摘要
基于CSO‑ELM的电动汽车充电站规划方法,包括以下步骤:搜集电动汽车保有量历史数据;采用基于鸡群算法优化的极限学习机预测电动汽车保有量;确定电动汽车用户的充电特性,以及道路特性;利用拉丁超立方实现电动汽车充电需求的时空分布预测;以投资方建设成本、运营方维护成本、电动汽车用户充电成本三方总和最低成本为目标函数,建立充电站选址定容模型,设立约束条件;根据电动汽车充电需求的时空分布预测结果,通过基于单维度搜索量概率变异方法的改进粒子群算法求解充电站选址定容模型,确定充电站最优站址和数量,完成充电站规划。该方法综合考虑充电站与EV用户双方利益构建EV充电站选址定容模型,优化充电站经济性的同时能够保障用户对充电服务的满意度。
技术关键词
充电站规划方法
充电站选址定容
极限学习机
鸡群算法
位置更新
粒子群算法求解
预测误差
变异方法
拉丁超立方抽样
模拟电动汽车
投资方
单位耗电量
矩阵
概率分布函数
模拟自然界
路段
变量
系统为您推荐了相关专利信息
风险评估模型
智能芯片技术
神经网络参数
预警系统
修剪神经网络
机电作动器
多故障模式
注意力机制
Softmax函数
多维时序数据
电化学阻抗谱
自动编码器
分数阶等效电路
等效电路模型
重构
高斯混合模型
协方差矩阵
位置更新
电网运行状态
跳跃策略