《面向综合效益的城市充电网点规划研究》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

面向综合效益的城市充电网点规划研究

范文

张家浩　李国庆　刘琳　余彬　龙莉娟　陈杰

摘要：随着国家大力发展新能源汽车的政策，电动汽车和充电基础设施规模不断扩大，如何科学地规划充电网点成为亟待解决的问题。本文根据分期规划的原则，采用基于注意力机制的长短期记忆网络进行充电需求预测，使用量子粒子群优化算法进行近期充电网点选址定容，然后根据Voronoi图来划分远期充电站服务区域，从而建立了充电网点精准规划模型。通过对杭州市钱江世纪城区域进行验证，表明本文模型在科学规划充电网点的同时，能够实现电网、企业、用户的多方共赢。

关键词：充电网点规划;长短期记忆神经网络;量子粒子群优化;Voronoi图

中图分类号：TP183? ? ? ? 文献标识码： A

文章编号：1009-3044（2021）06-0215-03

Abstract： As the country vigorously develops new energy vehicles， the scale of electric vehicles and charging infrastructure continues to expand. How to scientifically plan charging outlets has become an urgent problem to be solved. According to the principle of staged planning， this paper adopts an attention mechanism-based Long Short-Term Memory Neural Network to predict charging demand， uses Quantum Particle Swarm Optimization algorithm to select the location and capacity of charging network， and then divide the long-term charging station according to the Voronoi diagram. The service area has thus established a precise planning model for charging network points. The verification of the Qianjiang area in Hangzhou shows that this model can achieve a win-win situation for power grids， enterprises， and users while scientifically planning charging points.

Key words： Charging Network Planning; Long Short-Term Memory Neural Network; Quantum Particle Swarm Optimization; Voronoi Diagram

隨着电动汽车用户数量不断增加，如何科学地规划和管理充电网点亟待解决的问题。传统的电动汽车充电网点规划主要从电动汽车用户充电的便利性或者是充电基础设施运营商的效益角度出发。文献[1-2]考虑用户出行需求，以最小化电动汽车用户空驶距离为目标进行选址。文献[3]以建设投资和运行成本最低为目标进行规划，文献[4]考虑车网互动技术（Vehicle to Grid，V2G）和分时电价，以充电站年总收益最大为目标进行选址定容。文献[5-8]兼顾用户和运营商利益，规划结果不仅可满足用户出行需求，还能提高运营商的利益。但文献[1-8]都没有考虑到电动汽车充电站与电网之间的关系。

因此，本文对多源异构数据进行价值挖掘。首先利用深度学习，对近期、远期充电负荷需求进行全方位的预测研究;然后建立了考虑用户、企业和电网的多因素优化目标函数，利用量子粒子优化算法对充电网点选址和定容进行建模分析;最后利用钱江某区域的近期、远期充电网点选址定容的结果，验证了模型的有效性和准确性。

本文作出的贡献有：

1）提出了基于用户、企业和电网综合目标最优的充电网点分期规划模型，从提高综合效益;

2）以杭州市钱江某区域作为算例进行试验，研究成果可对我国电动汽车充电站规划提供借鉴和指导。

1模型构建

充电网点规划模型主要分为区域充电需求预测、充电网点数量确定、近期充电网点选址定容、远期充电网点覆盖四步。

1）区域充电需求预测。利用现有的历史数据，使用基于注意力机制的长短期记忆神经网络算法，预测出近期和远期的充电负荷需求。

2）充电网点数量确定。综合考虑影响充电网点数量的影响因素，形成一组满足约束条件的不等式，然后通过线性规划方法求得区域内近期和远期充电网点规划数量。

3）近期充电网点选址定容。建立电网、用户、企业多目标优化函数，结合AHP层次分析法确定权重系数，然后通过量子粒子群优化算法求得区域内近期网点的位置和容量。

4）远期充电网点覆盖细化。在优化目标函数中增加远期高弹性电网目标，得出区域内远期网点位置和容量，使用Voronoi图确定每个充电站服务区域，从而可以在服务区域内反向指导高弹性电网的建设规划工作。

1.1 区域充电需求预测

电动汽车充电量预测作为一种受多因素影响的时序预测问题，适合使用长短期记忆（Long Short-Term Memory，LSTM）神经网络模型通过捕获数据之间的前后依赖关系来处理。本文的充电需求预测考虑了到区域历史充电负荷、GDP、电动汽车保有量等多种因素。为了减少局部波动数据对算法整体预测的干扰，给经典的LSTM算法增加注意力机制，模型自动训练出针对各部分的关注力度大小。

以杭州市数据最为充分、最具代表性的钱江某区域为例。首先使用基于注意力机制的长短期记忆模型对区域内的电动汽车充电需求进行预测，包括如下3个步骤：

1）确定模型参数。使用2层LSTM模型，每层包含50个隐藏单元。

2）训练模型。模型训练采用2010年至2019年的相关数据历史，将其序列化后再输入模型，使用Adam优化器进行训练。

3）实际预测。预测输出2021年（近期）和2023年（远期）的充电需求分别可达46.5981万千瓦时、53.2930万千瓦时。

1.2 充电网点数量确定

考虑交通流量、充电负荷、建设成本和站间距离4个约束条件，构建了如下一组不等式，用于确定区域内的充电网点数量：

交通流量约束：区域内年平均车辆流量≤充电站用户流量负载能力;

充电负荷约束：区域内充电基本需求量≤总充电站点的充电负荷量≤区域内总供电负荷;

建设成本约束：总规划成本/最大建站成本≤充电网点数量≤总规划成本/最小建站成本;

充电站间距离约束：站间最小距离≤充电站距离最近现有充电站距离≤站间最大距离

求解出同时满足4项约束的网点規划数量为2～6。在这个范围中，选取最小值2作为能够满足钱江某区域近期需要并进行优先规划的网点数量，选取最大值6作为远期规划的网点数量。

1.3? 近期充电网点选址定容

网点选址需全方位考虑用户需求、电网布局、建设成本等多个因素，可转化为一个寻找多因素平衡最优点的问题。本文选择了量子粒子群优化QPSO算法，优点在于可以通过各个智能体之间能通过相互协作来更好地适应环境，最终输出多因素相互平衡的全局最优结果。

为将各因素考虑进量子粒子群算法中，建立优化目标函数F，如下所示：

各指标的权值C1～C5采用AHP层次分析法对各个单目标的相对重要性建立判断矩阵，然后采用求解矩阵特征值的方法解出权重。

经过综合计算，确定优化函数中的权重值为：C1=0.1、C2=0.07、C3=0.20、C4=0.27、C5=0.36。

设定参数值粒子群大小100和迭代次数200之后，算法迭代并输出所有充电站点的最优规划位置。再根据所得网点位置的优化函数评分进行充电负荷容量分配，最终得到充电网点规划位置和对应容量。

1.4? 远期充电网点覆盖

远期网点的优化函数增加了高弹性系数E，更新优化目标函数F，如下所示：

E表示电网弹性系数，为电网可调节负荷占电网总负荷的预期比例。

在远期规划中，目标函数F的系数权重C1=0.10、C2=0.07、C3=0.18、C4=0.22、C5=0.28、C6=0.15。

使用Voronoi图确定充电网点服务区域，对网点覆盖的开关站进行划分，从而引导高弹性电网的建设。当远期规划网点的覆盖范围内没有现成的开关站或者数量不足时，需要在长期网点建设之前在相应范围内提前建设好开关站，来促进电网和充电网点协同发展。

2实验结果

根据本文提出的充电网点规划模型和相关数据，求得钱江某区域近期（2021年）和远期（2023年）充电网点分期规划位置与容量。结果如表1所示。

将当前电动汽车用户行车轨迹的热力分布图与规划网点的选址结果进行可视化，如图1所示。可以发现充电网点的分布与用户轨迹密度分布相关性很大，充电网点位置往往靠近行车密集区，说明布点有利于提高电动汽车用户充电的便捷性，但由于考虑到了电网因素，并不会完全与人口分布重合。

本文所提出的充电网点规划方法将电网开关站分布因素纳入选址规划中，虽然用户和运营商成本略有增大，但电网成本将显著降低，总体综合成本相较传统规划大幅降低，取得了更好的综合效益。

3总结

城市充电网点的精准规划需要实现科学的选址和定容，来提高充电网点的利用率。本文根据分期规划的原则，采用基于注意力机制的长短期记忆网络进行充电需求预测，使用量子粒子群优化算法进行近期充电网点选址定容，然后根据Voronoi图来划分远期充电站服务区域，从而建立了充电网点精准规划模型。规划方案综合考虑用户、企业和电网的综合目标进行选址定容。研究成果可对我国电动汽车充电站规划提供借鉴和指导。

参考文献：

[1] 陈静鹏，艾芊，肖斐.基于用户出行需求的电动汽车充电站规划[J].电力自动化设备，2016，36（6）：34-39.

[2] 徐青山，蔡婷婷，刘瑜俊，等.考虑驾驶人行为习惯及出行链的电动汽车充电站站址规划[J].电力系统自动化，2016，40（4）：59-65，77.

[3] 张秀钊，陈姝敏，王志敏，等.城市快速路口充电站多目标规划[J].广东电力，2018，31（4）：79-83.

[4] 张鑫钰，强伟，文晓龙，等.考虑V2G模式的电动汽车充电站规划[J].现代电力，2019，36（1）：71-78.

[5] 李盛伟，孙巧，白星振，等.面向用户需求的电动汽车充电站最优规划模型研究[J].可再生能源，2018，36（4）：568-573.

[6] 谭洋洋，杨洪耕，徐方维，等.基于投资收益与用户效用耦合决策的电动汽车充电站优化配置[J].中国电机工程学报，2017，37（20）：5951-5960.

[7] 付凤杰，方雅秀，董红召，等.基于历史行驶路线的电动汽车充电站布局优化[J].电力系统自动化，2018，42（12）：72-80.

[8] 麻秀范，王皓，李颖，等.基于变权Voronoi图和混合粒子群算法的电动汽车充电站规划[J].电工技术学报，2017，32（19）：160-169.

【通联编辑：梁书】

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。