纯电动汽车充换电站建设布局方案

1、纯电动汽车充换电站建设布局方案一.相关技术参数充换电站的技术参数包括充电技术参数和换电技术参数两大部分，由于目前国家尚未出台电动汽车充换电站型配置。1 充电参数技术标准，相关技术参数参考了江苏省电动汽车充电设施建设典根据充换电站的功能、容量以及充电设备的数量，充换电站可划分为大型、中型和小型三类，各种类型对具体的配电容量、占地面积、充电设备有明确的要求。其中大型充换电站占地面积约 2100 平方米，配备 12 台充电机（2 台大型充电机，4 台中型充电机，2 台小型充电机和 4 台交流充电桩）。中型充换电站占地面积约 1200 平方米，配备 8 台充电机（2 台中型充电机，2 台小型充电机和

2、4 台交流充电桩）。小型充电站占地面积约 50100 平方米，设置 12台小型充电机和 23台交流充电桩，根据因地制宜原则进行场地布置。2. 换电参数目前尚无的规范，从电池的更换时间来看，每次电池更换时间约 510 分钟，电动汽车进出充换电站的平均时间按 10 分钟考虑。因此，每台电动汽车更换时间按 20分钟进行考虑。接下来.本文计划使用粒子群优化算法进行充换电站的选址于规模建模二. 粒子群优化算法1.算法简介粒子群优化算法（Particle Swarm Optimization，PSO）是由 Eberhart 博士和 Kennedy 博士通过对鸟群觅食行为的研究而发明的，是近年来发展起来的一

3、种新的进化算法，它是一种基于种群搜索的自适应进化计算机技术。在优化过会随机产生一群粒子，每个粒子代表优化问题的解，粒子的维数即是所求解的维数。每个粒子有自己的位置和飞行速度，假设粒子是 D 维的，则每个粒子的速度和位置均可用一个维向量表示。所有的粒子还有一个适应度值，该值由目标函数决定。在优化过，粒子根据最优粒子进行迭代直到找到最优解。在每一次迭代中，粒子通过两个极值来更新自己的速度和位置，一个是粒子目前所找到的最优解，即极值 pbest 另一个是整个群体所有粒子找到的最优解，即全局极值 gbest。设粒子速度为 = (1, 2, , )，位置为 = (1, 2 , , ), 其它向量类似。粒

4、子速度和位置的迭代如式(2-1)、(2-2)所示.+1 = + 1( ) + 2( )(2-1)(2-2)12+1 = + +1丨 是粒子 i 在第k 次迭代中第 d 维的速度；w 是惯性权重；c1 和 c2 是学习因子，调节向最好粒子方向飞行的最大步长，若取值太小，则粒子可能远离目标区域，若取值太大，则可能导致粒子突然向目标区域飞走，或者飞过目标区域，通常令1 = 2 = 2, 是粒子 i 在第 k 次迭代中第 d 维的位置；1,2是0,1之间的随机数；是粒子i 在第 d 维的最优位置；是整个群在第 d 维的最优位置。粒子群优化算法分如下几步：步骤 1：初始化。初始粒子的位置和速度，将该位置

5、赋值给粒子的计算出其相应的个体极值（即极值点的适应度值），而全局极值（即全局极值点的适应度值）就是极值中最好的，该最好粒子的序号，并将该最好粒子的当前位置赋值给gbest步骤 2 评价每一个粒子。计算粒子的适应度值，如果该值好于粒子当前的极值，则将其设置为粒子的位置，且更新极值。如果所有粒子极值中最好的好于当前的全局极值，则将其设置为该粒子的位置，该粒子的序号，且更新全局极值。步骤 3 粒子的更新。用式(2-1)和(2-1)对每一个粒子的位置和速度进行更新。步骤 4 检验是否符合结束条件。如果满足预先设定的收敛条件，则停止迭代，输出最优值，否则转到步骤，其流程。本文将利用粒子群优化算法的全局寻

6、优能力对充换电站、配送站及大型集中充电站的数量、站址和规模等进行优化规划，以使充换电服务网络总成本最小。三. 充电桩的选址规划模型因充电桩结构简单，占地面积小，安装方便，在居民区停车位、大型停车场均可建设，因此有文献提出充电桩的建设采用“一车一桩”式。因一般情况下只有行驶里程较短，停驶时间较长的电动汽车，或因购物而需较长时间停驶的车辆采用充电桩充电，每次充电量较小，充电时间较短，若按“一车一桩”式建设充电桩，虽然能够很好地满足电动汽车用户的充电需求，提高用户充电的便利性，但会使充电桩大部分时间处于“空闲”状态，造成资源的极大浪费。所以，本次研究假设两辆电动汽车配置一台充电桩，即“两车一桩”式。

7、一个城市往往有多个行政分区，每个分区的经济发展水平不尽相同，经济指标在一定程度上反应了该区电动汽车的使用数量，因此本文提出根据该行政分区占城市总的比例将得到的充电柱数量分配到各个行政分区。每个行政分区应建充电桩数量计算公式如式(3-2)。 = (3-1)式中， 为城市第 i 个行政分区应建充电桩数量； 为城市第 i 个行政分区GDP,GDP 为该城市GDP 总量；为得到的全市充电桩所需数量。一个行政分区内又由商业区、居民区、工业区等，同一行政分区内这些不同用地性质地块上经济发展水平不同，但相同用地性质地块上经济发展水平可认为基本相同。因此可首先将该行政分区规划建设的充电桩总数按一定的比例分到不

8、同用地性质区域（工业区、商业区及居民区等）内，然后再按面积比（该地块面积占同种用地性质地块总面积）将该用地性质上充电桩数量分到各个地块上。首先，根据一定的比例将该行政分区内应建设充电桩总数分到各种用地性质上。此处引入分散系数，即表示该用地性质上应建设充电桩的数量占该行政分区充电桩总数的比例，其值应根据该用地性质上经济发展状况以及电动汽车保有量等来确定。某用地性质上应建充电桩数量计算公式如式(3-2)。 = ( = 1,2, , )其中 j=1,2,3,n 依次表示商业区、工业区和居民区等且之和为 1, 表示在行政分区 i 内用地性质 j 上应建设充电桩数量；为行政分区 i 内充电桩总数在用地性

9、质 j 上的分散系数。然后根据各地块面积占该行政分区同种用地性质地块总面积的比例将该用地性质上充电桩数量分到各个地块的，计算公式如式(3-3)所示。 = (3-3)式中，为第 i 个行政分区第j 种用地性质上第 k 个地块应建充电桩数量；为第i 个行政分区内第 j 种用地性质上第k 个地块面积； 为第个 i 行政分第 j 种用地性质地块总面积.充电桩优化规划流程。四.优化规划数学模型在满足城市电动汽车换电总需求的前提下，因换电负荷非均匀分布以及不同性质地（如商业用地、工业用地和居民用地等）地价不同等，使得充换电服务网络的建设运营等成本各不相同。本文在已知标准充换电站和配送站规模、应服务换电负荷

10、大小、换电负荷点位置以及不同地区地价等信息的条件下，利用粒子群优化算法的全局寻优能力，对充换电站位置，建站规模等进行优化规划，以使充换电服务网络总成本最小。充换电服务网络总成本包括充换电设施建设成本、运行成本以及换电成本等，其成本。充换电站优化规划的目标函数及约束条件如下。min _ = 1 + 2 + 3 . . = 0其中1为充换电站折算为年值的建设成本；2表示充换电站的年运行成本；3表示电动汽车用户的年换电成本，包括耗电费用和在站内因等待而产生的误工费；式 2 表示充换电站和配送站内总的换电流水线数等于优化得到的换电流水线总数，其中表示第 i 个站内换电流水线数量，K 含义同上；式 3

11、表示充换电站服务半径不大于电动汽车电池最大续航里程，其中 R 表示充换电站或配送站服务半径，0表示电动汽车电池允许的最大续航里程。下面运用粒子群优化算法对充换电站和配送站数量、站址等优化布局，步骤如下：步骤一：初始化算法参数初始化优化规划过程所需的原始数据，并根据该城市所需换电流水线总数 K 以及标准充换电站和配送站内换电流水线数量k 确定该城市所需充换电站和配送站总数的变化区间，所需站的最小数量 、最大数量 计算公式如下。=式中： 为站内换电流水线数量的最大值；为站内换电流水线数量的最小值。步骤二:初始化针对不同的随机产生个站址的位置。步骤三:换电负荷的分配对于每一个值，将城市内换电负荷按就近原则分配到离它最近的站址，当该站址所带换电负荷达到最大限制值时，将该换电负荷分到次近的站址，依次类推，将区域内换电负荷分到各待选站址。最后根据各待选站址所服务电动汽车负荷的大小确定该待选站址建设充换电站还是配送站，以及建设多大等级的充换电站。步骤四:适应度的计算根据每个待选站的位置，该待选站