電動汽車充電站是未來新能源汽車必不可少的部件，總結(jié)最新的關(guān)于電動車充電的技術(shù)文獻(xiàn)，可以發(fā)現(xiàn)，充電站建設(shè)主要聚焦三大類型，一是基于不同能源的充電站，二是充電站的能源管理，三是充電站的位置確定。不同能用充電站包括了一般的電能、太陽能、風(fēng)能和機(jī)械飛輪儲能等能源。充電站的能源管理是提升充電效率的關(guān)鍵，包括脈沖電流充電站、充電調(diào)度、充電站數(shù)據(jù)與經(jīng)濟(jì)分析。本文介紹的充電站位置設(shè)計(jì)包括電動車路徑上充電站設(shè)計(jì)、城市充電站網(wǎng)絡(luò)優(yōu)化與配置。

1 基于不同能源的充電站

1.1 電動汽車太陽能充電站的整合與管理[1]

本文針對不確定性情景，旨在提出一個潛在模型，將太陽能的電力輸送到電動汽車充電站的路線設(shè)計(jì)。使用MATLAB和SIMULINK建立了一個包含電氣控制系統(tǒng)的專用系統(tǒng)。設(shè)計(jì)了一個系統(tǒng)（圖1），用于改善電動汽車充電點(diǎn)與電池存儲系統(tǒng)之間的相互作用，其中電氣控制系統(tǒng)開發(fā)正確的占空比，以穩(wěn)定和調(diào)節(jié)DC/DC電源轉(zhuǎn)換站的電壓。

圖1 太陽能充電/儲存系統(tǒng)

在MATLAB/SIMULINK上模擬200 kWh的太陽能系統(tǒng)容量，其中添加了200 kWh存儲系統(tǒng)以平衡較高溫度和較低輻照度下的能源需求。該存儲系統(tǒng)由太陽能系統(tǒng)充電，燃料發(fā)電機(jī)還增加了200kWh的容量，在能量下降到60%后對存儲系統(tǒng)充電。存儲系統(tǒng)在干擾期間向電動車輛充電站供電并且減少來自太陽能系統(tǒng)的發(fā)電量。電動汽車充電站最大功耗為103.50千瓦時，由四個充電點(diǎn)組成。使用絕緣柵雙極晶體管（IGBT）進(jìn)行DC/DC電源轉(zhuǎn)換，其中MATLAB函數(shù)編碼環(huán)境用于控制IGBT的頻率并穩(wěn)定太陽能系統(tǒng)的電壓。通過使用低通濾波器，可以緩解尖峰和瞬態(tài)，實(shí)現(xiàn)電能質(zhì)量。研究溫度、輻照度和過載如何影響系統(tǒng)的功率調(diào)節(jié)。具體而言，調(diào)查了電壓不穩(wěn)定性和瞬態(tài)，可編程保護(hù)斷路器來保護(hù)充電終端。實(shí)施控制功率轉(zhuǎn)換系統(tǒng)和分析控制系統(tǒng)中的功率流。

系統(tǒng)中的損耗降低到1%。在檢查模擬結(jié)果后，得出結(jié)論：基于直流高壓的電動車輛充電站減少了電池充電時間。仿真結(jié)果經(jīng)數(shù)學(xué)建模和理論分析進(jìn)行了驗(yàn)證。在正常的環(huán)境條件下，太陽能系統(tǒng)已經(jīng)產(chǎn)生滿負(fù)荷的電能，足以用于電動車充電站。未來工作的方向是將通信系統(tǒng)整合到電動車輛充電站，以檢查來自太陽能/存儲系統(tǒng)的能量流。此通信應(yīng)與在多個點(diǎn)上實(shí)施的智能傳感器相連，如DC/DC太陽能轉(zhuǎn)換器，DC/DC存儲轉(zhuǎn)換器和電網(wǎng)。這將改善在太陽能/存儲器或轉(zhuǎn)換器干擾期間對電動車充電終端的保護(hù)。

1.2 電動汽車太陽能無線充電站[2]

電動車的長途旅行在很大程度上受到限制。本文提出了利用無線電力傳輸?shù)碾妱悠囂柲艹潆娬镜脑O(shè)計(jì)，從而克服了傳統(tǒng)日常技術(shù)存在的問題。采用無線電力的傳輸方法，將太陽能從光伏（PV）電池板轉(zhuǎn)移到電動車輛中。太陽能電池板被認(rèn)為是建立一個獨(dú)立的發(fā)電站，從而最大限度地減少對傳統(tǒng)能源的依賴。太陽能電池板通過太陽發(fā)出的光能來產(chǎn)生電能。從光伏板獲得的能量通過太陽能充電控制器饋送到電動汽車的電池中，太陽能充電控制器使PV電池的功率輸出最大化。發(fā)射器電路將從電源電池獲得的DC電源轉(zhuǎn)換成高頻AC輸出，然后借助于發(fā)射線圈以電磁（EM）波的形式將其發(fā)送到負(fù)載。具有置于電動車內(nèi)的接收線圈的接收器電路對接收到的電波進(jìn)行解碼并產(chǎn)生相應(yīng)的直流輸出，對電動車輛的電池進(jìn)行充電。整個裝置結(jié)構(gòu)緊湊，從而減少了占地空間，因此易于安裝和維護(hù)。

與有線傳輸相比，無線功率傳輸?shù)氖褂米C明是有用的和有效的，此外，如該模型所示，在不久的將來可以大規(guī)模安裝無線電站。太陽能的使用減少了電站對政府或私人參與者對電力輸入的依賴。這增加了其多功能性，并使其適用于接收充足的太陽輻射。

無線傳輸：涉及的無線傳輸模式是考慮功率和距離參數(shù)的電感耦合。振蕩器輸出用于激勵作為發(fā)射器的銅線圈。線圈產(chǎn)生的磁通量與設(shè)置在車輛中的接收器線圈相連。連接的線圈然后在其末端產(chǎn)生交流輸出，從而指示成功的功率傳輸。該交流電源不能存儲在電池中，并且使用該整流器，其輸出被提供給電動車輛中的電池。

1.3 基于太陽能和風(fēng)能的電動車充電站[3]

本文介紹了基于太陽能和風(fēng)能的充電機(jī)制（SW?CM），以生成用于對電動車輛（EV）的電池組充電的電力?？稍偕潆娬居商柲芄夥≒V）模塊和風(fēng)力發(fā)電機(jī)組成。SWCM極大地降低了化石燃料發(fā)電的需求，從而大大降低了二氧化碳和一氧化碳排放。風(fēng)能和太陽能等可再生能源利用單和二極管模型進(jìn)行建模，并對風(fēng)能發(fā)電進(jìn)行了分析建模（圖2）。針對所提出的SWCM，已在MATLAB-Simulink中開發(fā)了仿真模型。已經(jīng)在不同的輻照度水平下研究了太陽能電池板的特性，并且已經(jīng)在兩種不同的負(fù)載（1kW和3kW）條件下研究了風(fēng)力渦輪機(jī)的不同參數(shù)。有兩個單向直流（DC）-直流轉(zhuǎn)換器連接到PV模塊，風(fēng)力渦輪機(jī)和六個雙向DC-DC轉(zhuǎn)換器連接到十個充電點(diǎn)，為電動車輛提供充電。為了平衡負(fù)載需求，所提出的系統(tǒng)通過三相雙向DC-AC（交流）逆變器連接到電網(wǎng)。

圖2 電動汽車充電站

可再生充電站采用10m×20m的太陽能光伏組件SPM050-P和額定風(fēng)速12米/小時的垂直軸風(fēng)力發(fā)電機(jī)組（WKV-10000）。對過去五年（2012-2017）的天氣報(bào)告進(jìn)行了分析，提取的統(tǒng)計(jì)數(shù)據(jù)顯示，有276個晴天。太陽能光伏在這些日子里可以產(chǎn)生全部功率，而在其余日子里，太陽能光伏可以產(chǎn)生全部功率，可以通過太陽能和風(fēng)能來管理功率需求，并且可以從電網(wǎng)獲取充電EV所需的平衡能量。必須估算充電站從太陽能光伏組件和風(fēng)力發(fā)電機(jī)產(chǎn)生的總功率。

所得結(jié)果表明，所提出的可再生充電機(jī)制適用于電動車充電，從而創(chuàng)造無污染的環(huán)境。

1.4 基于飛輪的快速充電站[4]

本文介紹了新型基于飛輪的快速充電站（FFCS，圖3），用于公共電動客車的高性能充電基礎(chǔ)設(shè)施，設(shè)計(jì)標(biāo)準(zhǔn)將為快速充電站。利用飛輪儲能系統(tǒng)為充電站提供先進(jìn)的能量儲存，實(shí)現(xiàn)清潔的公共交通，包括使電動巴士減少溫室氣體和二氧化碳排放。

圖3 FFCS設(shè)計(jì)

建模和管理系統(tǒng)在車站中的集成，由基于決策的控制平臺執(zhí)行，該平臺協(xié)調(diào)快速充電器，飛輪存儲框架，光伏電池和公用事業(yè)網(wǎng)絡(luò)之間的電力流動。飛輪架構(gòu)的電力流動與公用事業(yè)網(wǎng)絡(luò)的電力流動之間存在一種整齊的交流電。飛輪動能儲存系統(tǒng)在響應(yīng)時間和能量密度方面提供了非常強(qiáng)大的功能。而且，對于一些不同種類的車輛，這種技術(shù)可以為電力需求提供全部能量。汽車中的這種技術(shù)可以滿足集成挑戰(zhàn)，如質(zhì)量、效率和成本，可以給出飛輪儲能系統(tǒng)的技術(shù)經(jīng)濟(jì)優(yōu)化。該系統(tǒng)的簡單介紹由飛輪、永磁同步電機(jī)和電源轉(zhuǎn)換器組成。對于系統(tǒng)的每個部分，都可以提出物理和經(jīng)濟(jì)模型。最后，經(jīng)濟(jì)優(yōu)化可以在短程時間內(nèi)完成。飛輪儲能系統(tǒng)已成為世界上重要的儲能系統(tǒng)之一。飛輪儲能系統(tǒng)最近在電力系統(tǒng)和微型電網(wǎng)中應(yīng)用很多，因?yàn)樗鼈冹`活，智能且活躍。除此之外，它們更適合于可再生資源，并被認(rèn)為對環(huán)境友好。由于業(yè)務(wù)儲備基金以及該創(chuàng)新提供的擴(kuò)大盈利能力，現(xiàn)代能源儲存的快速充電已成為標(biāo)準(zhǔn)充電創(chuàng)新?？蛻粢呀?jīng)了解通過許多應(yīng)用程序快速充電的優(yōu)點(diǎn)。提出了一種基于飛輪式快速充電站（FFCS）的模塊化電動汽車控制系統(tǒng)。FFCS的主要目標(biāo)是折中EV電池的預(yù)定義充電曲線，并結(jié)合支持電源框架的遲滯動態(tài)功率轉(zhuǎn)換器。從這個意義上講，當(dāng)動態(tài)功率不與網(wǎng)絡(luò)分開時，F(xiàn)FCS將提供維持EV電池持續(xù)充電過程所需的功率。整個控制框架的關(guān)鍵商標(biāo)是可以在公用事業(yè)網(wǎng)絡(luò)和FFCS之間沒有任何離散的情況下工作。

2 充電站的能量管理

2.1 電動汽車充電站的充電調(diào)度與性能分析[5]

本文提出了一個電動汽車（EV）電池充電系統(tǒng)的隨機(jī)模型和充電調(diào)度方法。利用隱馬爾可夫鏈的泊松過程來模擬EV電流隨時間變化的行為，預(yù)測系統(tǒng)中的復(fù)雜性。在所提出的隨機(jī)模型中考慮了相關(guān)的隨機(jī)因素和約束，其中包括停車時間、需求的電量、停車場（充電設(shè)施）的數(shù)量和最大需求水平。通過獲得有關(guān)駛?cè)氤潆娬镜碾妱榆囕v數(shù)量、等待時間的分布以及在隨機(jī)停車時間和電費(fèi)聯(lián)合分布的狀態(tài)，來分析所提出的收費(fèi)調(diào)度的性能測量。

在獲得穩(wěn)態(tài)分布和一些條件分布后，得出了兩種充電調(diào)度方法的性能指標(biāo)：系統(tǒng)內(nèi)完全充電的概率、給定停車時間和所需充電能量的合理期望。此外，在所提出的隨機(jī)模型下采用了馬爾可夫調(diào)制的靈活泊松過程將EV到達(dá)的時變行為并入停車場。這種研究的結(jié)果可能是有意義的，因?yàn)樵S多電動汽車司機(jī)在某段時間內(nèi)會頻繁出現(xiàn)公寓樓、百貨商店或辦公樓，并立即插上電動汽車以便在訪問期間收取費(fèi)用。根據(jù)真實(shí)的充電站環(huán)境，可以估計(jì)或修改隨機(jī)因素的參數(shù)和所提出的模型的約束。也可以考慮基于兩種典型的充電調(diào)度方法的修改，并且可以相應(yīng)地執(zhí)行性能分析。未來的研究也可以解決許多其他問題。例如，戰(zhàn)略性運(yùn)營決策，例如當(dāng)快速和慢速充電設(shè)備可用于安裝或儲能系統(tǒng)的影響時使用的最佳快速充電器數(shù)量。設(shè)計(jì)包括充電系統(tǒng)成本和EV駕駛員滿意度的調(diào)度方法也是有價(jià)值的。由于充電站消耗的電力的單位成本隨充電時電價(jià)的變化而波動，特別是在高峰需求時，與智能電網(wǎng)系統(tǒng)相連的電動汽車充電站的成本效益分析也可能引起人們的興趣。這種稱之為“需求響應(yīng)”的情況很可能在不久的將來在許多國家實(shí)現(xiàn)。

2.2 電動和插電式混合動力車輛的3D視覺機(jī)器人充電站[6]

電動汽車的兩個主要問題是是行駛距離短和充電過程不方便。在本文中，介紹一個帶3D視覺引導(dǎo)的機(jī)器人充電站來解決以上問題，以便插拔充電器。首先，介紹由3D視覺系統(tǒng)，UR10機(jī)器人和充電站組成的整個系統(tǒng)。然后展示用于成功識別和獲取充電端口的，基于形狀的匹配方法。最后，介紹了機(jī)器人運(yùn)動規(guī)劃程序，并演示了其功能。主要分為以下幾步：

（1）充電端口的檢測

使用立體相機(jī)作為視覺傳感器，基于模板的形狀進(jìn)行匹配方法，查找立體圖像中充電端口的位置。建了兩種類型的充電端口模板以及電源插頭連接器，稍后將進(jìn)行手動校準(zhǔn)。使用Halcon機(jī)器視覺軟件進(jìn)行模板匹配，對充電端口進(jìn)行識別。

（2）對機(jī)器人進(jìn)行校準(zhǔn)

對機(jī)器人進(jìn)行手動校準(zhǔn)，主要是從視覺傳感器到機(jī)器人底座之間的坐標(biāo)系轉(zhuǎn)換。使用這種變換，可以將視覺傳感器檢測到的任何物體的位置重新計(jì)算到機(jī)器人的坐標(biāo)系中，從而允許機(jī)器人移動到或避開該特定位置。

（3）機(jī)器人運(yùn)動規(guī)劃

考慮到有限的工作空間和所有的運(yùn)動由相機(jī)測量定義，使用了笛卡爾坐標(biāo)系下的機(jī)器人控制。包含多個運(yùn)動規(guī)劃算法的框架工作?；诳焖偎阉麟S機(jī)樹的算法（RRT）來進(jìn)行運(yùn)動規(guī)劃。使用速度控制器來保證機(jī)器人的運(yùn)動軌跡平滑，且更接近人類。

（4）插入程序

在計(jì)算充電端口的姿態(tài)之后，將插頭中心設(shè)置為坐標(biāo)系的原點(diǎn)。插入程序的目標(biāo)是將連接器插頭與充電端口完美對齊。所以，首先，機(jī)器人高速移動插頭到距離充電端口0.1米范圍內(nèi)的位置。將速度降低到最大機(jī)器人關(guān)節(jié)速度的10%并移動到最終的對齊位置。在這種姿勢下，連接器插頭和充電端口完全與其Z軸對齊，距接觸點(diǎn)僅幾毫米。最后一步是沿著Z軸以最大速度的2%移動并執(zhí)行插入運(yùn)動。

（5）拔下插頭

在車輛充滿電量或達(dá)到所需電池電量后，機(jī)器人必須斷開充電器。在充電過程中沒有位置變化的情況下，拔出過程被簡化為按照相反順序的插入過程的路線。

2.3 電動汽車充電站的數(shù)據(jù)：分析和開發(fā)[7]

本文中，分析了瑞典烏普薩拉的五個充電站（CS）的數(shù)據(jù)。然后使用先前分析的數(shù)據(jù)開發(fā)并驗(yàn)證空間模型。結(jié)果表明，車站的出租率存在很大差異。有些電站比其他電站更頻繁使用。此外，在平均充電時段收取的能源相當(dāng)于駕駛27.7公里，這比烏普薩拉的日常駕駛距離多6%。還有人表示，某些CS中的負(fù)載曲線是兩個或更多不同負(fù)載曲線之間的混合曲線，例如住宅和工作場所的曲線。當(dāng)考慮每個CS來表示不同的充電曲線的混合時，所產(chǎn)生的模型可以反映充電站的負(fù)載。

該模型可以分為三大塊。第一個估計(jì)執(zhí)行行程的概率，第二個將車輛分布在空間網(wǎng)絡(luò)上。最后，第三個估算充電負(fù)荷。

使用了具有三種停車狀態(tài)的非齊次馬爾可夫過程。需要車輛在沒有駕駛時間的情況下，立即在停車狀態(tài)之間交替。在每次充電過程結(jié)束時，大約44分鐘的額外插入時間，對模型的結(jié)果具有小的影響。

該模型假設(shè)所有車輛最初停放在家中。然后，對于每輛車，馬爾可夫鏈被用來確定車輛在每個時間點(diǎn)的位置狀態(tài)S。如果狀態(tài)S在時間t發(fā)生變化，車輛被隨機(jī)分配到具有相同位置狀態(tài)S的城市中的停車場t。直到車輛在未來的時間點(diǎn)改變其狀態(tài)S，車輛的這個位置才改變。在狀態(tài)S變化時，這反過來改變了城市中的位置，行駛距離是從行程調(diào)查獲得的類似狀態(tài)之間的行駛距離隨機(jī)抽樣。

通過假定交流/直流電流，駕駛距離導(dǎo)致根據(jù)交流電消耗率η在夏季和0.15千瓦時/千米之間的夏季和0.25千瓦時/轉(zhuǎn)換效率為0.9。冬季月份被定義為從十二月到三月的月份。在這個模型中，沒有關(guān)于電動汽車電池容量的假設(shè)，相反所有的電動汽車都被假定有足夠的電池來滿足他們的需求，可能在近期的情況下，只有能源消耗。

2.4 基于脈沖電流充電的新型電動汽車充電站[8]

電動汽車的實(shí)施仍面臨許多嚴(yán)峻的挑戰(zhàn)。技術(shù)層面的挑戰(zhàn)是如何為公共場所的電動車輛提供出色的快速充電服務(wù)。為了獲得優(yōu)異的快速充電服務(wù)，已經(jīng)選擇了與恒定電流充電方法相比具有很大優(yōu)勢的脈沖充電方法。本研究的目的是基于脈沖電流充電方法設(shè)計(jì)具有兩個快速充電端口的充電站。實(shí)際和模擬結(jié)果證實(shí)充電站工作正常。

充電站（CS）的一般配置可以由不同的電力存儲和發(fā)電單元組成，具有DC-DC和DC-AC轉(zhuǎn)換器。該架構(gòu)可以連接到微電網(wǎng)（MG）。實(shí)際上，充電端口可以由存儲單元，發(fā)電單元或MG提供。端口總是消耗電力，而風(fēng)力發(fā)電機(jī)總是發(fā)電。如果消耗量大于內(nèi)部發(fā)電量，則MG必須向直流鏈路供電。文中圖2示出了從采用的標(biāo)準(zhǔn)IEEEMG的部分，包括CS，本文研究的CS可以連接到這種MG。CS的功率電子拓?fù)浣Y(jié)構(gòu)，有兩個主要部分，直流鏈路左側(cè)的元件稱為DC-AC級，而直流鏈路右側(cè)的元件稱為DC-DC級。DC-DC包括一些快速充電服務(wù)的端口。每個端口由一個或多個IGBT支路組成。每個端口可以考慮一個，兩個或三個IGBT支路，使設(shè)計(jì)人員能夠在電感器之間共享所需的電流。這反過來又減少了數(shù)量和成本。由于仿真是在不到兩秒的時間內(nèi)完成的，因此已經(jīng)使用Liion電池組的靜電瞬態(tài)模型。已經(jīng)假定施加到三相二極管橋式整流器的端子的三相電壓是平衡的并且具有完全正弦形式。降壓斬波器是一個降壓和升壓DC-DC轉(zhuǎn)換器，穩(wěn)態(tài)運(yùn)行有兩種模式。

本研究的目的是基于脈沖電流技術(shù)設(shè)計(jì)具有兩個快速充電端口的CS。提出了一種特殊的電力電子拓?fù)浣Y(jié)構(gòu)及其控制系統(tǒng)，然后對本文設(shè)計(jì)的CS的小型樣機(jī)進(jìn)行了實(shí)驗(yàn)測試。實(shí)際結(jié)果與仿真結(jié)果一致，并證實(shí)CS工作正常。

2.5 插入式混合動力汽車充電站的能量管理與控制[9]

充電基礎(chǔ)設(shè)施對電動汽車行業(yè)健康快速發(fā)展起著關(guān)鍵作用。本文介紹了一個電動汽車充電站的能源管理和控制系統(tǒng)。充電站（CS）集成到具有風(fēng)力渦輪機(jī)最大功率點(diǎn)跟蹤（MPPT）控制子系統(tǒng)，光伏（PV）MPPT控制子系統(tǒng)和具有電解子系統(tǒng)的受控固體氧化物燃料電池的并網(wǎng)混合動力系統(tǒng)作為可再生能源。在本文中，能源管理系統(tǒng)設(shè)計(jì)同時用于充電和放電五種不同的插電式混合動力電動汽車（PHEV），以實(shí)現(xiàn)電網(wǎng)對車輛（G2V）、車對電網(wǎng)（V2G）、電池存儲系統(tǒng)到電網(wǎng)（BSS2G）、電池存儲系統(tǒng)到車輛（BSS2V）、車輛到電池存儲系統(tǒng)（V2BSS）和車輛到車輛（V2V）充電站的充電和放電要求。在Matlab/Simulink中開發(fā)了一個仿真實(shí)驗(yàn)臺，用于自適應(yīng)地評估和控制不可再生能源的AC-DC-AC轉(zhuǎn)換器，存儲系統(tǒng)的DC-DC轉(zhuǎn)換器，DC-AC電網(wǎng)側(cè)逆變器以及CS采用自適應(yīng)比例積分微分（AdapPID）控制策略。通過與傳統(tǒng)的PID控制方案進(jìn)行比較，通過仿真結(jié)果驗(yàn)證了AdapPID控制策略的有效性。

所有這五款PHEV和BSS都有一個降壓-升壓轉(zhuǎn)換器和一個電壓調(diào)節(jié)器。降壓-升壓轉(zhuǎn)換器由兩個AdapPID控制器控制。一個AdapPID用于降壓模式，另一個用于升壓模式。

電壓調(diào)節(jié)器也由AdapPID控制。CS通過DC-AC轉(zhuǎn)換器連接到HPS的交流總線，DC-AC轉(zhuǎn)換器也由AdapPID控制，給出了由可再生、不可再生能源（微型汽輪機(jī)（MT））、存儲系統(tǒng)（電池和超級電容器（SC））、公用電網(wǎng)和CS組成的所述HPS的細(xì)節(jié)。在HPS中，有兩種類型的負(fù)載連接到交流總線。一個是住宅負(fù)荷（PL），另一個是CS負(fù)荷（PCS）。

2.6 實(shí)施電動汽車充電站的經(jīng)濟(jì)性分期計(jì)劃[10]

本文提出了一種經(jīng)濟(jì)的分段計(jì)劃方法，該方法能夠?qū)⒉咫娛诫妱悠嚕≒EV）充電需求與在配電系統(tǒng)中安裝快速充電站（FCS）進(jìn)行最佳匹配。

擬議的計(jì)劃包括兩個階段，第一階段評估配電系統(tǒng)提供PEV充電需求與基礎(chǔ)設(shè)施的能力。為了研究使用不同類型的收費(fèi)（即第2級，第3級）的影響，考慮PEV負(fù)荷建模時的旅行模式，PEV需求在不同類型的住宅和公共充電設(shè)施之間分配，PEV充電模型見圖4。本文利用最優(yōu)潮流（OPF）分析來獲得現(xiàn)有配電系統(tǒng)。在第二階段，使用經(jīng)濟(jì)分期計(jì)劃模型，將PEV的需求與安裝的FCS容量進(jìn)行最佳匹配。通過包括收費(fèi)服務(wù)的等待時間和服務(wù)時間，所提出的規(guī)劃模型不僅考慮了FCS計(jì)劃的經(jīng)濟(jì)評估，還考慮了FCS服務(wù)的質(zhì)量，對耦合運(yùn)輸和電網(wǎng)的綜合案例進(jìn)行了研究。

圖4 PEV充電模型

結(jié)果表明，在初期階段，不需要進(jìn)行大型配電系統(tǒng)升級，以滿足公眾PEV需求，達(dá)到30%的普及率水平。說明了使用FCS分配和管理PEV需求的影響，目前的工作為FCS投資者提供了評估此類業(yè)務(wù)盈利能力的手段。

3 電動汽車充電站的位置確定

3.1 在電動車輛路徑上設(shè)置充電站[11]

將充電站有效地整合到電動車輛的旅行路徑中并且對充電站的詳細(xì)的位置進(jìn)行規(guī)劃是最重要的。

在這種情況下，考慮以下基本問題：考慮一個電動車輛，在執(zhí)行點(diǎn)對點(diǎn)運(yùn)輸請求時沿著直線路徑移動。每個運(yùn)輸請求由線路上給定的起始位置和目標(biāo)位置定義，并將車輛裝載到許用容量。車輛的電池的最大容量為C，這限制了行駛距離，電池的電量排空就需要充電。為此，將一組充電站放置在電動車的行駛路徑中，其中一個充電站必須在電池耗盡之前及時給車輛充電。此設(shè)置需要解決兩個主要決策問題：在運(yùn)營級別，短期車輛調(diào)度問題將得到解決。在這種情況下，我們的目標(biāo)是在所有給定的運(yùn)輸請求中插入充電事件，從而使交貨時間最小化，并且不會發(fā)生電力故障。在戰(zhàn)略層面上，沿線充電站的位置需要確定。基本的權(quán)衡是要么有更多的車站，這減少了車輛的彎路，或者通過為更多車輛出行的價(jià)格設(shè)立更少的車站來節(jié)省投資成本。只有通過解決日常車輛調(diào)度問題來量化充電站某個位置計(jì)劃是否比另一個位置計(jì)劃更好，這樣兩個問題之間就存在很大的相互依賴關(guān)系。

在我們的計(jì)算研究中，解決了一些管理方面的問題，以下建議可以提供給碼頭管理人員：額外充電站的影響迅速減少。盡管在引入兩個站而不是單個站時減少生產(chǎn)量已經(jīng)不是很大，但更多站的進(jìn)一步減少的生產(chǎn)量是輕微的。然而，更大的電池容量可以顯著提高性能。更大的容量允許在兩次再充電事件之間處理更多的工作，這樣，繞過充電站可能不是必需的，并且加速執(zhí)行給定的出發(fā)傳輸請求。

3.2 電動汽車充電站的有效配置：在密集城市網(wǎng)絡(luò)中的應(yīng)用[12]

電動汽車（EV）的部署需要充電站的優(yōu)化和成本效益的實(shí)施，定義了在真實(shí)網(wǎng)絡(luò)中分配充電站的方法。本研究使用來自家庭旅行調(diào)查的行程OD矩陣信息以及動態(tài)車輛模型，基于實(shí)際行程（城市駕駛循環(huán)）評估EV消耗。

這些行程是根據(jù)路由工具計(jì)算出來的，并提供了路程信息。這使得里昂大都會區(qū)能源需求的準(zhǔn)確表征成為可能。所有參數(shù)都用作整數(shù)線性優(yōu)化程序的輸入，用于充電站的位置確定。該方法基于具有p-擴(kuò)散約束的經(jīng)典固定電荷位置模型的適應(yīng)性。結(jié)果表明，這種方法可以幫助未來在城市范圍內(nèi)實(shí)施充電站。

圖5 充電站位置確定方法

提出了具有擴(kuò)散約束的固定充電位置模型方法。因此，經(jīng)典方案中使用的旅行成本被修改以處理電動汽車的特性。許多因素影響在EV的范圍和消費(fèi)，如電池類型（鉛酸，鋰離子）、行駛距離、道路拓?fù)洌ê０危┖婉{駛行為（期望速度，加速度，交通狀況，電池溫度...）許多研究集中在預(yù)期的行程范圍，以估計(jì)充電站位置模型所需的消耗。但是，其他因素也需要考慮。在我們的模型中，我們定義了處理這些因素的方法。首先，我們使用OD矩陣來確定移動需求并導(dǎo)出能源需求。該OD矩陣來源于法國里昂大都會地區(qū)的最大住戶旅行調(diào)查[31]。我們根據(jù)目的地的OD需求行程構(gòu)建需求區(qū)域（或集群）。接下來，通過IGNAlti-Maps數(shù)據(jù)庫提供的海拔信息豐富了這些行程。最后，應(yīng)用VEHLIB庫中的動態(tài)消費(fèi)模型來提供真實(shí)的消費(fèi)評估。

3.3 電動汽車充電站位置的優(yōu)化[13]

開發(fā)了一個模型來優(yōu)化電動車（EV）公共快速充電站的位置。計(jì)劃充電站位置的困難在于EV充電需求出現(xiàn)的不確定性。出于這個原因，我們使用隨機(jī)流量捕獲位置模型（SFCLM）。將這個問題作為一個兩階段隨機(jī)整數(shù)程序來制定，其中站點(diǎn)位置在第一階段是固定的，并且在第二階段確定不同旅程鏈之間的電動車流量。

圖6 充電站位置優(yōu)化模擬流程

對中央-俄亥俄州進(jìn)行了研究，大部分建成的車站都集中在該地區(qū)的城市核心地帶。300萬輛車，20000個路段，10391338個潛在的第二階段情景，以及222個候選充電站位置。

隨著車站數(shù)量的增加，一些車站出現(xiàn)在該地區(qū)的郊區(qū)，以提供擴(kuò)展的收費(fèi)網(wǎng)絡(luò)。車站位置對于最終建成的車站數(shù)量是穩(wěn)定的。證明了充電站網(wǎng)絡(luò)的好處在于有多少電動汽車能夠通過充電，完成他們的日常行程。六個公共充電站允許至少60%的電動汽車完成日常行駛。我們最后將SFCLM與一個確定性模型進(jìn)行比較，在這個模型中，EV流量被設(shè)置為等于它們的期望值。如果要建設(shè)的車站數(shù)量有限，SFCLM有望最大限度地提高可以捕獲的電動汽車的預(yù)期數(shù)量。隨著待建站數(shù)量的增加，可以使用確定性模型，因?yàn)橛蓛煞N模型確定的臺站網(wǎng)絡(luò)變得非常相似。

參考文獻(xiàn)

[1]Asif Khan.Design,Integration and management of solar energy for electric vehicle charging station[C].Conference:Conference:Solar World Congress 2017.

[2]Revanth Kumarr.Design and Development of Solar Powered Wireless Charging Station for Electric Vehicle[OL].https://www.researchgate.net/publication/319037346.

[3]C.Chellaswamy.Solar and Wind Energy Based Charging Station for Electric Vehicles[OL].https://www.researchgate.net/publication/323187741.

[4]HA Gabbar.Flywheel-Based Fast Charging Station–FFCS for Electric Vehicles and Public Transportation[J].International Journal of Hydrogen Energy,2017,42(1).

[5]Jerim Kim.Scheduling and performance analysis under a stochastic model for electric vehicle charging stations[J].Omega,2017,66:278-289.

[6]Justinas Miˇseikis.3D Vision Guided Robotic Charging Station for Electric and Plug-in Hybrid Vehicles[C].OAGM and ARW Joint Workshop 2017 on Vision,Automation and Robotics.

[7]Mahmoud Shepero.Data from electric vehicle charging stations:Analysis and model development[C].E-mobility Power System Integration Symposium,2017.

[8]Mahdi Bayati.A New Electric Vehicle Charging Station Based on Pulse Current Charging Method[C].Electrical Engineering,2017:967-972.

[9]Sidra Mumtaz.Energy Management and Control of Plug-In Hybrid Electric Vehicle Charging Stations in a Grid-Connected Hybrid Power System[J].Energies，2017，10(12)：1923.

[10]MMA Salama.Economical staging plan for implementing electric vehicle charging stations[J].Sustainable Energy Grids&Networks,2017（10）:12-25.

[11]Nils Boysen.Scheduling electric vehicles and locating charging stations on a path[J].Journal of Scheduling,2017:1-16.

[12]Fouad Baouche.Efficient Allocation of Electric Vehicles Charging Stations:Optimization Model and Application to a Dense Urban Network [J]. IEEE Intelligent Transportation Systems Magazine ，2014,6(3)：33-43.

[13]Ramteen Sioshansi.A stochastic flow-capturing model to optimize the location of fast-charging stations with uncertain electric vehicle flows [J].Transportation Research Part D 53(2017)354–376.