论文部分内容阅读
摘要：随着绿色出行观点逐渐受到所有人的认可，电动汽车也得到有效推广普及，而充电问题也逐渐成为电动汽车用户关注的重点问题。基于此，本文首先从运营商、用户角度简要阐述充电站规划可能受到的影响，其次通过对树形结构单亲遗传算法、初始方案以及算例分析等方面，就电动汽车充电站选择定容配电网规划进行简要分析，并提出自己一点看法。
关键词：电动汽车；充电站；配电网规划
一、充电站规划影响因素
（一）运营商角度
从运营商角度主要包含三个方面因素：首先是对充电站的投资经济性，这要从运营的推广期以及普及期考虑，在推广期暂时不能考虑到盈利情况，而是需要考虑到投资成本问题，其中包括设施建设成本、运营维护费用、推广成本等。在运营期间，这时对电动汽车的推广普及已经达到一定的效果，电动汽车的数量也得到明显提升，这时需要通过增加城市充电站来达到满足需求的目的；其次是地理条件的影响，充电站内每个充电桩会对应一个车位，因此从地理条件来看，主要存在充电站周边居民是否支持建设、充电站是否会影响到周围环境、充电站是否符合政府规划要求等因素；最后是运行安全性，充电站的建设，由于为电网提升了新的负荷，从而对配电网运行产生一定影响，因此原本的充电结构可能不再适用，需要对配电网采取重新规划的策略，而充电站运行安全性主要包括电能质量、可靠性以及经济运行等方面因素影响。
（二）用户角度
从用户角度主要包含两个方面因素：首先是能否满足充电需求，充电站在满足运营商经济性外，还需要满足区域内的电动汽车充电需求，在进行充电站选址过程中，需要结合该区域充电情况，适当增加或减少充电站的数量，以达到满足充电需求的目的；其次，还要为充电用户提升充电的便捷性，其主要影响因素包括充电站的数量、充电站的交通结构等。充电站数量过少会造成电动汽车未达到充电站时电量用完的情况出现，而数量过多会占据相应的社会资源浪费情况，交通结构主要结合城市交通情況来决定，主要提供信息参数包括路口节点数量、路口的车流量、公路等级等[1]。
二、电动汽车充电站选址定容的配电网规划
（一）树形结构单亲遗传算法
本文运用单亲遗传算法通过树形结构形成编码，来完成电动汽车充电站选择定容配电规划。该算法是通过遗传算自作用于父代的种群，从而产生适应性更强的后代，通过反复遗传从而达到提升种群“基因”的目的，由于本文计算内容主要是为了在进行配电网规划的同时还要优化充电站容量以及位置以达到经济性最佳的目的，因此，计算采用位移算子以及重分配算子的方式。与传统的方式相比遗传算法具有以下几点优势：首先是对可解表示的广泛性，遗传算法能够将各种存在的变量采取编码的方式，将单个的问题进行遗传选择最优情况；其次，遗传算法具有并巧的搜索特性，在遗传算法中能够通过每代所有个体采取操作行为，反应在解空间便能够理解为对某个区域的择优，通过这种方式能够有效避免小范围寻优情况出现，为全局提供计算便利；最后，遗传算法运用适应的函数评估方式，能够通过优胜劣汰原则采取最优化选择，从而达到计算目标，并不需要任何辅助信息[2]。
（二）初始方案生成
遗传算法主要包括三种基本操作，其一为选择；其二为交叉；其三为变异。本文基于电动汽车充电站选址计算流程为：开始→计算适应度函数→确定最优站址→计算充电需求→确定充电桩数量→N=Nmax？（条件为是与否，如果否，则转向计算适应度函数，如果是，则继续以下算式）→计算路上成本→结束。结合遗传算法的整体流程，规划初始方案如下：1）首先结合规划区的划分，将用户对充电需求的范围以及充电站的年均成本规划为函数目标，来选择分区的最优地址，通过对区域的性质明确情况下，结合周边环境的影响，从而保障选择探索过程中减免不可行解情况出现。其中个体运用编码方式，其中个体数设定为40；最大遗传代数设定为100；个体的变量维数设定为2。将分区的用户年均成本设定为适应度函数，其中二进制的位数为20；代沟0.8；交叉概率为0.7，初始种群为随机产生，采用轮盘赌的方式进行；2）计算分区内包含的路网节点数量，结合功能区交通流量的信息，便能够计算出充电站内需要布置充电桩的数量。
（三）算例分析
以某大学周边区域为研究区域，结合实际情况对电动汽车充电站选址定容的配电网规划进行有效分析。该区域占地面积为88.96km2，包含10个街道，在进行街道规划过程中，对三个节点的道路节点横纵坐标以及每日平均车流量进行调查，节点1为0、1.9、1730；节点2为0.643、1.9、1889；节点3为1.1、1.9、1087，这三个区域在一条街上，因此过往车辆在经过节点2的数量较多。在进行现场模拟规划过程中，将建立一座电动汽车快速充电站建立与三个节点交叉位置，按照遗传算法求出充电站最优站址坐标、充电桩数量以及每日路上成本如下：车流量为9572辆/天；充电站容量为2MW；充电站最优站址坐标为（0.665，1.9）；充电桩数量为：20个；每日路上成本为554.6572元，由上述数据分析可知，充电站最优坐标在节点2号附近。
三、总结
综上所述，本文以树形结构的遗传算法应用于配电网规划以及电动汽车充电站定制定容中，有效解决了充电站规划问题。根据本文分析可知，以运营商与用户两个角度分析了电动汽车充电站安置的影响因素，并且结合用户需求建立了遗传算法对充电站选址采取常规策略，从而达到提升选址定容配电网规划的目的。
参考文献：
[1]陈鹏.电动汽车接入配电网的规划研究[D].北方工业大学，2017.
[2]陈婷，卫志农，吴霜，孙国强，韦延方，许晓慧.考虑电动汽车充电站选址定容的配电网规划[J].电力系统及其自动化学报，2013，25（03）：1-7.
关键词：电动汽车；充电站；配电网规划
一、充电站规划影响因素
（一）运营商角度
从运营商角度主要包含三个方面因素：首先是对充电站的投资经济性，这要从运营的推广期以及普及期考虑，在推广期暂时不能考虑到盈利情况，而是需要考虑到投资成本问题，其中包括设施建设成本、运营维护费用、推广成本等。在运营期间，这时对电动汽车的推广普及已经达到一定的效果，电动汽车的数量也得到明显提升，这时需要通过增加城市充电站来达到满足需求的目的；其次是地理条件的影响，充电站内每个充电桩会对应一个车位，因此从地理条件来看，主要存在充电站周边居民是否支持建设、充电站是否会影响到周围环境、充电站是否符合政府规划要求等因素；最后是运行安全性，充电站的建设，由于为电网提升了新的负荷，从而对配电网运行产生一定影响，因此原本的充电结构可能不再适用，需要对配电网采取重新规划的策略，而充电站运行安全性主要包括电能质量、可靠性以及经济运行等方面因素影响。
（二）用户角度
从用户角度主要包含两个方面因素：首先是能否满足充电需求，充电站在满足运营商经济性外，还需要满足区域内的电动汽车充电需求，在进行充电站选址过程中，需要结合该区域充电情况，适当增加或减少充电站的数量，以达到满足充电需求的目的；其次，还要为充电用户提升充电的便捷性，其主要影响因素包括充电站的数量、充电站的交通结构等。充电站数量过少会造成电动汽车未达到充电站时电量用完的情况出现，而数量过多会占据相应的社会资源浪费情况，交通结构主要结合城市交通情況来决定，主要提供信息参数包括路口节点数量、路口的车流量、公路等级等[1]。
二、电动汽车充电站选址定容的配电网规划
（一）树形结构单亲遗传算法
本文运用单亲遗传算法通过树形结构形成编码，来完成电动汽车充电站选择定容配电规划。该算法是通过遗传算自作用于父代的种群，从而产生适应性更强的后代，通过反复遗传从而达到提升种群“基因”的目的，由于本文计算内容主要是为了在进行配电网规划的同时还要优化充电站容量以及位置以达到经济性最佳的目的，因此，计算采用位移算子以及重分配算子的方式。与传统的方式相比遗传算法具有以下几点优势：首先是对可解表示的广泛性，遗传算法能够将各种存在的变量采取编码的方式，将单个的问题进行遗传选择最优情况；其次，遗传算法具有并巧的搜索特性，在遗传算法中能够通过每代所有个体采取操作行为，反应在解空间便能够理解为对某个区域的择优，通过这种方式能够有效避免小范围寻优情况出现，为全局提供计算便利；最后，遗传算法运用适应的函数评估方式，能够通过优胜劣汰原则采取最优化选择，从而达到计算目标，并不需要任何辅助信息[2]。
（二）初始方案生成
遗传算法主要包括三种基本操作，其一为选择；其二为交叉；其三为变异。本文基于电动汽车充电站选址计算流程为：开始→计算适应度函数→确定最优站址→计算充电需求→确定充电桩数量→N=Nmax？（条件为是与否，如果否，则转向计算适应度函数，如果是，则继续以下算式）→计算路上成本→结束。结合遗传算法的整体流程，规划初始方案如下：1）首先结合规划区的划分，将用户对充电需求的范围以及充电站的年均成本规划为函数目标，来选择分区的最优地址，通过对区域的性质明确情况下，结合周边环境的影响，从而保障选择探索过程中减免不可行解情况出现。其中个体运用编码方式，其中个体数设定为40；最大遗传代数设定为100；个体的变量维数设定为2。将分区的用户年均成本设定为适应度函数，其中二进制的位数为20；代沟0.8；交叉概率为0.7，初始种群为随机产生，采用轮盘赌的方式进行；2）计算分区内包含的路网节点数量，结合功能区交通流量的信息，便能够计算出充电站内需要布置充电桩的数量。
（三）算例分析
以某大学周边区域为研究区域，结合实际情况对电动汽车充电站选址定容的配电网规划进行有效分析。该区域占地面积为88.96km2，包含10个街道，在进行街道规划过程中，对三个节点的道路节点横纵坐标以及每日平均车流量进行调查，节点1为0、1.9、1730；节点2为0.643、1.9、1889；节点3为1.1、1.9、1087，这三个区域在一条街上，因此过往车辆在经过节点2的数量较多。在进行现场模拟规划过程中，将建立一座电动汽车快速充电站建立与三个节点交叉位置，按照遗传算法求出充电站最优站址坐标、充电桩数量以及每日路上成本如下：车流量为9572辆/天；充电站容量为2MW；充电站最优站址坐标为（0.665，1.9）；充电桩数量为：20个；每日路上成本为554.6572元，由上述数据分析可知，充电站最优坐标在节点2号附近。
三、总结
综上所述，本文以树形结构的遗传算法应用于配电网规划以及电动汽车充电站定制定容中，有效解决了充电站规划问题。根据本文分析可知，以运营商与用户两个角度分析了电动汽车充电站安置的影响因素，并且结合用户需求建立了遗传算法对充电站选址采取常规策略，从而达到提升选址定容配电网规划的目的。
参考文献：
[1]陈鹏.电动汽车接入配电网的规划研究[D].北方工业大学，2017.
[2]陈婷，卫志农，吴霜，孙国强，韦延方，许晓慧.考虑电动汽车充电站选址定容的配电网规划[J].电力系统及其自动化学报，2013，25（03）：1-7.