電動汽車充電樁評價方法范文

本站小編為你精心準備了電動汽車充電樁評價方法參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《電氣應用雜志》2014年第十二期

一、構(gòu)建投影尋蹤等級評價模型

(1)生成評估項的投影數(shù)據(jù)并進行標準化處理設充電負荷評估等級和評估樣本集分別為y(i)和{x(i，j)|i=1～n，j=1～m}，x(i，j)為樣本集中第i個樣本的第j個指標值，n為樣本集大小，m評估項個數(shù)。為消除各評估項的量綱差別和統(tǒng)一評估項的變化范圍，對其樣本集進行標準化處理，即式中，Ex(j)、Sx(j)分別為原第j個評估指標的均值和標準差;x*(i，j)為標準化后的樣本值集合。(2)構(gòu)建投影指標函數(shù)將標準化后的評估樣本{x*(i，j)j=1～m}按照投影方向a投影為一維投影值z(i)，其中a為m維的單位向量。投影方程為再根據(jù)z(i)與y(i)散點圖建立等級評價數(shù)學模型。從高維空間投影到低維空間時，要求z(i)應盡可能體現(xiàn){x*(i，j)}中的變異信息，因此z(i)的標準差Sz應盡可能大，同時z(i)與標準等級值y(i)的相關系數(shù)的絕對值Rzy也應盡可能大。投影指標函數(shù)可構(gòu)造為(3)優(yōu)化投影指標函數(shù)當評價等級與標準化后的評價樣本集確定時，投影指標函數(shù)Q(a)的大小只與投影方向有關。最佳投影方向可最大化地反應高維數(shù)據(jù)的變異信息。投影指標函數(shù)優(yōu)化方程為(4)構(gòu)建投影尋蹤等級評價模型將(3)中解出的最優(yōu)投影方向a*代入公式(2)，得到投影值z*(i)，根據(jù)z*(i)與y(i)的散點圖特征建立等級評價數(shù)學模型。QPSO投影尋蹤等級評價模型建立的關鍵是找到最優(yōu)投影方向，針對傳統(tǒng)遺傳算法、QPSO易局部收斂的特點，文章提出采用QPSO求解最優(yōu)投影方向。1.QPSO簡介PSO中所有粒子根據(jù)個體最優(yōu)位置和全體最優(yōu)位置不斷調(diào)整速度，朝個體最優(yōu)和群體最優(yōu)粒子飛行，但具有容易局部收斂的缺點。QPSO將量子計算與PSO相融合，將量子的態(tài)矢量表達引入粒子編碼，利用概率幅表示粒子的編碼，使得粒子可以表達多個態(tài)的疊加，利用量子旋轉(zhuǎn)門實現(xiàn)粒子的更新操作，引入變異操作增加種群多樣性，比常規(guī)粒子群算法更容易尋找到全局最優(yōu)解。2.量子態(tài)疊加原理在QPSO中，粒子用量子比特位形式表達，即用隨機概率方式表達，這種表達方式增加了種群多樣性，迭代中的量子旋轉(zhuǎn)更新、變異環(huán)節(jié)加了種群多樣性，擴大了最優(yōu)解的搜索空間，找到最優(yōu)解的概率大大增加。在量子力學中微觀粒子的運動狀態(tài)使用Hil-bert空間中的波函數(shù)ψ來表示，體現(xiàn)了量子的波粒二象性。量子態(tài)ψ＞可用基態(tài)0＞態(tài)和1＞的線性疊加表示，如式(8)所示QPSO流程具體步驟如下。(1)粒子的量子態(tài)編碼初始化設種群粒子個數(shù)為n，粒子維數(shù)為m，P為粒子概率幅組成的矩陣，P矩陣初始化過程為1)區(qū)間內(nèi)的隨機數(shù)。(2)粒子解碼環(huán)節(jié)若實際解的空間為［a，b］，某量子態(tài)的概率在［0，1］，則需將概率解碼到實際參數(shù)空間，解碼方程為(3)粒子評估及更新環(huán)節(jié)將投影指標函數(shù)Q(a)作為粒子評估指標，Q(a)越大，適應度值越大，遴選出個體最優(yōu)及群體最優(yōu)粒子。利用式(10)將概率幅表示的粒子轉(zhuǎn)化為量子相位形式的粒子，粒子位置更新。(4)變異處理在QPSO中，通過量子非門實現(xiàn)變異操作，有助于增加種群的多樣性，避免出現(xiàn)局部收斂現(xiàn)象。令變異概率為pm，每個粒子在(0，1)區(qū)間內(nèi)設定一個隨機數(shù)rj，若rj≤pm，則隨機選擇第j粒子上［m/2］個量子位，用量子非門實現(xiàn)變異操作，該粒子自身最優(yōu)位置保持不變。量子相位變異過程。

二、確定充電樁評價指標與等級劃分

根據(jù)電動汽車充電樁的性能指標及有關標準規(guī)范。確定電動汽車充電樁評價指標如圖2所示，指標包括技術、經(jīng)濟、環(huán)境及安全四個方面［2］。按照能否通過測量得到將指標分為定性和定量指標，定量指標可通過測量儀表檢測得到，各種定量指標具有不同的量綱;定性指標具有模糊性，可通過專家打分等主觀方法得到，分數(shù)越高，表示性能越高。將定量指標和定性指標劃分為10個等級，如表1、表2所示。第1等級生成樣本時，各評估項第1級的左端點值取其右端點值的1/2，第10級的右端點值取其左端點值的2倍。在每個等級區(qū)間內(nèi)均勻隨機生成100個樣本x(i，j)與對應的等級評估值y(i)，對樣本集按照式(1)進行標準化處理，采用QPSO得到最佳投影方向a*=(－0.234，－0.2356，－0.2282，－0.2368，－0.2317，－0.2357，0.2366，0.2363，－0.2354，－0.2365，0.2368，0.2371，0.2370，0.2370，0.2369，0.2368，0.2370，0.2370)。將所有標準化后的樣本按照最優(yōu)投影方向投影，得到最優(yōu)投影值集合z*(i)。z*(i)與等級評估值y(i)函數(shù)關系圖如圖3所示。圖3中10個的橫坐標區(qū)間分別為［－7.374，－6.815］、［－5.603，－4.964］、［－3.825，－3.155］、［－2.042，－1.624］、［－0.739，－0.247］、［0.754，1.178］、［2.077，2.566］、［3.418，3.838］、［4.744，5.166］、［6.157，6.475］。對圖3中各區(qū)間端點值進行分段線性插值，得到電動汽車充電樁的分段插值評價模型，評價模型為y=k*z+b，評價模型在各段區(qū)間系數(shù)k、b的值如表3所示。

三、算例分析

文獻［2］中電動汽車充電樁性能參數(shù)，其中定量、定性指標如表4、表5所示，用本文提出的投影尋蹤等級評價模型進行等級評價。將表4、表5中的指標按照式(1)標準化處理后，利用最佳投影方向求得投影值z*，分別為2.659、2.104和2.028。根據(jù)表3中各段函數(shù)系數(shù)可得到各個充電樁的評價等級值，并與文獻［2］的評價結(jié)果作對比，文獻［2］采用不確定層次分析法對充電樁進行評價，如表6所示。文獻［2］采用不確定層次分析法對充電樁進行評價時，等級值越高表示充電樁性能越好，本文采用投影尋蹤等級評價模型進行評估，由表1、表2可知，等級值越低表示充電樁性能越優(yōu)越，等級值越高表示充電樁性能越差。從表6的評價結(jié)果比較可知，本文與文獻［2］評價結(jié)果相似，充電樁甲的性能最優(yōu)秀，充電樁乙、丙性能大致相同，因此在充電樁選擇時應著重考慮充電樁甲。文獻［2］在綜合評價過程中，需人為確定各單項評價指標的權(quán)重，評價結(jié)果易受主觀因素影響。本文采用投影尋蹤等級評價模型綜合評價時，采用樣本數(shù)據(jù)驅(qū)動，不需確定主觀權(quán)重，評估結(jié)果更客觀。

四、結(jié)束語

本文采用投影尋蹤等級評價模型評價電動汽車充電樁，利用QPSO求解最佳投影方向，根據(jù)投影值及評價等級關系建立了充電樁綜合評價插值模型，解決了單項評價指標不相容的問題，評價過程由樣本數(shù)據(jù)驅(qū)動，誤差較小，準確度較高，且不需確定權(quán)重、隸屬度函數(shù)等主觀性參數(shù)。

作者：范建磊劉君單位：華北電力大學電氣與電子工程學院