基于變權(quán)Voronoi圖和混合粒子群算法的電動(dòng)汽車充電站規(guī)劃
發(fā)布時(shí)間:2020-02-28 12:45
【摘要】:針對(duì)城市電動(dòng)汽車充電站規(guī)劃布局及服務(wù)范圍劃分的問題,提出一種基于變權(quán)Voronoi圖和混合離散粒子群算法的優(yōu)化算法。為解決離散粒子群算法在達(dá)到最優(yōu)解時(shí)容易發(fā)生變異的問題,改進(jìn)了離散粒子群算法中的概率映射函數(shù),提高算法迭代中后期的全局搜索能力;引入加權(quán)Voronoi圖生成過程中可隨充電站的服務(wù)能力和最大服務(wù)半徑約束動(dòng)態(tài)調(diào)整的變權(quán)重系數(shù),使充電站服務(wù)范圍的劃分可控且更為合理;利用最短路徑法求得用戶充電行駛過程中的交通路徑距離來取代傳統(tǒng)的歐式距離,提高算法的準(zhǔn)確性。運(yùn)用改進(jìn)后的混合離散粒子群-變權(quán)Voronoi圖算法求解算例模型,通過算例結(jié)果驗(yàn)證了所提算法用于電動(dòng)汽車充電站規(guī)劃的有效性。
【圖文】:
孞kγmax;Sk為充電站k的額定容量,其與充電站最大服務(wù)能力WkN呈正比,因此充電站的權(quán)重主要由WkN和Nk決定,經(jīng)過t次擴(kuò)張后權(quán)重變?yōu)棣?#39;k=WkmaxNt-1kWt-1kmaxNi醟(21)式中,Wt-1kmax為t-1次擴(kuò)張后的最大服務(wù)能力;Nt-1k為t-1次擴(kuò)張后區(qū)域電動(dòng)汽車數(shù)量。歸一化后得到固定權(quán)重公式為ωtk=ω'k/max(ω'1,ω'2,…,ω'n)(22)將演化過程中,充電站k服務(wù)能力WkN和服務(wù)半徑Dk的下降幅度設(shè)為變權(quán)重ω″k,其下降趨勢(shì)如圖3所示。圖3變權(quán)重曲線Fig.3Figureofvariableweightcurveω″k=ωtk1ωtk2(23)ωtk1=(Wkmax-Wtk)/Wkmax(24)ωtk2=(Dkmax-Dtk)/Dkmax(25)式中,,Wtk為第t次擴(kuò)張后充電站k的實(shí)際所服務(wù)電動(dòng)汽車數(shù)目;Dtk為第t次擴(kuò)張后充電站k的實(shí)際最大服務(wù)半徑;Dkmax為充電站k的最大服務(wù)半徑。163
本文編號(hào):2583463
【圖文】:
孞kγmax;Sk為充電站k的額定容量,其與充電站最大服務(wù)能力WkN呈正比,因此充電站的權(quán)重主要由WkN和Nk決定,經(jīng)過t次擴(kuò)張后權(quán)重變?yōu)棣?#39;k=WkmaxNt-1kWt-1kmaxNi醟(21)式中,Wt-1kmax為t-1次擴(kuò)張后的最大服務(wù)能力;Nt-1k為t-1次擴(kuò)張后區(qū)域電動(dòng)汽車數(shù)量。歸一化后得到固定權(quán)重公式為ωtk=ω'k/max(ω'1,ω'2,…,ω'n)(22)將演化過程中,充電站k服務(wù)能力WkN和服務(wù)半徑Dk的下降幅度設(shè)為變權(quán)重ω″k,其下降趨勢(shì)如圖3所示。圖3變權(quán)重曲線Fig.3Figureofvariableweightcurveω″k=ωtk1ωtk2(23)ωtk1=(Wkmax-Wtk)/Wkmax(24)ωtk2=(Dkmax-Dtk)/Dkmax(25)式中,,Wtk為第t次擴(kuò)張后充電站k的實(shí)際所服務(wù)電動(dòng)汽車數(shù)目;Dtk為第t次擴(kuò)張后充電站k的實(shí)際最大服務(wù)半徑;Dkmax為充電站k的最大服務(wù)半徑。163
本文編號(hào):2583463
本文鏈接:http://www.sikaile.net/kejilunwen/daoluqiaoliang/2583463.html
最近更新
教材專著