一种充电站选址定容方法技术

本申请涉及一种充电站选址定容方法

【技术实现步骤摘要】
一种充电站选址定容方法、装置、设备及存储介质


[0001]本申请实施例涉及城市交通规划领域，特别是涉及一种充电站选址定容方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]交通领域作为主要的碳排放行业之一，降低交通行业的碳排放意义重大
。
电动汽车的出现和不断发展使得交通领域碳排放量有所降低，但随着电动汽车的大规模发展，城市电动汽车充电站的建设需要为电动汽车数量的快速增长提供有效的配套充电保障
。
[0003]但目前电动汽车充电站的数量和布局都无法满足和匹配实际电动汽车的充电需求，这不仅一定程度上限制了电动汽车发展，也影响了交通领域降低碳排放的现实需求
。

技术实现思路

[0004]本申请提供了一种充电站选址定容方法
、
装置
、
电子设备及存储介质，基于车网互动和车辆能耗的时空分布，从而合理的选址并配置充电站的容量
。
[0005]第一方面，本申请提供了一种充电站选址定容方法，包括：
[0006]获取城市交通数据信息，其中所述城市交通数据信息包括城市道路网络拓扑信息和车辆数据信息；
[0007]根据所述城市交通数据信息，建立混合动态交通流分配模型，其中所述混合动态交通流分配模型指示车辆出行路径选择成本，所述出行路径选择成本包括时间成本和能耗成本；
[0008]通过所述混合动态交通流分配模型，获取道路交通网络车流分布情况，其中，所述道路交通网络车流分布情况指示所述车辆出行路径选择成本最低；
[0009]根据所述道路交通网络车流分布情况和充电需求判定条件，获取电动汽车充电需求分布情况；
[0010]根据预设充电站建设约束条件和所述电动汽车充电需求分布情况，建立充电站选址定容模型，其中，所述充电站选址定容模型的目标函数指示建立充电站的经济成本最低；
[0011]将待预测信息输入所述充电站选址定容模型，获取充电站选址定容结果
。
[0012]进一步地，所述获取充电站选址定容结果后，还包括：
[0013]建立粒子群优化算法模型，预设最大迭代次数
、
初始惯性权重和粒子群规模；
[0014]所述粒子根据充电站数量限制，生成充电站初始地址；
[0015]根据所述充电站选址定容模型的目标函数获取充电站经济成本，将所述充电站经济成本作为所述粒子在迭代过程中的适应度值，并通过种群对比获取最优粒子个体和初步全局最优解；
[0016]根据非线性递减策略更新所述惯性权重并重复粒子迭代过程，当迭代次数达到所述预设最大迭代次数时，输出当前全局最优解，确认所述当前全局最优解为最优充电站选址定容结果
。
[0017]进一步地，所述建立混合动态交通流分配模型包括：
[0018]根据所述城市交通数据信息，获取道路特征
、
燃油汽车能耗特征和电动汽车能耗特征；
[0019]根据所述燃油汽车能耗特征和所述电动汽车能耗特征，获取所述能耗成本；
[0020]根据所述道路特征和车辆行驶路径，获取所述时间成本；
[0021]通过将所述能耗成本与所述时间成本转换为等价的货币成本，建立所述混合动态交通流分配模型
。
[0022]进一步地，所述获取所述时间成本，还包括：
[0023]通过采用
M/M/s
排队模型计算电动汽车充电的平均等待时长，所述电动汽车充电的平均等待时长
W
Mq
的计算公式为：
[0024][0025]其中，
λ
为服从泊松过程的顾客平均到达率；
μ
为单个服务台的平均服务率；
s
为服务台数量；
ρ
＝
λ
/(s
μ
)
为排队系统的服务强度；
[0026]根据所述电动汽车充电的平均等待时长对充电桩数量进行配置，并建立电动汽车充电站排队数学模型，其中，所述电动汽车充电站排队数学模型的平均排队长度
L
Mq
的计算式为：
[0027][0028]其中，
λ
为所述服从泊松过程的顾客平均到达率，
μ
为所述单个服务台的平均服务率，
s
为所述服务台数量，
ρ
＝
λ
/(s
μ
)
为所述排队系统的服务强度
。
[0029]进一步地，所述获取所述能耗成本，还包括：
[0030]根据所述燃油汽车能耗特征和所述电动汽车能耗特征，建立所述燃油汽车能耗特征模型和所述电动汽车能耗特征模型，其计算公式包括：
[0031][0032]v
a,t
＝
d
a
/
τ
α
,t
(x
g,at
,x
e,at
)
[0033][0034][0035]其中，
τ
a,,t
为路段行驶时间，道路参数
τ
0a
、d
a
和
c
a
分别表示道路
a
的自由通行时间
、
长度和容量，
x
g
，
a
，
t
和
x
e
，
a
，
t
分别表示第
a
条道路上
t
时刻的燃油汽车交通流量和电动汽车交通流量，
v
a
，
t
表示混合交通流的通行速度，
n
g
，
a
，
t
和
n
e
，
a
，
t
分别表示燃油汽车的实时能耗和电
动汽车的实时能耗，
α
、
α0、
α1、
α2、
α3、
β
为预设道路参数，所述
θ1为预设实时能耗参数
。
[0036]进一步地，所述建立混合动态交通流分配模型，还包括：
[0037]所述混合动态交通流分配模型的计算式为：
[0038][0039]其中，和分别时间成本系数和能耗成本系数
。
[0040]进一步地，所述建立充电站选址定容模型，还包括：
[0041]所述建立充电站选址定容模型的目标函数为：
[0042]minF
＝
C
c
+C
w
+C
loss
[0043]其中，
Cc
为充电站建设投资成本，其计算式为：
[0044][0045]其中，<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种充电站选址定容方法，其特征在于，包括如下步骤：获取城市交通数据信息，其中，所述城市交通数据信息包括城市道路网络拓扑信息和车辆数据信息；根据所述城市交通数据信息，建立混合动态交通流分配模型，其中所述混合动态交通流分配模型指示车辆出行路径选择成本，所述出行路径选择成本包括时间成本和能耗成本；通过所述混合动态交通流分配模型，获取道路交通网络车流分布情况，其中，所述道路交通网络车流分布情况指示所述车辆出行路径选择成本最低；根据所述道路交通网络车流分布情况和充电需求判定条件，获取电动汽车充电需求分布情况；根据预设充电站建设约束条件和所述电动汽车充电需求分布情况，建立充电站选址定容模型，其中，所述充电站选址定容模型的目标函数指示建立充电站的经济成本最低；将待预测信息输入所述充电站选址定容模型，获取充电站选址定容结果
。2.
根据权利要求1所述的一种充电站选址定容方法，其特征在于，所述获取充电站选址定容结果后，还包括：建立粒子群优化算法模型，预设最大迭代次数
、
初始惯性权重和粒子群规模；所述粒子根据充电站数量限制，生成充电站初始地址；根据所述充电站选址定容模型的目标函数获取充电站经济成本，将所述充电站经济成本作为所述粒子在迭代过程中的适应度值，并通过种群对比获取最优粒子个体和初步全局最优解；根据非线性递减策略更新所述惯性权重并重复粒子迭代过程，当迭代次数达到所述预设最大迭代次数时，输出当前全局最优解，确认所述当前全局最优解为最优充电站选址定容结果
。3.
根据权利要求1所述的一种充电站选址定容方法，其特征在于，所述建立混合动态交通流分配模型包括：根据所述城市交通数据信息，获取道路特征
、
燃油汽车能耗特征和电动汽车能耗特征；根据所述燃油汽车能耗特征和所述电动汽车能耗特征，获取所述能耗成本；根据所述道路特征和车辆行驶路径，获取所述时间成本；通过将所述能耗成本与所述时间成本转换为等价的货币成本，建立所述混合动态交通流分配模型
。4.
根据权利要求3所述的一种充电站选址定容方法，其特征在于，所述获取所述时间成本，还包括：通过采用
M/M/s
排队模型计算电动汽车充电的平均等待时长，所述电动汽车充电的平均等待时长
W
Mq
的计算公式为：其中，
λ
为服从泊松过程的顾客平均到达率；
μ
为单个
服务台的平均服务率；
s
为服务台数量；
ρ
＝
λ
/(s
μ
)
为排队系统的服务强度；根据所述电动汽车充电的平均等待时长对充电桩数量进行配置，并建立电动汽车充电站排队数学模型，其中，所述电动汽车充电站排队数学模型的平均排队长度
L
Mq
的计算式为：其中，
λ
为所述服从泊松过程的顾客平均到达率，
μ
为所述单个服务台的平均服务率，
s
为所述服务台数量，
ρ
＝
λ
/(s
μ
)
为所述排队系统的服务强度
。5.
根据权利要求4所述的一种充电站选址定容方法，其特征在于，所述获取所述能耗成本，还包括：根据所述燃油汽车能耗特征和所述电动汽车能耗特征，建立所述燃油汽车能耗特征模型和所述电动汽车能耗特征模型，其计算公式包括：
v
a,t
＝
d
a
/
τ
α
,t
(x
g,at
,x
e,at
))
其中，
τ
a,,t
为路段行驶时间，道路参数
τ
0a
、d
a
和
c
a
分别表示道路
a
的自由通行时间
、
长度和容量，
x
g
，
a
，
t
和
x

【专利技术属性】
技术研发人员：蒋建，宣羿，樊立波，孙智卿，韩荣杰，王奇锋，王亿，方响，来益博，
申请(专利权)人：国网浙江省电力有限公司杭州供电公司，
类型：发明
国别省市：