电动汽车集中型充电站选址定容模型

针对充电和换电等单一模式的盲目建设,规划不集中带来的资源利用率低与部分充电需求得不到满足等问题,本文提出一种考虑充电和换电与移动充电的多种充电模式下集中型充电站选址与定容方法。首先,分析不同类型电动汽车的充电行为特性,模拟得到规划区域的充电需求分布;然后,基于最近距离原则采用排队论方法计算电动汽车充电损耗成本,优化移动充电设备自充电时刻,求得电动汽车自充电成本;最后,以集中型充电站建设维护成本、用户损失成本及设备自充电成本总和最小为目标建立选址定容模型,结合某城市部分实际道路网为研究区域,采用遗传算法求解模型,确定规划区域内集中型充电站建设数量、位置及不同设备的配置数量。结果表明:规划区域内建设8座集中型充电站总成本达到最低,充电需求车辆数量与充电功率变化对集中型充电站成本均有较大影响,且优化移动充电设备自充电调度管理,可降低集中型充电站高峰时期32.62%的电网负荷,提高了电网稳定性。

基于电动汽车充电需求的充电站选址定容研究

针对基于电动汽车充电需求的充电站选址定容问题,构建了计及电动汽车充电负荷的配电网经济性指标,并将电动汽车接入电网所带来的影响进行量化。从经济性方面,综合考虑了电动汽车入网方案投资成本、配电网网损增加成本与可靠性经济成本,以及所带来的售电效益与电动汽车环境经济效益,建立了考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型,并对充电站的选址地点及容量配比进行了优化。以IEEE-33节点系统为例,对电动汽车接入电网充电的场景进行模拟,得到了充电站选址定容的优化方案。仿真结果验证了所提方法的有效性和可行性。

基于深度学习的充电站容量规划方法

随着电动汽车充电设施建设的日益增长,区域内社会用户所需要的电动汽车供电容量的预测问题成为影响充电站建设规划的关键问题。结合深度学习的数据特征研究理论,提供了一种基于充电站容量影响因子的机器学习容量规划预测方法。该方法以充电站周边交通、区域发展和电网安全等环境影响因子为基础,训练并建立服务环境与充电需求的神经网络映射模型。实验表明,该模型对待建充电站周边环境影响因子进行分析后可以给出待建充电站的理想充电容量,从而解决待建充电站的充电容量定容问题。

考虑通勤需求的电动汽车充电站选址与定容模型

为满足电动汽车通勤用户在工作地点附近的充电需求,构建了以充电站建设成本和用户广义充电成本最小为目标的充电站选址和定容模型。引入了便捷系数量化用户的充电期望以得到充电站需要服务的电动汽车数量和电能需求。计算实例表明:充电站选址对便捷系数阈值不敏感,但建设经济性随便捷系数阈值的减小而变差,由此提出了不同规划目标下便捷系数阈值取值范围的建议。

高速公路充电站选址定容问题的多目标优化方法

【目的】高速公路充电站位置选择和容量确定对电动汽车应用推广具有重要意义。【方法】针对高速公路充电站选址定容问题,通过引入充电站的平均适配率,即电动汽车的充电需求与当前充电站总容量之间的匹配程度,以充电站的建设成本最小和充电站的平均适配率最大为目标建立了新的多目标优化模型。【结果】利用多目标优化问题的NSGA-Ⅱ算法对模型进行了数值实验,验证了模型的有效性。此外,本文也进一步研究了出行车辆数量、充电桩功率以及续航里程对充电站的建设成本和适配率的影响。【结论】数值实验表明:本文提出的多目标优化方法可以得到更高的充电站利用率和更低的建设成本,为高速公路充电站的选址定容问题提供了更加科学合理的决策参考。