馮海俊，林淑英，張璐達(dá)

（國網(wǎng)浙江嵊泗縣供電公司，浙江 舟山 202450）

0 引 言

結(jié)合目前的規(guī)劃發(fā)展需要與現(xiàn)實(shí)情況來看，電動汽車的數(shù)量不可避免地會進(jìn)入一個快速增長的階段，當(dāng)大量電動汽車集中充電時，電網(wǎng)會受到這部分充電負(fù)荷的較大影響，同時充電站的選址也關(guān)系到充電效率和經(jīng)濟(jì)性問題。

相關(guān)研究利用蒙特卡洛法對電動汽車充電需求和出行時間進(jìn)行了相關(guān)性分析，得出充電需求概率模型。在此基礎(chǔ)上，可進(jìn)行相應(yīng)的電動汽車充電站選址工作。國內(nèi)外研究人員重點(diǎn)是從實(shí)際數(shù)據(jù)提取和建立模型預(yù)測兩方面來對充電站的選址進(jìn)行優(yōu)化。文獻(xiàn)[1]對實(shí)際的出租車GPS數(shù)據(jù)進(jìn)行提取與加工，對相關(guān)所需部分進(jìn)行分析，獲得具有時空屬性的充電需求，并建立相應(yīng)的時空需求模型討論充電站最佳選址。文獻(xiàn)[2]提出了考慮流量的選址模型，以通過選址地的目標(biāo)流量最大化為目標(biāo)，構(gòu)建流量捕獲選址模型。文獻(xiàn)[3]以滿足區(qū)域內(nèi)電動汽車充電需求最大量和充電站服務(wù)半徑為條件，以目標(biāo)年綜合費(fèi)用最小為目標(biāo)，基于變權(quán)Voronoi圖，采用混合離散粒子群算法，對充電站最優(yōu)選址進(jìn)行優(yōu)化搜尋，提高了選址的準(zhǔn)確性。有關(guān)研究從多個角度建立充電網(wǎng)絡(luò)多目標(biāo)規(guī)劃，提高模型的實(shí)用性[4,5]。

本文從社會效率的角度建立了電動汽車充電站選址模型，充分考慮了充電消耗的總時間成本、充電站的固定投入成本和運(yùn)維成本，并采用遺傳算法進(jìn)行求解。

1 電動汽車充電站選址模型

因出租車本身特有的運(yùn)營方式，時間成本的大小是影響出租車盈利多少的重要因素。電動出租車的載客運(yùn)營時間越長，前往充電站充電、充電完成前往尋客的時間越短，所得盈利相應(yīng)越多，此過程可以通過數(shù)學(xué)公式來表達(dá)。本模型以電動汽車充電站年總成本最低為目標(biāo)，綜合考慮了充電站年固定投入與車輛充電時間行為成本，具體關(guān)系為：

式中，T代表充電行為總體時間消耗成本；Cc代表充電站年固定投入成本；Cv代表充電站年運(yùn)維成本。

電動汽車充電站的數(shù)量選取是一項(xiàng)基本的工作，在實(shí)際情況中，電動汽車充電站的建設(shè)需要考慮的因素有很多。如充電站需要有足夠的地塊大小來安裝充電設(shè)施、供車輛停車等待，充電站建設(shè)用地的選擇還受到交通路網(wǎng)、居民出行、建設(shè)用地規(guī)劃的影響，不可能將充電站在每個點(diǎn)位都進(jìn)行建設(shè)。在本文中，充電站數(shù)量選取的策略是根據(jù)區(qū)域內(nèi)電動汽車充電功率總需求來進(jìn)行規(guī)劃。在電動汽車總數(shù)量NEV，所選車型電池額定容量W已知的情況下，可計算得出區(qū)域內(nèi)電動汽車充電需求的總量。再結(jié)合充電站最高容量限額Smax與最低容量限額Smin，可得充電站數(shù)量選取范圍為：

式中：Nmin為區(qū)域內(nèi)電動汽車充電站最小規(guī)劃數(shù)；Nmax為區(qū)域內(nèi)電動汽車充電站最大規(guī)劃數(shù)，充電站規(guī)劃數(shù)Nmin≤Nmax。

充電時間總體時間消耗成本由3個部分組成，分別為從當(dāng)前位置前往充電站的時間成本，在充電站內(nèi)等待與充電的時間成本，充電完成后從充電站到達(dá)首個搜尋乘客節(jié)點(diǎn)位置的時間成本。出租車駕駛員在日常運(yùn)營過程中會綜合考慮上述3個時間成本的影響，選擇總體時間成本最小的運(yùn)營路線。本文所建立的目標(biāo)函數(shù)就是衡量前往充電站時間成本，在充電站內(nèi)等待與充電、充電完成后從充電站到達(dá)首個搜尋乘客節(jié)點(diǎn)位置的時間成本的總和大小，給出相應(yīng)最優(yōu)解。目標(biāo)函數(shù)為：

式中，A為交通節(jié)點(diǎn)的集合，i,j∈A；M為充電站位置節(jié)點(diǎn)的集合；Ni為從節(jié)點(diǎn)i到充電站節(jié)點(diǎn)的出租車數(shù)量；Pik為從交通節(jié)點(diǎn)i到充電站位置k進(jìn)行充電的概率；tik為從交通節(jié)點(diǎn)i到充電站位置k的最短通行時間；tk1為電動汽車在充電站內(nèi)等待與充電時間。

充電站固定成本由兩部分組成，分別為充電站年固定投入成本與年運(yùn)維成本。年固定投入成本主要用于充電設(shè)施、輔助設(shè)備、土地購買與租賃等方面的投入，年運(yùn)維成本由員工工資、設(shè)備維護(hù)費(fèi)用等部分組成。

充電站年固定投入成本為：

式中，充電站配置的配變數(shù)量為ni；所配置的配變單位造價為a；充電站內(nèi)充電樁數(shù)量為mi；充電樁單價為b；用于充電站基礎(chǔ)投資的費(fèi)用為ci；貼現(xiàn)率為r0，設(shè)計運(yùn)行年限為z。

運(yùn)維成本包含員工工資、設(shè)備維護(hù)費(fèi)用、設(shè)備折舊費(fèi)用等，這些成本的影響因素的波動較大，通常無法找到統(tǒng)一的規(guī)律來進(jìn)行準(zhǔn)確的數(shù)學(xué)表達(dá)，可人為設(shè)定一個比例因子η來對年運(yùn)維成本進(jìn)行表達(dá)即：

2 基于遺傳算法的充電網(wǎng)絡(luò)規(guī)劃方法

遺傳算法可以處理較為復(fù)雜的約束條件，同時能夠?qū)^難解的公式解題提供一個全新的思路，因此遺傳算法廣泛運(yùn)用于現(xiàn)代復(fù)雜規(guī)劃問題。（1）可以作為遺傳算法的適應(yīng)度函數(shù)，根據(jù)式（2）確定好充電站數(shù)量后，初始化隨機(jī)充電站的坐標(biāo)，進(jìn)行編碼后作為求解變量。

3 算例分析

以浙江某地區(qū)一地塊進(jìn)行分析，在此區(qū)域內(nèi)進(jìn)行電動汽車充電站建設(shè)規(guī)劃。該區(qū)域路網(wǎng)如圖1所示，該區(qū)域有著62.5 m2的面積，72個路網(wǎng)節(jié)點(diǎn)。

圖1 規(guī)劃區(qū)路網(wǎng)

電動出租車型號選擇比亞迪E6，該車型的電池容量為60 kW·h，車輛平均行駛速度為30 km/h，充電站內(nèi)每臺充電機(jī)的功率為120 kW，充電站最多安裝30臺充電機(jī)，最少安裝10臺充電機(jī)，充電機(jī)充電同時率為0.9，出租車司機(jī)的空駛時間成本為14.32元/小時，遺傳算法的迭代次數(shù)設(shè)置為100次，貼現(xiàn)率為0.08，設(shè)計運(yùn)行年限為20年。

由式（2）可計算出，充電站最小規(guī)劃數(shù)Nmin=4，充電站最大規(guī)劃數(shù)Nmax=12?？傻萌鐖D2所示充電站年總成本與充電站數(shù)量的關(guān)系圖，當(dāng)充電站規(guī)劃數(shù)為9 h時，年總成本最低。

圖2 充電站年總成本與充電站數(shù)量的關(guān)系

選擇9個坐標(biāo)為電動汽車充電站的初始位置坐標(biāo)，再通過遺傳算法，對上述坐標(biāo)選址進(jìn)行優(yōu)化，所得優(yōu)化后的充電站位置坐標(biāo)位置如圖3所示。

圖3 優(yōu)化后的充電站選址

從圖3選址位置可知，充電站位置分布較為均勻，沒有產(chǎn)生在某個區(qū)域內(nèi)過于密集或過于稀疏的情況；充電站的位置更傾向于分布在車輛密度較大的區(qū)域，選擇在車輛密度較大的區(qū)域能增大充電站的服務(wù)覆蓋率，提升輻射范圍。

4 結(jié) 論

因出租車本身運(yùn)營方式比較具有代表性，本文選擇電動出租車為研究對象。時間成本的大小是影響出租車盈利多少的重要因素，綜合考慮出租車時間成本與充電站建設(shè)、運(yùn)營成本進(jìn)行建模分析，利用遺傳算法最終得到模擬結(jié)果。實(shí)驗(yàn)結(jié)果表明對電動汽車充電站進(jìn)行科學(xué)的站址規(guī)劃可以有效降低用戶時間成本，減少對充電站的過分不必要投資，提高充電站利用率。