电动汽车充电站选址浅析

王首达

（云南民族大学电气信息工程学院，云南 昆明 650500）

1 电动汽车充电站类型分类

1.1 电动汽车充电桩分类

充电桩的类型分为以下几类：公共充电桩、专用充电桩和私人充电桩。在城市统一的充电站、公共停车场和高速的服务区；专用充电桩公司企业内部停车场内设置的充电桩、出租车共享汽车等运营类车辆、公交车充电桩等；私人充电桩主要在小区内的停车场。按照建设的规模，充电设施可分为：分散式充电桩和集中式充电站。

（1）分散式充电桩。主要指专用充电桩、私人充电桩和分散式公共充电桩。文献[1-2]提到此类充电桩大都建设在停车场内，规划此类只需要根据需求计算所需建设的充电桩数量。文献[3]将充电站分为两种类型：小区内充电桩和公共快速充电桩。小区内充电桩参考电动汽车的保有量来决定建设数量；公共充电桩则根据各地区用户的充电需求和距离，决定最佳建站地点以及充电站的覆盖率。文献[4]通过对比分析各类型的电动汽车日充电需求和日最大接入数，进而求得各类型充电站的需求量，然后根据区域内各区域的需求系数，确定最终充电桩建设数量。

（2）专用充电桩。专用充电桩主要为具有特定充电需求的电动汽车提供充电服务，例如：电动环卫车、电动出租车、电动公交车、电动共享汽车等。现有的专用充电站主要包括：电动的公交车充电站和出租车充电站。公交车充电站的建设规划，需要根据其充电需求特性来对其进行合理规划。文献[5]从运营商的角度考虑，建立了充电设施需求模型，并确定了合适的充电桩建设数量。文献[6-8]研究综合根据道路交通网的结构、出租车的充电行为特性、配电系统结构及容量约束的规划模型。文献[9-10]研究了电动出租车的充电行为特性，在保证充电便利性的前提下，同时还综合考虑到不影响配电网的安全运行，最终建立了面向电动出租车的最优充电站规划模型。

（3）公共充电桩。主要包括高速公路公共充电桩和城市公共充电桩[11]。文献[12]考虑电动汽车在高速公路上的行驶距离和电池续航，来确定充电站选址。同时使建站、运维等成本最小化确定最优化的选址定容。文献[13]考虑电量分布情况，充电站选址定容的目标为：电动汽车数量期望值最大化，充电站运维和用户等待时间成本最小化。文献[14]分析了交通流量的时空分布和充电站内电动汽车的到达率。建立了用户等待时间最小，充电站运维成本最低的高速公路电动汽车充电站多目标优化模型。

2 电动汽车充电站选址目标函数与约束条件

2.1 运营商

对于电动汽车充电站运营商来说，经济性和利润率是其主要目标。运营商对电动汽车充电站站址的合理选择，不仅可以获得大量的利润，同时也会吸引更大量的投资，从而带动整个电动汽车产业更好更快发展。充电站的运营商需要为客户提供便捷的服务，在保证符合电网安全运行范围内，满足用户充电需求。同时也要顾及道路交通网流量的约束。文献[15-18]考虑到充电站覆盖范围，进行电动汽车数量和区域内分布情况的预测。建立了建设成本、运营成本、充电成本最小的多目标优化模型。文献[19-20]采用了全寿命周期成本理论，将道路交通网流量，用户充电需求，电网提供的能源质量为约束条件，以充电站建站、运维、保修成本最小为目标，建立优化模型。文献[21]以充电站的收入利润最大为目标，综合考虑建站投资、运营、网损等费用，建立电动汽车充电站优化模型。

2.2 电动汽车用户

用户一般会将充电便利性最高、时间费用等各项成本最低作为电动汽车充电站选址布局的主要目标。以用户需求放在首位的动汽车充电站选址规划问题，主要考虑的是用户到充电站行驶距离、充电站的充电价格、用户排队时间等因素。充电站合理的选址不仅可以满足用户的充电需求，还可以提升用户充电便利性，提升服务体验。电动汽车用户主要受到电动汽车续航里程、充电功率等约束。文献[22]在用户充电行为特性做出相应的分析基础上，引入了排队论模型，将充电站建设投资费用和用户排队等待时间成本两者之和最小为目标，建立了充电站配置模型，即可保证充电站内已建设的充电桩的利用率，同时也可以保证用户的满意度在用户接受度范围内。文献[23]应用出行链理论，将用户一周的充电行为提取出来，并给予分析。考虑了建站位置对用户充电需求的影响，以电动汽车用户充电排队等待时间最小、充电桩使用率最大为目标建模。

3 电动汽车充电站选址规划模型及求解算法

在获取电动汽车充电需求的时空分布，同时满足配电网和道路交通网的相关约束的前提下，最优化电动汽车充电站的站址和容量配置，是我们研究的核心内容。目前已经有很多非常优秀的相关研究成果已经涌现，可以说在这一问题上已有很大进展和突破。电动汽车充电站的建设地点，大多选择在小区内停车场和城市公共停车场。而电动汽车充电站选址规划模型求解的步骤大概分为：充电站的站址确定、充电站容量计算、最优站址建设地点筛选几个步骤。

3.1 充电站站址的确定

确定充电站的建站地址不仅需要考虑电网约束、路网约束、充电服务覆盖率约束、建站环境约束，同时还需要考虑线路长度约束等。文献[24]归纳总结了影响电动汽车充电站站址确定的各类因素，包含外因和内因两大类。外因包括地理环境、社会条件、政策因素等；内因包含经济因素、用户出行规律、交通流量等因素。首先通过外因确定可选的建站地址，再用内因来进一步排除，最终得出最佳选址地点。文献[25]用数据挖掘的方式将提取出来的大量电动汽车出行数据进行分析，最终获取到电动汽车充电需求产生位置的分布图。最后将规划区域进行网格化处理，把充电需求大的网格选择出来，作为电动汽车充电站的站址。

3.2 充电站选址模型

现存的电动汽车充电站选址布局模型主要分为两类：基于点需求和基于流量需求。基于点需求的充电站选址模型主要分为三种：①p-median模型，该模型选择确定p个充电站建站地址，让所有的充电需求点到充电站的加权距离之和最小；②pcenter模型，该模型在充电站的数量确定的前提下，使任意一个充电需求点到与其相距最近的充电站的最大距离最小；③覆盖模型，分为集覆盖模型和最大覆盖模型。

文献[26]采用K-means聚类方法划分指定区域范围内的电动汽车具有充电的需求的点，使各充电需求点到聚类中心点的距离之和最小，通过这样的方式可以最终确定充电站点坐标及充电服务区域。文献[27]采用了改进的P中心定位模型，以使道路网络中所有产生充电需求的点到充电站距离，与用户充电需求大小乘积之和最小为目标，这样来确定充电站建站的位置。文献[28]采用Voronoi图对充电站服务区域进行划分，并通过计算充电站服务半径，来代表服务范围。以各充电站服务半径最大为目标确定充电站布局方案。文献[29]在充电站的服务范围内采用加权Voronoi图划分区域，以服务范围内用每年用户在行驶到充电站去充电的过程中所损耗的成本和充电站每年在线路上的投资之和最小为目标对充电站进行选址。文献[30]运用基于加权Voronoi图的免疫算法来选择充电站的站址，在满足充电站的充电覆盖率足够大的前提下，尽可能地缩短充电需求点和充电站的距离，最大化地满足更多数量的电动汽车用户的充电需求。文献[31]用到了基于用户平衡的交通流量配置模型。对电动汽车充电站所截获的交通流量进行相关分析，将截获的交通流量最大作为充电站布局选址的目标。文献[32]参考服务站在交通规划中的选址办法，利用截获的交通流量的选址模型对充电站建站地址进行约束，以使充电站的服务效果更佳。

3.3 电动汽车充电站选址模型与求解算法

在确定电动汽车充电站选址的情况下，在充电站定容的时候主要需要考虑的有：充电站内充电桩的使用率、建站投资成本、充电站服务率等因素，常用的充电站定容方法包括基于排队论原理的方法、交通流量计算法、概率预测法等。文献[33]利用M/M/C排队模型，以电动汽车用户充电时间成本最小，充电桩平均利用率最大为目标建立充电站选址模型，以实现资源的合理利用。文献[34]根据电动汽车充电需求的概率统计模型，通过蒙特卡洛法仿真，得到这一概率统计模型期望值的解析解，并以此模型的最大期望值确定充电站的容量。在确定备选站址的而没有确定最终站址的条件下对充电站进行选址定容时，充电站站址与容量作为决策变量，确定建站站址的相应目标及约束条件在可行域内寻求最优解。现有文献采用很多智能算法，例如：遗传算法及其改进算法、粒子群算法及其改进算法、免疫算法、蚁群算法、蜂群算法、萤火虫算法等对充电站进行选址和定容。文献[35]考虑了电动汽车充电为电网带来的负荷，及充电站站址的离散性，提出了一种混合离散粒子群算法，来求解充电站的选址定容问题。在模型中规划问题的解是由粒子的位置所代表，规划目标作为适应度函数对粒子的位置进行评价，通过粒子寻找全局最优位置来寻求规划的最优解。文献[36]对充电站的站址和容量进行二进制编码，生成初始种群，通过选择、交叉、变异等操作寻求适应度最高的个体作为全局最优解即最优选址与定容。

4 结语

随着汽车行业的发展进步和电动汽车保有量的增加，电动汽车充电为电网带来的负荷压力也在增大。电动汽车充电需求分布具有时空随机性的特点，同时也受电动汽车电池、功率等性能约束和路网约束。因此在解决充电站选址问题时，需要对电动汽车充电带来的负荷进行合理分析与预测。同时还需综合考虑电动汽车用户、电网公司、充电站运营商等多方的需求。云计算、人工智能、大数据等技术的发展与进步为充电站选址布局问题的研究提供了重要的数据与分析方法，对于此问题的未来研究，也可以应用这些新方法来解决此类充电站布局问题。