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.     

（12期拿下）基于权重自适应调整的混沌量子粒子群算法的城市电动汽车充电站优化布局

针对城市电动汽车充电站的定容和选址的问题,从实际情况出发,建立将土地价格、建设成本、运行成本、交通流量、服务距离、服务能力考虑在内的数学模型,该模型以年均综合费用最小为目标,以充电能力,充电距离为约束条件。采用权重自适应调整的混沌量子粒子群算法对北方的某市某区进行规划,该算法在迭代过程中会根据粒子不同的适应值,对惯性权重做出相应的调整,从而调整对粒子的搜索能力。利用混沌算子的遍历性,使得该算法具有很好的收敛速度和精度。利用该算法对所建立的数学模型进行求解,经过进一步的筛选,确定了该地区充电站的建址坐标、容量和费用。     

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。     

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。     

基于遗传算法的电动汽车充电站的布局规划

阐述了电动汽车充电站选址的模型,应用区域交通流量守恒定理,将小区内的电动汽车总量视为充电站的负荷点,在此基础上做出电动汽车的总量和分布预测,提出了充电站的年最小费用模型,并运用遗传算法对实例进行求解.结果表明,基于遗传算法的电动汽车充电站的布局划具有简单实用、全局最优、适应性强、经济性好等优点.     

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。     

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。     

基于量子粒子群算法的微电网优化调度

在微电网运行中,优化调度尤为重要。针对多种分布式电源(DG)的微电网,提出一种分优先等级的发电控制策略,采用量子粒子群算法对微电网经济运行优化求解。在并网条件下对微电网在一天24 h内进行运行仿真,仿真结果表明,采用的方法与策略是有效的。     

基于改进量子粒子群算法的配电网络优化重构

为了更好地利用分布式电源(DG),需要调整配电网开关状态优化网络结构。基于此,旨在利用一种智能算法对含DG的配电网进行优化重构。以网损最小为目标函数,建立配电网重构模型,并给出重构需要满足的约束条件;按照DG接入配电网的接口类型将其分为PQ型、PV型、PI型和PQ(V)型四种类型,选择前推回代法对含DG的配电网进行潮流计算;通过分析二进制粒子群算法(BPSO)与量子粒子群算法(QPSO),提出了一种改进的量子粒子群算法—加权的二进制量子粒子群算法(WBQPSO)。以IEEE33节点配电系统为例,采用二进制编码方式,通过仿真结果可以发现WBQPSO通过对粒子的平均最好位置加权处理,改善种群多样性,提高收敛速度,可以得到更好的网络重构的优化结果。     

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。     

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。     

基于自适应量子遗传算法的电动出租车充电站规划

电动出租车充电基础设施的科学布局与建设对于电动出租车的推广具有重要的意义。考虑到对于以收益最大为目的的电动出租车驾驶员而言,时间价值具有重要的意义,以充电站建设及运行维护年费用、出租车前往充电站耗时年成本、充电等待时间年成本及配电网网络损耗年费用构建全社会年总成本目标函数,以配电网安全运行为充电站布局规划的约束条件建立模型。在量子遗传算法中引入自适应调整策略,并与Voronoi图法相结合对模型进行求解,基于Voronoi图划分的充电站服务范围,采用排队论的M/G/c对充电站容量进行优化配置,从而实现电动出租车充电站的选址定容。最后,以36节点的路网和33节点的配电网络为例说明了模型和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。     

基于PSO算法的电动汽车有序充放电优化

研究提出了一种对电网需求侧负荷变化进行建模和控制的方法,考虑了电动汽车开始充电时间,充电时长和初始充电状态(SOC)的随机性,建立了接近现实世界住宅配电网中电动汽车充放电的随机模型,提出了基于粒子群优化算法的智能充电和车对网(V2G)策略。该控制策略主要用于提高电能质量和平滑电网负荷需求。然后,在不同的电动汽车渗透水平下对三种不同的充电形式进行模拟:无序充电、无V2G有序充电和有V2G有序充电。仿真结果表明:无序充电会严重增加峰值负荷,造成较大的电压偏移。而提出的有序充电方法可以有效降低电压偏差,平滑负载需求曲线。同时,当在所提出的有序充电中考虑V2G时,在较低的PHEV渗透水平下,峰值负荷将减小,并且电压偏移也将减小,随着PHEV渗透水平的提高,V2G的优势将越来越大。     

基于粗糙集的电动汽车充电站规划综合评价

随着电动汽车的规模化推广,形成了电动汽车充电站的不同规划方案,如何综合评价这些规划方案的合理性对充电站的建设至关重要。本文建立电动汽车充电站选址规划两级多指标综合评价模型,通过对一级和二级指标分别利用粗糙集理论与遗传算法结合的属性约简方法,去除冗余指标,确定各指标权重,将无量纲化的指标值与权重进行合理分配,以此更加准确、严密的确定可行的选址规划方案。实例证明本文提出的综合评价方法具有全面性和可行性。