好色先生tv官网,黄色一级片一级片,草草影院最新地址

基于灰狼優化算法的電動汽車充電站選址研究

來源：電工電氣發布時間：2025-01-07 16:07 瀏覽次數：208

基于灰狼優化算法的電動汽車充電站選址研究

黃燦¹，姚澤宇²，葛華鋒¹

(1 國網江蘇省電力有限公司蘇州供電分公司，江蘇蘇州 215004；

2 河海大學計算機與軟件學院，江蘇南京 211100)

摘要：隨著電動汽車(EV)數量的增加，EV 充電站的不合理選址使得配電網的功率損耗增大、電壓分布不均。分別從運營商和投資者角度提出了兩種 EV 充電站選址優化目標，然后基于配電網的功率損耗和充電站的安裝成本得到綜合目標函數，基于灰狼優化算法(GWO)尋找目標函數全局最優解，得到充電站的最優選址配置。以 IEEE 34 節點系統為例，對接入最優選址采用不同控制模式的 EV 充電站的潮流進行對比分析，結果表明優化配置后的配電網功率損耗明顯降低，電壓分布更加均衡；與粒子群算法和遺傳算法的優化結果對比表明，GWO 算法具有更好的收斂性和魯棒性。

關鍵詞： 電動汽車；充電站；選址優化；灰狼優化算法；配電網；功率損耗；粒子群算法；遺傳算法

中圖分類號：TM910.6 ；U469.72 文獻標識碼：A 文章編號：1007-3175(2024)12-0022-05

Research on Location of Electric Vehicle Charging

Station Based on Gray Wolf Optimizer Algorithm

HUANG Can¹, YAO Ze-yu², GE Hua-feng¹

（1 State Grid Jiangsu Electric Power Co., Ltd. Suzhou Power Supply Branch, Suzhou 215004, China;

2 College of Computer Science and Software Engineering, Hohai University, Nanjing 211100, China）

Abstract: With the increase of the number of electric vehicles(EV), the unreasonable location of EV charging stations has led to increased power loss in the distribution network and uneven voltage distribution. In this paper, two location optimization objectives for EV charging stations are proposed from the perspectives of operators and investors respectively. Then, a comprehensive objective function is derived based on the power loss of the distribution network and the installation cost of the charging stations. The global optimal solution of the objective function is sought based on the gray wolf optimizer(GWO) algorithm, and the optimal location configuration of the charging stations is obtained. Taking the IEEE 34-bus system as an example, a comparative analysis of the power flow in EV charging stations with different control modes at the optimal locations is conducted. The results indicate that the power loss in the optimized distribution network is significantly reduced, and the voltage distribution becomes more balanced; comparison of the optimization results with those of the particle swarm optimization(PSO) and genetic algorithm(GA) shows that the GWO algorithm has better convergence and robustness.

Key words: electric vehicle; charging station; optimal location; gray wolf optimizer algorithm; distribution network; power loss; particle swarm optimization; genetic algorithm

參考文獻

[1] 韓克勤，丁丹軍，錢科軍，等. 基于 NSGA-Ⅱ 的電動汽車充電站多目標優化規劃[J] . 電力需求側管理，2017，19(S1) ：72-76.

[2] 方兵，李琳瑋，黃亮，等. 計及儲能與電動汽車充電站的配電網經濟運行研究[J] . 電力需求側管理，2022，24(2) ：59-64.

[3] 孫銓杰. 大規模電動汽車接入電網的負荷需求及其影響研究[D]. 上海：上海電力大學，2021.

[4] SANGUESA J A, TORRES-SANZ V, GARRIDO P, et al.A Review on Electric Vehicles:Technologies and Challenges[J].Smart Cities，2021，4(1) ：372-404.

[5] 張強. 基于多目標優化的電動汽車充電站選址研究[D].秦皇島：燕山大學，2021.

[6] ELDEEB H H, FADDEL S, MOHAMMED O A.Multi-Objective Optimization Technique for the Operation of Grid Tied PV Powered EV Charging Station[J].Electric Power Systems Research，2018， 164 ：201-211.

[7] 倪超，王菲，仇經緯，等. 基于 MPGA 的電動汽車充電站選址規劃[J] . 電子技術與軟件工程，2020(19) ：226-227.

[8] 張藝涵，徐菁，李秋燕，等. 基于密度峰值聚類的電動汽車充電站選址定容方法[J] . 電力系統保護與控制，2021，49(5) ：132-139.

[9] ISLAM M M , SHAREEF H , MOHAMED A . Optimal Location and Sizing of Fast Charging Stations for Electric Vehicles by Incorporating Traffic and Power Networks[J].IET Intelligent Transport Systems， 2018， 12(8) ：947-957.

[10] NEYESTANI N, DAMAVANDI M Y, SHAFIE-KHAH M, et al.Allocation of Plug-In Vehicles' Parking Lots in Distribution Systems Considering Network-Constrained Objectives[J].IEEE Transactions on Power Systems， 2015， 30(5) ：2643-2656.

[11] 程宏波，肖永樂，王勛，等. 考慮低碳收益的電動汽車充電站選址規劃[J] . 中國電力，2016，49(7) ：118-121.

[12] 曹佳佳，王淳，霍崇輝，等. 考慮配電網負荷波動和電壓偏移的充電站優化規劃[J] . 電力科學與技術學報，2021，36(4) ：12-19.

[13] 謝林偉. 基于自適應粒子群算法的電動汽車充電站優化規劃[J]. 陜西電力，2012，40(11) ：34-37.

[14] MIRJALILI S, ALJARAH I, MAFARJA M, et al.Grey Wolf Optimizer:Theory， Literature Review，and Application in Computational Fluid Dynamics Problems[J].Nature-Inspired Optimizers，2020，811 ：87-105.

[15] 趙超，王斌，孫志新，等. 基于改進灰狼算法的獨立微電網容量優化配置[J] . 太陽能學報，2022，43(1) ：256-262.

[16] NICK M , CHERKAOUI R , PAOLONE M . Optimal Allocation of Dispersed Energy Storage Systems in Active Distribution Networks for Energy Balance and Grid Support[J].IEEE Transactions on Power Systems， 2014， 29(5) ：2300-2310.

[17] OWUOR J O, MUNDA J L, JIMOH A A.The IEEE 34 Node Radial Test Feeder as a Simulation Testbench for Distributed Generation[C]//IEEE Africon'11， 2011 ：1-6.

[18] 馬臨超，楊捷，郭貝貝，等. 考慮電壓約束的分布式光伏最大準入功率模型[J] . 河南工學院學報，2022，30(1) ：6-12.

[19] LONG Wen, WU Tiebin, CAI Shaohong, et al.A Novel Grey Wolf Optimizer Algorithm with Refraction Learning[J].IEEE Access， 2019， 7 ：57805-57819.

[20] 王清玉，李宏亮，朱玉，等. 基于牛頓-拉夫遜算法和 P-Q 分解法的潮流計算對比分析[J] . 機電信息，2019(24) ：20-21.

返回索引列表

Article retrieval

文章檢索

基于灰狼優化算法的電動汽車充電站選址研究