[发明专利]基于多目标粒子群算法的电动汽车充电站双视角选址方法

权利要求书

1.基于多目标粒子群算法的电动汽车充电站双视角选址方法，其特征在于，包括以下步骤：

步骤S1：基于灰色预测模型，预测充电站数量；

步骤S2：在充电站网络视角下构建包含充电站网络平均路径长度和充电站网络效率的选址优化目标；

步骤S3：构建成本视角下的选址优化目标；

步骤S4：构建充电站网络视角和成本视角结合的多目标函数与约束条件；

步骤S5：基于多目标函数与约束条件，通过多目标粒子群算法在充电站备选位置坐标集合中对构建的带约束条件的多目标函数进行求解，获取最终选址方案。

2.根据权利要求1所述的基于多目标粒子群算法的电动汽车充电站双视角选址方法，其特征在于，步骤S1中，采用含一个输入变量的一阶灰色预测模型GM(1,1)预测充电站数量，通过挖掘充电站数量的历史数据，分析其潜在的规律和联系，拟合充电站保有量的变化趋势，得到规划年限对应的充电站数量。

3.根据权利要求1所述的基于多目标粒子群算法的电动汽车充电站双视角选址方法，其特征在于，步骤S2的具体实现过程如下：

步骤S21：以充电站为节点且充电站间联系为连边，以预测的充电站数量即T年后充电站的保有量N_T为节点数量，在不同概率p下基于WS演化算法生成指定节点数量的充电站网络；

步骤S22：分别计算演化形成的充电站网络的网络平均路径长度L，计算公式为：

式中，d_ij为每个充电站网络中节点i与节点j之间的最短路径；

步骤S23：对演化形成的充电站网络分别运行级联失效，测试每个充电站网络的网络效率。

4.根据权利要求3所述的基于多目标粒子群算法的电动汽车充电站双视角选址方法，其特征在于，步骤S23中，采用负载容量模型作为充电站网络级联失效模型，负载容量模型表达式如下：

C_a,i＝F_i+θF_i^ψ；

其中，C_a,i为充电站i的电能容量，由快充容量与慢充容量组成；F_i为充电站i的初始电力负载，θ为容量比例参数，ψ为可调参数，F_i^ψ表示F_i的ψ次方；

设当充电站i的快充容量不能满足需求时，负载向剩余快充容量较大的充电站转移，设计当一次转移负载未被完全容纳时发生级联失效；

失效后充电站网络效率δ_F的计算公式为：

式中，d_ij,F为充电站网络失效稳定后节点i与节点j间的最短路径，0≤δ_F≤1。

5.根据权利要求1所述的基于多目标粒子群算法的电动汽车充电站双视角选址方法，其特征在于，步骤S3中，构建成本视角下包含环境成本C_e和经济成本C_f的选址优化目标；

环境成本C_e由电力生产时能源转化碳排放、充电过程中碳排放来共同核算，如下式所示：

式中，c₁表示电力生产能源消耗碳排放转化系数，C_o表示供电中产生的标准能耗，N₀为现有充电站数量，C_a,i为充电站i的电能容量，F_a,i为充电站i的电力负载；c₂表示快充桩碳排放转化系数，η_i为充电站i的快充桩占比，c₃表示慢充桩碳排放转化系数；

经济成本C_f由充电站建设成本与运营成本构成，如下式所示：

式中，r为资金回收率，c₄、c₅、c₆、c₇分别为快充桩、慢充桩、土地及电力走廊的建设成本系数，E为充电站网络的连边数，λ为折旧系数。