CN114862018A

CN114862018A - 考虑充电行驶距离的电动汽车充电站选址和定容规划方法

Info

Publication number: CN114862018A
Application number: CN202210480439.3A
Authority: CN
Inventors: 侯腾飞; 罗李子; 陈欣怡; 胡乙丹; 孙金生
Original assignee: Nanjing University of Science and Technology
Current assignee: Nanjing University of Science and Technology
Priority date: 2022-05-05
Filing date: 2022-05-05
Publication date: 2022-08-05
Anticipated expiration: 2042-05-05
Also published as: CN114862018B

Abstract

本发明提供考虑充电行驶距离的电动汽车充电站选址和定容规划方法，根据各配电网节点处有充电需求的汽车数量及节点所在土地类型确定节点权重，利用权重距离作为充电站选址规划优化模型的约束并求解；结合优化模型求解结果、决策变量和充电功率，以年社会总成本最小为目标建立充电站容量规划模型的目标函数，加入配电网相关约束以及电动汽车参与时序调度约束进行求解，得到每个电动汽车充电站待建节点处充电设施数量和总体容量。本发明的规划方法能够在缩短电动汽车因寻找充电站而造成的额外行驶距离的同时，兼顾电动汽车主在不同区域内对时间的敏感程度，在电动汽车充电站容量规划方面对减小配电网电压波动、保障配电网运行安全方面起到显著作用。

Description

考虑充电行驶距离的电动汽车充电站选址和定容规划方法

技术领域

本发明属于电力系统规划与运营领域，具体涉及一种考虑充电行驶距离的电动汽车充电站选址和定容规划方法。

背景技术

近年来，随着人们对环境污染和温室效应的日益重视，更符合绿色发展的电动汽车数量快速增长，已成为配电系统中不可忽视的一部分。由于电动汽车数量的增加，有必要在适当的地方建立电动汽车充电站，这带来了电动汽车的选址问题，在充电站选址规划模型中，要将配电网与地理位置、交通情况、用户需求等结合起来，考虑它们之间存在的耦合关系，进而确定电动汽车充电站的服务区域以及建设位置。作为电力系统中的负载，电动汽车具有与常规负荷不同的特点，它可以通过时序调度参与电力系统负荷的削峰填谷、调压、调频等任务，当电动汽车参与时序调度时，电动汽车充电站的整体容量也将受到影响。

发明内容

本发明的目的是提供一种考虑充电行驶距离的电动汽车充电站选址和定容两阶段规划方法，能够有效可行地对电动汽车充电站的位置和容量进行规划。

为实现上述技术目的，本发明采用如下方案：

一种考虑充电行驶距离的电动汽车充电站选址和定容规划方法，包括：

(1)设置电动汽车充电站最大服务半径，假设每个配电网节点均能建设电动汽车充电站，根据每个节点处有充电需求的电动汽车数量以及节点所在土地类型确定每个节点的权重，计算每个节点最大服务半径内的各个节点到该节点间的权重距离之和；

(2)结合每个节点最大服务半径内的各个节点到该节点间的权重距离之和和0-1型决策变量，以所有节点总权重距离之和最小为目标，建立充电站选址规划的优化模型，根据电动汽车与充电站之间的耦合关系设置优化模型的约束条件，求解优化模型得到充电站的待建节点以及每个待建节点所服务的区域；

(3)将每个电动汽车充电站待建节点处需要建设的充电设施数量作为决策变量，将充电设施的充电功率予以定值；

(4)结合优化模型求解结果、决策变量和充电功率，以年社会总成本最小为目标建立充电站容量规划模型的目标函数；考虑配电网潮流约束、安全运行约束以及电动汽车参与时序调度约束，确定电动汽车充电站容量规划模型的约束条件；求解充电站容量规划模型得到每个电动汽车充电站待建节点处充电设施数量和总体容量。

作为一种优选的实施方式，所述根据每个节点处有充电需求的电动汽车数量以及节点所在土地类型确定每个节点的权重的方式为：

对配电网所在城区根据功能划分S种土地类型，对各土地类型按照电动汽车主该区域对时间的敏感程度以自然数1～S顺序编号，数值越大表示电动汽车主对时间越敏感；

以各节点所述土地类型的编号数值与所有土地类型的编号之和的比值表征该节点的敏感度权重；

获取各节点有充电需求的电动汽车数量，以该节点有充电需求的电动汽车数量与所有节点参与充电的电动汽车总数的比值表征该节点的数量权重；

则每个节点的权重由该节点数量权重和敏感度权重相乘得到。

作为一种优选的实施方式，所述每个节点最大服务半径内的各个节点到该节点间的权重距离之和基于下式计算：

其中，D_i表示节点i最大服务半径内的各个节点到节点i的权重距离之和，d_ij为节点i、j间距离，μ_i为节点i的权重，Ω_i表示节点i所服务区域内节点的集合。

作为一种优选的实施方式，所述电动汽车与充电站之间的耦合关系指每个电动汽车充电站所服务的区域无交集，且所有电动汽车充电站服务区域的并集为全部城区，每辆电动汽车只能前往所在服务区域内的电动汽车充电站进行充电；

在基于耦合关系设置优化模型的约束条件时，如果节点服务的区域存在重叠，根据重叠区域与待建充电站节点的距离远近确定重叠区域的归属。

作为一种优选的实施方式，电动汽车充电站选址规划阶段的优化模型的目标函数为：

其中，

为0-1型决策变量，表示在节点i处是否建设电动汽车充电站，当

时，表示在节点i处建设电动汽车充电站；当

时，表示不在节点i处建设电动汽车充电站。

作为一种优选的实施方式，所述充电站容量规划模型的目标函数如下：

其中，等号右侧第一项表示年度投资成本，第二项表示年度运维成本，c^I为充电设施单位投资成本，c^O&M为充电设施单位运维成本，n_i为决策变量，表示第i个电动汽车充电站待建节点处的充电设施数量，N_CF为电动汽车充电站待建节点数量，R为辅助变量，y为充电设施的经济寿命，d表示折现率。

作为一种优选的实施方式，对充电站容量规划模型的目标函数求解时，加入0-1变量约束和电动汽车充电需求约束如下

a)0-1变量约束：

其中，

为0-1型决策变量，表示在季节s的第t时段在节点i的第k辆电动汽车的充电状态，

表示该电动汽车正在充电，

表示该电动汽车未在充电；

为0-1型决策变量，表示在季节s的第t时段在节点i的第k辆电动汽车是否在充电站停车，

表示该电动汽车为正在充电站停车，

表示该电动汽车不在充电站停车；

b)电动汽车充电需求约束：

其中，

为在节点i处的第k辆电动汽车到达充电站的时间，

表示在节点i处的第k辆电动汽车在充电站的停车时长，E_s,i,k表示在s季节在节点i处的第k辆电动汽车的待充电量，ceil表示向上取整。

作为一种优选的实施方式，将一年划分为八个典型日，即春、夏、秋、冬的工作日和周末，获取典型日内每辆电动汽车到站时间、离站时间、充电起止时间、目的地节点编号、目的地所在土地类型的编号以及每个典型日城区内所有参与充电的电动汽车总数，用于模型计算。

作为一种优选的实施方式，求解时，将时间离散化，将每个典型日离散为n个时间段，认为在每个时间段内电动汽车所有状态均不改变，令所有电动汽车采用目的地充电模式，即电动汽车前往目的地节点所属服务区的电动汽车充电站进行充电。

作为一种优选的实施方式，使用分支定界法求解电动汽车充电站选址规划阶段的优化模型，使用求解器求解充电站容量规划模型。

本发明的有益效果如下：

本发明提供了一种考虑充电行驶距离的电动汽车充电站选址和定容两阶段规划方法，在电动汽车充电站选址规划阶段，综合考虑目的地与电动汽车充电站间距离、电动汽车交通流量情况以及电动汽车主在不同区域对时间的敏感程度三方面因素来确定电动汽车充电站的位置，并且将每个节点的最大服务区域内各节点到该节点间距离之和作为最小单元而非将所有节点之间的距离作为最小单元参与到模型的运算当中，这使得优化模型的运算量大为减少；在电动汽车充电站容量规划阶段，在优化模型中采用考虑时序调度的电动汽车充电模型，当配电网中负荷达到高峰时，电动汽车充电站将相应地断开部分负荷而当配电网中负荷达到低谷时相应地连接有需求的负荷，从而起到平抑负荷曲线、减小电压波动，提高配电网安全稳定性的作用，同时相较于无序充电而言具有减少电动汽车充电站冗余容量、提高充电设施利用率的优点。

附图说明

图1是本发明的方法流程示意图。

图2是本发明实施例中所用到的包含城区地理信息的33节点配电网系统拓扑图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例1

本实施例对本发明的技术方案做具体阐述。

本发明方法的流程图如图1所示，包括如下步骤：

1)遍历整个配电网络，统计网络中节点数量N、节点所在土地类型以及节点间距离d_ij，对节点进行编号，并得到各支路阻抗；

考虑一个城区内的配电网络，将N个配电网节点使用自然数1，2，…，N进行编号，将配电网所在城区根据主要功能划分为空地、商业区、住宅区和办公区等S种土地类型，考虑到电动汽车主在不同土地类型区域对时间的敏感程度有所不同，将S种土地类型分别用自然数1，2，3，4，…，S表示，数值越大代表电动汽车主对时间越敏感，用d_ij代表第i个节点与第j个节点之间的实际距离，其中i，j∈1，2，…，N。对时间的敏感程度的判断原则为：时间敏感度越高的地区用户参与电动汽车充电额外行驶的时间越短，具体表现为目的地到充电站的距离越短。

2)根据常规负荷的特点并结合区域内的电动汽车交通流量状况，将一年划分为八个典型日，即春、夏、秋、冬的工作日和周末，得到典型日内每辆电动汽车到站与离站时间、充电起止时间、目的地节点编号、目的地所在土地类型的编号以及每个典型日城区内所有参与充电的电动汽车总数N^EV；

将除电动汽车充电站以外的负荷视为常规负荷，由于在一年的四个季度中常规负荷具有明显不同的负荷曲线，并且电动汽车的交通流量在工作日与周末有显著的不同，因此通过聚类将一年划分为春、夏、秋、冬的工作日与周末八个典型日，为了在计算机上求解优化模型需要将时间离散化，将每个典型日离散为n个时间段，每个时间段为Δt＝1440/n分钟，认为在每个时间段内所有状态(电动汽车充电状态、停车状态等)均不改变，令所有电动汽车采用目的地充电模式，即电动汽车前往目的地节点所属服务区的电动汽车充电站进行充电。

3)设置电动汽车充电站最大服务半径，假设每个配电网节点均能建设电动汽车充电站，根据每个节点处的电动汽车数量以及节点所在土地类型确定每个节点的权重；

根据电动汽车主普遍能够接受的电动汽车充电站与目的地之间的距离设置电动汽车充电站的最大服务半径d_max(km)，为了增加本发明的适用性，在不考虑配电网节点所在位置的空间大小和地理位置的情况下，假设配电网中所有节点均满足建设电动汽车充电站的要求，实际中可根据具体情况来确定满足建设电动汽车充电站要求的节点。确定每个配电网节点权重的具体方法为：

根据2)的结果计算得到每个节点处有充电需求的电动汽车数量，根据1)得到每个节点所在的土地类型编号，假设第i个节点处有充电需求的电动汽车数量为

所在的土地类型编号为k，则第i个节点的权重为：

μ_i＝η_i·θ_i

θ_i＝k/AR

其中，η_i为数量权重、θ_i表示敏感度权重、AR为所有土地类型的编号之和。

4)计算出每个配电网节点最大服务半径内的各个节点到该节点间的距离之和，结合每个节点的权重得到电动汽车充电站选址规划模型的目标函数；

计算每个配电网节点最大服务半径内的各个节点到该节点间的距离之和的具体方法为：首先，根据电动汽车充电站的最大服务半径d_max得到每个节点的服务区域(以服务区域所包含的节点编号形式表示，例如：节点1的服务区域为1、2、…)，该节点服务区域内的所有节点到该节点的距离都不超过d_max。其次，得到该节点与服务区域内各个节点之间的距离，通过3)得到该服务区域内各个节点的权重，将各个节点的权重与该节点和各个节点之间的距离相乘再相加得到每个配电网节点最大服务半径内的各个节点到该节点间的距离之和，需要特别说明的是该距离不是实际距离而是包含了服务区域内各个节点权重的距离，以计算第i个节点最大服务半径内的各个节点到该节点间的距离之和为例，可用以下公式表示：

其中，D_i为第i个节点最大服务半径内的各个节点到该节点间的权重距离之和(非真实距离)，Ω_i表示第i个节点所服务区域内节点的集合。

电动汽车充电站选址规划的优化模型的目标函数具体为：

其中，

为0-1型决策变量，表示在i节点处是否建设电动汽车充电站，当

时，表示在i节点处建设电动汽车充电站；当

时，表示不在i节点处建设电动汽车充电站。

5)根据电动汽车与电动汽车充电站之间的耦合关系设置电动汽车充电站选址规划模型的约束条件；

电动汽车与电动汽车充电站之间的耦合关系为：每辆电动汽车能且仅能到一个固定的电动汽车充电站进行充电，即每个电动汽车充电站所服务的区域不能有交集，且所有电动汽车充电站服务区域的并集为全部城区，每辆电动汽车只能前往所在服务区域内的电动汽车充电站进行充电，基于此电动汽车充电站选址规划阶段模型的约束条件为：

其中，

为第i个节点是否在第j个节点的最大服务半径内，

表示第i个节点在第j个节点的最大服务半径内，

表示第i个节点不在第j个节点的最大服务半径内。由于设置的最大服务半径不同，本优化模型输出的各个电动汽车充电站待建节点所服务的区域可能存在重叠区域，本发明的解决方法是通过比较该重叠区域距离哪个电动汽车充电站待建节点更近的方式来解决重叠区域的归属问题。

6)使用分支定界法或类似算法求解4)与5)所建立的优化模型得出电动汽车充电站的待建节点以及每个待建节点所服务的区域。

7)将每个电动汽车充电站待建节点处需要建设的充电设施数量作为决策变量，将充电设施的充电功率设置为定值；本发明所述的电动汽车充电设施为多桩多枪类型。每套充电设施的充电功率统一为P^CF。

8)以年社会总成本最小为目标建立电动汽车充电站容量规划模型的目标函数；

年社会总成本由年度投资成本和年度运维成本组成，第二阶段优化模型的目标函数为：

其中，目标函数等号右侧第一项为年度投资成本，第二项为年度运维成本，c^I为充电设施单位投资成本，c^O&M为充电设施单位运维成本，n_i为决策变量表示第i个电动汽车充电站待建节点处的充电设施数量，N_CF为电动汽车充电站待建节点数量，R为辅助变量，y为充电设施的经济寿命，d为折现率。

9)考虑配电网潮流约束、安全运行约束以及电动汽车参与时序调度约束，确定电动汽车充电站容量规划模型的约束条件；

第二阶段优化模型的约束条件考虑了配电网潮流约束、安全运行约束和电动汽车参与时序调度的约束，具体包括以下七部分，由于工作日和周末约束表达式完全相同，因此不再区分二者：

a)配电网潮流方程：

其中，P_s,t,ij与Q_s,t,ij为在季节s的第t时段支路ij上的有功功率与无功功率(kW/kVar)，

与

表示在季节s的第t时段节点j处常规负荷的有功需求与无功需求，

为在季节s的第t时段节点j处的电动汽车充电站功率需求。v(j)/u(j)分别为j节点的上游节点/下游节点，U_s,t,i表示在季节s的第t时段i节点的电压幅值(kV)，U_sub为额定电压值，R_ij/X_ij分别为支路ij上的电阻/电抗(Ω)。

b)节点电压约束：

U_min≤U_s,t,i≤U_max

其中，U_min/U_max分别为电压幅值下限/上限。

c)支路电流约束：

其中，

表示在季节s的第t时段支路ij上的电流值的平方，I_ij,max为支路ij上电流值的上限(A)。由于上述等式为非线性约束，故通过松弛将其变换为下式：

d)0-1变量约束：

其中，

为0-1型决策变量表示在季节s的第t时段在节点i的第k辆电动汽车的充电状态，

表示该电动汽车正在充电，

表示该电动汽车未在充电；

为0-1型决策变量表示在季节s的第t时段在节点i的第k辆电动汽车是否在充电站停车，

表示该电动汽车为正在充电站停车，

表示该电动汽车不在充电站停车。

e)电动汽车充电需求约束：

其中，

为在节点i处的第k辆电动汽车到达充电站的时间，

表示在节点i处的第k辆电动汽车在充电站的停车时长，E_s,i,k表示在s季节的第i个节点的第k辆电动汽车的待充电量(kWh)，ceil表示向上取整。

f)充电设施数量：

n_j≥n_s,t,j

其中，

为第j个电动汽车充电站服务区域内节点的集合，

表示在季节s的第t时段节点i处的电动汽车集合，n_s,t,j表示在季节s的第t时段电动汽车充电站待建节点j处所需的充电设施数量。

g)电动汽车充电站功率需求：

其中，

表示在季节s的第t时段电动汽车充电站待建节点j处充电站所需的功率。

10)使用求解器(如gurobi、cplex等)求解8)与9)所建立的模型得出最小年社会总成本、每个电动汽车充电站待建节点处充电设施数量和总体容量。

实施例2

本实施例结合具体案例对本发明方法的实施方式作进一步阐述。

图2是本发明实施例中所用到的33节点配电网系统拓扑图，图中包含了配电网所在城区的地理信息，在不同土地类型区域的节点用不同颜色予以区分，具体颜色所对应的土地类型见图中所示。利用实施例1所述方法实现充电站选址和定容规划，如下：

1)遍历整个配电网络，统计本实施例配电网络中节点数量为N＝33、节点所在土地类型以及节点编号已经在图2中给出，各支路阻抗也需要被统计；

考虑一个城区内的配电网络，将33个配电网节点使用自然数1，2，…，33进行编号，将配电网所在城区的土地类型划分为空地、商业区、住宅区和办公区，考虑到电动汽车主在不同土地类型区域对时间的敏感程度有所不同，对空地、商业区、住宅区和办公区分别用自然数1，2，3，4表示，数值越大代表电动汽车主对时间越敏感，即敏感度从小到大排序为：空地<商业区<住宅区<办公区，用d_ij代表第i个节点与第j个节点之间的实际距离并将数据输入到表格distance中，其中i，j∈1，2，…，33。

2)本实施例使用春、夏、秋、冬的工作日四个典型日来说明本发明所述的方案，这足以清楚完整地展示整个发明所述方案，在确定典型日之后得到典型日内每辆电动汽车到站时间、离站时间、充电起止时间、目的地节点编号、目的地所在土地类型的编号以及每个典型日城区内所有参与充电的电动汽车总数N^EV这些数据，并将其整合在表格workday中；

为了在计算机上求解优化模型需要将时间离散化，本实施例将每个典型日离散为96个时间段，每个时间段为Δt＝15分钟，认为在每个时间段内所有状态(电动汽车充电状态、停车状态等)均不改变，令所有电动汽车采用目的地充电模式，即电动汽车前往目的地节点所属服务区的电动汽车充电站进行充电。

3)设置电动汽车充电站最大服务半径d_max＝0.5km，假设33个配电网节点均能建设电动汽车充电站，根据每个节点处的电动汽车数量以及节点所在土地类型确定每个节点的权重；对表格workday中的数据进行处理得到每个节点处有充电需求的电动汽车数量计算得到本实施例中1至33节点的节点权重分别为：{0.0000，0.0058，0.0053，0.0080，0.0044，0.0044，0.0173，0.0139，0.0053，0.0046，0.0040，0.0046，0.0027，0.0073，0.0053，0.0053，0.0046，0.0075，0.0060，0.0044，0.0075，0.0066，0.0062，0.0274，0.0279，0.0053，0.0053，0.0053，0.0106，0.0139，0.0133，0.0159，0.0053}。

4)计算出33个配电网节点最大服务半径内的各个节点到该节点间的距离之和，结合每个节点的权重得到电动汽车充电站选址规划模型的目标函数；

本实施例计算出每个配电网节点最大服务半径内的各个节点到该节点间的距离之和由1至33节点分别为：{0.0054，0.0050，0.0129，0.0110，0.0132，0.0176，0.0219，0.0313，0.0189，0.0324，0.0125，0.0057，0.0168，0.0041，0.0060，0.0144，0.0144，0.0138，0.0043，0.0117，0.0067，0.0089，0.0141，0.0097，0.0102，0.0136，0.0206，0.0164，0.0178，0.0286，0.0203，0.0250，0.0143}。

5)使用分支定界法求解电动汽车充电站选址规划阶段的优化模型，得出电动汽车充电站的待建节点编号为{2，14，21，25，27，32}，每个待建节点所服务的区域如下表所示：

电动汽车充电站待建节点	待建节点所服务的区域
		2	[1，2，3，19，23]
14	[12，13，14，15]
		21	[4，5，20，21，22]
25	[9，10，11，24，25]
		27	[6，7，26，27，28，29，30]
32	[8，16，17，18，31，32，33]

6)将每个电动汽车充电站待建节点处需要建设的充电设施数量作为决策变量，每套充电设施的充电功率统一为P^CF＝30kW。

7)电动汽车充电站容量规划模型阶段优化模型求解时使用的参数为：c^I＝3250($)，c^O&M＝325($)，y＝10(年)，d＝0.03。

本实施例使用商用求解器gurobi求解第二阶段的优化模型，得出最小年社会总成本为3.4594×10⁴($)、每个电动汽车充电站待建节点处充电设施数量和总体容量见下表：

为了验证本发明所提方法的有效性，现给出对比示例，在对比示例中不考虑节点权重以及电动汽车时序调度，而是在第一阶段仅考虑目的地与充电站间距离，在第二阶段电动汽车采用无序充电方式，将所得结果与本发明的实施例结果对比如下，其中总距离为一个典型日内该城区的电动汽车从目的地前往充电站所需的额外行驶距离的总和：

由上表可知，在考虑节点权重以及电动汽车时序调度之后，能够缩短额外行驶距离，减少电动汽车充电站冗余设施和容量、提高充电设施利用率。不仅如此，在详细分析使用本发明的示例得到的电动汽车充电站布局、配电网节点电压以及配电网支路上的电流和功率还会发现，本发明能够适当考虑电动汽车主在不同区域内对时间的敏感度来优化电动汽车充电站布局，减小配电网节点电压波动、平抑负荷曲线、提高配电网安全稳定性。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。