杨超繁;肖翔;蒋幸均;尹东东
【摘 要】针对如何确定电动汽车充电站选址及数量问题,建立充电站投资运行维护成本的目标函数,利用量子粒子优化算法对目标函数求解.基于建立的模型,通过实例分析对美国和韩国的电动汽车充电站进行规划,并对未来电动汽车充电网络的发展提出建议.
胆固醇代谢途径【期刊名称】《上海工程技术大学学报》
【年(卷),期】2019(033)002
【总页数】5页(P114-118)
【关键词】电动汽车;充电站;优化
【作 者】杨超繁;肖翔;蒋幸均;尹东东
【作者单位】上海工程技术大学材料工程学院,上海201620;上海工程技术大学数理与统计学
院,上海201620;上海工程技术大学管理学院,上海201620;上海工程技术大学材料工程学院,上海201620
【正文语种】中 文
【中图分类】O224
角动量守恒定律
随着全球对环境问题的重视,越来越多国家提出减少使用石化资源,并引导消费者购买电动汽车.目前,我国传统油气车依旧是汽车销售市场的主体,事实上我国石油消费量已经超过本国产量,并且随着汽车数量的增加,国内对石化资源的需求量也在不断增加[1].电动车可以取代部分汽油和柴油车,为加快向电动汽车市场转型,包括中国在内的一些国家已经宣布将在未来几年内禁止汽油车和柴油车.但随之而来的问题是需要建立数量充足并且位置覆盖合理的充电站,以保证消费者能够方便地驾驶电动汽车去往各个地方.随着电动汽车数量越来越多,确定充电网络的最终架构,以支持所有电动汽车全面采用的充电站的网络布局问题成为首要考虑问题.速度生活
国内电动汽车市场潜力巨大,根据中国汽车工业协会数据:2016年我国市场纯电动汽车产销
分别完成41.7万辆和40.9万辆,比上年同期分别增长63.9%和65.1%;插电式混合动力汽车产销分别完成9.9万辆和9.8万辆,比上年同期分别增长15.7%和17.1%[2-3].我国电动汽车市场广阔,随着经济发展和国家政策引导,大有赶超英美日等国家的趋势.但目前国内充电站布局网络并没有统一的标准,数量少、分布零散混乱,没有经过系统的规划,也缺少可参考依据.因此,对国外充电站方案进行研究,结合我国地理、电力和市场等因素预估我国充电桩的分布模型,这将对我国发展电动汽车市场有指导意义.quest3d
本研究以2018年美国大学生数学建模赛题为背景,对特斯拉电动汽车在美国的两种充电站点布局的合理性进行分析,建立一套充电站网络布局模型,并应用其对韩国市场充电站的最佳数量和布局情况进行模拟,模拟结果与韩国现在的基本情况进行比较,确定模型的可靠性并进一步优化充电站布局,以给我国充电站布局建设提供一定启示.
1 特斯拉充电站在美国的覆盖情况
特斯拉的两种充电站(超级充电站和常规充电站)在美国的服务区域覆盖率是很高的,如图1所示.覆盖不到的区域主要集中在人迹罕至的地方,如图2所示.美国的高速公路上超级充电站的覆盖率为100%,特斯拉车主可以驾驶自己的爱车前往高速公路通向的任何地方.从图1可以 看出,常规充电站主要设立在美国的东西海岸,经济较发达的区域.特斯拉官方数据显示这些区域也是特斯拉用户最多的,所以从总体实际情况来看,充电站基本可以满足用户需求.
图1 特斯拉在美国两种充电站服务区域范围Fig.1 Area range of Tesla’s power station service in the United States
图2 特斯拉在美国充电站未覆盖区域Fig.2 Regions in the United States not covered by Tesla’s charging station area
2 模型构建与算法设计
2.1 目标函数
电动汽车的充电站规划布局一方面要满足不同电动汽车用户的充电需求,另一方面也要考虑规划建设的经济性,兼顾相应配电网络的运行负荷.本研究以整个规划区内充电站的投资运营总成本为研究对象,建立相应的目标函数为
其中
Ck=(n1k+n2k)cjCB=n1ka+n2kb
式中:Ck为土地建设成本;n1k为区域k配置的快充桩数量;n2k为区域k配置的慢充桩数量;cj为桩位配套停车位建设价格;CB为桩点建设成本;a为快充桩的单价;b为慢充桩的单价;r0为贴现率;n为运行年限;μ为运行维护费用占投资成本的百分比.
2.2 约束条件
2.2.1 充电负荷约束
大多数文献都是在预先设定的充电行为和方式下进行负荷预测,缺乏对用户充电行为灵活性和随机性的度量,没有充分考虑电动汽车本身的特点及其出行过程中的实时充电需求[4].特斯拉目前在美国有快慢两种不同的充电桩,它们对于电荷的需求是不一样的.同一区域的电动汽车用户由于出行习惯、充电行为的不同,对快充、慢充负荷需求也存在差异;不同区域类型的电动汽车的快充、慢充负荷需求也存在差异.由于私家车数量占电动汽车总量比例较大,所以负荷需求也相对较大.在白天,大部分电动汽车用户在商业区和工作区活动,因此这些区域在白天对快充负荷需求较大;相反,大部分用户白天离开居民区,因此该区域在该时间段对充
电负荷需求相对较小,而晚上大部分电动汽车用户回到居民区进行充电,该时间段对慢充负荷需求相对较大;对于面积较小的休闲区,由于区域内活动的电动汽车数量有限,其总体的快充、慢充负荷需求不是很大,得到充电负荷的约束条件
式中:nm为满足区域m峰值负荷需求时配置的充电桩的数量;为满足整个区域时序总负荷需求时每个区域的最终优化配置结果;P为对应充电桩的充电功率;Wt为时段t所有区域的总负荷需求.
2.2.2 距离约束
在优化充电站数量和位置时,为尽可能地在保证服务范围全覆盖的情况下,使充电站数量尽可能减少,提出优化原则:1) 任意两个充电站覆盖范围尽可能不重合;2) 从任何一个充电站驾驶出来的汽车在电耗光之前均能充上电,得到距离的约束条件为
min dmn≤dmin max
式中:dmn为充电站m与n之间的距离;m,n为区域内所有新建充电站构成的集合MC中的元素;dmin max为汽车剩余电池荷电状态(SOC)下能行驶的最大里程.
2.3 量子粒子优化算法
粒子优化(PSO)算法是Kennedy和Eberhart于1995年提出的一种基于种搜索的自适应进化计算技术.在高级算法中,基于量子比特定义粒子Q(t)并用于随机观察可用来代替sigmoid函数,用染体引导使粒子演化逐步接近最优,这种新的离散PSO被称为量子粒子优化(QPSO).在量子理论中,携带信息的最小单位是量子比特,它可以处于状态0和1的任何叠加状态.本研究定义这样的量子粒子向量为
Q(t)=[q1(t),q2(t),…,qN(t)]qj(t)=[qj1(t),qj2(t),…,qjm(t)]
式中:qji(t)为第j个粒子的第i个比特在状态为0的概率,0≤qji(t)≤1(i=1,2,…,m;j=1,2,…,N);m为粒子长度;N为种大小.
基于QPSO优化算法的求解步骤如下:
1) 根据规划区域内用户负荷需求预测的结果,确定满足每个区域最大负荷需求时所需建设的充电桩数量nm;忍耐是一种美丽
2) 对充电站落点初始化,对于不同的nm,对粒子i的第j维变量随机生成角度θ,并对粒子坐标进行编码;
3) 解空间变换,将随机生成的粒子位置映射到所求问题的解空间;
4) 聚类操作,对于不同的nm,按照就近原则把充电负荷分配到各个充电站;
5) 计算各粒子适应度,采用罚函数法,出个体极值点和全局极值点;
6) 若粒子目前位置优于自身记忆的最优位置,则最优解更新,用目前位置替换;若目前全局最优位置优于到目前为止搜索到的全局最优位置,则用目前全局最优位置替换;
7) 实现粒子状态更新,并根据设定的变异概率,对每个粒子进行变异操作;
8) 返回步骤2)循环计算,直到满足收敛条件或迭代次数达到最大限制为止[5].
2.4 实例分析
2.4.1 美国充电站数量及分布的优化
基于上述模型,以美国纽约州电动汽车规划为例.在计算该州汽车数量时,按照纽约州人口数量乘以美国人均汽车占有量作为估计值.电动汽车所占车辆比例为100%.假设快充时间为30 min,慢充时间为12 h,每辆电动汽车平均电池容量为85 kWh,平均最大里程为440 km.纽约州2017年平均电价18.11美分,充电站所允许配置的最小和最大充电机数量分别为3台和20台,快充站的价格为15万美元,慢充站价格为2万美元,当日快充站总功率和慢充桩总功率之和小于当地发电功率的1%,区域充电站的基建费用为15万美元,贴现率为4%,运行年限为20年,充电效率为0.9,运行维护费用占投资成本的10%.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议