馬玉清

引言

隨著環(huán)境污染的日益加重和石油資源的緊張，再加上政府的扶持，越來越多的人將電動汽車作為了自己購車的新選擇。題主說提的正好和如今現(xiàn)狀相反，如今不是不建議購買電動汽車，而是大力扶持電動汽車的發(fā)展。和環(huán)境污染問題的不斷加重，各個國家越來越重視電動汽車發(fā)展，電動汽車成為節(jié)能與環(huán)保的低碳汽車的發(fā)展方向。在歐美等區(qū)域的發(fā)達(dá)國家電動汽車已處于逐漸普及階段，中國政府制定了到2020年電動汽車用戶數(shù)量達(dá)到500萬輛的目標(biāo)[1]。

有關(guān)調(diào)查表明，影響消費(fèi)者購買電動汽車的最大阻礙并不是價格，最大原因是消費(fèi)者認(rèn)為電動汽車技術(shù)不成熟，質(zhì)量穩(wěn)定性不敢保證；充換電麻煩、充電基礎(chǔ)設(shè)施不完善、電池安全性差等因素也是主要原因，充電的便捷性已成為制約電動汽車應(yīng)用的主要瓶頸之一。

1 電動汽車充電站規(guī)劃需要考慮的因素

電動汽車充電站建設(shè)時需要首先滿足所在城市電動汽車發(fā)展的要求總體規(guī)劃和電網(wǎng)規(guī)劃；其次，要結(jié)合區(qū)域用戶的電荷分布和需求特點(diǎn)，考慮到所有電動汽車使用者的需求，充分考慮提供服務(wù)的便捷性；另外，經(jīng)濟(jì)成本上要充分考慮充電站建造和后期運(yùn)營成本，使充電站承建企業(yè)、運(yùn)營企業(yè)及充電用戶都能接受服務(wù)單價，實現(xiàn)綜合利益最大化等。

1.1 服務(wù)半徑

充電站的選址需要考慮城市的近遠(yuǎn)期規(guī)劃，充分滿足城市的交通綜合服務(wù)能力。充電站的位置應(yīng)滿足所在城市的電網(wǎng)系統(tǒng)規(guī)劃，一般來說距離負(fù)荷中心較近為好。電動汽車充電站服務(wù)半徑應(yīng)考慮到交通密集程度，結(jié)合實際情況考慮服務(wù)半徑，并預(yù)留充電站擴(kuò)建場地，，從近期和遠(yuǎn)期上都能方便用戶充電。

1.2 用戶充電需求

電動汽車充電站布局時要充分考慮到用戶充電服務(wù)需求滿足的便捷性，不僅地理位置，還有充電的快捷和經(jīng)濟(jì)性。對用戶來說，使用電動汽車，不僅在于節(jié)約能約和環(huán)保，還要求使用便捷性和普通燃油汽車使用基本一致。

1.3 充電站服務(wù)的限制

每個電動汽車充電站的最大服務(wù)能力是有限的，在建站時要考慮到電動汽車充電站網(wǎng)絡(luò)的綜合布局，對充電高峰需求時做到合理快速分流，比如充換電服務(wù)或者臨時提供其他乘用工具方便用戶出行。

2粒子群算法

2.1粒子群算法理論

求解優(yōu)化問題的，算法中每個粒子都代表問題的一個潛在解，每個粒子對應(yīng)一個由適應(yīng)度函數(shù)決定的適應(yīng)度值。粒子的速度決定了粒子移動的方向和距離，速度隨自身及其他粒子的移動經(jīng)驗進(jìn)行動態(tài)調(diào)整，從而實現(xiàn)個體在可解空間中的尋優(yōu)。粒子群算法首先在可行解空間中初始化一群粒子，每個粒子都代表極值優(yōu)化問題的一個潛在最優(yōu)解，用位置、速度和適應(yīng)度值三項指標(biāo)表示該粒子特征，適應(yīng)度值由適應(yīng)度函數(shù)計算得到，其值的好壞表示粒子的優(yōu)劣。粒子在解空間中運(yùn)動，通過跟蹤個體極值Pbest和群體極值Gbest更新個體位置。個體極值Pbest是指個體所經(jīng)歷位置中計算得到的適應(yīng)度值最優(yōu)位置，群體極值Gbest是指種群中的所有粒子搜索到的適應(yīng)度最優(yōu)位置。粒子每更新一次位置，就計算一次適應(yīng)度值，并且通過比較新粒子的適應(yīng)度值和個體極值、群體極值的適應(yīng)度值更新個體極值Pbest和群體極值Gbest位置。

2.2粒子群優(yōu)化算法流程

（1）初始化粒子群：初始化粒子群體（群體規(guī)模為n），包括隨機(jī)位置和速度。（2）計算每個粒子適應(yīng)度：評價每個粒子的適應(yīng)度。（3）尋找粒子個體的最優(yōu)位置：對每個粒子，將其當(dāng)前適應(yīng)值與其個體歷史最佳位置（pbest）對應(yīng)的適應(yīng)值做比較，如果當(dāng)前的適應(yīng)值更高，則將用當(dāng)前位置更新歷史最佳位置pbest。（4）尋找粒子群的最優(yōu)位置：對每個粒子，將其當(dāng)前適應(yīng)值與全局最佳位置（gbest）對應(yīng)的適應(yīng)值做比較，如果當(dāng)前的適應(yīng)值更高，則將用當(dāng)前粒子的位置更新全局最佳位置gbest。（5）不斷更新位置和速度：根據(jù)公式更新每個粒子的速度與位置。（6）如未滿足結(jié)束條件，則返回步驟2，通常算法達(dá)到最大迭代次數(shù)或者最佳適應(yīng)度值的增量小于某個給定的閾值時算法停止。

3基于優(yōu)化粒子群算法的電動汽車充電站規(guī)劃

電動汽車充電站布局要滿足充電站運(yùn)營企業(yè)的獲取商業(yè)利潤需求，并兼顧充電用戶的利益。城市電動汽車充電站布局優(yōu)化的目標(biāo)是在滿足充電站服務(wù)要求和用戶充電需求的前提下，建立數(shù)學(xué)模型，使充電站服務(wù)成本和用戶充電需求成本之和最小。充電站服務(wù)成本包括充電站規(guī)劃建設(shè)投資成本、人力成本、充電站維護(hù)成本、充電站故障成本。用戶充電需求成本包括用戶購電成本、用戶路途成本、用戶充電等待時間成本。

針對帶有用戶充電服務(wù)要求和充電站充電需求限制的充電站布局優(yōu)化問題，提出電動汽車充電站布局優(yōu)化的數(shù)學(xué)模型。采用與電動汽車充電站布局相似的Voronoi圖劃分電動汽車充電站的服務(wù)范圍，保證服務(wù)范圍內(nèi)的充電汽車需求點(diǎn)到該充電站的距離小于到其他充電站的距離。Voronoi圖按照最鄰近原則劃分平面，Voronoi圖的思想與研究內(nèi)容相符，故采用Voronoi圖劃分充電汽車充電站的服務(wù)范圍。但Voronoi 圖是劃分部分區(qū)域的局部最優(yōu)，不適用于全局尋優(yōu)。故引入具備全局尋優(yōu)能力的優(yōu)化粒子群算法求解問題。

云模型和粒子群相結(jié)合是改進(jìn)粒子群算法慣性權(quán)重大小的一種策略。云模型可將定性信息轉(zhuǎn)為定量信息，又有易于與其他方法結(jié)合的特點(diǎn)，故云模型多用來控制智能進(jìn)化算法的參數(shù)，完成算法的優(yōu)化。所以云模型算法適于改進(jìn)粒子群算法。云模型自適應(yīng)算法先求出第t次迭代粒子群體搜索到的極值信息和單個粒子在第t代的適應(yīng)度值的比值，用此比值將種群劃分為3個區(qū)域，每個區(qū)域里的種群位置和速度更新時分別采用不同慣性權(quán)重W，其中種群離全局最優(yōu)值較遠(yuǎn)時，為提高全局搜索能力，讓粒子快速向最優(yōu)解位置靠攏，粒子速度更新時用較大慣性權(quán)重； 種群離全局最優(yōu)值較近時，為提高局部搜索能力，讓粒子更精確地向最優(yōu)解位置靠攏，速度更新時用較小慣性權(quán)重；種群處于中間范圍時，其位置處于不確定狀態(tài)，用云模型將粒子不確定的定性信息轉(zhuǎn)換成確定的定量信息，進(jìn)行慣性權(quán)重的調(diào)整。

4結(jié)論

采用結(jié)合優(yōu)化粒子群算法建立的城市電動汽車充電站的選址規(guī)劃，充分考慮了包含建設(shè)方、使用方都多方的綜合社會效益和經(jīng)濟(jì)效益，有利于進(jìn)一步發(fā)展促進(jìn)更多用戶選擇購買電動汽車，有利于節(jié)約資源和保護(hù)環(huán)境，有利于促使經(jīng)濟(jì)可持續(xù)發(fā)展。

基金：安徽省高等職業(yè)教育創(chuàng)新發(fā)展行動計劃精品在線開發(fā)課程——數(shù)字電子技術(shù)（XM-06-02）；安徽省高校自然科學(xué)研究一般項目（KJ2017B001）；安徽省職業(yè)與成人教育學(xué)會教育科研規(guī)劃重點(diǎn)課題（azjxh17023），安徽省級重大教學(xué)研究項目（2016jyxm0122）。