CN110189025B - 考虑不同负荷增长的电动汽车充电站规划方案获取方法 - Google Patents

Abstract

本发明涉及一种考虑不同负荷增长的电动汽车充电站规划方案获取方法，包括步骤：1)获取三方面出行规律的数字特征，包括起始状态规律、状态转移规律、充电信息规律；2)对获得的三方面规律利用轮盘赌法进行模拟，筛选充电需求点；3)基于交通约束、配电网约束和经济约束的约束条件，建立数学模型；4)采用遗传算法对数学模型进行求解，以成本最低为原则设置适应度函数，并设置死亡惩罚将不符合配网约束和成本约束的方案剔除，选取符合交通约束的候选站集合；5)根据选取符合交通约束的候选站集合，对不同负荷增长模式下的充电需求进行规划。与现有技术相比，本发明具有节约资源、确保规划方案的合理性、适用性高等优点。

Description

考虑不同负荷增长的电动汽车充电站规划方案获取方法

技术领域

本发明涉及电动汽车充电设施规划技术领域，尤其是涉及考虑不同负荷增长的电动汽车充电站规划方案获取方法。

背景技术

在全球能源日益紧缺和环保要求不断提高的背景下，电动汽车因其高效节能、零排放无污染的显著优点获得越来越多的普及应用，发展十分迅猛。完善充电设施是电动汽车推广的重要基础之一。合理规划充电站位置和容量可满足电动汽车充电时空需求并获得一定经济效益。

目前大量专家学者已对电动汽车充电需求预测、选址定容建模、充电设施规划等领域开展了较为广泛的研究。充电需求预测方法主要有基于交通网络流量或停车生成率模型预测、基于电动汽车保有量预测、基于用户充电行为及蒙特卡罗模拟预测等。选址定容模型按目标函数主要分4类：以充电设施经济性为目标、以设施加权距离或交通流量为目标的空间分布模型、以用户排队充电时间和排碳量最少为目标的时间分布模型、以对电网影响为目标。模型求解方法有Voronoi图及网格法、禁忌搜索法、Floyd算法、遗传算法、粒子群算法等。

近年来，电动汽车的大规模接入已经给电力系统规划和运行带来不可忽视的影响。在电动汽车保有量快速增长的情况下，配电网原有的基础负荷也在增长，对配电网承受力形成挑战。现有技术和研究甚少考虑负荷增长因素的影响，对充电站的有效会造成一定的偏差，适用性和合理性较差。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供考虑不同负荷增长的电动汽车充电站规划方案获取方法。

本发明的目的可以通过以下技术方案来实现：

考虑不同负荷增长的电动汽车充电站规划方案获取方法，包括如下步骤：

步骤一、获取样本数据，挖掘电动汽车行驶特征。

对来自新能源汽车公共数据采集与监测研究中心的原始数据进行清洗：提取电动汽车充电和出行信息，对提取的数据进行数据稀疏处理、异常数据剔除处理与缺失数据补齐处理，并对样本可用性进行判断。对处理和判断后的数据挖掘电动汽车行驶特征，统计并总结三方面出行规律的数字特征：起始状态、状态转移、充电信息。

步骤二、对步骤一所得三方面规律利用轮盘赌法进行模拟，筛选充电需求点。

根据起始状态规律用轮盘赌法模拟：车辆的日起始时刻、地点、电量和日行驶里程。从起始状态开始，基于状态转移规律采用马尔科夫链原理递推各时刻出行状态，累计行驶里程达到日行驶里程为止。最后，筛选充电需求点，得其时空分布图；并在充电需求点密集的区域选择满足交通约束的点作为候选站。

马尔科夫链原理可描述如下：

其中，E_K ^t是指t时刻车辆处于K(含H、O、W)区域，P(E_K ^t)是指车辆状态为E_K ^t的概率，时变矩阵M^t是时刻t的状态转移概率矩阵，其表达式为：

其中，P_h-K ^t指车辆由t时刻的状态h(含H、O、W)转变为t+1时刻的状态K的概率。

从初始时间和位置开始，经过递推计算获得下一时刻的状态概率。再用轮盘赌法模拟获取下一时刻状态，找出对应城区类型，从该类城区中随机选择一个城区并在其道路节点中任意选取一个记作电动汽车时刻t的位置P^t。最后用Dijkstra法在道路网上搜索P^t-1到P^t的最短路径，并计算剩余电量Q^t。当累积里程达到轮盘赌法模拟所得的日行驶里程，终止此辆车行程；当模拟的电动汽车数量达到保有量，终止模拟。

步骤三、在满足交通、配电网、经济三方面约束的条件下，以综合成本最低为目标建立数学模型。

1、在交通约束中，不可达率为有充电需求却没能到达最近充电站的车辆比率，其表达式如下：

X_i ^th为时刻t到充电站i充电距离最近的需求点集合，N_i ^th为时刻t有充电需求且能够到达充电站i的点集合。

不满足率，即已到站但没有机位进行充电的车辆比率，其表达式如下：

式中，用[·]求取集合包含的元素个数，X_i(S_i)为站内充电机台数；据情况为η、γ设定常数上限。

2、配电网约束为电动汽车作为负荷接入配电网需要满足技术安全方面的约束，包括潮流约束、节点电压约束、传输功率约束、10KV电压等级变压器额定容量约束、110KV电压等级变压器容量约束、主变负载率约束等。其中：

1)潮流等式为：

式中：和/>分别为上级电源节点x在典型日期h的时段t注入的有功和无功功率；/>和/>分别为节点x在典型日期h的时段t的有功负荷和无功负荷；/>为接入节点x的电动汽车在典型日期h的时段t的有功负荷。U_x,ht是节点x在典型日期h的时段t的电压值，M为系统节点数；G_xy和B_xy分别为节点导纳矩阵的实部和虚部；θ_xy为支路xy相角差。

2)节点电压约束：

其中，和/>分别为节点x的电压上、下限。

3)上级变电站传输功率约束：

其中，和/>分别为上级变压器x的有功传输上、下限；/>和/>分别为上级变压器x的无功传输的上、下限。

线路传输功率约束：

|P_l,ht|≤P_l ^max

其中，P_l,ht为h天时段t线路l(即线路xy)的传输功率；P_l ^max为线路l传输功率上限。

4)10KV电压等级变压器容量约束：

10KV级变压器低压侧给负荷供电。式中S_N,x表示在节点x的主变的额定容量，表示10KV配电系统在满足N-1准则时主变x的负载率，即最大负载率，cosψ_N表示功率因数。

110KV电压等级变压器容量约束：

式中，S_N为110/10KV主变的额定容量，N^T为上级电网连接点变电站的主变台数，ρ_max为110KV配电系统在满足N-1准则时主变负载率。

由以上约束可推算在系统传统负荷的基础上配电网能接纳同时充电的电动汽车最大辆数为：

由约束1)，2)，3)可推出：

由约束4)可推出：

式中，P^ch是EV(Electric Vehicle，电动汽车)的充电功率。

3、经济约束表示综合成本不得超过最大预算，即总投资不得大于最大预算C_max：

4、根据上述约束所建立的数学模型的目标函数为：

其中，C_i ^v为建造充电站i平均每年要消耗的资本，其表达式为：

C_i ^r为运行充电站i平均每年的耗资，其表达式为：

上式中，i∈I为充电站的候选站编号，I为候选站集合。A_i ^L(S_i)是充电站i建筑占地总面积。C_i ^L为地价。充电站i的建设规模为S_i∈{0，1，2，3，4}(0为不建；1为8台充电机，50--150kw容量；2为15台充电机，150--250kw容量；3为30台充电机，250--500kw容量；4为45台充电机，500--750kw容量)。Z_i ^C(S_i)为充电站i的容量。C^C代表其单位容量造价。m为预计运行充电站i的年数。r₀是投资的回报率。式中，h∈{1，2}，其中1表示工作日，2表示节假日。d^h为典型日h的天数，且不同典型日的天数总和为365。时刻t下充电站以p_g ^t＝0.9元/(kW·h)的价格从电网购电，并以p_c ^t＝1.6元/(kW·h)的价格售出；C_i ^HR为充电站i的工作人员工资；C_i ^m为维修养护花费。充电站i在典型日期h的时刻t需要为到站充电的车辆提供的总电量为：

时刻t有充电需求且能够到达充电站i的点集合为：

令时刻t到充电站i充电距离最近的需求点集合X_i ^th，其表达式为：

式中，R_E为电动汽车将蓄满的电量耗尽所能行驶的最大公里数；Q_n为充电需求点n对应车辆在该时刻剩余的电量；到充电站i的最短路径里程数Y_ni由Dijkstra法求取(充电站i不投建则Y_ni＝∞)。G^th包含日期h时刻t市区内所有充电需求点。

步骤四、采用遗传算法求解步骤三中建立的数学模型，以成本最低为原则设置适应度函数，并设置死亡惩罚将不符合配网约束和成本约束的方案剔除，选出符合交通约束的候选站集合。

遗传算法的适应度函数为：

式中，β为惩罚因子。遗传算法的主要原理在于，染色体(基因)是n个候选站依次的投建状态(即n个S_i)，个体是方案，种群是一定数量的不同个体。适应度高(即成本高)的个体被淘汰，适应度低的个体优先生存，并通过遗传、变异，保留自己的基因，最终产生最优解。

设置足够大的惩罚因子如β＝1×10⁴，一旦不满足成本约束或配电网接纳最大车辆数约束，个体(即候选站集合方案)的适应度函数值就会很大，从而被淘汰，形成死亡惩罚。

步骤五、对不同负荷增长模式下的充电需求进行规划。

负荷增长包含电动汽车负荷增长和基础负荷增长，电动汽车负荷增长可认为是电动汽车保有量增加引起的，则在充电需求预测部分相应增加保有量，获得增加后的充电需求点时空分布；基础负荷增长会影响配电网接纳电动汽车充电的能力，改变配电网约束部分的相应参数，求得增加后最大同时充电辆数。负荷预测结果与建模部分参数发生改变，遗传求解的最优方案也会随之改变。本发明设置三个增长模式：0％基础负荷增长+20％EV负荷增长，5％基础负荷增长+0％EV负荷增长，5％基础负荷增长+20％EV负荷增长。具体规划流程为：

a)若基础负荷增长5％，则在步骤三计算配网约束时将节点x在典型日期h的时段t的有功负荷和无功负荷/>增加5％，求得的最大接纳车辆数/>会因此改变。

b)若EV负荷增长20％，则认为是电动汽车保有量增加引起的，在步骤二充电需求模拟过程中将电动汽车保有量，即模拟规模上限，增加20％。因此所得充电需求时空分布会改变，候选站址集合也会改变。

c)在步骤四中针对已变化的候选站集合，使用遗传算法优化求解，其适应度函数中的对应基础负荷增长。

与现有技术相比，本发明具有以下优点：

一、本发明方法考虑负荷增长因素对充电站规划的影响，为电网基础负荷和EV负荷预留一定的增长空间，使规划方案在未来几年里依然适用，从而避免扩建，节约资源；

二、本发明将电动汽车充电设施规划与城市配电网结合起来，通过配电网接纳充电能力约束充电站规模，有效避免因接入车辆过多而对配网造成不良影响；

三、本发明方法采用设置死亡惩罚的遗传算法进行优化求解，确保了规划方案的合理性；

四、本发明使用实际的电动汽车实时出行数据，数据集不再是单一的出行调查数据，有助于获取更准确合理的规划方案。

附图说明

图1为本发明考虑不同负荷增长的电动汽车充电站规划方案获取方法的框架及流程示意图；

图2为本发明实施例中案例的城区区域分割图；

图3为本发明实施例中IEEE33节点配电系统拓扑图；

图4为本发明实施例中电动汽车行驶规律数字特征结果图，其中，图4(a)为电动汽车出行时刻分布概率、起始电量和日行驶里程图，图4(b)为工作日、节假日向其他状态转移概率图，图4(c)为充电时刻概率分布图；

图5为本发明实施例中某工作日12:00时充电需求点分布图；

图6为本发明实施例中候选站编号及分布图；

图7为本发明实施例中的适应度曲线图；

图8为本发明实施例中的基础负荷曲线图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

实施例

本实施例基于实际区域电动汽车数据、实际电动汽车实时出行数据对本发明方法进行说明，具体数据内容为：

选取的某城区面积为18.7平方公里，人口5.6万，电动汽车500辆(统一设为市场常见型号，速度vEV＝40km/h，额定电量WEV＝60kW·h，充电功率Pch＝7kw)。将该城区以主要道路为界划分为6个区，其中商业区2个(O1、O2)、住宅区2个(H1、H2)、工作区2个(W1、W2)，如图2所示。配电网为额定电压11KV的IEEE33节点系统，如图3所示，其中1号GSP节点与上级系统相连，6、7、23、24、25号节点为商业区负荷节点，30、31、32号节点为工作区负荷节点，其余23个节点为居民区节点。

如图1所示，本发明涉及一种考虑不同负荷增长的电动汽车充电站规划方案获取方法，具体包括以下步骤：

步骤一、分析样本数据，挖掘电动汽车行驶特征，统计起始状态、状态转移、充电信息方面出行规律的数字特征，结果如图4所示。

由起始状态图可见，电动乘用车工作日和节假日出行特征不同，电动乘用车和电动客车在相同日期类型也有不同的出行特征，而电动客车的出行特征在工作日和节假日基本相同。乘用车初始电量分布近似正态分布，60％-80％概率最大，偏大或偏小的电量所占比例都较小，且近似对称。这与私人用户充电行为随机性大有关。而客车统一管理，一般要求保证充足电量，SOC至少在60％以上，所以多为大电量出行。私家车日行驶里程大多在30公里以内，节假日会增加远距离出行；电动客车日行驶里程大多在90公里以内，远距离行程比乘用车多，但工作日、节假日的行驶里程差距不大。

由状态转移图可看出，同一起始状态向不同状态转移的概率不同，且随时间变化；不同起始状态向同一状态转移的概率不同，且随时间变化；同一起始状态的转移概率在不同日期类型变化趋势不同。

步骤二、根据步骤一所得出的出行规律用轮盘赌法模拟车辆起始状态；继而基于状态转移规律采用马尔科夫链原理递推各时刻出行状态；最后，筛选充电需求点，得其时空分布，图5为某工作日12:00的充电需求点分布；并在充电需求点密集的区域选择满足交通约束的点作为候选站，如图6。

图5中将各充电需求点按地理位置坐标画出，需求点密集的区域充电需求量大。可看出充电需求点主要沿道路分布，需求点密集的地方也多靠近道路。结合实际地理因素和城市规划要求在充电需求点密集的区域选择适合建设充电站的地点，并计算这些地点的充电需求不可达率，选择充电需求不可达率不越限的点作为候选站。图6标出了充电候选站的位置及编号，对照图5可看出候选站都位于充电需求点密集的区域，且避开了道路交叉口，符合实际情况。

步骤三、在满足交通、配电网、经济三方面约束的条件下，以综合成本最低为目标建立数学模型。

其中，交通约束中，不可达率为有充电需求却没能到达最近充电站的车辆比率，其表达式如下：

不满足率，即已到站但没有机位进行充电的车辆比率，其表达式如下：

式中，用[·]求取集合包含的元素个数，X_i(S_i)为站内充电机台数；据情况为η、γ设定常数上限。

经济约束表示综合成本不得超过最大预算，即总投资不得大于最大预算C_max：

数学模型的目标函数为：

其中C_i ^v是建造充电站i平均每年要消耗的资本：

C_i ^r为运行充电站i平均每年的耗资:

式中，i∈I为候选站编号，I为候选站集合；A_i ^L(S_i)是i站建筑占地总面积，C_i ^L为地价；i站的建设规模S_i∈{0,1,2,3,4}(0为不建；1为8台充电机，50--150kw容量；2为15台充电机，150--250kw容量；3为30台充电机，250--500kw容量；4为45台充电机，500--750kw容量)；Z_i ^C(S_i)为i站容量，C^C为其单位容量造价。m为预计运行i站的年数；r₀是投资的回报率；式中，h∈{1，2}1表示工作日，2表示节假日，d^h为典型日h的天数，且不同典型日的天数总和为365；时刻t充电站以p_g ^t＝0.9元/(kW·h)的价格从电网购电，并以p_c ^t＝1.6元/(kW·h)的价格售出；i站工作人员工资C_i ^HR；维修养护花费C_i ^m。

本实施例将初始参数设置：r₀＝0.12，m＝20年，η＝0，γ＝0.02，C_max＝5000万元。

步骤四、遗传求解。

遗传算法的适应度函数为：

式中，β为惩罚因子。

实现过程：首先对优化变量S_i采用二进制编码，在S_i取值范围内随机产生一定规模的初始群体(本实施例取200)并计算个体适应度值；然后以两两竞争、均匀交叉、均匀变异、最优个体保存的策略进行遗传操作；循环直到迭代次数大于最大代数(本实施例取300)。不考虑负荷增长情况下优选结果如表1所示，适应度曲线如图7所示。

表1不考虑负荷增长情况下的优选结果

由表1和图7可知，最终结果是从8个候选站中选出6个站，总费用-348万元。选出的站址大多分布在住宅和工作区，商业区较少，符合电动汽车充电区域分布规律；总费用为负，说明规划方案可以盈利，符合实际情况。

步骤五、对不同负荷增长模式下的充电需求进行规划。

负荷增长包含电动汽车负荷增长和基础负荷增长，电动汽车负荷增长可认为是电动汽车保有量增加引起的，则在充电需求预测部分相应增加保有量，获得增加后的充电需求点时空分布；基础负荷增长会影响配电网接纳电动汽车充电的能力，改变配电网约束部分的相应参数，求得增加后最大同时充电辆数。负荷预测结果与建模部分参数发生改变，遗传求解的最优方案也会随之改变。本发明设置三个增长模式：0％基础负荷增长+20％EV负荷增长，5％基础负荷增长+0％EV负荷增长，5％基础负荷增长+20％EV负荷增长。具体规划流程为：

a)若基础负荷增长5％，则在步骤三计算配网约束时将节点x在典型日期h的时段t的有功负荷和无功负荷/>增加5％，求得的最大接纳车辆数/>会因此改变。

b)若EV负荷增长20％，则认为是电动汽车保有量增加引起的，在步骤二充电需求模拟过程中将电动汽车保有量，即模拟规模上限，增加20％。因此所得充电需求时空分布会改变，候选站址集合也会改变。

c)在步骤四中针对已变化的候选站集合，使用遗传算法优化求解，其适应度函数中的对应基础负荷增长。

系统基础负荷如图8所示，优化结果如表2所示。

表2考虑负荷增长的优化结果

由表2可知，若不考虑负荷增长该配电系统最大可同时接纳800辆电动汽车充电，当基础负荷增长5％时，配网接纳能力下降至610辆；电动汽车负荷的增加则会改变候选站址组合。在用遗传算法进行优化的过程中，无论是候选站组合变化，还是配网所能接纳充电的最大车辆数变化，都会影响终选方案。

假设实际情况是基础负荷以每年5％的比例增长，EV负荷以每年20％比例增长，则考虑不同负荷增长模式所得的电动汽车充电站规划方案可适用的年限不同。若不考虑负荷增长，其终选方案仅适用1年；仅考虑基础负荷，或仅考虑EV负荷的方案可适用2到3年；而同时考虑基础负荷和EV负荷增长的方案可适用6年。适用年限加长就可以避免短期内进行充电站扩建或配网重构，不仅节约成本，还方便居民生活。

本发明方法考虑负荷增长因素对充电站规划的影响，为电网基础负荷和EV负荷预留一定的增长空间，使规划方案在未来几年里依然适用，从而避免扩建，节约资源；将电动汽车充电设施规划与城市配电网结合起来，通过配电网接纳充电能力约束充电站规模，有效避免因接入车辆过多而对配网造成不良影响。

以上所述，仅为本发明的具体实施方式，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工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改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以权利要求的保护范围为准。

Claims (5)

1.考虑不同负荷增长的电动汽车充电站规划方案获取方法，其特征在于，该方法包括下列步骤：

1)获取样本数据，挖掘电动汽车行驶特征，获取三方面出行规律的数字特征，包括起始状态规律、状态转移规律、充电信息规律；

2)对步骤1)获得的三方面规律利用轮盘赌法进行模拟，筛选充电需求点；

3)基于交通约束、配电网约束和经济约束的约束条件，以综合成本最低为目标建立数学模型；

4)采用遗传算法对步骤3)建立的数学模型进行求解，以成本最低为原则设置适应度函数，并设置死亡惩罚将不符合配网约束和成本约束的方案剔除，选取符合交通约束的候选站集合；

5)根据选取符合交通约束的候选站集合，对不同负荷增长模式下的充电需求进行规划；

步骤1)具体包括以下步骤：

11)对来自新能源汽车公共数据采集与监测研究中心的原始数据进行清洗，提取电动汽车充电和出行信息，对提取的数据进行数据稀疏处理、异常数据剔除处理与缺失数据补齐处理，并对样本可用性进行判断；

12)对处理和判断后的数据挖掘电动汽车行驶特征，统计并总结三方面出行规律的数字特征：起始状态、状态转移、充电信息；

步骤2)具体包括以下步骤：

21)采用轮盘赌法对步骤1)获取的起始状态规律进行模拟：车辆的日起始时刻、地点、电量和日行驶里程；

22)起始状态开始，基于状态转移规律采用马尔科夫链原理递推各时刻出行状态，累计行驶里程达到日行驶里程为止；

23)筛选充电需求点，获取时空分布图，在充电需求点密集的区域选择满足交通约束的点作为候选站；

步骤3)中，交通约束包括不可达率和不满足率，不可达率η为有充电需求却没能到达最近充电站的车辆比率，其表达式如下：

式中，X_i ^th为时刻t到充电站i充电距离最近的需求点集合，N_i ^th为时刻t有充电需求且能够到达充电站i的点集合；

不满足率γ，即已到站但没有机位进行充电的车辆比率，其表达式如下：

式中，[·]为求取集合包含的元素个数，X_i(S_i)为站内充电机台数；

步骤3)中，配电网约束为电动汽车作为负荷接入配电网需要满足技术安全方面的约束，包括潮流约束、节点电压约束、上级变电站传输功率约束、10KV电压等级变压器额定容量约束和110KV电压等级变压器容量约束，其中：

a)潮流约束为：

式中：和/>分别为上级电源节点x在典型日期h的时段t注入的有功和无功功率，和/>分别为节点x在典型日期h的时段t的有功负荷和无功负荷，/>为接入节点x的电动汽车在典型日期h的时段t的有功负荷，U_x,ht为节点x在典型日期h的时段t的电压值，M为系统节点数，G_xy和B_xy分别为节点导纳矩阵的实部和虚部，θ_xy为支路xy相角差；

b)节点电压约束为：

其中，和/>分别为节点x的电压上、下限；

c)上级变电站传输功率约束为：

其中，和/>分别为上级变压器x的有功传输上、下限，/>和/>分别为上级变压器x的无功传输的上、下限；

d)线路传输功率约束为：

|P_l,ht|≤P_l ^max

其中，P_l,ht为h天时段t线路l的传输功率；P_l ^max为线路l传输功率上限；

e)10KV电压等级变压器额定容量约束为：

式中，S_N,x为在节点x的主变的额定容量，为10KV配电系统在满足N-1准则时主变x的负载率，即最大负载率，cosψ_N为功率因数；

f)110KV电压等级变压器容量约束为：

式中，S_N为110/10KV主变的额定容量，N^T为上级电网连接点变电站的主变台数，ρ_max为110KV配电系统在满足N-1准则时主变负载率；

由上述约束推算在系统传统负荷的基础上配电网能接纳同时充电的电动汽车最大辆数为：

2.根据权利要求1所述的考虑不同负荷增长的电动汽车充电站规划方案获取方法，其特征在于，步骤3)中，经济约束表示综合成本不得超过最大预算，即总投资不大于最大预算C_max：

3.根据权利要求2所述的考虑不同负荷增长的电动汽车充电站规划方案获取方法，其特征在于，步骤3)中，所建立的数学模型的目标函数为：

其中，C_i ^v为建造充电站i平均每年要消耗的资本，其表达式为：

式中，C_i ^r为运行充电站i平均每年的耗资，其表达式为：

上式中，i∈I为充电站的候选站编号，I为候选站集合，为充电站i的建筑占地总面积，/>为地价，充电站i的建设规模为S_i∈{0，1，2，3，4}，其中0为不建，1为8台充电机，50--150kw容量，2为15台充电机，150--250kw容量，3为30台充电机，250--500kw容量，4为45台充电机，500--750kw容量；Z_i ^C(S_i)为充电站i的容量，C^C为单位容量造价，m为预计运行充电站i的年数，r₀为投资的回报率，h∈{1，2}，其中1表示工作日，2表示节假日；d^h为典型日h的天数，p_g ^t为时刻t下充电站的购电单位价格，p_c ^t为时刻t下充电站的售出单位价格，/>为充电站i的工作人员工资，/>为维修养护花费。

4.根据权利要求3所述的考虑不同负荷增长的电动汽车充电站规划方案获取方法，其特征在于，步骤4)中，遗传算法的适应度函数为：

式中，β为惩罚因子，若惩罚因子β不满足成本约束或配电网接纳最大车辆数约束，淘汰该候选站集合，形成死亡惩罚。

5.根据权利要求4所述的考虑不同负荷增长的电动汽车充电站规划方案获取方法，其特征在于，步骤5)具体包括如下规划流程：

51)设置三个增长模式，包括0％基础负荷增长+20％EV负荷增长，5％基础负荷增长+0％EV负荷增长，5％基础负荷增长+20％EV负荷增长；

52)若基础负荷增长5％，则在步骤3)计算配网约束时将节点x在典型日期h的时段t的有功负荷和无功负荷/>增加5％，改变求得的最大接纳车辆数/>

53)若EV负荷增长20％，则判断增长由电动汽车保有量增加引起，在步骤2)充电需求模拟过程中将电动汽车保有量，即模拟规模上限，增加20％，由此改变充电需求时空分布，改变候选站址集合；

54)在步骤4)中针对已变化的候选站集合，采用遗传算法优化求解，其适应度函数中的对应基础负荷增长。