建立了綜合充電站、電動汽車（EV）用戶與配電網(wǎng)多方利益的快速充電站規(guī)劃模型,考慮EV保有量增長的影響,同時計及EV增長率的不確定性,構(gòu)建了2種EV充電站隨機機會約束動態(tài)規(guī)劃模型,并提出考慮充電需求空間分布的改進自適應遺傳算法（IAGA）求解上述規(guī)劃模型。通過一個實際算例驗證了所提IAGA在求解充電站規(guī)劃問題時的可行性與有效性,并對比分析了2種動態(tài)規(guī)劃模型的規(guī)劃結(jié)果。 

【文章來源】：電力自動化設備. 2020,40(01)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

2種動態(tài)規(guī)劃方案對比

本文采用二進制編碼方法對IAGA進行編碼，取1則表示所映射的候選站被選中，取0則表示所映射的候選站未被選中。染色體長度即為候選站的數(shù)量。以附錄(附錄)中的圖A2為例，染色體的具體編碼如圖2所示，該染色體所映射的選址方案為：在節(jié)點6、10、12、19、24規(guī)劃充電站。IAGA在編碼、交叉、變異時均約束每個分區(qū)內(nèi)至少規(guī)劃1座充電站，而整個規(guī)劃區(qū)域內(nèi)的充電站數(shù)量恒定。分區(qū)內(nèi)充電站數(shù)量約束的數(shù)學表達式為：

在動態(tài)規(guī)劃過程中，若搜索空間較小，則可直接采用枚舉法確定規(guī)劃結(jié)果；若搜索空間較大，則可采用IAGA進行求解。利用IAGA求解動態(tài)規(guī)劃模型，在編碼時需排除已規(guī)劃的充電站，利用權(quán)重分區(qū)法劃分區(qū)域時需合并已規(guī)劃充電站的分區(qū)，此外，求解適應度值、交叉操作等的具體步驟也與求解靜態(tài)模型有所不同。記第Tk+1年計劃新建充電站的數(shù)量為cd（若nk座充電站能夠滿足第Tk+1年的快速充電需求，則僅需對已有充電站進行擴容），采用IAGA求解第Tk+1年新建充電站選址與定容的具體步驟如下。

【參考文獻】：
期刊論文
[1]電動汽車充電負荷時空分布預測[J]. 李丹奇,鄭建勇,史明明,李陶然,沙浩源,梁馨予.  電力工程技術(shù). 2019(01)
[2]基于混沌模擬退火粒子群優(yōu)化算法的電動汽車充電站選址與定容[J]. 艾欣,李一錚,王坤宇,胡俊杰.  電力自動化設備. 2018(09)
[3]基于歷史行駛路線的電動汽車充電站布局優(yōu)化[J]. 付鳳杰,方雅秀,董紅召,陳煒烽.  電力系統(tǒng)自動化. 2018(12)
[4]基于改進云自適應粒子群的多DG配電網(wǎng)EV充電站優(yōu)化配置[J]. 黃飛騰,翁國慶,南余榮,楊曉東,陳鼎.  中國電機工程學報. 2018(02)
[5]電動汽車充電站多階段選址規(guī)劃[J]. 陳夢濤,張兆君,譚風雷,史賢悅,王杰,韓華春.  電力工程技術(shù). 2017(06)
[6]考慮配網(wǎng)潮流約束的高速公路快速充電站校正規(guī)劃方法[J]. 董曉紅,穆云飛,于力,靳小龍,賈宏杰,余曉丹.  電力自動化設備. 2017(06)
[7]基于城市交通網(wǎng)絡信息的電動汽車充電站最優(yōu)選址和定容[J]. 趙書強,李志偉,黨磊.  電力自動化設備. 2016(10)
[8]考慮不同類型充電需求的城市內(nèi)電動汽車充電設施綜合規(guī)劃[J]. 賈龍,胡澤春,宋永華.  電網(wǎng)技術(shù). 2016(09)
[9]考慮駕駛?cè)诵袨榱晳T及出行鏈的電動汽車充電站站址規(guī)劃[J]. 徐青山,蔡婷婷,劉瑜俊,姚良忠,曾平良.  電力系統(tǒng)自動化. 2016(04)
[10]基于LCC和量子遺傳算法的電動汽車充電站優(yōu)化規(guī)劃[J]. 黃小慶,楊夯,陳頡,江磊,曹一家.  電力系統(tǒng)自動化. 2015(17)



本文編號：3323417