基于粒子群遗传混合算法的电动汽车充电站选址及容量优化

摘要

电动汽车目前已经成为未来汽车技术的主要发展方向，电动汽车的充电系统是推动电动汽车发展普及的重要基础支撑系统，也是电动汽车商业化、产业化过程中的重要环节。所以充电站的选址及容量优化成为了目前急需解决的问题。
　　目前，对于充电站的选址问题尚处于起步阶段，所以在用户的充电成本问题中并没有考虑到道路曲折系数以及折返系数等参数，这就会造成结果与实际情况有较大的差距的情况。本文在结合了道路曲折系数以及折返系数等参数之后，综合了建设费用、运行维护费用以及车主充电时的成本费用后提出电动汽车充电站综合年平均费用模型。在算法方面，针对于粒子群优化算法的收敛速度快、计算结果精度高但全局搜索能力较遗传算法差等特点。本文采用了一种速度快、精度高且不易陷入局部最优的新型粒子群遗传混合算法（PSOGA）对电动汽车充电站的选址问题进行优化求解，从而得到一种更为精确与高效的电动汽车充电站选址方法。在确定了充电站所在位置以及覆盖范围内的充电汽车数量后，使用排队论对充电站的容量进行了优化，确定了详细的建设计划，使充电站与用户的时间成本之和最小。

目录

1 绪论

1.1 选题的背景及意义

1.2 研究现状

1.3 论文主要研究工作

2 充电站负荷分析及选址方法

2.1 充电站负荷分析

2.3 选址方法

2.3本章小结

3 电动汽车充电站选址模型

3.1 充电站的基本规划原则

3.2 充电站规划成本的数学模型

3.3 本章小结

4 粒子群遗传混合算法

4.1 粒子群算法

4.2 遗传算法

4.3 粒子群遗传混合算法

4.4 本章小结

5 基于粒子群遗传混合算法的选址算例分析

5.1 算例数据

5.2 优化结果

5.3 本章小结

6 基于排队论的充电站容量优化

6.1排队论的基本概念

6.2基于排队论的容量优化

6.3 算例分析

6.4 本章小结

7 结论和展望

7.1 结论

7.2 展望

致谢

参考文献