考虑环境因素的新能源配送汽车换电站选址路径优化

张永学，张婕姝

（黄河科技学院，郑州 414100）

引言

由于新能源配送汽车电池能量密度的限制，新能源配送汽车续航里程较短，因此，为了新能源配送汽车的应用性能，需要建设完善的换电设施。由于城市间的新能源配送汽车一般都是长途行驶，考虑到行驶距离约束，需要建立新能源配送汽车换电站。若换电站选址不当既会影响到新能源配送汽车充电的便利性，还会对电网安全运行带来不利影响。合理对系能源配送换电站选址路径优化，可避免盲目的进行大规模换电设施建设，减少公共基础设施的重复建设与资源浪费现象的发生。

现有的新能源配送汽车换电站选址路径规划方法主要有两种，一是基于双目标数学规划模型的新能源配送汽车换电站选址路径规划方法，二是基于启发式算法的新能源配送汽车换电站选址路径规划方法。基于双目标数学规划模型的新能源配送汽车换电站选址路径规划方法，是建立集覆盖问题和最大覆盖问题两个数学规划模型，不预先生成所有可能的站点组合，只需要求解规模不大的线性问题，以对规划问题求解；基于启发式算法的新能源配送汽车换电站选址路径规划方法，综合考虑电池容量，设施站点的服务能力，并通过约束条件刻画用户行驶过程中车辆的用电情况，以考虑换电站选址路径优化问题。这两种方法均可以对新能源配送汽车换电站选址路径优化，但是优化后存在换电站经济效益低与用户换电总交通成本高的问题，为此设计一种考虑环境因素的新能源配送汽车换电站选址路径优化方法。

1 新能源配送汽车换电站选址约束条件设定

为用户提供换电便利的前提是保证换电站供电可靠性与电能质量，为此在新能源配送汽车换电站选址路径优化前，设定约束条件[1]。将负荷约束与电能质量约束作为选址约束条件，如下所示。

新能源配送汽车换电站必须满足供电可靠性，需要保证规划区域内的换电站额定容量不小于配送汽车最大换电负荷需求。因此从负荷约束对新能源配送汽车换电站选址路径约束，负荷约束表达式为：

式中：

N—换电站额定容量；

M—换电站内最大换电负荷需求；

l—换电站最大传输容量；

x—换电站线路传输的实际传输容量[2]。

新能源配送汽车换电站选址还需要考虑到电压质量，配送汽车接入电网后会直接影响到线路的节点电压，尤其是末端节点电压会严重下降，从而影响到用户正常用电。因此，制定电能质量约束条件[3]，其表达式为：

式中：

g—节点电压偏移量；

iv—节点i的电压；

M—电网负荷；

A—换电站总负荷。

2 新能源配送汽车换电站服务半径测算

新能源配送汽车换电站选址是否合理[4]与服务半径密切相关，换电站的服务半径[5]需要满足新能源配送汽车续驶能力的要求，如果换电站服务半径过大，会出现新能源配送汽车停运现象，不利于保障新能源配送汽车的续驶能力。若服务半径过小，会导致换电站过于集中，从而造成资源浪费。

通过上述分析可知，服务半径的确定与配送汽车的续驶里程相关，则从汽车的续驶能力角度考虑换电站服务半径。新能源配送汽车的续驶里程与新能源配送汽车动力电池类型、容量[6]、汽车行驶速度以及电池循环寿命相关。续驶里程可认为是新能源配送汽车开始放电状态直到电池容许的最小荷电状态时的行驶距离[7]，表示为：

式中：

L—新能源配送汽车开始放电到电池容许的最小荷电状态时的行驶距离；

P—新能源配送汽车电池的放电效率；

q—汽车电能转换为机械能的转换效率；

w—新能源配送汽车额定下的荷电状态；

e—汽车电池的容量；

r—新能源配送汽车额定功率。

依据上述计算得到的新能源配送汽车的续驶能力[8]，确定换电站最大服务半径，为保证配送汽车续驶能力，其表达式为：

式中：

y—换电站最大服务半径；

sij—换电站i与换电站j之间的距离；

L—上述计算得到的新能源配送汽车的续驶里程；o—约束条件。

通过上述计算，确定新能源配送汽车换电站的最大服务半径。

3 新能源配送汽车换电站选址路径规划

对于换电站选址路径规划，不仅要考虑最大服务半径，还要考虑换电站最大服务次数[9]、周围的固定充电需求与过路充电需求。因此在上述新能源配送汽车换电站服务半径测算完成的基础上，确定换电站的最大服务次数、固定需求[10]与过路充电需求。

3.1 换电站最大服务次数

考虑换电站最大服务次数的原因是，新能源配送汽车进行换电时，除了电池组的配置[11]决定其服务能力外，换电工位数以及换电时间都会影响换电站的服务能力。若服务等待的时间长，则会增加换电时间。服务等待内容组成如图1所示。

因此在规划时，从换电工位数与换电时间两个方面考虑该换电站最大服务次数，表达式如下：

式中：

T—换电站日均工作时间；

N—换电站所需换电工位数；

C—换电站每天最大服务次数；

V—换电时间；

f—车辆之间影响等的储备系数。

3.2 固定充电需求与过路充电需求

依据上述计算计算出换电站最大服务次数，在此基础上，考虑换电站最大服务次数、周围的固定充电需求与过路充电需求[12]。过路充电需求即当一些新能源配送汽车从某条固定路线上经过时，出现的临时充电需求，因此需要考虑这些车流量对换电站选址[13]的影响。对于过路需求，主要计算某条线路的重要程度，其计算公式为：

式中：

A—最大覆盖用户需求；

j—该条线路最大过路需求；

d—线路重要程度系数；

g—潜在过路顾客流量；

图1 服务等待内容组成

h—设施候选点。

通过上述计算找到总需求量最大的候选点[14]，然后将该点作为第一座换电站的选址点，则选址路径表达式为：

式中：

L—总需求量最大的选址点；

Z—候选站址的集合；

V—待选节点；

b—固定需求点；

n—经过需求量最大选址点的线路结合，即需求量最大换电站位置所能服务到的位置。

不断迭代上述计算，寻找下一个换电站位置，直到找到要求数目的站址。

4 实验对比

在Windows7 系统的计算机上进行此次实验，其中服务器的硬件配置如表1。

在该实验背景下，将此次设计的方法与传统的基于双目标数学规划模型的新能源配送汽车换电站选址路径规划方法和基于启发式算法的新能源配送汽车换电站选址路径规划方法对比。对比这三种方法换电站选址路径优化后的换电站经济效益与用户充电总交通成本。

4.1 换电站经济效益对比

经济效益是换电站选址路径优化追求的根本目标，其收益来源主要是充电站周围的固定充电需求与随机分布的过路充电需求，三种方法在一天内的换电站经济效益对比结果如图2所示。

分析上述实验结果可知，在7：00～9：00时间段内，属于早高峰时期，这个时间段内三个方法的经济效益都相对较高。但是此次设计的方法高于基于双目标数学规划模型的新能源配送汽车换电站选址路径规划方法和基于启发式算法的新能源配送汽车换电站选址路径规划方法。在12：00～2：00时间时间段与16：00～20：00时间段内，此次设计换电站的经济收益的方法仍高于传统两种方法。原因是，此次方法在对新能源配送汽车换电站选址路径优化时，考虑到固定充电需求与过路充电需求，从而提高换电站经济效益。

4.2 用户充电总交通成本对比

充电总交通成本是指用户行驶到充电站过程中消耗的成本，一些充电用户由于交通约束或者剩余电量对续航路程的约束，追求的目标是寻找到最近的充电站充电，即充电总交通成本最小。因此，以该指标作为对比三种优化方法优化后的选址合理性，对比结果如表2所示。

表1 服务器硬件配置

图2 换电站经济效益对比

表2 用户充电总交通成本对比

由表2可知，基于双目标数学规划模型的优化方法与基于启发式算法的换电站选址路径优化方法优化后的用户充电总交通成本较高，基本在15元以上。此次设计方法优化后的用户充电总交通成本基本在15元以下，经过对比可知，此次设计的方法比传统两种方法的用户充电总交通成本对比少。原因是，此次设计的方法考虑换电站服务能力与距离的关系，重点对新能源配送汽车换电站服务半径测算，从而保证了新能源配送汽车换电站选址路径优化的合理性，减少了用户充电总交通成本。

综上所述，在换电站经济效益上，此次所设计的方法比传统两种方法的经济效益高，在用户充电总交通成本上，此次设计的方法比传统两种方法交通成本低。通过上述两个指标对比，可充分证明所设计的考虑环境因素的新能源配送汽车换电站选址路径优化方法的合理性。

5 结束语

由于时间限制和数据获取难度，此次研究的方法中还存在一定的不足，需要进行完善与改进，下一步的研究方向如下：

1）此次研究中虽然融入成本、充电时间等使优化结果更优，但是实际中的车辆类型以及客户需求的变化等因素没有全面考虑；

2）实际中的耗电量还受到配送汽车载重量的影响，在优化中没有考虑到这一因素，因此在后续研究中，研究载重量对充电量的影响；

3）换电站存在多种运营模式，除了本文研究的换电站外，还包含充电桩、充电站等，因此在下一步的研究中将重点研究如何构建完善的供电网络体系。