一种大规模复杂配电网的电动汽车充电站选址定容方法，包括以下步骤：步骤1、定义“EV充电站规划区域旋转分区”新概念；步骤2、构建一种适用于大规模复杂配电网的、计及投资成本、EV覆盖量和电网约束的EV充电站选址定容模型；步骤3、构建最大化获利总额的目标函数；步骤4、构建ICAPSO的旋转分区编码；步骤5、用带旋转分区环节的ICAPSO求解优化模型，经过寻优迭代，搜索出优化目标函数的适应值最佳的选址定容方案；步骤6、输出最优的EV充电站选址定容方案；根据输出的EV充电站选址位置，并按不等式约束确定对应的容量配置，作为EV充电站选址定容的最佳方案。
【技术实现步骤摘要】
本专利技术涉及一种基于改进云自适应粒子群的、能适用于大规模复杂配电网的电动汽车充电站选址定容方法，属电气工程领域。
技术介绍
能源危机和环境污染已成为当今世界可持续发展的难题，电动汽车(Electricvehicle,EV)作为节能减排的有力手段，在世界各国得到广泛重视。电动汽车已被我国列为战略性新兴产业，而电动汽车充电站作为重要的EV配套设施，在政府政策支持和企业积极参与下得到迅速发展。但是，如果EV充电站无序接入配电网，不仅经济效益较低，甚至会引起严重的电能质量问题。所以，对电动汽车充电站选址定容的方法进行研究具有重要意义。目前，与电动汽车充电站选址定容相关的研究成果，大多局限于小规模配电网，选址定容的候选节点组合数量级较小。实际上，随着电网规模和电力负荷的增长，配电网的规模也在不断扩大，拓扑结构越来越复杂。但候选节点和预期建设充电站数量增多时，潜在方案的组合数将呈指数上升，导致现有的选址定容方法无法适用于大规模复杂配电网。专利成果方面，尽管已有一些电动汽车充电站相关的成果，如申请号为CN201610083920.3，CN201610080099.X，分别提出了一种基于交通信息与电网信息的电动汽车充电站和一种多功能电动汽车充电站；申请号为CN201510223829.2，CN201510627316.8分别提出了一种基于全寿命周期成本的电动汽车充电站优化规划方法和一种基于两阶段优化的选址定容方法；还有申请号为CN201510888788.9提出了一种基于萤火虫算法确定电动汽车充电站位置和容量的方法。但是，这些设计和方法均未涉及用改进的云自适应粒子群优化去提高能适用的配电网规模和候选节点组合数量级。本专利技术专利针对大规模复杂配电网的EV充电站选址定容问题进行研究，构建了一种能适用于大规模复杂配电网的、计及投资成本、EV覆盖量和电网约束的EV充电站选址定容模型，提出了一种用带旋转分区环节的改进云自适应粒子群优化(ImprovedCloudAdaptiveParticleSwarmOptimization,ICAPSO)来求解大规模复杂配电网中的EV充电站选址定容模型的方法。
技术实现思路
本专利技术要克服现有EV充电站选址定容方法不能有效适用于大规模复杂配电的问题，定义了EV充电站规划区域的旋转分区概念，构建一种适用于大规模复杂配电网的、计及投资成本、EV覆盖量和电网约束的EV充电站选址定容模型，并提出了一种用带旋转分区环节的ICAPSO对大规模复杂配电网中的EV充电站进行选址定容的方法，并具有较好的经济性效果。本专利技术为实现上述目的，提出了一种基于改进云自适应粒子群的、能适用于大规模复杂配电网的EV充电站选址定容方法；所述改进云自适应粒子群是指带旋转分区环节的云自适应粒子群优化算法；所述大规模复杂配电网的EV充电站选址定容是指在候选节点数在50个以上、预期建设充电站数量在3个以上的配电网中，在满足多目标约束条件下求出EV充电站的最佳选址和容量配置。所述基于ICAPSO的、能适用于大规模复杂配电网的EV充电站选址定容方法，具体包括以下步骤：1、定义了“EV充电站规划区域的旋转分区”新概念；在大规模复杂配电网中对EV充电站选址定容时，如果两个充电站过于靠近会导致EV覆盖区会发生交叠使得总覆盖量下降；因此较优的选址方案中多个EV充电站势必会在规划区域内分散开来，而不是集中在一个密集区域；先选取待规划区域中心点，从随机起始角度出发，按2π/N弧度数共画出N条分区线，将节点划分为N个分区b1…bN，作为1#分类结果；再将1#的N条分区线顺时针旋转2π/3N弧度数，得到2#分类结果b1′…b′N；最后将2#的N条分区线再顺时针旋转2π/3N弧度数，得到3#分类结果b1″…bN″；得到的这三种分类结果即所定义的EV充电站规划区域的旋转分区；2、构建一种适用于大规模复杂配电网的、计及投资成本、EV覆盖量和电网约束的EV充电站选址定容模型，数学模型的构建过程包括投资成本、EV覆盖量、运营收入和电网约束四个方面，以及确立最终的目标评价函数；步骤201，构建包括土地成本、建造成本和装置成本在内的投资成本函数及其不等式约束条件，如式(1-2)所示；其中变量的下标i表示对应第i个充电站，表示总投资成本，为征地面积，为所处位置的土地单价，为充电设备数量，为充电站的其他建造成本；Ccd为充电设备单价，为第i个充电站覆盖到的EV覆盖量；α1为EV同时进行充电的概率，N为预期建设EV充电站的数量；CΣtz=Σi=1N[Sitd(Citd+Cijz)+NicdCcd]---(1)]]>Nicd≥α1ψiev,i=1,2...N---(2)]]>步骤202，构建EV覆盖量函数及其不等式约束条件如式(3-5)所示，其中表示所有充电站覆盖到的总EV覆盖量，为第j个节点位置的EV覆盖量，M为规划区域内大规模复杂配电网的总节点数，ηij表示第j个节点与第i个充电站的服务关系，θ1为充电站的服务半径阈值；ηij=1,dij≤θ10,dij>θ1---(4)]]>ψΣev=Σi=1Nψiev---(5)]]>步骤203，构建基于EV覆盖量的运营总收入函数，如式(6)所示；其中Byy为所有充电站的运营总收入，α2为EV每年在充电站充电的平均次数，β1为EV单次充电的平均收费，β2为EV单次充电消耗的平均电能，α3为电费成本单价；β3为人员工资和维护费用折算率；Tnx为目标运行年限，r1为目标年限内的平均通货膨胀率，r2为目标运行年限后所有充电站的折旧率；Byy=α2TnxψΣev(β1-α3β2)(1-β3)(1+r1)Tnx+r2CΣtz---(6)]]>步骤204，构建保证供电可靠性的电能质量约束条件如式(7-9)所示；式中Vj为第j个节点的电压标幺值，和分别为它的电压标幺值下限和上限；Il为第l条线路的电流标幺值，为它的最大电流阈值的标幺值，Lmax为配电线路总数；为第i个充电站的充电功率，为大规模复杂配电网允许接入的EV充电负荷最大功率；Vjmin≤Vj≤Vjmax,j=1,2...M---(7)]]>|Il|≤Ilmax,l=1,2...,Lmax---(8)]]>Σi=1NPicd≤Pmaxcd---(9)]]>3、构建最大化获利总额的目标函数，如式(10)所示；其中目标函数表示获利总额，f的取值即迭代过程中的适应值；maxf=Byy-CΣtz---(10)]]>4、构建ICAPSO的旋转分区编码；基于所提旋转分区概念进行分区，获得三类分区结果，并以它们为基础建立三个并行计算的旋转粒子种群编码，分别以各分区的候选节点作为映射空间，构建ICAPSO的旋转分区编码如式(11)所示；其中N维向量XiXi′Xi″分别表示三个并行种群中的第i个粒子位置；每个粒子有N个码位xi，对应N维空间；每个码位的取值映射到各分区内的候选节点；所提旋转分本文档来自技高网...
【技术保护点】
一种大规模复杂配电网的电动汽车充电站选址定容方法，具体包括以下步骤：步骤1、定义“EV充电站规划区域旋转分区”新概念；在大规模复杂配电网中对EV充电站选址定容时，如果两个充电站过于靠近会导致EV覆盖区会发生交叠使得总覆盖量下降；因此较优的选址方案中多个EV充电站势必会在规划区域内分散开来，而不是集中在一个密集区域；先选取待规划区域中心点，从随机起始角度出发，按2π/N弧度数共画出N条分区线，将节点划分为N个分区b1…bN，作为1#分类结果；再将1#的N条分区线顺时针旋转2π/3N弧度数，得到2#分类结果b′1…b′N；最后将2#的N条分区线再顺时针旋转2π/3N弧度数，得到3#分类结果b″1…b″N；得到的这三种分类结果即所定义的EV充电站规划区域的旋转分区；步骤2、构建一种适用于大规模复杂配电网的、计及投资成本、EV覆盖量和电网约束的EV充电站选址定容模型，数学模型的构建过程包括投资成本、EV覆盖量、运营收入和电网约束四个方面，以及确立最终的目标评价函数；步骤201，构建包括土地成本、建造成本和装置成本在内的投资成本函数及其不等式约束条件，如式(1‑2)所示；其中变量的下标i表示对应第i个充电站，表示总投资成本，为征地面积，为所处位置的土地单价，为充电设备数量，为充电站的其他建造成本；Ccd为充电设备单价，为第i个充电站覆盖到的EV覆盖量；α1为EV同时进行充电的概率，N为预期建设EV充电站的数量；CΣtz=Σi=1N[Sitd(Citd+Cijz)+NicdCcd]---(1)]]>Nicd≥α1ψiev,i=1,2...N---(2)]]>步骤202，构建EV覆盖量函数及其不等式约束条件如式(3‑5)所示，其中表示所有充电站覆盖到的总EV覆盖量，为第j个节点位置的EV覆盖量，M为规划区域内大规模复杂配电网的总节点数，ηij表示第j个节点与第i个充电站的服务关系，θ1为充电站的服务半径阈值；ηij=1,dij≤θ10,dij>θ1---(4)]]>ψΣev=Σi=1Nψiev---(5)]]>步骤203，构建基于EV覆盖量的运营总收入函数，如式(6)所示；其中Byy为所有充电站的运营总收入，α2为EV每年在充电站充电的平均次数，β1为EV单次充电的平均收费，β2为EV单次充电消耗的平均电能，α3为电费成本单价；β3为人员工资和维护费用折算率；Tnx为目标运行年限，r1为目标年限内的平均通货膨胀率，r2为目标运行年限后所有充电站的折旧率；Byy=α2TnxψΣev(β1-α3β2)(1-β3)(1+r1)Tnx+r2CΣtz---(6)]]>步骤204，构建保证供电可靠性的电能质量约束条件如式(7‑9)所示；式中Vj为第j个节点的电压标幺值，和分别为它的电压标幺值下限和上限；Il为第l条线路的电流标幺值，为它的最大电流阈值的标幺值，Lmax为配电线路总数；为第i个充电站的充电功率，为大规模复杂配电网允许接入的EV充电负荷最大功率；Vjmin≤Vj≤Vjmax,j=1,2...M---(7)]]>|Il|≤Ilmax,l=1,2...,Lmax---(8)]]>Σi=1NPicd≤Pmaxcd---(9)]]>步骤3、构建最大化获利总额的目标函数，如式(10)所示；其中目标函数表示获利总额，f的取值即迭代过程中的适应值；max f=Byy-CΣtz---(10)]]>步骤4、构建ICAPSO的旋转分区编码；基于所提旋转分区概念进行分区，获得三类分区结果，并以它们为基础建立三个并行计算的旋转粒子种群编码，分别以各分区的候选节点作为映射空间，构建ICAPSO的旋转分区编码如式(11)所示；其中N维向量XiX′iX″i分别表示三个并行种群中的第i个粒子位置；每个粒子有N个码位xi，对应N维空间；每个码位的取值映射到各分区内的候选节点；所提旋转分区编码，表面上每次迭代适应值计算次数乘3倍，但是每个码位的映射范围降低为原来的1/N，使得搜索总范围衰减为为原来的3/NN，从而大大提高了寻优搜索的效率；将分区进行旋转的作用是为了使分割更灵活，以避免分割不当而错过了全局最优解；步骤5、用带旋转分区环节的ICAPSO求解优化模型，经过寻优迭代，搜索出优化目标函数的适应值最佳的选址定容方案；步骤501，粒子群初始化；根据粒子编码模型式(11)生成三个并行的初始粒子种群，称为“并行种群”，粒子的初始位置和初始速度在映射分区和阈值范围内随机赋值；步...
【技术特征摘要】
1.一种大规模复杂配电网的电动汽车充电站选址定容方法，具体包括以下步骤：步骤1、定义“EV充电站规划区域旋转分区”新概念；在大规模复杂配电网中对EV充电站选址定容时，如果两个充电站过于靠近会导致EV覆盖区会发生交叠使得总覆盖量下降；因此较优的选址方案中多个EV充电站势必会在规划区域内分散开来，而不是集中在一个密集区域；先选取待规划区域中心点，从随机起始角度出发，按2π/N弧度数共画出N条分区线，将节点划分为N个分区b1…bN，作为1#分类结果；再将1#的N条分区线顺时针旋转2π/3N弧度数，得到2#分类结果b′1…b′N；最后将2#的N条分区线再顺时针旋转2π/3N弧度数，得到3#分类结果b″1…b″N；得到的这三种分类结果即所定义的EV充电站规划区域的旋转分区；步骤2、构建一种适用于大规模复杂配电网的、计及投资成本、EV覆盖量和电网约束的EV充电站选址定容模型，数学模型的构建过程包括投资成本、EV覆盖量、运营收入和电网约束四个方面，以及确立最终的目标评价函数；步骤201，构建包括土地成本、建造成本和装置成本在内的投资成本函数及其不等式约束条件，如式(1-2)所示；其中变量的下标i表示对应第i个充电站，表示总投资成本，为征地面积，为所处位置的土地单价，为充电设备数量，为充电站的其他建造成本；Ccd为充电设备单价，为第i个充电站覆盖到的EV覆盖量；α1为EV同时进行充电的概率，N为预期建设EV充电站的数量；CΣtz=Σi=1N[Sitd(Citd+Cijz)+NicdCcd]---(1)]]>Nicd≥α1ψiev,i=1,2...N---(2)]]>步骤202，构建EV覆盖量函数及其不等式约束条件如式(3-5)所示，其中表示所有充电站覆盖到的总EV覆盖量，为第j个节点位置的EV覆盖量，M为规划区域内大规模复杂配电网的总节点数，ηij表示第j个节点与第i个充电站的服务关系，θ1为充电站的服务半径阈值；ηij=1,dij≤θ10,dij>θ1---(4)]]>ψΣev=Σi=1Nψiev---(5)]]>步骤203，构建基于EV覆盖量的运营总收入函数，如式(6)所示；其中Byy为所有充电站的运营总收入，α2为EV每年在充电站充电的平均次数，β1为EV单次充电的平均收费，β2为EV单次充电消耗的平均电能，α3为电费成本单价；β3为人员工资和维护费用折算率；Tnx为目标运行年限，r1为目标年限内的平均通货膨胀率，r2为目标运行年限后所有充电站的折旧率；Byy=α2TnxψΣev(β1-α3β2)(1-β3)(1+r1)Tnx+r2CΣtz---(6)]]>步骤204，构建保证供电可靠性的电能质量约束条件如式(7-9)所示；式中Vj为第j个节点的电压标幺值，和分别为它的电压标幺值下限和上限；Il为第l条线路的电流标幺值，为它的最大电流阈值的标幺值，Lmax为配电线路总数；为第i个充电站的充电功率，为大规模复杂配电网允许接入的EV充电负荷最大功率；Vjmin≤Vj≤Vjmax,j=1,2...M---(7)]]>|Il|≤Ilmax,l=1,2...,Lmax---(8)]]>Σi=1NPicd≤Pmaxcd---(9)]]>步骤3、构建最大化获利总额的目标函数，如式(10)所示；其中目标函数表示获利总额，f的取值即迭代过程中的适应值；maxf=Byy-CΣtz---(10)]]>步骤4、构建ICAPSO的旋转分区编码；基于所提旋转分区概念进行分区，获得三类分区结果，并以它们为基础建立三个并行计算的旋转粒子种群编码，分别以各分区的候选节点作为映射空间，构建ICAPSO的旋转分区编码如式(11)所示；其中N维向量XiX′iX″i分别表示三个并行种群中的第i个粒...
【专利技术属性】
技术研发人员：黄飞腾，翁国庆，方敏佳，王妍彦，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33
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。