公开(公告)号：CN110276517B

公开(公告)日：2022-10-04

申请号：CN201910388033.0

申请日：2019-05-10

Applicant: 安徽大学

Inventor： 王朝 ,  曾德清 ,  邱剑锋 ,  谢娟

IPC: G06Q10/06 ,  G06Q50/06 ,  G06N3/00 ,  B60L53/30

Abstract: 本发明公开了一种基于MOPSO的电动汽车充电站选址方法，包括：S1、构建以充电站建站成本、用户往返充电站时间和充电站服务范围人口数为目标函数，以充电站容量约束和充电站电压偏移为约束条件的充电站选址约束多目标优化模型；S2、设计基于竞争和教学机制的多目标粒子群优化算法进行求解，通过竞争机制构造精英种群，其他个体通过教学机制向精英个体学习生成子代种群；S3、采用自适应约束处理技术对两类复杂约束条件进行动态处理，并选择优秀的可行解进入下一代种群；S4、判断当前迭代次数是否达到最大迭代次数，若是，输出最优可行的选址方案解集；否则，执行步骤S2，如此，最终获得电动汽车充电站选址不同需求下的最优可行方案。

公开(公告)号：CN110276517A

公开(公告)日：2019-09-24

申请号：CN201910388033.0

申请日：2019-05-10

Applicant: 安徽大学

Inventor： 王朝 ,  曾德清 ,  邱剑锋 ,  谢娟

IPC: G06Q10/06 ,  G06Q50/06 ,  G06N3/00 ,  B60L53/30

Abstract: 本发明公开了一种基于MOPSO的电动汽车充电站选址方法，包括：S1、构建以充电站建站成本、用户往返充电站时间和充电站服务范围人口数为目标函数，以充电站容量约束和充电站电压偏移为约束条件的充电站选址约束多目标优化模型；S2、设计基于竞争和教学机制的多目标粒子群优化算法进行求解，通过竞争机制构造精英种群，其他个体通过教学机制向精英个体学习生成子代种群；S3、采用自适应约束处理技术对两类复杂约束条件进行动态处理，并选择优秀的可行解进入下一代种群；S4、判断当前迭代次数是否达到最大迭代次数，若是，输出最优可行的选址方案解集；否则，执行步骤S2，如此，最终获得电动汽车充电站选址不同需求下的最优可行方案。