[发明专利]基于改进混合算法的电动汽车充电站选址定容方法及装置

说明书

本发明提供了一种基于改进混合算法的电动汽车充电站选址定容方法及装置，该方法包括：生成初始个体种群，基于预设规划条件和灰狼优化算法与鲸鱼优化算法的混合算法，对初始个体种群进行更新，获得候选个体种群；确定候选个体种群中每个候选个体对应的规划方案和成本集合，成本集合中包括规划方案的多方面成本；依据候选个体对应的成本集合，确定每个候选个体的适应度，以在候选个体种群中确定最优个体，并将最优个体对应的规划方案作为目标区域的充电站选址定容方案。应用本发明提供的方法，参考了多方面因素对选址定容方案进行搜索寻优，可提高选址定容方案与实际需求的匹配程度，得到较优的选址定容方案，有利于充电站的合理规划。

技术领域

本发明涉及充电站规划技术领域，特别是涉及一种基于改进混合算法的电动汽车充电站选址定容方法及装置。

背景技术

电动汽车是人们生活中常用的交通工具之一，由于电动汽车的续航能力有限，电动汽车的快速充电问题一直备受关注。快速充电站便是电动汽车快速充电的电能来源之一，在快速充电站的部署规划中，选址定容，即选择充电站的部署位置以及确定充电站容量，是重要的工作内容之一。快速充电站选址定容的合理规划，有利于保障电动汽车的用电需求。

目前，快速充电站选址定容的规划，通常是通过模拟的方式，确定电动汽车的充电需求，基于模拟得到的充电需求对充电站进行选址定容。

而在实际的应用过程中，快速充电站的部署会产生多方面的影响，如对配电网的影响等等。基于现有的选址定容方法，仅参考模拟的充电需求进行选址定容，条件约束十分单一，且模拟得到的充电需求的准确性较低，基于此得到的选址定容方案与优选的方案之间通常存在较大误差，不利于对快速充电站进行合理规划。

发明内容

有鉴于此，本发明实施例提供了一种基于改进混合算法的电动汽车充电站选址定容方法，以解决现有的选址定容方法得到的选址定容方案与优选方案之间存在较大误差，不利于合理规划充电站的问题。

本发明实施例还提供了一种基于改进混合算法的电动汽车充电站选址定容装置，用以保证上述方法实际中的实现及应用。

为实现上述目的，本发明实施例提供如下技术方案：

一种基于改进混合算法的电动汽车充电站选址定容方法，包括：

当接收到对目标区域进行充电站规划的指令时，依据预设的初始化策略，生成初始个体种群，所述初始个体种群包括多个初始个体；

依据预设规划条件和预设的混合算法，对所述初始个体种群进行更新，获得候选个体种群，所述候选个体种群包括每个所述初始个体对应的候选个体；所述预设的混合算法为基于灰狼优化算法和鲸鱼优化算法得到的算法；

确定每个所述候选个体对应的规划方案，每个所述规划方案包含充电站选址信息和充电站容量信息；

确定每个所述候选个体对应的成本集合，每个所述候选个体对应的成本集合包括该候选个体对应的规划方案所对应的投资建设成本、用户成本和配电网成本；

依据每个所述候选个体对应的成本集合，确定每个所述候选个体对应的适应度；

依据各个所述候选个体对应的适应度，在所述候选个体种群中确定最优个体，并将所述最优个体对应的规划方案作为所述目标区域的充电站选址定容方案。

上述的方法，可选的，所述依据预设规划条件和预设的混合算法，对所述初始个体种群进行更新，获得候选个体种群，包括：

按照预设的种群迭代周期，对所述初始个体种群进行迭代更新，当进入当前种群迭代周期时，确定所述当前种群迭代周期对应的各个待更新个体；

依据所述预设规划条件和所述预设的混合算法，对每个所述待更新个体进行更新，得到每个所述待更新个体对应的新个体，并将各个所述待更新个体对应的新个体作为所述当前种群迭代周期对应的各个已更新个体；

确定所述当前种群迭代周期对应的迭代次数，并判断所述迭代次数是否大于预设的最大迭代次数；