學(xué)習(xí)十八大團(tuán)日活動(dòng)總結(jié)

關(guān)于“學(xué)習(xí)十八大精神”的團(tuán)日活動(dòng)總結(jié)

一、活動(dòng)背景

中國(guó)共產(chǎn)黨于11月8日召開(kāi)了十八次全國(guó)代表大會(huì)，并于11月15日勝利閉幕。大會(huì)選舉產(chǎn)生了新一屆黨的領(lǐng)導(dǎo)人，制定了新時(shí)期黨發(fā)展方向和方針政策。作為新時(shí)期的共青團(tuán)員，我們要堅(jiān)定不移的跟黨走，為了深入學(xué)習(xí)并了解黨的十八大精神，以豐富同學(xué)們的精神世界，提高思想層次，11級(jí)護(hù)理四班在201*年12月21日上午博學(xué)樓B302教室召開(kāi)主題為“學(xué)習(xí)十八大精神”的主題團(tuán)日活動(dòng)。11級(jí)護(hù)理四班全體同學(xué)參加了本次活動(dòng)�；顒�(dòng)由第六團(tuán)小組主持召開(kāi)。

組長(zhǎng)：甲組員：乙，丙，丁，戊，己。二、活動(dòng)概述

活動(dòng)由團(tuán)小組組長(zhǎng)邢文召組織召開(kāi)，并擔(dān)任主持人。班會(huì)的內(nèi)容有：

1、甲以ppt的形式介紹了毛澤東、鄧小

平、江澤民等老一輩領(lǐng)導(dǎo)人帶領(lǐng)中國(guó)共產(chǎn)黨走過(guò)的光輝歷程和他們的歷史功績(jī)。

2、乙?guī)ьI(lǐng)大家學(xué)習(xí)了八榮八恥，十八大的

會(huì)議內(nèi)容以及黨制定的方針政策。

3、丙帶領(lǐng)大家模仿十八大開(kāi)幕式，全體同學(xué)

起立唱國(guó)歌。觀看關(guān)于十八的視頻，講述十八大的四個(gè)要點(diǎn)及意義。4、最后甲宣布活動(dòng)結(jié)束。

整個(gè)會(huì)議過(guò)程中，主持人充分調(diào)動(dòng)全體同學(xué)的積極性，推動(dòng)班會(huì)有序展開(kāi)；上臺(tái)講述的同學(xué)精神飽滿，聲音洪亮，富有激情，贏得同學(xué)們的陣陣掌聲；臺(tái)下同學(xué)們積極參與，認(rèn)真配合保持會(huì)場(chǎng)紀(jì)律，會(huì)議模仿十八大開(kāi)幕式唱國(guó)歌，更是將班會(huì)推向高潮，全體同學(xué)一齊大聲唱起國(guó)歌，嘹亮的歌聲在教室回蕩.班會(huì)結(jié)束后，班長(zhǎng)、團(tuán)支書(shū)以及各班委組織大家離開(kāi)會(huì)場(chǎng)，并號(hào)召大家深入學(xué)習(xí)并宣揚(yáng)十八大精神，班會(huì)取得了圓滿成功.三、活動(dòng)影響

1、使同學(xué)們更為深刻的了解了十八大精神，同時(shí)使同學(xué)們認(rèn)識(shí)到，中國(guó)共產(chǎn)黨第十八次全國(guó)代表大會(huì)是我國(guó)政治中的一件大事，對(duì)于全國(guó)各族人民、黨員是一件喜事，決定了我國(guó)今后的政策走向、未來(lái)的經(jīng)濟(jì)體制及一系列改革路徑。胡總書(shū)記的報(bào)告明確把貫徹落實(shí)科學(xué)發(fā)展觀提升到更高的理論指導(dǎo)地位，為中國(guó)今后10年的發(fā)展指明了方向，提出了任務(wù)。報(bào)告簡(jiǎn)明扼要、重點(diǎn)突出，論斷精辟，鼓舞斗志、振奮人心。

2、十八大學(xué)習(xí)增強(qiáng)了同學(xué)們的民族自豪感，同時(shí)也是同學(xué)們更加堅(jiān)持與擁護(hù)中國(guó)共產(chǎn)黨的領(lǐng)導(dǎo)。

3、通過(guò)籌備本次學(xué)習(xí)十八大精神的主題班會(huì)，讓同學(xué)之間的合作意識(shí)有了很大的提升，同學(xué)之間的默契也得到了提高四、活動(dòng)經(jīng)驗(yàn)與不足四、活動(dòng)經(jīng)驗(yàn)與不足總體來(lái)說(shuō)，我們這次以“學(xué)習(xí)十八大精神”為主題的團(tuán)日活動(dòng)班會(huì)，還是比較成功的，成功的原因我們總結(jié)為以下幾點(diǎn)：1、準(zhǔn)備較充分。“凡事預(yù)則立，不預(yù)則廢”在這次班會(huì)中得到了充分體現(xiàn)，正是因?yàn)橛辛嗽攲?shí)的考慮、周全的計(jì)劃和充分的準(zhǔn)備，這次班會(huì)才有了成功開(kāi)展的前提。

2、分工具體安排合理。在活動(dòng)沒(méi)有開(kāi)始之前，團(tuán)小組組長(zhǎng)就已經(jīng)將活動(dòng)的流程以及每個(gè)流程的主要負(fù)責(zé)人負(fù)責(zé)的任務(wù)合理分配好了。同時(shí)也注意到活動(dòng)與同學(xué)們學(xué)習(xí)時(shí)間的協(xié)調(diào)。事后，同學(xué)們普遍反映良好。

3、活動(dòng)效果良好。同學(xué)們都反映本次活動(dòng)形式活潑，寓教于樂(lè)，是同學(xué)們?cè)诳鞓?lè)的氛圍中學(xué)習(xí)了十八大精神。在成功的背后，我們也認(rèn)真反省思考了我們的不足：1、時(shí)間較為倉(cāng)促。由于教室較為緊張且同學(xué)們的時(shí)間較為難統(tǒng)一，所以在時(shí)間選擇方便比較緊張。

2、配合不夠密切，沒(méi)有充分調(diào)動(dòng)各個(gè)班委的積極性，下次活動(dòng)應(yīng)該讓大家都參與進(jìn)來(lái)，共同辦好活動(dòng)。

3、本次活動(dòng)沒(méi)有多媒體，只用電腦播放效果不太好。五、活動(dòng)總結(jié)

雖然本次活動(dòng)在組織細(xì)節(jié)上還有一些不盡如人意的地方，但總體上來(lái)說(shuō)本次活動(dòng)是成功的，收到了預(yù)期的效果。我們一定會(huì)在今后的活動(dòng)中爭(zhēng)取更大的進(jìn)步。

編輯人：戊攝像：己

時(shí)間：

擴(kuò)展閱讀：深入學(xué)習(xí)黨的十八大精神主題團(tuán)日活動(dòng)總結(jié)

編輯老師:您好！對(duì)審稿意見(jiàn)的回復(fù)見(jiàn)文末,謝謝！

考慮交通網(wǎng)絡(luò)流量的電動(dòng)汽車充電站規(guī)劃

摘要:充電站的合理選址和定容對(duì)電動(dòng)汽車的規(guī)�；瘧�(yīng)用具有重要意義。考慮到充電站具有城市交通公共服務(wù)設(shè)施以及普通用電設(shè)施的雙重屬性,以俘獲的交通流量最大、配電系統(tǒng)網(wǎng)絡(luò)損耗最小以及節(jié)點(diǎn)電壓偏移最小為目標(biāo),建立了充電站最優(yōu)規(guī)劃的一個(gè)多目標(biāo)決策模型。首先,采用超效率數(shù)據(jù)包絡(luò)分析評(píng)價(jià)方法,確定歸一化后各個(gè)目標(biāo)函數(shù)合理的權(quán)重系數(shù),把多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)換成單目標(biāo)優(yōu)化問(wèn)題。之后,采用改進(jìn)的二進(jìn)制粒子群優(yōu)化算法求解該單目標(biāo)優(yōu)化模型。最后,以33節(jié)點(diǎn)配電系統(tǒng)以及25節(jié)點(diǎn)交通網(wǎng)絡(luò)為例,說(shuō)明了所發(fā)展的模型和方法的基本特征。關(guān)鍵詞:電動(dòng)汽車;充電站規(guī)劃;交通流量;超效率數(shù)據(jù)包絡(luò)分析;改進(jìn)二進(jìn)制粒子群

0引言1

發(fā)展電動(dòng)汽車產(chǎn)業(yè)是減少溫室氣體排放和降低對(duì)化石燃料依賴的一種重要舉措。隨著電動(dòng)汽車技術(shù)特別是電池技術(shù)的發(fā)展和一些國(guó)家在政策上的大力支持,電動(dòng)汽車在過(guò)去的十多年間得到了快速發(fā)展。

電動(dòng)汽車充電站能夠?yàn)殡妱?dòng)汽車提供充電、維修等服務(wù),是發(fā)展電動(dòng)汽車產(chǎn)業(yè)所需要的重要設(shè)施。充電站規(guī)劃主要包括選址和定容,其規(guī)劃合理與否不僅影響電動(dòng)汽車用戶出行的便利從而影響電動(dòng)汽車的推廣使用,還會(huì)影響配電系統(tǒng)的電能質(zhì)量。在最近幾年中,國(guó)內(nèi)外在充電站規(guī)劃方面已經(jīng)做了一些初步的研究工作。文獻(xiàn)[2]分析了影響電動(dòng)汽車充電站規(guī)劃的多方面因素,并對(duì)其布局規(guī)劃提出了原則性建議。文獻(xiàn)[3]提出了基于地理因素和服務(wù)半徑的兩階段充電站選址方法,采用伏羅諾伊(Voronoi)圖對(duì)充電站的充電服務(wù)區(qū)域進(jìn)行劃分,并建立了以規(guī)劃期內(nèi)充電站建設(shè)總成本和網(wǎng)損費(fèi)用為優(yōu)化目標(biāo)的充電站規(guī)劃模型。文獻(xiàn)[4]在對(duì)不同類型的電動(dòng)汽車充電需求分析基礎(chǔ)上,建立了綜合考慮充電站投資建設(shè)成本和運(yùn)行成本的集中型充電站最優(yōu)容量配模型。文獻(xiàn)[5]考慮了規(guī)劃區(qū)內(nèi)電動(dòng)汽車換電需求分布不均勻問(wèn)題,并以投資和運(yùn)行成本最小為目標(biāo),建立了換電站最優(yōu)規(guī)劃模型。

現(xiàn)有的相關(guān)文獻(xiàn)多數(shù)將充(換)電站視作普通的用電設(shè)施進(jìn)行規(guī)劃,而忽視了其提供公共服務(wù)的特性。事實(shí)上,電動(dòng)汽車充電站具有兩方面屬性。首先,充電站是一種城市交通公共服務(wù)設(shè)施,其功能類似于加油站

[6,7]

[1]

電力網(wǎng)絡(luò)改建、網(wǎng)損、節(jié)點(diǎn)電壓質(zhì)量等。因此,如何在滿足相關(guān)約束條件的情況下,充電站能夠?yàn)楦�多的車主提供便利服�?wù),且盡量減少對(duì)配電系統(tǒng)的負(fù)面影響,就是一個(gè)亟需研究的重要問(wèn)題。

基于上述考慮,本文借鑒分布式電源選址思想[8-11],融合電力設(shè)施規(guī)劃方法[12]與城市交通服務(wù)設(shè)施選址理論[13-15],綜合考慮充電站的兩方面屬性,建立了考慮交通網(wǎng)絡(luò)流量的充電站多目標(biāo)規(guī)劃模型,并采用數(shù)據(jù)包絡(luò)分析(DataEnvelopmentAnalysis,DEA)方法[16]確定各個(gè)目標(biāo)的權(quán)重,把多目標(biāo)規(guī)劃問(wèn)題轉(zhuǎn)化為單目標(biāo)問(wèn)題。之后,采用改進(jìn)的二進(jìn)制粒子群優(yōu)化算法(BinaryParticleSwarmOptimization,BPSO)求解該單目標(biāo)優(yōu)化模型。最后,以33節(jié)點(diǎn)配電系統(tǒng)[17]和25節(jié)點(diǎn)交通網(wǎng)絡(luò)[15]為例對(duì)所發(fā)展的模型與方法做了說(shuō)明。

1電動(dòng)汽車交通流量分析

在交通領(lǐng)域,針對(duì)服務(wù)設(shè)施選址問(wèn)題,現(xiàn)有的大多數(shù)研究工作主要針對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)上的用戶,優(yōu)化目標(biāo)一般給定為設(shè)施投資建設(shè)成本或用戶到服務(wù)設(shè)施的旅行成本。電動(dòng)汽車在道路上行駛,充電需求不是集中在節(jié)點(diǎn)上,而是在交通網(wǎng)絡(luò)中流動(dòng),故可以采用交通流量模擬電動(dòng)汽車的充電需求,而充電站規(guī)劃可借鑒交通領(lǐng)域的截流選址模型[18]。

現(xiàn)有的截流選址模型一般假定,只要在某條線路/路徑上有服務(wù)設(shè)施,則該條線路上的所有顧客流均被俘獲。就充電站規(guī)劃問(wèn)題而言,考慮到電動(dòng)汽車行駛里程限制,在單一節(jié)點(diǎn)上建設(shè)充電站未必能夠滿足汽車在日常線路上來(lái)回行駛需求（即該線路上的交通流量不能被完全俘獲）,需要考慮在某個(gè)節(jié)點(diǎn)組合上建設(shè)充電站為電動(dòng)汽車提供充電服務(wù)。以圖1為例進(jìn)行說(shuō)明。

1

,都是為車輛提供服務(wù);其次,充電站是一種用電設(shè)

施,其規(guī)劃建設(shè)要考慮對(duì)配電系統(tǒng)諸多方面的影響,如

圖1一條往返路徑的例子Fig.1Anexampleoftheround-trip

電動(dòng)汽車從出發(fā)點(diǎn)O到目的地D。這里假設(shè)只要電動(dòng)汽車經(jīng)過(guò)充電站,即可充滿,暫不考慮充電站容量和充電時(shí)間等條件限制。對(duì)不同的電動(dòng)汽車最大行駛里程L,存在以下幾種情況:

L大于200km,在任意一個(gè)點(diǎn)建設(shè)充電站都可

滿足電動(dòng)汽車充電需求;

L小于200km但大于180km,在A或B點(diǎn)建

設(shè)充電站均可滿足充電需求;

L小于180km但大于120km,僅B點(diǎn)建設(shè)充電

站可滿足充電需求;

L小于120km但大于60km,任何單獨(dú)一點(diǎn)上

建設(shè)充電站都不能滿足充電需求,需在兩個(gè)或以上節(jié)點(diǎn)上建設(shè)充電站;

L小于60km,任何節(jié)點(diǎn)以及節(jié)點(diǎn)組合上建設(shè)充

電站均不能滿足電動(dòng)汽車充電需求。本文借鑒截流選址模型,采用交通流量模擬充電需求,并計(jì)及電動(dòng)汽車?yán)m(xù)航里程等因素約束,選擇適當(dāng)?shù)慕煌ü?jié)點(diǎn)建設(shè)充電站,使得充電站組合俘獲的交通流量總和最大（即為盡量多的用戶提供充電服務(wù)）。

2充電站最優(yōu)規(guī)劃模型

充電站規(guī)劃不僅要考慮用戶充電的方便性,還需要綜合考慮充電站接入配電系統(tǒng)后對(duì)電能質(zhì)量的影響和系統(tǒng)運(yùn)行的安全性與經(jīng)濟(jì)性,因此是一個(gè)典型的多目標(biāo)優(yōu)化決策問(wèn)題。

一般而言,重要交通節(jié)點(diǎn)（如火車站、汽車站、大型超市和大型居民區(qū)等）也是電力系統(tǒng)的重要負(fù)荷節(jié)點(diǎn)�；�于這樣的背景,本文假設(shè)配電系統(tǒng)部分節(jié)點(diǎn)在地理上和交通網(wǎng)絡(luò)重要節(jié)點(diǎn)重合(這里所謂的“重合”指兩者同處于一塊小區(qū)域中,未必嚴(yán)格在一個(gè)地理點(diǎn)上),而配電系統(tǒng)線路和交通網(wǎng)絡(luò)道路則未必重合。此外,由于充電站需要滿足車輛行駛中的充電需要,同時(shí)也是規(guī)模較大的負(fù)荷節(jié)點(diǎn),因此將充電站的候選位設(shè)定在交通網(wǎng)絡(luò)和配電系統(tǒng)的重合節(jié)點(diǎn)。圖2為配電系統(tǒng)和交通網(wǎng)絡(luò)節(jié)點(diǎn)重合示例。

圖2配電系統(tǒng)和交通網(wǎng)絡(luò)節(jié)點(diǎn)重合示意圖Fig.2Thegeographicoverlappingofthebusesinthedistributionnetworkandnodesinthetrafficnetwork

在上述背景下,本文以俘獲交通流量最大、配電系統(tǒng)網(wǎng)損最小以及節(jié)點(diǎn)電壓偏移最小為目標(biāo)構(gòu)建充電站規(guī)劃的多目標(biāo)優(yōu)化決策模型。2.1目標(biāo)函數(shù)

1)俘獲的交通流量

假設(shè)當(dāng)電動(dòng)汽車經(jīng)過(guò)充電站時(shí),不管此時(shí)電池剩余電量水平,車主都會(huì)接受充電服務(wù)直至充滿�？紤]到汽車GPS導(dǎo)航和車主的行車經(jīng)驗(yàn),這里假設(shè)電動(dòng)汽車車主會(huì)選擇從出發(fā)點(diǎn)到目的地之間的最短路徑作為日常行駛線路,最短路徑及其通過(guò)節(jié)點(diǎn)可以通過(guò)Floyd算法

[19]

求出;每條路徑上電動(dòng)汽車行駛產(chǎn)生的交通流量可

以通過(guò)重力空間互動(dòng)模型[15]求得。目標(biāo)函數(shù)及重力空間互動(dòng)模型表達(dá)式分別如式(1)和(2)所示:

maxf1fqyq(1)

qQfqWOWD/(dq1.5)(2)

式中:q為電動(dòng)汽車從出發(fā)地O到達(dá)目的地D之間的最短路徑;Q為最短路徑的全集,假設(shè)交通網(wǎng)絡(luò)系統(tǒng)中有n個(gè)節(jié)點(diǎn),考慮到對(duì)稱性,且不考慮環(huán)路,則共有n(n-1)/2條最短路徑;fq為路徑q上的交通流量;WO為路徑q起點(diǎn)O的權(quán)重;WD為終點(diǎn)D的權(quán)重;dq為路徑q的長(zhǎng)度;yq表示路徑q上的交通流量是否被俘獲,如果是,則為1,否則為0。

2)配電系統(tǒng)網(wǎng)損

電動(dòng)汽車充電站接入配電系統(tǒng)后,系統(tǒng)的潮流分布將會(huì)發(fā)生改變,隨之將引起配電系統(tǒng)網(wǎng)絡(luò)損耗發(fā)生變化。網(wǎng)絡(luò)損耗不但與原始負(fù)荷有關(guān),還與電動(dòng)汽車充電站的建設(shè)位和容量大小有關(guān)。配電系統(tǒng)網(wǎng)損最小目標(biāo)可描述如下:

minfkk2PLoss(UikPSi,UikQSi)(3)式中:PkkSi和QSi分別為在第i個(gè)節(jié)點(diǎn)建設(shè)的第k種類型

充電站的有功容量和無(wú)功容量;Uik表示是否在節(jié)點(diǎn)i建設(shè)第k種類型電動(dòng)汽車充電站,1和0分別表示建設(shè)和不建設(shè)。這里假設(shè)充電站共有0.1MW,0.2MW,0.3MW,0.4MW四種容量可選。

3)節(jié)點(diǎn)電壓偏移

充電站的接入將會(huì)導(dǎo)致配電系統(tǒng)中的節(jié)點(diǎn)電壓輪廓發(fā)生變化。這里提出電壓偏移指標(biāo),用于計(jì)算系統(tǒng)節(jié)點(diǎn)電壓與平衡節(jié)點(diǎn)電壓偏差。計(jì)算公式如下:

minfN1ViV03i()(4)i1V0式中:N為系統(tǒng)中節(jié)點(diǎn)數(shù)目;V0為平衡節(jié)點(diǎn)電壓;Vi為節(jié)點(diǎn)i的電壓;i為權(quán)重因子,根據(jù)節(jié)點(diǎn)的重要性而定,這里定義PiiP,即認(rèn)為節(jié)點(diǎn)的重要性與該節(jié)點(diǎn)負(fù)Load荷大小正相關(guān),Pi為節(jié)點(diǎn)i的原始負(fù)荷,PLoad為配電系統(tǒng)總負(fù)荷。2.2約束條件1)節(jié)點(diǎn)組合約束

假設(shè)電動(dòng)汽車在行駛過(guò)程中,不能偏離其最短路徑q,且充滿電后電動(dòng)汽車最大行駛里程為L(zhǎng)。如果出發(fā)點(diǎn)有充電站,則剩余可行駛里程設(shè)為L(zhǎng);如果沒(méi)有,則可以假設(shè)剩余可行駛里程為0.5L,原因如下:若剩余可行駛里程為0.5L,且能夠在電量耗盡前到達(dá)離起始點(diǎn)最近的充電站充電,則返回時(shí)仍能在該充電站充滿電,且返回到出發(fā)點(diǎn)后,剩余可行駛里程不小于0.5L。

這里給出如下兩個(gè)定義:1)若節(jié)點(diǎn)組合h(此時(shí)假設(shè)包含在組合h的所有節(jié)點(diǎn)都已建設(shè)充電站)能給最短路徑q上的電動(dòng)汽車提供充電服務(wù),使其能夠從出發(fā)地到達(dá)目的地,并有充足的電量返回到出發(fā)地,則稱該組合為有效節(jié)點(diǎn)組合;2)有效節(jié)點(diǎn)組合所包括的所有節(jié)點(diǎn)都建設(shè)充電站時(shí),則稱該有效節(jié)點(diǎn)組合開(kāi)放。很明顯,只有當(dāng)線路q上至少存在一個(gè)有效節(jié)點(diǎn)組合h,且該組合開(kāi)放,線路q上的交通流量才被俘獲。

y1aqhvh1hHqq=0aqhvh=0(5)

hHq式中:aqh表示q上的節(jié)點(diǎn)組合h是否有效,取值1和0分別表示有效和無(wú)效;vh表示h組合是否開(kāi)放,取值1和0分別表示開(kāi)放和不開(kāi)放;Hq表示線路q上所有有效的節(jié)點(diǎn)組合,其確定算法在下文給出。2)充電站帶負(fù)荷能力約束

為了滿足電動(dòng)汽車用戶充電需求,規(guī)劃區(qū)域內(nèi)的充電站額定容量應(yīng)不小于電動(dòng)汽車的最大充電負(fù)荷需求。

N1mUPkikSiWmax0(6)

i1k1式中:Wmax為綜合考慮了車主出行特征,以及電動(dòng)汽車數(shù)量、電池容量等因素計(jì)算得出的最大充電負(fù)荷需求;m為充電站的種類。3)充電站建設(shè)個(gè)數(shù)限制

考慮到城市土地資源一般比較緊張,為了避免資源閑所引起的浪費(fèi),應(yīng)限制規(guī)劃區(qū)內(nèi)充電站個(gè)數(shù):

N1mUik=M(7)

i1k1式中:M為允許建設(shè)的充電站個(gè)數(shù)。

4)現(xiàn)實(shí)中一個(gè)節(jié)點(diǎn)最多只能建設(shè)一種類型充電站。

mUik1(8)

k15)線路輸電功率約束

PlPmaxl(9)

式中:Pl為配電線路l的傳輸功率;Pmaxl表示線路l允許的傳輸功率上限。采用罰函數(shù)處理不等式約束:

KK2l(PlPlmax)，PlPlmaxL(Pl)(10)0，PlPlmax式中:Kl為給定的充分大的常數(shù)。6)功率平衡約束:

N1N1PSUBPLossPDiUikPkSi(11)

i1i1式中:PSUB為平衡節(jié)點(diǎn)注入功率;PDi為節(jié)點(diǎn)i的原始負(fù)荷。

7)系統(tǒng)潮流等式約束

NPUkDiikPSiViVj(GijcosijBijsinij)j1NQDiUikQkSiViVj(GijsinijBijcosij)j1(12)

式中:Gij和Bij分別為節(jié)點(diǎn)導(dǎo)納矩陣的實(shí)部和虛部;ij為支路ij的相角差。

聯(lián)合式(1)-(12),構(gòu)成了電動(dòng)汽車充電站多目標(biāo)規(guī)劃模型。所建模型為非線性混合整數(shù)規(guī)劃問(wèn)題,傳統(tǒng)優(yōu)化方法難以求解。這里采用超效率DEA評(píng)價(jià)方法來(lái)確定各個(gè)目標(biāo)的權(quán)重系數(shù)[20],利用線性加權(quán)方法把多目標(biāo)規(guī)劃問(wèn)題轉(zhuǎn)換成單目標(biāo)問(wèn)題,采用改進(jìn)的二進(jìn)制粒子群智能優(yōu)化算法求解轉(zhuǎn)換后的單目標(biāo)優(yōu)化問(wèn)題。

3求解方法

3.1有效節(jié)點(diǎn)組合的確定

采用下述算法[14]

確定能夠給線路q充電的有效節(jié)

點(diǎn)組合Hq:步驟1:初始化

1.1應(yīng)用Floyd算法產(chǎn)生交通網(wǎng)絡(luò)系統(tǒng)中所有起點(diǎn)O至終點(diǎn)D的最短路徑q,并存儲(chǔ)這些最短路徑長(zhǎng)度以及最短路徑所經(jīng)過(guò)的節(jié)點(diǎn)。

1.2建立一個(gè)空的主列表H用于存儲(chǔ)所有線路q的有效節(jié)點(diǎn)組合Hq。

步驟2:產(chǎn)生路徑q上所有可能候選組合。以圖1為例,可能的組合為:{O},{A},{B},{D},{O,A},{O,B},{O,D},{A,B},{A,D},{B,D},{O,A,B},{O,B,D},{O,A,D},{A,B,D},{O,A,B,D}。

步驟3:從候選組合中刪除因電動(dòng)汽車行駛距離限制而無(wú)效的節(jié)點(diǎn)組合。具體方法如下:

3.1從起點(diǎn)O開(kāi)始,如果O上有充電站,則將電動(dòng)汽車剩余可行駛里程設(shè)為最大行駛里程L;如果O上沒(méi)有充電站,則將剩余可行駛里程設(shè)為0.5L。

3.2移向路徑q上的下一個(gè)節(jié)點(diǎn),剩余可行駛里程為原剩余可行駛里程減去已行駛里程。依次檢查如下五種可能情況:

1)若剩余可行駛里程小于或等于0,即電量耗盡,從

線路q候選集合中去除此組合,返回步驟3檢查下一個(gè)候選組合;

2)如果節(jié)點(diǎn)是終點(diǎn)D,則考慮如下兩種情況:

如果終點(diǎn)D上有充電站,則該組合有效,將其儲(chǔ)存到主列表中,返回步驟3檢查下一個(gè)候選

組合。

如果終點(diǎn)D上沒(méi)有充電站,則返回步驟3.2。此時(shí),電動(dòng)汽車開(kāi)始由終點(diǎn)返回。

3)如果節(jié)點(diǎn)是起點(diǎn)O,則電動(dòng)汽車沒(méi)有耗盡電量而成

功返回,此候選充電站組合就為q的有效組合,將其儲(chǔ)存并返回步驟3檢查下一個(gè)候選組合情況;4)如果節(jié)點(diǎn)上有充電站,則將剩余可行駛里程設(shè)為

電動(dòng)汽車最大可行駛里程L,并返回步驟3.2;5)在其它情況下,返回步驟3.2。

3.3當(dāng)路徑q上有效節(jié)點(diǎn)組合篩選完畢后,轉(zhuǎn)到步驟4。

步驟4:除去線路q的有效節(jié)點(diǎn)組合中是其它有效組合超集的組合,如A,B是A的超集。具體方法如下:

4.1將有效組合按照節(jié)點(diǎn)數(shù)量降序排序。4.2從第一個(gè)有效組合開(kāi)始檢查,如果它是后面任何一個(gè)組合的超集,則去掉此組合。

4.3檢查下一個(gè)組合,重復(fù)此過(guò)程直至路徑q的所有有效組合檢查完畢。

步驟5:記錄路徑q的所有有效組合h,以及h中的每個(gè)節(jié)點(diǎn)k,并存放在兩個(gè)關(guān)系系數(shù)矩陣a和b之中。如果h組合可以給路徑q充電,則aqh為1,否則則為0;如果節(jié)點(diǎn)k在組合h中,則bhk為1,否則為0。對(duì)于q的所有有效節(jié)點(diǎn)組合h:

1)如果該節(jié)點(diǎn)組合沒(méi)有出現(xiàn)在主列表中,則將該組

合加入到主列表中,并aqh和bhk均為1。2)如果該節(jié)點(diǎn)組合已經(jīng)存在主列表,設(shè)aqh為1。步驟6:對(duì)所有路徑q重復(fù)步驟2-5。3.2超效率DEA模型

DEA是一種通過(guò)數(shù)學(xué)規(guī)劃比較多輸入多輸出的決策單元相對(duì)效率,進(jìn)而對(duì)決策單元進(jìn)行效率評(píng)價(jià)(即評(píng)價(jià)決策單元優(yōu)劣)的方法。

傳統(tǒng)的DEA模型根據(jù)每個(gè)決策單元相對(duì)效率Ek,將決策單元分為DEA有效(Ek=1)和DEA無(wú)效(EkmmaxEkujyjkj1ss..tvixik1i1(13)

msujyjrxir0,r1,...n,rkj1vii1uj,vi0,i1,...,s,j1,...,m式中:n為決策單元個(gè)數(shù);s為決策單元輸入量個(gè)數(shù);m為輸出量個(gè)數(shù);xik表示第k個(gè)決策單元的第i個(gè)輸入量,vi為其變量系數(shù);yjk表示第k個(gè)決策單元的第j個(gè)輸出

量,uj為其變量系數(shù)。

式(13)所描述的優(yōu)化模型為線性規(guī)劃問(wèn)題,已有成熟而有效的方法可以求解,如Matlab軟件包中就有線性規(guī)劃工具箱。對(duì)于求解得到的有效決策單元(Ek1),根據(jù)它們的相對(duì)效率Ek的大小排序,最大值對(duì)應(yīng)的決策單元相對(duì)于其它決策單元更為有效,即在等量投入下,該決策單元能夠有更多的產(chǎn)出。3.3目標(biāo)函數(shù)權(quán)重系數(shù)的確定

把多目標(biāo)規(guī)劃轉(zhuǎn)換為單目標(biāo)規(guī)劃一種常用的方法是對(duì)各目標(biāo)函數(shù)加權(quán)求和,這樣如何確定適當(dāng)權(quán)重系數(shù)就是一個(gè)關(guān)鍵的問(wèn)題。本文采用超效率DEA模型確定目標(biāo)函數(shù)權(quán)重,以目標(biāo)函數(shù)的權(quán)重系數(shù)向量αd,βd為決策單元,其中αd為輸入量的權(quán)重系數(shù)向量,βd為輸出量的權(quán)重系數(shù)向量,在此權(quán)重向量下優(yōu)化得到的最小化目標(biāo)值和最大化目標(biāo)值分別作為決策單元的輸入和輸出。對(duì)于本文的充電站多目標(biāo)規(guī)劃問(wèn)題,其權(quán)重系數(shù)向量可表示為:

111211αd,βd=212221(14)

.........d1d2d1對(duì)俘獲的交通流量、配電系統(tǒng)網(wǎng)絡(luò)損耗以及節(jié)點(diǎn)電

壓偏移作歸一化處理,即f2min(f、f3作為決策單

2)min(f3)元的輸入量,min(f1)f作為決策單元的輸出量�；�于超

1效率DEA模型評(píng)價(jià)該d個(gè)決策單元,根據(jù)最終評(píng)價(jià)結(jié)

果Ek,選出一個(gè)權(quán)重向量作為歸一化后各個(gè)目標(biāo)函數(shù)的權(quán)重系數(shù)。采用線性加權(quán)轉(zhuǎn)化得到的單目標(biāo)函數(shù)表達(dá)

式為:

minFf2f3min(f1)k1min(f2)k2min(f3)+k1f(15)

13.4求解步驟

1)采用Floyd算法計(jì)算交通網(wǎng)絡(luò)中所有起點(diǎn)O到終點(diǎn)D的最短路徑q,識(shí)別路徑q通過(guò)的節(jié)點(diǎn);采用重力空間互動(dòng)模型計(jì)算q上的交通流量。

2)根據(jù)3.1節(jié)算法的步驟確定每條路徑q上的有效節(jié)點(diǎn)組合Hq。

3)分別以前述的三個(gè)目標(biāo)函數(shù)中的每一個(gè)作為單個(gè)目標(biāo)函數(shù),不考慮另外兩個(gè)目標(biāo)函數(shù),求取這三種情況下的最優(yōu)解。

4)采用偽隨機(jī)數(shù)發(fā)生器產(chǎn)生的一組權(quán)重向量,把多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為單目標(biāo)問(wèn)題,采用BPSO算法[22,23]求解。

5)把求得的優(yōu)化變量值帶入三個(gè)目標(biāo)函數(shù)中,得到三個(gè)目標(biāo)值。采用3.3節(jié)的超效率DEA方法進(jìn)行評(píng)價(jià),把兩個(gè)最小化目標(biāo)值作為決策單元的輸入,一個(gè)最大化目標(biāo)值作為決策單元的輸出;根據(jù)最終評(píng)價(jià)結(jié)果從一組權(quán)重向量中選出一個(gè)最有效的權(quán)重向量作為各目標(biāo)的最終權(quán)重系數(shù)。

6)確定電動(dòng)汽車充電站的最優(yōu)選址和容量。

4算例

4.1確定規(guī)劃區(qū)內(nèi)最大充電負(fù)荷

電動(dòng)汽車最大充電負(fù)荷與電動(dòng)汽車數(shù)量、充電功率、電池容量以及車主使用習(xí)慣等因素密切相關(guān)。由于電動(dòng)汽車尚未大規(guī)模推廣使用,無(wú)法獲得反映車主使用習(xí)慣的可靠統(tǒng)計(jì)數(shù)據(jù)。這里以已有燃油車輛的相關(guān)數(shù)據(jù)進(jìn)行分析。

根據(jù)美國(guó)交通部在201*年對(duì)全美私家車輛出行情

況的調(diào)查統(tǒng)計(jì)結(jié)果(201*NationalHouseholdTravelSurvey)[24],首先利用文獻(xiàn)[25]所提出的方法對(duì)電動(dòng)汽車日行駛里程、最后一次出行返回時(shí)間(起始充電時(shí)間)等統(tǒng)計(jì)結(jié)果進(jìn)行擬合分析。之后,以1分鐘為步長(zhǎng),采用蒙特卡羅仿真方法可以求出1天當(dāng)中單臺(tái)電動(dòng)汽車充電功率的平均值。

假設(shè)電動(dòng)汽車的充電功率在3-4kW間服從均勻分布,且充電功率因數(shù)為1;給定蒙特卡羅抽樣次數(shù)為5000,仿真結(jié)果如圖3所示:

圖3單臺(tái)電動(dòng)汽車充電功率平均值

Fig.3Themeanvalueofthechargingpowerofasingle

electricvehicle

從圖3可以看出,在19點(diǎn)單臺(tái)電動(dòng)汽車的充電功率均值達(dá)到最大,為0.606kW。假設(shè)規(guī)劃區(qū)內(nèi)有1000輛電動(dòng)汽車,考慮到電動(dòng)汽車未來(lái)的發(fā)展趨勢(shì),規(guī)劃應(yīng)具有一定的前瞻性,故給定規(guī)劃區(qū)內(nèi)最大充電負(fù)荷為0.8MW。4.2結(jié)果與分析

以33節(jié)點(diǎn)配電系統(tǒng)以及25節(jié)點(diǎn)交通網(wǎng)絡(luò)來(lái)說(shuō)明所發(fā)展模型和方法的可行性與有效性。這里采用如下假設(shè):交通網(wǎng)絡(luò)節(jié)點(diǎn)1-25與配電系統(tǒng)節(jié)點(diǎn)1-25重合,也即配電系統(tǒng)中1-25號(hào)節(jié)點(diǎn)之間的實(shí)際道路連通狀況如圖4中的交通網(wǎng)絡(luò)所示。

圖433節(jié)點(diǎn)配電系統(tǒng)和25節(jié)點(diǎn)交通網(wǎng)絡(luò)

Fig.4Thetestsystemwitha33-nodedistributionsystemanda

25-nodetrafficnetwork

需要說(shuō)明,對(duì)于配電系統(tǒng)和交通網(wǎng)絡(luò)不重合的節(jié)點(diǎn),即交通網(wǎng)絡(luò)節(jié)點(diǎn)和配電系統(tǒng)節(jié)點(diǎn)在地理位上不耦合,這相當(dāng)于本文所發(fā)展的模型的一個(gè)簡(jiǎn)化情形,所提出的算法仍然適用。

共有0.1MW、0.2MW、0.3MW和0.4MW四種充電站候選容量;要求建設(shè)的充電站個(gè)數(shù)給定為4;給定電動(dòng)汽車最大行駛里程L為120km;根據(jù)各交通節(jié)點(diǎn)的繁忙程度設(shè)節(jié)點(diǎn)權(quán)重,如表1所示[15]。

表1交通節(jié)點(diǎn)權(quán)重系數(shù)

Table1Weightsofvarioustrafficnodes節(jié)點(diǎn)權(quán)重節(jié)點(diǎn)權(quán)重節(jié)點(diǎn)權(quán)重10.54100.54190.8020.80110.05200.2730.27120.54210.2740.27130.05220.5450.27140.54230.0560.07150.27241.3470.05160.27250.0580.54170.2790.27181.07

在不考慮另外兩個(gè)目標(biāo)函數(shù)的情況下,依次單獨(dú)優(yōu)化三個(gè)目標(biāo),可得網(wǎng)損最小值為0.1907MW、節(jié)點(diǎn)電壓偏移最小值為0.0448(標(biāo)幺值)、俘獲的交通流量最大值為1.3947（占總交通流量的45.8%）。

假設(shè)每個(gè)目標(biāo)函數(shù)的權(quán)重變化范圍為0.1-0.8,步長(zhǎng)為0.1,這樣總計(jì)36組權(quán)重向量,采用線性加權(quán)求和方法把多目標(biāo)決策問(wèn)題轉(zhuǎn)換為單目標(biāo)問(wèn)題;之后,利用改進(jìn)BPSO求解轉(zhuǎn)化后的單目標(biāo)優(yōu)化問(wèn)題,并把求得的優(yōu)化變量值帶入到各個(gè)目標(biāo)函數(shù)中,分別求出在不同權(quán)重向量下各個(gè)目標(biāo)函數(shù)的值。最后,采用超效率DEA方法評(píng)價(jià)36組權(quán)重向量的有效性,以確定最為有效的一組權(quán)重向量,計(jì)算結(jié)果和評(píng)價(jià)結(jié)果列于表2。

表2計(jì)算結(jié)果和DEA評(píng)價(jià)結(jié)果

Table2SimulationandDEAevaluationresults

決策單元[αd,βd]

網(wǎng)絡(luò)損耗/MW節(jié)點(diǎn)電壓偏移(標(biāo)幺值)俘獲交通流量DEA評(píng)價(jià)值

10.10.10.80.25030.05181.36060.958220.10.20.70.23820.05041.31580.952430.10.30.60.23790.05001.30800.954340.10.40.50.24200.05061.30350.939850.10.50.40.22630.04911.27610.961760.10.60.30.23420.04981.32090.967670.10.70.20.20990.04701.11520.905480.10.80.10.21000.04681.03160.837190.20.10.70.23750.05051.38431.0162100.20.20.60.23730.05031.32030.9576110.20.30.50.22960.04961.32450.9851120.20.40.40.21520.04801.23140.9751130.20.50.30.20550.04661.16220.9637140.20.60.20.19990.04621.08830.9277150.20.70.10.19840.04561.03980.8931160.30.10.60.23530.04981.32090.9676170.30.20.50.23300.04961.30310.9592180.30.30.40.22260.04851.23940.9488190.30.40.30.21470.04751.15890.9198200.30.50.20.20790.04701.11710.9156210.30.60.10.19020.04510.84190.7543220.40.10.50.22570.04911.32451.0068230.40.20.40.20870.04721.17790.9618240.40.30.30.21590.04761.20810.9535250.40.40.20.201*0.04591.03980.8802260.40.50.10.201*0.04610.99200.8381270.50.10.40.21780.04811.23940.9697280.50.20.30.21520.04801.23140.9751290.50.30.20.20830.04691.10810.9065300.50.40.10.19430.04540.92300.8095310.60.10.30.19580.04571.02290.8902320.60.20.20.19860.04590.98010.8410330.60.30.10.19600.04581.00070.8700340.70.10.20.19720.04590.93390.8070350.70.20.10.19650.04550.94320.817936

0.80.10.10.1956

0.0458

0.8773

0.7643

7

從表2中可以看出,決策單元9和22的超效率DEA評(píng)價(jià)值都大于1,均為有效決策單元,但9號(hào)決策單元的相對(duì)效率更高,故采用9號(hào)決策單元所對(duì)應(yīng)的權(quán)重系數(shù)0.2、0.1和0.7,分別作為目標(biāo)函數(shù)f1、f2和f3的權(quán)重系數(shù)最為合理。求解由三個(gè)目標(biāo)函數(shù)線性加權(quán)后形成的單目標(biāo)優(yōu)化問(wèn)題得到的最優(yōu)規(guī)劃結(jié)果為:在配電系統(tǒng)中的節(jié)點(diǎn)18、24、8和14分別建設(shè)容量為0.1、0.1、0.2和0.4MW的充電站。從圖4中配電系統(tǒng)（26號(hào)為平衡節(jié)點(diǎn)）可以看出,容量大的充電站建在配電系統(tǒng)饋線的較前端,這樣可以有效減少網(wǎng)絡(luò)損耗和電壓偏移;從圖4中交通網(wǎng)絡(luò)可以看出,充電站多處在交通樞紐位,通過(guò)的交通流量較大,規(guī)劃的充電站能夠給更多電動(dòng)汽車提供便捷充電服務(wù)。

在確定了充電站站址和容量后,這里進(jìn)一步分析電動(dòng)汽車最大行駛里程L對(duì)充電站俘獲交通流量的影響,結(jié)果如圖5所示。

圖5不同行駛里程下充電站可俘獲的交通流量比例Fig.5Percentagesofflowscapturedbychargingstations

fordifferenttravelingdistances

從圖5可以看出,在充電站站址確定的情況下,電動(dòng)汽車的最大行駛里程越大,給定數(shù)量的充電站能夠服務(wù)的車輛越多。在目前充電設(shè)施網(wǎng)絡(luò)還不完善的情況下,提高電動(dòng)汽車的電池續(xù)航里程,使得給定數(shù)量的充電設(shè)施能夠?yàn)楦�多車輛提供充電服務(wù)以滿足其行駛需求,這對(duì)發(fā)展電動(dòng)汽車產(chǎn)業(yè)至關(guān)重要。

5結(jié)語(yǔ)

在綜合考慮充電站作為城市交通公共服務(wù)設(shè)施和基本用電設(shè)施的兩方面屬性的基礎(chǔ)上,本文建立了充電站多目標(biāo)規(guī)劃模型,并采用超效率DEA評(píng)價(jià)方法來(lái)確定各目標(biāo)權(quán)重,把多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為單目標(biāo)問(wèn)題求解。之后,采用改進(jìn)的二進(jìn)制粒子群優(yōu)化算法求解

該單目標(biāo)優(yōu)化模型。最后,通過(guò)算例說(shuō)明了所發(fā)展的模型與方法的基本特征。

需要指出,本文的研究假設(shè)了電動(dòng)汽車是沿著去目的地的最短路徑行駛的。實(shí)際上,車主未必能夠準(zhǔn)確識(shí)別最短路徑,有時(shí)最短路徑上可能存在交通阻塞而無(wú)法行駛,如何適當(dāng)考慮這些實(shí)際因素將是下一階段的研究重點(diǎn)。

參考文獻(xiàn)

[1]SCHNEIDERK,GERKENSMEYERC,KINTNER-MEYER

M,etal.Impactassessmentofplug-inhybridvehiclesonPacificNorthwestdistributionsystems[C]//ProceedingsofIEEEPowerEngineeringSocietyGeneralMeeting,July20-24,201*,Pittsburgh,PA,USA:1-6.

[2]徐凡,俞國(guó)勤,顧臨峰,等.電動(dòng)汽車充電站布局規(guī)劃淺

析[J].華東電力,201*,37(10):1678-1682.

XUFan,YUGuoqin,GULinfeng,etal.Tentativeanalysisoflayoutofelectricalvehiclechargingstations[J].EastChinaElectricPower,201*,37(10):1678-1682.

[3]劉志鵬,文福拴,薛禹勝,等.電動(dòng)汽車充電站的最優(yōu)選址

和定容[J].電力系統(tǒng)自動(dòng)化,201*,36(3):54-59.

LIUZhipeng,WENFushuan,XUEYusheng,etal.Optimalsitingandsizingofelectricvehiclechargingstations[J].AutomationofElectricPowerSystems,201*,36(3):54-59.[4]高賜威,張亮,薛飛,等.集中型充電站容量規(guī)劃模型研

究[J].中國(guó)電機(jī)工程學(xué)報(bào),201*,32(31):27-34.

GAOCiwei,ZHANGLiang,XUEFei,etal.Studyoncapacityandsiteplanningoflarge-scalecentralizedchargingstations[J].ProceedingsoftheCSEE,201*,32(31):27-34.[5]熊虎,向鐵元,榮欣,等.電動(dòng)汽車電池更換站布局的最

優(yōu)規(guī)劃[J].電力自動(dòng)化設(shè)備,201*,32(09):1-6.

XIONGHu,XIANGTieyuan,RONGXin,etal.Optimalallocationofelectricvehiclebatteryswapstations[J].ElectricPowerAutomationEquipment,201*,32(09):1-6.

[6]宋亞輝.城市電動(dòng)汽車充電設(shè)施布局規(guī)劃研究[D].北京:

北京交通大學(xué),201*.

SONGYahui.Researchonthelayoutplanningofelectricvehiclechargingstationinthecity[D].Peking:BeijingJiaotongUniversity,201*.

[7]崔靜.我國(guó)城市加油站布局研究[D].青島:中國(guó)石油大學(xué),

201*.

CUIJing.Studyonthelayoutofgasstationsinourcountry’scity[D].Qingdao:ChinaUniversityofPetroleum,201*.

[8]劉志鵬,文福拴,薛禹勝,等.計(jì)及可入網(wǎng)電動(dòng)汽車的分布

式電源最優(yōu)選址和定容[J].電力系統(tǒng)自動(dòng)化,201*,35(18):11-16.

LIUZhipeng,WENFushuan,XUEYusheng,etal.Optimalsitingandsizingofdistributedgeneratorsconsideringplug-inelectricvehicles[J].AutomationofElectricPowerSystems,201*,35(18):11-16.

[9]ALARCONRA,AULTG,GALLOWAYS.Multi-objective

planningofdistributedenergyresources:Areviewofthestate-of-the-art[J].RenewableandSustainableEnergyReviews,201*,14(5):1353-1366.

[10]HUNGDQ,MITHULANANTHANN,BANSALRC.

AnalyticalexpressionsforDGallocationinprimarydistributionnetworks[J].IEEETransonEnergyConversion,201*,25(3):814-820.

[11]ACHARYAN,MAHATP,MITHULANANTHANN.An

analyticalapproachforDGallocationinprimarydistributionnetwork[J].InternationalJournalofElectricalPowerandEnergySystems,201*,28(10):669-678.

[12]王成山,劉濤,謝瑩華.基于混合遺傳算法的變電站選址

定容[J].電力系統(tǒng)自動(dòng)化,201*,30(6):30-34.

WANGChengshan,LIUTao,XIEYinghua.Substationlocatingandsizingbasedonhybridgeneticalgorithm[J].AutomationofElectricPowerSystems,201*,30(6):30-34.[13]LIMS,KUBYM.Heuristicalgorithmsforsiting

alternative-fuelstationsusingtheflow-refuelinglocationmodel[J].EuropeanJournalofOperationalResearch,201*,204(1):51-61.

[14]KIMJ,KUBYM.Thedeviation-flowrefuelinglocation

modelforoptimizinganetworkofrefuelingstations[J].InternationalJournalofHydrogenEnergy,201*,37(6):5406-5420.

[15]HODGSONMJ.Aflowcapturinglocation-allocationmodel

[J].GeographicalAnalysis,1990,22:270-279.

[16]SHIL,DINGHL,XUZ.Determinationofweightcoefficient

forpowersystemrestoration[J].IEEETransonPowerSystems,201*,27(2):1140-1141.

[17]SINGHD,MISRARK,SINGHD.Effectofloadmodelsin

distributedgenerationplanning[J].IEEETransonPowerSystems,201*,22(4):2204-2211.

[18]張曦.需求多元化的網(wǎng)絡(luò)截流設(shè)施選址問(wèn)題研究[D].武

漢:華中科技大學(xué),201*.

ZHANGXi.Studiesonmulti-demandflowinterceptionfacilitylocationproblemofthenetwork[D].Wuhan:HuazhongUniversityofScienceandTechnology,201*.[19]胡桔州.Floyd最短路徑算法在配送中心選址中的應(yīng)用[J].

湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),201*,30(4):382-384.HUJuzhou.AnalgorithmfordistributioncenterbasedontheFloyd-shortest-path[J].JournalofHunanAgriculturalUniversity(NaturalSciences),201*,30(4):382-384.[20]梁娟,林元慶.具有多目標(biāo)決策評(píng)價(jià)功能的多目標(biāo)決策方

法[J].中國(guó)管理科學(xué),201*,12(z1):118-121.LIANG

Juan,

LIN

Yuanqing.

The

multi-objective

decision-makingmodelwithflexibleobjectivestructure[J].ChineseJournalofManagementScience,201*,12(z1):118-121.

[21]魏權(quán)齡.數(shù)據(jù)包絡(luò)分析.北京:科學(xué)出版社,201*.

WEIQuanling.Dataenvelopmentanalysis.Beijing:SciencePress,201*.

[22]劉波,張焰,楊娜.改進(jìn)的粒子群優(yōu)化算法在分布式電

源選址和定容中的應(yīng)用[J].電工技術(shù)學(xué)報(bào),201*,23(2):103-108.

LIUBo,ZHANGYan,YANGNa.Improvedparticleswarmoptimizationmethodanditsapplicationinthesitingandsizingofdistributedgenerationplanning[J].TransactionsofChinaElectrotechnicalSociety,201*,23(2):103-108.

[23]劉涌,侯志儉,蔣傳文.求解機(jī)組組合問(wèn)題的改進(jìn)離散粒

子群算法[J].電力系統(tǒng)自動(dòng)化,201*,30(4):35-39.

LIUYong,HOUZhijian,JIANGChuanwen.Unitcommitmentviaanenhancedbinaryparticleswarmoptimizationalgorithm[J].AutomationofElectricPowerSystems,201*,30(4):35-39.

[24]FederalHighwayAdministration,U.S.Departmentof

Transportation.

201*

National

Household

Travel

Survey[DB/OL].[201*-09-15].

[25]田立亭,史雙龍,賈卓.電動(dòng)汽車充電功率需求的統(tǒng)計(jì)學(xué)

建模方法[J].電網(wǎng)技術(shù),201*,34(11):126-130.

TIANLiting,SHIShuanglong,JIAZhuo.Astatisticalmodelforchargingpowerdemandofelectricvehicles[J].PowerSystemTechnology,201*,34(11):126-130.

━━━━━━━━━━━━

OptimalPlanningofElectricVehicleChargingStationsConsideringTrafficNetworkFlows

Abstract:Reasonablesitingandsizingofchargingstationsareimportantforextensiveapplicationsofelectricvehicles.Amulti-objectivedecision-makingmodelfortheoptimalplanningofelectricvehiclechargingstationsisdeveloped,withthedualattributesofchargingstationsaspublicservicefacilitiesofurbantrafficsandordinaryelectricfacilitiestakenintoaccount.Threeobjectivefunctionsaredefinedtorespectivelymaximizethecapturedtrafficnetworkflow,minimizethenetworkloss,andtominimizetheaveragevoltagedeviation.Thewell-establishedsuper-efficiencydataenvelopmentanalysis(DEA)isemployedtodeterminetheappropriateweightsamongthethreeobjectivefunctions,andinthiswaythemulti-objectiveoptimizationproblemistransformedintoasingle-objectiveprogrammingone.Then,theenhancedbinaryparticleofswarmoptimization(BPSO)isusedtosolvethesingle-objectiveprogrammingmodel.Finally,a33-nodetestfeederanda25-nodetrafficnetworkareutilizedtoillustratetheessentialfeaturesofthedevelopedmodelandtheeffectivenessofthepresentedmethod.

Keywords:electricvehicle;chargingstationplanning;trafficnetworkflow;super-efficiencydataenvelopmentanalysis(DEA);enhancedbinaryparticleswarmoptimizationalgorithm

對(duì)審稿意見(jiàn)的回復(fù)

審稿意見(jiàn)1:文章引言和模型,與文獻(xiàn)[6]有較大的相似度。作者答復(fù)：

謝謝！根據(jù)審稿意見(jiàn),我們做了明顯的修改。

本文的初稿在引言和模型結(jié)構(gòu)方面,確實(shí)借鑒了原來(lái)的文獻(xiàn)[6]（修改稿中為文獻(xiàn)[3],后稱文獻(xiàn)[3]）的寫(xiě)作模式,不過(guò)所建立的模型和文獻(xiàn)[3]有明顯不同。文獻(xiàn)[3]以規(guī)劃期內(nèi)充電站的總成本（包括投資、運(yùn)行和維護(hù)成本）和網(wǎng)損費(fèi)用為目標(biāo)函數(shù),考慮的是充電站規(guī)劃的經(jīng)濟(jì)性目標(biāo),本文則是以提高電動(dòng)汽車充電的便利性和減少充電站接入引起的配電系統(tǒng)網(wǎng)損和電壓波動(dòng)的負(fù)面影響為目標(biāo)。另外,文獻(xiàn)[3]采用了原對(duì)偶內(nèi)點(diǎn)法求解,本文則采用了超效率的DEA模型和改進(jìn)二進(jìn)制粒子群算法處理所發(fā)展的多目標(biāo)優(yōu)化模型。本文和文獻(xiàn)[3]在數(shù)學(xué)模型和求解方法方面都有明顯區(qū)別。

審稿意見(jiàn)2：從文章的名稱來(lái)看,文章的重點(diǎn)是確定充電需求,但從文章實(shí)際內(nèi)容來(lái)看,文章在確定充電需求方面并沒(méi)有明顯創(chuàng)新。作者答復(fù)：

謝謝！確定規(guī)劃區(qū)內(nèi)電動(dòng)汽車的充電需求是充電站規(guī)劃時(shí)需要考慮的一個(gè)重要問(wèn)題,文獻(xiàn)[5,25]等在這方面做了相當(dāng)深入的研究。確實(shí),本文在確定充電需求方面沒(méi)有做創(chuàng)新性工作,而是參考了文獻(xiàn)[25]的方法來(lái)計(jì)算規(guī)劃區(qū)內(nèi)的最大充電需求。

友情提示：本文中關(guān)于《學(xué)習(xí)十八大團(tuán)日活動(dòng)總結(jié)》給出的范例僅供您參考拓展思維使用，學(xué)習(xí)十八大團(tuán)日活動(dòng)總結(jié)：該篇文章建議您自主創(chuàng)作。

來(lái)源：網(wǎng)絡(luò)整理 免責(zé)聲明：本文僅限學(xué)習(xí)分享，如產(chǎn)生版權(quán)問(wèn)題，請(qǐng)聯(lián)系我們及時(shí)刪除。

《學(xué)習(xí)十八大團(tuán)日活動(dòng)總結(jié)》由互聯(lián)網(wǎng)用戶整理提供,轉(zhuǎn)載分享請(qǐng)保留原作者信息,謝謝!
鏈接地址：http://www.taixiivf.com/gongwen/635436.html

• 上一篇：學(xué)習(xí)十八大精神總結(jié)
• 下一篇：、學(xué)習(xí)十八大精神主題班會(huì)活動(dòng)總結(jié)