一种考虑地价因素的电动汽车充电站配置方法

1.本发明涉及电动汽车充电资源规划领域，特别涉及一种考虑地价因素的电动汽车充电站配置方法。


背景技术：

2.近年来，电动汽车的飞速发展使得我国对于充电站的需求越来越迫切，也使充电站的布局问题成为电动汽车发展中一个至关重要的问题。充电站布局问题中需要关注两个问题，第一个是选址问题，合理的选址可以使充电资源的效果显著；第二个是充电资源的分配问题，合理的充电资源分配方案可以使充电资源得到充分使用，用户的总旅行时间也随之减小。在整个道路交通网络中，用户的总旅行时间受多种交通因素影响，布局成本(土地价格等)是其中不可忽视的一环，考虑此因素在内的方案将更贴近实际。
3.中国专利cn 109977527 a公开了一种“城市公共充电站网络的充电桩配置方法”，利用反映用户充电规律的轨迹数据和反映用户出行目的的充电站poi类型数据，建立一个多通道损失制排队论模型，用此方法给定的充电桩数目按比例分配给了充电站网络中每个充电站，在用户覆盖率和充电桩利用率两个方面都能取得更好的结果，但是仅用比例分配或者平均分配等方法进行充电资源的分配，并且不考虑现实中土地价格这一至关重要的因素，具有一定局限性与较差的现实性。


技术实现要素：

4.针对上述对于电动汽车充电站在配置时未考虑成本因素而实用性差的问题，本发明提供了一种考虑地价因素的电动汽车充电站配置方法，该方法在电动汽车流量分配模型的基础上，考虑加入成本因素的充电资源分配方法，使用户在不可达对之间行驶时的时间尽可能少，并且使得到的方案具有很强的现实性。
5.本发明的上述技术问题主要是通过下述技术方案得以解决的：包括以下步骤：s1建立电动汽车流量分配模型，进行充电站的选址；s2建立充电资源分配模型，得出充电资源的分配方案；s3设计固定预算充电资源分配算法，实现充电资源的分配方案；s4具体化参数的影响情况与寻找预算下限。
6.以数学模型的方法来进行电动汽车充电站的选址和资源分配，便于考虑各因素的影响，其中还可以包括本方案和现有技术的方案进行对比。
7.作为优选，所述步骤s1具体包括以下步骤：s1.1将公路交通网，转换为相应的网络g＝(v，e，a)其中v是网络中节点的集合，将vc定义为充电站节点集合，e为网络中边的集合，a为网络中边权重的集合并对这些连边赋予相对应的权值，包括距离d
ij
、自由行驶时间电动汽车流量容量q
ij
、交通条件δ
ij
，所述交通条件包括无充电需求车辆在q
ij
中所占比例，
是随机变量δ
ij
的实现，δ
ij
服从正态分布，即δ
ij
～n(μ，σ2)；s1.2使用公路局路阻函数得到电动汽车在充电系统中的行驶时间；s1.3使用排队论中的m/g/k模型得到电动汽车的等待时间；s1.4在公路交通网上利用复杂网络中的加权介数中心性理论进行充电站的选址。
8.电动汽车流量分配网络模型对充电站进行选址的时候将行驶时间和等待时间作为参考要素，可以在满足汽车流量的同时提高用户的使用舒适度。
9.作为优选，所述步骤s1.2中公路局路阻函数的得出步骤具体为：s1.21将电动汽车流量定义为强度为λ的泊松过程，电动汽车流量的分配为将一个泊松过程分裂为多个泊松过程；s1.22确定公路局路阻函数如下：其中τ
ij
为电动汽车的实际行驶时间，α和β为调节参数，λ
ij
为在边(i，j)上的电动汽车流量。
10.作为优选，所述步骤s1.3中m/g/k模型具体为：其中为电动汽车的等待时间，sk为充电站，cv为变异参数，b[λ(sk)]为erlang c公式，ck为充电站充电桩数量，电动汽车的充电时间μc服从一般分布，均值以及方差分别为与λ(sk)为充电站sk处所集合的电动汽车流量，在计算汽车的等待时间的时候需要同时考虑充电站的服务能力和汽车的流量等因素。
[0011]
作为优选，所述步骤s1.4中加权介数的确定具体包括以下步骤：s1.41当网络中一对节点对中间最短距离d
ij
大于电动汽车最大可达距离dr，将该节点对定义为不可达对；s1.42选取网络中前十个加权介数最大的节点作为充电站选址，所述加权介数的计算方法为其中ω
ij
为节点i与节点j之间的最短路径数量，为以上路径中经过节点k的数量。
[0012]
s1.43根据选取的充电站位置、不可达对以及各点之间的最短路径，得到不可达对之间通过充电站的路径树；s1.44得到电动汽车流量分配网络模型用数学公式表达如下
其中λ为路径树中各边上的电动汽车流量的集合，c为充电资源分配方案，即各充电站安装充电桩数量的集合，m、n分别为不可达对的起点与终点；λ(m，n)为不可达对(m，n)上的电动汽车流量，单位为辆/小时，p为不可达对(m，n)路径树中的一条路径，为此路径上的电动汽车流量，τ
p
是电动汽车在路径p上的总旅行时间，τ
p
包括充电时间和行驶时间；s1.45对单个充电站的电动汽车流量服务上限定义约束s1，s1表达式如下：其中∈为调节参数，代表为临时充电需求所保留的充电资源。
[0013]
作为优选，所述步骤s2充电资源分配的模型具体为：其中ca为各充电站额外安装的充电桩数量集合，为充电站k安装的充电桩数量，pk为在充电站k安装一个充电桩所需要的预算，b为总预算成本，fk为在充电站k安装一个充电桩所需要的土地价格，ck为充电桩的单价，c0为充电站初始安装充电桩数量的集合，为总旅行时间。
[0014]
此模型在传统模型上添加了土地价格，充电桩单价等成本系数，在实际应用上更具合理性。
[0015]
作为优选，所述在充电站安装一个充电桩所需要的土地价格fk具体为：fk＝fa[1 0.3(r-1)]
t-4
，r∈[1，n]其中f为最重要地区的土地价格，a表示单个充电桩占地面积，r为控制地价比例的参数，t为区域重要等级。
[0016]
根据以上公式以及现实交通网络，还可以将本发明所用的方法与现有的两种充电资源分配方法进行比较，分别为按比例分配充电资源(sqp-rat)和平均分配充电资源(sqp-mean)，sqp-rat按照各节点介数所占比例分配充电资源，即平均分配则为每个充电站分配相同的充电器数量。
[0017]
验证各因素的影响，即电动汽车最大可达距离dr，总预算b，地价比例r，交通条件δ。分别验证增加总预算b、增大电动汽车最大可达距离dr、减少电动汽车比例、增大地价差
异对电动汽车用户的总旅行时间带来的影响。
[0018]
作为优选，述步骤s3固定预算充电资源分配算法具体为：在建模软件上建立充电资源分配算法(fbcraa)，其框架如下：[1]初始化y
←
0，0，[2]当y≤y，进行以下操作；[3]进行移位操作产生新的候选解集[4]对中的所有ca进行以下操作；[5]若并且则[6][4]结束，y
←
y 1；[7]若则[8][9]若|l|＞l1则l
←
l{l
(1)
}；[10]重复[2]直至满足要求；[11]其中l为禁忌表，存储了近几次迭代的优化解，为随机生成的初始解，l1为l的初始长度。
[0019]
算法基于禁忌搜索算法设计，故需要构建邻域以搜索优化解(1)匹配：随机选取两个充电站进行配对，并对他们的预算和进行操作；(2)移位：对于选取中的预算对和若则随机抽取其中一个，比如分出到到到若选取的预算对中有一方，比如若选取的预算对中有一方，比如则另一方有50％的概率作出以上操作，若两方都不满足，则不进行移位操作。这里需要注意到，由于在不同地点建造充电桩的成本不同，预算转移时不能完全转移，因此将整数部分给予充电站sj，将小数部分对应的预算存放入b
°
中。记充电站中拥有最多充电桩数量者为s
max
，当b
°
/pi≥0，将整数部分对应的充电桩数给予充电站s
max
，小数部分仍然储存在b
°
中。
[0020]
(3)算法流程讲解：l为禁忌表，存储了近几次迭代的优化解，长度为l1，初始只储存了存了为随机生成的初始解，在后续步骤中储存了邻域内的优化解(作为下一次迭代的初始解)。每一轮迭代，通过匹配和移位生成的邻域，也即若其中的优化解不在禁忌表中并且可得到较更小的则更新相同，若的效果优于则更新之后将此解放入禁忌表。重复以上过程直至到达迭代上限。
[0021]
作为优选，所述步骤s4中寻找预算下限的具体方法为：当总预算成本b增长，用户旅行时间减少，将旅行时间减小幅度小于阈值时的预算设为预算下限b1，分别对n种控制地
价比例的参数r和五种可达距离dr求预算下限b1，在实际应用中更有参考性帮助设计量定成本。
[0022]
本发明的有益效果：在现有电动汽车流量分配模型的基础上，考虑加入成本因素的充电资源分配方法，使用户在不可达对之间行驶时的时间尽可能少，使得到的方案具有很强的现实性。考虑现实的地价因素，在现实中具有较好可参考价值和移植性，能得到给定选址上的优化解。
附图说明
[0023]
图1为本发明的一种流程图；图2为本发明的一种不可达对间路径树示意图；图3为本发明的一种效果图；图4为本发明的一种改变总预算效果图；图5为本发明的一种改变电动汽车最大可达距离效果图；图6为本发明的一种改变交通状况效果图；图7为本发明的一种改变地价比例效果图；图8为本发明的一种不同预算下旅行时间与电动汽车流量强度关系图；图9为本发明的一种地价比例与预算下限关系图；图10为本发明的一种电动汽车最大可达距离与预算下限关系图；图11为本发明的一种预算850万元时交通条件与旅行时间关系图；图12为本发明的一种预算900万元时交通条件与旅行时间关系图。
具体实施方式
[0024]
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
[0025]
实施例：本实施例的一种考虑地价因素的电动汽车充电站配置方法，如图1所示，包括步骤：s1建立电动汽车流量分配模型，进行充电站的选址；步骤s1具体包括：s1.1将公路交通网，转换为相应的网络g＝(v，e，a)其中v是网络中节点的集合，将vc定义为充电站节点集合，e为网络中边的集合，a为网络中边权重的集合并对这些连边赋予相对应的权值，包括距离d
ij
、自由行驶时间电动汽车流量容量q
ij
、交通条件δ
ij
，其中所述交通条件包括无充电需求车辆在q
ij
中所占比例，是随机变量δ
ij
的实现，δ
ij
服从正态分布，即δ
ij
～n(μ，σ2)；s1.2使用公路局路阻函数得到电动汽车在充电系统中的行驶时间；步骤s1.2中公路局路阻函数的得出具体步骤为s1.21将电动汽车流量定义为强度为λ的泊松过程，电动汽车流量的分配为将一个泊松过程分裂为多个泊松过程；s1.22确定公路局路阻函数如下：
其中τ
ij
为电动汽车的实际行驶时间，α和β为调节参数，λ
ij
为在边(i，j)上的电动汽车流量。
[0026]
s1.3使用排队论中的m/g/k模型得到电动汽车的等待时间；所述的m/g/k模型具体为：其中为电动汽车的等待时间，sk为充电站，cv为变异参数，b[λ(sk)]为erlang c公式，ck为充电站充电桩数量，电动汽车的充电时间μc服从一般分布，均值以及方差分别为与λ(sk)为充电站sk处所集合的电动汽车流量。
[0027]
s1.4在公路交通网上利用复杂网络中的加权介数中心性理论进行充电站的选址；其中加权介数的确定具体包括以下步骤：s1.41当网络中一对节点对中间最短距离d
ij
大于电动汽车最大可达距离dr，将该节点对定义为不可达对；s1.42选取网络中前十个加权介数最大的节点作为充电站选址，所述加权介数的计算方法为其中ω
ij
为节点i与节点j之间的最短路径数量，为以上路径中经过节点k的数量。
[0028]
s1.43根据选取的充电站位置、不可达对以及各点之间的最短路径，得到不可达对之间通过充电站的路径树；s1.44得到电动汽车流量分配网络模型用数学公式表达如下其中λ为路径树中各边上的电动汽车流量的集合，c为充电资源分配方案，即各充电站安装充电桩数量的集合，m、n分别为不可达对的起点与终点；λ(m，n)为不可达对(m，n)上的电动汽车流量，单位为辆/小时，p为不可达对(m，n)路径树中的一条路径，为此路径上的电动汽车流量，τ
p
是电动汽车在路径p上的总旅行时间，τ
p
由充电时间以及行驶时间组成；s1.45对单个充电站的电动汽车流量服务上限定义约束s1，s1表达式如下：
其中∈为调节参数，代表为临时充电需求所保留的充电资源。
[0029]
s2建立充电资源分配模型，得出充电资源的分配方案；其中充电资源分配的模型具体为：其中ca为各充电站额外安装的充电桩数量集合，为充电站k安装的充电桩数量，pk为在充电站k安装一个充电桩所需要的预算，b为总预算成本，fk为在充电站k安装一个充电桩所需要的土地价格，ck为充电桩的单价，c0为充电站初始安装充电桩数量的集合。
[0030]
安装一个充电桩所需要的土地价格fk具体为：fk＝fa[1 0.3(r-1)]
t-4
，r∈[1，n]其中f为最重要地区的土地价格，a表示单个充电桩占地面积，r为控制地价比例的参数，t为区域重要等级。
[0031]
根据以上公式以及现实交通网络，还可以将本发明所用的方法与现有的两种充电资源分配方法进行比较，分别为按比例分配充电资源(sqp-rat)和平均分配充电资源(sqp-mean)，sqp-rat按照各节点介数所占比例分配充电资源，即平均分配则为每个充电站分配相同的充电器数量。
[0032]
验证各因素的影响，即电动汽车最大可达距离dr，总预算b，地价比例r，交通条件δ。分别验证增加总预算b、增大电动汽车最大可达距离dr、减少电动汽车比例、增大地价差异对电动汽车用户的总旅行时间带来的影响。
[0033]
s3设计固定预算充电资源分配算法，实现充电资源的分配方案；其中固定预算充电资源分配算法具体为：在建模软件上建立充电资源分配算法(fbcraa)，其框架如下：[1]初始化y
←
0，0，[2]当y≤y，进行以下操作；[3]进行移位操作产生新的候选解集[4]对中的所有ca进行以下操作；[5]若并且则[6][4]结束，y
←
y 1；
[7]若则[8][9]若|l|＞l1则l
←
l{l
(1)
}；[10]重复[2]直至满足要求；[11]其中l为禁忌表，存储了近几次迭代的优化解，为随机生成的初始解，l1为l的初始长度。
[0034]
算法基于禁忌搜索算法设计，故需要构建邻域以搜索优化解(1)匹配：随机选取两个充电站进行配对，并对他们的预算和进行操作；(2)移位：对于选取中的预算对和若若则随机抽取其中一个，比如分出到到到若选取的预算对中有一方，比如若选取的预算对中有一方，比如则另一方有50％的概率作出以上操作，若两方都不满足，则不进行移位操作。这里需要注意到，由于在不同地点建造充电桩的成本不同，预算转移时不能完全转移，因此将整数部分给予充电站sj，将小数部分对应的预算存放入b
°
中。记充电站中拥有最多充电桩数量者为s
max
，当b
°
/pi≥0，将整数部分对应的充电桩数给予充电站s
max
，小数部分仍然储存在b
°
中。
[0035]
(3)算法流程讲解：l为禁忌表，存储了近几次迭代的优化解，长度为l1，初始只储存了存了为随机生成的初始解，在后续步骤中储存了邻域内的优化解(作为下一次迭代的初始解)。每一轮迭代，通过匹配和移位生成的邻域，也即若其中的优化解不在禁忌表中并且可得到较更小的则更新相同，若的效果优于则更新之后将此解放入禁忌表。重复以上过程直至到达迭代上限。
[0036]
s4具体化参数的影响情况与寻找预算下限；其中寻找预算下限的具体方法为：当总预算成本b增长，用户旅行时间减少，将旅行时间减小幅度小于阈值时的预算设为预算下限b1，分别对n种控制地价比例的参数r和五种可达距离dr求预算下限b1。
[0037]
更加具体的，如图2所示，是本发明的一种不可达对间路径树示意图，其中λ为车流量；m，n分别为起始点与终点，组成一队不可达对；s
1-s
10
都为充电站部署点。每一对不可达对之间都具有如图所示的路径树，路径树数量与不可达对数相同电动汽车流量λ将被步骤s3所述算法分配到各条路径上，然后可以得到用户的总旅行时长。接着公路交通网络计算节点的介数，并选取前十个介数最大的节点作为充电站节点，同时根据介数大小对节点进行重要度分级。然后使用固定预算充电资源分配算法，将每一次迭代的各个解放入到电动汽车流量分配模型中进行求解，并以此得到优化解。最后使用实际的交通网络进行仿真实验，并设定各类参数分别以控制变量的方法得到电动汽车最大可达距离dr，总预算b，地价比例r，交通条件δ四种因素的影响。最后控制变量并在六种地价比例和五种可达距离情况
下分别找到预算下限b1，同时具体化交通条件的影响效果，与其他因素相比较。
[0038]
若是在使用马萨诸塞州东部交通网进行仿真实验的情况下，进行上述步骤，其中仿真软件选择matlab，土地价格fk中n取6。可以得到以下效果：图3为总预算b为950万元，电动汽车最大可达距离dr为157.5千米，地价比例r为2，交通条件中μ为0.5时的用户旅行时间与电动汽车流量强度λ的关系示意图(其中还将按比例分配充电资源(sqp-rat)、平均分配充电资源(sqp-mean)和按充电资源分配算法(fbcraa)分配充电资源进行对比)。
[0039]
图4为总预算b为1000万元，电动汽车最大可达距离dr为157.5千米，地价比例r为2，交通条件中μ为0.5时的用户旅行时间与电动汽车流量强度λ的关系示意图(其中还将按比例分配充电资源(sqp-rat)、平均分配充电资源(sqp-mean)和按充电资源分配算法(fbcraa)分配充电资源进行对比)。
[0040]
图5为总预算b为950万元，电动汽车最大可达距离dr为160千米，地价比例r为2，交通条件中μ为0.5时的用户旅行时间与电动汽车流量强度λ的关系示意图(其中还将按比例分配充电资源(sqp-rat)、平均分配充电资源(sqp-mean)和按充电资源分配算法(fbcraa)分配充电资源进行对比)。
[0041]
图6为总预算b为950万元，电动汽车最大可达距离dr为157.5千米，地价比例r为2，交通条件中μ为0.3时的用户旅行时间与电动汽车流量强度λ的关系示意图(其中还将按比例分配充电资源(sqp-rat)、平均分配充电资源(sqp-mean)和按充电资源分配算法(fbcraa)分配充电资源进行对比)。
[0042]
图7为总预算b为950万元，电动汽车最大可达距离dr为157.5千米，地价比例r为6，交通条件中μ为0.5时的用户旅行时间与电动汽车流量强度λ的关系示意图(其中还将按比例分配充电资源(sqp-rat)、平均分配充电资源(sqp-mean)和按充电资源分配算法(fbcraa)分配充电资源进行对比)。
[0043]
不难看出在本实施例下，按比例分配充电资源(sqp-rat)、平均分配充电资源(sqp-mean)的情况时，在城市特定地价下，电动汽车流量强度λ越小、总预算越大，交通条件中μ越好，电动汽车最大可达距离dr越大，那么用户旅行时间越短，而按充电资源分配算法(fbcraa)分配充电资源可以得到优化解，受这些因素的影响较小。
[0044]
图8为dr为157.5千米，地价比例r为2，交通条件中μ为0.5时，用户在各预算b和电动汽车流量强度λ的情况下旅行时间
[0045]
图9为各地价比例r下的预算下限b1。
[0046]
图10为各电动汽车最大可达距离dr的预算下限b1。
[0047]
图11为总预算b为850万元，电动汽车最大可达距离dr为157.5千米，各电动汽车流量强度λ下的交通条件中μ对用户旅行时间的影响。
[0048]
图12为为总预算b为900万元，电动汽车最大可达距离dr为157.5千米，各电动汽车流量强度λ下的交通条件中μ对用户旅行时间的影响。
[0049]
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领
域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
[0050]
尽管本文较多地使用了电动汽车流量强度、等待时间、旅行时间等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。