《表1 遗传算法应用研究:计算智能在电动车充电站规划的应用研究综述》
采用遗传算法求解充电桩规划问题,需要对站址进行编码,根据目标函数构造遗传算法的适应度函数,并根据算法流程求解。如表1所示为遗传算法在电动汽车充电站规划问题中的应用研究。文献[59]根据区域交通流量守恒定律将区域车辆密度设为常数,应用传统的遗传算法进行了分析,采用排序算法选择最优个体,简单实用、适应性强。文献[60]基于地理信息排除不适合建站的位置,缩小数据集。在求解时采用算术交叉更新染色体,引入定位分配算子,结合交叉分配定位算法,具有较好的全局搜索和局部搜索能力,同时将充电者的时间成本予以考虑,实现了社会综合效益的最大化。文献[61]综合考虑电网约束、交通流量约束和运营成本约束,对约束条件进行了详细的分析,使用量子遗传算法求解,采取了更合适的编码方式,具有收敛速度快的优势,然而由于缺少充电运营数据,算法参数设计仍不完善。文献[62]则对充电桩进行快充桩和慢充桩的区分,建立多等级的电动汽车充电设施选址模型,同样采用遗传算法求解。文献[63]则主要针对电动出租车的充电行为进行规划,采用Voronoi图的方法划分充电站的服务范围,利用排队论的方法确定充电站的容量,使用量子遗传算法自适应调整策略,根据迭代次数调整旋转角,具有更好的遍历性。文献[64]通过分层遗传算法求解问题,采用双层的编码策略并引入了检查算子和禁忌表,从而更好地满足约束条件并且提升了算法性能。
图表编号 | XD00119671700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.15 |
作者 | 王利利、张琳娟、尚雪宁、高德云 |
绘制单位 | 国网河南省电力公司经济技术研究院、国网河南省电力公司经济技术研究院、北京交通大学电子信息工程学院、北京交通大学电子信息工程学院 |
更多格式 | 高清、无水印(增值服务) |