[发明专利]基于改进的自适应遗传算法的充电站规划方法

说明书

本发明公开了基于改进的自适应遗传算法的充电站规划方法。首先，确定充电站规划模型的目标函数、定容模型以及约束条件；然后，采用改进的自适应遗传算法求解充电站规划模型，得到规划结果。本发明提出了更适合求解充电站规划问题的改进的自适应遗传算法，该算法能够有效缩小搜索空间，提高搜索效率和搜索精度。

技术领域

本发明属于电动汽车充电技术领域，特别涉及了基于改进的自适应遗传算法的充电站规划方法。

背景技术

交通领域是主要的温室气体排放源和能源消耗源。在美国，30％的二氧化碳排放来源于交通领域，三分之一的能源消耗于交通领域。随着能源短缺和环境污染问题的日益凸显，电动汽车凭借其零尾气排放、低噪声污染等良好的环保效益和社会效益得到了全世界广泛的关注。目前，多个国家都制定了相关政策以激励电动汽车的研究和推广，法国、荷兰、德国等国家都已提出停止销售燃油车计划。然而，当前电动汽车渗透率仍处于较低水平，较低的续驶里程与充电基础设施建设的不足是影响电动汽车推广的主要因素。调查显示，大多数用户希望车辆续驶里程能够达到300英里，而当前电动汽车续驶里程仅为100英里左右。考虑到在短期内难以提高电动汽车续驶里程，为弥补电动汽车续驶里程的不足，缓解用户里程焦虑，进一步推广电动汽车，快速充电站的广泛建设与合理规划显得尤为重要。

相关充电站规划的研究中多采用智能算法求解，然而智能算法并不完全适合充电站规划问题的求解，优化性能有提升空间。为避免充电站分布过于接近，有研究提出了旋转分区法对云自适应粒子群算法进行改进，以提高算法的速度和效率，但是，该算法仅考虑了充电站空间上的分布，未考虑EV充电需求的分布：在EV充电需求分布不均匀的规划区域采用旋转分区法将难以搜索到最优解。此外，该算法基于规划区域地理中心分区，不适用于规划区域狭长等不规则的情况，在充电站规划数量较多时，根据地理中心分区严格均匀分区也将增大计算误差丢失最优解。

发明内容

为了解决上述背景技术提出的技术问题，本发明提出了基于改进的自适应遗传算法的充电站规划方法。

为了实现上述技术目的，本发明的技术方案为：

基于改进的自适应遗传算法的充电站规划方法，包括以下步骤：

(1)确定充电站规划模型的目标函数、定容模型以及约束条件，记目标函数为C；

(2)采用改进的自适应遗传算法求解步骤(1)建立的充电站规划模型，得到规划结果，其具体过程如下：

(201)对规划区域采用权重分区法划分区域；

(202)基于权重分区情况生成初始种群；采用二进制编码方法对每个可能解进行编码，将若干可能解编码成为若干个染色体形成种群，取1则所映射的候选站被选中，取0则所映射的候选站未被选中；染色体长度即为候选充电站数量；种群编码需满足每个分区内至少规划一座充电站，而整个规划区域内充电站数量恒定；

(203)计算适应度函数：

上式中，f为适应度函数，C_max表示目标函数C的最大估计值；

(204)判断迭代是否结束，若达到迭代终止条件，则跳转至步骤(207)，否则进入步骤(205)；

(205)任意选取两个染色体，计算交叉概率，若交叉则采用基于权重分区的交叉方法对这两个染色体执行交叉操作，否则不执行交叉操作，不放回继续选取两个染色体判断是否执行交叉操作，直至遍历所有染色体；

(206)任意选取一个染色体，计算变异概率，若变异则采用基于权重分区的变异方法对该染色体执行变异操作，否则不执行变异操作，不放回继续判断下一个染色体时都执行变异操作，直至遍历所有染色体；