基于免疫算法的电动汽车充电站选址优化研究.docxVIP

基于免疫算法的电动汽车充电站选址优化研究.docx

  1. 1、本文档共9页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

?

?

基于免疫算法的电动汽车充电站选址优化研究

?

?

耿建超

[摘要]为了普及电动汽车,以缓解我国日益严重的环境能源问题,本文研究电动汽车充换电站的選址方法,旨在利用提高电动汽车充电设施的覆盖范围,加快电动汽车的普及发展。本文建立人们日常出行模型,模拟电动汽车用户充电需求,同时,建立道路交通网模型,基于免疫算法和MATLAB软件,对充换电站站址和数量进行优化选择,从而为实现从宏观角度规划充换电站的布局优化提供理论方法。

[关键词]免疫算法;电动汽车;站址;优化

doi:10.3969/j.issn.1673-0194.2017.20.089

[]U491[]A[]1673-0194(2017)20-0-03

1研究背景

目前,环境污染是全世界共同关注并将持续重视的一个问题。在我国,环境污染和能源问题日益严峻,而在造成这些问题的众多因素中,交通因素造成的能源消耗和污染排放占据不容小觑的比例。在此背景下,电动汽车作为新能源应用和智能电网的重要组成部分,其发展趋势已势不可挡。

然而,在电动汽车普及发展的过程中,仍遇到了不少的发展瓶颈,电动汽车的电池电量能否支持出行者的日常出行,这一问题成为了困扰消费者购买电动汽车的一大因素。因此,电动汽车如果要普及发展,有两个发展途径,一是发展电动汽车电池技术,提高电动汽车的续航能力,保证电动汽车的日常出行。二是普及电动汽车的充换电设施,使电动汽车在有需求时,尽可能随时随地进行充电。

因此,本文针对第二个途径展开研究,旨在通过研究出行者的行为习惯,基于出行链的思想,模拟出行者日常的出行习惯,得到出行者驾驶电动汽车经常需要充电的地点分布,为电动汽车选址提供依据。本文仿真的场景是以南京六合新城地区电动出租车运行情况为实际算例,结合笔者实际调查的出行行为数据,使研究具有一定的现实意义和参考价值。

2出行链思想理论概述

出行链是指一天之内,出行者按照时间顺序,依次完成的一个或者多个出行目的地之间的关系。它指从最初出行活动的起点出发,经历若干次出行,最后再次回到初始地的整个出行过程。典型的出行链如图1所示,它包括几个常见的出行链,有上班族活动于家和工作区的出行链,有为了娱乐休闲活动于商业区和家中的出行链,有休闲度假活动于商业区、景区,最后回到居民区的出行链。

3出行者出行行为建模

由出行链可知,如果能够模拟每天出行者出行活动的起点、终点、活动的时间段,以及活动顺序,即可得到出行者完整的出行行为。

3.1私人出行目的模型

近年来,交通出行年报的居民出行入户调查数据显示,在出行者的各个出行目的中,工作、上学仍然是出行者的主要目的,达到56.88%,而作为娱乐活动的购物、看电影、聚餐等活动,占到日常出行的34.73%。本文为了研究出行者的出行日常,特别将出行目的地分类成4大类:上学(目的地是学校区)、工作(目的地是工作区)、购物(目的地是商业区)、观光旅游(目的地是景区)。

3.2私人出行起点模型

在一个出行链中,本文默认为出行链的最初起点就是居民区(就是默认所有人都是从家里出发开始一天的活动),但在出行链中的其他活动中,活动的终点和起点都存在一定的关系,如果出行目的地确定后,起点可以以概率相应地确定不同功能区之间的转移概率,见表1。

3.3出行距离模型

出行距离也是建立出行者出行行为的关键因素之一,本文借鉴栾琨,隽志才,宗芳在通勤者出行方式与出行链选择行为研究中提出的出行距离模型,如公式(1)所示。因为考虑大部分人每天只有一个出行链,因此,根据日出行距离可以得到每次活动的出行距离。根据终点功能类型,可以依据概率确定起点功能类型,而出行距离可以将出行范围进行缩小,最后用蒙特卡洛抽样,确定目的地和起始地的具体位置。

(1)

式中,μD=3.2,δD=0.88。

3.4电动汽车充电需求预测

蒙特卡洛是一种随机抽样方法,它是通过不断产生随机数序列模拟过程。蒙特卡洛还可以借助概率模型,解决不直接具有随机性的确定性问题。它是以概率论的大数法则和中心极限定理为理论基础。

如果函数h在[a,b]中,依照某一概率分布密度反复抽取n个数ui,对每个ui都分别计算其相应的函数值h(ui),函数的期望值可以通过以下公式进行计算:

(2)

大数法则可以确保当样本足够多时,通过积分计算的蒙特卡洛估计值可以尽可能收敛于正确的结果。而中心极限定理可以对误差进行估计,不管随机变量如何分布,这些随机变量的总和总是服从高斯分布。高斯分布可以由给定的期望值μ和方差σ2完全确定下来,通常用N(μ,σ2)表示。

(3)

4实例分析

本文考虑笔者的实际情况,为了方便就近调研,特选取南京六合新城地区电动出租车为场景,在该地区,出租车数量为1200辆,假设电动出租车在出租车中的占比为30%,约有360辆。本文选取比亚迪E6

文档评论(0)

151****3530 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档