【技术实现步骤摘要】
本专利技术属于电动汽车的充换电站站址布局领域。
技术介绍
1、随着全球对环境问题关注的日益增加，化石燃料的弊端愈专利技术显，其使用导致了严重的污染、资源耗竭和气候变化。而电动汽车作为替代方案，不依赖化石燃料，减少了有害排放物和温室气体。特别是当电力来自可再生能源时，电动汽车能显著降低碳足迹，提高能源效率，促进环保和可持续发展。但随着电动汽车行业的发展以及电动汽车的大量普及，电动汽车的充电问题变得愈发严重。充电基础设施大量增加，确远远跟不上电动汽车的增长速度。其次，因为电动汽车的续航里程相对较短，需要频繁的充电，加之充电基础设施不足，充电站的覆盖率不高以及充电时间较长等问题使得电动汽车的充电问题亟待解决。
2、如何合理的规划布局充电站及换电站以满足不同人群的用电需求成为当务之急。在之前的研究中，如中国专利文献中披露的申请号202111066707.9，申请公布日2021.09.10，专利技术名称“基于双层规划模型的电动汽车充电站布局方法及电子设备”，该方法基于偏好模型计算出每个充电站的24时刻用电需求分布，下层模型以建设成本最小、充电站收益最大为目标函数，基于粒子群优化算法对模型进行求解，输出电动汽车充电站的布局方案。再如中国专利文献中披露的申请号201811408046.1，申请公布日2018.11.23，专利技术名称“基于层次分析的电动汽车充电站规划布局方法和系统”，该方法首先利用层次分析法综合考虑道路交通、土地规划、配电网接纳能力等多种影响充电站选址的因素，筛选得到候选地址，然后构造电动汽车规划模型，基于电动汽车
技术实现思路
1、本专利技术是为了解决电动汽车充电站的覆盖率低且充电时间长，而现有充电方式单一且电站选址没有规划的问题，现提供一种基于双层模型的电动汽车充换电站动态布局规划方法。
2、一种基于双层模型的电动汽车充换电站动态布局规划方法，包括：
3、根据目标区域电动汽车需求数据预测目标区域未来的用电需求；
4、建立上层用户选择模型，所述上层用户选择模型包括：充电选择模型和换电选择模型且表达式分别为：
5、
6、
7、所述上层用户选择模型约束如下：
8、θ1,θ2,θ3∈{0,1}，θ1+θ2+θ3＝1，∑hij＝1，dil≤dmax，
9、其中，tij′、afij′m、di′l、til′分别表示对tij、afijm、dil、til归一化后的结果，tij和til分别为用电需求点i中的用户前往候选充电站j和候选换电站l的时间，afijm为候选充电站j对用电需求点i中m类充电用户的吸引力，为候选充电站j中m类充电用户排队等待的时间期望，dil为用电需求点i至候选换电站l的距离，为候选换电站l的换电费用，hij为用户决策变量，θ1、θ2和θ3均为约束权重，dmax为电动汽车最远行驶距离，i∈n，j∈m，l∈l，n为用电需求点总数，m为候选充电站总数，l为候选换电站总数；
10、建立下层电站定容模型，所述下层电站定容模型f(·)的表达式为：
11、f(sjmc,slm,pt)＝pto-f-cev-ct，
12、所述下层电站定容模型的约束如下：
13、
14、其中，sjmc为充电站j内m类充电桩的数量，slm为换电站l的容量，pt为第t年平均充电电价，pto为电站收益，f为电站建设运营成本，cev为电站碳排放成本，ct为用户出行成本；
15、利用遗传算法分别求解所述上层用户选择模型的最小值和下层电站定容模型的最大值，获得最优电站坐标、容量和用电价格，进而对电动汽车充换电站进行动态布局规划。
16、进一步的，上述根据目标区域电动汽车需求数据预测目标区域未来的用电需求，包括：
17、采集目标区域的电动汽车保有量数据及其附属信息、常驻人口、人均收入、充电价格和油价，所述附属信息包括：电动汽车季度销量、市场占比和充电桩数目；
18、将采集到的数据输入到支持向量机预测模型中进行训练，利用训练完成的支持向量机预测模型对目标区域未来的用电需求进行预测。
19、进一步的，上述建立上层用户选择模型，包括：
20、分别采集目标区域内公共停车场、居民区和商业区的坐标；
21、对公共停车场的坐标进行聚类分析，将距离各聚类中心最近的公共停车场坐标点作为候选电站；
22、对居民区和商业区的坐标进行聚类分析，将距离各聚类中心最近的居民区或商业区的坐标点作为用电需求点；
23、将所述目标区域未来的用电需求按照快充、慢充和换电三种方式进行划分，将不同的用电需求分配给各用电需求点，使得各用电需求点内快充需求、慢充需求和换电需求的比例为16:4:5；
24、分别计算各用电需求点至各候选电站的行驶时间、行驶距离、用电价格以及用电排队时间，所述用电价格包括充电价格和换电价格，所述用电排队时间包括充电排队时间和换电排队时间，所述候选电站包括候选充电站和候选换电站；
25、利用所述行驶时间、行驶距离、用电价格以及用电排队时间构建上层用户选择模型。
26、进一步的，上述用电需求点i中的用户前往候选充电站j的时间tij的表达式为：
27、tij＝t0[1+α(qc)β]，
28、其中，t0为用电需求点i至候选充电站j路段内的自由流行程时间，α和β均为回归系数，c为用电需求点i至候选充电站j路段内的实际通行能力，q为车流量；
29、所述用电需求点i中的用户前往候选换电站l的时间til的表达式为：
30、til＝t0′[1+α(qc′)β]，
31、其中，t0′为用电需求点i至候选换电站l路段内的自由流行程时间，c′为用电需求点i至候选换电站l路段内的实际通行能力；
32、所述候选充电站j对用电需求点i中m类充电用户的吸引力afijm的表达式为：
33、
34、其中，aosjm为候选充电站j中对充电类型为m的电动汽车的服务能力，prj为候选充电站j的平均充电电价，dij为用电需求点i至候选充电站j的距离，dij≤dmax；
35、所述候选充电站j中m类充电用户排队等待的时间期望wmj的表达式为：
36、
37、其中，ρm为m类充电桩的服务强度，pm0为m类充电桩全部空闲的概率，λjm为m类充电类型的电动汽车到达候选充电站j的概率；
38、所述候选换电站l的换电费用的表达式为：
39、
40、其中，cfc为固定成本，pbc为充电价格。
41、进一步的，上述候选充电站j中对充电类型为m的电动汽车的服务能本文档来自技高网...
【技术保护点】
1.一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，包括：
2.根据权利要求1所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述根据目标区域电动汽车需求数据预测目标区域未来的用电需求，包括：
3.根据权利要求1或2所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述建立上层用户选择模型，包括：
4.根据权利要求3所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述用电需求点i中的用户前往候选充电站j的时间Tij的表达式为：
5.根据权利要求4所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述候选充电站j中对充电类型为m的电动汽车的服务能力AOSjm的表达式为：
6.根据权利要求1或2所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述建立下层电站定容模型，包括：
7.根据权利要求6所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述电站建设运营成本F包括充电站
8.根据权利要求7所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述到站排队等候时间成本CwT、道中时间成本CvT和换电时间成本CeT的表达式分别为：
9.根据权利要求8所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述下层电站定容模型的运输条件包括：
10.根据权利要求7所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述充电设备决策变量hjk的行数为候选电站集合中候选充电站地址的数量，列数为候选充电站的等级，
...【技术特征摘要】
1.一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，包括：
2.根据权利要求1所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述根据目标区域电动汽车需求数据预测目标区域未来的用电需求，包括：
3.根据权利要求1或2所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述建立上层用户选择模型，包括：
4.根据权利要求3所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述用电需求点i中的用户前往候选充电站j的时间tij的表达式为：
5.根据权利要求4所述的一种基于双层模型的电动汽车充换电站动态布局规划方法，其特征在于，所述候选充电站j中对充电类型为m的电动汽车的服务能力aosjm的表达式为：
6.根据权利要求1或2所述的一种基于双层模型的电动...
【专利技术属性】
技术研发人员：刘瑞，王佳明，卢山，孙国栋，骆哲，张伟，文奴，李鹏，
申请(专利权)人：深圳职业技术大学，
类型：发明
国别省市：
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。