本發明專利技術用戶出行行為與智能充電策略驅動的充電站改擴建方法，通過對用戶出行行為的深入分析，預測用戶在工作日的出行及充電行為，基于預測結果為每個用戶動態生成可調度時間窗，在可調度時間窗內進行充電，將用戶充電成本最小、電網負荷均方差最小和碳排放最小作為優化目標，利用多目標優化求解用戶充電策略的最優解集；以總建筑成本最小、用戶總距離成本最小、未覆蓋用戶的懲罰成本最小為優化目標，將用戶調度后的充電策略納入充電站智能改擴建優化模型進行多目標優化求解，最終得到不同充電策略下的充電站改擴建方案。根據不同充電策略的特性，動態調整充電站的建設布局，為充電站的改擴建提供科學指導，提升充電設施的利用效率和服務質量。
【技術實現步驟摘要】
本專利技術涉及充電站建設，具體是一種用戶出行行為與智能充電策略驅動的充電站改擴建方法。
技術介紹
1、近年來，隨著電動汽車保有量的持續增長，目前多個城市已采用分時電價策略引導電動汽車充電行為。然而，單純依賴用戶端電價調節仍不足以解決問題。電動汽車并網所需的電力主要來源于電網中化石能源的燃燒，這將導致二氧化碳排放增加。因此，需要綜合考慮用戶充電成本、電網負荷均方差以及碳排放的影響，對用戶充電行為進行有效引導。
2、此外，現有電動汽車充電設施普遍存在供需失衡問題，充電設施的不合理布局是限制電動汽車推廣的重要因素之一。基于未來電動汽車充電行為受智能充電調度方式影響的趨勢，本專利技術提出了一種選址與改擴建方法，綜合考慮用戶出行行為習慣及智能充電調度后的充電分布情況，對充電需求集中的區域進行擴建，對充電設施過剩的區域進行合理拆除，從而實現資源的優化配置。
3、實現用戶出行行為與智能充電策略驅動的充電站改擴建優化需要實現：1、出行模式識別與充電需求預測：基于用戶出行行為數據，預測每位用戶的可調度時間窗，為智能化充電調度提供范圍約束；2、多因素驅動的智能化充電調度優化模型：將用戶充電成本最小、電網負荷均方差最小和碳排放最小作為優化目標，利用多目標優化求解用戶充電策略的最優解集；3、基于多維度需求的充電站智能改擴建優化模型：以總建筑成本最小、用戶總距離成本最小、未覆蓋用戶的懲罰成本最小為優化目標，并將用戶調度后的充電策略納入充電站智能改擴建優化模型進行多目標優化求解，最終得到不同充電策略下的充電站改擴建方案。
r/>技術實現思路
1、針對現有技術的不足，本專利技術擬解決的技術問題是，提供一種用戶出行行為與智能充電策略驅動的充電站改擴建方法，在兼顧用戶充電成本、電網負荷波動和碳排放三方利益的基礎上，確定用戶充電策略，實現充電資源的高效配置。同時，根據不同充電策略的特性，動態調整充電站的建設布局，為充電站的改擴建提供科學指導，提升充電設施的利用效率和服務質量。
2、本專利技術解決所述技術問題的技術方案是，
3、一種用戶出行行為與智能充電策略驅動的充電站改擴建方法，所述充電站改擴建方法包括以下內容：
4、將用戶到達的功能區域劃分為居住區域、工作區域、以及除居住區域和工作區域以外的其他區域，并采集用戶到達的功能區域的od數據；獲取近一年用戶每天的首次出發時間k、各區域停留時間s、區域之間的距離j、以及首次出發時的電量狀態soc0，擬合這四個參數的概率密度函數，并通過概率抽取方式將各自的數值分配給各用戶；
5、將用戶出行方案劃分為三種類型：第一種類型，由居民區域到工作區域然后回到居民區域；第二種類型，由居民區域到工作區域然后到其他區域最后回到居民區域；第三種類型，由居民區域到工作區域然后到其他區域，從其他區域回工作區域最后回到居民區域；
6、對于每個用戶在三種類型的用戶出行方案中隨機生成一種出行方案，并根據出行方案中不同區域當天的擺渡次數多次判斷用戶每次到達下一區域時的電量狀態，當到達該區域的電量狀態低于30%時，則需要充電，可調度時間窗為：到達該區域的到達時間~從該區域出發的出發時間；若到達該區域當天不再出發則可調度時間窗為：到達該區域的到達時間~下一天的首次出發時間；
7、獲得所有用戶預測的可調度時間窗以及規劃區域內需要充電的用戶總數n；
8、以用戶充電成本最小、電網負荷均方差最小和碳排放最小化作為優化目標，并以每個用戶的充電時間zn必須在其可調度時間窗范圍內、用戶充電前后的電量狀態都在電量狀態上下限之間為約束，構建智能化充電調度優化模型，求解用戶充電策略的最優解集，最優解集包括每個用戶調度后的充電時間和充電電量；
9、結合智能化充電調度優化模型獲得的用戶充電策略的最優解集，并以考慮總建筑成本最小、用戶總距離成本最小、未覆蓋用戶的懲罰成本最小作為優化目標，構建充電站智能改擴建優化模型；
10、對充電站智能改擴建優化模型求解，輸出不同充電策略下的充電站改擴建方案，每個改擴建方案包括充電站的最優位置和最優容量；
11、比較獲得的充電站的最優容量與充電站原有充電樁數量om的大小確定供求關系，在供小于求的情況下進行擴建；在供大于求的情況下，將充電站的使用概率和維護成本作為輸入變量，利用mamdani模糊推理器獲得充電站拆除的可能性。
12、進一步地，智能化充電調度優化模型和充電站智能改擴建優化模型均通過粒子群優化算法與第三代非支配排序遺傳算法進行求解；
13、對于智能化充電調度優化模型，將用戶充電時間作為自變量進行編碼，采用雙層編碼形式，第一層是開始充電時間，第二層是充電時長，染色體長度為規劃區域內需要充電的用戶總數；
14、對于充電站智能改擴建優化模型，將充電站位置作為自變量進行編碼，染色體長度為充電站的數量。
15、本專利技術中進行多目標優化求解時還可以采用現有常用的多目標優化方法，如nsga-ii算法、pso-nsga-ii算法、多目標遺傳優化算法等。
16、進一步地，所述充電站智能改擴建優化模型以前往充電站的距離不能超過充電站的服務半徑、充電站內的充電樁數量不得超過充電站設計規定的最大容量為約束。
17、進一步地，所述智能化充電調度優化模型的優化目標函數f1-f3為公式（12）-（14），約束為公式（15）-（16）：
18、（12）
19、?（13）
20、（14）
21、??????????????????（15）
22、??（16）
23、其中，目標函數f1表示用戶充電成本最小化，f2表示電網負荷均方差最小化，f3表示碳排放最小化；公式（15）約束第n個用戶的充電時間zn必須滿足其可調度時間窗范圍，an是可調度時間窗的左時間窗，bn是可調度時間窗的右時間窗；公式（16）約束用戶n充電前后的電量狀態socn都在電量狀態上下限之間，socmin是電量狀態的最小值，socmax是電量狀態的最大值；變量為二進制變量，其中=1表示用戶n在時間段t進行充電，=0表示未充電；n是規劃區域內需要充電的用戶總數；wt為不同時間段的電價；為電網不同時間段的基礎負荷；為t時間段用戶n的充電功率；pavr為電網平均負荷；t為時間段總數量；qn為第n個用戶的充電量；ceft為t時間段的碳排放因子。
24、進一步地，所述充電站智能改擴建優化模型的優化目標函數f4-f6為公式（17）-（19），約束為公式（22）-（23）：
25、?（17）
26、?（18）
27、?（19）
28、（20）
29、??（21）
30、?（22）
31、（23）
32、其中，目標函數f4表示用戶總出行成本最小化，f5表示總建筑成本最小化，f6表示未覆蓋用戶的懲罰成本最小化；代表第n個用戶從始發點o到充電站m本文檔來自技高網...
【技術保護點】
1.一種用戶出行行為與智能充電策略驅動的充電站改擴建方法，其特征在于，所述充電站改擴建方法包括以下內容：
2.根據權利要求1所述的充電站改擴建方法，其特征在于，智能化充電調度優化模型和充電站智能改擴建優化模型均通過粒子群優化算法與第三代非支配排序遺傳算法進行求解；
3.根據權利要求1所述的充電站改擴建方法，其特征在于，所述充電站智能改擴建優化模型以前往充電站的距離不能超過充電站的服務半徑、充電站內的充電樁數量不得超過充電站設計規定的最大容量為約束。
4.根據權利要求1所述的充電站改擴建方法，其特征在于，所述智能化充電調度優化模型的優化目標函數f1-f3為公式（12）-（14），約束為公式（15）-（16）：
5.根據權利要求4所述的充電站改擴建方法，其特征在于，所述充電站智能改擴建優化模型的優化目標函數f4-f6為公式（17）-（19），約束為公式（22）-（23）：
【技術特征摘要】
1.一種用戶出行行為與智能充電策略驅動的充電站改擴建方法，其特征在于，所述充電站改擴建方法包括以下內容：
2.根據權利要求1所述的充電站改擴建方法，其特征在于，智能化充電調度優化模型和充電站智能改擴建優化模型均通過粒子群優化算法與第三代非支配排序遺傳算法進行求解；
3.根據權利要求1所述的充電站改擴建方法，其特征在于，所述充電站智能改擴建優化模型以前往充電站的距離不能超過充電站的服務半徑...
【專利技術屬性】
技術研發人員：李家樂，張語軒，王雪菲，
申請(專利權)人：河北工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。