(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211027779.7 (22)申请日 2022.08.25 (71)申请人 安徽工程大学 地址 241000 安徽省芜湖市鸠江区北京中 路8号 申请人 国网安徽省电力有限公司芜湖供电 公司　 国网安徽省电力有限公司芜湖市繁 昌区供电公司 　 安徽佑赛科技股份有限公司 (72)发明人 葛愿　徐通　汪洋　林其友　 陈任峰　余诺　汪石农　汪冬冬　 汪鹏程　吴浙勋　徐东　 (74)专利代理 机构 芜湖安汇知识产权代理有限 公司 34107 专利代理师 赵中英(51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 5/00(2006.01) G06N 20/20(2019.01) G06N 3/00(2006.01) H02J 3/00(2006.01) (54)发明名称 一种电动汽车充电站选 址定容方法及系统 (57)摘要 本发明公开了一种电动汽车充电站选址定 容方法及系统， 方法包括如下步骤， 步骤1： 分析 规划区域内电动汽车的出行情况， 采用蒙特卡洛 仿真获得电动汽车充电负荷数据作为样本数据 集； 步骤2： 根据充电负荷样本数据集， 使用优化 后的随机森林回归模型对电动汽车充电负荷进 行预测； 步骤3： 根据预测结果得到该区域的电动 汽车充电负荷分布， 采用加权K ‑Means聚类算法 求解出最优的电动汽车充电站选址定容方案。 本 发明的优点在于： 通过对充电负荷的准确预测进 而实现了充电站合理的选址定容， 并且满足成本 经济等要求， 选 址定容科学可靠。 权利要求书3页 说明书9页 附图4页 CN 115392569 A 2022.11.25 CN 115392569 A 1.一种电动汽车充电站选 址定容方法， 其特 征在于： 包括如下步骤， 步骤1： 分析规划区域内电动汽车的出行情况， 采用蒙特卡洛仿真获得电动汽车充电负 荷数据作为样本数据集； 步骤2： 根据充电负荷样本数据集， 使用优化后的随机森林回归模型对电动汽车充电负 荷进行预测； 步骤3： 根据预测结果得到该区域的电动汽车充电负荷分布， 采用加权K ‑Means聚类算 法求解出最优的电动汽车充电站选 址定容方案 。 2.如权利要求1所述的一种电动汽车充电站选址定容方法， 其特征在于： 步骤1中， 将充 电站待选址定容的区域划分为住宅区、 工作区和商业区， 根据住宅区规模分配其电动汽车 保有量， 并假设一 天内电动汽车初始 位置和最 终到达都属于住宅区； 整个区域内， 电动汽车 可在3个地块之 间行驶； 通过构建电动汽车出行链模拟电动汽 车的出行， 根据概率密度分布 函数随机抽取出行链， 得到电动汽车的出行轨迹， 确定行驶路线后， 当车辆到达某一功能用 地j时， 根据电池的荷电状态和停车时间， 判断是否需要充电， 当决定充电， 根据抽取充电开 始的荷电状态和剩余电量计算充电时间长度， 则第n辆电动汽 车到达目的地j， 在t时段的充 电的概率为 Ftjn＝Fsc(Tjs≤t,Tjs+Tjc≥t)+Fsc(Tjs≥t,Tjs+Tjc‑24≥t) 式中： Ftjn为到达目的地j第n辆车t 时段的充电概率； Fsc为充电开始 时间和充电时间长 度的联合概率分布函数； Tjs为到达目的地j充电开始时间； Tjc为到达目的地j充电时间长 度； 由此， 可得到第n辆电动汽 车到达目的地j的充电负荷概率分布， 将t时段到达目的地j 每 一辆车的充电负荷进行累加， 得到t时段目的地j的电动汽车充电负荷为 式中： Ptjn为t时段目的地j充电负荷； N为t时段不同场所的充电车辆数； 最后对一天中 不同时段的充电负荷进行计算， 得到不同功能用地 一日整体充电负荷。 3.如权利要求1所述的一种电动汽车充电站选址定容方法， 其特征在于： 将蒙特卡洛仿 真提取的充电负荷数据分为训练数据集和测试数据集， 从训练数据集中利用bootstr ap方 法抽取样本进行随机森林模型训练， 从不同方面划分数据集的特征属 性， 实现随机森林 的 建立， 构建电动汽车充电负荷随机森林回归预测模型； 最后使用麻雀搜索算法对随机森林 回归模型的决策树数目和分裂节点数进行优化和调整， 将优化后的随机森林回归模型进 行 电动汽车充电负荷预测。 4.如权利要求3所述的一种电动汽车充电站选址定容方法， 其特征在于： 根据 预测结果 得到该区域的电动汽车充电负荷分布， 根据电动汽车充电负荷的分布情况设置权重并计算 权重大小， 形成一个待聚类的电动汽车充电负荷数据点集； 以充电站年综合成本为 目标函 数建立充电站选址定容模型； 然后 将充电站服务范围、 容量和数量作为约束条件， 对规划区 域内充电负荷分布进行加权K ‑Means聚类， 并基于不同的聚类结果通过计算轮廓系数选取 最优的电动汽车充电站选 址定容方案 。 5.如权利要求4所述的一种电动汽车充电站选址定容方法， 其特征在于： 目标函数为： min C＝C1+C2+C3权　利　要　求　书 1/3 页 2 CN 115392569 A 2式中： C为充电站年综合成本； C1为充电站年建设成本； C2为充电站年平均运行维护成 本； C3为用户充电的时间成本； 其中C1的计算公式如下： 式中： m为充电站折旧年限； r0为充电站平均 折旧率； Ckb为充电站k购置变压器以及其他 设备的费用； Ak为充电站k的用地面积； CL为用地面积的单价； nk为充电站k的充电桩数量； Cm 为充电桩的单价； 其中C2的计算公式如下： 式中： Te为充电站每天平均有效工作时间； α 为折算至单台充电桩的线路损耗； β 为折算 至单台充电桩的充电损耗； ε为员工 工资以及设备运行维护等费用的折 算系数； 其中C3的计算公式如下： 式中： h为电动汽车每公里平均耗电量； Ch为电动汽车充电电价； k为充电站数量合集， q 为充电负荷点数量合集， dqk为充电负荷点q到充电站k的行驶距离； yqk为从充电负荷点q处 的电动汽车是否去充电站k充电的决策变量， 且yqk∈{0,1}； pq为充电负荷点q处的充电负 荷。 6.如权利要求5所述的一种电动汽车充电站选址定容方法， 其特征在于： 结合综合成本 目标函数， 使用加权K ‑Means聚类算法求解出充电站选址定容方案， 分别计算多个满足约束 条件的充电站选址定容方案对应的综合成本值和轮廓系 数， 选取轮廓系 数接近1以及综合 成本最小的选 址定容方案为 最优值。 7.如权利要求6所述的一种电动汽车充电站选址定容方法， 其特征在于： 使用加权K ‑ Means聚类算法求 解出充电站选 址定容方案包括： (1)首先在q个初始负荷点(x1,x2,…,xq)中随机选择一个负荷点作为第一个充电站的 初始位置， 再选择距离该点最远的那个点作为第二个充电站的初始位置， 其次选择距离前 两个点最远的点作为第三个充电站的初始位置， 以此类推， 直至选出k个负荷点(m1,m2,…, mk)作为k个充电站的初始位置； (2)依次计算剩余所有负荷点到每 个的充电站之间的加权欧式距离 (3)计算出xy到mr的最小加权距离， 将xy分配到mr的服务范围； (4)根据划分后各充电站的服 务范围， 计算 新的聚类中心 (5)重复步骤(2)到(4)， 直到mr不再变化 为止； (6)选取不同k值会得到多组聚类结果， 结合充电站的位置和服务范围对充电站分配容 量， 最终得到多组充电站选 址定容方案 。 8.如权利要求6或7 所述的一种电动汽车充电站选 址定容方法， 其特 征在于： 轮廓系数计算公式：权　利　要　求　书 2/3 页 3 CN 115392569 A 3