(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 202111517953.1 (22)申请日 2021.12.13 (71)申请人 南方电网科 学研究院有限责任公司 地址 510663 广东省广州市萝岗区科 学城 科翔路11号J1栋3、 4、 5楼及J3 栋3楼 申请人 中国南方电网有限责任公司 (72)发明人 唐建林　钱斌　肖勇　王浩林　 林晓明　罗鸿轩　王吉　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 李增苗 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 30/02(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种电动汽车充电站规划方法及装置 (57)摘要 本申请公开了一种电动汽车充电站规划方 法及装置， 本申请利用集 成学习算法构建的充电 站规划模型， 通过集成学习架构中的子优化器集 成多种智能算法， 并分别应用到电动汽车充电站 规划， 并通过上层优化器将各个子优化器中的不 同的智能算法的特点进行结合， 在面对充电站的 非线性与多目标以及大电网的复杂性具有更强 的适应性， 解决了现有技术面对充电站的非线性 与多目标以及大电网的复杂性， 容易出现收敛性 差的情况， 并陷入局部收敛状态， 导致的电动汽 车充电站规划准确性 不稳定的技 术问题。 权利要求书3页 说明书9页 附图2页 CN 114169624 A 2022.03.11 CN 114169624 A 1.一种电动汽车充电站规划方法， 其特 征在于， 包括： 获取目标区域的配电网网架拓扑数据、 总负荷数据以及日充电时序负荷数据， 其中， 所 述日充电时序负荷数据是根据所述目标区域在不同时间段里的电动汽车出行数据以及电 动汽车充电数据统计得到的； 获取基于预设的充电站规划收益最大化目标函数、 充电站规划约束条件、 以及充电站 规划方案训练样 本构建的充电站规划模 型， 其中， 所述充电站 规划模型为集成学习模型， 包 括： 一个上层优化器与多个包含不同智能算法的子优化器， 且所述上层优化器与所述子优 化器均包 含有所述充电站规划收益 最大化目标函数以及所述充电站规划约束条件； 根据所述配电网网架拓扑数据、 所述总负荷数据以及所述日充电时序负荷信息， 结合 充电站规划方案信息， 通过所述充电站规划模型进行求解， 确定规划收益最大 的目标充电 站规划方案， 其中， 所述充电站 规划方案信息具体包括： 充电站 候选位置信息以及充电站 容 量信息。 2.根据权利要求1所述的一种电动汽车充电站规划方法， 其特征在于， 所述日充电时序 负荷数据的获取 过程具体包括： 根据所述目标区域在不同时间段里的电动汽车出行数据以及电动汽车充电数据， 通过 蒙特卡洛随机模拟算法与概 率统计计算方式进行模拟运 算， 得到日充电时序负荷曲线。 3.根据权利要求1所述的一种电动汽车充电站规划方法， 其特征在于， 所述充电站规划 收益最大化目标函数 具体为： max:C＝C1+C2‑C3‑C4‑C5 式中， C1为电动汽车充电站的年售电收益； C2为CO2减排的等效收益； C3为电动汽车充电 站的建设投资 成本； C4为每年的电动汽车充电站的运 行检修成本； C5为网损成本， d为天数； m 为电动汽车充电站的节点数； Pj,t为t时刻第j个充电站的充电负荷； C6为电动汽车的充电电 价； C7为上网电价， W为电动汽车行驶一 百公里的耗电量； R1为电动汽车行驶一百公里的二氧 化碳排放量； R2为燃油汽车行驶一百公里的二氧化碳排放量； γ为碳排放折算成经济 的交 易价格， Cg为单个电动汽车充电站的固定 投资成本； h为贴现率； s为电动汽车充电站的使用权　利　要　求　书 1/3 页 2 CN 114169624 A 2年限； Pj,ev为第j个节点充电站的额定容量； Cev为单位容量电动汽车充电站的投资建设成 本， Cy,ev为电动汽车充电站单位容量的运行维护成本， p为电价； L为支 路数； Il为t时刻第l 条支路电流的大小； Rl为第l条支路对应的电阻。 4.根据权利要求1所述的一种电动汽车充电站规划方法， 其特征在于， 所述充电站规划 约束条件具体包括： 节点功率平衡约束、 充电站安装容量约束、 支路功率约束、 节点电压功 率约束以及充电站容 量需求约束。 5.根据权利要求1所述的一种电动汽车充电站规划方法， 其特征在于， 各个所述子优化 器种包含的算法分别为： 模拟退火算法、 细菌觅食算法、 灰狼优化 算法和粒子群算法。 6.一种电动汽车充电站规划装置， 其特 征在于， 包括： 数据获取单元， 用于获取目标区域的配电网网架拓扑数据、 总负荷数据以及日充电时 序负荷数据， 其中， 所述日充电时序负荷数据是根据所述 目标区域在不同时间段里 的电动 汽车出行数据以及电动汽车充电数据统计得到的； 充电站规划模型获取单元， 用于获取基于预设的充电站规划收益最大化目标函数、 充 电站规划约束条件、 以及 充电站规划方案训练样本构建的充电站 规划模型， 其中， 所述充电 站规划模型为集成学习模型， 包括： 一个上层 优化器与多个包含不同智能算法的子优化器， 且所述上层优化器与所述子优化器均包含有所述充电站规划收益最大化目标函数以及所 述充电站规划约束条件； 目标方案确定单元， 用于根据所述配电网网架拓扑数据、 所述总负荷数据以及所述日 充电时序负荷信息， 结合充电站规划方案信息， 通过所述充电站 规划模型进行求解， 确定规 划收益最大的目标充电站规划方案， 其中， 所述充电站规划方案信息具体包括： 充电站 候选 位置信息以及充电站容 量信息。 7.根据权利要求6所述的一种电动汽车充电站规划装置， 其特征在于， 所述日充电时序 负荷数据的获取 过程具体包括： 根据所述目标区域在不同时间段里的电动汽车出行数据以及电动汽车充电数据， 通过 蒙特卡洛随机模拟算法与概 率统计计算方式进行模拟运 算， 得到日充电时序负荷曲线。 8.根据权利要求6所述的一种电动汽车充电站规划装置， 其特征在于， 所述充电站规划 收益最大化目标函数 具体为： max:C＝C1+C2‑C3‑C4‑C5 权　利　要　求　书 2/3 页 3 CN 114169624 A 3