CN102880921B - 一种电动汽车充电站选址优化方法 - Google Patents

Abstract

本发明公开了一种电动汽车充电站选址优化方法，它通过充电站服务半径约束条件考虑充电者充电便捷性，通过优化充电站数量和根据子区域用地性质确定充电站初始位置，初步优化充电站投资，同时基于Voronoi图性质进行合理的负荷分配，以充电站选址可影响的投资和费用为优化目标，在每个Voronoi多边形内优化选址，最后确定充电站的位置、服务区域和包含充电机数量。通过算例表明，该方法能快捷、有效进行充电站选址，同时满足充电便捷性、经济性和投资最优性。

Description

一种电动汽车充电站选址优化方法

技术领域

本发明属于电动汽车充电站对选址优化技术领域，涉及一种基于Voronoi图和地图划分理论，并以充电站投资和消耗费用为优化模型的电动汽车选址方法。

背景技术

电动汽车有缓解能源危机、环境污染以及完善汽车行业结构的优势，因此得到国家的大力扶持并有广阔的发展前景。作为电动汽车基础建设的充电系统，合理的充电设施规划不仅关系到消费者的便捷性、经济性，更影响到电动汽车的广泛推广和电动汽车产业的可持续发展，因此在充电设施大规模建设之前，应该正确提出合理规划充电设施的方法。

目前对充电设施规划研究已经取得初步成果，有的文献将充电设施规划分为示范阶段、公益阶段、商业运营阶段等不同的阶段，并提出对应阶段的特点；有的文献从经济性方面进行研究，将消费者的充电和充电站投资的总成本作为了优化目标，采用不同的理论和算法，如排队理论、粒子群算法、遗传算法等，研究充电站最优分布和规模。对于电动汽车充电站选址规划，首先应该考虑充电站投资费用和消费者使用费用最小化，对于现有的研究，主要集中在电动汽车充电站投资费用方面的优化，而忽略了消费者的使用费用；其次消费者充电的便捷性是充电站选址的重要影响因素，这是因为在消费者在发生为电动汽车充电行为时，首先会考虑在距离自己最近的充电站充电，充电便捷性影响着充电站的选址和规模，但现有的研究忽略了这一重要因素；最后现有的研究侧重于对模型的优化算法，并没有涉及整个区域的充电站具体的选址规划。

总的来说，现有的电动汽车充电站选址规划方法缺少考虑因素，没有对具体的区域经行选址规划。

发明内容

本发明的目的就是为了解决上述问题，提出一种基于Voronoi图和地图划分理论，并以充电站投资和消耗费用为优化模型的电动汽车选址方法。

为了实现上述目的，本发明采用如下技术方案。

一种电动汽车充电站选址优化方法，首先，比较准确预测电动汽车的数量和分布，进而初步确定充电站的数量。其次，根据区域用地特性划分子区域，结合地图划分思想和约束条件，确定最优充电站数量和充电站初始位置，最后，基于Voronoi图划分充电站服务区域，在每个Voronoi多边形内，通过计算负荷点坐标平均值确定充电站新位置，通过迭代计算优化充电站投资和消费者消耗总费用模型，最终确定充电站位置、服务区域以及包含的充电机数量。通过该方法可以简单、直观、经济的确定某个区域电动汽车充电站选址规划。

所述的电动汽车充电站投资和消费者消耗费用模型如下：

充电站选址的主要任务是根据区域电动汽车数量和分布，在区域中选择合理的充电站数量和地址，以满足电动汽车用户的充电需求，既要考虑用户充电的便捷性、经济性，又要考虑充电站投资的最优性。对于充电者充电便捷性，设定充电站服务半径约束条件；对于用户充电经济性，建立用户在充电路上年消耗费用模型；对于充电站投资最优，建立充电年投资费用模型，主要包括投资费用、维修费用、网损费用。因此对于整个区域，一方面要求每个负荷点到其最近的充电站的距离d_min(s_i，u_j)小于充电者满意充电距离；另一方面要求充电站选址可影响的投资和消耗费用最优(包括投资成本和用户成本)，用数学语言描述，如式(1)、式(2)：

d_min(s_i，u_j)＜r；i＝1，2，…n；j＝1，2，…，m (1)

min(G)＝min(g₁+g₂+g₃) (2)

$g_1={\mathrm{\Σ}}_{i=1}^n{A}_i\frac{r_0{(1+r_0)}^{n_1}}{{(1+r_0)}^{n_1}-1}(1+a)---\left(3\right)$

$g_2=F\×{\mathrm{\Σ}}_{i=1}^n(\mathrm{\β}{W}_i+k_1^2{\mathrm{HL}}_{1i}P)---\left(4\right)$

$g_3=365\mathrm{eF\ω}{\mathrm{\Σ}}_{i=1}^n{L}_{2i}---\left(5\right)$

$P=\frac{(1+\tan {\mathrm{\θ}}^2)}{U^2}{\left(\frac{W_i}{H}\right)}^{2}R---\left(6\right)$

式中：s_i为第i个充电站；u_j为第j个电动汽车负荷点；r为充电者满意距离；G为充电站选址可影响的年投资和消耗费用；g₁为区域充电站建设年投资和维修费用；g₂为年网损费用；g₃为充电者充电路上年消耗费用；A_i为第i个充电站投资费用；r₀为投资回收率；n₁为充电站运行目标年限；a为设备的年维护折旧率；F为平均电价；β为变压器损耗率；W_i为第i个充电站一年为电动汽车提供的总电能；k₁为线路损耗计算系数；H为充电站年平均利用小时；L_1i为第i个充电站输电馈线长度；P是线路每公里有功损耗；e为每个负荷点代表的需要到充电站充电的电动汽车数量（选择主要交通路口作为代表其周围区域需要到充电站充电的电动汽车数量，称该交通路口为负荷点）；ω为电动汽车平均百公里耗电量。L_2i为第i个充电站服务区域中负荷点到充电站的距离之和。θ为功率因数角；U为电压等级；R为每公里线路电阻。

所述电动汽车数量预测和分布如下：

根据区域现有的中小型汽车数量及年增长率，计算未来几年的汽车数量，预测电动汽车市场占有率，计算该区域电动汽车总数。考虑到电动汽车每次充电后平均可行驶120km，社会车辆平均每天行驶30km，即充电者平均4天为电动汽车充一次电，所以每天需要充电站提供充电服务的电动汽车数量为：

$d=\frac{b{(1+k_2)}^m{\mathrm{\β}}_m}{4}\×c---\left(7\right)$

式中：d为该区域平均每天需要到充电站充电的电动汽车数量；b为该区域目前中小型汽车数量；k₂为该区域中小型汽车数量年平均增长率；β_m为m年后电动汽车市场占有率；c为充电站在所有充电设施中所占的工作比例。

电动汽车的分布与区域中地理环境和人口密度有关，一个区域中主要交通路口的密度能反映该地区人口密度，选择主要交通路口作为代表其周围区域需要到充电站充电的电动汽车数量，称该交通路口为负荷点，则每个负荷点代表的电动汽车数量为：

$e=\left[\frac{d}{g}\right]+1---\left(8\right)$

式中：g为区域中总的负荷点数；[]表示取整。

所述电动汽车充电站规模如下：

为了满足用户充电便捷性，本发明提出充电站服务半径约束条件式(1)，同时这也对每个充电站的服务面积有了限制，即最大服务面积为πr²，因此一个区域的充电站数量最少为：

$N=\left[\frac{s}{\mathrm{\π}{r}^2}\right]+1---\left(9\right)$

式中：N为最少充电站数量；S为区域总面积。

采用快速充电方式，30分钟即可完成对社会电动汽车的充电，所以充电站包含的充电机台数及一年为电动汽车提供的电能分别为：

$F_i=\left[\frac{f_{i}e}{2h}\right]+1;i=\mathrm{1,2},\·\·\·n;---\left(10\right)$

W_i＝365wf_ie (11)

式中：F_i为第i个充电站中充电机的数量；f_i为第i个充电站所在Voronoi多边形内包含的负荷点数；h为充电机平均每天工作的小时；W为电动汽车充电一次消耗电能。

所述电动汽车充电站选址优化方法如下：

充电站选址优化，即在满足约束条件式(1)下，以式(2)为优化目标，同时确定充电站位置。主要讨论从以下几个方面减少投资和损耗费用，从而对充电站选址优化。

（1）选取最优的充电站数量

充电站的数量在很大程度上决定了变压器投资、充电站整体运行维护投资和固定投资，因此在满足式(1)的条件下，尽量减少充电站的数量，将会减少整体充电站建设的投资。首先根据式(9)选择最小的充电站数量，并在充电站初步选址时，满足约束条件式(1)，否则增加充电站数量。

（2）充电站初步选址

根据用地性质、经济水平、人口密度等区域特征可将一个区域划分成子区域V_i，i＝1，2，…，k；由于用地性质和位置的不同，每个区域中建立充电站所需要的购地成本和输电馈线成本不同，从而使每个区域上建立充电站的成本不同。可以算出每个区域上建立相同容量充电站的初始投资 和 则有 i＝1，2，…，k；j＝1，2，…k；i≠j；因此在初步选址时，根据地图划分思想，优先选择投资成本低的子区域建立充电站，同时结合约束条件式(1)，确定充电站的初始位置。

（3）充电站选址优化及步骤

根据初步确定的充电站位置，求出以充电站为欧几里德平面中离散点的Voronoi图，划分每个充电站的服务区域，则整个区域充电站的选址优化转化为在每个Voronoi多边形内充电站优化选址，根据式(2)-(6)计算该选址情况下的投资和费用，然后采用平均值法计算每个Voronoi多边形内负荷坐标的平均值作为新的选址点，根据新的充电站位置，再求解Voronoi图，同时求解该情况下的投资和费用。以此迭代，当目标函数式(2)最优时，停止迭代。

所述充电站选址的具体步骤为：

步骤1 搜集区域数据，预测区域每天需要到充电站充电的电动汽车数量，根据负荷点数计算每个负荷点代表的电动汽车数量。

步骤2 根据区域面积和充电站充电服务半径约束条件初步确定充电站数量。

步骤3 根据区域用地特性划分子区域，结合地图划分思想和约束条件，确定最优充电站数量和充电站初始位置。

步骤4 求以充电站为离散点的Voronoi图，划分充电站服务区域。根据式(10)计算相应充电机数量，并由式(2)-(6)计算该选址下充电站的总投资和费用G₁。

步骤5 采用平均值法计算每个Voronoi多边形内负荷坐标的平均值作为充电站新的选址点，并求解Voronoi图。计算充电站在新位置下的总投资和费用G₂。

步骤6 判断是否满足终止迭代条件。若充电站总投资满足 a为大于零的微小常数，停止程序运行，并选G_i-1对应的充电站位置作为优选地址。

本发明的有益效果：该方法基于Voronoi图和地图划分理论，并以充电站投资和消耗费用为优化模型，最终能在一个区域内确定具有充电便捷性、投资优化性的充电站地址。

附图说明

图1是区域电子图及区域划分图。

图2是最终充电站位置及服务区域划分图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

利用上述充电站选址的具体步骤和算法对某城市二环路以内的区域进行充电站选址，目前该区域没有建立为社会电动汽车提供充电服务的充电站。获取该区域的电子图形，根据区域特性，将区域划分为子区域为V_i，i＝1，2，…，6且 i＝1，2，…5，如图1所示，计算参数如表1所示。

根据表1和式(1)，计算区域每天到充电站充电的电动汽车数量为9143辆，由图1可知，总共有85个负荷点，由式8可得，每个负荷点代表108辆电动汽车。根据式(9)选址8个充电站，但不能满足充电站服务半径约束条件，因此选择9个充电站，结合地图划分思想和子区域划分，初步确定充电站位置，再根据选址步骤和式(2)-(6)进行迭代计算。

计算过程中的负荷点、充电站坐标并没有采用实际中的坐标，而是采用相对坐标，同时为了方便表达充电站的位置，以区域中一点为原点，建立坐标轴，最后确定充电站的位置和服务区域，如图2所示，充电站坐标和包含充电机数量如表2所示。

表1 参数选择

表2 充电站坐标及对应充电机数量

由图2可知，可以得到每个充电站的服务区域，符合人们的就进充电原则，且每个负荷点到充电站的距离满足充电站服务半径约束条件，符合充电者对充电便捷性的要求。由表2可以看出，该算法可以得到每个充电站的具体位置，同时每个充电站包含的充电机数量不同，符合不同地区不同负荷量的实际情况。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (3)

1.一种电动汽车充电站选址优化方法，其特征是，包括如下步骤：

首先，预测电动汽车的数量和分布，进而初步确定充电站的数量；

其次，根据区域用地特性划分子区域，结合地图划分思想和约束条件，确定最优充电站数量和充电站初始位置；

最后，基于Voronoi图划分充电站服务区域，在每个Voronoi多边形内，通过计算负荷点坐标平均值确定充电站新位置，通过迭代计算优化充电站投资和消费者消耗总费用模型，最终确定充电站位置、服务区域以及包含的充电机数量；

所述的电动汽车充电站投资和消费者消耗费用模型如下：

对于充电者充电便捷性，设定充电站服务半径约束条件；对于用户充电经济性，建立用户在充电路上年消耗费用模型；对于充电站投资最优，建立充电年投资费用模型，主要包括投资费用、维修费用、网损费用；因此对于整个区域，一方面要求每个负荷点到其最近的充电站的距离dmin(si,uj)小于充电者满意充电距离；另一方面要求充电站选址可影响的投资和消耗费用最优，用数学语言描述，如式(1)、式(2)：

d_min(s_i，u_j)＜r；i＝1，2，…n；j＝1，2，…，m (1)

min(G)＝min(g₁+g₂+g₃) (2)

$g_1={\mathrm{\Σ}}_{i=1}^n{A}_i\frac{r_0{\left(1+r_0\right)}^{n_1}}{{\left(1+r_0\right)}^{n_1}-1}(1+a)---\left(3\right)$

$g_2=F\×{\mathrm{\Σ}}_{i=1}^n\left({\mathrm{\βW}}_i+k_1^2{\mathrm{HL}}_{1i}P\right)---\left(4\right)$

$g_3=365{\mathrm{eF\ω\Σ}}_{i=1}^n{L}_{2i}---\left(5\right)$

$P=\frac{\left(1+{\mathrm{tan\θ}}^2\right)}{U^2}{\left(\frac{W_i}{H}\right)}^{2}R---\left(6\right)$

式中：s_i为第i个充电站；u_j为第j个电动汽车负荷点；r为充电者满意距离；G为充电站选址可影响的年投资和消耗费用；g₁为区域充电站建设年投资和维修费用；g₂为年网损费用；g₃为充电者充电路上年消耗费用；A_i为第i个充电站投资费用；r₀为投资回收率；n₁为充电站运行目标年限；a为设备的年维护折旧率；F为平均电价；β为变压器损耗率；W_i为第i个充电站一年为电动汽车提供的总电能；k₁为线路损耗计算系数；H为充电站年平均利用小时；L_1i为第i个充电站输电馈线长度；P是线路每公里有功损耗；e为每个负荷点代表的需要到充电站充电的电动汽车数量；ω为电动汽车平均百公里耗电量；L_2i为第i个充电站服务区域中负荷点到充电站的距离之和；θ为功率因数角；U为电压等级；R为每公里线路电阻。

2.如权利要求1所述的电动汽车充电站选址优化方法，其特征是，所述电动汽车充电站选址优化方法具体步骤如下：

步骤(一)，所述电动汽车数量预测和分布如下：

根据区域现有的中小型汽车数量及年增长率，计算未来几年的汽车数量，预测电动汽车市场占有率，计算该区域电动汽车总数；考虑到电动汽车每次充电后平均可行驶120km，社会车辆平均每天行驶30km，即充电者平均4天为电动汽车充一次电，所以每天需要充电站提供充电服务的电动汽车数量为：

$d=\frac{b{\left(1+k_2\right)}^m{\mathrm{\β}}_m}{4}\×c---\left(7\right)$

式中：d为该区域平均每天需要到充电站充电的电动汽车数量；b为该区域目前中小型汽车数量；k₂为该区域中小型汽车数量年平均增长率；β_m为m年后电动汽车市场占有率；c为充电站在所有充电设施中所占的工作比例；

电动汽车的分布与区域中地理环境和人口密度有关，一个区域中主要交通路口的密度能反映该地区人口密度，选择主要交通路口作为代表其周围区域需要到充电站充电的电动汽车数量，称该交通路口为负荷点，则每个负荷点代表的电动汽车数量为：

$e=\[\frac{d}{g}\]+1---\left(8\right)$

式中：g为区域中总的负荷点数；[]表示取整；

步骤(二)，所述电动汽车充电站规模如下：

为了满足用户充电便捷性，提出充电站服务半径约束条件式(1)，同时这也对每个充电站的服务面积有了限制，即最大服务面积为πr²，因此一个区域的充电站数量最少为：

$N=\[\frac{S}{{\mathrm{\πr}}^2}\]+1---\left(9\right)$

式中：N为最少充电站数量；S为区域总面积；

采用快速充电方式，30分钟即可完成对社会电动汽车的充电，所以充电站包含的充电机台数及一年为电动汽车提供的电能分别为：

$F_i=\[\frac{f_{i}e}{2h}\]+1;i=1,2,\mathrm{...},n;---\left(10\right)$

W_i＝365wf_ie (11)

式中：F_i为第i个充电站中充电机的数量；f_i为第i个充电站所在Voronoi多边形内包含的负荷点数；h为充电机平均每天工作的小时；w为电动汽车充电一次消耗电能；

步骤(三)，所述电动汽车充电站选址优化方法如下：充电站选址优化，即在满足约束条件式(1)下，以式(2)为优化目标，同时确定充电站位置。

3.如权利要求2所述的电动汽车充电站选址优化方法，其特征是，所述步骤(三)中，从以下方面减少投资和损耗费用，从而对充电站选址优化，

步骤(1)，选取最优的充电站数量

充电站的数量在很大程度上决定了变压器投资、充电站整体运行维护投资和固定投资，因此在满足式(1)的条件下，尽量减少充电站的数量，将会减少整体充电站建设的投资；首先根据式(9)选择最小的充电站数量，并在充电站初步选址时，满足约束条件式(1)，否则增加充电站数量；

步骤(2)，充电站初步选址

根据用地性质、经济水平、人口密度等区域特征可将一个区域划分成子区域V_i，i＝1，2，…，k；由于用地性质和位置的不同，每个区域中建立充电站所需要的购地成本和输电馈线成本不同，从而使每个区域上建立充电站的成本不同；能够算出每个区域上建立相同容量充电站的初始投资则有：

i＝1，2，…，k；j＝1，2，…k；i≠j；因此在初步选址时，根据地图划分思想，优先选择投资成本低的子区域建立充电站，同时结合约束条件式(1)，确定充电站的初始位置；

步骤(3)，充电站选址优化及步骤

根据初步确定的充电站位置，求出以充电站为欧几里德平面中离散点的Voronoi图，划分每个充电站的服务区域，则整个区域充电站的选址优化转化为在每个Voronoi多边形内充电站优化选址，根据式(2)-(6)计算该选址情况下的投资和费用，然后采用平均值法计算每个Voronoi多边形内负荷坐标的平均值作为新的选址点，根据新的充电站位置，再求解Voronoi图，同时求解该情况下的投资和费用；以此迭代，当目标函数式(2)最优时，停止迭代。