一种面向电动重卡的充电站及换电站联合选址方法

技术领域

本发明涉及一种面向电动重卡的充电站及换电站联合选址方法，属于电力方法技术领域。

背景技术

基于电池租赁的换电模式在以色列、加拿大、澳大利亚、丹麦等国家已经有了实际的应用和推广。作为电动重卡产业的积极参与方，国家电网公司和南方电网公司也准备采用换电为主的电动重卡发展模式，在充电方面，国家电网公司还明确“集中充电、统一配送”的商业模式。

电动重卡电池换电站的选址定容在“集中充电、统一配送”模式中起到至关重要的作用，不仅会因集中充电站与电池换电站的配送距离影响电池配送成本，还会对交通流量、用户换电便利程度和换电成本等因素造成影响。面对我国电动重卡不断飞速发展的整体趋势，如何改进优化面向电动重卡的换电站选址方法，使之更好地与时代背景相适应，是当前亟待开展的工作。

发明内容

本发明目的是提供一种面向电动重卡的充电站及换电站联合选址方法，通过建立充电站及换电站选址的多目标决策模型，引入模糊熵权法和Voronoi图等多种基础理论方法，有效提升换电站选址效率，有效地解决了背景技术中存在的上述问题。

本发明的技术方案是：一种面向电动重卡的充电站及换电站联合选址方法，包含以下步骤：

S101、收集换电站选址基本参数信息，预测换电需求点的日换电需求量；

S102、运用泰森多边形划分电池配送区域，根据各配送区域的日换电需求总量预测集中式充电站及分散式换电站设施规模；

S103、在电池配送区域随机生成多组集中式充电站和分散式换电站联合选址方案；

S104、计算各组联合选址方案的建设投资成本和换电运营成本；

S105、计算各组联合选址方案接入配电网的承载能力；

S106、计算建设投资成本、换电运营成本和配电网承载能力的熵权重和模糊权重，通过加权汇总求解最优联合选址方案。

所述步骤S101具体包括如下步骤：

S201、收集各换电需求点的位置坐标，以及日换电需求负荷预测、电动重卡保有量预测和交通流量权重的参数信息；

S202、计算各个换电需求点的电动重卡日换电需求量。

所述步骤S102具体包括如下步骤：

S301、根据各换电需求点的坐标作出Voronoi图，划分出电池配送区域；

S302、根据各配送区域的日换电需求负荷预测总量，计算各换电站内相关设施的配套规模；

S303、根据各换电站内相关设施的配套规模，计算集中充电站内相关设施的配套规模。

所述步骤S103具体包括如下步骤：

S401、在配送区域内随机生成若干换电站，对其位置坐标进行编码；

S402、根据已生成的若干换电站坐标，生成相应的集中充电站，对其位置进行编码。

所述步骤S104具体包括如下步骤：

S501、根据集中充电站和换电站的总体规模，计算建设投资成本；

S502、根据换电站配套规模及换电服务强度计算换电运营成本。

所述步骤S105具体包括如下步骤：

S601、根据充电站接入电网位置，计算其对谐波的影响，并计算配电网相应承载力；

S602、根据充电站接入电网位置，计算其对电压的影响，并计算配电网相应承载力；

S603、根据充电站接入电网位置，计算其对线损的影响，并计算配电网相应承载力；

S604、根据充电站接入电网位置，计算其对负荷的影响，并计算配电网相应承载力；

S605、综合评估各维度的配电网承载力，以最小值作为约束条件。

所述步骤S106具体包括如下步骤：

S701、将建设投资成本、换电运营成本和配电网承载能力作为模糊熵权法的评价指标数据，计算各目标的熵权重和模糊权重；

S702、计算基于模糊熵权法的各目标权重，构建新目标函数；

S703、将新目标函数进行循环迭代计算，直到完成收敛，求解最优方案组合。

本发明的有益效果是：通过建立充电站及换电站选址的多目标决策模型，引入模糊熵权法和Voronoi图等多种基础理论方法，有效提升换电站选址效率。

附图说明

图1是本发明的总流程图；

图2是本发明步骤S101的方法流程图；

图3是本发明步骤S102的方法流程图；

图4是本发明步骤S103的方法流程图；

图5是本发明步骤S104的方法流程图；

图6是本发明步骤S105的方法流程图；

图7是本发明步骤S106的方法流程图。

具体实施方式

下面结合附图与实施例对本发明技术方案作进一步详细的说明，这是本发明的较佳实施例。应当理解，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种面向电动重卡的充电站及换电站联合选址方法，包含以下步骤：

S101、收集换电站选址基本参数信息，预测换电需求点的日换电需求量；

S102、运用泰森多边形划分电池配送区域，根据各配送区域的日换电需求总量预测集中式充电站及分散式换电站设施规模；

S103、在电池配送区域随机生成多组集中式充电站和分散式换电站联合选址方案；

S104、计算各组联合选址方案的建设投资成本和换电运营成本；

S105、计算各组联合选址方案接入配电网的承载能力；

S106、计算建设投资成本、换电运营成本和配电网承载能力的熵权重和模糊权重，通过加权汇总求解最优联合选址方案。

所述步骤S101具体包括如下步骤：

S201、收集各换电需求点的位置坐标，以及日换电需求负荷预测、电动重卡保有量预测和交通流量权重的参数信息；

S202、计算各个换电需求点的电动重卡日换电需求量。

所述步骤S102具体包括如下步骤：

S301、根据各换电需求点的坐标作出Voronoi图，划分出电池配送区域；

S302、根据各配送区域的日换电需求负荷预测总量，计算各换电站内相关设施的配套规模；

S303、根据各换电站内相关设施的配套规模，计算集中充电站内相关设施的配套规模。

所述步骤S103具体包括如下步骤：

S401、在配送区域内随机生成若干换电站，对其位置坐标进行编码；

S402、根据已生成的若干换电站坐标，生成相应的集中充电站，对其位置进行编码。

所述步骤S104具体包括如下步骤：

S501、根据集中充电站和换电站的总体规模，计算建设投资成本；

S502、根据换电站配套规模及换电服务强度计算换电运营成本。

所述步骤S105具体包括如下步骤：

S601、根据充电站接入电网位置，计算其对谐波的影响，并计算配电网相应承载力；

S602、根据充电站接入电网位置，计算其对电压的影响，并计算配电网相应承载力；

S603、根据充电站接入电网位置，计算其对线损的影响，并计算配电网相应承载力；

S604、根据充电站接入电网位置，计算其对负荷的影响，并计算配电网相应承载力；

S605、综合评估各维度的配电网承载力，以最小值作为约束条件。

所述步骤S106具体包括如下步骤：

S701、将建设投资成本、换电运营成本和配电网承载能力作为模糊熵权法的评价指标数据，计算各目标的熵权重和模糊权重；

S702、计算基于模糊熵权法的各目标权重，构建新目标函数；

S703、将新目标函数进行循环迭代计算，直到完成收敛，求解最优方案组合。

在实际应用中，所述步骤S101收集换电站选址基本参数信息，预测换电需求点的日换电需求量，具体包括如下步骤：

S201、收集各换电需求点的位置坐标，以及日换电需求负荷预测、电动重卡保有量预测和交通流量权重等参数信息；

S202、计算各个换电需求点的电动重卡日换电需求量，具体方法包括：

根据输入参数信息，计算用户换电需求点n的电动重卡日换电需求量C

式中，f为向上取整函数；S为各电池换电站换电服务区域内的电动重卡总数；β为日换电概率，取为0.1；P

所述步骤S102运用泰森多边形划分电池配送区域，根据各配送区域的日换电需求总量预测集中式充电站及分散式换电站设施规模，具体包括如下步骤：

S301、根据各换电需求点的坐标作出Voronoi图，划分出电池配送区域，具体方法包括：

Voronoi图是由连接最邻近的两邻点间的直线作出的垂直平分线所构成的连续多边形，设p

S302、根据各配送区域的日换电需求负荷预测总量，计算各换电站内相关设施的配套规模，具体方法包括：

电池换电仓位配置约束为

式中，H

S303、根据各换电站内相关设施的配套规模，计算集中充电站内相关设施的配套规模，具体方法包括：

充电机及其相关设施配置约束为

式中，e

所述步骤S103在电池配送区域随机生成多组集中式充电站和分散式换电站联合选址方案，具体包括如下步骤：

S401、在配送区域内随机生成若干换电站，对其位置坐标进行编码，具体方法包括：

在配送区域j内随机生成n个电池换电站，其坐标集表示为z＝{(x

S402、根据已生成的若干换电站坐标，生成相应的集中充电站，对其位置进行编码，具体方法包括：

在配送区域j内随机生成n个电池换电站的基础上，生成m个集中充电站，其坐标集表示为z′＝{(x

所述步骤S104计算各组联合选址方案的建设投资成本和换电运营成本，具体包括如下步骤：

S501、根据集中充电站、换电站的总体规模，计算建设投资成本，具体方法包括：

建设投资成本主要由集中充电站的建设投资成本、电池换电站的建设投资成本和电池配送成本三个部分组成；

①集中充电站的建设投资成本主要包括土地、电池配送车辆、充电机及其相关设施的购置及维护检修和站内工作人员工资等；

集中充电站j的年建设投资成本如下式所示

式中，w

②电池换电站的建设投资成本包括设施投资成本和运营管理成本；设施投资成本主要包括土地和电池更换机相关设施等费用；运营管理成本主要为换电站中工作人员的工资、设备维护和配送车辆往返耗油等成本；

电池换电站i的年建设投资成本如下式所示

式中，w

③电池配送成本主要由电池配送数量和集中充电站到电池换电站之间的配送距离决定,集中充电站j到各电池换电站的年电池配送成本表示为

式中，d为年运营天数，取为365；γ为电池配送成本的等效系数；ε为城市公路的非直线系数；m为电池的备用系数；s

④综上，建设投资总成本表示为

式中，f

S502、根据换电站配套规模及换电服务强度计算换电运营成本，具体方法包括：

换电运营成本包括电池换电站的换电服务运行成本和待换电用户的排队等待耗时成本两部分；

假设用户的换电行为可用排队论中M/M/c/∞/∞模型进行表示，则电池换电站i中有n辆电动重卡进行换电服务时的概率P

式中，ρ

根据里特公式(Ritter formula)，可得待换电用户在电池换电站i的排队队伍长度平均值L

综上，年电池换电成本表示为

式中，h为换电站日运营时长；C

所述步骤S105计算各组联合选址方案接入配电网的承载能力，具体包括如下步骤：

S601、根据充电站接入电网位置，计算其对谐波的影响，并计算配电网相应承载力，具体方法包括：

假设充电站有N个充电机，它们相互独立，在相同的充电技术条件下工作，谐波电流I

式中：

X

随机变量的总幅值为：

假设谐波相位角为θ，则X

h次谐波电流幅值的期望值和方差分别为：

根据国家规定的电压总谐波畸变率的限值为4.0％。，反向计算出配电网承载能力：

S602、根据充电站接入电网位置，计算其对电压的影响，并计算配电网相应承载力，具体方法包括：

以无功功率就地平衡和充电站接入前后电网电压不越限为原则，待校核容量P

式中：U

式中：S

δU

将

ΔQ＝S

根据在电压偏差限值情况下充电站可接入的无功分量ΔQ及功率因数调节范围为0.98(超前)-0.98(滞后)，即可求得可新增充电站极限接入容量P

S603、根据充电站接入电网位置，计算其对线损的影响，并计算配电网相应承载力，具体方法包括：

最大负载率和线损之间的关系可以用如下表达式来描述：

LSF＝(LF)

式中，LSF为损耗因子，LF为负载因子，A为经验常数，取值在0.15-0.3之间。在一定时间内，总线损可以表示为：

l

其中，T表示时间间隔。假设电网阻抗为R时最小化负载波动和线损之间的的关系为：

其中，

以此为基础，负荷波动方差可表示为：

其中，

根据线损限值的要求，可计算得出配电网承载力

式中：P

S604、根据充电站接入电网位置，计算其对负荷的影响，并计算配电网相应承载力，具体方法包括：

计算历史各时刻点线路的负载率，t时刻的负载率λ(t)，按以下公式计算：

式中：P

评估线路供电范围内可新增充电站接入容量P

式中：P

S605、综合评估各维度的配电网承载力，以最小值作为约束条件，具体方法包括：

根据上述四个维度的承载力计算结果，取最小值即为充电站接入线路的承载力。

P

所述步骤S106计算建设投资成本、换电运营成本和配电网承载能力等目标的熵权重和模糊权重，通过加权汇总求解最优联合选址方案，具体包括如下步骤：

S701、将建设投资成本、换电运营成本、配电网承载能力作为模糊熵权法的评价指标数据，计算各目标的熵权重和模糊权重；

S702、计算基于模糊熵权法的各目标权重，构建新目标函数，具体方法包括：

对于具有x个目标的多目标决策问题，假设其采用熵权法计算得到的x个目标权重集合为α＝{α

从而将电动重卡充换电站选址定容的多目标决策问题结合模糊熵权法转化成单目标优化问题，新目标函数(即加权总值)如下式所示

f

S703、将新目标函数进行循环迭代计算，直到完成收敛，求解最优方案组合，具体方法包括：

将新目标函数循环执行，重复生成新的电池换电站站址坐标与配套的集中充电站站址坐标，计算适应值，记录个体极值x′和全局极值x

最后，相比于现有技术，本发明的明显效果在于：

(1)本发明采用泰森多边形，对电池换电站的换电服务区域作出均匀划分，并自动生成充电站及换电站选址及规模大小，作为后续多目标决策的基础。

(2)本发明综合考虑了集中充电站的影响，以建设投资成本和换电运营成本为目标，建立充电站及换电站选址定容规划的多目标决策模型。

(3)本发明同时考虑了充电站接入电网可能造成的影响，以配电网承载力作为约束条件，验证充电站及换电站联合选址方案的可行性。

(4)本发明引入模糊熵权法将多目标决策模型转化成单目标权重模型，避免单一主观决策或客观决策所带来的弊端。

本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。