(19)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 202111665131.8 (22)申请日 2021.12.3 0 (71)申请人 南通沃太新能源 有限公司 地址 226300 江苏省南 通市高新区碧华路 北、 G345东、 银河路南侧 (72)发明人 游峰　司修利　王珺　林栋　 袁宏亮　张新艳　 (74)专利代理 机构 苏州和氏璧知识产权代理事 务所(普通 合伙) 32390 专利代理师 查银河 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/12(2006.01) (54)发明名称 一种可实现最低平均充电能耗的EV储能充 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 一种可实现最低平均充电能耗的EV储能充电网 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， 储能充电站 候选地址， 储能充电站建设总数， 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 电行驶距离的储能充电网络优化规划模型， 所述 模型中EV充电行驶距离概率约束为机会约束； 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， 采用基 于可行性法则的遗传算法求解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10页 附图4页 CN 114595862 A 2022.06.07 CN 114595862 A 1.一种可实现最低平均充电能耗的EV储能充电网络规划方法， 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、 储能充电 站候选地址、 储能充电站建设总数、 充电行驶里程阀值和置信度； 所述储能充电站 候选地址 均为交通网络中的交通节点； S2： 建立EV储能充电网络规划模型； 所述EV储能充电网络规划模型的优化目标为EV平 均充电行驶距离最短， 所述EV储能充电网络规划模型的机会约束为EV充电行驶距离概率约 束； 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； 所述储能充电站建 设数目约束如下式所示： 其中， M为储 能充电站建设总数； N为交通网络中的储能充电站候选地址数量； yj为储能 充电网络规划模 型中的优化变量， 取 “1”表示在候选地址j建设储能充电站， 取 “0”表示未在 候选地址j建 设储能充电站 S3： 根据所述规划边界条件， 采用基于可行性法则的遗传算法对所述EV储能充电网络 规划模型进行求 解， 得到可实现最低平均能耗的EV储能充电站最优建 设方案； 其中， 所述采用基于可行性法则的遗传算法对所述EV储能充电网络规划模型进行求解 包括： S31.根据EV储能充电网络规划模型的特征设计染色体编码方案， 并生成初始染色体种 群； 所述根据EV充电网络优化规划模型的特征设计染色体编码方案是指采用长度为N的二 进制码串表示待求EV充电网络规划模 型的解， 所述二进制码串中的每一个码位对应一个储 能充电站候选地址； 所述生成初始染色体种群具体为： 首先， 将初始种群中各染色体的所有码位赋值为 “0”； 然后， 在每条染色体中随机 选取M个码位， 将赋值由 “0”变为“1”； S32.基于可行性法则确定各染色体的优先度， 获得各个染色体在种群中的排序， 然后 根据各个染色体在种群中的排序设计染色体适应度； 所述基于可 行性法则确定各染色体优先度具体为： 将满足所述机会约束的染色体作为可行解， 而将不满足所述机会约束的染色体当做非 可行解， 并按以下原则确定各染色体优先度； (1)任意可 行解都优于非可 行解； (2)对可行解来说， EV至最近充电站的平均行驶距离Dave越小， 优先度越高； (3)对非可行解来说， 根据机会约束的违反约束的程度确定优先度， 违反约束的程度越 小， 优先度越高， 若染色体k对应的规划方案为 非可行解， 则其约束违反程度CV,k可由下式计 算：权　利　要　求　书 1/3 页 2 CN 114595862 A 2其中， pev,k为第k条染色体对应的规划方案中电动汽车充电行驶距 离不超过给定 里程阀 值的概率， CV,k表示第k条染色体对应的规划方案的约束违反程度， β 为置信度； S33.根据EV储能充电网络规划模型的特 征设计交叉操作算子和两点变异操作算子； S34.根据所述规划边界条件， 计算交通网络参数， 并采用遗传算法对EV储能充电网络 规划模型进行求 解。 2.根据权利要求1所述的EV储能充电网络规划方法， 其特征在于， EV储能充电网络规划 模型中， 所述EV储能充电网络规划模型的优化目标 具体表示 为如下公式： 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 。 3.根据权利要求2所述的EV储能充电网络规划方法， 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上某EV的充电行驶距离 。 4.根据权利要求2所述的EV储能充电网络规划方法， 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。 5.根据权利要求3所述的EV储能充电网络规划方法， 其特征在于， 所述道路i上EV的充 电行驶距离的计算公式如下： fi(x)＝min[x+l1,ld,i‑x+l2]0≤x≤ld,i； 其中， x为随机变量， 表示道路i上行驶的EV与道路i的起点的距离； ld,i表示道路i的长 度； l1表示距道路i起点最近的储能充电站与道路i起点的距离； l2为距道路i终点最近充电 站的距离 。 6.根据权利要求1所述的EV储能充电网络规划方法， 其特征在于， 所述EV充电行驶距离 概率约束如下式所示： 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 为置信度。权　利　要　求　书 2/3 页 3 CN 114595862 A 3