CN110968837B

CN110968837B - 电动汽车充电站选址定容的方法

Info

Publication number: CN110968837B
Application number: CN201911164301.7A
Authority: CN
Inventors: 万佑红; 曹卫涛; 王鲁; 徐长城
Original assignee: Nanjing University of Posts and Telecommunications
Current assignee: Nanjing University of Posts and Telecommunications
Priority date: 2019-11-25
Filing date: 2019-11-25
Publication date: 2023-04-18
Anticipated expiration: 2039-11-25
Also published as: CN110968837A

Abstract

本发明提供了一种电动汽车充电站选址定容的方法，包括以下步骤：确定充电需求点的位置与电动汽车的数量，建立电动汽车充电概率计算模型，确定待规划地充电负荷分布情况；以用户出行成本为目标函数，得到充电站的初始选址库；以电动汽车车主出行成本与运营商利益的双向成本为目标函数，对初始选址库中的所有方案进行一一计算，将得到的最优方案作为充电站选址定容的结果。相比与现有技术，本发明充分考虑电动汽车车主的充电习惯、用地地价对充电站选址的影响、充电站盈利情况等因素，兼顾电动汽车车主出行成本与运营商利益的双向成本，使得选址定容方案更加符合待规划地的实际情况，具有非常好的实用性与适用性。

Description

电动汽车充电站选址定容的方法

技术领域

本发明涉及一种电动汽车充电站选址定容的方法，属于电动汽车充电站选址定容领域。

背景技术

随着全球环境的不断恶化以及能源短缺问题的日益凸显，电动汽车作为一种环境友好型的出行工具越来越受到大众的青睐，相比于传统的燃油车，电动汽车具有零排放、充电成本低、噪声小等优点，同时世界各国也都在出台一些政策以支持电动汽车及相关产业的发展。随着电动汽车数量的不断增长，充电设施的基础建设便成为了影响电动汽车发展的关键因素，因此电动汽车充电站的选址定容问题便成为了当前研究的热点。

目前，在电动汽车充电站的选址定容的研究方法上，主要分为以下三类：(1)根据城市规划、电网现状、路网规划、服务半径等影响因素，确定充电站的选址，并从经济性因素考虑，建立充电站成本最低的目标函数，通过启发性搜索算法求解出最优的充电站容量配置；(2)从车主方面考虑，根据路网上电动汽车车主的充电需求点，建立车主充电成本最低的目标函数，通过具体的算法求解出充电站的初始选址，形成初始选址库，并以车主出行成本与充电站建设成本最低为目标函数，在初始选址库中确定最优的最终选址方案以及充电站的配置容量；(3)从求解算法方面考虑，对优化算法进行改进，使得搜索算法可以在全局快速收敛，比如：鲶鱼粒子群算法、改进后的遗传算法等等。但是，目前的研究方法存在着许多缺陷，比如对路口节点处电动汽车的充电概率计算不够准确、忽略了充电站用地地价对其选址定容的影响、忽略了充电站的盈利情况、没有考虑选址定容的实际情况等。

有鉴于此，确有必要提出一种电动汽车充电站选址定容的方法，以解决上述问题。

发明内容

本发明的目的在于提供一种电动汽车充电站选址定容的方法，以兼顾电动汽车车主出行成本与运营商利益。

为实现上述目的，本发明提供了一种电动汽车充电站选址定容的方法，包括以下步骤：

步骤S1、确定充电需求点的位置与电动汽车的数量，建立电动汽车充电概率计算模型，确定待规划地充电负荷分布情况；

步骤S2、以用户出行成本为目标函数，得到充电站的初始选址库；

步骤S3、以电动汽车车主出行成本与运营商利益的双向成本为目标函数，对初始选址库中的所有方案进行一一计算，将得到的最优方案作为充电站选址定容的结果。

可选的，步骤S1进一步包括以下步骤：

步骤S11、将该地区待规划地划分为居民区用地、工作区用地和商业娱乐区用地；

步骤S12、采用路口节点法，根据待规划地的实际路网情况，确定各区域充电需求点的位置与电动汽车的数量；

步骤S13、综合考虑影响电动汽车充电概率的因素，建立电动汽车充电概率计算模型；

步骤S14、根据蒙特卡洛抽样算法，进行模拟仿真实验，得到各个区域的电动汽车的充电负荷分布情况。

可选的，步骤S13中所述电动汽车充电概率计算模型为：

其中，P_SOC、P_L分别表示电动汽车当前电池荷电状态与车主的下一次出行里程对充电概率的影响，SOC_min表示电动汽车的电池荷电状态的最小阈值，C表示电池容量，ω表示每公里耗电量，L表示下一段行驶里程，a、b为影响因子。

可选的，所述电动汽车当前电池荷电状态对充电概率的影响计算公式为：

所述车主的下一次出行里程对充电概率的影响计算公式为：

其中，l₁与l₂为根据实测数据确定的常数。

可选的，步骤S2进一步包括以下步骤：

步骤S21、根据步骤S14中得到的电动汽车的充电负荷分布情况，可以得到待规划地内电动汽车的总充电需求容量，并估算充电站的数量范围；

步骤S22、根据待规划地的实际的土地用途、经济水平等区域特性将待规划地划分为M个子区域，在子区域内根据车流量密度、路网规划、城市规划等确定充电站的初始选址；

步骤S23、以初始选址作为生长核，以相同的速度向外扩张，直到彼此相遇在平面上形成图形，得到维诺图，根据维诺图，对原M个子区域进一步重新划分；

步骤S24、根据步骤S23划分后的区域，将充电站的选址坐标作为待优化的变量，从用户角度出发，以车主到充电站的出行成本损耗最低作为选址模型进行优化，并且综合考虑用地地价对选址的影响，建立目标函数以及约束条件；

步骤S25、求解步骤S24中建立的目标函数，得到初始选址库。

可选的，步骤S21中，估算充电站的数量范围的公式为：

其中，N_min表示充电站的最小数量，N_max表示充电站的最大数量，待规划地内电动汽车的总充电需求容量为Q，充电站最小容量为S_min，最大容量为S_max，因此，待规划地的充电站的数量N范围为N_min≤N≤N_max。

可选的，步骤S25中通过遗传算法求解步骤S24中建立的目标函数。

可选的，步骤S3具体包括以下步骤：

步骤S31、将初始选址库中的每一种方案中的选址坐标作为新的生长核点，基于维诺图重新划分服务区域，计算出步骤S24提出的目标函数的最优值。

步骤S32、兼顾电动汽车车主出行成本与运营商利益的双向成本，以所需配置的容量作为优化变量，综合考虑充电站得盈利情况，建立总的目标函数：

步骤S33、对初始选址库里面的方案一一进行计算，将得到的最优方案作为充电站选址定容的结果。

可选的，步骤S32中，总的目标函数为：

其中，F_1i为用户出行年成本，F_2i为充电站i建设运行维护年费用，F_3i为充电站i网损年费用，F_4i为充电站年收益费用，α、β、γ、δ为权重因子。

可选的，步骤S32中，充电站的年盈利费用为：

F_4i＝(p-h)·Q_i·365，

其中，p为充电站i的售电电价，h为充电站i的购电电价，Q_i为充电站i服务范围内电动汽车一天的总的充电需求。

本发明的有益效果是：本发明充分考虑电动汽车车主的充电习惯、用地地价对充电站选址的影响、充电站盈利情况等因素，兼顾电动汽车车主出行成本与运营商利益的双向成本，使得选址定容方案更加符合待规划地的实际情况，具有非常好的实用性与适用性。

附图说明

图1为本发明电动汽车充电站选址定容的方法的流程图。

图2为不同区域的电动汽车的充电负荷分布图。

图3为本发明电动汽车充电站选址定容的方法根据初始选址生成的维诺图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

如图1所示，本发明提供了一种电动汽车充电站选址定容的方法，主要包括以下步骤：

步骤S1、采用路口节点法确定充电需求点的位置与电动汽车的数量，综合考虑影响电动汽车充电概率的因素，建立电动汽车充电概率计算模型，利用蒙特卡洛抽样算法确定待规划地充电负荷分布情况；

步骤S2、从用户角度出发，综合考虑用地地价对选址的影响，以用户出行成本为目标函数，得到充电站的初始选址库；

步骤S3、以电动汽车车主出行成本与运营商利益的双向成本为目标函数，综合考虑充电站的盈利情况，对初始选址库中的所有方案进行一一计算，将得到的最优方案作为充电站选址定容的结果。

以下将对步骤S1-S3进行详细说明。

步骤S1具体包括以下步骤：

步骤S11、将待规划地划分为不同的功能区，考虑到车主在不同功能用地的出行数据不一样，因此在本发明中根据待规划地的实际用地情况和土地用途的不同，将该地区待规划地划分为居民区用地、工作区用地和商业娱乐区用地；

步骤S12、采用路口节点法，根据待规划地的实际路网情况，确定各区域充电需求点的位置与电动汽车的数量，通过实测数据，统计出各个路口在T时间段的电动汽车的流量密度，其中路口节点即为充电需求点；

步骤S13、综合考虑影响电动汽车充电概率的因素，建立电动汽车充电概率计算模型；电动汽车充电概率由车主个人行为习惯决定，而影响电动汽车车主充电行为习惯的因素有很多，比如：电动汽车当前的电池荷电状态(SOC)、车主的下一次出行里程、电动汽车车主的出行时间价值、充电站配备的充电桩的数量等等，其中，电动汽车当前的电池荷电状态与车主的下一次出行里程是影响车主充电行为的主要因素，因此，本发明综合考虑这两个因素，建立了一种电动汽车充电概率计算模型：

其中，P_SOC、P_L分别表示当前电动汽车的电池荷电状态与车主的下一次出行里程对充电概率的影响，SOC_min表示电动汽车的电池荷电状态的最小阈值，C表示电池容量，ω表示每公里耗电量，L表示下一段行驶里程，a、b为影响因子。

本发明中，假设电动汽车的当前电量不足以支撑车主的下一次出行，则车主必定需要充电，并且为了保证安全性，电动汽车的电池荷电状态需留有一定的阈值。因此，在满足上述假设的情况下，车主充电概率为1，即：P_charge＝1。

综合考虑了电动汽车当前的电池荷电状态与车主的下一次出行里程对充电概率的影响，可以得出结论：电动汽车当前电池荷电状态越低，充电概率越高，且下一次行驶里程越短，充电概率越低。将这一结论分别用Z型与S型函数来描述，而根据实际数据分析可知，电动汽车当前的电池荷电状态分布基本符合正态分布，下一次行驶里程基本符合对数正态分布，不同功能区的参数拟合得到的结果不同。因此，通过考虑不同的影响因素可以得到，电动汽车当前电池荷电状态对充电概率的影响计算公式：

以及，车主的下一次出行里程对充电概率的影响计算公式：

其中，l₁与l₂为根据实测数据确定的常数，在本发明中一般取l₁＝5km，l₂＝40km。

而a、b作为影响因子，代表电动汽车当前的电池荷电状态与车主的下一次出行里程这两个影响因素所占的权重，在本发明中电动汽车的当前电池荷电状态对电动汽车是否进行充电影响较大，因此，取a＝0.65，b＝0.35。

步骤S14、根据蒙特卡洛抽样算法，进行模拟仿真实验，得到各个区域的电动汽车的充电负荷分布情况；

如图2所示，为各个区域的电动汽车的充电负荷分布图，根据步骤S12，可得出电动汽车的数量，然后根据步骤S13的计算公式，运用蒙特卡洛抽样算法对每一辆电动汽车充电情况进行模拟仿真实验，最后将每一辆电动汽车的充电负荷叠加，以得到该区域总的电动汽车的充电负荷分布图。

步骤S2具体包括以下步骤：

步骤S21、根据步骤S14中模拟仿真实验得到的电动汽车的充电负荷分布情况，可以得到待规划地内电动汽车的总充电需求容量Q，并且充电站最小容量为S_min，最大容量为S_max，可以估算充电站的数量范围，如下式：

其中，N_min表示充电站的最小数量，N_max表示充电站的最大数量，因此，待规划地的充电站的数量N范围为N_min≤N≤N_max。

步骤S22、根据待规划地的实际的土地用途、经济水平等区域特性将待规划地划分为M个子区域，N_min≤M≤N_max，在子区域内根据车流量密度、路网规划、城市规划等确定充电站的初始选址；

如图3所示，将待规划地划分为9个子区域，并根据该地区的规划特点，确定初始选址，并生成维诺图。

步骤S23、以初始选址作为生长核，以相同的速度向外扩张，直到彼此相遇在平面上形成图形，得到维诺(Voronoi)图，根据维诺图，对原M个子区域进一步重新划分；

根据充电站的服务范围进行划分是进行充电站选址定容配置的前提，本发明根据维诺图可以自动划分服务区域并且具有生成速度快的优点。当电动汽车在路口节点处有充电需求时，会选择距离最近的充电站进行充电，这一点正好符合维诺图的特点：每个子区域内的充电需求点到该区域的生长核点的距离小于它到其他任一子区域的生长核点的距离，即设

P＝{P₁,P₂,P₃,…P_m},3≤m≤∞，

为初始选址的坐标集合，则根据维诺图的性质可知：

d(x,P_i)≤d(x,P_j)；x∈V(P_i)，

其中，x表示子区域i内的充电需求点，d表示x到子区域的生长核点的距离。

步骤S24、根据步骤S23划分后的区域，充电站的选址坐标作为待优化的变量，从用户角度出发，以车主到充电站的出行成本损耗最低作为选址模型进行优化，并且综合考虑用地地价对选址的影响，建立目标函数以及约束条件；

电动汽车用户在充电路途中的损耗成本主要包括：电动汽车空驶电量损耗成本与用户在去往充电站的途中损耗的时间成本。

电动汽车空驶电量损耗年成本计算公式如下：

其中，d_ij表示充电需求点j到充电站i的直线距离，λ_ij表示充电需求点j到充电站i的曲折系数，m_j表示充电需求点j每天需要到充电站充电的电动汽车的数量，p表示用户充电电价，l表示单位电量下电动汽车的行驶里程。

电动汽车在去往充电站的途中损耗的年时间成本计算如下：

其中，c表示用户单位出行时间价值，v表示电动汽车的平均行驶速度。

由于用地地价对充电站选址有很大影响，因此引入伸缩系数k_i作为选址优化的影响因子，

Pi表示充电站i的用地地价，

表示待规划地的用地平均地价；当充电站i所在用地地价高于平均地价时，k_i>1，否则0<k_i<1。

综上，目标函数如下：

在充电站选址时，如果相邻充电站距离太近，则服务区域会有很大重叠，造成资源浪费；而如果充电站与充电需求点的距离太远，则电动汽车得剩余电量不能支撑其到达充电站。因此，从这两方面考虑以下约束：

其中，d_max表示充电需求点到充电站的最大距离，D_ij表示充电站i到充电站j的直线距离，D_min表示充电站i到充电站j的最小距离。

步骤S25、求解步骤S24中建立的目标函数，由于步骤S24中建立的目标函数为非线性优化模型，因此可以采用遗传算法进行求解。

根据步骤S21确定的充电站数量范围，依次对不同数量的充电站从步骤S21-步骤S25重新进行计算，得到初始选址库，初始选址库里包含两个参数：充电站的数量M与M个充电站的初始选址坐标。

步骤S3具体包括以下步骤：

充电站i建设年成本为：

其中，e_i为充电站i配置的变压器数量，a为变压器的单价，m_i为充电站i配置的充电机数量，b为充电机单价，c_i为充电站的基建费用，r₀为贴现率，z为运行年限。

充电站i的运行维护费用包括：设备运行损耗费用、设备检修费用、工作人员工资等。具体的运行维护费用可以按照充电站建设初期成本的百分比计算，设比例因子为σ，则充电站i的年运行维护费用为：

f_2i＝(e_ia+m_ib+c_i)σ，

F_2i＝f_1i+f_2i，

充电站i的网损年费用为：

F_3i＝e_i·C_e·T·365·h+m_i·C_m·T·365·h，

其中，C_e为变压器的损耗，T为充电站平均每天的有效充电时间，C_m为单台充电机线路损耗与充电损耗，h为充电站i的购电电价。

同时，将充电站的盈利情况也考虑在内，充电站的年盈利费用为：

F_4i＝(p-h)·Q_i·365，

综上所述，本发明充分考虑电动汽车车主的充电习惯、用地地价对充电站选址的影响、充电站盈利情况等因素，兼顾电动汽车车主出行成本与运营商利益的双向成本，使得选址定容方案更加符合待规划地的实际情况，具有非常好的实用性与适用性。

以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。

Claims

1.一种电动汽车充电站选址定容的方法，其特征在于，包括以下步骤：

步骤S1进一步包括以下步骤：

步骤S11、将待规划地划分为居民区用地、工作区用地和商业娱乐区用地；

步骤S13、综合考虑影响电动汽车充电概率的因素，建立电动汽车充电概率计算模型；步骤S13中所述电动汽车充电概率计算模型为：

其中，P_SOC、P_L分别表示电动汽车当前电池荷电状态与车主的下一次出行里程对充电概率的影响，SOC_min表示电动汽车的电池荷电状态的最小阈值，C表示电池容量，ω表示每公里耗电量，L表示下一段行驶里程，a、b为影响因子；

所述电动汽车当前电池荷电状态对充电概率的影响计算公式为：

所述车主的下一次出行里程对充电概率的影响计算公式为：

其中，l₁与l₂为根据实测数据确定的常数；

步骤S21中，估算充电站的数量范围的公式为：

其中，N_min表示充电站的最小数量，N_max表示充电站的最大数量，待规划地内电动汽车的总充电需求容量为Q，充电站最小容量为S_min，最大容量为S_max，因此，待规划地的充电站的数量N范围为N_min≤N≤N_max；

步骤S22、根据待规划地的实际的土地用途、经济水平等区域特性将待规划地划分为M个子区域，在子区域内根据车流量密度、路网规划、城市规划确定充电站的初始选址；

步骤S25、求解步骤S24中建立的目标函数，得到初始选址库；

步骤S3、以电动汽车车主出行成本与运营商利益的双向成本为目标函数，对初始选址库中的所有方案进行一一计算，将得到的最优方案作为充电站选址定容的结果；步骤S3具体包括以下步骤：

步骤S31、将初始选址库中的每一种方案中的选址坐标作为新的生长核点，基于维诺图重新划分服务区域，计算出步骤S24提出的目标函数的最优值；

步骤S32、兼顾电动汽车车主出行成本与运营商利益的双向成本，以所需配置的容量作为优化变量，综合考虑充电站得盈利情况，建立总的目标函数：步骤S32中，总的目标函数为：

其中，F_1i为用户出行年成本，F_2i为充电站i建设运行维护年费用，F_3i为充电站i网损年费用，F_4i为充电站年收益费用，α、β、γ、δ为权重因子；

步骤S32中，充电站的年盈利费用为：

F_4i＝(p-h)·Q_i·365，

其中，p为充电站i的售电电价，h为充电站i的购电电价，Q_i为充电站i服务范围内电动汽车一天的总的充电需求；

2.根据权利要求1所述的电动汽车充电站选址定容的方法，其特征在于：步骤S25中通过遗传算法求解步骤S24中建立的目标函数。