譚洋洋，楊洪耕，徐方維，張曦

(四川大學(xué)電氣信息學(xué)院，成都市 610065)

電動汽車充電站規(guī)劃方案的模糊物元評估方法

譚洋洋，楊洪耕，徐方維，張曦

(四川大學(xué)電氣信息學(xué)院，成都市 610065)

科學(xué)合理地規(guī)劃城市電動汽車充電站是大規(guī)模電動汽車與智能電網(wǎng)友好互動的重要前提。基于模糊物元理論實(shí)現(xiàn)電動汽車充電站規(guī)劃方案評估。分析了城市電動汽車充電站規(guī)劃特征，構(gòu)建了備選充電站評價(jià)指標(biāo)體系。利用模糊物元分析法求解多個備選點(diǎn)的最優(yōu)模糊物元序列，并將該序列作為參考序列。采用熵權(quán)法獲得備選點(diǎn)對應(yīng)評價(jià)指標(biāo)的權(quán)重，通過灰色關(guān)聯(lián)分析法計(jì)算備選點(diǎn)的加權(quán)灰色關(guān)聯(lián)度，并依據(jù)關(guān)聯(lián)度大小確定電動汽車充電站規(guī)劃方案。最后，算例仿真結(jié)果驗(yàn)證了所提方法的合理性和可行性。

電動汽車；充電站規(guī)劃；模糊物元理論；熵權(quán)法；灰色關(guān)聯(lián)分析法；加權(quán)灰色關(guān)聯(lián)度

0 引 言

近年來，隨著我國社會發(fā)展水平不斷提高，電動汽車保有量逐年遞增，國內(nèi)電動汽車充電技術(shù)也正在從“小容量、小規(guī)?！钡难芯颗c示范向“大容量、大規(guī)?！睉?yīng)用發(fā)展[1-2]。隨著國家電網(wǎng)公司允許社會資本投資和運(yùn)營充電站，企業(yè)主導(dǎo)模式(即電動汽車研制和生產(chǎn)企業(yè)或社會企業(yè)投資充電站的模式)成為主流。

電動汽車充電站規(guī)劃問題是城市電動汽車大規(guī)?；瘧?yīng)用的重要研究課題之一。充電站選址規(guī)劃具有多準(zhǔn)則、不相容等特點(diǎn)，所涉及的因素和指標(biāo)較多，不恰當(dāng)?shù)倪x址和容量配置有可能影響城市交通網(wǎng)絡(luò)結(jié)構(gòu)和充電用戶的便利出行，也可能導(dǎo)致電能質(zhì)量問題，進(jìn)而影響電動汽車的推廣與應(yīng)用。國內(nèi)外學(xué)者對電動汽車充電站規(guī)劃問題進(jìn)行了大量研究[3-10]。文獻(xiàn)[5]針對規(guī)劃區(qū)域內(nèi)配網(wǎng)負(fù)荷要求和用戶充電需求，將規(guī)劃區(qū)劃分為多個區(qū)域并提出一種適合區(qū)域電動汽車充電站規(guī)劃模型，該模型采用層次分析法確定待選地址權(quán)重，以充電站建設(shè)投資總費(fèi)用為目標(biāo)函數(shù)。文獻(xiàn)[6]分析了充電站選址規(guī)劃的影響因素，提出充電站負(fù)荷率、投資回收期、充電行駛里程和綜合滿意度4類評價(jià)指標(biāo)對充電站規(guī)劃的經(jīng)濟(jì)性進(jìn)行綜合評估。文獻(xiàn)[7]從電網(wǎng)指標(biāo)、交通指標(biāo)、經(jīng)濟(jì)指標(biāo)和規(guī)劃指標(biāo)等角度出發(fā)，結(jié)合云重心理論構(gòu)建了充電站規(guī)劃評估方法，將定量指標(biāo)和定性指標(biāo)分別進(jìn)行處理并建立相應(yīng)云模型，應(yīng)用加權(quán)偏離度評判充電站地址偏離理想狀態(tài)的程度并依據(jù)評語集給出評估結(jié)果。文獻(xiàn)[8]針對各類充電汽車充電模式進(jìn)行了詳細(xì)分析，提出了充電負(fù)荷預(yù)測模型；對研究區(qū)域進(jìn)行區(qū)劃，選取充電需求較高的區(qū)域，并確定充電需求系數(shù)，進(jìn)而建立電動汽車充電站最優(yōu)選址規(guī)劃模型。文獻(xiàn)[9]計(jì)及電動汽車充電站運(yùn)營周期內(nèi)充電站成本效益及全壽命周期成本，利用車流量信息估計(jì)充電站容量，建立以交通路網(wǎng)車流量、電網(wǎng)電能質(zhì)量和經(jīng)濟(jì)性、充電用戶需求為約束條件，以充電站運(yùn)營商凈現(xiàn)值收益為目標(biāo)函數(shù)的電動汽車充電站規(guī)劃模型。文獻(xiàn)[10]研究了電動出租車隨機(jī)行為，以出租車行為特性與需求分布、配電網(wǎng)結(jié)構(gòu)及容量為約束條件，以充電站建設(shè)費(fèi)用、設(shè)備維護(hù)費(fèi)用、網(wǎng)損費(fèi)用和充電行為時(shí)間成本等總費(fèi)用為目標(biāo)函數(shù)建立充電站規(guī)劃模型?，F(xiàn)有研究成果已初步形成了充電站規(guī)劃的基本理論，對實(shí)際規(guī)劃具有重要的指導(dǎo)意義。但現(xiàn)有文獻(xiàn)對充電站規(guī)劃方案目標(biāo)的分析缺乏綜合考慮，忽略了企業(yè)主導(dǎo)模式下社會企業(yè)投資充電站所考慮的選址因素與電力公司主導(dǎo)模式下選址因素的差異，導(dǎo)致充電站選址不合理。

首先，該文深入分析影響城市電動汽車充電站規(guī)劃的因素，建立充電站規(guī)劃方案的評價(jià)指標(biāo)體系；其次，對備選點(diǎn)進(jìn)行定性分析和定量計(jì)算，建立多維復(fù)合模糊物元矩陣，根據(jù)評價(jià)指標(biāo)的隸屬度計(jì)算方法求解得到隸屬度矩陣，并選擇各評價(jià)指標(biāo)的隸屬度的最大值作為最優(yōu)模糊物元序列；再次，結(jié)合熵權(quán)法和灰色關(guān)聯(lián)分析法計(jì)算各個規(guī)劃方案的加權(quán)灰色關(guān)聯(lián)度，按關(guān)聯(lián)度大小排序選擇電動汽車充電站規(guī)劃方案。最后，通過仿真分析和與其他方法對比進(jìn)行驗(yàn)證。

1 充電站規(guī)劃評價(jià)指標(biāo)體系

充電站作為城市電動汽車能量交換中心，在滿足充電用戶需求方面起著非常重要的作用?？茖W(xué)合理的充電站規(guī)劃方案直接影響整個城市充電服務(wù)網(wǎng)絡(luò)的運(yùn)行效益，也會影響城市配電網(wǎng)、城市交通安全。因此，兼顧電動汽車充電站選址過程中社會投資者經(jīng)濟(jì)效益、電網(wǎng)公司經(jīng)濟(jì)效益以及充電用戶經(jīng)濟(jì)效益，才能推動電動汽車的大規(guī)模應(yīng)用。

1.1 電動汽車充電站規(guī)劃影響因素分析

影響電動汽車充電站規(guī)劃方案的因素很多，綜合起來可以概括為以下幾個方面。

(1)電動汽車充電站應(yīng)建設(shè)在城市主干道、交通樞紐以及鄰近重要公路，這些地區(qū)車流量大，消耗電量也較大。

(2)電動汽車充電站應(yīng)具備便利的進(jìn)出口通道，既要方便車輛充電，又要避免干擾交通運(yùn)輸，提高城市道路的通行能力。

(3)電動汽車充電站規(guī)劃既要一定的規(guī)模滿足城市充電用戶的需求，又要將充電站規(guī)劃成本控制在合理的范圍內(nèi)，以實(shí)現(xiàn)較好的投入產(chǎn)出比，這是吸引投資者建站的前提和基礎(chǔ)。

(4)電動汽車充電站分布應(yīng)避免過于集中而造成資源浪費(fèi)，應(yīng)保證有充足的車輛進(jìn)站充電。

(5)電動汽車充電站可看作大型充電負(fù)荷，站內(nèi)充電設(shè)備運(yùn)行時(shí)應(yīng)避免對電網(wǎng)造成沖擊。企業(yè)主導(dǎo)模式下，社會企業(yè)新建的充電站可看作大型用戶。首先，電力公司會對該大型用戶接入配電網(wǎng)后諧波污染程度、配電網(wǎng)負(fù)載率、電壓水平和網(wǎng)損等指標(biāo)進(jìn)行評估；然后，電力公司根據(jù)評估結(jié)果要求該大型用戶就地治理諧波直至滿足國家標(biāo)準(zhǔn)。因此，投資者應(yīng)重點(diǎn)考慮充電站的諧波污染程度。

1.2 電動汽車充電站選址評價(jià)指標(biāo)體系

綜合考慮城市電動汽車充電站規(guī)劃過程中社會效益、投資者經(jīng)濟(jì)效益和充電者經(jīng)濟(jì)效益，確立了以下8個指標(biāo)。

(1)設(shè)計(jì)規(guī)模。設(shè)計(jì)規(guī)模指電動汽車充電站總充電容量，一般根據(jù)充電機(jī)數(shù)量來確定。

(2)投資成本。投資成本指投資規(guī)劃整個電動汽車充電站的所有費(fèi)用，包括購買土地成本、購買充電設(shè)備和配電變壓器成本、設(shè)備維修成本、供電損耗成本以及人員工資成本。實(shí)際計(jì)算中可將所有與充電機(jī)投資有關(guān)的費(fèi)用通過引入折算系數(shù)折算至單臺充電機(jī)投資成本，然后再加上充電站固定投資成本，這樣投資成本和設(shè)計(jì)規(guī)模成函數(shù)關(guān)系。

(3)便利程度。便利程度指充電用戶駛向電動汽車充電站的行駛時(shí)間與站內(nèi)消耗時(shí)間(含等待時(shí)間和平均充電時(shí)間)的總體時(shí)間大小。其中行駛時(shí)間和站內(nèi)消耗時(shí)間可分別求取期望值得到，兩者期望值相加即為總體時(shí)間。

(4)鄰站距離。鄰站距離指待建電動汽車充電站距離現(xiàn)有充電站的最短距離。

(5)總車流量?？傑嚵髁恐?日內(nèi)經(jīng)過電動汽車充電站站前的車輛總數(shù)。

(6)進(jìn)站率。進(jìn)站率指進(jìn)入充電站進(jìn)行充電的車輛占從電動汽車充電站前經(jīng)過的車輛的比例。

(7)單車充電量。不同型號的電動汽車的充電量有所區(qū)別，即便是同一款電動汽車的充電量也可能不同?？赏ㄟ^歸類法把充電容量差不多的車輛歸為一類，對每一類的車輛取平均充電量。

(8)諧波污染程度。諧波污染程度指充電站站內(nèi)設(shè)備運(yùn)行時(shí)在公共連接點(diǎn)產(chǎn)生的電壓總諧波畸變率。在實(shí)際制定規(guī)劃方案時(shí)，本文將來自上級電網(wǎng)諧波電壓的滲透和本級電網(wǎng)其他諧波源考慮為背景諧波[11]，諧波污染程度僅考慮充電站本身發(fā)射的諧波，諧波污染程度可在PSCAD仿真軟件中搭建仿真模型仿真計(jì)算獲得[12]。

2 模糊物元分析法

2.1 多維復(fù)合模糊物元矩陣

物元分析[13]最早由我國學(xué)者蔡文提出，是一門介于數(shù)學(xué)和實(shí)驗(yàn)分析之間的新學(xué)科，其基本思想是用“事物、特征、模糊量值”有序三元組來描述事物，把這3個元素組成的有序單元稱為物元，并用R= (M,C,V)表示。假設(shè)有m個比較事物，每個事物有n個特征，則構(gòu)成m個比較事物n維復(fù)合模糊物元，其矩陣形式為

(1)

式中：Mi表示第i個比較事物(評價(jià)對象)；Cj表示比較事物的第j個特征(評價(jià)指標(biāo))；xij表示第i個比較事物的第j個特征對應(yīng)的模糊量值。

2.2 隸屬度矩陣

根據(jù)物元理論，首先采用隸屬度計(jì)算方法求取復(fù)合模糊物元矩陣中模糊量值，進(jìn)而將復(fù)合模糊物元矩陣轉(zhuǎn)換為隸屬度矩陣。模糊量值指標(biāo)一般分為正向指標(biāo)、逆向指標(biāo)和固定常數(shù)指標(biāo)，則評價(jià)指標(biāo)的隸屬度計(jì)算也分為3類，并引入從優(yōu)原則，設(shè)μ(xij)表示第i個評價(jià)對象的第j個指標(biāo)的隸屬度。

(1)正向指標(biāo)的隸屬度計(jì)算。

正向指標(biāo)指數(shù)值越大越好的指標(biāo)，根據(jù)正向指標(biāo)的標(biāo)準(zhǔn)化公式[14]可得：

(2)

(2)逆向指標(biāo)的隸屬度計(jì)算。

逆向指標(biāo)指數(shù)值越小越好的指標(biāo)，同理，根據(jù)逆向指標(biāo)的標(biāo)準(zhǔn)化公式可得：

(3)

(3)固定常數(shù)指標(biāo)的隸屬度計(jì)算。

固定常數(shù)指標(biāo)指數(shù)值越接近某個固定常數(shù)越好的指標(biāo)，其表達(dá)式為

(4)

式中c0表示固定常數(shù)。

根據(jù)以上指標(biāo)的隸屬度計(jì)算，可以將復(fù)合模糊物元矩陣R轉(zhuǎn)換為隸屬度矩陣Q，其表示為

(5)

2.3 最優(yōu)模糊物元矩陣

根據(jù)前文隸屬度計(jì)算方法，無論原始指標(biāo)是正向指標(biāo)或逆向指標(biāo)，還是固定常數(shù)指標(biāo)，經(jīng)過式(2)—(4)變換后的指標(biāo)都是正向指標(biāo)。通過選取各指標(biāo)的隸屬度的最大值構(gòu)造最優(yōu)評價(jià)對象M0的最優(yōu)模糊物元矩陣Q0，其表達(dá)式為

(6)

式中μ(x0j) = max(μ(x1j),…,μ(xij), …,μ(xmj))。

3 熵權(quán)法與灰色關(guān)聯(lián)分析法

3.1 熵權(quán)法

熵(Entropy)的概念起源于熱力學(xué)，用來表示任何一種能量在空間中分布的均勻程度。熵理論[15]已經(jīng)廣泛應(yīng)用于概率論、信息論領(lǐng)域，且不同領(lǐng)域?qū)氐亩x也不同。

電動汽車充電站選址決策過程中，不同的評價(jià)指標(biāo)對選址決策的影響程度也不同，為了體現(xiàn)各評價(jià)指標(biāo)的重要性，應(yīng)賦予評價(jià)指標(biāo)不同權(quán)重。熵權(quán)法[16]是一種客觀賦權(quán)方法，廣泛應(yīng)用于指標(biāo)賦權(quán)領(lǐng)域。根據(jù)隸屬度矩陣，采用熵權(quán)法計(jì)算指標(biāo)權(quán)重具體步驟如下所述。

(1)計(jì)算各指標(biāo)熵值，計(jì)算公式為

(7)

其中：

(8)

(2)計(jì)算指標(biāo)的權(quán)重值并進(jìn)行歸一化處理，計(jì)算公式為

(9)

3.2 灰色關(guān)聯(lián)分析法

灰色關(guān)聯(lián)分析法是建立在灰色系統(tǒng)理論基礎(chǔ)上的一種評價(jià)方法[17-18]?；疑P(guān)聯(lián)分析法基本思想是對受多種因素影響的事物和現(xiàn)象從整體觀念出發(fā)進(jìn)行綜合評價(jià)。

根據(jù)隸屬度矩陣可得n個模糊物元序列Mi，且Mi= (μ(xi1),μ(xi2),…,μ(xin))，根據(jù)最優(yōu)模糊物元矩陣可得到一個最優(yōu)模糊物元序列M0= (μ(x01),μ(x02),…,μ(x0n))。本文將序列M0作為參考序列，根據(jù)灰色關(guān)聯(lián)分析理論可知，每個比較序列Mi與參考序列M0對應(yīng)元素的關(guān)聯(lián)系數(shù)計(jì)算公式為

(10)

式中：ξij表示第i個評價(jià)對象對應(yīng)的第j個評價(jià)指標(biāo)的關(guān)聯(lián)系數(shù)；β為分辨系數(shù)，0 <β< 1，β值越小，因素間差異越大，區(qū)分能力越強(qiáng)，通常取0.5。

影響電動汽車充電站選址決策的因素在綜合評價(jià)中占據(jù)的重要性不同。因此，引入影響因素權(quán)重因子，進(jìn)而計(jì)算第i個評價(jià)對象的每個模糊物元序列和最優(yōu)模糊物元序列的加權(quán)灰色關(guān)聯(lián)度Di，即

(11)

將加權(quán)灰色關(guān)聯(lián)度從大到小排序，值越大表示所提電動汽車充電站規(guī)劃方案對影響規(guī)劃決策因素考慮越全面，越符合充電站實(shí)際規(guī)劃要求。

4 評估流程

根據(jù)前文所述，針對電動汽車充電站規(guī)劃初期提出基于模糊物元理論的電動汽車充電站規(guī)劃方案評估方法，其具體評估流程如圖1所示。

圖1 充電站規(guī)劃方案的模糊物元評估方法流程圖Fig.1 Flow chart of fuzzy matter-element method for EV charging station

5 算例分析

5.1 算例1

某市電網(wǎng)公司擬在新建繞城高速公路規(guī)劃建設(shè)1座電動汽車充電站，根據(jù)實(shí)際市場戰(zhàn)略部署和配電網(wǎng)絡(luò)布局，結(jié)合交通車流量、所在位置以及周圍環(huán)境情況，規(guī)劃方案提出4個待建充電站備選點(diǎn)。對于電動汽車充電站投資成本，本文假設(shè)投資成本是充電機(jī)數(shù)量的一次函數(shù)，且折算至單臺充電機(jī)的投資費(fèi)用為10萬元/臺。對各備選地點(diǎn)進(jìn)行實(shí)際考察后，經(jīng)過行業(yè)專家測算和綜合評價(jià)，各備選地點(diǎn)的各項(xiàng)評價(jià)指標(biāo)量化值見表1。

根據(jù)表1給出的各項(xiàng)指標(biāo)值可得到4個評價(jià)對象、8個評價(jià)指標(biāo)的多維復(fù)合模糊物元矩陣R為

(12)

電動汽車充電站規(guī)模需滿足一定規(guī)模，但不會越大越好，而是根據(jù)當(dāng)前充電需求進(jìn)行估算，屬于固定常數(shù)指標(biāo)，本文固定值取13臺。投資成本越低越能吸引投資者，充電用戶能快速到達(dá)充電站并完成充電越能吸引更多的充電用戶，衡量充電站對電網(wǎng)造成的諧波污染程度時(shí)，對配電網(wǎng)絡(luò)造成的影響越小越好，所以投資成本、便利程度以及諧波污染程度3個評價(jià)指標(biāo)屬于逆向指標(biāo)。與相鄰充電站距離越遠(yuǎn)越能獲得更多的充電消費(fèi)者進(jìn)站充電，充電站前總的車流量、進(jìn)站率和單車充電量越大越能提高充電站的收益，所以總車流量、進(jìn)站率和單車充電量均屬于正向指標(biāo)。則根據(jù)式(2)—(4)可得到隸屬度矩陣Q的轉(zhuǎn)置矩陣QT為

表1 繞城高速電動汽車充電站備選點(diǎn)評價(jià)指標(biāo)量化值
Table 1 Quantized values of evaluation index for EV charging station alternative points around beltway

(13)

根據(jù)式(6)得到最優(yōu)模糊物元矩陣Q0為

Q0=[1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0]

(14)

首先按式(7)—(10)分別計(jì)算充電站各項(xiàng)評價(jià)指標(biāo)歸一化處理后的權(quán)重值以及關(guān)聯(lián)系數(shù)，然后按式(11)計(jì)算各個備選充電站站點(diǎn)的組合加權(quán)灰色關(guān)聯(lián)度，結(jié)果列于表2中。

表2 備選點(diǎn)加權(quán)灰色關(guān)聯(lián)度(算例1)
Table 2 Weighted gray relational degree of alternative points(Example 1)

從表2可知，2號備選點(diǎn)關(guān)聯(lián)度為0.6399，明顯大于其他幾個備選點(diǎn)，所以選擇2號備選點(diǎn)作為電動汽車充電站規(guī)劃方案。

根據(jù)表1列出的評價(jià)指標(biāo)，對運(yùn)營商而言，可通過競爭談判等方式降低投資成本，可通過電價(jià)優(yōu)惠等方式提高電動汽車進(jìn)站率，可通過采用更加先進(jìn)的充電技術(shù)提高單車平均充電量。因此，本文通過改變4號備選點(diǎn)的投資成本、進(jìn)站率和單車充電量3個指標(biāo)的模糊量值，其他指標(biāo)模糊量值保持不變，分析上述3個指標(biāo)對加權(quán)灰色關(guān)聯(lián)度的影響，分析結(jié)果如圖2所示。

圖2 各備選點(diǎn)關(guān)聯(lián)度與評價(jià)指標(biāo)的關(guān)系Fig.2 Relationship between correlation degree of alternative points and evaluation index

根據(jù)圖2(a)可知，減少4號備選點(diǎn)的投資成本，2號和4號備選點(diǎn)的關(guān)聯(lián)度逐漸減小，當(dāng)4號備選點(diǎn)投資總成本小于195萬元時(shí)，4號備選點(diǎn)的關(guān)聯(lián)度大于2號備選點(diǎn)的關(guān)聯(lián)度，則充電站規(guī)劃方案應(yīng)選擇4號備選點(diǎn)作為充電站規(guī)劃地址。如圖2(b)所示，投資者采取有效激勵或優(yōu)惠措施提高進(jìn)站率也可達(dá)到同樣的效果。當(dāng)進(jìn)站率大于3.4%時(shí)，4號備選點(diǎn)替代2號備選點(diǎn)作為新的充電站規(guī)劃地址。同理，如圖2(c)所示，運(yùn)營商采用先進(jìn)充電技術(shù)不但能節(jié)約充電者充電時(shí)間，還能提高單車平均充電量。當(dāng)4號備選點(diǎn)單車平均充電量大于47.5 kW·h時(shí)，4號備選點(diǎn)也取代2號備選點(diǎn)成為新的充電站規(guī)劃地址。

由此可知，各個充電站備選點(diǎn)對應(yīng)的各項(xiàng)評價(jià)指標(biāo)對最后電動汽車充電站規(guī)劃方案會產(chǎn)生較大影響。因此，實(shí)際規(guī)劃設(shè)計(jì)時(shí)應(yīng)充分考慮備選點(diǎn)采取有效措施后計(jì)算各個評價(jià)指標(biāo)量化值。

5.2 算例2

算例應(yīng)用本文所提評估方法對文獻(xiàn)[19]所得電動汽車充電站規(guī)劃方案進(jìn)行校驗(yàn)，評價(jià)指標(biāo)參數(shù)具體參見文獻(xiàn)。文獻(xiàn)首先對4個備選點(diǎn)進(jìn)行定性描述，其評價(jià)指標(biāo)為征地費(fèi)用及難度、施工難易程度、所屬配電網(wǎng)線路原有負(fù)荷情況以及周圍環(huán)境情況，然后采用FAHP法并根據(jù)專家意見構(gòu)建了評估指標(biāo)體系。因此，本文構(gòu)建的復(fù)合模糊物元矩陣中評價(jià)指標(biāo)的模糊量值取專家評估值，且評價(jià)指標(biāo)均是逆向指標(biāo)，進(jìn)而求得評價(jià)指標(biāo)的隸屬度矩陣Q為

(15)

根據(jù)式(6)求得最優(yōu)模糊物元矩陣Q0為

Q0=[1.000 1.000 1.000 1.000]

(16)

同理，根據(jù)式(7)—(11)計(jì)算各個備選充電站站點(diǎn)的組合加權(quán)灰色關(guān)聯(lián)度，結(jié)果見表3。

表3 備選點(diǎn)加權(quán)灰色關(guān)聯(lián)度(算例2)
Table 3 Weighted gray relational degree of alternative points(Example 2)

從表3可以看出，綜合評估后在4號備選點(diǎn)建設(shè)電動汽車充電站是最優(yōu)規(guī)劃方法，即采用本文所提的模糊物元評估方法所得結(jié)果與文獻(xiàn)[19]結(jié)果一致，進(jìn)一步說明了本文所提方法是可行的。

6 結(jié) 論

隨著國家政策的扶持，電動汽車的大規(guī)模應(yīng)用給企業(yè)主導(dǎo)模式下的投資企業(yè)帶來了機(jī)遇，而充電站規(guī)劃設(shè)計(jì)卻面臨著一系列新挑戰(zhàn)。本文針對現(xiàn)有充電站規(guī)劃問題，提出一種基于模糊物元理論的電動汽車規(guī)劃方案評估方法。通過算例1發(fā)現(xiàn)，本文所提方法能方便快捷從充電站備選規(guī)劃方案中找出最終規(guī)劃方案。通過分析投資成本、進(jìn)站率和單車充電量等可變參數(shù)對規(guī)劃結(jié)果的影響，運(yùn)營商采取科學(xué)合理的激勵措施不但能調(diào)整規(guī)劃結(jié)果，還能增進(jìn)投資者的收益。最后，算例2應(yīng)用本文所提方法與其他文獻(xiàn)所提方法對比驗(yàn)證了本文方法的可行性和有效性。

本文所提方法為電動汽車充電站初期規(guī)劃提供了一種全新的定量分析思路；使用伏羅諾伊圖將規(guī)劃區(qū)域劃分為多個充電服務(wù)區(qū)，在各個服務(wù)區(qū)內(nèi)應(yīng)用本文所提方法評估與選擇充電站站址，可實(shí)現(xiàn)規(guī)劃區(qū)域多個電動汽車充電站的選擇?？紤]不同主體投資建設(shè)充電站所追求利益的不同、靈活的市場多主體交互機(jī)制等對電動汽車充電站規(guī)劃方案的影響是本文下一階段的研究內(nèi)容。

[1]楊冰，王麗芳，廖承林.大規(guī)模電動汽車充電需求及影響因素[J].電工技術(shù)學(xué)報(bào)，2013，28(2)：22-35.

YANG Bing，WANG Lifang，LIAO Chenglin.Research on power-charging demand of large-scale electric vehicles and its impacting factors[J].Transactions of China Electrotechnical Society，2013，28(2)：22-35.

[2]羅卓偉，胡澤春，宋永華，等.大規(guī)模電動汽車充放電優(yōu)化控制及容量效益分析[J].電力系統(tǒng)自動化，2012，36(10)：19-26.

LUO Zhuowei，HU Zechun，SONG Yonghua，et al.Coordinated charging and discharging of large-scale plug-in electric vehicles with cost and capacity benefit analysis[J].Automation of Electric Power Systems，2012，36(10)：19-26.

[3]WANG Hengsong，HUANG Quang，ZHANG Changhua，et al.A novel approach for the layout of electric vehicle charging station[C]// Proceedings of 2010 International Conference on Apperceiving Computing and Intelligence Analysis.Chengdu，China：IEEE，2010：64-70.

[4]LIU Z，WEN F，LEDWICH G.Optimal planning of electric vehicle charging stations in distribution systems[J].IEEE Transactions on Power Delivery，2013，28(1)：102-110.

[5]寇凌峰，劉自發(fā)，周歡.區(qū)域電動汽車充電站規(guī)劃的模型與算法[J].現(xiàn)代電力，2010，27(4)：44-48.

KOU Lingfeng，LIU Zifa，ZHOU Huan.Modeling algorithm of charging station planning for regional electric vehicle[J].Modern Electric Power，2010，27(4)：44-48.

[6]張成，滕歡.電動汽車充電站規(guī)劃模型及評價(jià)方法[J].電力系統(tǒng)及其自動化學(xué)報(bào)，2014，26(1)：49-52.

ZHANG Cheng，TENG Huan.Planning model and evaluation method for electric vehicle charging station[J].Proceedings of the CSU-EPSA，2014，26(1)：49-52.

[7]彭澤君，蘭劍，陳艷，等.基于云重心理論的電動汽車充電站選址方法[J].電力建設(shè)，2015，36(4)：1-7.

PENG Zejun，LAN Jian，CHEN Yan，et al.EV charging station sitting method based on cloud focus theory[J].Electric Power Construction，2015，36(4)：1-7.

[8]楊俊，廖斌杰，王小蕾，等.基于分區(qū)需求系數(shù)的電動汽車充電設(shè)施規(guī)劃[J].電力建設(shè)，2015，36(7)：52-60.

YANG Jun，LIAO Binjie，WANG Xiaolei，et al.Planning of charging facilities of electric vehicles based on geographical zonal charging demand coefficients[J].Electric Power Construction，2015，36(7)：52-60.

[9]黃小慶，楊夯，陳頡，等.基于LCC和量子遺傳算法的電動汽車充電站優(yōu)化規(guī)劃[J].電力系統(tǒng)自動化，2015，39(17)：176-182.

HUANG Xiaoqing，YANG Hang，CHEN Jie，et al.Optimal planning of electric vehicle charging stations based on life cycle cost and quantum genetic algorithm[J].Automation of Electric Power Systems，2015，39(17)：176-182.

[10]葛少云，李榮，韓俊，等.考慮電動出租車隨機(jī)概率行為特性的充電站規(guī)劃[J].電力系統(tǒng)自動化，2016，40(4)：50-58.

GE Shaoyun，LI Rong，HAN Jun，et al.Charging station planning considering probability behavior characteristic of electric taxi[J].Automation of Electric Power Systems，2016，40(4)：50-58.

[11]趙熙, 楊洪耕.基于快速獨(dú)立分量分析的系統(tǒng)側(cè)諧波阻抗計(jì)算方法[J].電力系統(tǒng)自動化，2015，39(23)：139-144.

ZHAO Xi，YANG Honggeng.Method of calculating system-side harmonic impedance based on FastICA[J].Automation of Electric Power Systems，2015，39(23)：139-144.

[12]李娜，黃梅.不同類型電動汽車充電機(jī)接入后電力系統(tǒng)的諧波分析[J].電網(wǎng)技術(shù)，2011，35(1)：170-174.

LI Na，HUANG Mei.Analysis on harmonics caused by connecting different types of electric vehicle chargers with power network[J].Power System Technology，2011，35(1)：170-174.

[13]蔡文.物元分析[M].廣州：廣東高等教育出版社，1987.

[14]郭亞軍.綜合評價(jià)理論、方法及應(yīng)用[M].北京：科學(xué)出版社，2007.

[15]萬俊，邢煥革，張曉暉.基于熵理論的多屬性群決策專家權(quán)重的調(diào)整算法[J].控制與決策，2010，25(6)：907-910.

WAN Jun，XING Huange，ZHANG Xiaohui.Algorithm of adjusting weights of decision-makers in multi-attribute group decision-making based on entropy theory[J].Control and Decision，2010，25(6)：907-910.

[16]賈樂剛，楊軍.基于 AHP - 熵權(quán)法的電動汽車充電站運(yùn)行能效評估[J].電力建設(shè)，2015，36(7)：209-215.

JIA Legang，YANG Jun.Running energy efficiency assessment in electric vehicle charging station based on AHP-Entropy method[J].Electric Power Construction，2015，36(7)：209-215.

[17]劉思峰.灰色系統(tǒng)理論的產(chǎn)生與發(fā)展[J].南京航空航天大學(xué)學(xué)報(bào)，2004，36(2)：267-272.

LIU Sifeng.Emergence and development of grey system theory and its forward trends[J].Journal of Nanjing University of Aeronautics and Astronautics，2004，36(2)：267-272.

[18]羅毅，李昱龍.基于熵權(quán)法和灰色關(guān)聯(lián)分析法的輸電網(wǎng)規(guī)劃方案綜合決策[J].電網(wǎng)技術(shù)，2013，37(1)：77-81.

LUO Yi，Li Yulong.Comprehensive decision-making of transmission network planning based on entropy weight and grey relational analysis [J].Power System Technology，2013，37(1)：77-81.

[19]高亞靜，郭艷東，李天天.城市電動汽車充電站兩步優(yōu)化選址方法[J].中國電力，2013，46(8)：143-147.

GAO Yajing，GUO Yandong，LI Tiantian.Optimal location of urban electric vehicle charging stations using a two-step method[J].Electric Power，2013，46(8)：143-147.

(編輯 張媛媛)

Fuzzy Matter-Element Assessment Method of Electric Vehicle Charging Station Planning

TAN Yangyang，YANG Honggeng，XU Fangwei，ZHANG Xi

(School of Electrical Engineering and Information, Sichuan University, Chengdu 610065, China)

The scientific and rational planning of urban electric vehicles (EVs) charging station is an important prerequisite for large-scale EVs interacting with smart grid friendly.This paper realizes the planning assessment of EV charging station based on fuzzy matter-element theory.We analyze the features of urban EV charging station, and establish the evaluation index system for alternative charging station.We adopt fuzzy-matter element analysis method to obtain the optimal fuzzy matter-element sequence with alternative points, which is taken as a reference sequence.Then, we use the entropy method to obtain the weights of alternative points corresponding evaluation index, calculate the weighted gray relational degree of alternative points through gray correlation analysis method, and determine the planning scheme of EV charging station based on the size of correlation degree.Finally, the simulation results verify the rationality and feasibility of the proposed method.

electric vehicle; charging station planning; fuzzy matter-element theory; entropy method; gray correlation analysis method; weighted gray relational degree

國家自然科學(xué)基金項(xiàng)目(51377111)

Project supported by National Natural Science Foundation of China(51377111)

TM 715;U 469.72

A

1000-7229(2016)09-0036-07

10.3969/j.issn.1000-7229.2016.09.005

2016-05-16

譚洋洋(1991)，男，碩士研究生，研究方向?yàn)殡妱悠嚦潆娬緝?yōu)化配置；

楊洪耕(1949)，男，教授，博士生導(dǎo)師，研究方向?yàn)殡娔苜|(zhì)量控制技術(shù)、電力系統(tǒng)穩(wěn)定與控制；

徐方維(1978)，女，博士，講師，本文通信作者，研究方向?yàn)殡娔苜|(zhì)量與優(yōu)質(zhì)供電；

張曦(1990)，男，碩士研究生，研究方向?yàn)橹鲃优潆娋W(wǎng)規(guī)劃與運(yùn)行優(yōu)化。