考虑截获交通流量与充电行驶距离的充电网络规划方法与流程

本发明涉及电动汽车充电网络规划，具体涉及考虑截获交通流量与充电行驶距离的充电网络规划方法。

背景技术：

1、近年来，随着化石能源过度使用与环境污染的日益加剧，电动汽车受到广泛关注。电动汽车充电网络是否合理是影响电动汽车产业发展的重要因素之一，为促进电动汽车产业持续发展，有必要对电动汽车充电网络进行合理规划。

2、文献一《综合考虑充电需求和配电网接纳能力的电动汽车充电站规划》(电网技术，2021年，第45卷，第2期，第498页至509页)基于电动汽车出行数据对电动汽车充电需求的时空分布进行预测，在此基础上，采用层次分析法评估配电网对候选规划方案的接纳能力，以建设运行总成本最小为优化目标建立优化模型，并采用遗传算法求解。然而，该文献主要关注充电网络对配电系统的影响，几乎没有考虑充电网络充电服务能力与车主充电便利性，具有一定的局限性。文献二《计及电动汽车时空分布状态的充电站选址定容优化方法》(中国电机工程学报，2021年，第41卷，第18期，第6271页至6284页)为平衡充电运营商与车主充电的经济性，建立了以充电网络建设、运维年化成本与用户充电年化成本之和最小为优化目标，同时考虑充电运营商与用户满意度的多目标充电网络规划模型，并采用改进粒子群算法求解。该文献侧重考虑运营商与车主充电经济性，但未考虑充电网络充电服务能力与车主充电便利性，具有一定的局限。文献三《考虑充电负荷随机特性的电动汽车充电网络模糊多目标规划》(电网技术，2020年，第44卷，第11期，第4404页至第4414页)建立了同时考虑配电系统网损最小与充电网络截获交通流量最大的多目标充电网络规划模型，并采用模糊数学方法与遗传算法求解。该文献在充电网络规划中考虑了充电网络截获交通流量，但未考虑车主充电行驶距离，具有一定的局限性。充电网络截获交通流量与充电行驶距离是衡量充电网络充电服务能力与车主充电便利性的两个重要指标，现有充电网络规划方法未对其进行充分考虑，具有一定的局限性。

3、电动汽车充电网络是支撑电动汽车产业发展的重要基础设施，建设充电网络的首要目的是提高充电服务能力与用户充电便利性，支撑电动汽车产业的可持续发展。不合理的充电网络不仅会降低车主充电便利性，还会阻碍电动汽车产业的可持续发展，因此，亟需提出同时考虑截获交通流量与充电行驶距离的充电网络优化规划的方法，通过优化充电站建设位置，最大化充电服务能力与用户充电便利性。

技术实现思路

1、本发明针对现有技术中存在的不足，本发明的目的是提供考虑截获交通流量与充电行驶距离的充电网络规划方法，在充电站建设数目、候选场址给定的情况下，优化电动汽车充电站建设地址，在确保电动汽车充电行驶距离满足给定机会约束的前提下，提高充电网络截获交通流量并同时降低电动汽车车主平均充电行驶距离。

2、本发明为实现上述发明目的，采取的技术方案如下：

3、考虑截获交通流量与充电行驶距离的充电网络规划方法，包括以下步骤：

4、s1：设定规划边界条件，所述规划边界条件包括：交通网络拓扑结构与参数、充电站候选地址、充电站建设总数、充电行驶里程阀值和置信度；所述充电站候选地址均为交通网络中的交通节点；

5、s2：建立同时考虑充电网络截获交通流量最大与电动汽车平均充电行驶距离最短的电动汽车充电网络规划模型，所述充电网络规划模型的约束包括充电行驶距离机会约束和充电站建设数目约束；

6、s3：采用基于可行性法则的非支配遗传算法对所述充电网络规划模型进行求解，给出所述充电网络规划模型的pareto解集。

7、作为本发明的优选技术方案：步骤s2所述的电动汽车充电网络规划模型，具体如下：

8、所述电动汽车充电网络规划模型包括两个优化目标，第一个优化目标为充电网络截获交通流量最大，具体如公式(1)所示：

9、

10、公式(1)中，fc为充电网络截获的交通流量；ωq为交通网络中的最短路径集合，q为最短路径索引；yq为表征路径q上的交通流量能否被截获的二进制变量，取“1”表示能被截获，取“0”表示不能被截获；fq为最短路径q上的交通流量，可通过公式(2)所示的重力空间互动模型求出：

11、

12、公式(2)中，ws,q与we,q分别为最短路径q的起点与终点权系数；dq为最短路径q的长度；

13、电动汽车充电网络规划模型的第二个优化目标为平均充电行驶距离最短，具体如公式(3)所示：

14、

15、公式(3)中，dave为交通网络中的电动汽车平均充电行驶距离；ωr为交通网络中的道路集合；i为道路索引；ti为道路i的交通流量，可通过途经该道路的最短路径上的交通流量求和而得；dav,i为道路i上行驶的电动汽车平均充电行驶距离，由公式(4)计算：

16、

17、公式(4)中，ld,i为道路i的长度；fi(x)为道路i上距首端节点距离为x处的电动汽车充电行驶距离，由公式(5)计算；

18、fi(x)＝min[x+l1,ld,i-x+l2] 0≤x≤ld,i                        (5)

19、公式(5)中，x为随机变量，表示道路i上待充电电动汽车距道路i首端节点的距离；l1为距道路i首端节点距离最近充电站的距离；l2为距道路i末端节点距离最近充电站的距离；

20、电动汽车充电网络规划模型包括充电行驶距离机会约束与充电站建设数目约束，其中，充电行驶距离机会约束如公式(6)所示：

21、

22、公式(6)中，pev为交通网络中电动汽车充电行驶距离小于给定充电行驶里程阀值的概率；β为机会约束置信度，pi为道路i上的电动汽车充电行驶距离小于给定里程阀值的概率，由公式(7)计算：

23、

24、公式(7)中，gi(x)为判断道路i上距首端节点距离为x处的电动汽车充电行驶距离是否小于给定充电行驶里程阀值的二进制辅助函数，有0、1两种取值；当道路i上距首端节点距离为x的电动汽车充电行驶距离小于给定充电行驶里程阀值时，gi(x)取“1”；否则，gi(x)取“0”，具体如公式(8)所示：

25、

26、公式(8)中，dcha-lim为给定的充电行驶里程阀值；

27、充电站建设数目约束具体如公式(9)所示：

28、

29、公式(9)中，m为充电站建设总数；n为交通网络中的充电站候选地址；j为交通网络中充电站建设候选地址索引；yj为充电网络规划模型中的优化变量，取“1”表示在候选地址j建设电动汽车充电站，取“0”表示未在候选地址j建设电动汽车充电站。

30、作为本发明的优选技术方案：步骤s3所述电动汽车充电网络规划模型的求解方法，具体如下：

31、s3.1：设定非支配遗传算法参数，包括：种群规模npop，交叉率pc，变异率pm与最大进化代数gmax；

32、s3.2：随机生成包含npop条染色体的父代种群u1；父代种群u1中的染色体为n个码位组成的二进制码串，第j个码位取值为“1”表示在候选地址j建设充电站，否则，不在候选地址j建设充电站；为满足公式(9)给出的约束，各染色体有且仅有m个码位取值为“1”；

33、s3.3：令g＝0，g为进化代数索引；

34、s3.4：令g＝g+1，开始第g代进化，并将染色体索引k初始化为1，即令k＝1；

35、s3.5：采用“二元锦标赛”策略对父代种群ug进行复制、交叉与变异操作，生成种群规模为npop的临时种群qg，并将临时种群qg与父代种群ug合并，构成种群规模为2npop的待进化种群rg；

36、所述交叉操作的具体步骤如下：

37、(1)从当前染色体种群中随机选取两条染色体作为待交叉染色体；

38、(2)反复随机生成待选交叉位ncro(1≤ncro<n)，直至找到可行交叉位ncan，即两条待交叉染色体第ncro个码位后取值为“1”的码位数一致；

39、(3)以交叉概率pc交换两条染色体交叉位ncan后的二进制码串，完成交叉操作；

40、所述变异操作的具体步骤如下：

41、(a)从当前染色体种群中随机选取一条染色体作为待变异染色体；

42、(b)随机生成两个待变异码位nmut1与nmut2(1≤nmut1≤n,1≤nmut2≤n)，两个待变异码位nmut1与nmut2取值不能同时为“0”或为“1”；

43、(c)以变异概率pm同时对待变异码位nmut1与nmut2进行变异操作，即取值为“1”的待变异码位变异为“0”，取值为“0”的待变异码位变异为“1”；

44、s3.6：染色体k解码，计算待进化种群rg中各条染色体所代表规划方案下电动汽车充电网络截获的交通流量fc,k、电动汽车平均充电行驶距离dave,k与电动汽车充电行驶距离小于给定里程阀值的概率pev,k；

45、s3.7：判断是否完成对当前种群中所有染色体的解码与计算，即判断染色体索引k是否等于种群规模2npop；若k<2npop，则令k＝k+1，并跳转至步骤s3.6，继续计算种群中其他染色体对应规划方案下充电网络截获的交通流量fc、电动汽车平均充电行驶距离dave以及电动汽车充电行驶距离小于给定里程阀值的概率pev；否则，继续执行下一步骤s3.8；

46、s3.8：基于可行性法则与支配原理确定待进化种群rg中所有染色体的优先度，并根据各染色体的优先度对染色体进行排序，优先度越高，染色体在种群rg中的排序越靠前；

47、所述基于可行性法则与支配原理确定待进化种群rg中所有染色体的优先度具体为：

48、将待进化种群rg中满足充电行驶距离机会约束的染色体归入可行解集，根据支配原理对可行解集中的所有染色体进行分层，接着，按充电网络截获交通流量fc从小到大分别对各层级中的染色体进行排序，并计算各层级中所有染色体的虚拟适应度。将不满足机会约束的染色体归入非可行解集，计算非可行解集中每个染色体的约束违反程度，并按以下原则确定待进化种群rg中所有染色体的优先度；

49、(a)可行解集中任意染色体的优先度均高于非可行解集中的染色体；

50、(b)可行解集中，染色体所属层级越低，优先度越高；相同层级中的染色体，虚拟适应度越大，优先度越高，虚拟适应度由公式(10)计算：

51、

52、公式(10)中，ir,n为第r层、第n个染色体的虚拟适应度；nr为第r层级染色体数目；为第r层、第n+1条染色体对应的充电网络截获交通流量，为其对应的平均充电行驶距离；为第r层、第n-1条染色体对应的充电网络截获交通流量，为其对应的平均充电行驶距离；h为给定的一个大数；

53、(c)非可行解集中，染色体违反约束的程度越小，优先度越高，染色体违反约束的程度可由公式(11)计算：

54、

55、公式(11)中，cv表示染色体对应规划方案违反约束的程度，pev为该染色体对应规划方案下电动汽车充电行驶距离小于给定里程阀值的概率；

56、所述根据支配原理对可行解集中的所有染色体进行分层，具体为：

57、s4.1：染色体层级索引r初始化为1；

58、s4.2：遍历可行解集中未被分层的染色体，寻找所有未被支配的染色体，将其归入第r层级；其中，所述未被支配染色体是指，未被分层的染色体中，不存在两个优化目标同时比其更优秀的染色体；所述两个优化目标为充电网络截获交通流量最大与电动汽车平均充电行驶距离最短；

59、s4.3：判断可行解集中是否存在未归类的染色体，若存在，则令r＝r+1并跳转至步骤s4.2；否则，结束可行解集中的染色体分层工作；

60、s3.9：判断进化代数索引g是否等于最大进化代数gmax；若g＝gmax，则继续执行步骤s3.8；否则，采用“精英选择”策略，根据染色体在染色体种群中的排序，取前npop条染色体作为新的父代种群，并跳转至步骤s3.4；

61、s3.10：将可行解集中第一层级的染色体作为同时考虑截获交通流量与充电行驶距离的充电网络规划模型的pareto最优解集输出。

62、本发明所述的考虑截获交通流量与充电行驶距离的充电网络规划方法，采用以上技术方案与现有技术相比，具有以下技术效果：

63、本发明为同时考虑截获交通流量与充电行驶距离的充电网络规划方法，可以在充电站建设总数和充电站候选地址给定的情况下，通过优化充电站的建设位置，在提高充电网络截获交通流量的同时降低电动汽车平均充电行驶距离，并确保电动汽车充电行驶距离小于给定里程阀值的概率小与给定置信度。