基于量子粒子群优化算法的城市电动汽车充电站优化布局

针对如何确定电动汽车充电站位置及规模的问题,建立考虑地理信息、建设成本和运行成本的综合优化目标函数。此目标函数以土地成本、配电变压器的投资等建设成本及包含供电损耗的运行费用为基础,以交通流量为约束条件,比较科学、全面地反映电动汽车充电站选址、定容问题的实质。电动汽车充电站选址定容问题是非凸、非线性、组合优化问题。在确定目标函数的基础上,提出用量子粒子群优化算法对此问题进行求解。此算法采用了量子理论中的叠加态特性和概率表达特性,潜在地增加了种群的多样性和全局寻优能力及寻优效率。运用此算法和构建的优化模型,对某区域的电动汽车充电站进行规划,通过对比分析,表明该方法可行、有效。     

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.     

基于自适应混沌粒子群算法的分布式电源优化

目前我国是以＂大机组、大电网、高电压＂为主要特征的单一供电系统,这种集中发电、远距离传输、大电网互联的方式虽然有效减少了系统的备用容量以及加强了各网络间的同步,但很难快速追踪远距离的末端负荷变化,负荷峰谷差增大将导致电荒出现,线路距离太远也加大了系统的网损。基于此,本文考虑在配电网中合理接入分布式电源进行优化,为了确定接入位置和容量,本文以分布式电源安装年费用、配电网年有功损耗及分布式电源环境效益为多目标函数;为了避免粒子群算法（PSO）容易陷入局部最优,文中采用计算速度快、收敛可靠的自适应混沌算法（ACPSO）进行计算,设计了基本计算流程;最后采用IEEE14节点系统进行算例分析,接入分布式电源后配电网网损有效降低,且能减少配电网运行总费用,同时证明ACPSO算法在解决分布式电源优化问题上具有一定优越性。     

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。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收 敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题.该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力.通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快.     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题。该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力。通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。     

基于粒子群遗传算法的电动汽车充电站的布局规划

电动汽车充电站属于电动汽车重要的配套设施,充电站的布局规划对电动汽车的推广有重要意义。提出了区域内车辆流量守恒原理,将区域内的电动汽车数量视为恒定,对电动汽车的总量以及分布进行预测。提出了电动汽车充电站的年最小年综合费用模型,以某城市小区为例,采用粒子群遗传算法对模型进行求解。计算结果表明,基于粒子群遗传算法的电动汽车充电站的布局划具有全局最优、适应性强、经济性好、简单实用等优点。     

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.     

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。     

基于引入模拟退火思想的改进粒子群算法的电动汽车充电站最优规划*

未来电动汽车的大规模发展,需要建设大量的充电站,充电站的合理布局对充电站投资者和用户具有非常重要的意义。文中提出了一种计及交通道路结构、车流信息及用户成本的电动汽车充电站最优规划模型。采用加权Voronoi图对待规划区进行服务区域划分,对传统粒子群算法引入模拟退火思想,并且对惯性权重更新机制做出改进。使用加权Voronoi图和引入模拟退火思想的改进粒子群算法相结合优化充电站的建设位置和容量配置。算例分析验证了规划模型和算法的正确性和实用性。     

电动汽车公共充电站布局的最优规划

电动汽车未来大规模发展需要众多公共充电站服务,公共充电站应根据电动汽车分布进行合理布局。给出电动汽车分布的预测方法,采用基于排队论的充电机配置方法,提出公共充电站布局最优规划的数学模型。采用与充电站布局有相似数学特点的Voronoi图划分充电站服务区域,服务区内电动汽车考虑快充随机性,采用排队论M/M/s模型,以电动汽车排队等候时间为标准确定充电站规模。为解决Voronoi图全局寻优的困难,与具备全局随机寻优能力的改进粒子群优化算法结合,提出了最优规划的联合求解流程。算例分析验证了规划方法和算法的有效性和实用性。     

基于计算几何方法的电动汽车充电站规划

综合分析了影响电动汽车充电站规划的若干因素,建立了电动汽车充电站规划的最大收益模型。根据电动汽车充电特性和出行特征,计算电动汽车充电功率需求期望值,从而得出规划区充电站的容量需求。根据电动汽车的分布特点,通过调节加权伏罗诺伊图的权重,使得服务区域划分更合理,同时保持各充电站负载率的均衡。利用粒子群优化算法的全局寻优能力,结合加权伏罗诺伊图,对充电站进行选址定容和服务区域划分的优化规划。算例分别针对不同电动汽车数量和不同分布方式的情况进行计算,结果验证了所述模型和方法的有效性和可行性。     

考虑交通网络流量的电动汽车充电站规划

充电站的合理选址和定容对电动汽车的规模化应用具有重要意义.考虑到充电站具有城市交通公共服务设施以及普通用电设施的双重属性,以俘获的交通流量最大、配电系统网络损耗最小以及节点电压偏移最小为目标,建立了充电站最优规划的一个多目标决策模型.首先,采用超效率数据包络分析评价方法,确定归一化后各个目标函数合理的权重系数,把多目标优化问题转换成单目标优化问题.之后,采用改进的二进制粒子群优化算法求解该单目标优化模型.最后,以33节点配电系统以及25节点交通网络为例,说明了所发展的模型和方法的基本特征.     

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。     

电动汽车充电站最优规划的两阶段方法

计及道路网络对电动汽车充电需求的影响,提出了充电站最优规划的两阶段方法。该方法的第一阶段基于电动汽车行驶特性,综合考虑电动汽车日剩余电量以及电动汽车动态运行状态和位置,采用随机模拟技术和最短路径法,获得道路网络上电动汽车充电需求在时间和空间上的分布;第二阶段以第一阶段获得的电动汽车充电需求为基础,以充电需求不可达率、不满足率和投资限额等为约束,充电站运行成本和投资成本综合最小为目标,建立充电站最优选址定容数学模型。针对该模型的复杂性,采用遗传算法求解混合整数非线性规划问题。通过对某区域的电动汽车充电站规划的模拟分析,表明了所提方法的有效性。     

基于LCC和量子遗传算法的电动汽车充电站优化规划

电动汽车充电站优化规划是电动汽车与智能电网灵活互动的重要研究内容之一。面向电动汽车充电站运营周期,详细分析了充电站的成本效益及全寿命周期成本（LCC）的计算方法;基于上述工作,提出利用交通路网车流量信息估算充电站容量,以充电站运营商获得的净现值收益最大为优选目标,以交通路网车流量、电网电能质量和经济性、用户充电需求为约束条件,确定充电站的选址和容量;进一步地,提出了计及LCC的充电站优化规划模型,并采用量子遗传算法求解该模型。算例仿真表明,优化规划模型及其求解方法有效。     

电动汽车充电站研究现状综述

介绍了国内及国外电动汽车充电站发展的现状及规划,讨论了电动汽车的充电方式及充电站的组成,并分析了制约电动汽车充电站发展的因素。     

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。