以下步骤：步骤2-1、综合充电路程用时、充前SOC值和是否需要排队要求满足程度建立充电体验指数：定义充电体验指数为充电过程中用户的充电体验要求得到满足的程度，并综合充电路程用时、充前SOC值和是否需要排队要求的满足程度来反映用户的充电体验指数；1充电路程用时满足率不同区域的人们由于时间的紧迫程度不同，对充电路上花费时间的要求不同，即充电路程用时要求不同；定义充电路程用时限值为用户对充电路上花费时间的接受极限值；充电过程中花费的时间大于充电路程用时限值时，则不满足充电体验要求；基于此，为考察所有用户的充电路程用时要求的满足程度，定义充电路程用时满足率为： 式中，ηt_sat为充电路程用时满足率；εdi为第i个点的电动汽车容量密度；va为充电过程中电动汽车的平均行驶速度；Tdi为第i个点的充电路程用时限值，即其所属区域的充电路程用时限值；Mt_sat为满足充电路程用时要求的点的电动汽车容量密度的集合；N0为点的个数；Ldi为规划区第i个点到所属充电站的直角距离；2充前SOC值满足率对任何一个点的电动汽车，其前往充电前的SOC值满足一定概率分布，因此其是否满足充前SOC值要求也存在一定的概率性，通过蒙特卡罗抽样得到其M个SOC值，得到其满足充前SOC值要求的概率；为考察所有用户满足充前SOC值要求的平均概率，定义充前SOC值满足率为： 式中，ηs_sat为充前SOC值满足率；pdi为第i个点满足充前SOC值要求的概率；εdi为第i个点的电动汽车容量密度；Srange为相应电动汽车的最大续航里程；SOCj为蒙特卡罗抽样的第j个SOC值；Ωdi为第i个点M个SOC值中满足充前SOC值要求的SOC值的集合；card为集合中元素的个数，SOCmin为不损害电池寿命的最低SOC值；M为蒙特卡罗抽样次数；3无需排队满足率若电动汽车充电需求大于充电站的配置容量，则用户充电过程中需要排队，不满足无需排队要求；通过蒙特卡罗抽样得到各充电站M次一天24个时刻的充电站负荷，得到各充电站一天中满足无需排队要求的概率；为考察所有充电站满足用户无需排队要求的平均概率，定义无需排队满足率为： 式中，ηp_sat为无需排队满足率；pCDp为充电站p满足无需排队要求的平均概率；Пj为充电站p第j次蒙特卡罗抽样一天中充电站负荷满足无需排队要求的时刻的集合；Jp为充电站p的充电机配置数量；PCDj,k为充电站p第j次蒙特卡罗抽样第k个时刻的负荷；Pc为单台充电机的额定功率；αc0为充电效率；KCDp为充电站p服务范围内的电动汽车容量；4用户充电体验指数计算方法综合充电路程用时满足率、充前SOC值满足率和无需排队满足率来反映充电体验指数ηg_sat为：ηg_sat＝ηt_satηs_satηp_sat10；式中，ηg_sat为充电体验指数；步骤2-2、建立充电站建设成本：充电站建设成本包括变压器、充电机和其他设备的建设成本以及土地费用；因此充电站p的建设成本Cz_tp为：Cz_tp＝Csp+Cdp11；式中，Csp为充电站p的变压器、充电机和其他设备的建设成本，由充电站的充电机数量决定；Cdp为充电站p的土地费用，其算法为：Cdp＝SdpDd12；式中，Sdp为充电站p的占用土地面积，由充电站的充电机数量决定，Dd为单位面积土地费用；则规划区的充电站建设总成本Cg_t为：Cg_t＝∑Cz_tp13；步骤2-3、建立用户便捷性指标：用户便捷性以充电平均距离来表示；在规划区内平均取点，每个点的电动汽车容量密度为其所属区域的电动汽车容量密度，以每个点的电动汽车容量密度为权重对充电距离进行加权平均得到充电平均距离；则规划区的充电平均距离Lg_p为： 式中，εdi和Ldi分别为规划区第i个点的电动汽车容量密度和其到所属充电站的直角距离；步骤2-4、建立上层综合目标：充电站的上层规划以充电站建设成本、用户便捷性和充电体验指数为目标，对充电站进行选址定容优化；因此，上层综合目标的算法为： 式中，α1、α2和α3为权重系数，其作用为各指标的数量级相同，同时用于消掉各指标的单位，使得上层综合目标为无量纲,B1为上层综合目标；步骤2-5、建立上层规划约束条件：1站间距离约束邻近充电站间的直角距离Lcc要满足约束条件：Lmin＜LCC＜Lmax16；式中，Lmin和Lmax分别为站间距离约束的上下限；2充电机数约束为了满足用户的充电需求，同时出于对社会资源的充分利用，保证充电机有较高的利用率，充电站p的充电机配置数量应满足充电机数约束：Jmin≤JCDp≤Jmax17；式中，Jmin和Jmax分别为最小充电机配置数和最大充电机配置数，JCDp为充电站p充电机的配置数量，算法为： 式中，ZCDp是充电站p服务范围内的最大充电需求；KCDp为充电站p服务范围内的电动汽车容量；步骤3、提出计及空间权重的元-点加权Voronoi图进行服务范围分区包括以下步骤：步骤3-1、提出元-点加权Voronoi图：针对传统的加权Voronoi图不能反映不同区域权重差异的缺陷，提出元-点加权Voronoi图来进行服务范围划分，以空间权重描述不同区域权重的大小；生成元生成Voronoi图的速度不仅与生成元的权重有关，还与各区域的空间权重有关；由于考虑空间权重，不同的行驶路径两点之间的加权距离不同，因此定义点A到点B的有向路径为A向B先纵向行驶，再横向行驶的路径，并定义加权有向距离为有向路径的加权距离；基于此，元-点加权Voronoi图定义为：VRi＝{P∈VRi|DRi,P≤DRg,P,g＝1,2,…,m1；g≠i}19；式中，DRi，P为点Ri到点P的加权有向距离，m1为生成元的个数，DRg,P为点Rg到点P的加权有向距离，若Ri的权重为vi，Ri到点P的有向路径经过区域Q1，Q2，…，Qn，n为点Ri到点P的有向路径经过的区域个数，相应的空间权重为θ1，θ2，…，θn，Ri到点P的有向路径经过的边界点分别为P1，P2，…，Pn-1，dPn-1,P为点Pn-1到点P的有向距离，则Ri到点P的加权有向距离为： 步骤3-2、建立充电站权重：在地价低的地方建设服务范围大、容量大的充电站，能减小充电站建设总成本；因此在服务范围划分时，设充电站权重的平方与其占用土地单价的倒数成反比，则充电站p的权重νp为： 式中，Dp为充电站p的占用土地单价；步骤3-3、建立空间权重：综合不同类型区域的充电路程用时要求和电动汽车容量密度来建立区域的空间权重，则区域类型c的空间权重的算法为： 式中，θqc、εqc、Tqc分别为区域类型c的空间权重、电动汽车容量密度和充电路程用时限值；β1和β2为权重系数；步骤3-4、充电站服务范围划分：为便于计算，在利用元-点加权Voronoi图进行充电站规划时，规划区内均匀生成点，邻近点的移动步长为Δx＝Δy＝Δl，用矩阵分别记录每个点的坐标、电动汽车容量密度、土地单价、充电路程用时限值信息，建立点数据库；在画Voronoi图时，每个点都用一个方块来代表，方块的边长为移动步长，点位于方块的中心；方块的电动汽车容量为方块的面积与点的电动汽车容量密度的乘积；若权重为vp的充电站p到点M的有向路径依次经过以下各个点，即O1，O2，…，On-1，各点相应的空间权重为θq1，θq2，…，θqn，则Ri到点O的加权有向距离DRi,O为： 将各生成元到某点的加权有向距离进行比较，加权有向距离最小对应的生成元将该点划进其服务范围；KCDp为： 式中，规划区第个点的电动汽车容量密度，ΔS为单个方块的面积；步骤4、基于上层优化目标采用遗传禁忌混合算法GATS建立上层规划流程包括：采用遗传禁忌混合算法GATS进行充电站上层规划，步骤如下：Ⅰ.采集点数据库信息，作为优化的基础数据；Ⅱ.利用点数据库的电动汽车容量密度信息，求出规划区内的电动汽车容量，即Kz，进而计算规划区的最大充电需求Zz，算法为： Ⅲ.根据规划区内的最大充电需求Zz，以充电站的最小充电机配置数Jmin和最大充电机配置数Jmax为约束，计算充电站的最小座数Nmin和最大座数Nmax，即： Ⅳ.基于上层综合目标采用GATS和元-点加权Voronoi图进行选址定容优化，包括以下步骤：1记充电站数为g，设置遗传算法GA的最大迭代数Ngen、禁忌表长度Tlength1、群体规模Npop、重组概率pch和变异概率pm；禁忌搜索算法TS中禁忌表长度Tlength2、邻域解个数Nh和最大迭代数Nt参数；2tr表示迭代次数，令tr＝0，将规划区平均分为g个地址，分别随机抽取一个地址，得到染色体的地址序列[x1，y1；x2，y2；…；xi，yi；…；xg，yg]，xi，yi为染色体的地址序列中的第i个地址，地址之间不满足站间距离约束的重新生成；3计算当代群体的上层综合目标；4按滚轮盘方式选出Npop个染色体；5生成0和1之间的随机数ri，a＝1，2，…，Npop，若ripch，则第a个染色体为父代；对每对染色体进行交叉操作，随机互换两个基因，判断子代是否满足站间距离约束，不满足则选最优父代进下一代；若满足，则将子代的上层综合目标同渴望水平相比，若更好，则破禁进下一代；若更差，但不属于禁忌，则接受这个子代，若属于禁忌，则选最优父代进下一代；6生成0和1之间的随机数qi，a＝1，2，…，Npop；若qipm，则对第a个染色体进行变异操作：a.以当前染色体作为最优染色体，将其上层综合目标作为最优上层综合目标，设置禁忌搜索算法TS的禁忌表为空；b.以当前地址基为中心生成邻域地址基因，加上当前地址基因构成等位基因序列，进行全排列得到5g个染色体并从中随机抽出Nh个；c.将这Nh个染色体中不满足站间距离约束的剔除；剩余的不在禁忌表中的染色体为候选染色体，计算其分区后满足充电机数约束的上层综合目标；d.以上层综合目标最小选出最优候选染色体，并用它替代当前染色体和最早进入不满足的染色体；e.判断最优候选染色体的上层综合目标是否小于最优上层综合目标，是则用它替换最优染色体，并将其上层综合目标替换最优上层综合目标，然后转步骤f；否则直接转到步骤f；f.判断是否达到最大迭代数Nt，或最优上层综合目标已连续30次保持不变，是则输出最优染色体；否则返回步骤b；7tr＝tr+1，若trNgen，转步骤3；否则输出最优解；步骤5、以新建馈线成本和配电网的运行风险为充电站负荷接入节点优化目标建立下层综合目标，并提出下层约束条件；步骤6、基于下层综合目标采用循环替换法建立下层规划流程，包括以下步骤：1输入充电站地址及各分区电动汽车容量、充电过程参数、配电网络参数数据；2通过蒙特卡罗抽样计算各个充电站分区的M次日充电负荷数据；3将充电站负荷就近接入配电网节点作为当前方案，计算下层综合目标；4记充电站的个数为g，确定各分区的优化顺序，bm＝0；5bm＝bm+1，计算充电站bm到各节点的距离，将满足约束的节点作为候选节点；6保持其他接入节点不变，将充电站bm的负荷分别接入各候选节点，计算下层综合目标，以下层综合目标最小选最优候选方案；7判断最优候选方案与当前方案的优劣，若最优候选方案比当前方案更优，则以最优候选方案替换当前方案，否则保留当前方案不变；8判断是否有bmg，是则返回步骤5，否则转到步骤9；9不断循环优化，直至充电站负荷接入方案不再改变为止。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。