电动汽车充电网络规划研究

冯海俊，林淑英，张璐达

（国网浙江嵊泗县供电公司，浙江 舟山 202450）

0 引 言

结合目前的规划发展需要与现实情况来看，电动汽车的数量不可避免地会进入一个快速增长的阶段，当大量电动汽车集中充电时，电网会受到这部分充电负荷的较大影响，同时充电站的选址也关系到充电效率和经济性问题。

相关研究利用蒙特卡洛法对电动汽车充电需求和出行时间进行了相关性分析，得出充电需求概率模型。在此基础上，可进行相应的电动汽车充电站选址工作。国内外研究人员重点是从实际数据提取和建立模型预测两方面来对充电站的选址进行优化。文献[1]对实际的出租车GPS数据进行提取与加工，对相关所需部分进行分析，获得具有时空属性的充电需求，并建立相应的时空需求模型讨论充电站最佳选址。文献[2]提出了考虑流量的选址模型，以通过选址地的目标流量最大化为目标，构建流量捕获选址模型。文献[3]以满足区域内电动汽车充电需求最大量和充电站服务半径为条件，以目标年综合费用最小为目标，基于变权Voronoi图，采用混合离散粒子群算法，对充电站最优选址进行优化搜寻，提高了选址的准确性。有关研究从多个角度建立充电网络多目标规划，提高模型的实用性[4,5]。

本文从社会效率的角度建立了电动汽车充电站选址模型，充分考虑了充电消耗的总时间成本、充电站的固定投入成本和运维成本，并采用遗传算法进行求解。

1 电动汽车充电站选址模型

因出租车本身特有的运营方式，时间成本的大小是影响出租车盈利多少的重要因素。电动出租车的载客运营时间越长，前往充电站充电、充电完成前往寻客的时间越短，所得盈利相应越多，此过程可以通过数学公式来表达。本模型以电动汽车充电站年总成本最低为目标，综合考虑了充电站年固定投入与车辆充电时间行为成本，具体关系为：

式中，T代表充电行为总体时间消耗成本；Cc代表充电站年固定投入成本；Cv代表充电站年运维成本。

电动汽车充电站的数量选取是一项基本的工作，在实际情况中，电动汽车充电站的建设需要考虑的因素有很多。如充电站需要有足够的地块大小来安装充电设施、供车辆停车等待，充电站建设用地的选择还受到交通路网、居民出行、建设用地规划的影响，不可能将充电站在每个点位都进行建设。在本文中，充电站数量选取的策略是根据区域内电动汽车充电功率总需求来进行规划。在电动汽车总数量NEV，所选车型电池额定容量W已知的情况下，可计算得出区域内电动汽车充电需求的总量。再结合充电站最高容量限额Smax与最低容量限额Smin，可得充电站数量选取范围为：

式中：Nmin为区域内电动汽车充电站最小规划数；Nmax为区域内电动汽车充电站最大规划数，充电站规划数Nmin≤Nmax。

充电时间总体时间消耗成本由3个部分组成，分别为从当前位置前往充电站的时间成本，在充电站内等待与充电的时间成本，充电完成后从充电站到达首个搜寻乘客节点位置的时间成本。出租车驾驶员在日常运营过程中会综合考虑上述3个时间成本的影响，选择总体时间成本最小的运营路线。本文所建立的目标函数就是衡量前往充电站时间成本，在充电站内等待与充电、充电完成后从充电站到达首个搜寻乘客节点位置的时间成本的总和大小，给出相应最优解。目标函数为：

式中，A为交通节点的集合，i,j∈A；M为充电站位置节点的集合；Ni为从节点i到充电站节点的出租车数量；Pik为从交通节点i到充电站位置k进行充电的概率；tik为从交通节点i到充电站位置k的最短通行时间；tk1为电动汽车在充电站内等待与充电时间。

充电站固定成本由两部分组成，分别为充电站年固定投入成本与年运维成本。年固定投入成本主要用于充电设施、辅助设备、土地购买与租赁等方面的投入，年运维成本由员工工资、设备维护费用等部分组成。

充电站年固定投入成本为：

式中，充电站配置的配变数量为ni；所配置的配变单位造价为a；充电站内充电桩数量为mi；充电桩单价为b；用于充电站基础投资的费用为ci；贴现率为r0，设计运行年限为z。

运维成本包含员工工资、设备维护费用、设备折旧费用等，这些成本的影响因素的波动较大，通常无法找到统一的规律来进行准确的数学表达，可人为设定一个比例因子η来对年运维成本进行表达即：

2 基于遗传算法的充电网络规划方法

遗传算法可以处理较为复杂的约束条件，同时能够对较难解的公式解题提供一个全新的思路，因此遗传算法广泛运用于现代复杂规划问题。（1）可以作为遗传算法的适应度函数，根据式（2）确定好充电站数量后，初始化随机充电站的坐标，进行编码后作为求解变量。

3 算例分析

以浙江某地区一地块进行分析，在此区域内进行电动汽车充电站建设规划。该区域路网如图1所示，该区域有着62.5 m2的面积，72个路网节点。

图1 规划区路网

电动出租车型号选择比亚迪E6，该车型的电池容量为60 kW·h，车辆平均行驶速度为30 km/h，充电站内每台充电机的功率为120 kW，充电站最多安装30台充电机，最少安装10台充电机，充电机充电同时率为0.9，出租车司机的空驶时间成本为14.32元/小时，遗传算法的迭代次数设置为100次，贴现率为0.08，设计运行年限为20年。

由式（2）可计算出，充电站最小规划数Nmin=4，充电站最大规划数Nmax=12。可得如图2所示充电站年总成本与充电站数量的关系图，当充电站规划数为9 h时，年总成本最低。

图2 充电站年总成本与充电站数量的关系

选择9个坐标为电动汽车充电站的初始位置坐标，再通过遗传算法，对上述坐标选址进行优化，所得优化后的充电站位置坐标位置如图3所示。

图3 优化后的充电站选址

从图3选址位置可知，充电站位置分布较为均匀，没有产生在某个区域内过于密集或过于稀疏的情况；充电站的位置更倾向于分布在车辆密度较大的区域，选择在车辆密度较大的区域能增大充电站的服务覆盖率，提升辐射范围。

4 结 论

因出租车本身运营方式比较具有代表性，本文选择电动出租车为研究对象。时间成本的大小是影响出租车盈利多少的重要因素，综合考虑出租车时间成本与充电站建设、运营成本进行建模分析，利用遗传算法最终得到模拟结果。实验结果表明对电动汽车充电站进行科学的站址规划可以有效降低用户时间成本，减少对充电站的过分不必要投资，提高充电站利用率。