(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111653151.3 (22)申请日 2021.12.3 0 (71)申请人 南通大学 地址 226019 江苏省南 通市啬园路9号 (72)发明人 张新松　李大祥　董健　郭傲伟　 赵至哲　高宁宇　张齐　 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/12(2006.01) G06Q 10/04(2012.01) (54)发明名称 一种机会约束下的EV充电网络规划方法 (57)摘要 本发明属于储能系统充电技术领域， 公开了 一种机会约束下的EV充电网络规划方法。 包括以 下步骤： S1： 设定规划边界条件， 包括： 交通网络 拓扑结构与参数， 充电站候选地址， 充电站建设 总数， 充电行驶里程阀值， 置信度； S2： 建立考虑 优化目标为EV平均充电行驶距离的充电网络优 化规划模型， 所述模型中EV充电行驶距离约束 为 机会约束； S3： 根据EV充电网络优化规划模型的 特征设计染色体编码方案以及交叉、 变异操作算 子， 采用遗传算法求解EV充电网络优化规划模 型， 给出EV充电网络最优建 设方案。 权利要求书3页 说明书8页 附图3页 CN 114358571 A 2022.04.15 CN 114358571 A 1.一种机会约束下的EV充电网络规划方法， 其特 征在于， 包括以下步骤： S1： 设定规划边界条件， 所述规划边界条件包括： 交通网络拓扑结构与参数、 充电站候 选地址、 充电站建设总数、 充电行驶里程阀值和置信度； 所述充电站 候选地址均为交通网络 中的交通节点； S2： 建立优化目标为EV平均充电行驶距离最短的EV充电网络规划模型； 所述EV充电网 络规划模型的约束包括EV充电行驶距离 机会约束和充电站建 设数目约束； 所述充电行驶距离机会约束为所述充电行驶距离概率约束为整个交通网络中EV 的充 电行驶距离不超过充电行驶里程阀值的概 率大于置信度， 如下式所示： 其中， pi为道路i上EV充电行驶里程不超过充电行驶里程阀值的概率， β 为EV充电行驶里 程约束满足的置信度， Ti为道路i的车流 量。 所述充电站建 设数目约束如下式所示： 其中， M为充电站建设总数； N为交通网络中的充电站候选地址的总数； yj为充电网络规 划模型中的优化变量， 取 “1”表示在候选地址j建设充电站， 取 “0”表示未在候选地址j建设 充电站； S3： 根据所述规划边界条件， 采用遗传算法对步骤S2得到的EV充电网络规划模型进行 求解， 得到可实现最低平均能耗的EV充电站最优建 设方案； 所述采用遗传算法对步骤S2得到的EV充电网络规划模型进行求 解的步骤如下： S3.1： 设定 遗传算法参数， 包括： 种群规模Npop， 交叉率Pc， 变异率Pm与最大进化代数Gmax； S3.2： 随机生成由Npop条染色体组成的初始种群； 所述初始种群中的染色体为N个码位组成的二进制码串， 第j个码位取值为 “1”时表示 在候选地址j建设充电站， 否则不在候选地址j建设充电站； 各染色体中有且仅有M个码位取 值为“1”； S3.3： 进化代数索引g初始化 为0， 即令g＝0； S3.4： 令g＝g+1， 开始第g代进化， 染色体索引k初始化 为1， 即令k ＝1； S3.5： 对当前种群中的第k条染色体进行解码， 确定M个EV充电站在交通网络中的建设 位置， 计算出第k条染色体代表的规划方案下， EV至最近充电站的平均行驶距离Dave,k与EV充 电行驶距离不超过 给定里程阀值的概 率Pev,k； S3.6： 判断染色体索引k是否等于种群规模Npop； 若k<Npop， 则令k＝k+1， 并跳转至步骤 S3.5； 否则， 继续执 行下一步骤S3.7； S3.7： 将当前种群中满足所述机会约束的染色体归入可行解集， 不满足所述机会约束 的染色体归入非可行解集； 所述可行解集中的染色体数目记为N1； 所述非可行解集中的染 色体数目记为 N2； S3.8： 根据如下公式计算可 行解集中各染色体的适应度Vfit,m；权　利　要　求　书 1/3 页 2 CN 114358571 A 2其中， m为可行解集 中的染色体索引， 1≤m≤N1； Dave,m为可行解集中第m条染色体的平均 充电行驶距离； S3.9： 以可行解集中的染色体的适应度为依据， 采用 “二元锦标赛 ”从可行解集中随机 选择N2条染色体替换当前种群非可 行解集中的染色体； S3.10： 判断进化代数索引g是否等于最大进化代数Gmax； 若g＝Gmax， 则执行步骤S3.11； 否则， 以适应度为依据， 采用 “锦标赛”法对当前染色体种群进行复制、 交叉与变异操作， 更 新染色体种群， 并跳转至步骤S3.4； S3.11： 将当前种群中适应度最高的染色体对应的充电网络建设方案作为EV充电网络 最优规划方案 输出。 2.根据权利要求1所述的EV充电网络规划方法， 其特征在于， 道路i上EV的充电行驶距 离不超过充电行驶里程阀值的概 率可由下式计算： 其中， gi(x)为判断EV在 道路i上距端 点x处充电行驶距 离是否不超过充电行驶里程阀值 的辅助函数。 3.根据权利要求1所述的EV充电网络规划方法， 其特征在于， 所述EV平均充电行驶距离 的计算公式如下： 其中， Dave为交通网络中所有EV 至最近充电站的平均行驶距离； ΩR为交通网络中的道路 集合； Ti为道路i的车流 量； dav,i为道路i上 行驶EV的平均充电行驶距离 。 4.根据权利要求3所述的EV充电网络规划方法， 其特征在于， 所述道路i上行驶EV的平 均充电行驶距离的计算公式如下： 其中， ld,i为道路i的长度； fi(x)为道路i上距起 点距离为x处的EV的充电行驶距离 。 5.根据权利要求3所述的EV充电网络规划方法， 其特征在于， 所述道路i的车流量由交 通网络最短路径集 合Ωq中经过道路i的最短路径车流 量求和而得； 所述最短路径车流 量的计算公式如下： 式中， WS,q与WE,q分别为最短路径 q的起点与终点权系数； Ωq为交通网络最短路径集合； dq为最短径q的长度。 6.根据权利要求4所述的EV充电网络规划方法， 其特征在于， 所述道路i上距起点距离权　利　要　求　书 2/3 页 3 CN 114358571 A 3