基于混沌模拟退火粒子群优化算法的电动汽车充电站选址与定容

针对城市电动汽车充电站的选址与定容问题,建立了考虑充电站运营商、电动汽车用户以及电网企业综合利益的充电站选址定容规划模型。采用Voronoi图思想和需求点栅格化理论,结合Floyd最短路径算法划分充电站的服务范围。提出采用一种混沌模拟退火粒子群优化算法对问题进行求解,通过引入混沌理论使粒子更高效地遍历搜寻空间,并结合模拟退火算法的概率突跳特性使算法在迭代后期仍具有较高的全局寻优能力。通过算例分析表明,采用所提算法对城市电动汽车充电站选址定容进行优化规划的可行性和有效性。     

基于自适应粒子群算法的电动汽车充电站优化规划

为了确定合理的电动汽车充电站位置及规模,建立了一种考虑多因素的电动汽车充电站选址定容模型,目标是使充电站的综合成本及建站位置最优化.在电动汽车充电站的建设费用、运行费用等条件的约束下,目标函数还考虑了充电站的供电损耗费用、人员工资和配电变压器的投资等因素.针对建立的模型,采用自适应粒子群算法进行求解,并通过一个算例验证了该模型的可行性.     

计及碳排放的电动汽车充电站多目标规划

合理的电动汽车充电站规划是推广应用电动汽车的基础。提出一种计及碳排放的电动汽车充电站多目标选址定容规划模型,模型以充电站建设运行成本、用户充电耗费时间和驶向充电站引起的碳排放为综合优化目标,以充电站的容量限制为约束条件,并采用Pareto最优前沿分析可选的选址定容方案。为确定可选站址所服务的区域范围,提出一种基于需求点栅格化和Voronoi图求解的计算方法。最后,通过案例分析验证了该规划模型和求解方法的实用性和有效性,为电动汽车充电站的选址定容提供了新的思路。     

计及电动汽车时空分布状态的充电站选址定容优化方法

电动汽车(electricvehicle,EV)充电站的布局直接影响经营者投资建设成本,也关乎用户出行的便捷性与经济性。为了平衡充电站经营者与用户之间的利益,同时为站内充电桩的数量和容量配置提供合理依据,该文针对EV充电站规划问题展开研究。首先,以充电站成本和用户经济损失(包括时间损失和路途电量损耗)最小为目标提出EV充电站选址定容数学模型。然后,基于EV保有量历史数据,使用BP神经网络预测目标规划区未来EV数量的时间分布,并利用目标区域的实测交通数据确定EV的空间分布。最后,提出基于区域访问量的动态概率变异方法改进粒子群算法,并使用该算法对EV充电站选址定容模型进行求解,得到目前居民收入水平下的充电站规划优化方案。以北京市海淀区为例进行案例分析,验证该文提出的优化模型具有经济性好、用户满意度高的优点。同时,改进的粒子群算法在计算过程中体现出了寻优速度快,适应性强的特点。     

考虑电动汽车充电站选址定容的配电网规划

针对电动汽车充电站选址定容的配电网规划问题,建立了以配电网投资及运行成本、电动汽车充电站投资及运行成本最小为优化目标的模型.采用带精英策略的改进树形结构编码单亲遗传算法ITSE-PGA(improved tree structure encoding partheno-genetic algorithm),在配电网规划的同时进行了电动汽车充电站位置和容量的优化.不同于用于传统的配电网规划的树形结构编码单亲遗传算法,该方法在含电动汽车充电站的优化过程中,配电网络不一定连通,所以要对不可行解做特殊处理.通过算例仿真,验证了该方法的可行性和有效性.     

含光伏分布式电源配电网的电动汽车充电站机会约束规划

针对我国某些主要地区的光伏分布式电源与电动汽车充电站的联合利用问题,提出了电动汽车充电站在含光伏分布式电源的配电网中的联合选址规划问题。针对光伏电源出力与充电站负荷的随机性分布,引入机会约束原则,对充电站选址规划的目标函数与约束条件基于置信区间进行相应处理。引入两层级中心选址模型,建立了考虑投资成本、系统有功损耗、交通网络评估指标的多目标函数,在约束条件下选用组合优化问题性能上表现优异的蝙蝠算法对充电站选址模型进行全局寻优,得到优化问题的最优解。通过对IEEE 33节点算例进行仿真计算,体现该理论良好的寻优性能,从而验证其应用在含随机出力光伏分布式电源配电网电动汽车充电站选址规划领域的合理性与有效性。     

基于改进免疫克隆选择算法的电动汽车充电站选址定容方法

随着电动汽车渗透率的提高,充电基础设施规划应更加科学、合理,提出一种基于改进免疫克隆选择算法的电动汽车充电站选址定容方法。首先,分析充电站的容量、位置和服务范围之间的关系,以充电站的覆盖率和重合度、规划区域内的功率以及充电站的充电功率为约束条件,建立以充电站年总成本最小为目标的充电站选址定容模型。然后,提出一种抗体间亲和力的计算方法以及多项式变异对免疫克隆选择算法进行改进,使其更适用于电动汽车充电站选址定容模型的寻优迭代求解。最后,利用MATLAB进行算例分析,结果验证了模型和算法的有效性。     

计及电动汽车充电站接入的配电网网架规划优化研究

电动汽车充电站大规模的接入电网,将会对当地配电网造成显著影响。因此,对配电网进行科学合理的规划应当充分考虑电动汽车充电站的接入问题。首先,考虑电动汽车充电站的选址和规模,从成本最小化的角度出发,建立配电网网架规划的目标函数。其中成本最小化要计及配电网投资成本、充电站投资和运营成本及功率损耗成本。其次,提出了一种新的量子极限学习果蝇优化算法(QEFOA),以提高果蝇算法(FOA)的优化能力。最后,通过算例分析验证所提出的配电网规划方法以及QEFOA的有效性。结果表明,所提出的配电网规划方法能够有效降低规划成本;同时与FOA等传统算法相比,QEFOA的收敛速度更快,搜索能力更强。     

基于改进云自适应粒子群的多DG配电网EV充电站优化配置

考虑到分布式电源(distributed generator,DG)并入配电网的未来前景,提出了电动汽车(electric vehicle,EV)充电站的模糊服务半径新概念,建立了一种计及环境代价、交通流量、电能质量和建设成本等综合因素的EV充电站选址定容的新模型,在满足多目标约束条件下求取年均利润最优。提出了一种改进的云自适应粒子群算法(ICAPSO),使其更适用于大数据EV充电站优化模型的寻优迭代求解。将多个DG并入IEEE123节点配电网拓扑,用MATLAB仿真进行了算法对比,验证了所提优化模型和算法在多DG并网情景下的可行性和有效性,且算法具有较好的全局寻优能力和防早熟收敛特性。     

区域电动汽车充电站规划的模型与算法

合理确定电动汽车充电站的规模及位置,建立了一种电动汽车充电站选址定容的最优费用模型.模型以居民负荷的分布情况模拟电动汽车的数量,用层次分析法给出候选站址的权系数,在候选站址与变电站的距离、电动汽车充电站的安装费用、电动汽车数量等条件的约束下,目标函数还加入了充电站的运行费用、网损费用和充电站配电变压器的投资.模型中电动汽车充电电价采用实时电价.为验证模型的有效性,采用粒子群算法对一假设算例进行优化求解,结果表明该模型具有一定的可行性.