一种基于V图和HS算法的充电站布局规划方法,申请号CN201610915926.2-传众专利搜索

发明名称	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。
申请公布号	CN106503845A	申请公布日期	2017.03.15
申请号	CN201610915926.2	申请日期	2016.10.21
申请人	国网山东省电力公司烟台供电公司;国家电网公司	发明人	于浩明;魏莘;高建宏;王志明;杨洁;孙卓新;矫希鹏
分类号	G06Q10/04(2012.01)I;G06Q50/06(2012.01)I;G07F15/00(2006.01)I	主分类号	G06Q10/04(2012.01)I
代理机构		代理人
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<img file="724972dest_path_image001.GIF" wi="17" he="19" />，再通过公式<img file="579795dest_path_image002.GIF" wi="210" he="66" />求得总充电桩数量<img file="359533dest_path_image003.GIF" wi="31" he="24" />，其中<img file="754742dest_path_image004.GIF" wi="26" he="25" />为电动汽车充电的排队等候时间期望，<img file="254600dest_path_image005.GIF" wi="126" he="47" />，<img file="77062dest_path_image006.GIF" wi="34" he="26" />为充电站<img file="344096dest_path_image007.GIF" wi="10" he="20" />集合，<img file="480679dest_path_image008.GIF" wi="38" he="22" />为充电站<img file="149558dest_path_image007.GIF" wi="10" he="18" />建设的充电桩数量；<img file="329872dest_path_image009.GIF" wi="107" he="29" />，<img file="84202dest_path_image010.GIF" wi="23" he="26" />为规划区域内电动汽车总数量，<img file="821213dest_path_image011.GIF" wi="15" he="16" />为电动汽车每日充电概率，<img file="282282dest_path_image012.GIF" wi="20" he="27" />为电动汽车充电时段，则<img file="712126dest_path_image013.GIF" wi="16" he="21" />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；<img file="953752dest_path_image014.GIF" wi="87" he="28" />，且保证<img file="917291dest_path_image015.GIF" wi="78" he="29" />，<img file="560762dest_path_image016.GIF" wi="20" he="28" />为充电桩接入电动汽车充电时间，则<img file="895928dest_path_image017.GIF" wi="20" he="22" />为充电桩服务强度；<img file="562533dest_path_image018.GIF" wi="330" he="93" />则<img file="641347dest_path_image019.GIF" wi="19" he="26" />为充电桩全部空闲的概率；若<img file="326275dest_path_image020.GIF" wi="123" he="34" />，<img file="97922dest_path_image021.GIF" wi="56" he="27" />为电动汽车充电的排队等候时间最大期望值，当<img file="48561dest_path_image022.GIF" wi="22" he="23" />为整数时，充电桩的数量从<img file="868749dest_path_image023.GIF" wi="172" he="33" />开始依次增加，其中<img file="221233dest_path_image024.GIF" wi="66" he="31" />为大于等于x的最小整数；当<img file="163781dest_path_image025.GIF" wi="20" he="21" />为非整数时，充电桩的数量从<img file="287202dest_path_image026.GIF" wi="121" he="30" />开始依次增加，直到<img file="707819dest_path_image027.GIF" wi="110" he="30" />为止；<img file="118071dest_path_image028.GIF" wi="29" he="31" />随着<img file="231521dest_path_image029.GIF" wi="35" he="28" />增加而迅速减小，循环即找到满足<img file="156752dest_path_image030.GIF" wi="97" he="31" />时的<img file="568010dest_path_image031.GIF" wi="35" he="27" />；设定充电站配置的充电桩数量范围<img file="629507dest_path_image032.GIF" wi="178" he="33" />，则在规划区域内建设充电站数量<img file="913858dest_path_image033.GIF" wi="20" he="21" />的范围为<img file="264068dest_path_image034.GIF" wi="177" he="41" />，计算如下：<img file="292067dest_path_image035.GIF" wi="227" he="87" /><img file="473649dest_path_image036.GIF" wi="229" he="77" />对每一个<img file="351738dest_path_image037.GIF" wi="21" he="21" />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<img file="251561dest_path_image038.GIF" wi="41" he="28" />选出最小的<img file="817671dest_path_image039.GIF" wi="43" he="30" />，并输出对应的参数，包括充电站数量<img file="57023dest_path_image040.GIF" wi="21" he="23" />，第<img file="417597dest_path_image041.GIF" wi="14" he="24" />个充电站的充电桩数量<img file="804716dest_path_image042.GIF" wi="39" he="22" />，电动汽车在充电站<img file="361468dest_path_image041.GIF" wi="12" he="25" />充电的排队等候时间期望<img file="252064dest_path_image043.GIF" wi="42" he="29" />，充电站年建设运行成本<img file="49118dest_path_image044.GIF" wi="37" he="25" />，用户充电途中年耗时成本<img file="595637dest_path_image045.GIF" wi="39" he="26" />，用户到站排队等候年时间成本<img file="769130dest_path_image046.GIF" wi="41" he="27" />；（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<img file="488734dest_path_image047.GIF" wi="45" he="26" />定义：<img file="456690dest_path_image048.GIF" wi="256" he="31" />，其中<img file="552822dest_path_image044.GIF" wi="40" he="25" />为充电站年建设运行成本，<img file="202110dest_path_image045.GIF" wi="39" he="27" />为用户充电途中年耗时成本，<img file="67297dest_path_image046.GIF" wi="42" he="27" />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<img file="206155dest_path_image049.GIF" wi="36" he="24" />的函数；年建设运行成本表示为<img file="976533dest_path_image050.GIF" wi="294" he="49" />，其中<img file="226249dest_path_image052.GIF" wi="409" he="65" />，<img file="211523dest_path_image053.GIF" wi="271" he="39" />；<img file="458964dest_path_image054.GIF" wi="110" he="39" />为充电站<img file="529689dest_path_image055.GIF" wi="11" he="17" />的年固定投资函数，<img file="583095dest_path_image056.GIF" wi="98" he="35" />为充电站<img file="111291dest_path_image055.GIF" wi="12" he="18" />的年运行成本函数，<img file="591951dest_path_image057.GIF" wi="19" he="36" />为<img file="884392dest_path_image058.GIF" wi="104" he="34" />与<img file="679173dest_path_image059.GIF" wi="94" he="32" />函数的系数（<img file="373459dest_path_image060.GIF" wi="78" he="29" />），<img file="25020dest_path_image061.GIF" wi="39" he="29" />为充电站<img file="257287dest_path_image062.GIF" wi="14" he="21" />集合；<i>W</i>为固定不变投资，包括营业建筑和道路辅助建设费用，<i>q</i>为站内与充电桩单价有关的投资系数，<i>e</i>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；<img file="652497dest_path_image063.GIF" wi="28" he="32" />为贴现率，<img file="201290dest_path_image064.GIF" wi="31" he="22" />为充电站的折旧年限；用户充电途中年耗时成本表示为<img file="227014dest_path_image066.GIF" wi="246" he="75" />；其中<img file="494048dest_path_image067.GIF" wi="16" he="22" />为城市出行时间成本系数，<img file="692948dest_path_image068.GIF" wi="21" he="22" />为电动汽车每日充电概率，<img file="781733dest_path_image069.GIF" wi="19" he="21" />为城市交通平均行驶速度，<img file="40676dest_path_image070.GIF" wi="29" he="31" />为充电需求点<img file="795006dest_path_image071.GIF" wi="15" he="24" />电动汽车数量，<img file="469701dest_path_image072.GIF" wi="29" he="36" />为充电需求点<img file="993086dest_path_image073.GIF" wi="22" he="29" />到充电站<img file="422930dest_path_image074.GIF" wi="10" he="24" />城市道路距离，<img file="585927dest_path_image075.GIF" wi="29" he="20" />为充电站<img file="126630dest_path_image076.GIF" wi="15" he="28" />集合，<img file="770101dest_path_image077.GIF" wi="37" he="23" />为属于充电站<img file="42950dest_path_image078.GIF" wi="12" he="22" />的充电需求点<img file="771872dest_path_image079.GIF" wi="19" he="29" />的集合；用户到站排队等候年时间成本表示为<img file="850686dest_path_image080.GIF" wi="274" he="55" />；其中<img file="37079dest_path_image081.GIF" wi="21" he="28" />为城市出行时间成本系数，<img file="543147dest_path_image082.GIF" wi="21" he="22" />为电动汽车每日充电概率，<img file="697048dest_path_image083.GIF" wi="35" he="28" />为电动汽车在充电站<img file="579553dest_path_image084.GIF" wi="12" he="19" />充电的排队等候时间期望，<img file="932037dest_path_image085.GIF" wi="24" he="28" />为充电需求点<img file="61536dest_path_image086.GIF" wi="15" he="26" />电动汽车数量，<img file="499471dest_path_image087.GIF" wi="36" he="28" />为充电站<img file="920088dest_path_image076.GIF" wi="14" he="25" />集合，<img file="330340dest_path_image088.GIF" wi="44" he="27" />为属于充电站<img file="178211dest_path_image076.GIF" wi="13" he="27" />的充电需求点<img file="103441dest_path_image089.GIF" wi="17" he="26" />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<img file="13235dest_path_image090.GIF" wi="307" he="36" />，其中<img file="340311dest_path_image091.GIF" wi="26" he="28" />为充电需求点<img file="624662dest_path_image092.GIF" wi="14" he="21" />到充电站<img file="974872dest_path_image074.GIF" wi="13" he="26" />城市道路距离，<img file="737292dest_path_image093.GIF" wi="51" he="33" />为设定的充电行驶距离的最大限度，<img file="918874dest_path_image094.GIF" wi="31" he="22" />为充电站<img file="561077dest_path_image095.GIF" wi="12" he="22" />集合，<img file="460900dest_path_image077.GIF" wi="37" he="23" />为属于充电站<img file="27010dest_path_image096.GIF" wi="13" he="26" />的充电需求点<img file="783dest_path_image097.GIF" wi="19" he="27" />的集合；第二类为充电站间距离约束，表示为<img file="626936dest_path_image098.GIF" wi="332" he="71" />，其中<img file="14055dest_path_image099.GIF" wi="27" he="33" />为充电需求点<img file="806693dest_path_image100.GIF" wi="16" he="24" />到充电站<img file="962868dest_path_image101.GIF" wi="12" he="21" />城市道路距离，<img file="759922dest_path_image102.GIF" wi="25" he="28" />为充电需求点<img file="306441dest_path_image103.GIF" wi="15" he="26" />到充电站<img file="479934dest_path_image104.GIF" wi="11" he="24" />城市道路的空间直线距离，<img file="490615dest_path_image105.GIF" wi="29" he="22" />为充电站<img file="645522dest_path_image106.GIF" wi="10" he="22" />和<img file="741654dest_path_image107.GIF" wi="16" he="23" />的直线距离，<img file="187679dest_path_image108.GIF" wi="45" he="25" />为充电站间的最小距离，<img file="256129dest_path_image109.GIF" wi="33" he="22" />为充电站<img file="394986dest_path_image110.GIF" wi="13" he="25" />，<img file="978414dest_path_image111.GIF" wi="12" he="16" />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<img file="913616dest_path_image112.GIF" wi="20" he="20" />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<img file="898889dest_path_image113.GIF" wi="25" he="24" />个充电站站址坐标，如<img file="146331dest_path_image114.GIF" wi="336" he="55" />，并对站址坐标进行编码生成<img file="217055dest_path_image115.GIF" wi="36" he="28" />维向量<img file="457412dest_path_image116.GIF" wi="392" he="41" />；利用站址坐标生成V图，划定各充电站服务范围，利用公式<img file="297193dest_path_image117.GIF" wi="195" he="71" />分别计算得到各充电站中充电桩数<img file="715536dest_path_image118.GIF" wi="281" he="35" />，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<img file="7977dest_path_image119.GIF" wi="75" he="30" />，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<img file="865074dest_path_image120.GIF" wi="250" he="29" />计算相应的<img file="247776dest_path_image121.GIF" wi="48" he="30" />一并存入HM中，按照<img file="899337dest_path_image122.GIF" wi="51" he="32" />从小到大进行排序：<img file="882337dest_path_image124.GIF" wi="551" he="139" />式中，<img file="277546dest_path_image125.GIF" wi="31" he="17" />为<img file="13290dest_path_image126.GIF" wi="127" he="23" />阶矩阵；步骤3：生成新和声<img file="101332dest_path_image127.GIF" wi="371" he="43" />新解的每一个音调<img file="306048dest_path_image128.GIF" wi="338" he="51" />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<img file="239369dest_path_image129.GIF" wi="22" he="30" />有<i>P</i><sub>HMCP</sub>的概率选自<img file="908248dest_path_image130.GIF" wi="32" he="17" />中相应列的任何一个值，有(1‑<i>P</i><sub>HMCR</sub>)的概率选自<img file="852677dest_path_image131.GIF" wi="30" he="16" />外(但在变量范围内)的任何一个值<img file="341427dest_path_image132.GIF" wi="18" he="19" />，即<img file="281701dest_path_image133.GIF" wi="588" he="92" />式中：<i>rand</i>为[0,1]上均匀分布的随机数；如果新的音调<img file="805086dest_path_image129.GIF" wi="22" he="30" />来自和声记忆库<img file="969351dest_path_image130.GIF" wi="32" he="16" />，要对其进行音调微调，具体操作如下：<img file="397927dest_path_image134.GIF" wi="546" he="93" />式中，<i>bw</i>为音调微调带宽，<i>rand</i>为均匀分布在[‑1,1]上的随机数，<i>PAR</i>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：<img file="938630dest_path_image135.GIF" wi="294" he="49" />，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<img file="316522dest_path_image136.GIF" wi="51" he="22" />，并计算新目标函数值<img file="854951dest_path_image137.GIF" wi="61" he="37" />，否则重新进行此步骤；步骤4：更新和声记忆库如果<img file="318293dest_path_image138.GIF" wi="59" he="36" />优于<img file="351102dest_path_image139.GIF" wi="35" he="18" />中最差的，则将新和声<img file="849080dest_path_image136.GIF" wi="49" he="23" />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：<img file="355147dest_path_image140.GIF" wi="268" he="106" />其中，<img file="509048dest_path_image141.GIF" wi="60" he="20" />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<img file="391553dest_path_image142.GIF" wi="35" he="28" />为止；储存最优的和声向量及其对应的目标函数<img file="930988dest_path_image143.GIF" wi="43" he="27" />，并输出对应的参数，包括<img file="607957dest_path_image144.GIF" wi="323" he="39" />。
地址	264000 山东省烟台市解放路158号