基于改进自适应遗传算法的EV充电站动态规划

发布时间：2021-08-05 08:25

　　建立了综合充电站、电动汽车（EV）用户与配电网多方利益的快速充电站规划模型,考虑EV保有量增长的影响,同时计及EV增长率的不确定性,构建了2种EV充电站随机机会约束动态规划模型,并提出考虑充电需求空间分布的改进自适应遗传算法（IAGA）求解上述规划模型。通过一个实际算例验证了所提IAGA在求解充电站规划问题时的可行性与有效性,并对比分析了2种动态规划模型的规划结果。 

【文章来源】：电力自动化设备. 2020,40(01)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

2种动态规划方案对比

本文采用二进制编码方法对IAGA进行编码，取1则表示所映射的候选站被选中，取0则表示所映射的候选站未被选中。染色体长度即为候选站的数量。以附录(附录)中的图A2为例，染色体的具体编码如图2所示，该染色体所映射的选址方案为：在节点6、10、12、19、24规划充电站。IAGA在编码、交叉、变异时均约束每个分区内至少规划1座充电站，而整个规划区域内的充电站数量恒定。分区内充电站数量约束的数学表达式为：

在动态规划过程中，若搜索空间较小，则可直接采用枚举法确定规划结果；若搜索空间较大，则可采用IAGA进行求解。利用IAGA求解动态规划模型，在编码时需排除已规划的充电站，利用权重分区法划分区域时需合并已规划充电站的分区，此外，求解适应度值、交叉操作等的具体步骤也与求解静态模型有所不同。记第Tk+1年计划新建充电站的数量为cd（若nk座充电站能够满足第Tk+1年的快速充电需求，则仅需对已有充电站进行扩容），采用IAGA求解第Tk+1年新建充电站选址与定容的具体步骤如下。

【参考文献】：
期刊论文
[1]电动汽车充电负荷时空分布预测[J]. 李丹奇,郑建勇,史明明,李陶然,沙浩源,梁馨予.  电力工程技术. 2019(01)
[2]基于混沌模拟退火粒子群优化算法的电动汽车充电站选址与定容[J]. 艾欣,李一铮,王坤宇,胡俊杰.  电力自动化设备. 2018(09)
[3]基于历史行驶路线的电动汽车充电站布局优化[J]. 付凤杰,方雅秀,董红召,陈炜烽.  电力系统自动化. 2018(12)
[4]基于改进云自适应粒子群的多DG配电网EV充电站优化配置[J]. 黄飞腾,翁国庆,南余荣,杨晓东,陈鼎.  中国电机工程学报. 2018(02)
[5]电动汽车充电站多阶段选址规划[J]. 陈梦涛,张兆君,谭风雷,史贤悦,王杰,韩华春.  电力工程技术. 2017(06)
[6]考虑配网潮流约束的高速公路快速充电站校正规划方法[J]. 董晓红,穆云飞,于力,靳小龙,贾宏杰,余晓丹.  电力自动化设备. 2017(06)
[7]基于城市交通网络信息的电动汽车充电站最优选址和定容[J]. 赵书强,李志伟,党磊.  电力自动化设备. 2016(10)
[8]考虑不同类型充电需求的城市内电动汽车充电设施综合规划[J]. 贾龙,胡泽春,宋永华.  电网技术. 2016(09)
[9]考虑驾驶人行为习惯及出行链的电动汽车充电站站址规划[J]. 徐青山,蔡婷婷,刘瑜俊,姚良忠,曾平良.  电力系统自动化. 2016(04)
[10]基于LCC和量子遗传算法的电动汽车充电站优化规划[J]. 黄小庆,杨夯,陈颉,江磊,曹一家.  电力系统自动化. 2015(17)



本文编号：3323417