兼顾不同角色利益的集中型充电站优化布局

考虑到充电站投资主体和充电用户两种不同角色所追求的利益互异会影响充电站规划决策,发展了一种兼顾投资主体投资成本和充电用户满意度的集中型充电站双层优化布局模型。根据各类电动汽车(EVs)的行为特性建立了电动汽车充电功率需求模型。以企业投资成本和用户满意度分别作为双层规划模型的上层和下层目标函数,并考虑企业投资预算约束、电网约束、充电站容量约束和充电用户需求约束,综合反映了不同角色间的耦合决策作用。双层规划问题属于强NP-hard问题,采用量子遗传算法求解上层规划模型,采用粒子群算法求解下层规划模型,并输出最终充电站布局方案。结果表明,综合考虑投资成本和用户满意度的集中型充电站方案能合理兼顾投资主体和用户的各自利益,实现投资成本和用户满意度的有效折衷。     

基于Huff模型的电动汽车充电站选址定容方法

对于用户充电选择行为随机性的欠考虑,导致充电站服务范围划分和容量配置不合理的问题,提出了一种基于Huff模型的电动汽车充电站选址定容方法。综合考虑充电站规模、充电价格、用户充电成本对用户充电选择行为的影响,利用Huff模型分析用户对不同充电站的选择概率,并基于用户的选择概率确定充电站的服务范围和充电需求;综合考虑用户充电可达性、规划区域总功率、电动汽车充电功率,以充电站年总成本最小为目标,建立充电站的选址定容模型,并采用免疫克隆选择-变邻域搜索混合算法求解模型。MATLAB仿真结果表明所提选址定容方法能合理地划分服务范围,提高充电站规划的经济性。     

考虑多方需求的电动汽车充电站规划研究

随着电力市场逐渐开放,提高电动汽车充电站的市场竞争力可促进电动汽车长远健康发展,其中用户对于充电服务的满意度成为影响因素。因此,电动汽车充电站规划不仅要考虑投资方需求的投资收益性,还需考虑用户方对充电服务满意度的需求。从投资方、电网运营方与用户方3个方面分析其对电动汽车充电站规划建设的需求,并根据分析结果,建立了考虑多方需求的电动汽车充电站规划模型,该模型综合考虑了充电站投资收益性与用户满意度。采用粒子群(PSO)算法对所建模型进行求解,划分规划区域内充电站的服务范围采用Voronoi方法进行求解,通过仿真所得的结果分析得到了电动汽车充电站最优规划方案,验证了该方法的合理性与可行性。     

基于变权Voronoi图和混合粒子群算法的电动汽车充电站规划

针对城市电动汽车充电站规划布局及服务范围划分的问题,提出一种基于变权Voronoi图和混合离散粒子群算法的优化算法。为解决离散粒子群算法在达到最优解时容易发生变异的问题,改进了离散粒子群算法中的概率映射函数,提高算法迭代中后期的全局搜索能力;引入加权Voronoi图生成过程中可随充电站的服务能力和最大服务半径约束动态调整的变权重系数,使充电站服务范围的划分可控且更为合理;利用最短路径法求得用户充电行驶过程中的交通路径距离来取代传统的欧式距离,提高算法的准确性。运用改进后的混合离散粒子群-变权Voronoi图算法求解算例模型,通过算例结果验证了所提算法用于电动汽车充电站规划的有效性。     

考虑V2G模式的电动汽车充电站规划

考虑到V2G模式和电动汽车充电站规划之间的联系,在分时电价机制的基础上,分析了电动汽车用户的充放电行为,并建立了电动汽车充电站的充电收益、放电成本和固有成本模型,同时以电动汽车充电站年总收益最大为目标函数。针对充电站候选站址的选择问题提出了包含环境条件、社会条件和政策因素等在内的外在选择条件。同时在Voronoi图的基础上结合路网交通流量对电动汽车充电站的容量进行确定。通过离散二进制粒子群算法实现了考虑V2G模式的电动汽车充电站的规划。最后,算例分析验证了规划模型的合理性和有效性。     

考虑V2G模式的电动汽车充电站规划

考虑到V2G模式和电动汽车充电站规划之间的联系,在分时电价机制的基础上,分析了电动汽车用户的充放电行为,并建立了电动汽车充电站的充电收益、放电成本和固有成本模型,同时以电动汽车充电站年总收益最大为目标函数。针对充电站候选站址的选择问题提出了包含环境条件、社会条件和政策因素等在内的外在选择条件。同时在Voronoi图的基础上结合路网交通流量对电动汽车充电站的容量进行确定。通过离散二进制粒子群算法实现了考虑V2G模式的电动汽车充电站的规划。最后,算例分析验证了规划模型的合理性和有效性。     

考虑网络转移性能的城市快速充电网络规划

针对当前充电站规划布局研究未考虑电力系统和交通系统的深度交互以及用户在充电站之间的转移问题,提出了一种考虑网络转移性能的城市快速充电设施规划方法。首先,结合充电站的多重属性,分析了充电网络、用户出行特性、交通路网和配电网之间的耦合交互关系,并进一步基于复杂网络分析了用户的出行规律;其次,分别构建了考虑道路流量水平约束的充电网络模型和基于用户多样决策的站间转移行为模型;再次,以兼顾电动汽车充电站运营商、电动汽车用户以及配电网的全社会年成本建立充电站选址定容模型;在此基础上,采用基于小世界网络模型交互的粒子群优化算法进行求解,通过在粒子之间构建小世界网络拓扑结构实现信息的交互和传递,并根据粒子的多样性自适应调整粒子间的重连概率;最后,通过实际算例验证了所提规划模型和优化算法的有效性。     

含充电站及光伏电源的配电网协调规划

电动汽车与光伏电源对配电网规划与运行带来新的机遇与挑战。考虑二者同时接入的影响,提出一种含充电站及光伏电源的配电网协调规划模型与方法。本方法计及光伏电源、用户充电以及负荷波动的随机性,结合半不变量随机潮流计算方法,建立以充电站、光伏电源投资成本,电动汽车用户充电成本,线路投资成本,网络损耗成本和环境效益为目标函数,综合考虑投资经济性、用户充电便捷性、环保性以及电网运行限制的机会约束规划模型;然后,采用离散量子粒子群算法对模型进行求解。最后,以改进的IEEE33节点系统以及其模拟的交通路径系统为例,证明所提模型及算法的可行性及有效性。     

城区电动汽车充电站布局规划研究

电动汽车的大量推广必须以科学合理的充电设施规划为基础。提出一种城区电动汽车充电站布局规划方法。首先,在城区电动汽车快充需求分布预测基础上,以充电站内充电机数量、充电站与快充需求点间距离以及充电站间距离为约束,充电站社会年总成本最小为目标,建立兼顾充电站、电动汽车用户以及电网三方利益的充电站选址定容模型。然后,采用Voronoi图联合改进粒子群算法对模型进行求解。通过Voronoi图划分充电站服务区域,再利用改进粒子群算法进行全局寻优,得到规划区域内充电站选址定容最优方案。最后,以某城区为例进行仿真,验证了所提方法的有效性。     

基于已有充电站调整的电动汽车充电站选址研究

针对充电站选址决策中未考虑已有充电站调整对新建充电站选址的影响这一问题,提出一种基于已有充电站调整的电动汽车充电站选址模型。首先,引入中间变量构造分段非线性函数来描述已有充电站和新建充电站之间的关系;然后,以最小化充电站投资总成本和用户充电距离的综合偏离函数作为目标函数,构建基于已有充电站调整的电动汽车充电站选址模型;最后,通过仿真实验验证了本文所构建模型的有效性和合理性。仿真结果表明:在电动汽车充电站选址过程中考虑已有充电站的调整,可以有效降低规划成本和网损成本;已有充电站调整类型和新建充电站选择方案与规划者对充电距离和成本的偏好程度有关。     

电动汽车充电站最优规模和布局

为了合理确定电动汽车充电站的规模和布局,引入了电动汽车投资周期费用和用户便利性指标的概念,在此基础上,以投资商和用户费用最小为目标,确定充电站的规模和布局.该目标函数以高峰期的交通状况模拟电动汽车,以线路传输功率、无功补偿上下限、站内电池数量和服务半径为约束条件,以初期建设投资、网损费用和新建线路投资作为投资周期费用,以用户到电池充电站的行驶耗电费用衡量用户便利性,综合考虑了投资商成本、用户成本和电网运行限制.应用混沌粒子群算法优化充电站布局,利用混沌对初值的敏感性和混沌遍历性初始化种群;再通过逻辑自映射函数形成混沌序列和优化变量取值范围的对应关系.用某小区作为算例,通过与粒子群算法的对比,证明了该算法的有效性.     

计及全寿命周期成本的两阶段电动汽车充电网络规划模型

电动汽车产业推进依赖于其充电网络,设计了电动汽车充电网络的两阶段规划模型,模型第一阶段运用伏罗诺伊图,根据充电站数目以全体充电站服务半径之和最大对充电站进行选址。模型第二阶段基于全寿命周期成本理论,考虑规划过程中的不确定性因素,建立了计及用户便利度修正因子的充电网络定容模型。定容模型在第一阶段选址基础上,通过充电负荷转移效应确定充电负荷需求,以最小全寿命周期成本为目标,规划定容结果。最后,运用将莱维飞行与传统粒子群算法相结合的混合搜索算法对上述规划模型进行求解,通过规划实例验证了所提模型的有效性。     

考虑充电站需求特性的电动汽车充电站与配电网联合规划方法

提出一种考虑充电站需求特性的电动汽车充电站和配电网联合规划方法。考虑环境温度、用户行为、交通网拓扑结构等因素,建立电动汽车充电站需求模型。进一步提出考虑充电站需求特性的电动汽车充电站与配电网联合规划模型,该模型综合考虑交通网和配电网耦合关系,以充电站与配电网的投资成本、运行成本、用户充电时间损耗成本最小为优化目标,满足交通网与配电网运行安全约束,求解该模型得到电动汽车充电站位置和容量的最优配置及配电网线路改建方案。选取重庆某主城区交通网与配电网为算例,验证了所提方法的有效性。仿真结果表明联合规划策略在满足电动汽车用户充电需求的同时降低了综合成本。     

基于动态车流模拟的高速公路充电站多目标优化规划

针对当前电动汽车充电站优化规划中未能有效统一运营者与用户之间的综合效益,以及在时序车流对充电等待时间累计影响的分析上比较粗糙等问题,提出一种更为准确的高速公路充电站优化规划模型与方法。首先,构建了以电站投资运营者与汽车用户双方综合效益最大为目标的数学模型;其次,提出了高速公路中汽车行驶与充电选择的动态模拟方法;再次,利用混沌粒子群优化实现了求解流程与方法。算例分析表明了文中方法的有效性和实用性。     

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.     

基于动态交通仿真的高速公路电动汽车充电站规划

针对已有研究无法计及路网中车辆出行需求时空动态变化的问题,提出基于动态交通仿真的高速公路电动汽车充电站规划方法。首先,提出了基于路段传播模型LTM的高速公路动态交通仿真方法,实现交通流量时空分布的模拟和充电站电动汽车到达率的准确分析;其次,利用M/M/S排队论模型求取电动汽车的充电等待时间;再次,以最小化电动汽车日充电等待时间和最小化年建设运维成本为目标,考虑电动汽车充电需求、充电便捷性以及配电网容量等约束,建立了高路公路电动汽车充电站多目标规划模型,并基于多目标粒子群算法和VIKOR理论求解该模型得到最优规划方案;最后,通过环形高速路网验证了所提方法的实用性与有效性。     

考虑电动汽车充电站的分布式电源优化配置研究

分布式电源和电动汽车充电站在配电网中的接入方式对配电系统的运行有着重要的影响。本文基于负荷和分布式电源的时序特性,建立了考虑电动汽车充电站的分布式电源优化配置模型,并针对电动汽车充电需求及人们充电行为的规律性构建了充电站充电负荷的时序特性。以系统年综合费用、网络损耗费用、环境成本、负荷停电缺失成本及电压偏移最小为目标函数,利用前推回代潮流计算方法来判断所提出的规划方法是否满足网路潮流约束。最后采用改进的文化粒子群优化算法进行模型的求解,避免了基本粒子群算法容易"早熟"从而陷入局部最优解的缺点。算例结果验证了本文所提模型和算法的有效性和合理性。     

基于路网动态模型下EV路径模拟的快速充电站容量配置

随着快速充电技术的发展,快速充电方式获得越来越多电动出租车司机的青睐,因此需要科学规划快速充电站以满足日益增长的快速充电需求。为此,提出了一种基于交通路网动态模型下电动汽车(EV)路径模拟结果的快速充电站容量配置模型。针对交通路网的拥堵状况随时间变化的特性,建立了交通路网动态拥堵模型;提出了基于交通路网动态拥堵模型的EV路径模拟方法,在Dijkstra算法的基础上进行改进,以耗时最短为目标模拟EV的行驶路径;考虑电动出租车充电需求与乘客乘车需求之间的关系,提出了电动出租车充电需求判断方法,并将其与以耗时最短为目标的路径选择方法相结合,为电动出租车选择快速充电站;在满足配电网运行约束的前提下,以包括快速充电站收益和EV用户收益的综合效益最大为目标函数,建立快速充电站的容量配置模型,并采用粒子群优化算法进行求解。以某市路网为算例,模拟EV的行驶和充电行为,验证所提模型和方法的正确性与有效性。     

城市快速路口充电站多目标规划

电动汽车充电站作为服务于电动汽车用户的基础服务设施,其规划的合理与否将直接影响到电动汽车用户充电的便捷性,间接影响着电动汽车的推广应用。为此,提出一种在城市快速路口电动汽车充电站的多目标规划方法,首先对电动汽车充电行为进行分析,建立电动汽车充电模型;其次,综合考虑充电站的服务能力和建设的经济性,提出了充电站多目标规划模型;再次,利用NSGA-II多目标算法和优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS)排序方法,提出了模型求解流程;最后,通过算例验证所提方法的有效性和实用性。     

基于加权Voronoi 图和GA-PSO的电动汽车充电站最优规划

考虑到电动汽车的普及,对充电站的需求越来越大,合理规划充电站是保证快速发展电动汽车的一项重要举措。根据某地区现有电动汽车的保有量,考察电动汽车的集中充电所需最大负荷,结合市场充电站的固定建设成本、运维成本、用户充电途中的耗时成本以及电池配送成本,综合考虑上述几种主要成本因素,以总成本最小为目标函数,建立充电站的规划模型。将交叉操作引入到PSO算法中,加强了PSO算法后期的寻优能力,通过采用加权Voronoi图和GA-PSO算法对模型进行计算。结果表明,在结合了多种成本并考虑用户需求的情况下,能够使得规划方法达到最优。