(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111012754.5 (22)申请日 2021.08.31 (65)同一申请的已公布的文献号 申请公布号 CN 113725861 A (43)申请公布日 2021.11.30 (73)专利权人 湖北工业大 学 地址 430068 湖北省武汉市洪山区南李路 28号 (72)发明人 黄文涛　邓明辉　何俊　邓长虹　 王歆智　罗杰　程肖达　朱理文　 于华　张博凯　余金蔓　袁志军　 李毅　杨小玲　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 专利代理师 鲁力(51)Int.Cl. H02J 3/06(2006.01) H02J 3/38(2006.01) H02J 3/14(2006.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01) G06F 30/27(2020.01) G06F 111/04(2020.01) 审查员 李坤鹏 (54)发明名称 一种基于灰狼算法的电动汽车充电站布点 规划方案 (57)摘要 本发明涉及一种基于灰狼算法的电动汽车 充电站布点规划方案， 属电网优化规划领域。 本 发明通过牛顿 ‑莱布尼兹公式， 采用分段潮流对 配电网动态数据进行提取， 对电网和电动汽车的 原始日负荷曲线进行分析比较， 合理规划电动汽 车充电站的容量和充放电策略， 在满足其基于削 峰填谷调节效益的同时， 考虑电动汽 车充电站作 为负载和电源对电网所产生的影 响， 并结合交通 路网， 以电压偏差、 输电线路裕度， 网损， 交通流 量和充电站服务范围为优化目标， 采用灰狼算法 进行求解， 寻得电动汽车充电站的最优布点方 案。 使得电动汽 车充电站在缓解用户充电问题的 同时， 减小充电站对电网的影 响， 平滑负荷曲线， 稳定电网的运行。 权利要求书5页 说明书17页 附图17页 CN 113725861 B 2022.11.01 CN 113725861 B 1.一种基于灰狼算法的电动汽车充电站 布点规划方法， 其特 征在于， 步骤1： 采集电动汽车充电站接入后的配电网数据， 其中包括电动汽车充电站接入容量 大小， 各节点负荷量、 支路阻抗水平以及电源水平， 用于概 率潮流的计算； 步骤2： 初始化电动汽车充电站在 路‑电耦合网络中的接入节点， 采用灰狼算法， 根据约 束条件对各个狼群的位置进行初始 化， 即M个电动汽车充电站在路 ‑电耦合网络中的初始 位 置； 步骤3： 进行概 率潮流的计算， 并根据计算的结果 提取所需要的数据， 具体是： 对配电网的潮流数据进行提取， 实 际的潮流是在动态变化的， 但是将时间缩小到一定 值时， 按照牛顿 ‑莱布尼兹公式所描绘的， 此时的潮流数据近似看作是一个确定性的潮流； 以设定时间为间隔， 将电动汽车充电站的充放电时间段进行分段， 定义在设定时间之内， 潮 流数据不变； 此时对配电网的动态数据进 行提取； 按照分段的结果， 每一段设定时间都会对 应一组潮流数据， 采集N组潮流数据， 对所有的数据进行整合取均值， 得到一组考虑负荷波 动的潮流数据， 该方法基于取均值的理念， 所求得 的潮流数据对实际的潮流波动具有一定 的代表性， 通过MATLAB求得的潮流数据用于步骤4的求取目标函数中； 步骤4： 将分段潮流所提取的数据代入目标函数中， 目标函数如下式所示： SC＝k1S1+k2S2+k3S3+k4S4+k5S5 SF＝k6S1+k7S2+k8S3+k9S4+k10S5 S＝ac×SC+af×SF K1+K2+K3+K4+K5＝1 K6+K7+K8+K9+K10＝1 ac+af＝1 SC、 SF为电动汽车充电站在充电和放电时刻的目标函数， K1、 K2……K10为子目标在总目 标里的比例系数， ac， af为权重系数， 分别表示充电和放电时刻的目标函数在总目标函数里 所占的比例， 根据实际需要进行调节， S1、 S2、 S3、 S4、 S5分别为母线节点电压偏差量、 交流线有 功功率裕度水平、 全网的网损水平， 交通流量和充电站服务范围， S为考虑电动汽车充电站 的充放电能力后， 所 得到的目标函数； 步骤5： 根据灰狼算法求出最优的解， 电动汽车充电站接入配电网后， 通过优化接入地 点来使得充电站接入配电网后对配电网的影响最小， 通过灰狼算法进行求解， 灰狼算法包 括： (1)狼群分级 灰狼算法中每个解对应一匹狼， 领头狼α代表当前最优解， β和δ狼代表次优解， 其余解 为ω狼； α 、 β 和 δ共同决定 搜索方向； (2)包围猎物 狼群中， α、 β、 δ的方位对各狼接下来移动的方位有影响， 在灰狼算法中， 该过程如下式 所示： D＝|CXP(t)‑X(t)| X(t+1)＝XP(t)‑AD 式中： A和C为系数向量； Xp(t)为α、 β和δ的方位； X(t)和X(t+1)分别为受Xp(t)影响前 后， 任意一个解的方位；权　利　要　求　书 1/5 页 2 CN 113725861 B 2(3)进攻行为 在灰狼算法中， 整个狼群的行进方向由最优的三个解α、 β、 δ共同决定， 该过程体现为进 攻方案， 表示 为： 式中： X1， X2， X3分别为各狼受α、 β、 δ影响后 的移动方位， 三者共同确定出各狼的新方 位； 基于灰狼算法的具体求 解步骤如下 所示： (1)通过步骤1到步骤4所求的结果带入到灰狼算法中进行寻优判断， 第一次的求解作 为初始解和最优解， 与后面的求解结果进行对比判断， 最优解作为领头狼， 更新a和协同系 数向量A， 同时更新当前解对猎物影响的随机 权重C； (2)根据电动汽车充电站的初始位置计算和比较的结果， 更新狼群的分级和各个狼群 的移动方向， 通过式 确定狼群的新方位； (3)根据式D＝|CXP(t)‑X(t)|， X(t+1)＝XP(t)‑AD对电动汽车充电站的最优布点方案进 行靠近包围； (4)根据步骤2， 在包围的过程中， 对每一次狩猎的结果进行求解， 保留最优解， 判断是 否达到停止条件， 满足则狩猎接受， 否者返回步骤2继续 求解； (5)直到求得最优解或达 到最大收敛次数， 输出电动汽车充电站的最优布点 规划方案 。 2.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方法， 其特征 在于， 定义电动汽车充电站模型， 利用蒙特卡罗抽样过程， 得到某时刻接入充电站的电动汽 车数量； 对于某时刻t的接入电动汽车台数， 近似用泊松分布 表示， 其定义如下： 式中， λEV,t为某个时刻t的电动汽车接入数量期望值， nEV,t为随机接入的电动汽车台数； 因为泊松分布的期望和方差均为 λEV,t， 所以特征函数为： Ψ(t)＝exp{ λEV,t(eit‑1)} 充电负荷计算以24小时为单位， 以每10分钟为一个间隔， 一天共计144个点； 每次间隔 的总充电负荷为所有电动汽车充电负荷之和： 式中： Pi为第i个时间段总充电功率， i＝1,2， ……， 144： N为在i个 时间段电动汽车进入 充电站的总量； Pn,i为第n辆车在第i个时间段的充电负荷。 3.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方法， 其特征 在于， 还基于电动汽车充电站的充放电方案， 用于平滑电网的负荷曲线； 根据 以及电动汽 车数量所服 从的泊松分布和电动汽 车充电时间所服 从的正态分布， 通过MATLAB 对电动汽车的充电日负荷曲线 进行模拟， 规划电动汽车充电站的容 量， 具体步骤如下：权　利　要　求　书 2/5 页 3 CN 113725861 B 3