【优化选址】粒子群算法求解V图配电网电动汽车充电站选址优化问题【含Matlab源码 3319期】

⛄一、粒子群算法求解V图配电网电动汽车充电站选址优化问题

近年来，我国电动汽车的保有量迅速攀升，截至2016 年底，我国电动汽车保有量已经接近100万辆，经测算，到 2020年全国电动汽车保有量将超过500万辆。电动汽车充电基础设施作为电动汽车发展的重要保障，其发展水平直接影响了电动汽车行业的发展速度和质量。目前，全国各地按照“桩站先行，适度超前”的原则，逐步推进充电基础设施的科学发展。根据需求预测结果，到 2020 年新增集中式电动汽车充换电站将超过1.2 万座。
电动汽车充电站的选址与定容问题是高维非线性数学问题，决策的优劣直接影响了其服务质量、效率、成本等。现有的国内外学者对城市电动汽车充电站的选址与定容问题研究仍处在起步阶段，没有形成系统完整的理论。以投运至目标年综合费用最小为规划目标，利用变权 Voronoi 图的方法划分充电站的服务范围，并采用混合粒子群优化( PSO) 算法求解，提高了算法迭代中后期的全局搜索能力。将量子理论与粒子群优化算法结合，增强了优化算法的种群多样性以及算法的全局搜索能力。结合了城市道路信息和电动汽车续驶里程，提出了电动汽车充电便捷系数，并利用Voronoi 图理论和排队论确定充电站的容量。

1 粒子群算法
粒子群算法是智能算法领域中除蚁群算法、鱼群算法又一个智能群体算法。

PSO算法首先在可行解空间中初始化一群粒子,每个粒子都代表极值优化问题的一个潜在最优解。粒子在解空间中运动,通过跟踪个体极值Pbest和群体极值Gbest更新个体位置。

粒子每更新一次位置,就计算一次适应度值,并且通过比较新粒子的适应度值和个体极值、群体极值的适应度值更新个体极值Pbest和群体极值Gbest位置。

在每一次迭代过程中,粒子通过个体极值和群体极值更新自身的速度和位置,每个粒子在D维空间的速度和位置状态可表示为