一种基于出行行为学的电动汽车充电站布点方法技术

本发明专利技术涉及一种基于出行行为学的电动汽车充电站布点方法，包括以下几个步骤：步骤S1：分析电动汽车用户的行为特性；步骤S2：对区域地图进行网格化处理，确定最优路线；步骤S3：建立电动汽车用户的空间行为特性模型，判断有无充电需求；步骤S4：利用遗传算法进行电动汽车充电站站址优化；步骤S5：基于Voronoi思想划分充电站服务区域，确定充电站能量需求。本发明专利技术通过建立电动汽车用户出行空间行为模型，并绘制出电动汽车空间充电需求图，为电动汽车充电站布点提供参考依据，实现充电站站址合理规划，提高充电站服务收益，从而解决了电动汽车因充电站站址分布不均而普及发展受限的问题。

A layout method of electric vehicle charging station based on travel behavior

The invention relates to a method for stations in the electric car travel behavior based on charge, including the following steps: step S1: analysis of characteristics of the electric vehicle users; step S2: on the regional map grid processing, to determine the optimal route; step S3: spatial behavior model of the electric vehicle users, there is no judgment charging demand; step S4: electric vehicle charging station site optimization using genetic algorithm; step S5: Voronoi division of charging station service area based on the determined energy demand charging station. The present invention through the establishment of the electric car users travel spatial behavior model, and draw the electric vehicle charging demand for space station distribution map, to provide reference for the electric vehicle charging station, charging reasonable planning, improve charging station service benefit, so as to solve the problem of electric vehicle charging station due to uneven distribution and development of constrained problem.

【技术实现步骤摘要】
一种基于出行行为学的电动汽车充电站布点方法
本专利技术属于电动汽车充电预测和充电站布点
，具体是一种基于出行行为学的电动汽车充电站布点方法。
技术介绍
随着我国能源紧缺和环境污染问题日益加剧，电动汽车作为新能源应用和智能电网的重要组成部分，其发展趋势已经势不可挡。电动汽车因为动力电池容量的限制，其荷电量成为了抑制电动汽车发展的关键问题之一。电动汽车充电站则是配合支撑电动汽车运营所必须的重要的配套基础设施，为电动汽车运行提供能源补给及维修等服务。而目前发展情况来看，电动汽车充电站建设发展相对滞后，无疑成为制约电动汽车行业发展的瓶颈。迅速建立充电站对于电动汽车发展的推广和普及具有重要的意义。而充电站建设首先需要考虑其选址问题，选址是否合理将直接影响电动汽车的普及与推广，同样也会直接影响充电站服务范围和服务率从而影响充电站的运营效益、服务质量、运营安全性。所以对于充电站选址问题的研究迫在眉睫。2010年7月，北京市质量技术监督局率先制定出了国内首个电动汽车充电站标准，即《电动汽车电能供给与保障技术规范：充电站》，标准提出了充电站建设选址布局的原则、充电站的基本类型、充电站的构成以及充电站建设相关的技术要求等，并明确了电动汽车充电站的施工标准和验收指标等。另外，在充电站服务设施建设方面，从2010年开始全国电动车基础设施建设规划开始出现了超快速发展，国家电网、南方电网、中石油、中石化、中海油等大型国企集团都纷纷发布电动汽车充电设施建设规划或建设意向。在电动汽车充电站选址、布局方面，国内外已有许多学者在做相关的研究，虽然这些文献对充电站站址规划做了一定的思考，但考虑的仅是部分选址原则、电力约束、经济性等因素，并没有充分地考虑用户需求的问题。
技术实现思路
针对现有技术存在的不足，本专利技术目的是提供一种基于出行行为学的电动汽车充电站布点方法，充分地考虑了用户需求，因此提高了电动汽车运行的普及性和经济性。为了实现上述目的，本专利技术是通过如下的技术方案来实现：本专利技术的一种基于出行行为学的电动汽车充电站布点方法，包括以下几个步骤：S1：分析电动汽车用户的行为特性获得电动汽车初始荷电状态socini；根据电动汽车用户出行概率分布图确定用户出行终点类型；基于出行链，根据所述用户出行终点类型确定用户出行起点类型；根据用户出行距离模型确定用户出行起点和用户出行终点；S2：对区域地图进行网格划分，根据实际的路况信息，对各个网格进行赋值用于表示通过该网格的时间，并根据用户出行起点和用户出行终点确定最优行驶路线，所述最优行驶路线以通过时间最短作为判断依据；S3：根据电动汽车初始荷电状态socini、用户出行起点和用户出行终点，建立电动汽车用户出行空间行为模型；根据用户出行起点和用户出行终点在区域网格中的具体位置计算得到出行距离和电动汽车出行所需荷电状态socdem，当socini-socdem＜socset则产生充电需求，并绘制电动汽车空间充电需求图，从而为电动汽车充电站布点提供参考；S4：利用遗传算法进行电动汽车充电站站址优化，即确定目标函数和约束条件，从而使充电站满足电动汽车用户充电需求最大，且使有充电需求的电动汽车到充电站距离最小；S5：使用加权Voronoi方法计算充电站的中心点控制范围，从而对电动汽车充电站位置进行服务范围划分，得到电动汽车充电站布点图；然后，计算充电站的覆盖率；最后，由服务范围内每辆车辆所需电量得到每个充电站一天的能量需求。步骤S1中，所述用户出行距离模型表达式如下：式中，x为平面上任意点，μD为出行距离的期望值，δD为出行距离的标准差。步骤S2中，将区域地图划分为多个区域，并设置每个区域的地况系数，将每个区域划分为多个子区域，并设置每个子区域的类型系数，所述类型系数和地况系数定义如下：Ct＝t/tb(2)Cd＝t1/tc其中，t为通过该子区域实际所用时间，tb为通过标准子区域所用时间，所述标准子区域指不拥堵且正常行驶的子区域，t1为通过该区域所用时间，tc为正常通过该区域且不发生拥堵情况下所用时间,Ct为类型系数，Cd地况系数。步骤S2中，根据用户出行起点和用户出行终点基于蚁群算法(现有技术)确定最优行驶路线。步骤S3中，利用蒙特卡洛方法(现有技术)建立电动汽车用户出行空间行为模型。步骤S4中，所述遗传算法具体的方法步骤如下：A.种群初始化，因为遗传算法不能直接处理问题空间的参数，因此必须通过编码把要求问题的可行解表示成遗传空间的染色体或者个体；实数编码不需要进行数值转换，可以直接在解的表现型上进行遗传算法操作，因此用该方法编码，每个染色体为一个实数向量；B.适应度函数是用来区分群体中个体好坏的标准；此处适应度函数即为目标函数；C.选择操作从旧群体中以设定概率选择优良个体组成新的种群，以得到下一代个体，个体被选中的概率与适应度有关，个体适应度越高，被选中概率越大；其中，Fi为个体i的适应度值；N，为种群个体数目；D.交叉操作是指从种群中随机选择两个个体，通过两个染修色体的交叉组合，把父串的特征遗传给淄川，从而产生新的优秀个体；由于个体采用实数编码，所以交叉操作采用实数交叉法，第k个染色体ak和第l个染色体al在j位的交叉操作方法为akj＝aik(1-b)+aljbalj＝alj(1-b)+akjb(10)其中，b是[0,1]区间的随机数；E.变异操作的目的是维持种群多样性；变异操作从种群中随机选取一个个体，选择个体中的一点进行变异以产生更优秀的个体；第i个个体的第j个基因aij进行变异的操作方法为其中，amax是基因aij的上界；amin是基因aij的下界；f(g)＝r2(1-g/Gmax)2，r2是一个随机数，g是当前迭代次数，Gmax最大进化次数，r是[0,1]区间上的随机数。步骤S4中，所述目标函数如下所示：所述约束条件如下所示：zij≤hj(i∈N)(j∈Mi)(5)Zij,hj∈{0,1},(i∈N)(j∈Mi)(7)dij≤s(8)其中，i为有充电需求点；j为快速充电站站点；N为有充电需求点的集合；Mi为被选为充电站的点的集合；dij为从充电需求点i到离它最近的充电站j的距离；ai为i点的充电需求量；Zij为0-1变量，表示用户和物流中心的服务需求分配关系，当zij＝1，表示需求点i的需求量由配送中心j供应，否则zij＝0；hj为0-1变量，当hj＝1时，表示点j被选为配送中心，否则，则没有被选上；s为需求点到充电站的距离上限，p为规定的充电站数量。步骤S5中，所述充电站的中心点控制范围采用以下公式计算：其中，d(pi,pj)点pi和pj间的欧式距离；pi≠pj，i≠j，i,j∈{1,2,…,n}，n为点的总个数；x为平面上任意点，Wi为pi的权重；所述充电站的覆盖率计算方法如下：其中，Fs为充电站能够服务的电动汽车车辆数；Ft为有充电需求的电动汽车总数；每个充电站一天的能量需求计算方法如下：其中，Ere为区域内总充电需求，N为区域内有充电需求的电动汽车的辆数，SOCi为第i辆有充电需求的电动汽车的电池荷电量，Emax为电池容量(它是输入量，根据算例中不同电池而不同，一般情况可取32)。本专利技术通过建立电动汽车用户出行空间行为模型，并绘制出电动汽车空间充电需求图，为电动汽车充电站布点提本文档来自技高网...

【技术保护点】
一种基于出行行为学的电动汽车充电站布点方法，其特征在于，包括以下几个步骤：S1：分析电动汽车用户的行为特性获得电动汽车初始荷电状态soc

【技术特征摘要】
1.一种基于出行行为学的电动汽车充电站布点方法，其特征在于，包括以下几个步骤：S1：分析电动汽车用户的行为特性获得电动汽车初始荷电状态socini；根据电动汽车用户出行概率分布图确定用户出行终点类型；基于出行链，根据所述用户出行终点类型确定用户出行起点类型；根据用户出行距离模型确定用户出行起点和用户出行终点；S2：对区域地图进行网格划分，根据实际的路况信息，对各个网格进行赋值用于表示通过该网格的时间，并根据用户出行起点和用户出行终点确定最优行驶路线，所述最优行驶路线以通过时间最短作为判断依据；S3：根据电动汽车初始荷电状态socini、用户出行起点和用户出行终点，建立电动汽车用户出行空间行为模型；根据用户出行起点和用户出行终点在区域网格中的具体位置计算得到出行距离和电动汽车出行所需荷电状态socdem，当socini-socdem＜socset则产生充电需求，并绘制电动汽车空间充电需求图，从而为电动汽车充电站布点提供参考；S4：利用遗传算法进行电动汽车充电站站址优化，即确定目标函数和约束条件，从而使充电站满足电动汽车用户充电需求最大，且使有充电需求的电动汽车到充电站距离最小；S5：使用加权Voronoi方法计算充电站的中心点控制范围，从而对电动汽车充电站位置进行服务范围划分，得到电动汽车充电站布点图；然后，计算充电站的覆盖率；最后，由服务范围内每辆车辆所需电量得到每个充电站一天的能量需求。2.根据权利要求1所述的基于出行行为学的电动汽车充电站布点方法，其特征在于，步骤S1中，所述用户出行距离模型表达式如下：式中，x为平面上任意点，μD为出行距离的期望值，δD为出行距离的标准差。3.根据权利要求1所述的基于出行行为学的电动汽车充电站布点方法，其特征在于，步骤S2中，将区域地图划分为多个区域，并设置每个区域的地况系数，将每个区域划分为多个子区域，并设置每个子区域的类型系数，所述类型系数和地况系数定义如下：Ct＝t/tb(2)Cd＝t1/tc其中，t为通过该子区域实际所用时间，tb为通过标准子区域所用时间，所述标准子区域指不拥堵且正常行驶的子区域，t1为通过该区域所用时间，tc为正常通过该区域且不发生拥堵情况下所用时间,Ct为类型系数，Cd地况系数。4.根据权利要求1所述的基于出行行为学的电动汽车充电站布点方法，其特征在于，步骤S2中，根据用户出行起点和用户出行终点基于蚁群算法确定最优行驶路线。5.根据权利要求1所述的基于出行行为学的电动汽车充电站布点方法，其特征在于，步骤S3中，利用蒙特卡洛方法建立电动汽车用户出行空间行为模型。6.根据权利要求1所述的基于出行行为学的电动汽车充电站布点方法，其特征在于，步骤S4中，所述遗传算法具体的方法步骤如下：A.种群初始化，因为遗传算法不能直接处理问题空间的参数，因此必须通过编码把要求问题的可行解表示成遗传空间的染色体或者个体；实数编码不需要进行数值转换，可以直接在解的表现型上进行遗传算法操作，因此用该方法编码，每个染色体为一个实数向量；B.适应度函数是用来区分群体中个体好坏的标准；此处适应度函数即为目标函数；C.选择操作从旧群体中以设定概率选择优良个体组成新的种群，以得到下一代个体，个体被选中的概率与适应度有关，个体适...

【专利技术属性】
技术研发人员：徐玉韬，陈根军，林呈辉，龙秋风，徐梅梅，顾威，范强，肖永，陈建国，文贤馗，徐长宝，桂军国，张容菠，宁楠，雷鸣，
申请(专利权)人：贵州电网有限责任公司电力科学研究院，南京南瑞继保电气有限公司，贵州电网有限责任公司六盘水供电局，
类型：发明
国别省市：贵州,52