[发明专利]一种基于灰狼算法的电动汽车充电站布点规划方案

权利要求书

1.一种基于灰狼算法的电动汽车充电站布点规划方法，其特征在于，

步骤1：采集电动汽车充电站接入后的配电网数据，其中包括电动汽车充电站接入容量大小，各节点负荷量、支路阻抗水平以及电源水平，用于概率潮流的计算；

步骤2：初始化电动汽车充电站在路-电耦合网络中的接入节点，采用灰狼算法，根据约束条件对各个狼群的位置进行初始化，即M个电动汽车充电站在路-电耦合网络中的初始位置；

步骤3：进行概率潮流的计算，并根据计算的结果提取所需要的数据，具体是：

对配电网的潮流数据进行提取，实际的潮流是在动态变化的，但是将时间缩小到一定值时，按照牛顿-莱布尼兹公式所描绘的，此时的潮流数据近似看作是一个确定性的潮流；以设定时间为间隔，将电动汽车充电站的充放电时间段进行分段，定义在设定时间之内，潮流数据不变；此时对配电网的动态数据进行提取；按照分段的结果，每一段设定时间都会对应一组潮流数据，采集N组潮流数据，对所有的数据进行整合取均值，得到一组考虑负荷波动的潮流数据，该方法基于取均值的理念，所求得的潮流数据对实际的潮流波动具有一定的代表性，通过MATLAB求得的潮流数据用于步骤4的求取目标函数中；

步骤4：将分段潮流所提取的数据代入目标函数中，目标函数如下式所示：

S_C＝k₁S₁+k₂S₂+k₃S₃+k₄S₄+k₅S₅

S_F＝k₆S₁+k₇S₂+k₈S₃+k₉S₄+k₁₀S₅

S＝a_c×S_C+a_f×S_F

K₁+K₂+K₃+K₄+K₅＝1

K₆+K₇+K₈+K₉+K₁₀＝1

a_c+a_f＝1

S_C、S_F为电动汽车充电站在充电和放电时刻的目标函数，K₁、K₂……K₁₀为子目标在总目标里的比例系数，a_c，a_f为权重系数，分别表示充电和放电时刻的目标函数在总目标函数里所占的比例，根据实际需要进行调节，S₁、S₂、S₃、S₄、S₅分别为母线节点电压偏差量、交流线有功功率裕度水平、全网的网损水平，交通流量和充电站服务范围，S为考虑电动汽车充电站的充放电能力后，所得到的目标函数；

步骤5：根据灰狼算法求出最优的解，电动汽车充电站接入配电网后，通过优化接入地点来使得充电站接入配电网后对配电网的影响最小，通过灰狼算法进行求解，灰狼算法包括：

(1)狼群分级

灰狼算法中每个解对应一匹狼，领头狼α代表当前最优解，β和δ狼代表次优解，其余解为ω狼；α、β和δ共同决定搜索方向；

(2)包围猎物

狼群中，α、β、δ的方位对各狼接下来移动的方位有影响，在灰狼算法中，该过程如下式所示：

D＝|CX_P(t)-X(t)|

X(t+1)＝X_P(t)-AD

式中：A和C为系数向量；Xp(t)为α、β和δ的方位；X(t)和X(t+1)分别为受Xp(t)影响前后，任意一个解的方位；

(3)进攻行为

在灰狼算法中，整个狼群的行进方向由最优的三个解α、β、δ共同决定，该过程体现为进攻方案，表示为：

式中：X1，X2，X3分别为各狼受α、β、δ影响后的移动方位，三者共同确定出各狼的新方位；

基于灰狼算法的具体求解步骤如下所示：

(1)通过步骤1到步骤4所求的结果带入到灰狼算法中进行寻优判断，第一次的求解作为初始解和最优解，与后面的求解结果进行对比判断，最优解作为领头狼，更新a和协同系数向量A，同时更新当前解对猎物影响的随机权重C；

(2)根据电动汽车充电站的初始位置计算和比较的结果，更新狼群的分级和各个狼群的移动方向，通过式确定狼群的新方位；

(3)根据式D＝|CX_P(t)-X(t)|，X(t+1)＝X_P(t)-AD对电动汽车充电站的最优布点方案进行靠近包围；

(4)根据步骤2，在包围的过程中，对每一次狩猎的结果进行求解，保留最优解，判断是否达到停止条件，满足则狩猎接受，否者返回步骤2继续求解；

(5)直到求得最优解或达到最大收敛次数，输出电动汽车充电站的最优布点规划方案。