本發(fā)明涉及充電站規(guī)劃領(lǐng)域，特別是涉及一種充電站規(guī)劃布局方法以及一種充電站規(guī)劃布局裝置。

背景技術(shù)：

隨著全球等石油資源的日益緊缺，對節(jié)能減排方面的研究也日益增多。電動汽車以其優(yōu)良的環(huán)保性能，引起了國內(nèi)外政府和企業(yè)的高度重視，動力電池技術(shù)和電動汽車的發(fā)展也初具規(guī)模。

電動汽車的使用過程中，需要對電動汽車進(jìn)行充電以補(bǔ)充能源，因而需要建設(shè)相關(guān)的充電站，以便于能夠?yàn)殡妱悠嚹軌虺潆?。目前為止，充電站?guī)劃研究方面尚未形成較為完整而系統(tǒng)的模型與方法，通常都是人為地確定出充電站的規(guī)劃地址，往往使得充電站的位置規(guī)劃不具有科學(xué)性和實(shí)際性，規(guī)劃方案在實(shí)際應(yīng)用時并不可行。

技術(shù)實(shí)現(xiàn)要素：

基于此，本發(fā)明實(shí)施例的目的在于提供一種充電站規(guī)劃布局方法以及一種充電站規(guī)劃布局裝置，其可以科學(xué)地規(guī)劃充電站的位置，能夠快速準(zhǔn)確地獲得充電站規(guī)劃布局的最優(yōu)方案。

為達(dá)到上述目的，本發(fā)明實(shí)施例采用以下技術(shù)方案：

一種充電站規(guī)劃布局方法，包括步驟：

獲取電網(wǎng)狀態(tài)信息以及充電站狀態(tài)信息；

根據(jù)電網(wǎng)狀態(tài)信息以及充電站狀態(tài)信息，隨機(jī)產(chǎn)生包含充電站位置和充電站容量的預(yù)定數(shù)目個充電站規(guī)劃布局方案，并以各充電站規(guī)劃布局方案為個體形成當(dāng)前種群；

根據(jù)規(guī)劃目標(biāo)適應(yīng)度函數(shù)計(jì)算所述當(dāng)前種群中的各個體的適應(yīng)度值，并根據(jù)各個體的適應(yīng)度值判斷當(dāng)前種群是否滿足進(jìn)化終止條件；

在不滿足進(jìn)化終止條件時，對所述當(dāng)前種群進(jìn)行進(jìn)化操作，獲得各進(jìn)化后個體，并采用所述規(guī)劃目標(biāo)適應(yīng)度函數(shù)計(jì)算各進(jìn)化后個體的適應(yīng)度值；

將各進(jìn)化后個體與所述當(dāng)前種群的適應(yīng)度值最高的前第一數(shù)目個個體合并后，計(jì)算各個體之間的距離，并基于各個體之間的距離調(diào)整各個體的適應(yīng)度值；

將調(diào)整后個體中適應(yīng)度值最高的第二數(shù)目個個體作為當(dāng)前種群，返回判斷當(dāng)前種群是否滿足進(jìn)化終止條件的步驟；

在滿足進(jìn)化終止條件時，終止進(jìn)化過程，將當(dāng)前種群中適應(yīng)度最高的前第三數(shù)目個個體對應(yīng)的充電站規(guī)劃布局方案作為確定的充電站規(guī)劃布局方案。

一種充電站規(guī)劃布局裝置，包括：

信息獲取模塊，用于獲取電網(wǎng)狀態(tài)信息以及充電站狀態(tài)信息；

初始種群生成模塊，用于根據(jù)電網(wǎng)狀態(tài)信息以及充電站狀態(tài)信息，隨機(jī)產(chǎn)生包含充電站位置和充電站容量的預(yù)定數(shù)目個充電站規(guī)劃布局方案，并以各充電站規(guī)劃布局方案為個體形成當(dāng)前種群；

進(jìn)化終止分析模塊，用于根據(jù)規(guī)劃目標(biāo)適應(yīng)度函數(shù)計(jì)算所述當(dāng)前種群中的各個體的適應(yīng)度值，并根據(jù)各個體的適應(yīng)度值判斷當(dāng)前種群是否滿足進(jìn)化終止條件；

進(jìn)化模塊，用于在不滿足進(jìn)化終止條件時，對所述當(dāng)前種群進(jìn)行進(jìn)化操作，獲得各進(jìn)化后個體，并采用所述規(guī)劃目標(biāo)適應(yīng)度函數(shù)計(jì)算各進(jìn)化后個體的適應(yīng)度值；將各進(jìn)化后個體與所述當(dāng)前種群的適應(yīng)度值最高的前第一數(shù)目個個體合并后，計(jì)算各個體之間的距離，并基于各個體之間的距離調(diào)整各個體的適應(yīng)度值；將調(diào)整后的適應(yīng)度值最高的第二數(shù)目個個體作為當(dāng)前種群，返回判斷當(dāng)前種群是否滿足進(jìn)化終止條件的步驟；

方案確定模塊，用于在滿足進(jìn)化終止條件時，終止進(jìn)化過程，將當(dāng)前種群中適應(yīng)度最高的前第三數(shù)目個個體對應(yīng)的充電站規(guī)劃布局方案作為確定的充電站規(guī)劃布局方案。

基于如上所述的實(shí)施例的方案，其在對充電站進(jìn)行規(guī)劃布局時，在獲得電網(wǎng)狀態(tài)信息和充電站狀態(tài)信息后，隨機(jī)生成多個充電站規(guī)劃布局方案，每個充電站規(guī)劃布局方案包含充電站位置和充電站容量的信息，并采用改進(jìn)的遺傳算法進(jìn)行求解，保持了種群多樣性，使得個體在整個空間分散開來，從而能更加科學(xué)地反映電動汽車充電站問題的實(shí)質(zhì)，可以科學(xué)地規(guī)劃充電站的位置，能夠快速準(zhǔn)確地獲得充電站規(guī)劃布局的最優(yōu)方案。

附圖說明

圖1為一個實(shí)施例中的充電站規(guī)劃布局方法的流程示意圖；

圖2為一個示例中構(gòu)建的voronoi拓?fù)潢P(guān)系的示意圖；

圖3是一個應(yīng)用示例中本實(shí)施例方案與傳統(tǒng)方法的收斂曲線對比示意圖；

圖4是一個應(yīng)用示例中采用傳統(tǒng)方案獲得的規(guī)劃方案的示意圖；

圖5是一個應(yīng)用示例中采用本實(shí)施例方案獲得的規(guī)劃方案的示意圖；

圖6為一個實(shí)施例中的充電站規(guī)劃布局裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步的詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施方式僅僅用以解釋本發(fā)明，并不限定本發(fā)明的保護(hù)范圍。

除非另有定義，本文所使用的所有的技術(shù)和科學(xué)術(shù)語與屬于本發(fā)明的技術(shù)領(lǐng)域的技術(shù)人員通常理解的含義相同。本文中在本發(fā)明的說明書中所使用的術(shù)語只是為了描述具體的實(shí)施例的目的，不是旨在于限制本發(fā)明。本文所使用的術(shù)語“或/及”包括一個或多個相關(guān)的所列項(xiàng)目的任意的和所有的組合。

圖1示出了一個實(shí)施例中的充電站規(guī)劃布局方法的流程示意圖。如圖1所示，該實(shí)施例的充電站規(guī)劃布局方法包括下述步驟：

步驟s101：獲取電網(wǎng)狀態(tài)信息以及充電站狀態(tài)信息；

步驟s102：根據(jù)電網(wǎng)狀態(tài)信息以及充電站狀態(tài)信息，隨機(jī)產(chǎn)生包含充電站位置和充電站容量的預(yù)定數(shù)目個充電站規(guī)劃布局方案，并以各充電站規(guī)劃布局方案為個體形成當(dāng)前種群；

步驟s103：根據(jù)規(guī)劃目標(biāo)適應(yīng)度函數(shù)計(jì)算所述當(dāng)前種群中的各個體的適應(yīng)度值，并根據(jù)各個體的適應(yīng)度值判斷當(dāng)前種群是否滿足進(jìn)化終止條件；

步驟s104：在不滿足進(jìn)化終止條件時，對所述當(dāng)前種群進(jìn)行進(jìn)化操作，獲得各進(jìn)化后個體，并采用所述規(guī)劃目標(biāo)適應(yīng)度函數(shù)計(jì)算各進(jìn)化后個體的適應(yīng)度值；

步驟s105：將各進(jìn)化后個體與所述當(dāng)前種群的適應(yīng)度值最高的前第一數(shù)目個個體合并后，計(jì)算各個體之間的距離，并基于各個體之間的距離調(diào)整各個體的適應(yīng)度值；

步驟s106：將調(diào)整后的適應(yīng)度值最高的第二數(shù)目個個體作為當(dāng)前種群，返回判斷當(dāng)前種群是否滿足進(jìn)化終止條件的步驟；

步驟s107：在滿足進(jìn)化終止條件時，終止進(jìn)化過程，將當(dāng)前種群中適應(yīng)度最高的前第三數(shù)目個個體對應(yīng)的充電站規(guī)劃布局方案作為確定的充電站規(guī)劃布局方案。

基于如上所述的實(shí)施例的方案，其在對充電站進(jìn)行規(guī)劃布局時，在獲得電網(wǎng)狀態(tài)信息和充電站狀態(tài)信息后，隨機(jī)生成多個充電站規(guī)劃布局方案，每個充電站規(guī)劃布局方案包含充電站位置和充電站容量的信息，并采用改進(jìn)的遺傳算法進(jìn)行求解，保持了種群多樣性，使得個體在整個空間分散開來，從而能更加科學(xué)地反映電動汽車充電站問題的實(shí)質(zhì)，可以科學(xué)地規(guī)劃充電站的位置，能夠快速準(zhǔn)確地獲得充電站規(guī)劃布局的最優(yōu)方案。

一個示例中的上述電網(wǎng)狀態(tài)信息可以包括當(dāng)前電網(wǎng)狀態(tài)信息、電網(wǎng)規(guī)劃邊界信息。其中，當(dāng)前電網(wǎng)狀態(tài)信息可以包括規(guī)劃區(qū)域、所述規(guī)劃區(qū)域的各子區(qū)域的電網(wǎng)負(fù)荷、所述規(guī)劃區(qū)域的各子區(qū)域的電量，所述電網(wǎng)規(guī)劃邊界信息可以包括規(guī)劃期的負(fù)荷預(yù)測。

充電站狀態(tài)信息可以包括當(dāng)前充電站相關(guān)信息以及充電站規(guī)劃相關(guān)信息。其中，當(dāng)前充電站相關(guān)信息可以包括當(dāng)前充電站布局、當(dāng)前電動汽車數(shù)量，充電站規(guī)劃相關(guān)信息可以包括電動汽車規(guī)劃數(shù)量、電動汽車充電站規(guī)劃數(shù)量。

在一個示例中，上述步驟s102生成當(dāng)前種群時，可以采用下述方式進(jìn)行：

首先執(zhí)行預(yù)定次數(shù)的下述過程：

根據(jù)電網(wǎng)狀態(tài)信息以及充電站狀態(tài)信息，隨機(jī)產(chǎn)生包含充電站位置和充電站容量的各充電站規(guī)劃布局方案；

計(jì)算以各充電站規(guī)劃布局方案為個體的各個體的適應(yīng)度。

在執(zhí)行了上述過程預(yù)定次數(shù)之后，選取適應(yīng)度最高的預(yù)定數(shù)目個個體形成當(dāng)前種群。這里的預(yù)定次數(shù)可以結(jié)合實(shí)際應(yīng)用需要進(jìn)行設(shè)定。

在一個應(yīng)用示例中，在上述對當(dāng)前種群進(jìn)行進(jìn)化操作之后，還可以記錄進(jìn)化次數(shù)。

從而，在步驟s104中進(jìn)行進(jìn)化操作時，可以是在記錄的進(jìn)化次數(shù)小于第一進(jìn)化次數(shù)中間值時，增大當(dāng)前進(jìn)化操作的交叉因子的值，并在記錄的進(jìn)化次數(shù)大于第二進(jìn)化次數(shù)中間值時，減小當(dāng)前進(jìn)化操作的交叉因子的值；并在記錄的進(jìn)化次數(shù)大于第三進(jìn)化次數(shù)中間值時，增大當(dāng)前進(jìn)化操作的變異因子的值。

從而，基于變化的交叉因子、變異因子，在種群進(jìn)化初期適當(dāng)增大交叉概率值，而隨著進(jìn)化次數(shù)的增加，尋優(yōu)算法已經(jīng)逐漸接近極值點(diǎn)，因此在種群進(jìn)化后期逐漸減少交叉概率，加快算法收斂過程。同理，在進(jìn)化后期逐漸增大變異概率，可以保持種群的多樣性，可以盡可能更快速獲得所有的極值點(diǎn)。

在一個應(yīng)用示例中，在調(diào)整各個體的適應(yīng)度值之后，將調(diào)整后個體中適應(yīng)度值最高的第二數(shù)目個個體作為當(dāng)前種群之前，還可以包括如下步驟：

從地理信息系統(tǒng)獲取地理信息；

根據(jù)所述當(dāng)前種群中的各個體的充電站位置，基于地理信息系統(tǒng)生成voronoi拓?fù)潢P(guān)系圖；

根據(jù)所述voronoi拓?fù)潢P(guān)系圖，去除所述當(dāng)前種群中充電站位置處于預(yù)定類型區(qū)域的個體，獲得更新后的當(dāng)前種群。

從而，可以基于地理信息系統(tǒng)從當(dāng)前種群中剔除或淘汰掉不適合位于不適合建站區(qū)域的個體，進(jìn)一步提高了規(guī)劃的充電站的位置的合理性和科學(xué)性。

以下結(jié)合一個具體示例進(jìn)行詳細(xì)舉例說明。

本發(fā)明實(shí)施例方案在實(shí)現(xiàn)之前，需要先建立一個規(guī)劃目標(biāo)適應(yīng)度函數(shù)，該規(guī)劃目標(biāo)適應(yīng)度函數(shù)是后續(xù)求解時評價個體優(yōu)劣的重要指標(biāo)，決定了個體被遺傳到下一代的概率，也是決定是否需要進(jìn)行進(jìn)一步進(jìn)化的考慮因素。由于規(guī)劃目標(biāo)適應(yīng)度函數(shù)要求最優(yōu)化問題是求最大值，且為非負(fù)值，因此需要對適應(yīng)度函數(shù)和目標(biāo)函數(shù)進(jìn)行轉(zhuǎn)換。在本實(shí)施例方案的充電站優(yōu)化配置問題中，規(guī)劃目標(biāo)適應(yīng)度函數(shù)中的適應(yīng)度函數(shù)可以是根據(jù)充電站投資成本和充電成本確定，具體基于充電站建設(shè)成本和運(yùn)行費(fèi)用加權(quán)后的目標(biāo)函數(shù)f(x)變形而獲得。

式中：k為充分大實(shí)數(shù)，ψ為地理信息因子，ψ由規(guī)劃人員考慮地理信息系統(tǒng)綜合評價所獲得，取值范圍為(0，1)。

其中，在構(gòu)建目標(biāo)函數(shù)時，可以是通過建立充電站投資成本和充電成本的綜合成本最優(yōu)經(jīng)濟(jì)模型，在考慮實(shí)際充電站發(fā)展階段后，目標(biāo)函數(shù)為兩者加權(quán)之后所獲得的最優(yōu)費(fèi)用，可由下式表示：minf＝ω1f1+ω2f2(1)

式中：f為目標(biāo)函數(shù)值，即投資成本和充電成本加權(quán)和；ω1、ω2為加權(quán)因子，可以由規(guī)劃人員根據(jù)實(shí)際地市的電動汽車發(fā)展階段來決定取值大小，0≤ωi≤1，i＝1、2，且ω1+ω2＝1，f1為電動汽車充電站的年投資運(yùn)行費(fèi)用，f2為電動汽車年充電成本。其中，

式中：i為被選充電站點(diǎn)的集合；ki為候選站點(diǎn)，若在候選站i處建立充電站時，則候選站址ki賦值為1,否則為0；ni為待建候選充電站的數(shù)量，r0為貼現(xiàn)率，ni為充電站i的折舊年限；t2(ni)為充電站i的年運(yùn)行和維護(hù)費(fèi)用。

式中：α為充電者的時間成本；λij為兩點(diǎn)之間的曲折系數(shù)，一般取值在1.0～1.4之間，λij值越小表明兩點(diǎn)之間交通越便利；dij為充電汽車到充電站兩點(diǎn)之間的直線距離；nij為充電汽車來充電站i的數(shù)量；v為充電汽車平均行駛速度；β為充電汽車充電成本；u為充電汽車的單位耗電量。

其中，上述規(guī)劃目標(biāo)適應(yīng)度函數(shù)可以包括下述約束條件①～⑥。

①充電站中的所有充電機(jī)的容量小于變壓器容量

考慮到變壓器容量有一定的限制，因此，充電站中所有充電機(jī)總?cè)萘坎坏么笥谧儔浩魅萘浚唧w可用下式(4)表示：

式中：si為每個充電機(jī)的容量，smax為變壓器最大容量，n為充電機(jī)總個數(shù)。

②充電站的無功容量小于或等于無功補(bǔ)償上限值，且大于或等于無功補(bǔ)償下限值。

考慮到充電站對電能質(zhì)量的影響，因此無功補(bǔ)償需滿足一定的限制條件，具體可用下式(5)表示。

qmin≤∑qi≤qmaxi＝1,2,…，n(5)

式中：qi為各充電站無功容量，qmin和qmax分別為充電站無功補(bǔ)償?shù)南孪拗岛蜕舷拗怠?/p>

③同一時刻各充電汽車的充電功率之和小于充電站的最大功率。

受充電機(jī)容量的限制，因此電動汽車必須滿足最大充電功率約束條件：

式中：pi為同一時刻各充電汽車的充電功率，pmax為充電站的最大功率。

④充電站的電壓幅值大于或者等于充電站節(jié)點(diǎn)電壓的最小幅值下限值、且小于或者等于充電站節(jié)點(diǎn)電壓的最大幅值上限值。

受節(jié)點(diǎn)電壓上下限的約束，電壓幅值必須滿足如下要求。

vmin≤vi≤vmaxi＝1,2,…，n(7)

式中：vi為某充電節(jié)點(diǎn)的電壓幅值，vmin和vmax分別為充電站節(jié)點(diǎn)電壓的最大和最小幅值界限。

⑤充電站的電流幅值小于配電系統(tǒng)電流值上限值。

受饋線電流的約束，電流幅值必須滿足如下要求。

|ii|≤imaxi＝1,2,…，n(8)

式中：ii為某充電站配電系統(tǒng)中電流值，imax為配電系統(tǒng)電流值的上限。

⑥各充電站之間的距離大于或等于充電站間距下限值，且小于或等于充電站間距上限值。

為避免充電站之間過于密集，站間距離需滿足下述約束條件。

lmin≤li≤lmax(9)

式中：li為相連電動車充電站之間的距離，lmin和lmax分別為充電站間距的上下限，lmin和lmax的取值考慮電動汽車的續(xù)航能力和充電需求。

在進(jìn)行上述設(shè)定后，可獲取電網(wǎng)狀態(tài)信息以及充電站狀態(tài)信息，以獲取電網(wǎng)現(xiàn)狀及電動汽車充電站地理信息邊界條件。

其中，電網(wǎng)狀態(tài)信息包括當(dāng)前電網(wǎng)狀態(tài)信息、電網(wǎng)規(guī)劃邊界信息。所述當(dāng)前電網(wǎng)狀態(tài)信息包括規(guī)劃區(qū)域及其各子區(qū)域的電網(wǎng)負(fù)荷、電量情況。所述電網(wǎng)規(guī)劃邊界信息包括規(guī)劃期的負(fù)荷預(yù)測；

充電站狀態(tài)信息包括當(dāng)前充電站相關(guān)信息以及充電站規(guī)劃相關(guān)信息。當(dāng)前充電站相關(guān)信息包括當(dāng)前充電站布局、當(dāng)前電動汽車數(shù)量，充電站規(guī)劃相關(guān)信息包括電動汽車規(guī)劃數(shù)量、電動汽車充電站規(guī)劃數(shù)量。

從而據(jù)此獲得規(guī)劃區(qū)域及其各子區(qū)域的負(fù)荷、電量情況，電動汽車充電站布局現(xiàn)狀，電動汽車數(shù)量等。其中規(guī)劃邊界條件通常包含規(guī)劃期的負(fù)荷預(yù)測、電動汽車規(guī)劃數(shù)量以及電動汽車充電站規(guī)劃數(shù)量等規(guī)劃邊界條件。與常規(guī)電動汽車充電站規(guī)劃類似，該部分是充電站規(guī)劃的基礎(chǔ)條件，一般可從規(guī)劃區(qū)域各級政府部門和電網(wǎng)公司獲取相關(guān)內(nèi)容。

在獲得上述信息后，即可對上述建議的規(guī)劃目標(biāo)適應(yīng)度函數(shù)進(jìn)行求解，以獲得最終的充電站規(guī)劃方案。具體可結(jié)合小生境技術(shù)進(jìn)行。

在自然界中，常常產(chǎn)生“物以類聚”的現(xiàn)象，大自然中的生物總是習(xí)慣和自身特性、形狀接近相似的同類或者生物共同生活，聚集在一起形成一個個特定的小生境，來進(jìn)行與同類之間進(jìn)行交配和后代繁殖。受小生境現(xiàn)象的啟發(fā)，小生境技術(shù)就是通過將每一代個體劃分為若干不同類別，將每個類別中優(yōu)秀個體組成一個種群，讓不同種群中優(yōu)秀個體進(jìn)行交叉操作和變異操作。采用小生境技術(shù)是將每個類別中優(yōu)秀個體組成一個種群，讓不同種群中優(yōu)秀個體進(jìn)行交叉操作和變異操作。

首先根據(jù)電網(wǎng)狀態(tài)信息以及充電站狀態(tài)信息，隨機(jī)產(chǎn)生包含充電站位置和充電站容量的預(yù)定數(shù)目個充電站規(guī)劃布局方案，并以各充電站規(guī)劃布局方案為個體形成當(dāng)前種群。

一個示例中，采用三維浮點(diǎn)數(shù)(x1y1s1,x2y2s2...xnynsn)表示電動汽車充電站的站址和容量進(jìn)行編碼，隨機(jī)產(chǎn)生多個充電站規(guī)劃布局方案作為一個初步的初始種群，對以各充電站規(guī)劃布局方案為個體的各個體的適應(yīng)度。重復(fù)該過程多次后，選取適應(yīng)度最高的預(yù)定數(shù)目m個個體作為初始種群。其中xiyi(i＝1,2,…，n)分別表示充電站的位置的橫縱坐標(biāo)，si表示充電站的容量大小。

由于此時產(chǎn)生了初始種群，必然是不符合進(jìn)化終止條件，需要對其進(jìn)行進(jìn)化處理。進(jìn)化處理的過程實(shí)際上是指基因選擇、變異、交叉操作的過程。

基因選擇通常情況下是指進(jìn)行復(fù)制、繁殖操作，在此采用適應(yīng)度比例法進(jìn)行優(yōu)秀個體的選擇操作，獲得適應(yīng)度較高的個體?；蜃儺惒僮魇悄M生物進(jìn)化過程之中，由于某些偶然的因素而引發(fā)的突變現(xiàn)象，是指按照一定的變異率(變異因子)，隨機(jī)選取某染色體的基因進(jìn)行改變。而基因交叉操作是指按照一定的交叉概率(交叉因子)，隨機(jī)選取某兩個染色體的某個位置的基因進(jìn)行交換。

在本實(shí)施例的方案中，為了迅速獲得大范圍的極值點(diǎn)，因此采取在種群進(jìn)化初期增大交叉概率值(交叉因子)，而隨著進(jìn)化次數(shù)的增加，尋優(yōu)算法已經(jīng)接近極值點(diǎn)，因此在種群進(jìn)化后期逐漸減少交叉概率，以加快算法收斂過程。同理，變異概率在種群進(jìn)化初期起到的作用較小，而在進(jìn)化后期為了保持種群的多樣性，采取逐漸增大變異概率值(變異因子)，以更快速獲得所有的極值點(diǎn)。在本實(shí)施例方案中，初始種群大小可以設(shè)置為60，即上述預(yù)設(shè)數(shù)目m為60，首次進(jìn)行進(jìn)化操作時的初始交叉概率pc可設(shè)置為0.75，初始變異概率pm可設(shè)置為0.01，交叉概率pc和變異概率pm增大或減少的步長可設(shè)置為0.04。

在進(jìn)行進(jìn)化處理獲得各進(jìn)化后個體之后，采用所述規(guī)劃目標(biāo)適應(yīng)度函數(shù)計(jì)算各進(jìn)化后個體的適應(yīng)度值，將各進(jìn)化后個體與所述初始種群的適應(yīng)度值最高的前第一數(shù)目個個體合并后，通過比較各個個體間的距離d，使得個體在整個空間分散開來，個體之間的距離d(j,k)可以表示為：

由于d(j,k)反應(yīng)了個體之間的空間距離，當(dāng)d(j,k)＞d時，且個體j的適應(yīng)度值優(yōu)于個體k的適應(yīng)度值，則進(jìn)行令個體k的適應(yīng)度值為極小值操作，使得該個體下次被選擇的概率極??；反之則進(jìn)行令個體j的適應(yīng)度值為極小值操作。這樣既保持了種群的多樣性，同時使得在解空間l內(nèi)只存在一個唯一解，提高了算法的運(yùn)算效率。

在調(diào)整了需要調(diào)整的個體的適應(yīng)度之后，基于從地理信息系統(tǒng)獲取的地理信息，根據(jù)調(diào)整適應(yīng)度值后的各個體的充電站位置，基于地理信息系統(tǒng)生成voronoi拓?fù)潢P(guān)系圖；并根據(jù)所述voronoi拓?fù)潢P(guān)系圖，去除充電站位置處于預(yù)定類型區(qū)域的個體，獲得更新后的調(diào)整后個體。

voronoi圖假設(shè)平面上若干個離散的點(diǎn)p＝(p1,p2,···,pn)的集合，圖2示出了一個示例中構(gòu)建的voronoi拓?fù)潢P(guān)系的示意圖。由于voronoi圖具有最鄰近性特性，任一點(diǎn)以相同速向外生長擴(kuò)展，直到彼此相遇后形成若干個多邊形，且voronoi圖的交點(diǎn)是這些邊的圖的頂點(diǎn)的外切圓圓心。voronoi圖邊的交點(diǎn)與周圍相鄰的幾個頂點(diǎn)距離是最遠(yuǎn)的。在本實(shí)施例的充電站規(guī)劃的方案中，這些頂點(diǎn)代表充電站站址，且空心圓半徑越大，說明所需要提供充電汽車越多，越有可能成為新建充電站的規(guī)劃站址。通過基于voronoi圖理論的地理信息系統(tǒng)技術(shù)，對新建充電站址進(jìn)行選擇。對處于預(yù)定類型區(qū)域的予以淘汰這些預(yù)定類型區(qū)域可以是河流、綠地等均屬于不適宜建站的區(qū)域。然后采用v圖中空心圓半徑最大，所需提供充電需求最大的點(diǎn)，作為充電站建站的最優(yōu)位置，進(jìn)行最優(yōu)位置排序。

在通過基于voronoi圖理論的地理信息系統(tǒng)技術(shù)對處于不適合建站區(qū)域的個體進(jìn)行淘汰后，可獲得調(diào)整后個體，并將調(diào)整后個體中適應(yīng)度值最高的第二數(shù)目個個體作為當(dāng)前種群，判斷當(dāng)前種群是否滿足進(jìn)化終止條件，若不滿足，則重復(fù)上述進(jìn)化處理的過程，若滿足，則終止進(jìn)化過程。其中，進(jìn)化終止條件，可以結(jié)合實(shí)際技術(shù)需要進(jìn)行設(shè)定。例如可以通過對確定的充電站規(guī)劃布局方案進(jìn)行最優(yōu)化方案校核，通常包括變壓器容量約束、功率約束、節(jié)點(diǎn)電壓約束、受饋線路約束，并判斷計(jì)算結(jié)果是否最優(yōu)且滿足地理信息系統(tǒng)實(shí)際情況，并判斷實(shí)施方案是否可行，如果是，則認(rèn)為滿足進(jìn)化終止條件。

在滿足進(jìn)化終止條件終止進(jìn)化過程之后，將當(dāng)前種群(即上述調(diào)整后個體)中適應(yīng)度最高的前第三數(shù)目個個體對應(yīng)的充電站規(guī)劃布局方案作為確定的充電站規(guī)劃布局方案。

在獲得確定的各充電站規(guī)劃布局方案之后，可以進(jìn)行投資估算，然后進(jìn)行輸出。

基于如上所述的方案，將每個類別中優(yōu)秀個體組成一個種群，讓不同種群中優(yōu)秀個體進(jìn)行交叉操作和變異操作。計(jì)算出各個個體的適應(yīng)值后，通過比較各個個體間的距離d，使得個體在整個空間分散開來，解決了傳統(tǒng)遺傳算法在求解過程中的未成熟而先收斂的問題。

圖3示出了一個示例中采用本實(shí)施例方案與傳統(tǒng)遺傳方法的收斂曲線對比示意圖，從圖中可以看出，本實(shí)施例方案在尋優(yōu)過程中，計(jì)算效率更好，更易獲得最優(yōu)解。

下表1示出了一個具體應(yīng)用示例中，某區(qū)域電網(wǎng)采用傳統(tǒng)算法與使用本實(shí)施例方案的規(guī)劃結(jié)果對比圖，本實(shí)施例方案通過變化的變異和交叉因子對算法進(jìn)行了改進(jìn)，使得該算法能較快的在全局范圍內(nèi)獲得最優(yōu)解。同時，考慮了地理信息系統(tǒng)對充電站規(guī)劃的實(shí)際影響，使得規(guī)劃結(jié)果能夠更加科學(xué)的反映電動汽車充電站問題的實(shí)質(zhì)，達(dá)到科學(xué)實(shí)際電動汽車充電站規(guī)劃效果。

其中，權(quán)重方案i考慮在電動汽車發(fā)展相對緩慢，對電動汽車充電站投資資金有限，取ω1＝0.6，ω2＝0.4時目標(biāo)函數(shù)的結(jié)果。采用本實(shí)施例方案，需新建電動汽車充電站5座，充電機(jī)59臺，總投資約為4227萬元，迭代次數(shù)為9次。其中權(quán)重方案ii主要是考慮在電動汽車發(fā)展速度正常，電動汽車充電站建設(shè)成本和充電成本同樣重要性，取ω1＝0.5，ω2＝0.5時目標(biāo)函數(shù)的結(jié)果。采用本實(shí)施例方案，需新建電動汽車充電站5座，充電機(jī)62臺，總投資約為4569萬元，迭代次數(shù)為9次。其中權(quán)重方案ⅲ主要是考慮在電動汽車發(fā)展速度較快，充電站建設(shè)成本在目標(biāo)函數(shù)數(shù)中所占比例相對較小，取ω1＝0.4，ω2＝0.6時,目標(biāo)函數(shù)的結(jié)果。采用本實(shí)施例方案，需新建電動汽車充電站5座，充電機(jī)64臺，總投資約為4728萬元。

表1

圖4、圖5分別示出了一個應(yīng)用示例中針對某區(qū)域采用傳統(tǒng)方案獲得的規(guī)劃方案的示意圖和采用本實(shí)施例方案獲得的規(guī)劃方案的示意圖。圖4、圖5所示中，已有充電站用●表示，規(guī)劃新建充電站用★表示，有需求的充電站點(diǎn)用○用表示。其中，灰色區(qū)域受綠地、河流等地理因素的制約不適宜建站。圖4方案中未考慮gis系統(tǒng)的情況下，造成圖中下方充電站站址落到綠地中、上方的站址落到街道上，使得規(guī)劃站址與實(shí)際道路規(guī)劃不符，不具備可行性。圖5的采用本實(shí)施例方案獲得的電動汽車充電站最優(yōu)結(jié)果科學(xué)合理，新建4個充電站均在可行區(qū)域之內(nèi)。

基于與上述方法相同的思想，本發(fā)明實(shí)施例還提供一種充電站規(guī)劃布局裝置。圖6示出了一個實(shí)施例中的充電站規(guī)劃布局裝置的結(jié)構(gòu)示意圖，如圖6所示，該裝置包括：

信息獲取模塊601，用于獲取電網(wǎng)狀態(tài)信息以及充電站狀態(tài)信息；

初始種群生成模塊602，用于根據(jù)電網(wǎng)狀態(tài)信息以及充電站狀態(tài)信息，隨機(jī)產(chǎn)生包含充電站位置和充電站容量的預(yù)定數(shù)目個充電站規(guī)劃布局方案，并以各充電站規(guī)劃布局方案為個體形成當(dāng)前種群；

進(jìn)化終止分析模塊603，用于根據(jù)規(guī)劃目標(biāo)適應(yīng)度函數(shù)計(jì)算所述當(dāng)前種群中的各個體的適應(yīng)度值，并根據(jù)各個體的適應(yīng)度值判斷當(dāng)前種群是否滿足進(jìn)化終止條件；

進(jìn)化模塊604，用于在不滿足進(jìn)化終止條件時，對所述當(dāng)前種群進(jìn)行進(jìn)化操作，獲得各進(jìn)化后個體，并采用所述規(guī)劃目標(biāo)適應(yīng)度函數(shù)計(jì)算各進(jìn)化后個體的適應(yīng)度值；將各進(jìn)化后個體與所述當(dāng)前種群的適應(yīng)度值最高的前第一數(shù)目個個體合并后，計(jì)算各個體之間的距離，并基于各個體之間的距離調(diào)整各個體的適應(yīng)度值；將調(diào)整后的適應(yīng)度值最高的第二數(shù)目個個體作為當(dāng)前種群，返回判斷當(dāng)前種群是否滿足進(jìn)化終止條件的步驟；

方案確定模塊605，用于在滿足進(jìn)化終止條件時，終止進(jìn)化過程，將當(dāng)前種群中適應(yīng)度最高的前第三數(shù)目個個體對應(yīng)的充電站規(guī)劃布局方案作為確定的充電站規(guī)劃布局方案。

基于如上所述的實(shí)施例的方案，其在對充電站進(jìn)行規(guī)劃布局時，在獲得電網(wǎng)狀態(tài)信息和充電站狀態(tài)信息后，隨機(jī)生成多個充電站規(guī)劃布局方案，每個充電站規(guī)劃布局方案包含充電站位置和充電站容量的信息，并采用改進(jìn)的遺傳算法進(jìn)行求解，保持了種群多樣性，使得個體在整個空間分散開來，從而能更加科學(xué)地反映電動汽車充電站問題的實(shí)質(zhì)，可以科學(xué)地規(guī)劃充電站的位置，能夠快速準(zhǔn)確地獲得充電站規(guī)劃布局的最優(yōu)方案。

一個示例中的上述電網(wǎng)狀態(tài)信息可以包括當(dāng)前電網(wǎng)狀態(tài)信息、電網(wǎng)規(guī)劃邊界信息。其中，當(dāng)前電網(wǎng)狀態(tài)信息可以包括規(guī)劃區(qū)域、所述規(guī)劃區(qū)域的各子區(qū)域的電網(wǎng)負(fù)荷、所述規(guī)劃區(qū)域的各子區(qū)域的電量，所述電網(wǎng)規(guī)劃邊界信息可以包括規(guī)劃期的負(fù)荷預(yù)測。

充電站狀態(tài)信息可以包括當(dāng)前充電站相關(guān)信息以及充電站規(guī)劃相關(guān)信息。其中，當(dāng)前充電站相關(guān)信息可以包括當(dāng)前充電站布局、當(dāng)前電動汽車數(shù)量，充電站規(guī)劃相關(guān)信息可以包括電動汽車規(guī)劃數(shù)量、電動汽車充電站規(guī)劃數(shù)量。

一個示例中，上述初始種群生成模塊602通過執(zhí)行下述過程生成當(dāng)前種群：根據(jù)電網(wǎng)狀態(tài)信息以及充電站狀態(tài)信息，隨機(jī)產(chǎn)生包含充電站位置和充電站容量的各充電站規(guī)劃布局方案；并計(jì)算以各充電站規(guī)劃布局方案為個體的各個體的適應(yīng)度；在執(zhí)行了預(yù)定次數(shù)之后，選取適應(yīng)度最高的預(yù)定數(shù)目個個體形成當(dāng)前種群。這里的預(yù)定次數(shù)可以結(jié)合實(shí)際應(yīng)用需要進(jìn)行設(shè)定。

在一個示例中，進(jìn)化模塊604還記錄進(jìn)化次數(shù)，并進(jìn)行進(jìn)化操作時，可以在記錄的進(jìn)化次數(shù)小于第一進(jìn)化次數(shù)中間值時，增大當(dāng)前進(jìn)化操作的交叉因子的值，在記錄的進(jìn)化次數(shù)大于第二進(jìn)化次數(shù)中間值時，減小當(dāng)前進(jìn)化操作的交叉因子的值，在記錄的進(jìn)化次數(shù)大于第三進(jìn)化次數(shù)中間值時，增大當(dāng)前進(jìn)化操作的變異因子的值。

從而，基于變化的交叉因子、變異因子，在種群進(jìn)化初期適當(dāng)增大交叉概率值，而隨著進(jìn)化次數(shù)的增加，尋優(yōu)算法已經(jīng)逐漸接近極值點(diǎn)，因此在種群進(jìn)化后期逐漸減少交叉概率，加快算法收斂過程。同理，在進(jìn)化后期逐漸增大變異概率，可以保持種群的多樣性，可以盡可能更快速獲得所有的極值點(diǎn)。

在一個示例中，進(jìn)化模塊604可以包括個體刪除模塊，用于在滿足進(jìn)化終止條件時，從地理信息系統(tǒng)獲取地理信息；根據(jù)所述當(dāng)前種群中的各個體的充電站位置，基于地理信息系統(tǒng)生成voronoi拓?fù)潢P(guān)系圖；根據(jù)所述voronoi拓?fù)潢P(guān)系圖。

此時，進(jìn)化模塊604還根據(jù)所述voronoi拓?fù)潢P(guān)系圖，去除所述當(dāng)前種群中充電站位置處于預(yù)定類型區(qū)域的個體，獲得更新后的當(dāng)前種群。

此時，方案確定模塊605，是將更新后的當(dāng)前種群中適應(yīng)度最高的前第三數(shù)目個個體對應(yīng)的充電站規(guī)劃布局方案作為確定的充電站規(guī)劃布局方案。

從而，可以基于地理信息系統(tǒng)從當(dāng)前種群中剔除或淘汰掉不適合位于不適合建站區(qū)域的個體，進(jìn)一步提高了規(guī)劃的充電站的位置的合理性和科學(xué)性。

其中，上述各示例中的規(guī)劃目標(biāo)適應(yīng)度函數(shù)可以根據(jù)充電站投資成本和充電成本確定。其約束條件可以包括：

充電站中的所有充電機(jī)的容量小于變壓器容量；

充電站的無功容量小于或等于無功補(bǔ)償上限值，且大于或等于無功補(bǔ)償下限值；

同一時刻各充電汽車的充電功率之和小于充電站的最大功率；

充電站的電壓幅值小于配電系統(tǒng)電流值上線；

各充電站之間的距離大于或等于充電站間距下限值，且小于或等于充電站間距上限值。

以上所述實(shí)施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡潔，未對上述實(shí)施例中的各個技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說明書記載的范圍。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。