• 设为首页
  • 加入收藏
  • 联系邮箱
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 社长及主编
    • 期刊荣誉
  • 编委会
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
  • English
站内检索    
 
左逸凡,李伟豪,杨伟.考虑充电负荷时空分布特性的EV充电站规划[J].电测与仪表,2025,62(3):1-9.
ZUO Yifan,LI Weihao,YANG Wei.EV charging station planning considering spatial-temporal distribution characteristics of charging load[J].Electrical Measurement & Instrumentation,2025,62(3):1-9.
考虑充电负荷时空分布特性的EV充电站规划
EV charging station planning considering spatial-temporal distribution characteristics of charging load
DOI:10.19753/j.issn1001-1390.2025.03.001
中文关键词:  EV充电站  时空充电负荷预测  选址定容  自适应模拟退火粒子群算法
英文关键词:electric vehicle charging station, spatial-temporal charging load prediction, location and volume, adaptive simulated annealing particle swarm optimization
基金项目:国家电网公司科技项目资助(JSDL-XLFW-SQ-2016-10-092)
        
作者中文名作者英文名单位
左逸凡ZUO Yifan南京理工大学 自动化学院, 南京 210094
李伟豪LI Weihao南京理工大学 自动化学院, 南京 210094
杨伟YANG Wei南京理工大学 自动化学院, 南京 210094
摘要点击次数: 392
中文摘要:
      针对电动汽车(electric vehicle, EV)充电站选址定容问题,提出了一种考虑充电负荷时空分布特性的EV充电站规划模型。首先,通过动态Floyd算法结合拉丁超立方抽样法(latin hypercube sampling, LHS)建立了EV的时空充电负荷预测模型。其次,从用户满意度的角度出发,以EV充电站和用户双方的成本最小为目标,采用Voronoi图与自适应模拟退火粒子群优化(adaptive simulated annealing particle swarm optimization, ASAPSO)算法确定充电站的服务范围、最优数量/位置以及各站点快充/慢充充电桩配置数目,建立了EV充电站选址定容模型。最后,通过对北方某市的部分城区进行规划,验证了模型的有效性。
英文摘要:
      Aiming at the problem of location and volume of electric vehicle (EV) charging stations, a planning model of EV charging station considering spatial-temporal distribution characteristics of charging load is proposed. Firstly, the spatial-temporal charging load prediction model of EV is established by dynamic Floyd algorithm combined with Latin hypercube sampling (LHS). Afterwards, from the perspective of considering user satisfaction and aiming at the minimum cost of both EV charging stations and users, Voronoi diagram and an adaptive simulated annealing particle swarm optimization algorithm (ASAPSO) are used to determine the service range, optimal number and location of charging stations, as well as the number of fast charging and slow charging pile configurations of each station. The EV charging station location and volume model is established. Finally, the effectiveness of the model is verified by planning some urban areas of a city in north China.
查看全文  查看/发表评论  下载PDF阅读器
关闭
  • 哈尔滨电工仪表研究所有限公司
  • 中国电工仪器仪表信息网
  • 中国仪器仪表学会
  • 中华人民共和国新闻出版总署
  • 中国科技期刊编辑学会
  • 黑龙江省科学技术协会
  • 编辑之家
  • 中国知网
  • 万方数据库
  • 维普网
  • 北极星电力网
  • 中华中控网
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 社长及主编
    • 期刊荣誉
  • 编委会
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
地址:哈尔滨市松北区创新路2000号    邮编:150028
邮箱:dcyb@vip.163.com    电话:0451-86611021;87186023
© 2012 电测与仪表    哈公网监备2301003445号
黑ICP备11006624号-1
技术支持:北京勤云科技发展有限公司