申请/专利权人：东北电力大学

申请日：2021-12-19

公开（公告）日：2024-06-28

公开（公告）号：CN114186754B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/0631;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.04.01#实质审查的生效;2022.03.15#公开

摘要：本发明是一种含有不同类型充电桩的电动汽车充电站选址定容优化方法，其特点是，包括的内容有：计算电动汽车选用不同类型充电桩的概率、基于用户出行特征的电动汽车充电需求预测、建立电动汽车充电站选址定容规划优化模型和对电动汽车充电站选址定容模型的求解。能够提升电动汽车充电站内充电桩的充电效率、提高充电桩的全天利用率、降低电动汽车充电站投资经营者的成本。具有科学合理，适用性强，效果佳，准确率高等优点。并通过算例分析结果验证了本发明方法的正确性和有效性。

主权项：1.一种含有不同类型充电桩的电动汽车充电站选址定容优化方法，其特征是，它包括：计算电动汽车选用不同类型充电桩的概率、基于用户出行特征的电动汽车充电需求预测、建立电动汽车充电站选址定容规划优化模型，具体内容为：1计算电动汽车选用不同类型充电桩的概率①计算电动汽车在停车持续时间内采用A类型充电桩进行充电不能满足其充电需求时，即采用B类型充电桩对电动汽车进行充电的条件表示为： 式中，PA为A类型充电桩在恒流充电阶段的充电功率；η为充电桩的充电效率；TP为电动汽车的停车持续时间；SCC为电动汽车的荷电状态充电阈值；Sstart为电动汽车起始充电时刻的荷电状态；C为目标区域内电动汽车电池的平均额定额定容量；②计算式1出现的概率，即电动汽车到站充电时选用B类型充电桩进行充电的概率；其表达式由式2表示： 式中，Pf为式1出现的概率，TP和Sstart两个变量相互独立，则根据二维随机变量的概率公式，将公式2转化为： 式中，fTt为电动汽车停车持续时间的概率密度函数；fsocc为电动汽车起始充电时刻荷电状态的概率密度函数，并且其满足正太分布，其表达式如式4所示： 式中，σsoc为正太分布的标准差，μsoc为电动汽车起始充电时刻荷电状态的均值；③计算电动汽车到站选用A类型充电桩的概率Ps＝1-Pf5式中，Ps为电动汽车到站选用A类型充电桩的概率；2基于用户出行特征预测电动汽车的充电需求①首先，对目标区域所在城市内其他区域已有电动汽车充电站内电动汽车的充电数据进行分析；然后，对数据进行筛选并拟合得出目标区域内电动汽车起始充电时刻满足的概率密度分布函数fEVt；②计算目标区域内每天到站进行充电的电动汽车数量， nev,B＝Pfnev7nev,A＝Psnev8式中，nev为目标区域内每天到站进行充电的电动汽车数量；nc目标区域内路口节点数量；qk为路口节点k每日产生的交通流量；β为交通流量中每天到站充电的电动汽车比例；nev,B和nev,A分别为目标区域内每天到站进行充电的电动汽车中，选用B类型充电桩和A类型充电桩进行充电的电动汽车数量；③随机抽取目标区域每天到站充电的所有电动汽车的停车持续时间、起始充电时的荷电状态和起始充电时刻，并根据式1判断其选用的充电桩类型，TP,n＝randfTt,n＝1,2,...nev9Sstart,n＝randfsocc10tstart,n＝randfEVt11式中，Tp,n为第n辆产生充电需求的电动汽车在电动汽车充电站内的停车持续时间；Sstart,n为第n辆电动汽车起始充电时刻的荷电状态；tstart,n为第n辆电动汽车起始充电的时刻；rand·表示取满足括号内概率密度函数的随机数；④目标区域内电动汽车产生的充电需求由式12-16表示， 式中，Pn为第n量电动汽车产生的充电需求；f为判断站内是否处于充电高峰时期的变量，当电动汽车充电站处于充电高峰时期f的值为1，反之为0；Send,n为第n辆电动汽车充电结束时刻的荷电状态， 式中，SCV,n为第n辆电动汽车在停车持续时间内采用恒压充电模式所充荷电状态值；TCC,n为第n辆电动汽车采用恒流充电模式充电的时长；Tn为第n辆电动汽车将荷电状态从当前状态充至100％所需的时长；M为充电桩类型变量，当第n辆电动汽车到站选用A类型充电桩时，M为A，当第n辆电动汽车到站选用B类型充电桩时，M为B；PM为M类型充电桩在恒流充电阶段的功率；PMt为恒压充电阶段M类型充电桩的实时功率；⑤将目标区域内电动汽车每日相同时刻产生的不同功率的充电需求、停车持续时间和充电时长分别进行叠加并储存，然后进行下一次循环，直到循环结束；⑥对所有次循环得到的目标区域内电动汽车每日在相同时间产生的同一功率的充电需求、停车持续时间和充电时长取平均值，最终结合各路口节点的车流量占目标区域全天总车流量的比例，得到电动汽车充电需求的时空分布、电动汽车选用不同类型充电桩充电时的平均充电时长以及平均停车持续时间；3建立电动汽车充电站选址定容规划优化模型①建立电动汽车充电站上层优化模型目标函数考虑电动汽车充电站投资经营者和电动汽车用户的利益，建立电动汽车充电站优化模型的上层目标函数：W＝W1+W217式中，W为目标区域内电动汽车充电站投资经营者的年化成本与电动汽车用户年损失成本之和称之为总经济成本；W1为投资经营者的年化总成本，其包括电动汽车充电站的建设成本、运行维护成本和购买土地成本；W2为电动汽车用户的年损失成本；其中W1，W2的表达式由式18，19表示： 式中，和分别为第i个电动汽车充电站的建设成本、运维成本和购买土地的成本；ne为目标区域内规划的电动汽车充电站数量；r0和y分别为充电站的平均贴现率和运行年限；为第i个电动汽车充电站服务范围内的电动汽车用户年空驶成本以及年时间成本之和；a.计算电动汽车充电站的建设成本电动汽车充电站的建设成本包括固定投资成本、购买充电桩的成本以及电动汽车充电站内与充电桩总额定功率有关的成本；因此，第i个EVCS的建设成本由式20，21表示： fiPi＝ωPiP21式中，CT为投资运营每个电动汽车充电站的固定投资成本，包括购买站内各种平台辅助设施的成本以及修建各种必要设施的成本；CP,i为第i个电动汽车充电站购买充电桩的成本；fiPi为第i个电动汽车充电站内与充电桩总额定功率有关的成本，其包括购买配电变压器、有缘滤波装置、电缆设施的成本；ω为与充电桩总额定功率有关的等效投资系数；PiP为第i个电动汽车充电站内充电桩的总额定功率；电动汽车充电站购买充电桩的成本取决于安装充电桩的类型和数量；因此，第i个电动汽车充电站购买充电桩的成本用式22表示： 式中：CA,P和CB,P分别为A类型充电桩和B类型充电桩的单价；和分别为第i个电动汽车充电站所要购买A类型充电桩和B类型充电桩的数量；将电动汽车的平均停车持续时间与接受充电服务的平均时间的差值定义为电动汽车用户可接受的平均排队时长；式23，24分表示第i个充电站内A类型充电桩和B类型充电桩在最优数量下应满足的条件，式25表示考虑充电桩出现故障而进行检修维护因素后第i个电动汽车充电站内最终应规划的充电桩数量， 式中，和分别表示第i个充电站内A类型充电桩数量为别为时站内选用A类型充电桩进行充电的电动汽车可接受的平均排队时间；和分别为站内选用A类型充电桩进行充电的电动汽车的平均停车持续时间和平均充电时长；和分别表示第i个充电站内B类型充电桩数量为别为时，站内选用B类型充电桩进行充电的电动汽车的可接受平均排队时间；和分别为站内选用B类型充电桩进行充电的电动汽车的平均停车持续时间和平均充电时长；ψ为站内充电桩个数的裕量；b.计算电动汽车充电站的运维成本电动汽车充电站的运维成本与充电站的建设成本密切相关；充电站的建设成本越高，所需要的运维成本也就越高；因此，第i个电动汽车充电站的运维成本按照其建设成本进行折算，其表达式由式26所示， 式中，a为运维成本占建设成本的比例系数；c.计算电动汽车充电站购买土地的成本电动汽车充电站需要购买土地的面积与站内的车位数量和相关建筑设施、辅助设施以及道路和绿化占地面积有关；因此，第i个电动汽车充电站购买土地年化成本由式27，28表示： ki∈{kre,kic,kin}28式中，α为电动汽车充电站内相关建筑设施、辅助设施、道路、绿化以及其他设施占地面积折算到车位面积的比例系数；mev为充电站内单个车位的面积；为第i个电动汽车充电站内车位的数量；ki为第i个充电站所在区域的土地单价；kre、kic、kin分别表示居民区、商业区、工业区的土地单价；考虑电动汽车用户在有充电需求时就会将电动汽车停至电动汽车充电站，随后站内相关人员对电动汽车进行充电安排；由于电动汽车的停车持续时间大于充电时长，所以需要规划多余的车位；式29-31计算站内的车位数量， 式中： 式中，和分别为第i个电动汽车充电站内选择A类型充电桩和B类型充电桩进行充电的电动汽车的车位数量；和分别为在任意T到时段内和T到时段内到达第i个电动汽车充电站且会选用A类型充电桩和B类型充电桩进行充电的电动汽车数量；d.计算电动汽车用户年损失成本电动汽车用户的年损失成本由电动汽车用户行驶至充电站接受充电服务的途中产生的空驶成本和时间成本组成，其由式32表示： 式中，为第n量电动汽车到达其目标充电站的距离；D和CV分别为目标区域内电动汽车行驶每公里的平均耗电量和电动汽车到站充电的均值电价；为第n量电动汽车到达其目标充电站的时间；Ct为目标区域内电动汽车用户的时间成本；②建立电动汽车充电站优化模型的约束条件基于目标区域内交通、经济、政治、发展因素，对上层模型设置相邻电动汽车充电站间的距离约束、电动汽车充电站的数量约束、电动汽车充电站的容量约束和单桩充电功率约束；a.建立相邻电动汽车充电站间的距离约束为了同时满足电动汽车用户日常出行的便利性以及投资运营者的经济性，相邻两个电动汽车充电站间的距离DL的约束条件表示为： 式中，为电动汽车最佳续驶里程；λij为充电站i和充电站j之间道路的曲折系数；b.建立电动汽车充电站数量约束目标区域内电动汽车充电站的数量与每个电动汽车充电站的容量以及该区域电动汽车日总充电需求有关，合理配置电动汽车充电站的数量不仅能同时兼顾投资运营者和电动汽车用户的利益，还能最大程度的发挥土地效益，并且对配电网的二次规划起到有利的作用；因此，目标区域内电动汽车充电站数量的约束表示为： 式中： 式中，ne、分别为目标区域规划电动汽车充电站数量及其最小值和最大值；PZ为目标区域每天总的充电需求；Smax和Smin分别为充电站最大和最小的容量限制；表示向上取整；c.建立电动汽车充电站的容量约束电动汽车充电站的容量取决于充电桩的数量以及充电桩每天的工作时长，需要合理规划电动汽车充电站的容量，式38-40表示其约束条件， 式中： 式中，Si、分别表示为第i个电动汽车充电站的容量及其最小值和最大值；Ti,A和Ti,B分别为目标区域内第i个电动汽车充电站内A类型充电桩平均每日的工作时长和B类型充电桩平均每日的工作时长；d.建立单桩充电功率约束在选择站内不同功率的充电桩时，需要根据规划地区内整体负荷情况，在一定范围内选择单桩的充电功率，避免对规划地区电网的稳定性造成影响；式41表示单桩充电功率的约束条件，Ppmin≤Pp≤Ppmax41式中，Pp、Ppmin、Ppmax分别为单个充电桩充电功率及其最小值和最大值；③建立电动汽车充电站下层优化模型对电动汽车充电站的容量进行配置之前，应先确定各个充电站的服务范围，然后结合第3节的预测结果，求解出各个充电站的最优容量配置；从电动汽车用户角度出发，设电动汽车在产生充电需求时，电动汽车用户会优先选择去距其最近的充电站进行充电，以此作为优化目标确定各个充电站的服务范围；因此，下层目标函数由式42，43表示， 式中，Flo为目标区域内每天有充电需求的电动汽车到达其目标充电站的总距离；in为第n辆电动汽车目标充电站的编号；为第n辆电动汽车到达第i个充电站的距离；4对电动汽车充电站选址定容模型的求解采用模拟退火SA算法和迪克斯特拉Dijkstra算法的组合算法对电动汽车充电站选址定容上、下层模型进行联合求解；模拟退火SA算法在相同温度下进行迭代寻优时，会根据Metropolis准则以一定概率接受较差解，提高全局寻优能力；Metropolis准则中接受较差解的概率表达式由式44所示： 式中，P为迭代过程中新解较原解差时，接受新解的概率；En为新解的内能；Eo为原解的内能；K为温度衰减系数；T为当前系统的温度；模型求解步骤：上层模型采用模拟退火SA算法，在备选站址已知的基础上随机产生一组选址方案，将这一组方案传入下层；下层采用迪克斯特拉Dijkstra算法，根据已有的街道信息和上层方案形成的邻接矩阵，求解每辆电动汽车准则到达各个充电站的距离，并以距它最近的充电站作为其目标充电站，对各个充电站进行服务范围的划分，然后将各站服务范围内的充电负荷返回给上层函数进行定容优化；在当前温度下计算出最优适应度值后执行降温操作；重复上述过程得到电动汽车充电站选址定容结果。

全文数据：

权利要求：

百度查询： 东北电力大学 含有不同类型充电桩的电动汽车充电站选址定容优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD