1.一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，步骤1：采集电动汽车充电站接入后的配电网数据，其中包括电动汽车充电站接入容量大小，各节点负荷量、支路阻抗水平以及电源水平，用于概率潮流的计算；

步骤2：初始化电动汽车充电站在路‑电耦合网络中的接入节点，采用灰狼算法，根据约束条件对各个狼群的位置进行初始化，即M个电动汽车充电站在路‑电耦合网络中的初始位置；

步骤3：进行概率潮流的计算，并根据计算的结果提取所需要的的数据，具体是：对配电网的潮流数据进行提取，实际的潮流是在动态变化的，但是将时间缩小到一定值时，按照牛顿‑莱布尼兹公式所描绘的，此时的潮流数据可以近似看作是一个确定性的潮流；以设定时间为间隔，将电动汽车充电站的充放电时间段进行分段，定义在设定时间之内，潮流数据不变；此时对配电网的动态数据进行提取；按照分段的结果，每一段设定时间都会对应一组潮流数据，采集N组潮流数据，对所有的数据进行整合取均值，得到一组考虑负荷波动的潮流数据，该方法基于取均值的理念，所求得的潮流数据对实际的潮流波动具有一定的代表性，通过MATLAB求得的潮流数据可用于步骤4的求取目标函数中；

步骤4：将分段潮流所提取的数据代入目标函数中，目标函数如下式所示：SC＝k1S1+k2S2+k3S3+k4S4+k5S5SF＝k6S1+k7S2+k8S3+k9S4+k10S5S＝ac×SC+af×SF

K1+K2+K3+K4+K5＝1K6+K7+K8+K9+K10＝1ac+af＝1

SC、SF为电动汽车充电站在充电和放电时刻的目标函数，K1、K2……K10为子目标在总目标里的比例系数，ac，af为权重系数，分别表示充电和放电时刻的目标函数在总目标函数里所占的比例，可根据实际需要进行调节，S1、S2、S3、S4、S5分别为母线节点电压偏差量、交流线有功功率裕度水平、全网的网损水平，交通流量和充电站服务范围，S为考虑电动汽车充电站的充放电能力后，所得到的目标函数；

步骤5：根据灰狼算法求出最优的解，电动汽车充电站接入配电网后，通过优化接入地点来使得充电站接入配电网后对配电网的影响最小，按照本方案所提方案，M个电动汽车充电站在N个节点的路‑电耦合网络中进行布点规划，约束条件复杂，计算量大，因此本方案通过灰狼算法来对本方案所提方案进行求解，灰狼算法包括：(1)狼群分级

灰狼算法中每个解对应一匹狼，领头狼α代表当前最优解，β和δ狼代表次优解，其余解为ω狼；α、β和δ共同决定搜索方向；

(2)包围猎物

狼群中，α、β、δ的方位对各狼接下来移动的方位有很大影响，在灰狼算法中，该过程如下式所示：

D＝|CXP(t)‑X(t)|

X(t+1)＝XP(t)‑AD

式中：A和C为系数向量；Xp(t)为α、β和δ的方位；X(t)和X(t+1)分别为受Xp(t)影响前后，任意一个解的方位；

(3)进攻行为

在灰狼算法中，整个狼群的行进方向由最优的三个解α、β、δ共同决定，该过程体现为进攻方案，可表示为：

式中：X1，X2，X3分别为各狼受α、β、δ影响后的移动方位，三者共同确定出各狼的新方位；

基于灰狼算法的具体求解步骤如下所示：(1)通过步骤1到步骤4所求的结果带入到灰狼算法中进行寻优判断，第一次的求解作为初始解和最优解，与后面的求解结果进行对比判断，最优解作为领头狼，更新a和协同系数向量A，同时更新当前解对猎物影响的随机权重C；

(2)根据电动汽车充电站的初始位置计算和比较的结果，更新狼群的分级和各个狼群的移动方向，通过式 确定狼群的新方位；

(3)根据式D＝|CXP(t)‑X(t)|，X(t+1)＝XP(t)‑AD对电动汽车充电站的最优布点方案进行靠近包围；

(4)根据步骤2，在包围的过程中，对每一次狩猎的结果进行求解，保留最优解，判断是否达到停止条件，满足则狩猎接受，否者返回步骤2继续求解；

(5)直到求得最优解或达到最大收敛次数，输出电动汽车充电站的最优布点规划方案。

2.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，定义电动汽车充电站模型，利用蒙特卡罗抽样过程，得到某时刻接入充电站的电动汽车数量；对于某时刻t的接入电动汽车台数，可以近似用泊松分布表示，其定义如下：式中，λEV，t为某个时刻t的电动汽车接入数量期望值，nEV，t为随机接入的电动汽车台数；

因为泊松分布的期望和方差均为λEV，t，所以特征函数为:it

Ψ(t)＝exp{λEV，t(e ‑1)}充电负荷计算以24小时为单位，以每10分钟为一个间隔，一天共计144个点；每次间隔的总充电负荷为所有电动汽车充电负荷之和:式中：Pi为第i个时间段总充电功率，i＝1，2，……，144：N为在i个时间段电动汽车进入充电站的总量；Pn，i为第n辆车在第i个时间段的充电负荷。

3.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，还基于电动汽车充电站的充放电方案，用于平滑电网的负荷曲线；根据以及电动汽车数量所服从的泊松分布和电动汽车充电时间所服从的正态分布，通过MATLAB对电动汽车的充电日负荷曲线进行模拟，规划电动汽车充电站的容量，具体步骤如下：

1)输入电动汽车的电池容量、方差等参数，充电负荷计算以10分钟为一间隔，一天共计

144个点，计算电动汽车充电站第i时刻电动汽车的数量N；

2)依据起始充电时间的分布，对第i时刻的电动汽车进行分类；

3)根据各类电动汽车电池起始荷电状态的分布，随机产生起始荷电状态，并按照式P＝C‑SOC计算充电所需的容量：

式中：C为EV的电池容量；P为EV的充电功率；

4)返回第二步，重复以上步骤，可得一天内各类电动汽车的充电负荷；

5)叠加电动汽车充电负荷曲线得出总电动汽车充电站充电负荷曲线；负荷曲线的峰值为电动汽车充电站的容量。

4.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，定义母线节点电压偏差量指标，对于有N个母线节点数的配电网络，每个节点的运行电压都不能超额，设节点i的母线节点电压为Ubus‑i，则需满足如下关系式：Ubus‑i,min≤Ubus‑i≤Ubus‑i,max当电动汽车接入配电网后，母线节点电压应接近额定电压UN，它们之间的差值如下所示：

ΔUbus‑i＝Ubus‑i‑UNΔUbus‑i为节点i的母线节点电压Ubus‑i与额定电压UN的偏差；

通过上式，对于i号节点的母线电压偏差可如下式所示：控制所有母线节点电压偏差量最小，将其作为优化目标，定义其为目标S1，相应的S1为：

5.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，定义交流电有功功率裕度水平指标，交流电有功功率裕度水平是衡量电力系统稳定运行的重要指标，电动汽车接入后，要尽可能控制每条交流线的传输有功功率裕度最大，避免出现潮流越限的情况；取平均值的方法已经无法满足实际的需要，现通过方差的求取来表现每条线路潮流的离散程度，尽可能使每个节点求得方差最小，将其作为优化目标，定义其为目标S2，如下式所示：

PEV代表电动汽车与节点i相连的交流线的平均功率，Pk代表与节点i相连的交流线的有功功率水平，M代表与节点i相连的交流线总数。

6.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，定义全网的网损水平指标，在电网运行中，网损过大会导致电能的损失，能源的浪费，甚至还会因为发热造成线路的损坏，引发配电系统的事故；降低网损是重要的经济性目标；

系统的线路损耗采用牛顿‑拉夫逊法进行计算，有功网损表示如下：S3是电力系统网损的目标函数，Ui和Uj分别是节点i和节点j的电压幅值；Gij为节点i和节点j间的支路的电导；NL为输电线路集合；θi，θj为节点i和节点j的电压的相角。

7.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，定义交通流量指标，电动汽车充电站的布局不仅需要考虑对电网的影响，还需要考虑现实情况下交通路网的约束，电动汽车充电站服务的主体之一为电动汽车用户，因此电动汽车充电站的规划方案里面需最大可能的去捕获交通流量，来满足用户的实际需求；交通流量目标函数如下所示：

式中：S4代表交通流量的目标函数，Fi，Fj为线路起点i,终点j的车辆权重系数，dEVCS_k代表交通路网中路径k的长度；

通过OD矩阵对车辆的充电需求进行概率统计，在此基础上对各个节点的待充电车辆数进行仿真模拟，车辆权重系数如下所示：式中：Fi表示节点i的车辆权重系数，nEV表示节点的车辆数，NEV表示交通路网总车辆数。

8.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，定义充电站服务范围指标，电动汽车充电站的布局应尽可能的使充电站的服务范围最大化，服务范围越大，则表示充电站对电动汽车用户的吸引力越强，充电站的充电功率，电价和用户与电站的距离都直接影响着电动汽车充电站对电动汽车用户的吸引力；本方案多提的充电站充电范围目标函数如下所示：式中：Sn_CS表示第n个充电站对EV用户的吸引力，电动汽车充电站的充电范围越大越好，本方案将通过灰狼算法对规划方案求解，为适应算法规则，S5代表电动汽车充电站充电范围的倒数，即S5越小，代表充电范围越大；第n个充电站对EV用户的吸引力如下式：式中：PEVCS_n表示第n个电动汽车充电站的充电功率，λ表示节点i的其他因素影响权重，dEVCS_k表示交通路网中路径k的长度，EEV表示单位距离的耗电量，PEV代表电动汽车充电站的电价；

式中：NEVCS_n表示第n个电动汽车充电站的影响范围包含节点数；N代表交通路网总节点数。

9.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，定义约束条件为：

节点电压约束：Uimin≤Ui≤Uimax，式中，Uimax、Uimin为节点i处电压的最大值和最小值；

支路容量约束： 式中，Pij、Qij为支路上的有功和无功；Sijmax为支允许的最大容量；

电动汽车充电数量及总需求约束：NEV≤NEVCS， 式中，NEV为电动汽车的充电数量，NEVCS为电动汽车充电站的允许充电台数，T为电动汽车充电站内充电桩的数量，SCDZ为充电桩的容量，SEV为电动汽车的容量，SOC为电动汽车的剩余电量；

功率平衡方程约束： 式中，Pi、Qi是在节点i处输入的有功功率和无功功率；PLi、QLi为节点i处负荷的有功功率和无功功率；Gij、Bij为支路的电导和电纳；Ui、Uj为节点i、j的节点电压；PDGi、QDGi是分布式电源向节点i注入的有功功率和无功功率；θij为电压的相角差；

充电站数量约束：0≤ni_EVCS≤1，式中，ni_EVCS为节点i处电动汽车充电站的数量，在规划过程中，每个路网节点智能建设一座电动汽车充电站；

电动汽车充电站服务范围约束：2≤NEVCS_i≤10，式中，NEVCS_i，NEVCS_k分别为第i个和第k个电动汽车充电站的影响范围包含节点数；

电动汽车充电站重合度约束： 式中，NEVCS_i，NEVCS_k分别为第i个和第k个电动汽车充电站的影响范围包含节点数，即电动汽车充电站服务范围，ξ表示两个电动汽车充电站服务范围内相同的节点数，即重合度；在本方案规划方案中，每个电动汽车充电站的重合度不宜过高。