電動汽車充電站規劃模型建模綜述目錄TOC\o"1-3"\h\u14945電動汽車充電站規劃模型建模綜述 129542（一）典型選址問題的數學模型 12555（二）電動汽車充電站選址問題約束條件 2144651.影響電動汽車充電站布局的約束條件 2288193.充電規劃原則 328190（三）電動汽車充電站數學模型 3292221.充電成本規劃 4261822.建站成本規劃 4262844.模型求解 530425一、實驗及分析 623337（一）BB-PSOMATLAB程序編寫 621731（二）案例實驗與分析 14典型選址問題的數學模型要確定電動汽車充電站的規劃模型，我們首先可以考慮建立一般位置問題模型的方法和步驟。電動汽車充電站也有許多類似的問題，例如工廠，倉庫，機場，港口等。通過類推，我們可以在建立充電站計劃模型之前更好地了解充電。在文獻[19]中，何波等。討論了廢物處理站的位置。垃圾站的位置與電動汽車充電站相同。這是一個網絡位置問題，設施位置可能包含許多相互矛盾的目的。關于垃圾站的位置，很明顯垃圾站對居民的生活有負面影響，所以人口的想法是建造盡可能多的垃圾站。另一方面，從站點構建者的角度來看，垃圾站離住宅越近，這樣做的成本越低。因此，工作站的構建應考慮最低的總成本和工作站處理的負面影響。本文為您提供有關腳踩墊及其使用方法的一些基本事實。例如，住宅是浪費點。更多的居民在居民區產生更多的廢物；廢物運輸成本與運輸距離成線性關系。確定一段時間內每個居民區產生的廢物量。有了這些假設，建模的目的就變得更加清晰。本文的目標功能是將居民的負面影響與居住區和建筑工地之間的距離成反比，然后與建筑工地的能力成正比，從而解決這兩個目標之間的沖突。在文獻[20]中，VanChunkyu等人針對風電場的位置提出了建議，即風能是一個隨時間和空間不斷變化的量，包括風向和風速。因此，威布爾概率分布描述了風速的連續變化。動能定理基于描述實際風速的公式。最后，確定風電場的年平均發電量以獲得目標函數。電動汽車充電站選址問題約束條件在建立相關模型之前，確定電動車充電站選址的約束條件，能確保定容建模的合理性。并在此基礎上明確選址時所要遵循的主要原則，是解決充電站選址問題的關鍵所在。影響電動汽車充電站布局的約束條件1）電力總需求電動汽車的總體充電要求是影響充電站布局的主要因素。只有在充電容量達到一定規模后，才能在經濟上大規模部署充電站。電動汽車的充電能力與電動汽車的數量，汽車的平均日行駛里程以及單位里程的能耗水平有關。2）電動機的運行方式不同工作模式下的電動機對其連續驅動能力和充電有不同的要求，這會影響充電方法和功耗。3）電動汽車的供電方式關于功率模式選擇，有兩種模式的車輛充電系統（包括常規充電和快速充電兩種模式）和地面充電系統。4）電池特性不同類型的電池具有不同的充電特性，最佳充電速度是0.2到2.0倍。當電池系統的額定電壓相同時，由于電池類型和結構的不同，最大充電電壓也反映出一定的差異。充電電流越高，充電電壓越高，則對單車充電容量的需求越大，這導致對充電站容量的需求越大。5）充電時間處于不同工作模式的電動汽車對充電時間有不同的要求，并且不同的充電時間必須滿足不同的充電方法。當充電時間不長時，可在停電時使用動力箱定期充電，以擴大車輛的續航里程。例如，夜間停止工作的公交車，公務車，專用車或社交車。充電時間更長在緊急情況下，您需要快速充電或快速更換電池組以便及時充電。例如，道路上的出租車，公務車或社交車輛。6）充電場所和其他環境條件電池的充電和放電效率受充電位置和環境條件的影響，特別是環境溫度。在常溫下，電池具有更強的充電能力。但是隨著環境溫度的降低，負載能力也隨之逐漸降低。在低于室溫的低溫下，電池的放電效率也會降低。在相同的操作系統和范圍內，車輛消耗的能量更多，并且電池的充電深度也會變大。相同的，在低溫的環境下，電池充電的效率降低。因此，隨著環境溫度的降低，充電站需要的功率增加。在安裝充電站時，請確保環境溫度最大程度地滿足電池充電要求。充電規劃原則要考慮的關鍵因素包括流量密度，服務半徑，配電容量和充電成本。運動密度是指在給定時間在單位長度范圍內給出的機器數量，通常以范圍表示。根據定義，密度基本上是在路段上測得的瞬時值。它不僅隨時間變化，而且隨著測量間隔的長度而變化。因此，瞬時密度通常表現為一定時期內的平均值。該區域中的電動機密度越高，在現場運行的電動車輛的數量越多。服務半徑是指由于每個業務量的密度不同，因此反映充電站網絡密度的服務半徑也不同。配電能力意味著充電站的安裝必須滿足總體城市規劃和道路網絡規劃的要求，而充電站的安裝必須充分考慮該地區輸配電網絡的現狀。充電成本包括充電器成本和充電站成本。其中，充電器成本包括等待，道路和電力購買的成本。充電站的成本包括建設和管理成本。電動汽車充電站數學模型該模型基于以下假設：（1）經過分析和論證，得到了所有充電站的候選位置，并充分考慮了充電請求社會的地理位置和車輛充電請求的分布，并且符合充電站使用的原則，環境，條件和安全。（2）每個單元中的電動汽車的用戶數應相同，并且電動汽車的用戶只能在同一充電站規定的時限內完成每個單元中所請求的單元的充電過程。（3）用戶收費成本與距離之間具有簡單的線性關系。1.充電成本規劃假設在K單位的每個字段中都知道電動汽車的Ki數，則將X矩陣用于對該區域中的充電站進行編碼。Sn表示總共有候選站點，Pm表示存在更多站點因素，1表示已安裝充電站，0表示未建立充電站，并且最大程度地建立了每個區域以建立充電站。建立q個充電站；則（僅為說明用，不代表實際情況，有可能會出現某一列全為0的情況）以矩陣D表示那個小區與m個站點之間的距離：而每個小區充電總成本：Qi——每個小區的活動電動車數目；dmin(ki)——到小區Ki到最近的一個充電站建站點即Ki與{P1,P2,...,Pm;}中最近的一個站點的距離；2.建站成本規劃建站成本：g——充電機臺數；k——單位充電機的管理成本（萬元）;n——單位充電機建造成本（萬元）；r——其他成本（萬元）；3-1與3-2中，Qi、k、n、g、r都是已知的。而修建充電站的位置和數目是我們需要優化的目標。最后得到總成本，也就是目標函數，充電成本與建站成本之和：模型求解我們在得到充電站規劃模型之后，采用粒子群算法對該規劃模型進行求解，即編碼和解碼過程。如如前面假設，有m個候選位置，要建n個電動車充電站。對于粒子種群中的第i個粒子而言，給予一組初始解[Xi1,Xi2...Xij...Xim*n]，即一個包含n*m個屬于[0,1]的隨機數的元素的行向量pop完成編碼過程。解碼的過程，就是將這一行向量轉換成一個n*m的矩陣X的過程。在矩陣X中，從第一行開始，將這一行最大的一個元素賦值為1，代表取這個換選位置作為第一個充電站的建站地點。然后將該行所有的其他元素設為0，表示其他位置不作為這個充電站的位置選取點。然后，在第二行中，刪除第一行中所選項目所在的前一行或前一列，以避免第二個站點與第一個站點位于同一位置，然后重復該過程。首先找到該行的最大元素，并將其值分配為1，然后轉到下一行。通過這樣移動到最后一行，我們可以獲得X矩陣，它是站點位置與候選位置之間的關系。因此，為每個充電站分配了一個候選座位。請注意，由于候選位置的數量將大于要構建的站點的數量，因此將顯示所有零列。這樣，我們可以獲得所有站點的位置。通過此位置，我們可以輕松計算出每個像素到每個位置的距離d并將其存儲在d的距離處。然后，根據公式3-1；參考圖3-2和3-3，可以計算出電動汽車充電站的總計劃成本。實驗及分析BB-PSOMATLAB程序編寫案例實驗與分析假設有10個候選建站地址，擬部建最多8個站點，共有6個居民區。式3-1中每個小區活動的電動車數目固定為300，式3-2中k=8,n=500,r=1000。以所建站點位置與數目為優化目標進行優化。表4-1候選站址地理位置圖4-1候選站址地理位置表4-2每個小區的地理位置經算法測試后，得出如下Pareto前端分布圖。橫軸為f1縱軸f2。圖4-2案例1Pareto前端分布圖從分布圖中我們得知，共有6個Pareto最優解可供選擇，即有6個方案。每個方案中，每個小區去哪個充電站充電的最優安排如下表所示：表4-3案例1建站方案與建站位置分布表列號是程序號，列號是社區號。例如，第一行1和第一列表示第一種解決方案中的項目1最適合退出第二行。該表不僅顯示了每個單元的構造位置，還指示了每個解決方案的構建位置以及所建站點的數量。例如，如果第二行是8，則意味著在選項2中將僅創建一個充電站，將在8個安裝位置建立一個充電站。對于選項4，有3個數字2、4和8。從表面上看，選項4需要構造3個充電站，而特定位置是2、4和8。因此，現在聽到的問題是哪個選項的總成本最低。我們來看看適合每