[发明专利]基于随机粒子群算法的EV充电站位置生成方法及装置

说明书

本发明涉及一种基于随机粒子群算法的EV充电站位置生成方法及装置，其中方法包括：步骤S1：采集地理信息数据；步骤S2：基于地理信息数据，根据配电网因素、交通因素和社会因素构建优化问题的目标函数及约束条件；步骤S3：结合PSO与Bagging算法，求解优化问题，生成最优充电站位置。与现有技术相比，本发明采用了结合成本与规划效果为目标的充电站规划模型，并结合PSO与Bagging算法，实现充电站最优选址方案，可以提升得到的充电站的用户体验更好，并且降低空驶的能源消耗。

技术领域

本发明涉及电动汽车配套领域，尤其是涉及一种基于随机粒子群算法的EV充电站位置生成方法及装置。

背景技术

新能源汽车取代燃油车是提升环境质量的重要手段，在政策支持下，新能源车辆正逐步普及。在这样的趋势下，服务于大规模电动汽车(EV，Electric Vehicle)，包括混合动力电动汽车(HEV，Hybrid Electric Vehicle)、纯电动汽车(BEV，Battery ElectricVehicle)的配套充电设施也必须同步地进行建设。

充电难的问题困扰了EV车主很久，曾是限制EV发展的一大因素。正因如此，需要对城市内的充电站进行过规划，建设充电站网络。

在充电站规划方面，已经展开了很多研究。通过加权Voronoi图来划分充电站服务范围的划分，并利用排队论原理选择充电站容量。根据电动汽车充电特性和出行特征，计算电动汽车充电功率需求期望值，从而得出规划区充电站的容量需求。结合出行链的概念，提出一种基于用户出行需求的EV充电站优化规划模型。此类研究可以找到理论上满足用户或电力系统要求的最优规划方案，但是忽略了实际场景下的充电站选址合理性。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于随机粒子群算法的EV充电站位置生成方法及装置。

本发明的目的可以通过以下技术方案来实现：

一种基于随机粒子群算法的EV充电站位置生成方法，包括：

步骤S1：采集地理信息数据；

步骤S2：基于地理信息数据，根据配电网因素、交通因素和社会因素构建优化问题的目标函数及约束条件；

步骤S3：结合PSO与Bagging算法，求解所述优化问题，生成最优充电站位置。

所述目标函数为：

其中：α为调节系数，p_a为第a个充电站的建设成本，β为调节系数，f(s_j)为第j个充电站的便利度，P为充电站建设成本集合，s充电站集合；

所述约束条件为：

其中：s_j为第j个充电站的容量，s_j,e为充电站容量和，ε_s为限制区域充电站容量和的裕度，w为区域b_w的编号，n为供电站的数目，为区域b_w内第r个供电站，为区域供电容量，ε_g为限制区域供电容量的裕度，l_k为第k个道路段，为第k个道路段的坐标，为第j个充电站的坐标，R_j为第j个充电站的充电服务半径，ε_R为限制充电服务半径的裕度，S为供电站的容量集合，G为供电站集合，L为道路集合。

所述步骤S3具体包括：

步骤S31：通过Bagging算法划分样本集；

步骤S32：对一个未处理的样本集，初始化其粒子群的速度和位置，其中，任一粒子对应于一充电站位置；