技术特征：
1.一种电动汽车充电站规划方法，其特征在于，包括：获取目标区域的配电网网架拓扑数据、总负荷数据以及日充电时序负荷数据，其中，所述日充电时序负荷数据是根据所述目标区域在不同时间段里的电动汽车出行数据以及电动汽车充电数据统计得到的；获取基于预设的充电站规划收益最大化目标函数、充电站规划约束条件、以及充电站规划方案训练样本构建的充电站规划模型，其中，所述充电站规划模型为集成学习模型，包括：一个上层优化器与多个包含不同智能算法的子优化器，且所述上层优化器与所述子优化器均包含有所述充电站规划收益最大化目标函数以及所述充电站规划约束条件；根据所述配电网网架拓扑数据、所述总负荷数据以及所述日充电时序负荷信息，结合充电站规划方案信息，通过所述充电站规划模型进行求解，确定规划收益最大的目标充电站规划方案，其中，所述充电站规划方案信息具体包括：充电站候选位置信息以及充电站容量信息。2.根据权利要求1所述的一种电动汽车充电站规划方法，其特征在于，所述日充电时序负荷数据的获取过程具体包括：根据所述目标区域在不同时间段里的电动汽车出行数据以及电动汽车充电数据，通过蒙特卡洛随机模拟算法与概率统计计算方式进行模拟运算，得到日充电时序负荷曲线。3.根据权利要求1所述的一种电动汽车充电站规划方法，其特征在于，所述充电站规划收益最大化目标函数具体为：max:c＝c1+c
2-c
3-c
4-c
55555
式中，c1为电动汽车充电站的年售电收益；c2为co2减排的等效收益；c3为电动汽车充电站的建设投资成本；c4为每年的电动汽车充电站的运行检修成本；c5为网损成本，d为天数；m为电动汽车充电站的节点数；p
j,t
为t时刻第j个充电站的充电负荷；c6为电动汽车的充电电价；c7为上网电价，w为电动汽车行驶一百公里的耗电量；r1为电动汽车行驶一百公里的二氧化碳排放量；r2为燃油汽车行驶一百公里的二氧化碳排放量；γ为碳排放折算成经济的交易价格，c
g
为单个电动汽车充电站的固定投资成本；h为贴现率；s为电动汽车充电站的使用
年限；p
j,ev
为第j个节点充电站的额定容量；c
ev
为单位容量电动汽车充电站的投资建设成本，cy,ev为电动汽车充电站单位容量的运行维护成本，p为电价；l为支路数；i
l
为t时刻第l条支路电流的大小；r
l
为第l条支路对应的电阻。4.根据权利要求1所述的一种电动汽车充电站规划方法，其特征在于，所述充电站规划约束条件具体包括：节点功率平衡约束、充电站安装容量约束、支路功率约束、节点电压功率约束以及充电站容量需求约束。5.根据权利要求1所述的一种电动汽车充电站规划方法，其特征在于，各个所述子优化器种包含的算法分别为：模拟退火算法、细菌觅食算法、灰狼优化算法和粒子群算法。6.一种电动汽车充电站规划装置，其特征在于，包括：数据获取单元，用于获取目标区域的配电网网架拓扑数据、总负荷数据以及日充电时序负荷数据，其中，所述日充电时序负荷数据是根据所述目标区域在不同时间段里的电动汽车出行数据以及电动汽车充电数据统计得到的；充电站规划模型获取单元，用于获取基于预设的充电站规划收益最大化目标函数、充电站规划约束条件、以及充电站规划方案训练样本构建的充电站规划模型，其中，所述充电站规划模型为集成学习模型，包括：一个上层优化器与多个包含不同智能算法的子优化器，且所述上层优化器与所述子优化器均包含有所述充电站规划收益最大化目标函数以及所述充电站规划约束条件；目标方案确定单元，用于根据所述配电网网架拓扑数据、所述总负荷数据以及所述日充电时序负荷信息，结合充电站规划方案信息，通过所述充电站规划模型进行求解，确定规划收益最大的目标充电站规划方案，其中，所述充电站规划方案信息具体包括：充电站候选位置信息以及充电站容量信息。7.根据权利要求6所述的一种电动汽车充电站规划装置，其特征在于，所述日充电时序负荷数据的获取过程具体包括：根据所述目标区域在不同时间段里的电动汽车出行数据以及电动汽车充电数据，通过蒙特卡洛随机模拟算法与概率统计计算方式进行模拟运算，得到日充电时序负荷曲线。8.根据权利要求6所述的一种电动汽车充电站规划装置，其特征在于，所述充电站规划收益最大化目标函数具体为：max:c＝c1+c
2-c
3-c
4-c
5555
式中，c1为电动汽车充电站的年售电收益；c2为co2减排的等效收益；c3为电动汽车充电站的建设投资成本；c4为每年的电动汽车充电站的运行检修成本；c5为网损成本，d为天数；m为电动汽车充电站的节点数；p
j,t
为t时刻第j个充电站的充电负荷；c6为电动汽车的充电电价；c7为上网电价，w为电动汽车行驶一百公里的耗电量；r1为电动汽车行驶一百公里的二氧化碳排放量；r2为燃油汽车行驶一百公里的二氧化碳排放量；γ为碳排放折算成经济的交易价格，c
g
为单个电动汽车充电站的固定投资成本；h为贴现率；s为电动汽车充电站的使用年限；p
j,ev
为第j个节点充电站的额定容量；c
ev
为单位容量电动汽车充电站的投资建设成本，cy,ev为电动汽车充电站单位容量的运行维护成本，p为电价；l为支路数；i
l
为t时刻第l条支路电流的大小；r
l
为第l条支路对应的电阻。9.根据权利要求6所述的一种电动汽车充电站规划装置，其特征在于，所述充电站规划约束条件具体包括：节点功率平衡约束、充电站安装容量约束、支路功率约束、节点电压功率约束以及充电站容量需求约束。10.根据权利要求6所述的一种电动汽车充电站规划装置，其特征在于，各个所述子优化器种包含的算法分别为：模拟退火算法、细菌觅食算法、灰狼优化算法和粒子群算法。
技术总结
本申请公开了一种电动汽车充电站规划方法及装置，本申请利用集成学习算法构建的充电站规划模型，通过集成学习架构中的子优化器集成多种智能算法，并分别应用到电动汽车充电站规划，并通过上层优化器将各个子优化器中的不同的智能算法的特点进行结合，在面对充电站的非线性与多目标以及大电网的复杂性具有更强的适应性，解决了现有技术面对充电站的非线性与多目标以及大电网的复杂性，容易出现收敛性差的情况，并陷入局部收敛状态，导致的电动汽车充电站规划准确性不稳定的技术问题。车充电站规划准确性不稳定的技术问题。车充电站规划准确性不稳定的技术问题。
技术研发人员：唐建林 钱斌 肖勇 王浩林 林晓明 罗鸿轩 王吉
受保护的技术使用者：中国南方电网有限责任公司
技术研发日：2021.12.13
技术公布日：2022/3/11