关键词:
充电设施
选址布局
时空分布
出行热点混合聚类
局部搜索
动态排队选址模型
摘要:
新能源汽车推广应用是交通运输绿色低碳转型,实现“碳达峰、碳中和”双碳目标的重要措施。充电问题是限制新能源汽车发展的重要因素,新能源汽车的充电需求量已远大于充电设施的供应量,并存在充电设施选址布局不完善,新能源汽车出行区域受限,高峰时间段等待充电时间长等问题。基于新能源汽车运行时空分布充电需求,研究充电设施的合理选址布局,对各地新能源汽车发展,推广应用具有重大意义和实用价值。
本文基于新能源汽车监管平台的大数据,进行新能源汽车运行时空分布分析,以新能源汽车真实轨迹数据时空分布的结果为基础,进行新能源汽车充电设施选址布局研究,可克服以往算例研究中缺乏真实充电需求数据的困难,弥补新能源汽车充电设施选址模拟规划缺乏新能源汽车真实运行时空分析数据基础的不足。
首先,基于新能源汽车监管平台大数据,进行新能源汽车时空大数据分析,分析新能源汽车轨迹时间分布,空间分布,筛选出车辆经度数据,纬度数据,充电时间,车辆速度,车辆行驶时间等与充电相关联的数据属性。利用Python编程,创建有效的轨迹数据集。并对数据集进行时间分析,汇总统计分析出新能源汽车行驶的早、中、晚3个高峰时段。基于高峰时段的车辆行驶轨迹,进行空间分析,利用Arc GIS软件,提取高峰时段的新能源汽车的经纬度数据,进行空间层叠加,将新能源汽车空间重合的点汇总形成车辆出行的热点区域。
其次,进行出行热点混合聚类分析,确定充电需求点和充电需求量。根据新能源汽车出行热点数据,运用出行热点密度聚类算法,将热点区域聚类成不同的簇,再利用K均值聚类求解每一个簇的质心点,质心点即为充电需求点。将每个簇内包含的车辆数量作为新能源汽车的充电需求量。
然后,进行新能源汽车充电设施选址布局模型研究,将充电设施投资建设经济成本C最小和新能源汽车用户充电时间成本T最小,作为选址布局总目标函数Z。将充电需求点的位置数据,充电需求量,时间数据作为模型的输入参数,建立动态排队选址模型。采用迭代局部搜索来改进麻雀算法,从而使麻雀算法结果跳出局部极值,获得最优解,并运用改进的麻雀算法求解模型。
最后,为验证模型的可行性,对模型进行案例研究,将模型应用于沈阳市新能源汽车充电设施选址布局,分别运用改进的麻雀算法、遗传算法、粒子群算法、模拟退火算法、麻雀搜索算法对模型求解,并对结果进行对比分析,得出最优的沈阳市充电设施选址布局方案,为新能源汽车充电设施布局研究提供参考。