EV充电站选址定容及基于蚁群算法概念的建设规划方案研究

黄安子包贤禄陈华锋梁晓峰钟现成陆轶祺解 大

1深圳供电局有限公司；2深圳市康拓普信息技术有限公司；3上海交通大学电子信息与电气工程学院

引言

作为缓解能源危机以及环境问题的重要方向，新能源汽车在政策的支持下逐步取代着传统燃油车辆，尤其在公共交通方面。随着各类型新能源汽车的不断普及，服务于大规模电动汽车（EV）的配套充电设施也必须同步地进行建设[1]。

为了解决电动汽车在出行时的可靠性和便利性问题，城市道路中的很多地方正在逐步建设一个构成网络的电动汽车充电站集群。然而这个网络尚不完整，需要更完善的规划来构建完整的充电站网络[2]。

已有学者对此展开了研究。通过对交通信息及配网容量可以初步确定需要建设充电站的区域[3]。交通网络流量在很大程度上决定了一个充电站的位置是否能够最大程度地满足电动汽车用户的需要[4]；配网容量则间接决定了充电站可建的容量。有些研究者以满足电动汽车用户的实际需求为目标对充电站进行选址定容[5]。这些规划算法都有着自己的立足点，而却有着一定的瑕疵，并且都是基于选址定容，对于实际建设的帮助并不大。

本文以建设成本以及交通便利度为目标在满足充电需求和各类约束条件下，对充电站进行选址定容。通过bagging算法与蚁群算法的结合，实现充电站的时序规划。通过蚁群算法结合不同样本的信息[5]，最终完成时序规划，可有效提供充电站的建设位置、容量、时间信息，为建设者提供合理的参考。

1 充电站选址定容影响因素

1.1 区域环境因素

(1)区域输配电网现状

充电站在正常工作时需要电网提供相当高的功率，因此在选择充电站位置时必须结合各个区域现有配电网的建设情况。根据充电站规模的不同，其运行时需要电网提供不同大小的容量。因此，为充电站供电的变电站能提供的容量以及由历史负荷数据保证的容量裕度是影响充电站选址以及定容的一大因素。如果容量裕度无法满足电动汽车不断增长的充电需求，对变压器进行扩容也是有必要的。

此外，充电站选址应尽量靠近变电站以获得安全可靠的持续电力供应。为了避免波动性较大的电动汽车充电负荷对电网的稳定运行造成影响，配套政策应及时实施。

(2)道路交通情况

充电站附近的交通情况在很大程度上决定了该区域的车流量密度，同时也决定了拟建充电站的规模。事实上，道路交通状况间接反映了该区域的繁荣程度。历史车流量情况、与市中心距离、道路规模等共同反映了道路交通情况。当车流量较大时，相应地对充电量的需求也会增大。因此充电站的规划需要与现有的交通网相结合。

(3)地理条件

充电站往往会建设在某些较大规模的停车场或小区、交通枢纽区域。地理社会条件是指充电站建设位置的社会作用，决定了不同的充电站类型和充电方式，其具体对应情况如表1所示。

表1 地理社会条件对应充电站信息表

其中，专用车辆指公交车、工程作业车等，其具有专用的充电设施，充电方式也各不相同。

1.2 规划需求因素

(1)充电服务半径

充电站的合理布局必须对充电站制定合理的充电服务半径。对于充电站而言，充电服务半径是指每个充电站能确保电动汽车能够充上电的最远距离。这项指标与充电站性质、市售电动汽车的续航能力、平均荷电状态以及交通情况有关。

在进行充电站规划时，充电站的充电服务半径必须覆盖所有道路并留有很大的余量，才能保证电动汽车用户的实际需求得到满足。

(2)充电需求量

充电需求量是指在一定的区域，一定的时间段内，电动汽车实际需要的充电量。电动汽车目前尚在不断普及阶段，因此充电需求量也在不断增加的过程中。

充电需求量是影响充电站规划的重要因素。首先，充电站的选址必须与不同车辆用户的实际需求一致，确保用户能够及时找到充电站进行充电。其次，充电站的定容应与充电需求量配套，避免充电需求无法满足或资源的浪费。

(3)网络规划要求

充电站的建设规划不能各自独立进行，需要形成一个充电服务网。该充电服务网将在满足充电需求的前提下，由拟建充电站点及其充电服务半径，在参照电网及交通网的基础上构成。

单一充电站并不需要完全满足其服务半径内的全部充电需求，可以由附近的其他充电站共同满足。建成的充电服务网将在满足各地区充电需求的情况下，最大限度的减少开支，确保资源的合理使用。

2 充电站选址定容

2.1 充电需求确定

截至2016年底，作为国内推广新能源车辆的一线城市，深圳市新能源汽车保有量已经达到了80 000辆，其中纯电动车占比达到54.55%。到2020年底，深圳市预计推广新能源车辆至120 000辆，平均年增长率达到10%。

在进行充电站规划时，各区域充电需求量的确定与总电动汽车保有量和各区的占比有关。图1为深圳市各区电动汽车累计充电量对比图，当以区为单位计算时，可直接以图1中的比例估算各区充电需求量：

图1 深圳市各区电动汽车累计充电量对比图

一般计算时，可以车型为单位计算总需求量，这样式（1）就化为式（2），其中为投入使用的电动汽车车型集合为车型的车辆数为响应充电需求。

2.2 充电服务半径确定

充电服务半径的确定通过市售电动汽车的续航里程及其平均荷电状态确定。设市售电动车中最短的续航里程为，这种车型在第i个区域中对应的平均荷电状态为，则可以推出充电站的服务半径为：

2.3 充电站选址定容模型

充电站选址定容按照网络规划要求展开，规划目标为满足充电需求的情况下达到最小的建设成本。在规划之初，已有数据为备选充电站点集合、充电站点建设成本集合、充电站点对应供电变电所容量集合及道路集合。

规划的工作是要找出这些充电站点集合，使其对应的容量集合为，建设成本集合为，相应供电站集合为，容量集合为，另记道路集合为，使所需求的建设成本最小。其目标函数即为：

约束条件为：

通常不以成本最低为优化目标，而加入依据交通情况的交通便利度作为目标指标之一。此时的目标函数就变为：

至此便完成了充电地选址定容的模型，基于此模型提出一种基于蚁群算法概念的充电站时序建设规划算法。

3 充电站时序建设规划算法

在充电站选址定容之后，通过充电站时序建设规划算法能评判充电站重要程度，从而为充电站的建设顺序提供合理的参考，具体算法需要解决以下三个问题：

3.1 电动汽车充电负荷增加规律

在进行电动汽车充电站的规划时，电动汽车充电负荷的增加可以直接与电动汽车销售量的增加挂钩。2018年度新能源汽车销售情况如图2所示。由图2可以看出在补贴政策正式执行前，新能源汽车销售量已经在稳步提升，5月新能源乘用车销量达9.2万辆，同比增长141%。电动汽车持有量在近几年内会不断增加，之后将趋于稳定。

在进行充电站建设的规划时，具体的充电负荷分布情况是很难模拟的。因此，以充电站点作为充电负荷增长点。对于已经建成的充电站，按照销量的一定比例增加其日常充电负荷。对于尚未建成的充电站将同样选择部分站点的位置处直接增加一定量负荷，将这些站点称为虚拟站点，由于此处没有充电站，所以这一部分的负荷必须分布到已有的充电站或是即将建设的充电站中。

图2 2018年度新能源汽车销售情况图

3.2 单一充电站新建策略

当只需要增加一个充电站时，可以允许对于所有可能新建设的充电站点进行目标函数计算（这个操作称为遍历）。通过不同充电站点充电负荷的增加量以及所有拥有充电负荷的充电站点与所选的可能新建站点之间的相对位置关系，可以确定遍历所要寻找的目标函数：

此处的遍历是必要的，因为随机产生的虚拟站点新增负荷可能产生于任何地方，而由于该站点与现有充电站点的相对距离很大，带来的结果是，一个极其偏远地区的负荷也可能成为首先要建设新增充电站。

此外，由于可能新建充电站点的容量不同，建设时还存在一个经济性的问题。当充电负荷增加10%，容量较大的充电站将会长时间闲置很多的充电桩，而容量较小的充电站可能无法满足新增的充电需求。当然在分时电价的影响下这类问题被大大缩小了，但仍需要细化循环步长，并添加约束条件。

3.3 充电站群集体建设策略

扩建一处的充电站可以通过遍历实现，而要将扩建的策略应用于所有可以增加的充电站点则会显得非常困难，因为如果预计要新增600个站点，则需要进行600的阶乘次遍历。算法效率低仅为次要原因，随机产生的虚拟站点还将由原本的随机变为必然，因为在所有的遍历过程中，每次产生的虚拟站点都成为了必然会出现的虚拟站点，这并不是所希望看到的。

因此，通过变形的随机森林来完成充电站群的建设策略。首先要用到的便是随机森林的bagging算法。其次，参考蚁群算法的“信息素”概念，为森林中的每一棵“树”，按照表示充电站建设顺序的树节点打分。最后将“树”的输出统合，完成整个森林的输出，也即充电站群的规划建设方案。

（1）通过bagging算法抽取足够多的站点信息集，信息中包含站点位置以及容量；

（2）根据电动汽车充电负荷的增加规律设置循环步长；

（3）逐渐推移时间，按照单一充电站的新建策略，对每个站点信息集进行遍历，得到每个站点信息集中的站点建设顺序，可将其视为“树”；

（4）按照固定的打分策略对每个站点信息集中的站点按其建设顺序进行打分；

（5）在总体站点信息集中，总和森林中的每棵“树”的分数，取平均得到总体的站点分数；

（6）将各个站点的分数按照5个区间进行划分，便能得到最终的充电站群的规划建设方案。

分数由高到低为最先一批要建设的充电站到最后一批要建设的充电站，至此，充电站的规划算法便已完成。

图3 时序规划算法流程图

4 算例分析

4.1 充电站时序规划仿真

图5 充电站建设时序规划方案示意图

在完成选址定容之后，对深圳市拟建的充电站建设通过变形的随机森林算法进行规划，设置充电负荷按照每步10%的速率增长，而将在未建成的充电站中随机挑选10%设立虚拟站，负荷按照现有负荷的5%～15%随机挑选。充电站信息集每次获取400个未建成充电站的信息，总共抽取50个充电站信息集。打分规则按从最先至最后建设的充电站，为400分至1分。

由此得到的充电站建设规划方案如图5所示。图中蓝点表示已经建成的充电站，而红点、橙点、黄点、绿点、灰点从前至后分别表示拟建充电站的重要程度，由前至后排列安排建设。工作者可以根据实际情况选择每个充电站的具体建设顺序。

这种规划方案为充电站的实际建设提供了参考。同时，对充电站的规划与其他规划如建筑、道路等联动，实现更宏观的规划方案。

5 结论

电动汽车的使用是缓解能源危机以及环境污染的一项重要举措。在政策的大力支持下，近年来电动汽车销量稳步提升。对此本文提出了基于结合Bagging算法以及蚁群算法的电动汽车充电站时序规划算法，为电动汽车充电站的布局规划等提供了以下有效的支持：

（1）电动汽车保有量仍在不断增长，因此充电设施的完善，充电站的合理布局建设是必要的；

（2）提出了充电站选址定容策略以及基于bagging算法和蚁群算法的时序规划算法，构成充电站规划体系；

（3）通过仿真验证了提出的充电时序规划算法能有效地对拟建充电站进行时序规划，为建设者提供合理的参考。

奉贤区召开锅炉脱硝改造对接会

10月30日，奉贤区召开“奉贤区锅炉低氮燃烧改造技术对接会”，12个镇、街道、开发区，80家单位约100多人参加。上海市能效中心作相关政策解读、技术路线介绍；奉贤区环保局通报相关情况；上海绿彻新能源等5家公司介绍了先进脱硝技术装备和第三方服务的成功案例。

近期，奉贤区政府为加快推进区内400多台锅炉脱硝改造工作，建立“脱硝工作群”，并赴各镇（街道）调研，深入企业落实改造计划。据悉，此次将由奉贤区政府牵头，协调区建交委、市场监管、电力、燃气、商务、医院、消防等部门共同做好锅炉脱硝改造工作。