能源互联网环境下电动汽车充电站选址优化模型研究

摘要

在全球能源互联网的大环境下，作为新能源、新材料、新方向、新技术等现代高科技技术综合集成品的电动汽车将在能源、交通、电力、通信等行业掀起巨大变革，这一变革或将成为新能源革命的重要推动力量。各国为鼓励电动汽车行业的发展相继出台了大量优惠政策。电动汽车相关优惠、支持政策的落地，势必会带动电动汽车行业迅速发展，所以充电站等基础配套充电设施的发展和规划是否科学、合理将成为影响电动汽车行业能否平衡、快速发展的关键因素。而目前作为基础配套设施的充电站建设存在着认识不统一、政策配套不完善、协调推进难度大、标准规范不健全等问题，严重制约着电动汽车行业的规模型发展。
　　本研究在充分考虑电动汽车与能源互联网融合的基础上针对目前充电站规划存在的问题从理论和实践意义论述了充电站科学优化选址的必要性和紧迫性。首先从电网安全、经济发展、交通便利性、环境影响、技术发展和规划协调性六个方面分析了影响充电站选址的因素，构建了基于能源互联网的充电站选址评价指标体系并根据系统论的观点从系统的角度探讨了经济、交通、环境、技术、电网安全等各规划因素之间的逻辑关系及相互作用，构建了充电站选址DPSIR模型，并将各系统指标分别划分在驱动力系统、压力系统、状态系统、影响系统和响应系统五个不同的系统中，通过系统间的相互关联作用分析了各要素之间的逻辑影响。其次，提出了基于遗传算法优化BP神经网络的充电站选址模型并使用熵值法对各指标的权重进行了计算。再次，为避免传统物元可拓模型出现指标值超出节域导致关联函数无法计算的情况，利用改进的物元可拓模型对充电站进行了选址规划。另外，本文基于遗传变异改进蚁群聚类算法的RBF神经网络对充电站进行了选址评价。使用基于遗传变异改进的蚁群聚类算法来确定RBF神经网络隐含层的个数，从而解决RBF神经网络初始参数没有科学方法难以精确选取的问题并使用实例证明了此方法的科学性和有效性。最后比较了各方法的优缺点，为充电站选址规划问题提供了新的求解方法和思路。

目录

声明

摘要

1．1 选题背景及研究意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外发展动态及研究现状

1．2．1 国内外电动汽车及充电基础设施发展动态

1．2．2 充电站选址国外研究现状

1．2．3 充电站选址国内研究现状

1．3 论文研究的主要内容

第2章 电动汽车充电站选址指标体系及DPSIR模型构建

2．1 能源互联网环境下对电动汽车充电站选址的要求

2．2 选址特点及充电设施国际标准

2．2．1 电动汽车充电站选址特点

2．2．2 充电设施国际标准

2．3 评价指标体系的建立

2．3．1 电网相关因素

2．3．2 经济因素

2．3．3 交通因素

2．3．4 技术因素

2．3．5 环境因素

2．3．6 规划因素

2．4 构建选址DPSIR模型

2．5 本章小结

第3章 遗传算法优化的BP神经网络的充电站选址方法

3．1 神经网络概述

3．1．1 人工神经网络的基本特征

3．1．2 BP神经网络理论

3．2 基于遗传算法优化的BP神经网络算法

3．2．1 BP神经网络存在的不足

3．2．2 使用遗传算法对BP神经网络优化

3．2．3 使用遗传算法优化的BP神经网络优点分析

3．3 熵值法确定权重系数

3．4 算例分析

3．4．1．对定性指标进行定量化处理

3．4．2．数据归一化处理

3．4．3 使用熵值法计算各指标权重

3．4．4 使用Matlab计算遗传算法优化的BP神经网络值

3．5 本章小结

第4章 基于改进物元可拓模型的充电站选址方法

4．1 物元可拓方法

4．1．1 基本的物元可拓理论

4．1．2 物元评价基本步骤

4．2 改进的物元可拓方法

4．3 算例分析

4．4 本章小结

第5章 基于蚁群聚类的RBF神经网络充电站选址方法

5．1 RBF神经网络

5．2 蚁群相关算法

5．2．1 蚁群聚类算法原理

5．2．2 遗传变异改进的蚁群聚类算法

5．3 算例分析

5．3．1 蚁群聚类算法确定RBF隐含层个数

5．3．2 基于RBF神经网络的充电站选址评价

5．4 方法比较分析

5．5 本章小结

第6章 研究成果和结论

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢