买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于CRITIC法和非合作博弈的电动汽车充电站的规划方法，该方法包括如下步骤：步骤一，计算规划区域内保有EV的时空充电需求；步骤二，构建EV充电站选址的各分项指标，并采用CRITIC法对它们进行加权，进而建立能够反映EV充电需求的充电站选址综合指标；步骤三，对EV充电站三个参与方进行利益分析，通过非合作博弈论建立EV充电站的多主体博弈模型；步骤四，最后，建立以EV充电站选址综合指标最大为目标的上层选址模型和以多主体博弈均衡为目标的下层定容模型，采用分支定界法和内嵌辅助目标函数的迭代搜索方法对模型上、下层进行迭代求解。该方法通过指标的相关性及博弈对电动汽车充电站进行规划，准确性和可靠性高。

主权项：1.一种基于CRITIC法和非合作博弈的电动汽车充电站的规划方法，该方法包括如下步骤：步骤一，计算规划区域内保有EV的时空充电需求；EV充电需求分析；统计日内每个时刻规划区内EV的充电概率得到时序充电需求；分析不同分区上影响EV充电的各种因素得到EV空间充电需求；步骤二，构建EV充电站选址的各分项指标，并采用CRITIC法对它们进行加权，进而建立能够反映EV充电需求的充电站选址综合指标；建立EV充电站选址指标体系；考虑影响EV充电的交通因素、功能区因素和供电可靠性因素，建立与它们分别相对应的选址分项指标，并通过CRITIC法确定各项指标的权重大小，进而建立EV充电站的选址综合指标；步骤三，对EV充电站三个参与方进行利益分析，通过非合作博弈论建立EV充电站的多主体博弈模型；建立多利益主体NG模型；从政府层面和全社会的角度对EV充电站规划进行考量，分析充电站、EV用户和供电公司的利益冲突对充电站规划决策的影响，建立相应的NG模型；采用完全信息环境下非合作博弈理论，建立EV充电站博弈论模型，见下式：MG＝{NG；UA,UB,UC；fA,fB,fC}式中：NG为博弈参与者的个数；U为策略集；f为效用函数；A、B、C表示参与三方，分别为充电站一方、EV用户、供电公司；其中，EV充电站方的效用函数，见下式：fA＝Cop+Cinvs-Cprs式中：Cprs为充电站年收益，Cinvs为充电站年投资成本，Cop为充电站年运营成本；对于EV充电用户的效用函数，表达见下式：fB＝365CBTtPNEV式中：CB为单位时间等待成本；NEV为站址服务范围内的电动汽车保有量；P为日充电概率；Tt为平均充电排队等候时间；对于供电公司的效用函数，见下式：fC＝Closs+CDT+Cline式中：Cline为连接充电站与变电站的线路建设成本，CDT为EV充电站配置专用变压器的成本，Closs为网络损耗成本；步骤四，建立以EV充电站选址综合指标最大为目标的上层选址模型和以多主体博弈均衡为目标的下层定容模型，采用分支定界法和内嵌辅助目标函数的迭代搜索方法对模型上、下层进行迭代求解；建立EV充电站的双层规划模型；建立以选址综合指标最大为目标的上层选址模型和以多利益主体博弈均衡为目标的下层定容模型；上层模型将初选址方案传递给下层，下层根据选址后充电站需满足的充电负荷变量优化充电桩容量，并将计算结果返还给上层，然后上层根据下层的结果再次对充电站的位置和个数进行优化，迭代至充电站的选址、定容方案达到最优为止；对于EV充电需求分析，需要构造EV充电需求空间分布的概率函数fs，见下式：fs＝g[Zx,y,IPE,IEN,ICE]式中：Zx，y为位置为第x列第y行的区块；IPE为交通因素影响充电需求的指标；ICE为功能区因素影响充电需求的指标；IEN为供电可靠因素影响充电需求的指标；在对待规划区域内所有EV充电时刻的统计数据进行归一化处理后，用极大似然估计的方法将EV各时刻的充电概率近似为正态分布，其概率密度函数ft见下式： 式中：μ、σ分别为正态分布的期望值和标准差；基于CRITIC法的指标赋权，即对通行EV能力指标、捕获EV能力指标和供电可靠性指标进行赋权求和，然而选址分项指标之间存在不同程度的相关性和冲突性，将待规划区域大小均分为n个区块，每个区块有m个选址分项指标，对整个区域建立n×m的指标矩阵A，然后用CRITIC法对各指标权重进行赋值，CRITIC法赋权步骤如下：步骤1：选址分项指标标准化，指标矩阵A见下式： 式中：aij为第i个区块的第j个选址分项指标的大小；i＝1，2，…，n，n为区块个数；j＝1，2，…，m，m为指标的个数；采用极差化方法将指标矩阵A标准化，标准化后的矩阵A′见下式： 步骤2：基于矩阵A′计算指标的相关系数矩阵K，见下式： 式中：khj为标准化后第h个选址分项指标和第j个选址分项指标之间的相关系数；h＝1，2，…，m；j＝1，2，…，m，khj的计算公式见下式： 式中：CovAh'，Aj'为矩阵A'中第h个列向量Ah'和第j个列向量Aj'之间的协方差；σAh'为列向量Ah'的标准差；σAj'为列向量Aj'的标准差；步骤3：量化选址分项指标之间的冲突性，第j个选址分项指标与其他指标之间的冲突性量化值bj见下式： 步骤4：计算指标所包含的信息量，信息量计算见下式： 式中：Bj为第j个选址分项指标所包含的信息量，Bj越大则表示第j个选址分项指标所包含的信息量越大，该指标的相对重要性也就越大；步骤5：计算指标的客观权重，第j个选址分项指标的客观权重Wj见下式： 选址综合指标的建立：得到各选址分项指标的权重后，将各项指标的单项数值大小乘以相应指标的权重进行加权求和，得到选址综合指标，见下式： 式中：为第i个区块的选址综合指标大小，i＝1，2，…，n；为位置为第x列第y行区块的选址综合指标大小，按照顺序计数法将区块i与区块Zx,y进行转化，使其成对应关系；为位置为第x列第y行区块的第j个选址分项指标的大小；其中，建立EV充电站的双层规划模型及求解如下：先建立EV充电站双层规划模型，上层模型是以选址综合指标最大为目标的选址问题，下层是以多利益主体博弈均衡为目标的定容问题；上层规划将选址方案传递给下层，下层根据选址后充电站的服务范围及需满足的充电负荷变量优化充电桩容量，并将计算结果传递给上层，然后上层根据下层所求得的充电桩的功率和数量进一步优化选址方案，其数学模型见下式: 式中：F1和F2分别为上层规划和下层规划的目标函数；Ssta为充电站的需配置充电桩的容量，由充电桩的额定功率pc和充电桩的数量Nc决定；G1和G2分别为上层规划和下层规划的约束条件；EV充电站双层规划模型求解，求解方法如下：1构建辅助目标函数辅助目标函数见下式：minF3＝minfA+fB+fC式中：F3为辅助目标函数；2博弈模型的求解步骤；步骤1：初始化充电站一方、EV用户和供电公司的博弈策略，随机设定均衡点；步骤2：三个博弈参与者依次独立进行决策优化，参与者根据上一轮优化结果，通过遗传算法得到下一组策略的最优组合；步骤3：将博弈参与者各自的策略进行信息共享，并判定最优组合是否满足约束条件，若满足约束条件，继续步骤4，若不能满足，则返回步骤1；步骤4：判断该策略下博弈模型能否找到Nash均衡点，若各博弈参与者在相邻次得到的最优解相同，则认为此时博弈达到均衡；若不满足Nash均衡要求，则返回步骤1，继续搜索；步骤5：记录博弈模型的新均衡解，将此均衡解与上一均衡解按照辅助目标函数公式进行比较，保留能使全社会利用损失较小的均衡解；步骤6：对步骤1-步骤5进行多次迭代，直至模型无法求出新的Nash均衡解为止，最后输出最终的Nash均衡解。

全文数据：

权利要求：

百度查询： 朱珈汛 基于CRITIC法和非合作博弈的电动汽车充电站的规划方法