一种考虑里程焦虑的高速公路充电设施布局规划方法与流程

本发明涉及电动汽车充电设施充电布局规划，特别是一种考虑里程焦虑的高速公路充电设施布局规划方法。

背景技术：

1、随着国家不断推进新能源汽车行业发展，电动汽车用户、充电设施数量的增长及其运营时间的增加,高速公路收费站和服务区所能收集到的用户数据会指数增长,呈现出大量、实时、动态、多样的特征。对这些数据可以采用大数据分析以对用户充电行为进行精确刻画,对时空充电需求进行准确评估并实现动态分析和建模,为充电设施合理规划提供数据基础。因此，高速公路电动汽车充电设施充电布局规划实际上是一个复杂非线性、强耦合性的多目标优化问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种考虑里程焦虑的高速公路充电设施布局规划方法，实现有效地降低高速公路充电站布局规划成本及用户焦虑水平。

2、为实现上述目的，本发明采用如下技术方案：一种考虑里程焦虑的高速公路充电设施布局规划方法，包括如下步骤：

3、步骤s1：根据高速公路收费系统记录用户行驶数据生成od矩阵对；

4、步骤s2：一种基于od矩阵对采用路段传输模型中的道路模型及节点模型对各道路车流量信息进行更新并根据车流量信息反映用户充电需求；

5、步骤s3：建立候选站址，并根据用户里程焦虑程度及用户充电需求进行充电站之间的距离限制，进而得到候选站址方案的预选择；

6、步骤s4：将目标函数设置为充电站运维成本与用户排队时间最小，并基于m/m/k排队论理论进行排队时间计算；

7、步骤s5：采用nsgaⅱ多目标算法进行求解得到pareto前沿；

8、步骤s6：采用证据推理从pareto解选择最终实施方案，并代入用户里程焦虑程度公式中，对该方案进行验证提升。

9、在一较佳的实施例中，根据od矩阵对采用动态仿真以得到车流量时空分布，包括以下步骤：

10、步骤21：根据g15沈海高速福建段门架信息对国庆数据进行分析，得出平均od矩阵对；

11、步骤22：对高速公路线路分别对线路长度li、阻塞密度自由流速度vi、道路最大通行能力进行参数设置；

12、步骤23：分别计算每条路段的发送能力si(t)和接收能力ri(t)，其与上游路段及下游路段的累计车流量数及步骤22参数设置有关；

13、

14、

15、式中，li、vi、wi和分别为第i条道路的最大通行能力、上游入口位置、下游出口位置、长度、自由流速度、激波反向传播速度和阻塞密度；δt表示时间变化量；min(·)表示取括号内最小值；表示在第i条道路的上游入口位置处时刻的累计车流量；表示在第i条道路的上游入口位置处t时刻的累计车流量；

16、步骤24：建立动态路段传输模型中的节点模型，将步骤23得到的每条路段累计车流量代入节点模型中，根据不同节点类型得出相邻路段之间的转移流；

17、步骤25：根据步骤23和步骤24得出的各路段车流量的流入量、流出量、转移流，更新每条路段的累计流入与流出车流量信息；

18、

19、

20、式中，为在线路i下游t时刻的累计车流量；gij(t)为从线路i转移到线路j的转移车流量；为线路j上游t时刻的累计车流量；

21、假设对任意一路径p经过路段i及路段j，且j为i的下游路段，则，

22、

23、

24、式中，np(xil,t+δt)为在路径p中线路i的下游位置t+δt时刻的累计车流量；为在线路i的上游位置流过累计车流量为时对应的时间；为经过路径p在线路j的上游位置t+δt时刻的累计车流量；δjp为路段关联矩阵，当路径p中包含线路j时为1，否则为0；gij(t)为在t时刻从i线路转移到线路j上的转移流；

25、步骤26：根据道路累计车流量信息可对任意一条路段的任意一点进行车流量密度计算，即对于一条路段i，假定点x在该路段上，则该点处的发送能力s(x,t)及接受能力r(x,t)分别为

26、

27、

28、式中，x、v、w和分别表示线路i上的上游位置、下游位置、线路上的任意位置、自由流速度、激流反向传播速度和阻塞密度；指在第i条线路上x位置处t时刻的车流量信息；为在第i条线路上游位置时刻的累计车流量。

29、在一较佳的实施例中，步骤3具体包括：

30、步骤31：根据当前充电站与充电桩个数对电动汽车用户目前里程焦虑程度进行计算；

31、

32、式中，表示ev用户i在当前充电桩数量的情况下的里程焦虑大小，假设其服从n(a,b)的正态分布，a表示电动汽车用户平均里程焦虑程度，即电动汽车用户能够忍受的到达充电站时的soc最小值，b为其对应的方差；

33、步骤32：根据用户正态分布的里程焦虑程度，分别对置信区间概率为95.45％、置信区间概率为99.74％采用满足所有用户到站最低soc值集合中的最大值进行充电站与充电站之间距离的限制，即95.45％及99.74％的电动汽车用户在该距离限制下到站soc值时大于其到站最低soc值；

34、步骤33：将最终候选结果代入里程焦虑程度公式，得到在此充电站布局方案下的用户里程焦虑程度变化，即

35、

36、

37、式中，ncs表示充电桩总和；α、β为对应的超参数；当充电站中充电桩数量增大时，为当前充电站布局下的用户里程焦虑程度；为按照最优布局规划结果后的用户里程焦虑程度；为电动汽车i的电池容量；br,i为电动汽车i在布局规划结果中的到达充电站所需的电池容量消耗的最大值；

38、步骤34：根据步骤33得到的用户里程焦虑程度采用置信区间概率分别为95.45％及99.74％的最低soc集合中的最大值，算出充电站之间的距离限制，直到用户里程焦虑程度及充电站之间距离基本不发生变化；

39、llimit＝br,i*li (12)

40、式中，llimit为充电站之间的距离限制；br,i为电动汽车i在布局规划结果中的到达充电站所需的电池容量消耗的最大值；li为第i类电动汽车用户的续航里程。

41、在一较佳的实施例中，将充电站建设及运维成本与用户心理特性作为目标函数，并根据实际问题采用不同权重的目标函数并通过nsgaⅱ算法进行多目标函数的计算，得到pareto前沿；

42、步骤41：将待建充电站个数、各线路若建造充电站，则该充电站的充电桩个数的最低值、充电站之间距离限制、任意位置任意时间车流量信息、候选站址作为参数代入；

43、步骤42：对nsgaⅱ参数进行预设置，自变量为充电站位置及对应的充电桩个数信息；

44、步骤43：将目标函数设为充电站建设运维成本ccost、用户排队等待时间twait，分别为

45、

46、式中，γ为年运行维护参数；r0为折现率；z为充电站运行年限；ncs为预设线路待建充电站个数；cf为建设充电站的固定成本；cbc为充电桩的固定成本；为第i个充电站建设的充电桩个数；

47、

48、式中，表示电动汽车在时间为t时第i个充电站的平均等待时间；表示电动汽车的渗透率，即行驶在高速公路上的平均电动汽车比例；在时间t时电动汽车驶入第i个充电站的概率；表示电动汽车在时间t时的车流量；τ为仿真步长；

49、步骤44：通过根据实际需要更改目标函数的权重，得到相应的pareto前沿。

50、在一较佳的实施例中，根据实际问题采用证据推理从高速公路电动汽车充电站布局规划pareto解选择最终实施方案；

51、步骤51：根据步骤44得到高速公路电动汽车充电站布局规划pareto候选解集合a，每一个候选解都包括待建充电站的位置信息及对应的充电桩个数信息；并确定评价指标集合e、评价等级集合h，分别为

52、a＝{a1,a2,…,aj,…am}(j＝1,2,…m) (15)

53、e＝{e1,e2,…,ei,…,el}(i＝1,2,…,l) (16)

54、h＝{h1,h2,…,hn,…hn}(n＝1,2,…,n) (17)

55、式中，a1,a2,…,aj,…am为pareto前沿的电动汽车充电站选址定容候选解；e1,e2,…,ei,…,el为从不同的评价指标，即对应的多目标优化函数：充电站建设运维成本、用户总排队等待时间；h1,h2,…,hn,…hn为评价等级，一般通过自然语言描述，例如{差、较差、一般、较好、好}；

56、步骤52：针对每一个充电站布局规划候选解，在不同的评价等级上对其在评价指标集合中每一元素进行置信度评估，得到置信度向量，即

57、s(ei(aj))＝{(hn,βn,i(aj)),n＝1,2,…,n；i＝1,2,…,l；j＝1,2,…,m}  (18)

58、式中，hn为第n个评价等级；aj为电动汽车充电站选址定容布局规划候选解中的第j个候选解，βn,i(aj)为aj在第i个评价指标体系及第n个评价等级上置信度水平，值的大小表示决策者对该评价指标的认知程度，且满足

59、0≤βn,i(aj)≤1      (19)

60、

61、步骤53：将多个置信度评估向量进行融合，以得到电动汽车充电站布局规划pareto候选解总评价；首先根据评定的置信度βn,i得到基本可信度mn,i，并将其分为两部分；其次计算不确定基本可信度mh,i，也将其分为两部分；之后将在评价等级hn上将上述前i个属性的置信度融合，得到总的基本可信度mn,i(i)；最终在评价等级hn上将多属性集合{e1,e2,…,ei,…el}的置信度进行融合，得到电动汽车充电站布局规划候选方案在评价等级集合中的置信度向量s(y)；

62、mn,i＝ωiβn,i      (21)

63、

64、

65、

66、

67、{hn}:mn,i(i+1)＝ki(i+1)[mn,j(i)mn,i+1+mh,i(i)mn,i+1+mn,i(i)mh,i+1]   (26)

68、

69、其中mn,i(i)为没有分配给前i个指标的总的基本可信数，分解为

70、

71、其中

72、

73、式中，y表示候选方案，βn(y)为方案y在第n个评价等级上总的置信度，而βh(y)为决策者无法评定方案y的总的不确定性置信度，βn(y)与βh(y)的表达式为

74、

75、步骤54：通过效用分析将电动汽车充电站置信度分布映射为效用值，并对不同候选解平均效用值进行比较，选择最终的候选方案；

76、首先通过效用分析把置信度分布向量映射成效用值：

77、

78、其中u(hn)为评价等级hn的效用值，当评价等级的级别越高，对应的效用值会越大，即u(hn+1)＞u(hn)(h1＜h2＜…hn＜hn+1＜…hn)，定义最大、最小和平均效用值公式，即

79、

80、最终选择平均效用值作为衡量电动汽车充电站选址定容候选解的标准，即

81、

82、与现有技术相比，本发明具有以下有益效果：本发明提供了一种考虑里程焦虑的高速公路充电设施布局规划方法。首先，采用路段传输模型可以动态地对交通流量进行仿真，结合排队论模型应用nsgaⅱ算法对目标函数进行求解。然后，通过用户里程焦虑程度反映充电站之间距离限制能够有效的降低用户心理焦虑程度；并采用证据推理从pareto解选择最终实施方案。