基于可变模糊集的电动汽车充电站选址评价

李晓慧，孙新国，胡灵芝

(1.淮阴工学院 人文学院，江苏 淮安 223001;2.淮阴工学院 管理工程学院，江苏 淮安 223001；3.江苏省智能工厂工程研究中心，江苏 淮安 223000)

随着全球环境问题和能源问题的日益加剧，电动汽车作为新能源汽车的主要代表得到了快速发展，我国已形成全球销售量和保有量最大的电动汽车市场。伴随电动汽车的迅速发展，消费者对充电设施的需求也将更加强烈，国家陆续出台了《关于加快电动汽车充电基础设施建设的指导意见》《电动汽车充电基础设施发展指南》《关于加强城市电动汽车充电设施规划建设工作的通知》等一系列政策文件[1]。全国共有67个省市出台了电动汽车充电规划，截至2020年6月底，全国各类充电桩保有量达132.2万个，其中公共充电桩55.8万个、数量位居全球首位。但这一数字仍无法满足新能源汽车用户的需求。充电桩的不足，反过来也将大大限制新能源汽车的续航性。2020年10月9日，国务院通过了《新能源汽车产业发展规划》，提出要加强充换电、加氢等基础设施建设，加快形成快充为主的高速公路和城乡公共充电网络，对作为公共设施的充电桩建设给予财政支持。因此，电动汽车充电桩选址及电动汽车充电网络运营综合评价研究，对新能源汽车行业发展具有重要意义。

目前，针对电动汽车充电站选址规划研究，主要有两种思路：第一种是确定规划目标，采用多目标优化方法寻找充电站最佳定位[2-5]；第二种是在已有备选站点中通过评价模型确定最优方案[6]。其中基于评价方法的步骤是首先确定充电站备选地点及方案，然后根据方案的选址和经济性构建指标体系，最后确定综合权重，构建评价模型。该类方法简单实用，可操作性强，在实际站点规划中得到广泛应用。高亚静等[7]提出两步优化选址方法，首先采用免疫算法确定候选站点，然后采用模糊层次分析法确定充电站选址排序，该方法搜寻的候选站点往往难以应用到实际复杂的交通网络和地面状况中；周洪超等[8]采用博弈论方法对电动汽车充电站规划布局方案进行评价，能够在不同方案之间达到系统协同优化的目的，但该方法主观性较强未利用客观数据；陈丽娟等[9]通过AHP和熵权法确定充电站评估指标体系权重，得到广州119个充电站点的得分，但该方法只是权重和打分的线性组合，结果较单一；张伟[10]采用灰色关联度分析和TOPSIS的两种评价方法并进行组合，结果显示组合方法效果更好。

综上，关于充电站规划布局评价模型已有较多的研究，但充电站网络是一个复杂的综合性系统，需要采用正确的方法对其分析，由于不同因素影响程度和机理不同，可变模糊集理论能够较好的综合反映各因素影响程度，得到的安全评价结果可信度较高。建立基于可变模糊集理论构建充电站选址和网络布局评价模型，采用层次分析法和熵权法综合考虑主客观权重，以期为充电站选址和布局提供理论依据，为相关从业人员提供参考。

1 基于组合权重的可变模糊评价模型

1.1 指标体系构建

通过对已有充电网络选址案例分析，结合现有规范及国内外相关文献[11-12]，按照全面性、科学性、可操作性的原则，从公共服务水平、客户服务质量、站点管理水平、环境影响方面选取了14个评价指标，包括设备利用率、服务半径、站点可达性等，构建了充电站选址评价指标体系。待优选方案的特征值矩阵可表示为：

(1)

根据待优选方案的特征值矩阵，对其进行规格化处理确定其相对隶属度矩阵R=(rij)效益型指标与成本型指标分别为：

(2)

(3)

图1 充电站选址的综合评价指标体系

1.2 确定评价指标的组合权重

不同的指标在充电站选址评价中的重要性是有所区别的。主观权重可以较好的体现研究人员对研究问题的认识，客观权重则可以充分的利用原始数据的信息[13]。本文结合两者的优点，分别利用层次分析法确定主观权重，利用熵权法确定客观权重，最后利用加乘计算确定指标综合权重。将层次分析法计确定的主观权重w1，与熵权法确定的客观权重w2，加乘运算归一化后即可确定综合权重w。

(4)

熵权法计算权重步骤如下：

(1)计算第j个指标下第i个项目的指标值的比重pij：

(5)

(2)计算第j个指标的熵值ej：

(6)

(3)计算第j个指标的熵权wj：

(7)

1.3 可变模糊评价模型

我国学者陈守煜在Zadeh创立的经典模糊集合论概念基础上，针对客观事物在优选、评价、分级等方面呈现的模糊集合动态可变性，提出可变模糊集理论。在此理论延伸出可变模糊优选模型、可变模糊评价模型、可变模糊识别模型、可变模糊聚类模型等一系列可变模糊理论方法体系。深刻的揭示和描述了模糊性是客观事物、现象处于共维条件下的差异在中介过渡时所呈现的“亦此亦彼”性。该理论通过计算样本的相对隶属度分析样本的隶属程度，其计算过程与理念是连续的模糊的，这与充电站网络评价的特性相吻合。其中可变模糊评价模型通过变换模型优化准则参数和距离参数形成模糊综合评判、理想点TOPSIS、神经激励函数和经典模糊优选四种评价模型，客服了传统评价方法单一、结果不稳定、鲁棒性差的缺点[14-15]。

可变模糊评价模型是可变模糊模式优劣两级的识别模型，各方案对优级的相对隶属度计算模型如下：

(8)

式中α为模型优化准则参数，p为距离参数，α、p可以分别取值1或2，因此模型可以变换为四种模型组合。

(1)α=1、p=1，为模糊综合评判模型

(2)α=1、p=2，为TOPSIS理想点模型

(3)α=2、p=1，为神经网络中神经元的激励函数模型

(4)α=2、p=2，为经典模糊优选模型

2 实例研究

2.1 指标体系得分

选取某市具有代表性的10个典型站点管理运行数据，定量指标取值由系统导出，定性指标经行业专家打分得到定性数据。

表1 指标体系与得分数据

续表1

2.2 主成分分析结果

主成分分析方法是通过计算指标之间的相关系数矩阵特征根和特征向量，然后用特征向量作为系数将原始变量进行重新组合，构建的主成分之间互不相关，能够将原指标之间相关的部分消除掉，去除冗余信息，能够反映出该主成分包含原始数据的信息量占全部信息量的比重，是一种客观、合理的分析方法，有效的减少了分析问题影响因素的维度，能找到关键影响因素并分析其物理特征。

采用SPSS软件进行主成分分析计算，得到指标体系的组件图，如图2所示。从图中看出，设备利用率、服务投诉率和维修保养频率对充电站选址评价结果影响重要性程度较大，应予以重点关注。

2.3 指标权重

利用层次分析法和熵权法计算主观权重和客观权重，然后加乘运算得出指标综合权重，见表2。

图2 主成分空间组件图

表2 各指标权重

2.4 可变模糊模型评价结果

分别利用(10)～(13)中的4种模型进行评价，10个充电站评价结果见表3。

表3 全指标体系评价结果

由评价结果可以看出，影响充电站站点选择关键指标为设备利用率、服务故障率和服务半径，4种模型的结论除站点1和3排序有些许差别外，其他站点排序一致，说明基于可变模糊集理论构建评价模型有较好鲁棒性，采用灰色关联分析法和文献中的AHP-TOPSIS方法得到的结果进行比较，结果显示3种方法的结论也高度一致。可变模糊模型排序第一的站点平均相对隶属度为1.084，最后一位为0.124，区分更加显著，证实了本文提出的方法有较好的合理性和稳定性。

3结语

(1) 鉴于电动汽车充电站选址和运营评价客观性、模糊性、时序性、随机性等特点，本文尝试采用层次分析法确定主观权重、熵权法确定客观权重，经加乘归一化后确定综合权重，使得计算结果更加客观，结果更加可信；

(2) 基于可变模糊集理论构建四种评价模型，分别用线性距离和海明距离来描述不同指标对优劣的隶属度，实例应用结果表明本方法具有更好的鲁棒性，不同方案之间区分更加明显；可以为充电站选址和充电网络的综合评价和评级提供技术支撑。