基于遗传算法计及充电行驶距离的电动汽车充电网络规划.pdf

:/基于遗传算法计及充电行驶距离的电动汽车充电网络规划谢鹰 郑众 刘剑峰 高希 李大祥(.国网江苏省电力有限公司苏州供电分公司 江苏 苏州.南通大学电气工程学院 江苏 南通)摘 要:为缩短电动汽车充电行驶距离 提升车主充电便利性 建立了基于流量需求模型()的电动汽车充电网络随机规划模型 在充电站建造数目给定的前提下 通过优化充电站建设地址 在保证电动汽车充电行驶距离满足机会约束的同时 最小化整个交通网络中的电动汽车平均充电行驶里程 所建立的规划模型为考虑机会约束的 整数规划问题 采用基于可行性法则的遗传算法()对其进行求解 为提高求解性能对遗传算法中的交叉、变异算子进行改进 最后 采用基于 节点交通网络的算例验证所提模型与求解方法的有效性 并对不同规划边界条件下充电行驶距离概率分布特性、置信度与充电站建造数目对规划结果的影响进行了分析关键词:电动汽车 充电网络 充电行驶距离 机会约束 遗传算法中图分类号:文献标志码:文章编号:()基金项目:国家自然科学基金项目()江苏省高等学校自然科学研究重大项目()收稿日期:修回日期:(.):().().:第 卷第 期 湖 南 电 力 年 月 引言近年来 随着化石能源过度使用与环境污染的日益加剧 发展以电动汽车()为代表的绿色交通工具成为世界各国的共识我国也制定了一系列政策 促进 产业发展现阶段 充电站是 充电的重要场所之一 也是支撑 产业持续发展的公共服务设施 布局合理的 充电网络能显著提高车主充电便利性 促进 产业进一步发展 因此 充电网络规划成为现阶段的研究热点之一作为配电系统中的重要新增负荷 大规模 充电可能会对配电系统产生显著影响 同时充电站作为交通网络中的重要服务设施 对 车主起到类似“加油站”的作用 因此 部分学者在 充电网络规划中同时考虑了充电站的电力负荷属性与公共服务属性 文献 提出了以俘获交通流量最大、配电系统网损最小及节点电压偏移最小为目标的多目标 充电网络规划模型 并采用粒子群算法求解 文献 建立了类似的多目标 充电网络规划模型 并在研究中考虑了充电负荷的随机特性 文献 采用无约束交通分配模型描述交通流量分布 并在此基础上建立了充电站、配电系统投资运行成本与用户充电用时等效成本之和最小的 充电网、交通网与配电网协同规划模型尽管考虑了 充电站的公共服务设施属性但文献 在研究中仍着重考虑充电网络建设对配电系统运行工况的影响 目前 正处于充电网络建设初期 充电站布点数目少 很少出现同一配电馈线接入多座充电站并对配电系统运行工况产生显著影响的情况 也就是说 现阶段的 充电网络规划中应着重考虑充电站的公共服务属性 通过优化充电站建设地址提升车主充电的便利性 充电网络建设初期 充电站布点数目较少 充电行驶距离是衡量充电便利性的重要指标之一 目前 有关 充电网络规划的研究主要基于两类模型 基于流量的模型和基于空间的模型 基于流量的模型以从流量需求模型()发展而来的截流选址模型()为代表 现阶段基于流量的模型均为基于 的扩展模型 虽然该类模型能够考虑到 在行驶途中产生的充电需求 并保证充电网络截获的交通流量最大 从而提高充电网络的服务能力 但却无法兼顾 与充电站间的距离基于空间的选址模型则以 模型为代表 还包括最大覆盖模型()与 集 覆 盖 模 型()等 文献 对、与 模型进行了对比分析 结果表明 模型能够考虑到需求点至充电站的行驶距离 相较于 与 模型更适用于 充电网络规划 文献 基于 模型提出了不同的充电网络规划优化模型:文献 以各小区内 至充电站总行驶距离之和最小为优化目标 建立 充电网络规划模型 并采用教与学算法求解 文献 提出了考虑 至充电站总行驶距离最小的多目标 充电网络规划模型 并利用权系数将其糅合为单目标优化问题求解 然而 文献 基于 模型建立的充电网络规划模型将充电需求局限于交通节点 仅能优化“点至点”的固定充电行驶距离忽略了 在行驶途中产生的充电需求 具有一定的局限性在考虑充电行驶距离随机特性的基础上 本文提出以 平均充电行驶距离最短为优化目标 考虑充电行驶距离机会约束的 充电网络规划模型 基于给定的充电站建设数目和候选场址 优化充电站建设地址 在保证 充电行驶距离满足机会约束的前提下 最小化 平均充电行驶里程提高车主充电便利性 根据交通网络拓扑结构与配电系统接入条件 预先确定充电站候选地址 作为规划边界条件 采用基于可行性法则的遗传算法()对所提规划模型进行求解 并对 充电行驶距离的概率分布特性进行分析 最后 基于 节点交通网络的仿真验证本文所提模型与方法的有效性 充电行驶距离计算交通网络中 产生充电需求后 车主将在导航软件提示下 行驶至距离最近的充电站进行充电 以图 为例说明 充电行驶距离计算方法图 充电行驶距离计算图 中 表示交通网络中的道路 长度为第 卷第 期 湖 南 电 力 年 月、均为交通网络中的节点 距离交通节点 最近的充电站位于交通节点 表示交通节点 至 的最短路径 距离交通节点 最近的充电站位于交通节点 表示交通节点 至 的最短路径 同样由若干道路与交通节点组成 道路 上 某台 距交通节点 的距离为 ()若产生充电需求 车主会选择距离最近的充电站进行充电 充电行驶距离 ()可按式()进行计算:()()充电行驶距离与交通网络拓扑结构、充电站建设状况及 在道路上的位置等多种因素有关 充电网络规划模型 优化目标为缩短充电行驶距离 提高 充电便利性充电网络规划模型以交通系统中所有 的平均充电行驶距离最短为优化目标 如式()所示:()式中 为交通网络中所有 的平均行驶距离由各道路上 充电行驶距离的平均值加权平均而来 权系数为道路车流量 为交通网络中的道路集合 为道路索引 为道路 的车流量 由交通网络最短路径集合 中经过该道路的最短路径车流量()求和而得 最短路径集合 可通过 算法计算得出 可根据 计算得出 如式()所示 为道路 上行驶 的平均充电行驶距离 可由式()计算 ()式中 与 分别为最短路径 的起点与终点权系数 为最短径 的长度 可由该路径经过的道路集与道路长度计算()()式中 为道路 的长度 为待充电 距离道路 端点的距离 为随机变量 假定 在区间 上服从均匀分布()为道路 上 的充电行驶距离 可由式()计算 模型约束 充电行驶距离机会约束现阶段 绝大多数型号的 续航里程仍有待提高 因此 规划人员期望 充电行驶距离能小于某一给定里程阈值 若严格要求 充电行驶距离小于给定的里程阈值过于苛刻 可能会导致不合理的规划结果 鉴于此 采用机会约束思想处理 充电行驶距离概率约束 具体如式():()()式中()表示括号中事件的发生概率为交通网络中 的充电行驶距离 为随机变量 为充电行驶距离阈值 为充电行驶里程约束满足的置信度 为道路 上 充电行驶里程小于里程阈值的概率 可由式()求得()()式中()为判断道路 上距端点 处 的充电行驶距离是否小于里程阈值的辅助函数 有“”和“”两种取值 具体如式()所示()()()()充电站建设数目约束充电网络规划模型中 规划人员根据充电网络建设拟投资额、市政规划与 渗透率等边界条件确定充电站建设数目 因此模型存在以下约束:()式中 为充电站建设数目 为充电网络规划模型中的优化变量 取“”表示在候选地址 建设充电站 取“”表示未在候选地址 建设充电站 为交通网络中的充电站候选建设地址 均位于交通节点 对某交通节点来说 若附近的配电系统允许接入充电站 则该节点为充电站候选建设地址 模型求解上文给出的 充电网络规划模型为包含机会约束的 整数规划问题 由于很难给出优化目第 卷第 期 谢鹰等:基于遗传算法计及充电行驶距离的电动汽车充电网络规划 年 月标、约束条件与优化变量间的解析表达式 难以采用商用求解器(如 等)进行求解 因此采用遗传算法求解 充电网络规划模型 整体求解框架基于 的 充电网络规划模型求解流程如图 所示图 基于 的 充电网络规划模型求解流程图中 为种群规模 为进化代数索引 为染色体索引 为按染色体 给出的建设方案建设充电站时 至最近充电站的平均行驶距离 为该建设方案下 充电行驶距离小于给定阈值的概率 为染色体 的适应度 为给定的 最大进化代数 一旦进化至最大进化代数 便认为算法收敛 详细求解过程 交通网络参数计算首先 根据交通网络拓扑结构 利用 算法确定交通网络中的最短路径集 以及各最短路径经过的道路与交通节点 接着 通过式()计算各最短路径的车流量()以此为依据 计算各交通道路的车流量()染色体编码与种群初始化 充电网络规划模型为 整数规划问题采用二进制编码方式对其进行编码、构成染色体为满足式()给出的充电站建设数目约束 按以下步骤初始化染色体种群)将初始种群各染色体的所有码位赋值为“”)在每条染色体中随机选取 个码位 将赋值由“”改为“”适应度计算 充电网络规划模型为考虑机会约束的 整数规划问题 一般来讲 可利用罚函数法处理机会约束 并以此为基础计算染色体适应度不过 惩罚系数选取比较困难 需要通过反复试验才能确定 且带有主观性 因此 基于可行性法则计算染色体适应度 将满足机会约束的染色体作为可行解 将不满足机会约束的染色体当作非可行解 并按以下原则确定各染色体优先度)任意可行解都优于非可行解)对可行解来说 至最近充电站的平均行驶距离 越小 优先度越高)对非可行解来说 根据违反机会约束的程度确定优先度 违反约束的程度越小 优先度越高 若染色体 对应的规划方案为非可行解 则约束违反程度 可由式()计算()按优先度对种群中所有染色体排序之后 按式()计算各染色体适应度 ()式中 为染色体 在种群中的排序 遗传操作)选择操作 采用“锦标赛”法进行选择操作 构成新一代染色体种群)交叉操作 为确保交叉后的染色体满足式()给出的充电站建设数目约束 对传统交叉操作算子进行了改进 具体操作步骤如下步骤 从当前种群中随机选取两条染色体作为待交叉染色体步骤 随机选择码位 作为待交叉位()若两条染色体在码位 后取值为“”的码位数相同 则该码位为可行交叉位 否则继续执行上述步骤 直至找到满足要求的可行交叉位步骤 以交叉概率 交换两条待交叉染色体可行交叉位 后的二进制码串)变异操作 对传统单点变异操作算子进行改进 改进后的具体操作步骤如下第 卷第 期 湖 南 电 力 年 月步骤 从当前种群中随机选择一条染色体作为待变异染色体步骤 在待变异染色体上随机选择 个不同码位、作为待变异码位()码位、取值不能相同步骤 以变异概率 同时对码位 和进行变异操作 算例分析为验证所提 充电网络规划模型与基于 的求解方法的有效性 以 节点交通系统为例进行仿真分析 算例介绍 节点交通系统拓扑如图 所示 由 个交通节点与 条道路组成 各交通节点的权重见表 此外 假定所有交通节点均为充电站候选建设场址图 节点交通网络拓扑结构图表 交通节点权重系数节点权重 节点权重 节点权重 图 中 道路仅表示各交通节点间的拓扑关系 并不代表各道路的实际走向 算例中 假定各道路均可双向通行 即从起点到终点的最短路径与从终点返回起点的最短路径相同 各最短路径经过的交通节点和道路可通过 算法求得 算例中 拟建造充电站的数目为 目前 满充状态下的续航里程大多在 考虑到大部分 车主在剩余电量 左右时进行充电 因此 算例将充电行驶里程阈值 设为 充电行驶距离机会约束的置信度 设为 基于 的规划模型求解采用 对 充电网络规划模型进行求解算法参数设置为:种群规模 为 交叉率 为 变异率 为 最大进化代数 为 进化中 每代最优染色体对应的 平均充电行驶距离与充电行驶距离小于给定里程阈值的概率分别如图 与图 所示图 每代最优染色体对应的平均充电 行驶距离图 每代最优染色体对应充电行驶距离 小于阈值的概率从图、图 可看出 种群中的最优染色体在第 代之前均未满足式()给出的充电行驶里程机会约束 此时 对基于可行性法则的 来说 种群进化的主要方向是增大充电行驶距离小于给定里程阈值的概率 染色体种群进化到第 代之后 充电行驶距离小于给定阈值的概率 始终大于 即各代最优染色体均满足式()给出的充电行驶里程机会约束 此时 种群进化的主要方向是降低平均充电行驶距离 最优染色体对应的第 卷第 期 谢鹰等:基于遗传算法计及充电行驶距离的电动汽车充电网络规划 年 月平均充电行驶距离从 下降至第 代的 然后一直保持不变 也就是说 基于可行性法则的 可有效求解本文提出的电动汽车充电网络规划模型 给出的电动汽车充电网络规划方案中 座充电站分别建于交通节点、与 平均充电行驶距离为 充电行驶距离的概率密度函数与累积概率密度函数分别如图 与图 所示 由图、图 可知 按上述规划方案建设充电网络 最大充电行驶距离超过 但小于给定充电行驶里程阈值 的概率 为 满足式()给出的充电行驶距离机会约束图 充电行驶距离概率密度函数图 充电行驶距离累积概率分布函数文献 同样基于图 所示的交通网络进行充电网络规划 当规划目标为充电网络截获交通流量最大时 座充电站分别建于节点、与 对应的平均充电行驶距离为 远大于 且充电行驶距离小于阈值的概率为 小于机会约束置信度 也就是说从充电行驶距离这一指标来看 本文给出的充电网络规划模型具有一定的优势 置信度对规划结果的影响置信度 是 充电网络规划模型的重要参数 由规划人员确定 具有一定主观性 应对不同置信度下的 充电网络进行规划 结果见表 表 不同置信度下的规划结果/充电站建造节点 、由表 可知 置信度 的取值将对 充电网络规划结果产生显著影响:置信度 由 降至时 建在交通节点 的充电站改建到交通节点 平均充电行驶距离由 缩短至 同时 充电行驶距离小于给定充电行驶里程阈值 的概率 由 降至 图、图 分别给出了不同置信度下充电行驶距离的概率密度函数与累积概率密度函数 从图、图 可看出 无论置信度如何设置 充电行驶距离均主要集中在 范围内 置信度 由下降至 后 充电行驶距离位于 的概率显著增加 导致充电行驶距离小于给定充电行驶里程阈值 的概率 由 下降为 但充电行驶距离大于 的概率却明显下降 几乎接近于 图 不同置信度下的充电行驶距离概率 密度函数图 不同置信度下的充电行驶距离累积 概率密度函数 不同充电站建设数目下的规划结果充电站建设数目为 充电网络规划模型中的重要边界条件 对不同充电站建设数目下的 充电网络进行了规划 结果如表 和图 所示从表 与图 可看出 随着充电站数目的增加 平均充电行驶距离不断降低 但降幅逐步下降 如充电站建设数目从 座增至 座时 平均充电行驶距离从 下降至 降幅为 但充电站建设数目从 座增加至 座时 平 均 充 电 行 驶 距 离 由 下 降 至第 卷第 期 湖 南 电 力 年 月 降幅仅为 这说明 交通网络中的充电站建设数目存在“饱和”现象 充电站数目并非越多越好 规划人员应对交通网络中的充电站建设数目进行综合考虑表 不同充电站建设数目下的 充电网络规划结果充电站建设数目/座/充电站建造节点、图 不同充电站数目下的平均充电 行驶距离图、图 分别给出了不同充电站建设数目下的充电行驶距离概率密度函数与累积概率密度函数 从图、图 可看出 充电站建设数目对充电行驶距离的概率分布特性存在显著影响 充电站建设数目越多 充电行驶距离小于给定里程阈值的概率越大 当充电站建设数目大于 时 充电行驶距离小于给定充电行驶里程阈值 的概率 均为 当充电站建设数目增至 时 充电行驶距离大都在 充电行驶距离小于 的概率高达 图 不同充电站数目下的充电行驶距离 概率密度函数图 不同充电站数目下的充电行驶距离 累积概率密度函数通过上述分析可知:充电站建设数目越多 平均充电行驶距离越短 然而 交通网络中的充电站建设数目存在“饱和”现象 充电站数目并非越多越好 为研究合理的充电站建设数目 以 座充电站为基准 研究新增充电站对减少平均充电行驶距离的贡献 具体如图 所示图 新增充电站减少的平均充电行驶距离从图 可看出 随着充电站建设数目的增加平均充电行驶距离随之减少 充电站建设数目由 座增加至 座时 平均充电行驶距离减少 不过 随着充电站建设数目的逐步增加 平均充电行驶距离的降幅逐渐减小 充电站建设数目由 座增加至 座时 平均充电行驶距离仅减少 从图 可以看出 对本算例给出的交通网络来说 合理的充电站建设数目为 座 结语在分析 充电行驶距离影响因素与随机特性的基础上 提出了考虑充电行驶距离机会约束的 充电网络规划模型 在充电站建造数目给定的前提下 优化充电站建设地址 最小化交通系统中所有 的平均充电行驶距离 提高车主充电便利性 基于 节点交通网络的算例仿真验证了本文所提方法的有效性此外 仿真结果表明:规划模型中设置的置信度水平将对规划结果产生显著影响 充电站建设数目是规划模型中的重要边界条件 将对规划结果产第 卷第 期 谢鹰等:基于遗传算法计及充电行驶距离的电动汽车充电网络规划 年 月生显著影响 交通网络中的充电站建设数目存在“饱和”现象本文研究中暂未考虑除路径因素外不同性质区域对 充电选择的影响 具有一定的局限性 作者将在未来的研究中对其进行深入考虑参考文献 张美霞 徐立成 杨秀 等.基于电动汽车充电需求时空分布特性的充电站规划研究.电网技术 ():.中华人民共和国中央人民政府门户网站.国务院办公厅关于印发新能源汽车产业发展规划(年)的通知/.().:/./.徐杨杨 张新松 陆胜男 等.多重随机特性下的电动汽车充电网络机会约束规划.电力系统保护与控制 ():.:.():.():.王辉 王贵斌 赵俊华 等.考虑交通网络流量的电动汽车充电站规划.电力系统自动化 ():.钱科军 谢鹰 张新松 等.考虑充电负荷随机特性的电动汽车充电网络模糊多目标规划.电网技术 ():.():.:.:.:.:.():.():.():.:.():.():.():.:.():.:.:.段庆 孙云莲 张笑迪 等.电动汽车充电桩选址定容方法.电力系统保护与控制 ():.苏明玉 许寅 王颖 等.考虑配电网韧性与充电便利性的电动汽车充电站布点方法.全球能源互联网 ():.():.:.():.():.:.作者简介谢鹰()男 工程师 研究方向为电动汽车充电网络规划李大祥()男 硕士研究生 通信作者 研究方向为新型电力系统规划第 卷第 期 湖 南 电 力 年 月