一种新能源汽车换电站选址定容方法及系统

文档序号:36258808发布日期:2023-12-05 11:55阅读:28来源:国知局
一种新能源汽车换电站选址定容方法及系统

本发明属于换电站规划,具体涉及一种新能源汽车换电站选址定容方法及系统。


背景技术:

1、随着新能源汽车的发展,新能源汽车的一次性购车成本高、相较于传统燃油车单次充电时间过长且满电续航里程有限等不足愈发明显。国网有限公司提出“车电分离,换电为主,插充为辅,集中换电,统一配送”的新能源汽车充换电策略越来越受到广泛的关注。国内的换电站基础设施建设还处于发展阶段,相关问题的理论研究还没有特别深入,在换电站布局规划中,需要兼顾经营者与用户的利益同时,保证换电站建设位置的合理与实用。

2、现有技术中,中国专利公开号:cn115471007a,提供了一种考虑综合成本的充电站选址定容方法、装置、设备及介质。该专利包括:获取充电站的待选址集合;根据规划区域内用户的总充电需求,确定充电站的总容量;以总成本最小为目标函数建立选址定容优化模型;以满足所述充电站的总容量,以及约束条件为基础,采用改进粒子群算法迭代求解所述选址定容优化模型,得到最优的选址定容方案。将用户的绕行距离、排队时间和建站成本以及里程焦虑程度综合考虑得出考虑用户和充电站建设综合成本的充电站配置最佳的方法,提升了用户的充电体验感。该专利对于建设成本考虑不充分,且采用改进的粒子群优化算法对模型进行求解,可能面临陷入局部最优点、迭代后期收敛速度慢问题,会导致充电站布局规划不合理,使得部分电动汽车用户的充电需求无法得到满足,充电站和换电站均为满足电动汽车的能源需求。因此,需要一种综合考虑各方利益且快速跳出局部最优区域的汽车换电站选址定容方法。


技术实现思路

1、基于上述技术问题,本发明提供一种新能源汽车换电站选址定容方法及系统,考虑规划区域内土地价格、运维成本等因素,兼顾双方利益的同时,以道路流量和服务距离为约束条件建立换电站选址定容模型;采用改进的量子粒子群对模型进行求解,确定换电站最佳建设位置。

2、本发明提供一种新能源汽车换电站选址定容方法,所述方法包括:

3、步骤s1:以总成本最小为目标函数,构建换电站选址定容模型;所述总成本包括用户总成本、建设总成本和运维总成本;

4、步骤s2:根据所述换电站选址定容模型设置约束条件;

5、步骤s3:根据规划区域内用户的换电需求,确定所述规划区域内同时最大换电数量和换电站数量;

6、步骤s4:根据所述同时最大换电数量和所述换电站数量,采用改进的量子粒子群算法求解所述换电站选址定容模型,得到选址定容最优方案。

7、可选地,所述以总成本最小为目标函数,构建换电站选址定容模型,具体包括:

8、min f=c1+c2+c3         (1)

9、式(1)中,f为总成本,c1为建设总成本,c2为运维总成本,c3为行驶到最近换电站距离折算为用户总成本。

10、可选地,所述c1,c2,c3,具体包括:

11、

12、式(2)中,r为投资回报率,n为换电站目标运营年限,al为换电站建设占地面积,cl为换电站建设占地单价,ar为换电机个数,cr为换电机单价,ac为电池充电仓个数,cc为电池充电仓单价,co为换电站运营的辅助设备的固定投资;

13、c2=(α+β)γpnc         (3)

14、式(3)中,α为电池充电损耗率,β为换电站运行成本系数,γp为每年每辆车平均所需换电费用,nc为所有进行换电的新能源汽车数量;

15、

16、式(4)中,ζ为直线行驶距离折算为曲线距离再折算为用户成本系数,i为道路编号,j为换电站编号,dij为道路i到换电站j的距离;

17、

18、式(5)中,nc为所有进行换电的新能源汽车数量,ti为道路i上的交通流量,为换电汽车保有率,为平均每台换电汽车产生的交通流量。

19、可选地,所述根据所述换电站选址定容模型设置约束条件,具体包括:

20、约束条件一表示为:

21、

22、式(6)中,δmax为同时最大换电率,ni为附近换电设备个数,上式表示换电站的服务能力要大于所有新能源汽车同时进行换电的最大换电数量;

23、约束条件二表示为:

24、ru≤rd            (7)

25、式(7)中,ru为用户到换电站距离,rd为换电站服务半径,上式表示换电站的服务半径要大于换电的新能源汽车到换电站的距离;

26、约束条件三表示为:

27、rd≤d≤2rd           (8)

28、式(8)中,d为两相邻换电站的直线距离,上式表示相邻换电站之间的距离在换电站服务半径到换电站服务直径之间。

29、可选地,所述根据所述同时最大换电数量和所述换电站数量,采用改进的量子粒子群算法求解所述换电站选址定容模型,得到选址定容最优方案,具体包括:

30、步骤s41:根据所述同时最大换电数量和所述换电站数量,计算出满足所述约束条件的换电站位置,设定迭代次数、种群数量及终止条件;

31、步骤s42:对种群进行初始化,利用混沌映射进行种群优化;计算粒子个体最优值和种群最优值;利用levy飞行策略优化后的运动方程更新粒子位置与速度;

32、步骤s43:计算目标函数的适应度值;判断适应度值是否改善,如果改善,则更新粒子的个体最优值与种群最优值;如果未改善,则利用柯西变异分布对种群最优值进行优化,更新粒子的个体最优值与种群最优值;

33、步骤s44:判断是否满足收敛条件,如果满足收敛条件,则输出种群最优值代表的方案为选址定容最优方案;如果未满足收敛条件,则调整惯性权重并返回步骤s43,重新进行计算直到满足收敛条件。

34、可选地,所述调整惯性权重,具体包括:

35、当fi优于f`average时,则赋予粒子小权重,具体公式为:

36、

37、式中,ω为惯性权重调整后的值,ωmax为ω的最大值,ωmin为ω的最小值,fi为第i个粒子的适应度值,f`average为超出种群平均适应度值的所有粒子的平均适应度值,fgbest为全局最佳适应度值;

38、当fi优于faverage而次于f`average时,则赋予粒子大权重,具体公式为:

39、

40、式中,ω为惯性权重调整后的值,ωmax为ω的最大值,ωmin为ω的最小值,iter为当前迭代次数,itermax为最大迭代次数;

41、当fi次于faverage时,需要引入参数r1和r2,具体公式为:

42、

43、式中,ω为惯性权重调整后的值,r1和r2为参数,ε为faverage-f`average。

44、本发明还提供一种新能源汽车换电站选址定容系统,所述系统包括:

45、选址定容模型构建模块,用于以总成本最小为目标函数,构建换电站选址定容模型;所述总成本包括用户总成本、建设总成本和运维总成本;

46、约束条件设置模块,用于根据所述换电站选址定容模型设置约束条件;

47、换电数量确定模块,用于根据规划区域内用户的换电需求,确定所述规划区域内同时最大换电数量和换电站数量;

48、粒子群优化模块,用于根据所述同时最大换电数量和所述换电站数量,采用改进的量子粒子群算法求解所述换电站选址定容模型,得到选址定容最优方案。

49、可选地,所述选址定容模型构建模块,具体包括:

50、min f=c1+c2+c3        (1)

51、式(1)中,f为总成本,c1为建设总成本,c2为运维总成本,c3为行驶到最近换电站距离折算为用户总成本。

52、可选地,所述粒子群优化模块,具体包括:

53、初始条件设定子模块,用于根据所述同时最大换电数量和所述换电站数量,计算出满足所述约束条件的换电站位置,设定迭代次数、种群数量及终止条件;

54、粒子更新子模块,用于对种群进行初始化,利用混沌映射进行种群优化;计算粒子个体最优值和种群最优值;利用levy飞行策略优化后的运动方程更新粒子位置与速度;

55、适应度值判断子模块,用于计算目标函数的适应度值;判断适应度值是否改善,如果改善,则更新粒子的个体最优值与种群最优值;如果未改善,则利用柯西变异分布对种群最优值进行优化,更新粒子的个体最优值与种群最优值;

56、收敛条件判断子模块,用于判断是否满足收敛条件,如果满足收敛条件,则输出种群最优值代表的方案为选址定容最优方案;如果未满足收敛条件,则调整惯性权重并返回适应度值判断子模块,重新进行计算直到满足收敛条件。

57、可选地,所述收敛条件判断子模块中调整惯性权重,具体包括:

58、当fi优于f`average时,则赋予粒子小权重,具体公式为:

59、

60、式中,ω为惯性权重调整后的值,ωmax为ω的最大值,ωmin为ω的最小值,fi为第i个粒子的适应度值,f`average为超出种群平均适应度值的所有粒子的平均适应度值,fgbest为全局最佳适应度值;

61、当fi优于faverage而次于f`average时,则赋予粒子大权重,具体公式为:

62、

63、式中,ω为惯性权重调整后的值,ωmax为ω的最大值,ωmin为ω的最小值,iter为当前迭代次数,itermax为最大迭代次数;

64、当fi次于faverage时,需要引入参数r1和r2,具体公式为:

65、

66、式中,ω为惯性权重调整后的值,r1和r2为参数,ε为faverage-f`average。

67、本发明与现有技术相比,具有以下有益效果:

68、本发明拟依据现阶段国内现状以及新能源基建发展相关政策,考虑规划区域内土地价格、运维成本等因素,兼顾双方利益的同时,以道路流量和服务距离为约束条件建立换电站选址定容模型。采用改进的量子粒子群算法对模型进行求解,该算法使用混沌映射初始化粒子种群,提高种群的多样性;在迭代过程中通过动态调整的自适应权重,加强粒子的搜索能力,同时采用levy飞行策略与柯西变异分布,提升粒子的搜索空间并进一步提升种群的多样性;最后通过对输出结果按照约束条件进行筛选,以确定换电站建设位置及容量。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1