一种电动汽车充电桩选址方法和装置

技术领域

本申请涉及到电动汽车充电领域，具体而言，涉及一种电动汽车充电桩选址方法和装置。

背景技术

随着电动汽车的普及,电动汽车充电桩其功能类似于加油站里面的加油机，可以固定在地面或墙壁，安装于公共建筑(商场、公共停车场等)和居民小区停车场或充电站内，可以根据不同的电压等级为各种型号的电动汽车充电。

在电动汽车充电桩市场,新能源运营商将电网的电能出售给用户，从而实现盈利的目的。因此，充电站的选址规划必须满足运营商或者电网公司的盈利目的，同时也要考虑用户的利益。

在现有技术中，一般以最小配电网损耗和节点电压为约束条件进行选址优化。但是以上这些都没有考虑运营商收益最大化以及用户的用电需求的有效结合。这使得电动汽车充电桩的利用率不高。

发明内容

本申请实施例提供了一种电动汽车充电桩选址方法和装置，以至少解决现有技术中电动充电柱选址不合适所可能导致的充电桩利用效率不高的问题。

本发明的技术方案为:包括以下步骤：获取预定地区的电动汽车的数量；根据所述电动汽车的数量计算对所述预定地区的电动汽车进行充电所需要的总功率；根据每个充电桩能够提供的功率以及所述总功率计算所述预定地区需要的充电桩的数量；获取限制条件，并根据所述限制条件在所述预定区域内选择一个或多个地址，其中，每个选择出的地址用于设置充电桩，每个选择出的地址满足所述限制条件。

进一步地，所述限制条件为一个或多个限制条件。

进一步地，根据所述限制条件在所述预定地区内选择一个或多个地址包括：获取所述预定地区内所有空闲并能够安装充电桩的地址；对得到的地址逐一按照所述限制条件进行匹配，直到匹配到能够符合所述限制条件的地址；将符合所述限制条件的地址作为在所述预定地区内选择出的一个或多个地址。

进一步地，选择的一个或多个地址中的每个地址用于安装至少一个充电桩。

进一步地，还包括：显示选择出的一个或多个地址。

根据本申请的另一个方面，还提供了一种电动汽车充电桩选址装置，包括：获取模块，用于获取预定地区的电动汽车的数量；第一计算模块，用于根据所述电动汽车的数量计算对所述预定地区的电动汽车进行充电所需要的总功率；第二计算模块，用于根据每个充电桩能够提供的功率以及所述总功率计算所述预定地区需要的充电桩的数量；选择模块，用于获取限制条件，并根据所述限制条件在所述预定区域内选择一个或多个地址，其中，每个选择出的地址用于设置充电桩，每个选择出的地址满足所述限制条件。

进一步地，所述限制条件为一个或多个限制条件。

进一步地，所述选择模块用于：获取所述预定地区内所有空闲并能够安装充电桩的地址；对得到的地址逐一按照所述限制条件进行匹配，直到匹配到能够符合所述限制条件的地址；将符合所述限制条件的地址作为在所述预定地区内选择出的一个或多个地址。

进一步地，选择的一个或多个地址中的每个地址用于安装至少一个充电桩。

进一步地，还包括：显示模块，用于显示选择出的一个或多个地址。

在本申请实施例中，采用了获取预定地区的电动汽车的数量；根据所述电动汽车的数量计算对所述预定地区的电动汽车进行充电所需要的总功率；根据每个充电桩能够提供的功率以及所述总功率计算所述预定地区需要的充电桩的数量；获取限制条件，并根据所述限制条件在所述预定区域内选择一个或多个地址，其中，每个选择出的地址用于设置充电桩，每个选择出的地址满足所述限制条件。通过本申请解决了现有技术中电动充电柱选址不合适所可能导致的充电桩利用效率不高的问题，从而提高了充电桩的选择的科学性，兼顾了充电用户的使用和充电桩运营商的收益。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的电动汽车充电桩选址方法的流程图；

图2是根据本申请实施例的多种群遗传算法流程图；

图3是根据本申请实施例的充电桩选址优化结果的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种电动汽车充电桩选址方法，图1是根据本申请实施例的电动汽车充电桩选址方法的流程图，如图1所示，该方法包括如下步骤：

步骤S1，获取预定地区的电动汽车的数量；

步骤S2，根据所述电动汽车的数量计算对所述预定地区的电动汽车进行充电所需要的总功率；

步骤S3，根据每个充电桩能够提供的功率以及所述总功率计算所述预定地区需要的充电桩的数量；

步骤S4，获取限制条件，并根据所述限制条件在所述预定区域内选择一个或多个地址，其中，每个选择出的地址用于设置充电桩，每个选择出的地址满足所述限制条件。

作为一个可以选择增加的实施方式，如果选择出的满足所述限制条件的地址的数量大于充电桩的数量。则可以以每个地址为圆心，以预定距离为半径，获取该范围内的车辆量，将该车流量作为该地址的车流量，然后从满足所述限制条件的地址中选择与充电桩数量相同的车流量最大的地址作为设置充电桩的地址。

在另一个可选的实施方式，如果满足所述限制条件的地址的数量小于所述充电桩的数量，则获取每个地址的车流量，按照车流量的大小确定每个地址设置的充电桩的数量的多少。

所述限制条件可以为一个或多个限制条件。下面对限制条件或者称为约束条件进行说明。

本实施例中对电动汽车充电站的成本效益进行了分析，本实施例考虑以充电站运营商获得的净现值收益最大为优选目标进行充电站选址规划，运营商所获得的净收益为Vvpn表示，其计算公式如下公式(1)：

其中T表示充电桩运营的总年数，tc表示充电桩运营的第tc年，Btc为充电桩在T年内的资金收益，CL,tc表示充电桩在T年内的运营成本，i0为资金折现率。上式就是充电桩的成本效益计算公式。

本实施例以交通车流量密度、电网电能质量经济性、用户充电需求为约束条件建立数学模型，以充电站运营商获得的净现值收益最大为优选目标，因此充电桩选址优化模

型如公式(2)所示：

MAX{Vvpn} (2)

上述公式(1)和公式(2)就是限制条件之一。

交通车流量密度是建设充电桩的主要考虑因素之一，只有适当的充电桩才能既满足用户的需求，汽车流量大的地区未来流量也会提高，因此需要在车流量大的地方建设充电桩，即未来的市场更有前景的同时，经济效益也会越来越高。其约束条件为：每个充电桩的车流量密度都要大于每个充电桩所能容纳的车流量密度的最小值，区域内所建设的充电桩数量要小于等于规划建设的最大充电桩数量。

电网电能质量经济性也是建设充电桩的主要考虑因素之一，充电桩的直流和交流负荷会对电网运行的波动性产生危害，因此需要考虑其对电网运行的影响，保证充电桩接入后电网的各项指标运行正常。其约束条件为：电力系统的节点电压值在节点电压幅值上下限之间，同时充电桩的电流要小于等于其正常运行的最大电流。

建设充电桩还需要考虑的因素是满足用户的需求。其约束条件为：充电桩所能提供的负荷要大于等于该地区电动汽车充电负荷，同时每个充电桩的服务半径要小于等于充电桩的最大服务半径。

通过上述步骤解决了现有技术中电动充电柱选址不合适所可能导致的充电桩利用效率不高的问题，从而提高了充电桩的选择的科学性，兼顾了充电用户的使用和充电桩运营商的收益。

选择的一个或多个地址中的每个地址可以用于安装至少一个充电桩。还可以显示选择出的一个或多个地址，以及每个地址能够安装的充电桩的数量。

根据所述限制条件在所述预定地区内选择一个或多个地址方式有很多种，例如，可以使用逐个地址遍历的方式来进行。在该方式中：获取所述预定地区内所有空闲并能够安装充电桩的地址；对得到的地址逐一按照所述限制条件进行匹配，直到匹配到能够符合所述限制条件的地址；将符合所述限制条件的地址作为在所述预定地区内选择出的一个或多个地址。

或者还可以使用智能算法来进行求解。

例如，本实施例中提出的充电桩选址优化的模型是一个非线性的优化问题，适合采用智能算法进行求解。本实施例采用多种群遗传算法求解此模型，多种群遗传算法是达尔文自然最优选择的生物进化计算模型，该算法是将待解决的问题编码成基因，一个个体是由基因组成，种群是又多个个体组成的，先给定初值初始化种群，然后重复进行种群内部以及种群间选择、种群内部以及种群间交叉以及种群内部以及种群间变异等操作，使得种群进行进化，进而求得最终结果。传统遗传算法容易陷入局部区域，导致求得的最优解为局部最最优解，而多种群遗传算法能够快速准确搜索到全程最优解，具体的算法流程如图2所示。初始化函数种群规模N为50，多种群进化代数Maxgen，多种群进化代数为20，遗传算法交叉概率Pm和变异概率Pc。

这里种群的规模用于指示每个充电桩能够支持的电动车辆的数量。根据预定区域内的车辆的总数，可以确定种群的数量。

在图2中，首先初始化种群(即确定种群的数量和种群的规模)，然后计算隶属度函数值(每一个车辆所属的充电桩的可能性)，然后进行移民后的人工选择，最终确定精华种群最优个体，此时判断k是否小于等于Maxgen，如果小于等于则输出结果，如果大于则对各种种群进行轮盘选择，种群内部进行交叉变异，然后继续返回移民和人工选择步骤。

例如，某区域的面积为10.5km

利用m＝6进行优化，得到充电桩选址优化结果如图3所示。

在图3中六个圆圈代表六个充电站，1号充电桩覆盖的区域是1,2,3,6号小区，2号充电站覆盖的区域16,17,18,19,20,22,23,24号小区，3号充电桩覆盖的区域是20,25号小区，4号充电桩覆盖的区域是21号小区，5号充电桩覆盖的区域是4,5,8,9,10,15号小区，6号充电桩覆盖的区域是7,11,12,13,14号小区。目标函数的Vnpv的最大值为2.63x10

本实施例中，针对电动汽车找不到充电桩以及部分建设的充电设备利用率不高的问题，本文对充电桩的选址进行优化。首先对分析充电桩的成本效益进行分析，并确定确定优化模型，同时考虑三个影响建设充电桩的主要约束因素。然后采用多种群遗传算法对充电桩的选址模型进行优化，最后结合实例进行验证，结果表明某地区适合建设的充电桩的数量为6，同时得到其经济效益的最大值为2.63x10

本实施实现从包含电力数据的视角对选址区域进行量化评估，计算投资优选指数，

并提供WEB交互界面的使用及分析报告的生成，实现充电桩精准投资数据增值服务。

在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。

上述程序可以运行在处理器中，或者也可以存储在存储器中(或称为计算机可读介质)，计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤，对应与不同的步骤可以通过不同的模块来实现。

该本实施例中就提供了这样的一种装置或系统。该装置被称为电动汽车充电桩选址装置，包括：获取模块，用于获取预定地区的电动汽车的数量；第一计算模块，用于根据所述电动汽车的数量计算对所述预定地区的电动汽车进行充电所需要的总功率；第二计算模块，用于根据每个充电桩能够提供的功率以及所述总功率计算所述预定地区需要的充电桩的数量；选择模块，用于获取限制条件，并根据所述限制条件在所述预定区域内选择一个或多个地址，其中，每个选择出的地址用于设置充电桩，每个选择出的地址满足所述限制条件。

该系统或者装置用于实现上述的实施例中的方法的功能，该系统或者装置中的每个模块与方法中的每个步骤相对应，已经在方法中进行过说明的，在此不再赘述。

例如，所述选择模块用于：获取所述预定地区内所有空闲并能够安装充电桩的地址；对得到的地址逐一按照所述限制条件进行匹配，直到匹配到能够符合所述限制条件的地址；将符合所述限制条件的地址作为在所述预定地区内选择出的一个或多个地址。

又例如，还包括：显示模块，用于显示选择出的一个或多个地址。

通过本实施例解决了现有技术中电动充电柱选址不合适所可能导致的充电桩利用效率不高的问题，从而提高了充电桩的选择的科学性，兼顾了充电用户的使用和充电桩运营商的收益。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。