CN106779176A - 电动出租车快充站内充电设施配置及定容方法 - Google Patents

Abstract

本发明提供了一种电动出租车快充站内充电设施配置及定容方法。该方法包括：分析电动出租车的进站时间间隔和充电时长的分布规律，确定电动出租车快充站的站内排队模型类型；测算单位时间的站内投资成本和用户时间成本；确定站内充电设施配置优化模型的目标函数以及约束条件；建立站内充电设施配置优化模型，求解得到站内充电设施的最优配置数量；根据站内充电设施的最优配置数量计算出电动出租车快充站的配电容量。本发明解决了电动出租车快充站的负荷利用率低、配电经济性差、设施数量配置不合理等问题，全面考虑电动出租车快充站的投资成本和用户逗留时间成本，保证快充站资源的合理配置。

Description

电动出租车快充站内充电设施配置及定容方法

技术领域

本发明涉及电动出租车技术领域，尤其涉及一种电动出租车快充站内充电设施配置及定容方法。

背景技术

随着在低碳经济和新能源战略的推动下，电动出租车产业蓬勃发展。中国许多大城市提出了出租车全部实现电动化的战略，除了停车总站的常规充电外，公共领域的快速电动出租车快充站建设将成为电动出租车摆脱电池容量限制、大幅提高行驶里程的关键。未经规划计算的快充站建设将带来站间服务不均衡、站内配电经济性差等问题，因此快充站的经济性规划方法对保证投资和用户双方的利益十分重要。

在电动出租车快充站的容量确定方面，目前现有技术是根据电动出租车快充站服务范围内的充电需求大小计算电动出租车快充站的总容量，进而粗略计算站内的充电设施数目，容易造成充电服务水平低、充电排队拥堵等问题；不经测算地统一化站内设施配置会造成站间服务不均衡、负荷率低下，投资经济性差的现象。

因此，如何将用户和投资者的利益结合，实现快充站的设施数量和配电容量的合理配置是一个亟待解决的问题。

发明内容

本发明的实施例提供了一种电动出租车快充站内充电设施的配置及定容方法，以实现对电动出租车快充站内充电设施进行合理配置。

为了实现上述目的，本发明采取了如下技术方案。

一种电动出租车快充站内充电设施的配置及定容方法，包括：

分析电动出租车的进站时间间隔和充电时长的分布规律，确定电动出租车快充站的站内排队模型类型；

基于所述站内排队模型类型测算单位时间的站内投资成本和用户时间成本；

基于所述站内排队模型类型、站内投资成本和用户时间成本，确定站内充电设施配置优化模型的目标函数和约束条件；

基于所述站内充电设施配置优化模型的目标函数和约束条件，建立站内充电设施配置优化模型，求解得到站内充电设施的最优配置数量；

根据所述站内充电设施的最优配置数量计算出所述电动出租车快充站的配电容量。

进一步地，所述的分析电动出租车的进站时间间隔和充电时长的分布规律，包括：

记录已投运一定时间的电动出租车快充站的运营时段、电动出租车的进站充电时间点、接受充电时间长度、充电前后电池的荷电状态；

根据电动出租车的进站时间点，计算各个运营时段电动出租车的到站时间间隔，对各个运营时段的到站时间间隔数据进行拟合，得到各个运营时段内电动出租车的到站时间间隔符合负指数分布；对电动出租车在站内各时段的充电时长数据进行拟合，得到充电时长符合正态分布。

进一步地，所述的确定电动出租车快充站的站内排队模型类型，包括：

采用多服务台等待制M/G/s排队模型描述电动出租车快充站服务系统，对电动出租车快充站服务系统进行数学描述，设在M/G/s排队模型中，用户的输入过程服从参数为λ的Poisson分布，单位时间内到站充电的车辆的数量为λ，充电车辆的进站充电时间间隔为1/λ；充电车辆的充电时长服从正态分布，假设μ为单位时间内能完成充电的车辆数量，即1/μ为充电车辆的充电时长；电动出租车快充站系统达到稳定以后，电动出租车快充站系统达到进出平衡，用方程表示为：

其中，p_n(n＝0,1,2,…)表示系统达到平稳状态后排队队长为n的概率分布；λ_n为状态为n的电动出租车快充站系统到下一辆充电车辆到达时刻止的到达率；μ_n为状态为n的电动出租车快充站系统到下一辆充电车辆离开时刻止的平均服务率，有：

λ_n＝λn＝0,1,2,...

得到电动出租车快充站系统的状态概率为：

进一步地，所述的基于所述站内排队模型类型测算单位时间的站内投资成本和用户时间成本，包括：

(1)计算所述M/G/s排队模型的各项运行指标，用ρ表示电动出租车快充站系统中正在接受充电服务的充电车辆的平均数量，即快充站的服务率为对于有s个充电桩的电动出租车快充站系统，用ρ_s表示充电桩的装置利用率：

在电动出租车等待制排队模型中，要求电动出租车的平均到达率小于电动出租车快充站的平均服务率，才能使电动出租车快充站系统达到统计平衡，即ρ_s＜1；

p₀为所有充电桩都处于空闲的概率，p₀与站内充电设施的同时工作系数K负相关，在p₀<0.05下，K取值为1；计算电动出租车快充站系统的装置空闲率：

计算电动出租车快充站的平均排队长度L_q：

计算电动出租车快充站的平均等候队长L_s：

计算电动出租车快充站的平均排队时间W_q：

计算电动出租车快充站的平均等候时间W_s：

(2)计算电动出租车快充站k内运营商投资成本F_sk；

式中，C_td为电动出租车快充站内非充电车位土地的成本；C_yu为电动出租车快充站内运营成本；C_zm为电动出租车快充站内照明办公用电的配电成本；r为电动出租车快充站的运营年限；S_e为电动出租车快充站内照明办公用电总容量；a为单位配电容量的配电成本；β为电动出租车快充站内变压器最佳负载率；s_k为快充站k内充电设施数目；C_gm为单个充电设施的购买成本；C_wa为单个充电设施的维护安装成本；C_cw为单个充电设施配套充电车位的土地成本；C_pd为单个充电设施的配电成本；P为单个充电设施功率；η为充电设施的工作效率；为充电设施的功率因数；

(3)计算快充站k内用户逗留时间成本F_wk：

式中，C_w为电动出租车司机的平均出行时间成本；H_ki为快充站k内运营时段i(i＝1,2,…,n)到站充电的电动出租车车次；W_qki为各个运营时段的平均排队时长；T_ki为快充站k内运营时段i的时间长度；τ为电动出租车的平均充电时长(h)。

进一步地，所述的基于所述站内排队模型类型、站内投资成本和用户时间成本，确定站内充电设施配置优化模型的目标函数和约束条件，包括：

以电动出租车快充站内投资成本以及用户时间成本之和最小为目标函数，将各项成本都归算成每小时的成本，得到充电设施配置优化模型目标函数：

minF_k＝F_sk+F_wk

式中，F_k为快充站k内总成本；

确定约束条件，对于电动出租车快充站k，在固定的运营时段T_ki内，到站充电的H_ki辆车的总充电需求占这段时间内站内s_k个充电设施的输入电能的比例为该时段电动出租车快充站内的负荷利用率：

式中，p_ut(ki)表示快充站k内运营时段i的充电设施的负荷利用率，ρ_s(ki)表示快充站k内运营时段i的充电设施的装置利用率；对站内的装置利用率做出限制以保证电动出租车快充站的配电经济性：

p_ki≥p_t

式中，p_ki为快充站k内第i个时段的装置利用率；p_t为装置利用率的最低限定值；

从用户心理角度，考虑用户能够忍受的排队时间：

W_qki≤W_t

式中，W_qki为快充站k内第i个时段的排队时间；W_t为用户能够容忍的最大排队时间；

考虑快充站k的配电容量限制：

S_Nk≤S_tk

式中，S_Nk为快充站k的配电容量；S_tk为快充站k的配电容量上限值；

考虑快充站的占地面积约束，将占地面积约束条件转化为站内充电车位的约束条件也即充电设施的数目约束：

s_k≤s_tk

式中，s_k为快充站k的充电设施数目；s_tk为快充站k的充电设施数目上限值。

进一步地，所述的基于所述站内充电设施配置优化模型的目标函数和约束条件，建立站内充电设施配置优化模型，求解得到站内充电设施的最优配置数量，包括：

在电动出租车快充站的配电容量和占地面积均受限制的情况下，加入对各个快充站配电容量和设施数目的约束条件,建立电动出租车快充站的站内充电设施配置优化模型：

结合边际成本算法和相应约束条件对所述站内充电设施配置优化模型进行求解，得到快充站的最优充电机配置数量s*：

进一步地，所述的根据所述站内充电设施的最优配置数量计算出所述电动出租车快充站的配电容量，包括：

电动出租车快充站的配电容量S_Nk的计算公式如下：

K_k为快充站k站内充电设施的同时工作系数，在p_ki<0.05的情况下，K_k取值为1。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例的电动出租车快充站内充电设施配置及定容方法考虑了配电经济性，明确了装置利用率与配置经济性的联系关系，将装置利用率这一衡量经济性指标的重要因素作为站内设施配置优化模型的一个约束条件，有利于提高充电站配置的经济性。此外将充电站的占地面积限制转化为充电桩的数量限制，将其作为站内设施配置优化模型的一个约束条件，有利于提高发明的工程应用价值。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种电动出租车快充站内排队现象说明图；

图2为本发明实施例提供的一种电动出租车快充站技术方案流程图；

图3为本发明实施例提供的一种站内设施配置优化模型求解程序流程图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

本发明实施例提出了一种确定站内充电设施配置数量和快充站配电容量的方法，解决了电动出租车快充站的负荷利用率低、配电经济性差、设施数量配置不合理等问题。兼顾用户和投资者两个方面，考虑电动出租车快充站服务系统的特殊性和分时段运营的特点，全面有效地保证快充站设施配置的合理经济性。

图1为本发明实施例提供的一种电动出租车快充站内排队现象说明图，如图1所示，电动出租车快充站内的电动出租车进站、排队、充电、离开的整个过程中存在排队现象，用户进站之后如果有空闲的充电设施，那么该用户无需排队，直接到该充电车位进行充电；如果用户进站后发现没有空闲的充电设施，则需要排队直至有车辆充电完毕离站，用户排队的规则一般遵循先到先服务。基于此过程，在本文的研究中将采用排队理论研究站内的充电服务系统。

图2为本发明实施例提供的一种电动出租车快充站内充电设施配置及定容方法的处理流程，包括以下步骤：

步骤1、分析电动出租车的进站时间间隔和充电时长的分布规律，确定站内排队模型的类型；

步骤2、基于站内排队模型测算单位时间的站内投资成本和用户时间成本；

步骤3、基于所述站内排队模型类型、站内投资成本、用户时间成本和成本计算方法，确定站内充电设施配置优化模型的目标函数和约束条件；

步骤4、基于站内充电设施配置优化模型的目标函数和约束条件，建立站内充电设施配置优化模型，求解得到站内充电设施的最优配置数量；

步骤5、根据快充站内的设施最优配置数量计算快充站配电容量。

所述的步骤1中的分析电动出租车的进站时间间隔和充电时长的分布规律确定站内排队模型类型的具体处理过程包括如下：

(1)分析已投运较长时间的电动出租车快充站，记录其运营时段、电动出租车的进站充电时间点、接受充电时间长度、充电前后电池的荷电状态。上述记录的各种数据可以是一段时间内的平均值；

(2)根据电动出租车的进站时间点，计算各个运营时段电动出租车的到站时间间隔，对各个到站时间间隔进行数据拟合，得到各个运营时段内电动出租车的到站时间间隔符合负指数分布；对电动出租车在站内的充电时长进行数据拟合，得到充电时长符合正态分布。

(3)快充站可以满足其服务范围内所有电动出租车充电需求，站内设有多个服务台且相互独立工作，则电动出租车快充站内的服务系统符合M/G/s(多服务台等待制)排队模型的核心特征，因此采用M/G/s排队模型描述电动出租车快充站的服务系统。

(4)对电动出租车快充站的服务系统进行数学描述，设在M/G/s排队模型中，用户的输入过程服从参数为λ的Poisson分布，单位时间内到站充电的车辆的数量为λ，即充电车辆的进站充电时间间隔为1/λ；用户(电动汽车)的充电时长服从正态分布，假设μ为单位时间内能完成充电的车辆数量，即1/μ为充电车辆的充电时长；系统达到稳定以后，站内服务系统达到进出平衡，可以用方程表示为：

其中，p_n(n＝0,1,2,…)表示系统达到平稳状态后排队队长为n的概率分布；λ_n为状态为n的系统到下一辆充电车辆到达时刻止的到达率；μ_n为状态为n的系统到下一辆充电车辆离开时刻止的平均服务率，这些参数描述了快充站内排队系统的输入过程以及服务过程的特征。有：

λ_n＝λn＝0,1,2,...

可以得到系统的状态概率为：

上述步骤2中的基于站内排队模型测算单位时间的站内投资成本和用户时间成本的具体处理过程包括：

(1)计算M/G/s排队模型的各项运行指标，用ρ表示电动出租车快充站系统中正在接受充电服务的充电车辆的平均数量，即快充站的服务率为对于有s个充电桩的电动出租车快充站服务系统，用ρ_s表示充电桩的装置利用率：

在电动出租车等待制排队模型中，要求电动出租车的平均到达率小于电动出租车快充站的平均服务率，才能使系统达到统计平衡，即ρ_s＜1。

p₀为所有充电桩都处于空闲的概率，p₀与站内充电设施的同时工作系数K负相关，在p₀很小的情况(p₀<0.05)下，K取值为1；计算装置空闲率：

计算电动出租车快充站的平均排队长度L_q：

计算电动出租车快充站的平均等候队长L_s：

计算电动出租车快充站的平均排队时间W_q：

计算电动出租车快充站的平均等候时间W_s：

(2)计算快充站k内运营商投资成本F_sk，F_sk一部分包括电动出租车快充站内非充电车位土地的成本、站内运营成本、电动出租车快充站照明办公用电的配电成本，这个部分的成本是定值；另一部分包括了站内充电桩的购买与维护安装费用、充电设施配套的充电车位土地费用、充电设施所需配电费用，这部分成本会随着站内充电设施的功率和数量发生变化，

式中，C_td为电动出租车快充站内非充电车位土地的成本(元)；C_yu为电动出租车快充站内运营成本(元)；C_zm为电动出租车快充站内照明办公用电的配电成本(元)；r为电动出租车快充站的运营年限(年)；S_e为电动出租车快充站内照明办公用电总容量(kVA)；a为单位配电容量的配电成本(元/kVA)；β为电动出租车快充站内变压器最佳负载率。s_k为快充站k内充电设施数目(个)；C_gm为单个充电设施的购买成本(元)；C_wa为单个充电设施的维护安装成本(元)；C_cw为单个充电设施配套充电车位的土地成本(元)；C_pd为单个充电设施的配电成本(元)；P为单个充电设施功率(kW)；η为充电设施的工作效率；为充电设施的功率因数；

(3)计算快充站k内用户逗留时间成本F_wk，步骤1部分的分析得知电动出租车快充站内运营时间可能是不连续的，需要对各段时间的用户等待时间分别计算后进行加权求取该电动出租车快充站内单位时间的用户时间成本，建立分时段运营电动出租车快充站用户时间成本计算模型：

式中，C_w为电动出租车司机的平均出行时间成本(元/h)，可以根据出租车司机的月收入和月工作时间折合求得；H_ki为快充站k内运营时段i(i＝1,2,…,n)到站充电的电动出租车车次(辆)；W_qki为各个运营时段的平均排队时长(h)；T_ki为快充站k内运营时段i的时间长度(h)；τ为电动出租车的平均充电时长(h)。

上述步骤3中的基于所述站内排队模型类型和成本计算方法，确定站内充电设施配置优化模型的目标函数和约束条件的具体处理过程包括：

(1)确定以电动出租车快充站内投资成本以及用户时间成本之和最小为目标函数，将各项成本都归算成每小时的成本(元/h)，得到充电设施配置优化模型目标函数：

minF_k＝F_sk+F_wk

式中，F_k为快充站k内总成本。

(2)确定约束条件，首先定义一个负荷利用率的概念，对于电动出租车快充站k，在固定的运营时段T_ki内，到站充电的H_ki辆车的总充电需求占这段时间内站内s_k个充电设施的输入电能的比例即为该时段电动出租车快充站内的负荷利用率：

式中，p_ut(ki)表示快充站k内运营时段i的充电设施的负荷利用率。容易证明站内充电设施的负荷利用率等于装置利用率：

式中，ρ_s(ki)表示快充站k内运营时段i的充电设施的装置利用率。对站内的装置利用率做出限制以保证电动出租车快充站的配电经济性：

p_ki≥p_t

式中，p_ki为快充站k内第i个时段的装置利用率；p_t为装置利用率的最低限定值。

从用户心理角度，考虑用户可以忍受的排队时间：

W_qki≤W_t

式中，W_qki为快充站k内第i个时段的排队时间(h)；W_t为用户可以容忍的最大排队时间(h)。

考虑快充站的配电容量限制：

S_Nk≤S_tk

式中，S_Nk为快充站k的配电容量(MVA)；S_tk为快充站k的配电容量上限值(MVA)。

考虑快充站的占地面积约束，将占地面积约束条件转化为站内充电车位的约束条件也即充电设施的数目约束：

s_k≤s_tk

式中，s_k为快充站k的充电设施数目；s_tk为快充站k的充电设施数目上限值。此约束条件应考虑装置数目的取整性。

上述步骤4中的基于站内充电设施配置优化模型的目标函数和约束条件，建立站内充电设施配置优化模型，求解得到站内充电设施的最优配置数量的具体处理过程包括：

(1)建立应用优化模型。在快充站的配电容量和占地面积均受限制的情况下，需要加入对各个快充站配电容量和设施数目的约束条件：

(2)结合边际成本算法和相应约束条件进行求解：

可求得快充站的最优充电机配置数量s*，图3为本发明实施例提供的一种站内设施配置优化模型求解程序流程图。

上述步骤5中的根据快充站内的设施最优配置数量计算快充站配电容量的具体处理过程包括：

S_Nk为电动出租车快充站的配电容量，K_k为快充站k站内充电设施的同时工作系数，在站内装置空闲率很低(p_ki<0.05)的情况下，K_k取值为1。

综上所述，本发明实施例的电动出租车快充站内充电设施的配置及定容方法考虑了配电经济性，明确了装置利用率与配置经济性的联系关系，将装置利用率这一衡量经济性指标的重要因素作为站内设施配置优化模型的一个约束条件，有利于提高充电站配置的经济性。此外将充电站的占地面积限制转化为充电桩的数量限制，将其作为站内设施配置优化模型的一个约束条件，有利于提高发明的工程应用价值。

本发明实施例对电动出租车这一特殊车型的出行规律进行分析，采用M/G/s排队模型更适用于电动出租车这一特殊车型进行快充站内充电设施配置。本发明考虑电动出租车快充站分时段运营特性，提出分时段运营充电站的用户时间成本计算方法。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种电动出租车快充站内充电设施的配置及定容方法，其特征在于，包括：

分析电动出租车的进站时间间隔和充电时长的分布规律，确定电动出租车快充站的站内排队模型类型；

基于所述站内排队模型类型测算单位时间的站内投资成本和用户时间成本；

基于所述站内排队模型类型、站内投资成本和用户时间成本，确定站内充电设施配置优化模型的目标函数和约束条件；

基于所述站内充电设施配置优化模型的目标函数和约束条件，建立站内充电设施配置优化模型，求解得到站内充电设施的最优配置数量；

根据所述站内充电设施的最优配置数量计算出所述电动出租车快充站的配电容量。

2.根据权利要求1所述的方法，其特征在于，所述的分析电动出租车的进站时间间隔和充电时长的分布规律，包括：

记录已投运一定时间的电动出租车快充站的运营时段、电动出租车的进站充电时间点、接受充电时间长度、充电前后电池的荷电状态；

根据电动出租车的进站时间点，计算各个运营时段电动出租车的到站时间间隔，对各个运营时段的到站时间间隔数据进行拟合，得到各个运营时段内电动出租车的到站时间间隔符合负指数分布；对电动出租车在站内各时段的充电时长数据进行拟合，得到充电时长符合正态分布。

3.根据权利要求2所述的方法，其特征在于，所述的确定电动出租车快充站的站内排队模型类型，包括：

采用多服务台等待制M/G/s排队模型描述电动出租车快充站服务系统，对电动出租车快充站服务系统进行数学描述，设在M/G/s排队模型中，用户的输入过程服从参数为λ的Poisson分布，单位时间内到站充电的车辆的数量为λ，充电车辆的进站充电时间间隔为1/λ；充电车辆的充电时长服从正态分布，假设μ为单位时间内能完成充电的车辆数量，即1/μ为充电车辆的充电时长；电动出租车快充站系统达到稳定以后，电动出租车快充站系统达到进出平衡，用方程表示为：

$\left\{\begin{array}{c}{\mathrm{\&mu;}}_1{p}_1={\mathrm{\&lambda;}}_0{p}_0\\ {\mathrm{\&lambda;}}_{n-1}{p}_{n-1}+{\mathrm{\&mu;}}_{n+1}{p}_{n+1}=({\mathrm{\&lambda;}}_0+{\mathrm{\&mu;}}_n)p_0\end{array}\right.$

其中，p_n(n＝0,1,2,…)表示系统达到平稳状态后排队队长为n的概率分布；λ_n为状态为n的电动出租车快充站系统到下一辆充电车辆到达时刻止的到达率；μ_n为状态为n的电动出租车快充站系统到下一辆充电车辆离开时刻止的平均服务率，有：

λ_n＝λn＝0,1,2,...

${\mathrm{\&mu;}}_n=\left\{\begin{array}{cc}n\mathrm{\&mu;}& n=1,2,\mathrm{...},s\\ s\mathrm{\&mu;}& n=s,s+1,\mathrm{...}\end{array}\right.$

得到电动出租车快充站系统的状态概率为：

$\left\{\begin{array}{c}{p}_1=\frac{{\mathrm{\&lambda;}}_0}{{\mathrm{\&mu;}}_1}{p}_0\\ p_{n+1}=\frac{{\mathrm{\&lambda;}}_n}{{\mathrm{\&mu;}}_{n+1}}{p}_n=\frac{{\mathrm{\&lambda;}}_n{\mathrm{\&lambda;}}_{n-1}\mathrm{...}{\mathrm{\&lambda;}}_0}{{\mathrm{\&mu;}}_{n+1}{\mathrm{\&mu;}}_n\mathrm{...}{\mathrm{\&mu;}}_1}{p}_0\end{array}\right..$

4.根据权利要求3所述的方法，其特征在于，所述的基于所述站内排队模型类型测算单位时间的站内投资成本和用户时间成本，包括：

(1)计算所述M/G/s排队模型的各项运行指标，用ρ表示电动出租车快充站系统中正在接受充电服务的充电车辆的平均数量，即快充站的服务率为对于有s个充电桩的电动出租车快充站系统，用ρ_s表示充电桩的装置利用率：

${\mathrm{\&rho;}}_s=\frac{\mathrm{\&rho;}}{s}=\frac{\mathrm{\&lambda;}}{s\mathrm{\&mu;}}$

在电动出租车等待制排队模型中，要求电动出租车的平均到达率小于电动出租车快充站的平均服务率，才能使电动出租车快充站系统达到统计平衡，即ρ_s＜1；

p₀为所有充电桩都处于空闲的概率，p₀与站内充电设施的同时工作系数K负相关，在p₀<0.05下，K取值为1；计算电动出租车快充站系统的装置空闲率：

$p_0=\frac{1}{\underset{n=0}{\overset{s-1}{\&Sigma;}}\frac{{\mathrm{\&rho;}}^n}{n!}+\frac{{\mathrm{\&rho;}}^s}{s!(1-{\mathrm{\&rho;}}_s)}}$

计算电动出租车快充站的平均排队长度L_q：

$L_q=\underset{n=s+1}{\overset{\mathrm{\&infin;}}{\&Sigma;}}(n-s)p_n=\frac{p_0{\mathrm{\&rho;}}^s{\mathrm{\&rho;}}_s}{s!{(1-{\mathrm{\&rho;}}_s)}^2}$

计算电动出租车快充站的平均等候队长L_s：

$L_s=L_q+\mathrm{\&rho;}=\frac{p_0{\mathrm{\&rho;}}^s{\mathrm{\&rho;}}_s}{s!{(1-{\mathrm{\&rho;}}_s)}^2}+\frac{\mathrm{\&lambda;}}{\mathrm{\&mu;}}$

计算电动出租车快充站的平均排队时间W_q：

$W_q=\frac{L_q}{\mathrm{\&lambda;}}$

计算电动出租车快充站的平均等候时间W_s：

$W_s=\frac{L_s}{\mathrm{\&lambda;}}$

(2)计算电动出租车快充站k内运营商投资成本F_sk；

$F_{sk}=\frac{C_{td}+C_{yu}+C_{zm}}{r\&times;365\&times;24}+\frac{C_{gm}+C_{wa}+C_{cw}+C_{pd}}{r\&times;365\&times;24}\&times;s_k$

$C_{zm}=\frac{S_e\&times;a}{\mathrm{\&beta;}}$

式中，C_td为电动出租车快充站内非充电车位土地的成本；C_yu为电动出租车快充站内运营成本；C_zm为电动出租车快充站内照明办公用电的配电成本；r为电动出租车快充站的运营年限；S_e为电动出租车快充站内照明办公用电总容量；a为单位配电容量的配电成本；β为电动出租车快充站内变压器最佳负载率；s_k为快充站k内充电设施数目；C_gm为单个充电设施的购买成本；C_wa为单个充电设施的维护安装成本；C_cw为单个充电设施配套充电车位的土地成本；C_pd为单个充电设施的配电成本；P为单个充电设施功率；η为充电设施的工作效率；为充电设施的功率因数；

(3)计算快充站k内用户逗留时间成本F_wk：

$F_{wk}=C_w\frac{\underset{i=1}{\overset{n}{\&Sigma;}}\&lsqb;(W_{qki}+\mathrm{\&tau;})\&times;H_{ki}\&rsqb;}{\underset{i=1}{\overset{n}{\&Sigma;}}{T}_{ki}}$

式中，C_w为电动出租车司机的平均出行时间成本；H_ki为快充站k内运营时段i(i＝1,2,…,n)到站充电的电动出租车车次；W_qki为各个运营时段的平均排队时长；T_ki为快充站k内运营时段i的时间长度；τ为电动出租车的平均充电时长(h)。

5.根据权利要求4所述的方法，其特征在于，所述的基于所述站内排队模型类型、站内投资成本和用户时间成本，确定站内充电设施配置优化模型的目标函数和约束条件，包括：

以电动出租车快充站内投资成本以及用户时间成本之和最小为目标函数，将各项成本都归算成每小时的成本，得到充电设施配置优化模型目标函数：

min F_k＝F_sk+F_wk

式中，F_k为快充站k内总成本；

确定约束条件，对于电动出租车快充站k，在固定的运营时段T_ki内，到站充电的H_ki辆车的总充电需求占这段时间内站内s_k个充电设施的输入电能的比例为该时段电动出租车快充站内的负荷利用率：

$p_{ut}\left(ki\right)\frac{H_{ki}\&times;S_E\&times;{\mathrm{SOC}}_{ch}}{P\&times;s_k\&times;T_{ki}}=\frac{\frac{H_{ki}}{T_{ki}}}{s_k\&times;\frac{P}{S_E\&times;{\mathrm{SOC}}_{ch}}}=\frac{{\mathrm{\&lambda;}}_{ki}}{s_k\mathrm{\&mu;}}={\mathrm{\&rho;}}_s\left(ki\right)$

式中，p_ut(ki)表示快充站k内运营时段i的充电设施的负荷利用率，ρ_s(ki)表示快充站k内运营时段i的充电设施的装置利用率；对站内的装置利用率做出限制以保证电动出租车快充站的配电经济性：

p_ki≥p_t

式中，p_ki为快充站k内第i个时段的装置利用率；p_t为装置利用率的最低限定值；

从用户心理角度，考虑用户能够忍受的排队时间：

W_qki≤W_t

式中，W_qki为快充站k内第i个时段的排队时间；W_t为用户能够容忍的最大排队时间；

考虑快充站k的配电容量限制：

S_Nk≤S_tk

式中，S_Nk为快充站k的配电容量；S_tk为快充站k的配电容量上限值；

考虑快充站的占地面积约束，将占地面积约束条件转化为站内充电车位的约束条件也即充电设施的数目约束：

s_k≤s_tk

式中，s_k为快充站k的充电设施数目；s_tk为快充站k的充电设施数目上限值。

6.根据权利要求5所述的方法，其特征在于，所述的基于所述站内充电设施配置优化模型的目标函数和约束条件，建立站内充电设施配置优化模型，求解得到站内充电设施的最优配置数量，包括：

在电动出租车快充站的配电容量和占地面积均受限制的情况下，加入对各个快充站配电容量和设施数目的约束条件,建立电动出租车快充站的站内充电设施配置优化模型：

$\left\{\begin{array}{c}{\mathrm{minF}}_k=\min (F_{sk}+F_{wk})\\ \begin{array}{cc}s.t& W_{qki}\&le;W_t,p_{ki}\&GreaterEqual;p_t,S_{Nk}\&le;S_{tk},s_k\&le;s_{tk}\end{array}\end{array}\right.$

结合边际成本算法和相应约束条件对所述站内充电设施配置优化模型进行求解，得到快充站的最优充电机配置数量s*：

$\left\{\begin{array}{c}{F}_k\left(s^{*}\right)\&le;F_k(s^{*}-1)\\ F_k\left(s^{*}\right)\&le;F_k(s^{*}+1)\end{array}\right.$

7.根据权利要求6所述的方法，其特征在于，所述的根据所述站内充电设施的最优配置数量计算出所述电动出租车快充站的配电容量，包括：

电动出租车快充站的配电容量S_Nk的计算公式如下：

K_k为快充站k站内充电设施的同时工作系数，在p_ki<0.05的情况下，K_k取值为1。