王首達

（云南民族大學電氣信息工程學院，云南 昆明 650500）

1 電動汽車充電站類型分類

1.1 電動汽車充電樁分類

充電樁的類型分為以下幾類：公共充電樁、專用充電樁和私人充電樁。在城市統(tǒng)一的充電站、公共停車場和高速的服務區(qū)；專用充電樁公司企業(yè)內(nèi)部停車場內(nèi)設置的充電樁、出租車共享汽車等運營類車輛、公交車充電樁等；私人充電樁主要在小區(qū)內(nèi)的停車場。按照建設的規(guī)模，充電設施可分為：分散式充電樁和集中式充電站。

（1）分散式充電樁。主要指專用充電樁、私人充電樁和分散式公共充電樁。文獻[1-2]提到此類充電樁大都建設在停車場內(nèi)，規(guī)劃此類只需要根據(jù)需求計算所需建設的充電樁數(shù)量。文獻[3]將充電站分為兩種類型：小區(qū)內(nèi)充電樁和公共快速充電樁。小區(qū)內(nèi)充電樁參考電動汽車的保有量來決定建設數(shù)量；公共充電樁則根據(jù)各地區(qū)用戶的充電需求和距離，決定最佳建站地點以及充電站的覆蓋率。文獻[4]通過對比分析各類型的電動汽車日充電需求和日最大接入數(shù)，進而求得各類型充電站的需求量，然后根據(jù)區(qū)域內(nèi)各區(qū)域的需求系數(shù)，確定最終充電樁建設數(shù)量。

（2）專用充電樁。專用充電樁主要為具有特定充電需求的電動汽車提供充電服務，例如：電動環(huán)衛(wèi)車、電動出租車、電動公交車、電動共享汽車等。現(xiàn)有的專用充電站主要包括：電動的公交車充電站和出租車充電站。公交車充電站的建設規(guī)劃，需要根據(jù)其充電需求特性來對其進行合理規(guī)劃。文獻[5]從運營商的角度考慮，建立了充電設施需求模型，并確定了合適的充電樁建設數(shù)量。文獻[6-8]研究綜合根據(jù)道路交通網(wǎng)的結(jié)構(gòu)、出租車的充電行為特性、配電系統(tǒng)結(jié)構(gòu)及容量約束的規(guī)劃模型。文獻[9-10]研究了電動出租車的充電行為特性，在保證充電便利性的前提下，同時還綜合考慮到不影響配電網(wǎng)的安全運行，最終建立了面向電動出租車的最優(yōu)充電站規(guī)劃模型。

（3）公共充電樁。主要包括高速公路公共充電樁和城市公共充電樁[11]。文獻[12]考慮電動汽車在高速公路上的行駛距離和電池續(xù)航，來確定充電站選址。同時使建站、運維等成本最小化確定最優(yōu)化的選址定容。文獻[13]考慮電量分布情況，充電站選址定容的目標為：電動汽車數(shù)量期望值最大化，充電站運維和用戶等待時間成本最小化。文獻[14]分析了交通流量的時空分布和充電站內(nèi)電動汽車的到達率。建立了用戶等待時間最小，充電站運維成本最低的高速公路電動汽車充電站多目標優(yōu)化模型。

2 電動汽車充電站選址目標函數(shù)與約束條件

2.1 運營商

對于電動汽車充電站運營商來說，經(jīng)濟性和利潤率是其主要目標。運營商對電動汽車充電站站址的合理選擇，不僅可以獲得大量的利潤，同時也會吸引更大量的投資，從而帶動整個電動汽車產(chǎn)業(yè)更好更快發(fā)展。充電站的運營商需要為客戶提供便捷的服務，在保證符合電網(wǎng)安全運行范圍內(nèi)，滿足用戶充電需求。同時也要顧及道路交通網(wǎng)流量的約束。文獻[15-18]考慮到充電站覆蓋范圍，進行電動汽車數(shù)量和區(qū)域內(nèi)分布情況的預測。建立了建設成本、運營成本、充電成本最小的多目標優(yōu)化模型。文獻[19-20]采用了全壽命周期成本理論，將道路交通網(wǎng)流量，用戶充電需求，電網(wǎng)提供的能源質(zhì)量為約束條件，以充電站建站、運維、保修成本最小為目標，建立優(yōu)化模型。文獻[21]以充電站的收入利潤最大為目標，綜合考慮建站投資、運營、網(wǎng)損等費用，建立電動汽車充電站優(yōu)化模型。

2.2 電動汽車用戶

用戶一般會將充電便利性最高、時間費用等各項成本最低作為電動汽車充電站選址布局的主要目標。以用戶需求放在首位的動汽車充電站選址規(guī)劃問題，主要考慮的是用戶到充電站行駛距離、充電站的充電價格、用戶排隊時間等因素。充電站合理的選址不僅可以滿足用戶的充電需求，還可以提升用戶充電便利性，提升服務體驗。電動汽車用戶主要受到電動汽車續(xù)航里程、充電功率等約束。文獻[22]在用戶充電行為特性做出相應的分析基礎上，引入了排隊論模型，將充電站建設投資費用和用戶排隊等待時間成本兩者之和最小為目標，建立了充電站配置模型，即可保證充電站內(nèi)已建設的充電樁的利用率，同時也可以保證用戶的滿意度在用戶接受度范圍內(nèi)。文獻[23]應用出行鏈理論，將用戶一周的充電行為提取出來，并給予分析?？紤]了建站位置對用戶充電需求的影響，以電動汽車用戶充電排隊等待時間最小、充電樁使用率最大為目標建模。

3 電動汽車充電站選址規(guī)劃模型及求解算法

在獲取電動汽車充電需求的時空分布，同時滿足配電網(wǎng)和道路交通網(wǎng)的相關約束的前提下，最優(yōu)化電動汽車充電站的站址和容量配置，是我們研究的核心內(nèi)容。目前已經(jīng)有很多非常優(yōu)秀的相關研究成果已經(jīng)涌現(xiàn)，可以說在這一問題上已有很大進展和突破。電動汽車充電站的建設地點，大多選擇在小區(qū)內(nèi)停車場和城市公共停車場。而電動汽車充電站選址規(guī)劃模型求解的步驟大概分為：充電站的站址確定、充電站容量計算、最優(yōu)站址建設地點篩選幾個步驟。

3.1 充電站站址的確定

確定充電站的建站地址不僅需要考慮電網(wǎng)約束、路網(wǎng)約束、充電服務覆蓋率約束、建站環(huán)境約束，同時還需要考慮線路長度約束等。文獻[24]歸納總結(jié)了影響電動汽車充電站站址確定的各類因素，包含外因和內(nèi)因兩大類。外因包括地理環(huán)境、社會條件、政策因素等；內(nèi)因包含經(jīng)濟因素、用戶出行規(guī)律、交通流量等因素。首先通過外因確定可選的建站地址，再用內(nèi)因來進一步排除，最終得出最佳選址地點。文獻[25]用數(shù)據(jù)挖掘的方式將提取出來的大量電動汽車出行數(shù)據(jù)進行分析，最終獲取到電動汽車充電需求產(chǎn)生位置的分布圖。最后將規(guī)劃區(qū)域進行網(wǎng)格化處理，把充電需求大的網(wǎng)格選擇出來，作為電動汽車充電站的站址。

3.2 充電站選址模型

現(xiàn)存的電動汽車充電站選址布局模型主要分為兩類：基于點需求和基于流量需求?；邳c需求的充電站選址模型主要分為三種：①p-median模型，該模型選擇確定p個充電站建站地址，讓所有的充電需求點到充電站的加權(quán)距離之和最小；②pcenter模型，該模型在充電站的數(shù)量確定的前提下，使任意一個充電需求點到與其相距最近的充電站的最大距離最??；③覆蓋模型，分為集覆蓋模型和最大覆蓋模型。

文獻[26]采用K-means聚類方法劃分指定區(qū)域范圍內(nèi)的電動汽車具有充電的需求的點，使各充電需求點到聚類中心點的距離之和最小，通過這樣的方式可以最終確定充電站點坐標及充電服務區(qū)域。文獻[27]采用了改進的P中心定位模型，以使道路網(wǎng)絡中所有產(chǎn)生充電需求的點到充電站距離，與用戶充電需求大小乘積之和最小為目標，這樣來確定充電站建站的位置。文獻[28]采用Voronoi圖對充電站服務區(qū)域進行劃分，并通過計算充電站服務半徑，來代表服務范圍。以各充電站服務半徑最大為目標確定充電站布局方案。文獻[29]在充電站的服務范圍內(nèi)采用加權(quán)Voronoi圖劃分區(qū)域，以服務范圍內(nèi)用每年用戶在行駛到充電站去充電的過程中所損耗的成本和充電站每年在線路上的投資之和最小為目標對充電站進行選址。文獻[30]運用基于加權(quán)Voronoi圖的免疫算法來選擇充電站的站址，在滿足充電站的充電覆蓋率足夠大的前提下，盡可能地縮短充電需求點和充電站的距離，最大化地滿足更多數(shù)量的電動汽車用戶的充電需求。文獻[31]用到了基于用戶平衡的交通流量配置模型。對電動汽車充電站所截獲的交通流量進行相關分析，將截獲的交通流量最大作為充電站布局選址的目標。文獻[32]參考服務站在交通規(guī)劃中的選址辦法，利用截獲的交通流量的選址模型對充電站建站地址進行約束，以使充電站的服務效果更佳。

3.3 電動汽車充電站選址模型與求解算法

在確定電動汽車充電站選址的情況下，在充電站定容的時候主要需要考慮的有：充電站內(nèi)充電樁的使用率、建站投資成本、充電站服務率等因素，常用的充電站定容方法包括基于排隊論原理的方法、交通流量計算法、概率預測法等。文獻[33]利用M/M/C排隊模型，以電動汽車用戶充電時間成本最小，充電樁平均利用率最大為目標建立充電站選址模型，以實現(xiàn)資源的合理利用。文獻[34]根據(jù)電動汽車充電需求的概率統(tǒng)計模型，通過蒙特卡洛法仿真，得到這一概率統(tǒng)計模型期望值的解析解，并以此模型的最大期望值確定充電站的容量。在確定備選站址的而沒有確定最終站址的條件下對充電站進行選址定容時，充電站站址與容量作為決策變量，確定建站站址的相應目標及約束條件在可行域內(nèi)尋求最優(yōu)解?，F(xiàn)有文獻采用很多智能算法，例如：遺傳算法及其改進算法、粒子群算法及其改進算法、免疫算法、蟻群算法、蜂群算法、螢火蟲算法等對充電站進行選址和定容。文獻[35]考慮了電動汽車充電為電網(wǎng)帶來的負荷，及充電站站址的離散性，提出了一種混合離散粒子群算法，來求解充電站的選址定容問題。在模型中規(guī)劃問題的解是由粒子的位置所代表，規(guī)劃目標作為適應度函數(shù)對粒子的位置進行評價，通過粒子尋找全局最優(yōu)位置來尋求規(guī)劃的最優(yōu)解。文獻[36]對充電站的站址和容量進行二進制編碼，生成初始種群，通過選擇、交叉、變異等操作尋求適應度最高的個體作為全局最優(yōu)解即最優(yōu)選址與定容。

4 結(jié)語

隨著汽車行業(yè)的發(fā)展進步和電動汽車保有量的增加，電動汽車充電為電網(wǎng)帶來的負荷壓力也在增大。電動汽車充電需求分布具有時空隨機性的特點，同時也受電動汽車電池、功率等性能約束和路網(wǎng)約束。因此在解決充電站選址問題時，需要對電動汽車充電帶來的負荷進行合理分析與預測。同時還需綜合考慮電動汽車用戶、電網(wǎng)公司、充電站運營商等多方的需求。云計算、人工智能、大數(shù)據(jù)等技術的發(fā)展與進步為充電站選址布局問題的研究提供了重要的數(shù)據(jù)與分析方法，對于此問題的未來研究，也可以應用這些新方法來解決此類充電站布局問題。