[发明专利]一种基于MOPSO算法的电动汽车充电站选址方法有效

专利信息
申请号: 201910388033.0 申请日: 2019-05-10
公开(公告)号: CN110276517B 公开(公告)日: 2022-10-04
发明(设计)人: 王朝;曾德清;邱剑锋;谢娟 申请(专利权)人: 安徽大学
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q50/06;G06N3/00;B60L53/30
代理公司: 合肥市长远专利代理事务所(普通合伙) 34119 代理人: 程笃庆
地址: 230000 安徽省*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于MOPSO的电动汽车充电站选址方法,包括:S1、构建以充电站建站成本、用户往返充电站时间和充电站服务范围人口数为目标函数,以充电站容量约束和充电站电压偏移为约束条件的充电站选址约束多目标优化模型;S2、设计基于竞争和教学机制的多目标粒子群优化算法进行求解,通过竞争机制构造精英种群,其他个体通过教学机制向精英个体学习生成子代种群;S3、采用自适应约束处理技术对两类复杂约束条件进行动态处理,并选择优秀的可行解进入下一代种群;S4、判断当前迭代次数是否达到最大迭代次数,若是,输出最优可行的选址方案解集;否则,执行步骤S2,如此,最终获得电动汽车充电站选址不同需求下的最优可行方案。
搜索关键词: 一种 基于 mopso 算法 电动汽车 充电站 选址 方法
【主权项】:
1.一种基于MOPSO算法的充电站选址方法,其特征在于,包括:S1、根据规划区内充电站相关数据,构建以充电站建站成本、用户往返充电站时间和充电站服务范围人口数为目标函数,以充电站容量约束和充电站电压偏移为约束条件的充电站选址约束多目标优化模型;S2、采用基于竞争和教学机制的多目标粒子群优化算法对这一多目标优化模型进行求解,通过竞争机制选取当前种群中的精英种群,其他个体通过教学机制向精英种群中个体学习,产生子代种群;S3、采用自适应约束处理技术对复杂约束条件进行动态处理,并选择优秀的可行解进入下一代种群;S4、判断当前迭代次数是否达到最大迭代次数,在判断结果为是时,输出最优选址方案解集;否则,执行步骤S2。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽大学,未经安徽大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910388033.0/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top