[发明专利]电动汽车充电站智能规划方法

摘要

本发明提供一种电动汽车充电站智能规划方法，采用人工蜂群算法求解多目标模型，有效解决了多目标模型求解计算精度差，操作复杂、控制参数多、鲁棒性差的缺点。此解法对目标函数和约束几乎没有要求，在搜索过程中基本不利用外部信息，仅以适应度函数作为进化的依据，形成了以“生成+检验”为特征的人工智能技术。求解结果为综合最优充电策略，给电网公司和电动汽车充电用户提供体验好、参与度高的充电引导。

主权项

1.一种电动汽车充电站智能规划方法，其特征在于，包括以下步骤：步骤S1，建立电动汽车充电站智能充电服务策略模型，智能充电服务策略模型包括：用户体验模型、电网效益模型、交通安全模型、充电站运营商模型；其中用户体验模型目标包括：行驶里程最短、消耗时间最少、支付费用最少；电网效益模型目标包括：电压偏移最小、网络损耗最小、负荷平衡指数最高；交通安全模型目标包括：路网拥堵最小；充电站运营商模型目标包括利润最高、充电站拥挤度最小；步骤S2，建立基于模糊决策法的电动汽车充电站智能充电服务多目标模型，包括多目标函数、确定性约束；导入配电网系统数据、路网节点配电系数、电动汽车初始时刻所在节点、状态和数量、各目标权重；步骤S3，人工蜂群算法蜂群实现群体智慧的最小搜索模型包括蜜源、引领蜂、跟随蜂和侦察蜂共4个组成要素，以及招募蜜蜂和放弃蜜源2种基本的行为；将蜜源抽象成解空间中的点，确定初始解的个数，最大迭代次数、limit值；引领蜂、跟随蜂的数量；步骤S4，在解空间中随机生成k个可行解，t＝1；步骤S5，每一个引领蜂在各自可行解附近进行一维搜索，产生新可行解；计算原可行解和新可行解的适应度；选择适应度高的解，抛弃适应度低的解；步骤S6，跟随蜂根据由适应度计算出的概率跟随各个引领蜂；步骤S7，跟随峰采用与引领蜂相同的方式进行搜索，根据贪婪选择的方法确定保留的可行解；步骤S8，判断可行解是否满足被放弃的条件，如满足，放弃此可行解，寻找新可行解，否则直接转到步骤S10；步骤S9，通过步骤S4随机产生新可行解；步骤S10，t＝t+1；判断算法是否满足最大迭代次数，若满足则终止，输出最优解，否则转到步骤S5。