[发明专利]一种基于V图和HS算法的充电站布局规划方法

摘要

本发明公开了一种基于V图和HS算法的充电站布局规划方法。首先，通过充电排队等候时间期望，估算规划区域内建设的充电站范围；其次，综合考虑充电需求、地域特点等多种因素，以充电站的建设运行成本、充电途中耗时成本和到站排队等候时间成本三者建立充电站布局规划的目标；最后，在规划范围内随机生成充电站站址坐标，并对站址坐标编码成一维向量，运用Voronoi图(简称V图)划定各充电站服务范围生成初始和声向量，利用和声搜索（Harmony Search,HS）算法求得解储存在和声记忆库(Harmony memory,HM)中，通过学习和声记忆库、音调微调来更新和声记忆库，直到达到和声记忆库更新次数，找到充电站布局规划目标值，确定充电站布局规划最优方案。本发明综合多种因素，求解速度快，可寻找最优值。

主权项

一种基于V图和HS算法的充电站布局规划方法，其特征在于其包括如下步骤：（一）估算规划区域内建设充电站范围：先估算规划区域内电动汽车总数量，再通过公式求得总充电桩数量，其中为电动汽车充电的排队等候时间期望，，为充电站集合，为充电站建设的充电桩数量；，为规划区域内电动汽车总数量，为电动汽车每日充电概率，为电动汽车充电时段，则服从泊松分布，表示单位时间内电动汽车到达充电站的数量；，且保证，为充电桩接入电动汽车充电时间，则为充电桩服务强度；则为充电桩全部空闲的概率；若，为电动汽车充电的排队等候时间最大期望值，当为整数时，充电桩的数量从开始依次增加，其中为大于等于x的最小整数；当为非整数时，充电桩的数量从开始依次增加，直到为止；随着增加而迅速减小，循环即找到满足时的；设定充电站配置的充电桩数量范围，则在规划区域内建设充电站数量的范围为，计算如下：对每一个均进行HS算法寻优，获取相应最优的和声向量和目标函数值；然后从所有的最优选出最小的，并输出对应的参数，包括充电站数量，第个充电站的充电桩数量，电动汽车在充电站充电的排队等候时间期望，充电站年建设运行成本，用户充电途中年耗时成本，用户到站排队等候年时间成本；（二）搭建充电站布局规划目标：在满足用户充电需求的前提下，以充电站的建设运行成本、充电途中耗时成本和到站排队等候时间成本三者为充电站布局规划的目标；以1年为计算单位，充电站的社会年总成本定义：，其中为充电站年建设运行成本，为用户充电途中年耗时成本，为用户到站排队等候年时间成本；年建设运行成本包括年固定投资和年运行成本；固定投资主要包括充电桩、土地、配电变压器和其他辅助设备的投资成本，运行成本主要包括充电站工作人员薪水和设备运营维护费用；固定投资和运行成本都是充电桩数量的函数；年建设运行成本表示为，其中，；为充电站的年固定投资函数，为充电站的年运行成本函数，为与函数的系数（），为充电站集合；W为固定不变投资，包括营业建筑和道路辅助建设费用，q为站内与充电桩单价有关的投资系数，e为与充电桩数量有关的等效投资系数，包括占地面积、配电变压器容量和电缆费用；为贴现率，为充电站的折旧年限；用户充电途中年耗时成本表示为；其中为城市出行时间成本系数，为电动汽车每日充电概率，为城市交通平均行驶速度，为充电需求点电动汽车数量，为充电需求点到充电站城市道路距离，为充电站集合，为属于充电站的充电需求点的集合；用户到站排队等候年时间成本表示为；其中为城市出行时间成本系数，为电动汽车每日充电概率，为电动汽车在充电站充电的排队等候时间期望，为充电需求点电动汽车数量，为充电站集合，为属于充电站的充电需求点的集合；本发明的模型约束条件分为两大类：第一类为充电行驶距离约束，表示为，其中为充电需求点到充电站城市道路距离，为设定的充电行驶距离的最大限度，为充电站集合，为属于充电站的充电需求点的集合；第二类为充电站间距离约束，表示为，其中为充电需求点到充电站城市道路距离，为充电需求点到充电站城市道路的空间直线距离，为充电站和的直线距离，为充电站间的最小距离，为充电站，集合；（三）联合V图和HS算法求解充电站布局规划目标值：建立个充电站布局规划方法，利用HS算法进行充电站布局规划的具体步骤如下：步骤1：生成初始和声向量在规划范围内随机生成个充电站站址坐标，如，并对站址坐标进行编码生成维向量；利用站址坐标生成V图，划定各充电站服务范围，利用公式分别计算得到各充电站中充电桩数，判断是否在约束条件范围内，若在范围内，则储存初始和声向量及其向量，否则重新进行此步骤；步骤2：生成和声记忆库根据步骤1生成HMS个初始和声向量并由公式计算相应的一并存入HM中，按照从小到大进行排序：式中，为阶矩阵；步骤3：生成新和声新解的每一个音调均通过以下3种机理产生：(1)学习和声记忆库；(2)音调微调；(3)随机选择音调；新解的第1个变量有PHMCP的概率选自中相应列的任何一个值，有(1‑PHMCR)的概率选自外(但在变量范围内)的任何一个值，即式中：rand为[0,1]上均匀分布的随机数；如果新的音调来自和声记忆库，要对其进行音调微调，具体操作如下：式中，bw为音调微调带宽，rand为均匀分布在[‑1,1]上的随机数，PAR为微调概率；新解的其他音调同理，用新解译码转换成新站址坐标：，生成V图，根据约束条件对生成的新解进行判断，若符合要求则作为新和声，并计算新目标函数值，否则重新进行此步骤；步骤4：更新和声记忆库如果优于中最差的，则将新和声替代原最差和声，并重新进行排序，否则放弃该新和声；具体操作如下：其中，为最差和声向量；步骤5：重复步骤3和步骤4，直到和声记忆库更新次数达到为止；储存最优的和声向量及其对应的目标函数，并输出对应的参数，包括。