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