本發(fā)明涉及電動(dòng)汽車充電設(shè)施，特別是涉及一種電動(dòng)汽車充電設(shè)施規(guī)劃典型場(chǎng)景選取和優(yōu)化方法。
背景技術(shù)：
：傳統(tǒng)電動(dòng)汽車以石油為燃料，消耗了大量的化石能源，加劇了全球能源危機(jī)，且尾氣中含有大量二氧化碳和有害氣體，帶來(lái)了氣候變暖、城市霧霾等一系列環(huán)境問(wèn)題。汽車保有量正快速增長(zhǎng)，2015年全球汽車保有量已達(dá)到11.2億輛，與之相伴的能源與環(huán)境問(wèn)題日益嚴(yán)重。電動(dòng)汽車作以電動(dòng)機(jī)代替內(nèi)燃機(jī)，將電能作為其動(dòng)力來(lái)源，大大提高了能源利用效率，降低了城市中溫室氣體和有害氣體的排放。因此，電動(dòng)汽車成為汽車產(chǎn)業(yè)發(fā)展的新趨勢(shì)。電動(dòng)汽車充電設(shè)施的建設(shè)將直接影響電動(dòng)汽車的推廣和滲透率的提高。2015年10月，我國(guó)發(fā)布了《電動(dòng)汽車充電基礎(chǔ)設(shè)施發(fā)展指南(2015-2020年)》，計(jì)劃到2020年，新增集中式充換電站超過(guò)1.2萬(wàn)座，分散式充電樁超過(guò)480萬(wàn)個(gè)。然而，當(dāng)前我國(guó)的電動(dòng)汽車充放設(shè)施建設(shè)剛剛起步，相關(guān)的規(guī)劃建設(shè)理論仍滯后于實(shí)際建設(shè)的需要。電動(dòng)汽車充電設(shè)施規(guī)劃問(wèn)題的求解需要基于一定的典型日或典型場(chǎng)景，典型場(chǎng)景的選取會(huì)顯著影響規(guī)劃的結(jié)果，但目前相關(guān)研究很少。技術(shù)實(shí)現(xiàn)要素：發(fā)明目的：提供一種將改進(jìn)的弗洛伊德算法和k-means聚類算法運(yùn)用于典型場(chǎng)景選取和計(jì)算中的電動(dòng)汽車充電設(shè)施規(guī)劃典型場(chǎng)景選取和優(yōu)化方法。技術(shù)方案：為了實(shí)現(xiàn)上述目標(biāo)，本發(fā)明采用如下的技術(shù)方案：一種電動(dòng)汽車充電設(shè)施規(guī)劃典型場(chǎng)景選取和優(yōu)化方法，包括如下步驟：(1)建立基于改進(jìn)弗洛伊德算法的電動(dòng)汽車充電設(shè)施規(guī)劃模型；(2)建立充電設(shè)施規(guī)劃方案評(píng)價(jià)體系；(3)基于k-means聚類算法，分別從時(shí)間維度和空間維度對(duì)電動(dòng)汽車充電需求進(jìn)行聚合，篩選或構(gòu)造典型日；(4)基于所述電動(dòng)汽車充電設(shè)施規(guī)劃模型和典型日，求取相應(yīng)充電設(shè)施規(guī)劃方案；(5)根據(jù)充電設(shè)施規(guī)劃方案評(píng)價(jià)體系，對(duì)典型日構(gòu)造進(jìn)行評(píng)價(jià)；若滿足規(guī)劃方案要求，則完成典型日選??；否則，增加聚類中心個(gè)數(shù)，返回步驟(3)。進(jìn)一步的，所述步驟(1)中，電動(dòng)汽車充電設(shè)施規(guī)劃模型考慮建設(shè)經(jīng)濟(jì)性和用戶滿意度因素，該模型滿足以下假設(shè)：(a)以建設(shè)運(yùn)營(yíng)費(fèi)用最低和用戶綜合充電時(shí)間最短為目標(biāo)；(b)規(guī)劃結(jié)果需滿足所有用戶的充電需求，即所有電動(dòng)汽車的綜合充電時(shí)間均不大于限定值；(c)電動(dòng)汽車充電的充電站選擇以綜合充電時(shí)間最短為決策目標(biāo)，基于改進(jìn)的弗洛伊德算法選擇行進(jìn)路線，同時(shí)考慮了道路擁塞對(duì)充電選擇的影響；對(duì)弗洛伊德算法的改進(jìn)包括如下步驟：(11)道路擁塞系數(shù)如下：其中，ρ1為道路在通暢情況下的擁塞系數(shù)，ρ2為道路在擁塞情況下的擁塞系數(shù)，ρ3為道路在重度擁塞情況下的擁塞系數(shù)，v為道路交通流量，c為道路的實(shí)際通行能力，β為道路的可靠性系數(shù)，取值范圍為(0,1)；12)計(jì)算道路折算距離基于道路擁塞系數(shù)，將擁塞度折算入道路長(zhǎng)度得到各道路的擁塞折算距離：l′ab＝γablab其中，a和b分別為道路兩段節(jié)點(diǎn)編號(hào)，lab和l′ab分別為道路長(zhǎng)度和道路擁塞折算距離，γab表示道路ab路段道路擁塞系數(shù)。進(jìn)一步的，所述步驟(2)包括如下步驟：(21)對(duì)綜合充電時(shí)間進(jìn)行表征電動(dòng)汽車的綜合充電時(shí)間是電動(dòng)汽車某次充電行程的總時(shí)間，包括充電行駛時(shí)間、站內(nèi)排隊(duì)時(shí)間和充電時(shí)間；計(jì)算公式如下：ti＝tidrive+tiwait+ticharge其中，ti為電動(dòng)汽車i的綜合充電時(shí)間，tidrive為電動(dòng)汽車i的充電行駛時(shí)間tiwait為電動(dòng)汽車i的站內(nèi)排隊(duì)時(shí)間，ticharge為電動(dòng)汽車i的充電時(shí)間；(22)對(duì)等待時(shí)間越限百分比進(jìn)行表征等待時(shí)間是用戶前往充電站的行駛時(shí)間和充電站排隊(duì)時(shí)間之和，等待時(shí)間越限百分比表征等待時(shí)間超過(guò)限定最大值的電動(dòng)汽車數(shù)量占總的充電需求的百分比，該指標(biāo)可以反映電動(dòng)汽車充電設(shè)施對(duì)于充電需求的滿足比率，計(jì)算公式如下：其中，ρ表征等待時(shí)間越限百分比，n表征總的充電需求αi是一個(gè)二元矩陣，表達(dá)式如下：其中，tiwait和tlimit分別為電動(dòng)汽車i的等待時(shí)間和電動(dòng)汽車的等待時(shí)間限定值；(23)對(duì)建設(shè)和運(yùn)營(yíng)成本表征經(jīng)濟(jì)性是電動(dòng)汽車及其附屬設(shè)施規(guī)劃建設(shè)考慮的重要指標(biāo)之一，主要包括建設(shè)成本和運(yùn)營(yíng)成本；其中，建設(shè)成本包含土地成本費(fèi)用、設(shè)備采購(gòu)費(fèi)用和配網(wǎng)改造費(fèi)用，運(yùn)營(yíng)成本包含電費(fèi)、網(wǎng)損費(fèi)用和設(shè)備折舊費(fèi)用；綜合考慮，建設(shè)和運(yùn)營(yíng)成本可由下式表征：ctoatl＝cpile+cland+cdistribution+celectricity+closs+cdepreciation式中，cpile表示充電設(shè)施采購(gòu)費(fèi)用，cland表示土地成本費(fèi)用，cdistribution表示配網(wǎng)改造費(fèi)用，celectricity表示電費(fèi)，closs表示網(wǎng)損費(fèi)用，cdepreciation表示設(shè)備折舊費(fèi)用。(24)充電設(shè)施利用效率充電設(shè)施利用效率表征充電樁的使用時(shí)間與總運(yùn)營(yíng)時(shí)間的比值，計(jì)算公式如下：式中，η和m分別表征設(shè)施利用效率和充電樁數(shù)量，tj和分別表征充電樁j的使用時(shí)間和總運(yùn)營(yíng)時(shí)間。進(jìn)一步的，所述步驟(3)包含如下步驟：(31)時(shí)間維度聚類對(duì)于備選典型日，將其日內(nèi)隨時(shí)間變化的需求數(shù)據(jù)記為序列：yi＝{yi(1),yi(2),yi(3),……,yi(p)}其中，yi(p)表示第i個(gè)備選典型日的第p個(gè)時(shí)刻的充電需求，將l個(gè)備選典型日的需求序列構(gòu)成矩陣：對(duì)矩陣y中的各列分別進(jìn)行聚類，假設(shè)聚類中心均為r個(gè)，則聚類結(jié)果可記為：矩陣ycluster中的第r行即為聚類算法得到的第r個(gè)典型日的各時(shí)刻充電總需求序列，ycluster即為時(shí)間維度的聚類結(jié)果，yr′(p)表示第r個(gè)聚類典型日的第p個(gè)時(shí)刻的充電總需求；(32)空間維度聚類將空間維度上的備選典型日數(shù)據(jù)記為序列：zi＝{zi(1),zi(2),zi(3),……,zi(pnode)}其中，zi(pnode)表示第i個(gè)備選典型日的第pnode個(gè)節(jié)點(diǎn)的當(dāng)日充電總需求，將l個(gè)備選典型日的充電需求序列構(gòu)成矩陣：將矩陣z中的各列分別進(jìn)行聚類，聚類中心均為1個(gè)，則聚類結(jié)果可記為：zcluster＝[z′(1),z′(2),z′(3),……,z′(pnode)]矩陣zcluster為空間維度的聚類結(jié)果，z′(pnode)表示第pnode個(gè)節(jié)點(diǎn)充電總需求；則各節(jié)點(diǎn)充電需求占總需求的權(quán)重記為：(33)確定典型日在電動(dòng)汽車滲透率較高，即電動(dòng)汽車數(shù)量較多的情況下，將步驟(31)中得到的各個(gè)時(shí)刻的充電總需求，按照步驟(32)中各個(gè)節(jié)點(diǎn)所占權(quán)重進(jìn)行分配，可以得到各典型日的充電需求的時(shí)空分布情況，即充電站規(guī)劃問(wèn)題中的典型日數(shù)據(jù)；在電動(dòng)汽車滲透率不高，即電動(dòng)汽車數(shù)量不多的情況下，按比例分配會(huì)出現(xiàn)大量小于1的節(jié)點(diǎn)需求，很難處理，故找到一個(gè)規(guī)劃典型日使得下式最?。菏街校聇ime和βnode分別為時(shí)間維度和空間維度的誤差權(quán)重。進(jìn)一步的，所述步驟(4)包括如下步驟：(41)建立最優(yōu)化模型電動(dòng)汽車充電設(shè)施規(guī)劃模型是一個(gè)多目標(biāo)整數(shù)規(guī)劃問(wèn)題，可由下式表征：其中，f1是所有用戶的綜合充電時(shí)間之和，ti為電動(dòng)汽車i的綜合充電時(shí)間，n為電動(dòng)汽車數(shù)量，f1可表征用戶的整體滿意度，即綜合充電時(shí)間之和越小，用戶滿意度越大；f2是充電設(shè)施規(guī)劃運(yùn)營(yíng)費(fèi)用，ctoatl為建設(shè)費(fèi)用和運(yùn)營(yíng)費(fèi)用的總成本，f2表征規(guī)劃方案的經(jīng)濟(jì)性，即總成本越小，經(jīng)濟(jì)性越優(yōu)；和分別為兩個(gè)目標(biāo)的權(quán)重。該問(wèn)題需滿足如下約束：tiwait≤tlimit其中，tiwait和tlimit分別為電動(dòng)汽車i的等待時(shí)間和電動(dòng)汽車的等待時(shí)間限定值；(42)求取充電設(shè)施規(guī)劃方案多目標(biāo)整數(shù)規(guī)劃問(wèn)題采用一種相對(duì)簡(jiǎn)化的求解方法，包括如下步驟：(a)計(jì)算各支路有效行駛距離，修改floyd算法中的鄰接矩陣；(b)從備選地址中選擇充電站建設(shè)地址，確定充電站建設(shè)位置；(c)輸入初始充電樁個(gè)數(shù)為npile；(d)將充電樁分配給各個(gè)充電站(e)計(jì)算電動(dòng)汽車整體充電時(shí)間ttotal和最大等待時(shí)間tmax；(f)如果ttotal不是該充電樁個(gè)數(shù)下的最小整體充電時(shí)間，則返回步驟(d)重新分配充電樁；否則，進(jìn)入下一步；(g)判斷最大等待時(shí)間是否大于限定值，若tmax大于30min，返回步驟(c)，增加充電樁個(gè)數(shù)；否則，進(jìn)入下一步；(h)判斷充電站建設(shè)成本是否為最小值，若不是，返回步驟(b)，重新選擇建設(shè)地址；否則，輸出規(guī)劃方案。進(jìn)一步的，所述步驟(5)中，根據(jù)步驟(2)提出的規(guī)劃方案評(píng)價(jià)體系，對(duì)典型日構(gòu)造進(jìn)行評(píng)價(jià)，若等待時(shí)間越限百分比滿足規(guī)劃方案要求，則完成典型日選取，否則增加聚類中心個(gè)數(shù)，返回步驟(3)。有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明方法充分考慮了典型日選取對(duì)電動(dòng)汽車選址定容的影響，并通過(guò)電動(dòng)汽車充電設(shè)施選址定容建模、規(guī)劃方案評(píng)價(jià)體系建立和典型日選取或構(gòu)造等步驟，采用改進(jìn)的弗洛伊德算法和k-means均值聚類算法等優(yōu)化算法，極大地提高了典型日選取的科學(xué)性。另外，電動(dòng)汽車規(guī)劃問(wèn)題中，考慮道路擁塞等交通因素更全面的反映了現(xiàn)實(shí)情況，輔助用戶選擇最優(yōu)的充電站和相應(yīng)的充電行程路徑?；跁r(shí)空雙維度k-means聚類的規(guī)劃典型日構(gòu)造方法可以得到最具代表性的一個(gè)或多個(gè)典型日，反映典型充電需求場(chǎng)景，顯著降低規(guī)劃問(wèn)題的計(jì)算量。通過(guò)對(duì)于聚類中心數(shù)量(典型日數(shù)量)的控制，可以改善規(guī)劃方案的評(píng)價(jià)指標(biāo)，提高用戶的滿意度。附圖說(shuō)明圖1為本發(fā)明方法的總流程圖；圖2為充電設(shè)施規(guī)劃方案求解的流程圖；圖3為交通網(wǎng)絡(luò)模型圖；圖4為一個(gè)聚類中心日內(nèi)充電需求隨時(shí)間變化曲線圖；圖5為一個(gè)聚類中心日內(nèi)各節(jié)點(diǎn)總充電需求曲線圖；圖6為一個(gè)聚類中心100個(gè)自然日等待時(shí)間越限百分比分布圖；圖7為兩個(gè)聚類中心日內(nèi)充電需求隨時(shí)間變化曲線圖；圖8為兩個(gè)聚類中心日內(nèi)各節(jié)點(diǎn)總充電需求；圖9為兩個(gè)聚類中心100個(gè)自然日等待時(shí)間越限百分比分布圖；圖10為不同聚類中心數(shù)量下備選典型日等待時(shí)間越限百分比分布圖；圖11為不同聚類中心數(shù)量下評(píng)價(jià)指標(biāo)變化圖。具體實(shí)施方式下面結(jié)合附圖對(duì)本發(fā)明方法作進(jìn)一步描述。如圖1所示，一種電動(dòng)汽車充電設(shè)施規(guī)劃典型場(chǎng)景選取和優(yōu)化方法，包括如下步驟：步驟(1)：建立基于改進(jìn)弗洛伊德算法的電動(dòng)汽車充電設(shè)施規(guī)劃模型，即選址定容模型：充電設(shè)施規(guī)劃主要考慮建設(shè)經(jīng)濟(jì)性和用戶滿意度兩個(gè)因素，該規(guī)劃模型(即選址定容模型)滿足以下假設(shè)：(a)該規(guī)劃模型以建設(shè)運(yùn)營(yíng)費(fèi)用最低和用戶綜合充電時(shí)間最短為目標(biāo)；(b)規(guī)劃結(jié)果需滿足所有用戶的充電需求，即所有電動(dòng)汽車的綜合充電時(shí)間均不大于限定值；(c)電動(dòng)汽車充電的充電站選擇以綜合充電時(shí)間最短為決策目標(biāo)，基于弗洛伊德算法選擇行進(jìn)路線，同時(shí)考慮了道路擁塞度對(duì)充電選擇的影響。弗洛伊德(floyd)算法的主要思想是從任意兩個(gè)頂點(diǎn)vi到vj的帶權(quán)鄰接矩陣w開(kāi)始，每次插入一個(gè)頂點(diǎn)vk，然后比較vi到vj已知最短路徑與將vk作為中間節(jié)點(diǎn)的路徑的長(zhǎng)度，將較小值作為新的距離矩陣，如此插入頂點(diǎn)n次，分別得到n個(gè)距離矩陣，記為d(1),d(2),.....,d(n)，最后得到的矩陣d(n)即記錄了圖中各定點(diǎn)間的最短距離信息。弗洛伊德算法可求取任意頂點(diǎn)的路徑距離，為待充電電動(dòng)汽車選取路程最短的充電站以前往充電。本發(fā)明中，電動(dòng)汽車選取充電站和相應(yīng)路徑時(shí)，需要考慮道路擁塞的影響，為此對(duì)經(jīng)典的弗洛伊德算法進(jìn)行改進(jìn)，將道路擁塞程度折算入各相鄰頂點(diǎn)之間的路徑長(zhǎng)度，即對(duì)帶權(quán)鄰接矩陣w中的各元素進(jìn)行加權(quán)。對(duì)弗洛伊德算法的改進(jìn)包括如下步驟：(11)定義道路擁塞度系數(shù)如下：其中，ρ1、ρ2和ρ3分別為路段在通暢、擁塞和重度擁塞情況下的擁塞度系數(shù)，v和c分別為道路流量和道路的實(shí)際通行能力，β為道路的可靠性系數(shù)，取值范圍為(0,1)。(12)計(jì)算道路折算距離基于擁塞度系數(shù)，將擁塞度系數(shù)折算入道路長(zhǎng)度得到各道路的擁塞折算距離：l′ab＝γablab(2)其中，a和b分別為道路兩段節(jié)點(diǎn)編號(hào)，lab和l′ab分別為道路長(zhǎng)度和道路擁塞折算距離，γab表示道路ab路段道路擁塞系數(shù)。通過(guò)上述改進(jìn)和應(yīng)用，可以以一種比較簡(jiǎn)化的方式將道路擁塞考慮進(jìn)電動(dòng)汽車充電路徑選擇模型中去，從而以充電行程時(shí)間最短，即滿意度最高為目標(biāo)，為用戶的充電站選擇和相應(yīng)路徑選擇提供有效建議。步驟(2)建立充電設(shè)施規(guī)劃方案評(píng)價(jià)體系(21)對(duì)綜合充電時(shí)間進(jìn)行表征電動(dòng)汽車的綜合充電時(shí)間是電動(dòng)汽車某次充電行程的總時(shí)間，包括充電行駛時(shí)間、站內(nèi)排隊(duì)時(shí)間和充電時(shí)間。計(jì)算公式如下：ti＝tidrive+tiwait+ticharge(3)式中，ti為電動(dòng)汽車i的綜合充電時(shí)間，tidrive、tiwait和ticharge分別為電動(dòng)汽車i的充電行駛時(shí)間、站內(nèi)排隊(duì)時(shí)間和充電時(shí)間。在電動(dòng)汽車充電行程耗電量較小的情況下，電動(dòng)汽車充電的經(jīng)濟(jì)性受用戶充電選擇的影響較小，因此可用綜合充電時(shí)間表征用戶充電的滿意度，綜合充電時(shí)間越小，用戶滿意度越高，反之，用戶滿意度越低。在某些極端情況下，電動(dòng)汽車充電設(shè)施無(wú)法滿足所有用戶的充電需求，造成某些用戶的綜合充電時(shí)間很大，此時(shí)，電動(dòng)汽車用戶的滿意度較小，甚至?xí)艞壔蛘哐舆t電動(dòng)汽車的充電行為。(22)對(duì)等待時(shí)間越限百分比進(jìn)行表征等待時(shí)間是用戶前往充電站的行駛時(shí)間和充電站排隊(duì)時(shí)間之和。等待時(shí)間越限百分比表征等待時(shí)間超過(guò)限定最大值的電動(dòng)汽車數(shù)量占總的充電需求的百分比。計(jì)算公式如下：其中，ρ表征等待時(shí)間越限百分比，n表征總的充電需求(即待充電的電動(dòng)汽車數(shù)量)，αi是一個(gè)二元矩陣，表達(dá)式如下：其中，tiwait和tlimit分別為電動(dòng)汽車i的等待時(shí)間和電動(dòng)汽車的等待時(shí)間限定值。該指標(biāo)可以反映電動(dòng)汽車充電設(shè)施對(duì)于充電需求的滿足比率。從規(guī)劃角度來(lái)說(shuō)，滿足用戶的充電需求是規(guī)劃的主要目標(biāo)之一，因此需要將該越限百分比控制在一個(gè)較低水平。(23)對(duì)建設(shè)和運(yùn)營(yíng)成本表征經(jīng)濟(jì)性是電動(dòng)汽車及其附屬設(shè)施規(guī)劃建設(shè)考慮的重要指標(biāo)之一，主要包括建設(shè)成本和運(yùn)營(yíng)成本。其中，建設(shè)成本包含土地費(fèi)用和設(shè)備采購(gòu)費(fèi)用，運(yùn)營(yíng)成本包含人工成本、電費(fèi)支出、設(shè)備折舊等。對(duì)于城市中充電設(shè)施的選址定容，不同區(qū)位的用地成本有很大區(qū)別，市中心的土地費(fèi)用高昂，應(yīng)盡量選擇車流量較大且土地成本較低的地段。同時(shí)，集中充電設(shè)施的運(yùn)營(yíng)會(huì)改變配電網(wǎng)絡(luò)的負(fù)荷分配，對(duì)配網(wǎng)造成沖擊或增加潮流擁塞和網(wǎng)損，對(duì)于容量不足的節(jié)點(diǎn)需要考慮擴(kuò)容和相應(yīng)的配網(wǎng)改造支出。綜合考慮，建設(shè)和運(yùn)營(yíng)成本可由下式表征：式中，cpile表示充電設(shè)施采購(gòu)費(fèi)用，cland表示土地成本，cdistribution表示配網(wǎng)改造費(fèi)用，celectricity表示電費(fèi)，closs表示網(wǎng)損費(fèi)用、cdepreciation表示設(shè)備折舊費(fèi)用。(24)充電設(shè)施利用效率充電設(shè)施利用效率表征充電樁的使用時(shí)間與總運(yùn)營(yíng)時(shí)間的比值。該指標(biāo)可以反映充電設(shè)施的利用效率，規(guī)避基于極端場(chǎng)景得到的規(guī)劃方案中的設(shè)備閑置造成的公共資源浪費(fèi)。計(jì)算公式如下：式中，η和m分別表征設(shè)施利用效率和充電樁數(shù)量，tj和分別表征充電樁j的使用時(shí)間和總運(yùn)營(yíng)時(shí)間。步驟(3)：基于k-means算法從時(shí)間和空間維度對(duì)充電需求進(jìn)行聚類，選取或構(gòu)造典型日采用k-means聚類方法對(duì)備選典型日進(jìn)行聚合運(yùn)算。時(shí)間維度上，采用k-means方法將各時(shí)刻的總需求聚為k類，即k個(gè)典型日?？臻g維度上，將各節(jié)點(diǎn)需求聚為一類，計(jì)算各節(jié)點(diǎn)充電需求占總需求的比值。在電動(dòng)汽車數(shù)量較多的情況下，將各時(shí)刻的總充電需求按比例折算到各節(jié)點(diǎn)，從而得到每個(gè)節(jié)點(diǎn)各個(gè)時(shí)刻的充電需求，即各個(gè)典型日充電需求時(shí)空分布。在電動(dòng)汽車數(shù)量不多的情況下，從備選典型日中選擇最接近于聚類結(jié)果的作為規(guī)劃典型日。典型場(chǎng)景選取與構(gòu)造流程包括如下幾個(gè)步驟：(i)對(duì)自然日集或預(yù)測(cè)日集進(jìn)行篩選，去除極端情況下的自然日，得到備選典型日集；(ii)分別基于時(shí)間維度和空間維度，對(duì)電動(dòng)汽車充電需求進(jìn)行聚合，篩選或構(gòu)造一定數(shù)量的聚類典型日；(iii)基于上述得到的聚類典型日，采用一定的電動(dòng)汽車充電站選址定容規(guī)劃模型，得到電動(dòng)汽車充電站規(guī)劃方案；(iv)基于所有的歷史自然日，對(duì)得到的規(guī)劃方案進(jìn)行全時(shí)段可行性檢驗(yàn)，計(jì)算評(píng)價(jià)指標(biāo)，若滿足規(guī)劃要求，則完成典型日選?。环駝t增加聚類中心個(gè)數(shù)(典型日數(shù)量)，返回步驟(ii)。(31)時(shí)間維度聚類對(duì)于備選典型日，將其日內(nèi)隨時(shí)間變化的需求數(shù)據(jù)記為序列：yi＝{yi(1),yi(2),yi(3),……,yi(p)}(8)其中，yi(p)表示第i個(gè)備選典型日的第p個(gè)時(shí)刻的充電需求。將l個(gè)備選典型日的需求序列構(gòu)成矩陣：對(duì)矩陣y中的各列分別進(jìn)行聚類，假設(shè)聚類中心均為r個(gè)，則聚類結(jié)果可記為：矩陣ycluster中的第r行即為聚類算法得到的第r個(gè)典型日的各時(shí)刻充電總需求序列。ycluster即為時(shí)間維度的聚類結(jié)果，y′r(p)表示第r個(gè)聚類典型日的第p個(gè)時(shí)刻的充電總需求，即矩陣中的各元素記錄了各個(gè)時(shí)刻的充電總需求。(32)空間維度聚類采用相同方法，將空間維度上的備選典型日數(shù)據(jù)(即各節(jié)點(diǎn)日內(nèi)總需求)記為序列：zi＝{zi(1),zi(2),zi(3),……,zi(pnode)}(11)其中，zi(pnode)表示第i個(gè)備選典型日的第pnode個(gè)節(jié)點(diǎn)的當(dāng)日充電總需求。將l個(gè)備選典型日的充電需求序列構(gòu)成矩陣：將矩陣z中的各列分別進(jìn)行聚類，聚類中心均為1個(gè)，則聚類結(jié)果可記為：zcluster＝[z′(1),z′(2),z′(3),……,z′(pnode)](13)矩陣zcluster為空間維度的聚類結(jié)果，z′(pnode)表示第pnode個(gè)節(jié)點(diǎn)充電總需求；則各節(jié)點(diǎn)充電需求占總需求的權(quán)重記為：(33)確定典型日在電動(dòng)汽車滲透率較高，即電動(dòng)汽車數(shù)量較多的情況下，將式(10)中各個(gè)時(shí)刻的充電總需求，按照式(14)中各個(gè)節(jié)點(diǎn)所占權(quán)重進(jìn)行分配，可以得到各典型日的充電需求的時(shí)空分布情況，即充電站規(guī)劃問(wèn)題中的典型日數(shù)據(jù)。在電動(dòng)汽車滲透率不高，即電動(dòng)汽車數(shù)量不多的情況下，按比例分配會(huì)出現(xiàn)大量小于1的節(jié)點(diǎn)需求，很難處理，故可從備選典型日中挑選最接近于聚類結(jié)果的作為規(guī)劃典型日，即找到一個(gè)規(guī)劃典型日使得下式最小：式中，βtime和βnode分別為時(shí)間維度和空間維度的誤差權(quán)重。步驟(4)：基于充電設(shè)施選址定容模型求取規(guī)劃方案(41)建立最優(yōu)化模型電動(dòng)汽車充電設(shè)施規(guī)劃模型是一個(gè)多目標(biāo)整數(shù)規(guī)劃問(wèn)題，可由下式表征：其中，f1是所有用戶的綜合充電時(shí)間之和，ti為電動(dòng)汽車i的綜合充電時(shí)間，n為電動(dòng)汽車數(shù)量，f1可表征用戶的整體滿意度，即綜合充電時(shí)間之和越小，用戶滿意度越大；f2是充電設(shè)施規(guī)劃運(yùn)營(yíng)費(fèi)用，ctoatl為建設(shè)費(fèi)用和運(yùn)營(yíng)費(fèi)用的總成本，f2表征規(guī)劃方案的經(jīng)濟(jì)性，即總成本越小，經(jīng)濟(jì)性越優(yōu)；和分別為兩個(gè)目標(biāo)的權(quán)重。該問(wèn)題需滿足如下約束：tiwait≤tlimit(17)其中，tiwait和tlimit分別為電動(dòng)汽車i的等待時(shí)間和電動(dòng)汽車的等待時(shí)間限定值。(42)求取充電設(shè)施規(guī)劃方案多目標(biāo)整數(shù)規(guī)劃問(wèn)題一般可采用遺傳編碼進(jìn)行求解，本發(fā)明采用一種相對(duì)簡(jiǎn)化的求解方法，流程如圖2所示，包括如下步驟：(a)計(jì)算各支路有效行駛距離，修改floyd算法中的鄰接矩陣；(b)從備選地址中選擇充電站建設(shè)地址，確定充電站建設(shè)位置；(c)輸入初始充電樁個(gè)數(shù)為npile；(d)將充電樁分配給各個(gè)充電站(e)計(jì)算電動(dòng)汽車整體充電時(shí)間ttotal和最大等待時(shí)間tmax；(f)如果ttotal不是該充電樁個(gè)數(shù)下的最小整體充電時(shí)間，則返回步驟(d)重新分配充電樁；否則，進(jìn)入下一步；(g)判斷最大等待時(shí)間是否大于限定值，若tmax大于30min，返回步驟(c)，增加充電樁個(gè)數(shù)；否則，進(jìn)入下一步；(h)判斷充電站建設(shè)成本是否為最小值，若不是，返回步驟(b)，重新選擇建設(shè)地址；否則，輸出規(guī)劃方案。步驟(5)：規(guī)劃方案的評(píng)價(jià)與優(yōu)化根據(jù)步驟(2)提出的規(guī)劃方案評(píng)價(jià)體系，對(duì)典型日構(gòu)造進(jìn)行評(píng)價(jià)，若等待時(shí)間越限百分比滿足規(guī)劃方案要求，則完成典型日選取，否則增加聚類中心個(gè)數(shù)，返回步驟3)。實(shí)施例：本實(shí)施例選擇了一塊面積為20km2的區(qū)域進(jìn)行仿真。該區(qū)域的配電網(wǎng)絡(luò)采用了ieee30節(jié)點(diǎn)配網(wǎng)模型，并建立了一個(gè)37節(jié)點(diǎn)的交通網(wǎng)絡(luò)模型，如圖3所示。交通網(wǎng)絡(luò)結(jié)構(gòu)圖中，細(xì)實(shí)線支路為通暢路段，虛線支路為繁忙路段，粗實(shí)線支路為擁擠路段。假設(shè)該規(guī)劃要求電動(dòng)汽車等待時(shí)間越限百分比均值不大于1.5％。該實(shí)施例對(duì)采用聚類算法確定規(guī)劃典型日的方法進(jìn)行具體說(shuō)明?；趍atlab的隨機(jī)仿真得到了100組備選典型日的充電需求數(shù)據(jù)，每組數(shù)據(jù)滿足以下分布：1)電動(dòng)汽車數(shù)量：該區(qū)域日內(nèi)有充電需求的電動(dòng)汽車為1000輛；2)初始位置：滿足均勻分布；3)充電行程起始時(shí)間：滿足均勻分布和正態(tài)分布的組合分布；4)平均速度：滿足n(3,1)的正態(tài)分布，單位為100米/分鐘；5)初始荷電狀態(tài)(stateofcharge，soc)：滿足(0.2,0.6)的均勻分布；6)最大電荷狀態(tài)：滿足(0.85,0.95)的均勻分布；7)充電功率：20kw；8)電池容量：200輛電池容量為18kwh，200輛為20kwh，200輛為25kwh，400輛為30kwh；9)最大續(xù)航里程：200輛續(xù)航里程為120km，200輛為150km，200輛為180km，400輛為200km；如圖4至圖6所示為一個(gè)聚類中心時(shí)的仿真結(jié)果圖。圖4中，曲線31為100個(gè)備選典型日各自的日內(nèi)充電需求隨時(shí)間的變化曲線圖，曲線32為基于k-means方法得到的聚類中心，曲線33為第56日的充電需求隨時(shí)間分布情況。圖5中，曲線41為100個(gè)備選典型日的各節(jié)點(diǎn)充電總需求，曲線42為聚類結(jié)果，大體呈現(xiàn)水平，略有波動(dòng)，曲線43為第56日各節(jié)點(diǎn)充電需求分布情況?；谑?15)計(jì)算綜合方差，確定第56天為規(guī)劃典型日，其綜合方差為：(1)規(guī)劃計(jì)算將第56日充電需求數(shù)據(jù)作為規(guī)劃典型日，基于規(guī)劃模型，計(jì)算得到規(guī)劃方案。選址定容情況如下表1所示。表1：各節(jié)點(diǎn)充電樁數(shù)量序號(hào)12345678備選節(jié)點(diǎn)26101112131927充電樁數(shù)8012570512(2)指標(biāo)評(píng)價(jià)100個(gè)自然日等待時(shí)間越限百分比分布如圖6所示。等待時(shí)間越限車輛數(shù)最大為103輛，占該日有充電需求的車輛數(shù)比例為10.3％，大于10％?？傮w上看，等待時(shí)間越限百分比均值為3.81％，100個(gè)自然日中有50天的越限百分比大于3％，顯然無(wú)法滿足規(guī)劃方案要求，1個(gè)聚類中心無(wú)法滿足規(guī)劃需要。圖7至圖9所示為兩個(gè)聚類中心的仿真結(jié)果圖。圖7中，曲線61為100個(gè)備選典型日各自的日內(nèi)充電需求隨時(shí)間的變化曲線圖，曲線62和曲線63分別為基于k-means方法得到的兩個(gè)聚類中心，曲線64和曲線65分別為第56日和第45日的充電需求隨時(shí)間分布情況。圖8中，曲線71為100個(gè)備選典型日的各節(jié)點(diǎn)充電總需求，曲線72為聚類結(jié)果，曲線73和曲線74分別為第56日和第45日的各節(jié)點(diǎn)充電需求分布情況。通過(guò)計(jì)算綜合方差，確定第56日和第45日為分別最接近兩個(gè)聚類中心的備選典型日，選取為典型日。(1)規(guī)劃計(jì)算將第56日和第45日作為規(guī)劃典型日，基于規(guī)劃模型，計(jì)算得到規(guī)劃方案。選址定容情況如下表2所示。表2：各節(jié)點(diǎn)充電樁數(shù)量(2)指標(biāo)評(píng)價(jià)100個(gè)備選典型日等待時(shí)間越限百分比分布如圖9所示。由圖可知，等待時(shí)間越限車輛數(shù)最大為44輛，占該日有充電需求的車輛數(shù)比例為4.4％，小于4.5％?？傮w上看等待時(shí)間越限百分比均值為1.23％，處于一個(gè)較低水平。100個(gè)備選典型日中有51天的越限車輛數(shù)不超過(guò)1輛，即該規(guī)劃方案有51％的概率控制越限車輛占比不超過(guò)0.1％；100個(gè)自然典型日中有85天的越限車輛數(shù)小于等于30輛，即該規(guī)劃方案有85％的概率控制越限車輛占比不超過(guò)3％。因此，當(dāng)時(shí)間維度聚類中心數(shù)量增加為2時(shí)，可滿足規(guī)劃需求。如圖10和圖11所示為不同個(gè)數(shù)聚類中心結(jié)果比較分析。從圖10和圖11可以看出，當(dāng)聚類中心數(shù)量增加時(shí)，等待時(shí)間越限百分比均值由3.81％降低為1.23％，降低67.72％；電動(dòng)汽車的平均等待時(shí)間由7.43min降低為5.94min，降低20.05％；充電樁總數(shù)從49個(gè)增加為57個(gè)，增加16.33％。可見(jiàn)，增加聚類中心個(gè)數(shù)會(huì)顯著降低備選典型日等待時(shí)間越限百分比和電動(dòng)汽車平均等待時(shí)間，對(duì)應(yīng)于電動(dòng)汽車用戶滿意度的顯著提高，但也會(huì)一定程度上影響規(guī)劃方案的經(jīng)濟(jì)性。當(dāng)前第1頁(yè)12