[发明专利]一种基于遗传算法的充电站布局优化方法

说明书

本发明公开了一种基于遗传算法的充电站布局优化方法，包括地图匹配，将充电需求对应在路网图中；预测城市充电需求，确定充电热区；调整充电热区，确定充电站候选区域；确定充电站候选区域内的充电桩数量；利用遗传算法实现最优布局。本发明以遗传算法作为主体框架，结合历史数据对算法模型不断训练，使充电站分布与充电需求的分布一致，有利于形成满足城市充电需求的布局，从而推动电动汽车产业快速、健康、高效发展。

技术领域

本发明涉及电动汽车的充电站布局领域，具体涉及一种基于遗传算法的充电站布局优化方法。

背景技术

随着经济的发展，人们逐渐开始重视能源和环境问题。现有的汽车使用汽油于引擎内进行燃烧而产生行驶动力，并会直接排放大量废气，这是空气污染与温室效应的一大主凶，而电动汽车使用电能代替了原本的汽油，使用过程可以实现零排放并且具有较高的能源利用率，因此电动汽车的推广将是符合环保意识的趋势。因此，近年来，电动汽车作为一种替代当前基于化石燃料的运输设备得到了很大的发展。

然而充电站基础设施尚未完善，经常会给司机造成里程焦虑等问题。目前，我国一些城市已经开始了电动汽车充电基础设施建设，截至2015年初，北京市已建成200余座充换电站，6000余根充电桩，日均服务能力达到2万车次，形成了中心城区平均服务半径5公里的充电网络。但在充电设施布局与配置过程中，往往以经验为主，主观性和随意性较大，缺乏严谨的科学原理可以遵循。因此结合城市车辆的行驶特点和分布规律的大数据，设计合理的充电站布局方案显得尤为重要。

发明内容

本发明提供了一种基于遗传算法的充电站布局优化方法，包括：

(1)地图匹配，将充电需求对应在路网图中；

(2)预测城市充电需求，确定充电热区；

(3)调整充电热区，确定充电站候选区域；

(4)确定充电站候选区域内的充电桩数量；

(5)利用遗传算法实现最优布局。

上述步骤(1)将充电需求对应在路网图中，路网图为二维平面，充电需求由车辆产生，根据充电需求产生的地址将其对应到路网图中的点，该点称为需求点；

由于电动汽车具有充电时间长的特征，因此所述需求点可以从城市中车辆停留时间较长的位置产生，包括以下信息：充电需求产生的地址、充电需求产生的时间、预估的充电时长和车辆剩余行驶里程。

上述步骤(2)预测城市充电需求、确定充电热区是使用基于区域充电需求量的聚类算法实现的，具体步骤如下：

(2.1)数据清洗，由于会出现多个充电需求对应到同一需求点的情况，需要统计每个充电需求中预估的充电时长，之后计算每个需求点的平均预估的充电时长作为该需求点的需求分数，公式如下：

其中SC_p表示需求点p的需求分数，ST_i表示对应到需求点p的第i个充电需求中的预估充电时长，n表示历史记录中对应到该点的需求个数；

(2.2)删除需求分数过低的需求点，根据预先设置的阈值，删除需求分数低于阈值的需求点；

(2.3)使用K-means算法将需求点进行聚类，得到不同密度的簇，即充电热区，其代表着有一定充电需求的区域，但充电热区的大小和数量不一定合理，不适合直接在充电热区部署充电站，因此需要对充电热区作进一步调整。

上述步骤(2.3)中使用K-means算法将候选点进行聚类，聚类个数使用肘部法则来确定，将各个簇内的样本点到所在簇质心的距离平方和(SSE)作为性能度量，在簇数量与SSE之间寻求一个平衡点，具体步骤如下：

(2.3.1)指定一个i值，即可能的最大类簇数；