基于自适应量子遗传算法的电动出租车充电站规划方法

摘要

本发明涉及基于自适应量子遗传算法的电动出租车充电站规划方法，包括：1）初始化规划所需的基本数据，预估充电站数量的取值范围；2）随机生成染色体对应式，构成种群，3）进行解空间变换，将随机生成的角空间映射到充电站站址坐标空间；4）利用Voronoi图对染色体对应的充电站进行服务范围的划分；5）基于服务范围内的充电需求，计算各充电站平均排队等待时间；6)根据电动出租车充电站规划全社会年总成本目标函数最小的表达式；7)进行量子旋转门更新操作与量子位变异操作；8)返回3）循环计算，直到满足收敛条件为止。有益效果：实现充电站站址的优化布局，能够反映出租车分布、乘客需求分布、路网结构对规划的影响，有效实用。

主权项

一种基于自适应量子遗传算法的电动出租车充电站规划方法，其特征在于包括：步骤1)初始化规划所需的基本数据，所述基本数据包括规划区交通节点坐标、区域内交接班时间段出租车数量以及区域出租车历史需求量，根据基本数据计算区域总负荷量并预估充电站数量的取值范围；步骤2)随机生成染色体对应式，如式(1)，构成种群，其中，p_i代表第i个染色体，n设定为充电站数量，则p_i为2×2nk阶矩阵，其前nk列是对站址的n个横坐标进行编码，每个横坐标对应k个量子位，相应的，后nk列对纵坐标进行编码，θ∈(0°,360°)，θ脚标为x表示该处信息为横坐标信息，θ脚标为y表示该处信息为纵坐标信息，表示第n个充电站横坐标的第k个量子位；步骤3)进行解空间变换，将随机生成的θ角空间映射到充电站站址坐标空间；步骤4)利用Voronoi图对染色体对应的充电站进行服务范围的划分，确定各充电站服务范围内的交通节点；步骤5)基于服务范围内的充电需求，由排队理论优化配置各充电站容量，并计算各充电站平均排队等待时间；步骤6)根据电动出租车充电站规划全社会年总成本目标函数最小的表达式F，如式(4)，若当前染色体适应度函数优于记录中的最优个体，将染色体对应的充电站接入配电网中距离最近的负荷点进行潮流计算并检验配电网安全约束是否满足，若是，则替换为当前最优配置；否则不替换，进行步骤7；F＝C_CS+C_VH+T_G+T_W+T_F+C_Loss     (4) 其中，C_CS为年建设成本，C_VH为年运行维护成本，T_G为出租车损耗时间年成本,T_W为出租车在充电站的排队等待时间成本，T_F为出租车充电为寻找乘客到达下一个目的地的耗时成本，C_Loss为配电系统网络损耗；步骤7)通过自适应旋转角调整策略进行量子旋转门更新操作与量子位变异操作；步骤8)返回步骤3循环计算，直到满足收敛条件或代数达到最大限制为止。