CN117236616A - 一种基于运营指标动态赋权的电动汽车充换电站规划方法 - Google Patents

Abstract

本发明涉及一种基于运营指标动态赋权的电动汽车充换电站规划方法，包括以下步骤：从用户、充换电站、电网、交通网和环境多维度设立效益侧指标，建立充换电站社会经济性评价指标体系，提取与运营相关的可量化指标；利用改进G1‑CRITIC组合赋权算法对运营相关的可量化指标进行赋权，确定运营经济性综合评价指标；利用运营经济性综合评价指标对不同电动汽车充换电站规划进行评估和对比，确定运营经济性综合评价指标最大值对应的最优解，即为最优充换电站规划方案。与现有技术相比，本发明具有对方案优劣评价更准确、规划结果经济性更优等优点。

Description

一种基于运营指标动态赋权的电动汽车充换电站规划方法

技术领域

本发明涉及电网需求侧灵活性资源调度领域，尤其是涉及一种基于运营指标动态赋权的电动汽车充换电站规划方法。

背景技术

随着电动汽车渗透率的高速增长，充换电需求日益提升，但补能设备的不合理分布导致部分用户补能困难，部分充换电设施闲置浪费。根本原因在于城市区域内充换电站缺少合理规划。除此以外，不同区域具有不同的充换电需求特征，需提取区域特征实现区域性充换电站的合理比例规划，从而提高配电网运行的稳定性，用户补能的便捷性以及充换电站的运营经济性。

现有方法对于充换电站的规划从用户体验度、充换电站成本收益、配电网稳定性以及交通网的运行影响度中的一个或数个角度出发，未能从社会利益角度对充换电站进行规划。并且传统指标体系赋权方式单一，且聚合后的指标体系不能准确描述指标间相互关系。

发明内容

本发明的目的是为了提供一种基于运营指标动态赋权的电动汽车充换电站规划方法，从社会利益角度对充换电站进行规划，通过合理的运营指标设定结合改进G1-CRITIC对指标进行赋权，实现考虑运营经济性的电动汽车充换电站规划。

本发明的目的可以通过以下技术方案来实现：

一种基于运营指标动态赋权的电动汽车充换电站规划方法，包括以下步骤：

S1、从用户、充换电站、电网、交通网和环境多维度设立效益侧指标，建立充换电站社会经济性评价指标体系，提取与运营相关的可量化指标；

S2、利用改进G1-CRITIC组合赋权算法对运营相关的可量化指标进行赋权，确定运营经济性综合评价指标；

S3、利用运营经济性综合评价指标对不同电动汽车充换电站规划进行评估和对比，确定运营经济性综合评价指标最大值对应的最优解，即为最优充换电站规划方案。

所述运营相关的可量化指标包括充/换电站服务惩罚、充/换电站的投资回报周期、充电站单块充电单元所创造的利润或换电站单个电池所创造的利润、充/换电站削峰填谷补贴。

所述充电站服务惩罚为充电站根据电动汽车的等待时间给予的处罚，表示为：

式中：ω为聚类集合Ω中的场景，为负荷聚类下各场景概率，/>为场景ω下t时刻等待汽车数量，π^w为单位时刻惩罚金额；

换电站服务惩罚为换电站由于储备电池的投资数量不足，导致相应的服务质量惩罚，表示为：

式中：为场景下t时刻无法供应的电池数量，π^m为服务质量惩罚金额。

所述充电站的投资回报周期为充电站年投资成本与充电站的单日利润比值：

式中：C_cs为充电站的年投资成本，R_cs为充电站的单日利润；

换电站的投资回报周期为换电站年投资成本与换电站的单日利润比值：

式中：C_bss为充电站的年投资成本，R_bss为换电站的单日利润。

所述充电站单块充电单元所创造的利润为单日充电站的利润与前期投资的充电单元数目之比：

式中：R_cs为充电站的单日利润，q¹为充电单元个数；

换电站单个电池所创造的利润为单日换电站的利润与前期投资的电池数目之比：

式中：R_bss为换电站的单日利润，q⁰为电池数量。

所述充电站削峰填谷补贴为：

式中：ω为聚类集合Ω中的场景，为负荷聚类下各场景概率，/>为运行阶段下场景ω时刻t的参与充电的充电单元数，/>为时刻t的充电效率，/>电网补贴电价，E为电动汽车待充电量；

换电站削峰填谷补贴为：

式中：为运行阶段时场景ω时刻t的参与充电的电池数。

所述S2包括以下步骤：

S21、基于GI法确定可量化指标的主观权重；

S22、基于改进CRITIC法确定可量化指标的客观权重；

S23、以组合权重对应的综合评价值与主客观权重对应的评价值偏差最小为目标函数，确定最优组合权重序列；

S24、基于最优组合权重序列对运营相关的可量化指标进行赋权，确定运营经济性综合评价指标。

所述步骤S22包括以下步骤：

S221、假设有m个待评价样本，n项可量化评价指标，形成原始指标数据矩阵X＝(x_ij)_m×n；

S222、对各指标进行正向化或逆向化处理；

S223、确定指标的对比强度和冲突性，其中，

指标的对比强度以标准差的形式表示：

式中：σ_j表示第j个指标的对比强度，x′_ij为经过正向化或逆向化处理的指标值；

指标冲突性用Spearman相关系数进行表示：

式中：r_ij’表示评价指标i和j之间的相关系数，α为i、j两列等级差，rank_i、rank_j为第i、j列的等级；

S224、计算客观权重：

以M_j表示指标j所包含的信息量：

基于信息量确定第j个指标的客观权重ω_j：

则改进CRITIC法确定的客观权重表示为W₂＝[w_2,1,w_2,2,···,w_2,n]。

所述步骤S23具体为：

以组合权重对应的综合评价值与主客观权重对应的评价值偏差最小为目标函数，建立最小二乘法优化模型：

通过求解最小二乘法优化模型，得到最优组合权重序列W＝[w₁,w₂,···,w_n]；

其中，w_1,j为指标j的主观权重，w_2,j为指标j的客观权重，m为待评价样本数，n为可量化评价指标数，x′_ij为经过正向化或逆向化处理的指标值。

所述步骤S3中，根据目标函数求解最优解，所目标函数为：

C_min≤C_cs+C_bss≤C_max

式中：为换电站、充电站占地面积，/>为占地面积下限和上限，/>为换电站、充电站变压器容量，/>为变压器容量下限和上限，C_bss、C_cs为换电站、充电站投资成本，C_min、C_max为投资成本下限和上限，x为量化指标数值，w为指标对应的权重。

与现有技术相比，本发明具有以下有益效果：

(1)为了准确的评估充换电站规划，本发明从充换电站运营收益出发，兼顾交通网、用户、充换电站、电网、环境各侧的利益，建立了基于社会经济性的充换电站指标体系，设立运营经济性指标，以提升社会设施资源的利用率为目标，对多区域的充换电站比例进行了更合理规划。

(2)本发明从补能设施运营经济性的角度，设定可量化指标，利用改进G1-CRITIC法对其赋权，改善单一指标无法全面、真实地反映充换电站运营经济性水平的问题，最大化利用主观信息和客观信息，使赋权结果更为可信，能更准确地体现各指标之间相关性关系，从而求解最大综合评价指标，为多区域的充换电站比例规划提供最优的方案。

附图说明

图1为本发明的方法流程图；

图2为一种实施例中的指标主观权重、客观权重和组合权重图；

图3为一种实施例中的充换电站投资回报周期与创造价值对比；

图4为一种实施例中的指标的层级影响度权重图；

图5为一种实施例中的不同规划区下综合指标权重对比图；

图6为一种实施例中的不同规划区下指标对比图；

图7为一种实施例中的不同规划区下指标对综合评价指标的影响程度。

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。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

区域性充换电站的合理比例规划可以提高配电网运行的稳定性，用户补能的便捷性以及充换电站的运营经济性。而由于影响充换电站的规划的多重指标具有复杂化，多元化特性，因此探讨各指标间的耦合关系，挖掘影响充换电站规划的主导指标，进而调控主导指标能更好的实现电动汽车充换电站规划。

因此，本实施例考虑城市电网充换电设施的社会效益，提出了一种基于改进G1-CRITIC赋权法的充换电站运营经济性评估及多区域充换电站比例规划的方法。首先，从用户、充换电站、电网、交通网和环境多角度出发，建立了电动汽车社会充换电站经济性指标体系，抽取了与运营经济性相关的可量化指标；然后，采用Spearman相关系数对CRITIC客观赋权法进行改进，更加符合客观规律地体现指标之间的相关性，利用主客观组合赋权法对所抽取指标进行赋权，并根据赋权后的综合评价指标进行充换电站规划；最后，以某城市电网实际数据为基础构建仿真模型，验证了所提运营经济性指标的合理性以及改进赋权方法的有效性。

具体的，如图1所示，包括以下步骤：

S1、从全面性、科学性、代表性角度出发，考虑充电站规划过程中用户、充换电站、交通网、电网、环境之间存在的关系和利益，建立基于社会经济性的电动汽车充换电站指标体系，以电网、充换电站、用户、交通、环境侧效益指标为一级评价指标，并设立相关二级指标。

充换电站的运营包含了充换放电、服务能力不足的惩罚以及电网的经济补贴，从可操作性角度，以运营经济性为基准，考虑充换电站的不同经济特性，本实施例设定了8个可量化指标：充/换电站的服务惩罚、投资回报周期、电网补贴、单块充电单元和电池所创造的价值。

根据相关标准将所选取的八个指标划分为五个等级，分别为优秀、良好、中等、合格、不合格，各等级中的单指标值如表1所示。

表1指标分级情况

以下分别对充换电站运营经济性可量化指标进行进一步阐述。

①充电站服务惩罚：充电站根据电动汽车的等待时间给予处罚。

式中：ω为聚类集合Ω中的场景，为负荷聚类下各场景概率，/>为场景ω下t时刻等待汽车数量，π^w为单位时刻惩罚金额。

②充电站的投资回报周期：充电站年投资成本与充电站的单日利润比值。

式中：C_cs为充电站的年投资成本，R_cs为充电站的单日利润。

③单块充电单元所创造的利润：单日充电站的利润与前期投资的充电单元数目之比。

式中：q¹为充电单元个数。

④充电站削峰填谷补贴。

式中：为运行阶段下场景ω时刻t的参与充电的充电单元数，η^c为时刻t的充电效率，/>电网补贴电价，E为电动汽车待充电量。

⑤换电站服务惩罚：换电站由于储备电池的投资数量不足，导致相应的服务质量惩罚。

式中：为场景下t时刻无法供应的电池数量，π^m为服务质量惩罚金额。

⑥换电站的投资回报周期：换电站年投资成本与换电站的单日利润比值。

式中：C_bss为充电站的年投资成本，R_bss为换电站的单日利润。

⑦单个电池所创造的利润：单日换电站的利润与前期投资的电池数目之比。

式中：q⁰为电池数量。

⑧换电站削峰填谷补贴。

式中：为运行阶段时场景ω时刻t的参与充电的电池数。

S2、利用改进G1-CRITIC组合赋权算法对运营相关的可量化指标进行赋权，确定运营经济性综合评价指标。

鉴于涉及运营经济性指标数目较多，对单一指标进行分析，无法准确评价各指标对充换电站的运营经济性影响程度，进而影响充换电站的规划结果评估，不利于提升措施的决策。因此针对S1中构建的运营经济性指标，采用改进的G1-CRITIC组合赋权方法，改善单一指标无法全面、真实地反映充换电站运营经济性水平的问题，最大化利用主观信息和客观信息，使赋权结果更为可信，生成运营经济性综合评价指标，为充换电站比例规划提供评判基础。

S2包括以下步骤：

S21、基于GI法确定可量化指标的主观权重；

序关系分析法又称G1法，是一种主观赋值法，具有计算量小、方法简单且易于应用的特点，不需要构建判断矩阵，且无需一致性检查。

根据研究对象中各评价指标的重要程度，确定各指标的排序关系。评价指标X_k-1和X_k的相对重要程度之比用其权重ω_k-1与ω_k之比表示：

序关系的指标集中各指标的权重为

最后通过G1法求得的权重集合为W₁＝[w_1,1,w_1,2,···,w_1,n]

S22、基于改进CRITIC法确定可量化指标的客观权重；

CRITIC作为客观赋权方法，同时考虑了指标间的对比强度和冲突性，指标信息量越大，相应的权重就越大，能够更客观准确地进行赋权。

S221、假设有m个待评价样本，n项可量化评价指标，形成原始指标数据矩阵X＝(x_ij)_m×n；

S222、为消除因量纲不同对评价结果的影响，对各指标进行正向化或逆向化处理；

S223、确定指标的对比强度和冲突性；

指标的对比强度以标准差的形式来表现：

式中：σ_j表示第j个指标的对比强度，x′_ij为经过正向化或逆向化处理的指标值。

指标冲突性用相关系数进行表示：

式中：r_ij表示评价指标i和j之间的相关系数。

传统的CRITIC算法用Pearson相关系数表达式来计算指标的相关系数，即为指标冲突性，本发明采用Spearman相关系数进行替代，两者均可用于衡量变量之间的相关性，相较于Pearson相关系数，Spearman具有以下优势：

1)Spearman适用范围比Pearson相关系数要广：Pearson相关系数运算的时候需要确定数据是否复合正态分布、变量之间是否是线性关系、数据是否连续等，而Spearman利用两变量的秩次大小作线性相关分析，对原始变量的分布不做要求，属于非参数统计方法。

2)Spearman相较于Pearson相关系数具有更好的稳定性：在Spearman相关系数计算过程中，即使出现异常值，由于异常值的秩次通常不会有明显的变化，所以对相关性系数的影响也非常小。

3)Spearman相关系数计算不需消除量纲：式(13)中求解Pearson相关系数的过程中，需要消除量纲，而Spearman相关系数使用排序的方法消除量纲，即在相关性分析中，用数据大小的排序代替原始的数据，起到了消除量纲的作用，同时在分级数据中，适合使用Spearman相关系数。

本实施例利用Spearman相关系数公式，对式(13)进行如下改写：

式中：r_ij’表示评价指标i和j之间的相关系数，α为i、j两列等级差，rank_i、rank_j为第i、j列的等级。

S224、计算客观权重；

以M_j表示指标j所包含的信息量：

所以第j个指标的客观权重ω_j为：

由CRITIC法确定的客观权重记为W₂＝[w_2,1,w_2,2,···,w_2,n]。改进CRITIC客观赋权法具体步骤如表2所示。

表2改进CRITIC算法

S23、以组合权重对应的综合评价值与主客观权重对应的评价值偏差最小为目标函数，确定最优组合权重序列；

序关系分析法具有一定主观局限性，改进CRITIC法亦没有考虑专家对不同指标的重视程度。因此，本发明以组合权重对应的综合评价值与主客观权重对应的评价值偏差最小为目标函数，建立最小二乘法优化模型如式(17)所示，综合考量主客观因素。

通过求解上述模型，可得到最优组合权重序列W＝[w₁,w₂,···,w_n]。

S24、基于最优组合权重序列对运营相关的可量化指标进行赋权，确定运营经济性综合评价指标。

S3、利用运营经济性综合评价指标对不同电动汽车充换电站规划进行评估和对比，确定运营经济性综合评价指标最大值对应的最优解，即为最优充换电站规划方案。

针对于不同功能区域对充换电站规划有不同的经济性需求，在运营经济性指标上，提出运营经济性综合评价指标X₀，通过此指标体现不同规划方案下，功能区域充换电站整体上的运营经济性能力，从而对众多规划策略进行评估和对比，求得最优解，即为最优充换电站规划方案。为使区域内充换电站达到最优运营经济性，即求取综合评价指标的最大值，则目标函数可表示为：

式中：为换电站、充电站占地面积，/>为占地面积下限和上限，/>为换电站、充电站变压器容量，/>为变压器容量下限和上限，C_bss、C_cs为换电站、充电站投资成本，C_min、C_max为投资成本下限和上限，x为量化指标数值，w为指标对应的权重。

本发明旨在设立多种运营经济性指标对充换电站的比例规划进行评估，提高充换电站运营经济性。通过本发明提出的方法评估基于多运营经济性的多区域电动汽车充换电站比例规划。其实际效果将通过以下附图与具体实施方式对本发明作进一步地说明。

本实施例中，电动汽车充换电站模型以中国某城市区域2020-2021年实际充电负荷数据进行建模，分时电价的峰、平、谷电价以北京市一般工业的峰谷电价为标准，如表3所示。电网对充换电站的补贴价格如表4所示。规划区参数如表5所示。

表3北京市一般工业分时电价

表4电网补贴电价

表5规划区参数

以A类规划区为例，其居民住宅面积占比为90％，商业区面积占比为10％，计算不同充换电站比例规划下的各项指标值及其前期投资成本。指标主观权重、客观权重和组合权重如图2所示，客观权重赋权修正了过低和过高的主观权重。在最优综合评价指标下，将前期聚类求得的场景按照场景的负荷总量进行从小到大排序，各场景下运营经济性指标数据如图3所示，投资回报周期与充电单元、电池创造价值成反相关性。以规划区A为例，分析指标与指标之间的影响关系，指标的层级影响度权重图如下图4所示，可知优化指标X₂、X₃、X₆、X₇是提升规划区A综合评价指标的较有效措施。

进一步验证本发明充换电站规划的有效性和准确性，采用不同区域下的充换电站规划进行分析作对比：A类规划区居民住宅面积占比为90％；B类规划居民区面积占比为70％；C类规划区居民住宅面积占比为40％；D类规划区居民住宅面积占比为10％，其余均为商业区。不同区域下指标主观权重、客观权重和组合权重如图5所示，随着规划区中商业区占比的增加，指标X₄、X₈的权重也呈现规律性上升，每10％商业区比例提升，X₄权重平均上升0.0063，X₈权重平均上升0.0073。不同区域下运营经济性指标数据如图6所示，随着规划区换电站负荷占比的提升，充换电站的投资回报周期也上升，而充电单元和电池所创价值逐渐下降的趋势。根据经过TOPSIS法改进后的灰色关联分析法，分别计算指标的灰色关联度，最终得到不同规划区下各指标对运营经济性综合评价指标的影响程度如图7所示，可知优化指标X₂、X₃、X₆、X₇是提升规划区综合评价指标的较有效措施，而降低换电站的服务惩罚X₅的各项措施对于提升效益相对较低。

综上，本发明所提方法本从充换电站的经济性角度出发，建立指标体系，根据充换电站不同经济特性，设定可量化指标，可满足于不同区域的充换电站比例规划评估，提供最佳规划比例方案。改进G1-CRITIC赋权方法较于单一的主观AHP法或者主客观结合的AHP+熵权法更能准确地描述各规划方案之间的优劣性，相较于原先的G1-CRITIC法更适用于多区域的充换电站规划的应用场景。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依据本发明的构思在现有技术的基础上通过逻辑分析、推理、或者有限的实验可以得到的技术方案，皆应在权利要求书所确定的保护范围内。

Claims (10)

1.一种基于运营指标动态赋权的电动汽车充换电站规划方法，其特征在于，包括以下步骤：

S1、从用户、充换电站、电网、交通网和环境多维度设立效益侧指标，建立充换电站社会经济性评价指标体系，提取与运营相关的可量化指标；

S2、利用改进G1-CRITIC组合赋权算法对运营相关的可量化指标进行赋权，确定运营经济性综合评价指标；

S3、利用运营经济性综合评价指标对不同电动汽车充换电站规划进行评估和对比，确定运营经济性综合评价指标最大值对应的最优解，即为最优充换电站规划方案。

2.根据权利要求1所述的一种基于运营指标动态赋权的电动汽车充换电站规划方法，其特征在于，所述运营相关的可量化指标包括充/换电站服务惩罚、充/换电站的投资回报周期、充电站单块充电单元所创造的利润或换电站单个电池所创造的利润、充/换电站削峰填谷补贴。

3.根据权利要求2所述的一种基于运营指标动态赋权的电动汽车充换电站规划方法，其特征在于，所述充电站服务惩罚为充电站根据电动汽车的等待时间给予的处罚，表示为：

式中：ω为聚类集合Ω中的场景，为负荷聚类下各场景概率，/>为场景ω下t时刻等待汽车数量，π^w为单位时刻惩罚金额；

换电站服务惩罚为换电站由于储备电池的投资数量不足，导致相应的服务质量惩罚，表示为：

式中：为场景下t时刻无法供应的电池数量，π^m为服务质量惩罚金额。

4.根据权利要求2所述的一种基于运营指标动态赋权的电动汽车充换电站规划方法，其特征在于，所述充电站的投资回报周期为充电站年投资成本与充电站的单日利润比值：

式中：C_cs为充电站的年投资成本，R_cs为充电站的单日利润；

换电站的投资回报周期为换电站年投资成本与换电站的单日利润比值：

式中：C_bss为充电站的年投资成本，R_bss为换电站的单日利润。

5.根据权利要求2所述的一种基于运营指标动态赋权的电动汽车充换电站规划方法，其特征在于，所述充电站单块充电单元所创造的利润为单日充电站的利润与前期投资的充电单元数目之比：

式中：R_cs为充电站的单日利润，q¹为充电单元个数；

换电站单个电池所创造的利润为单日换电站的利润与前期投资的电池数目之比：

式中：R_bss为换电站的单日利润，q⁰为电池数量。

6.根据权利要求2所述的一种基于运营指标动态赋权的电动汽车充换电站规划方法，其特征在于，所述充电站削峰填谷补贴为：

式中：ω为聚类集合Ω中的场景，为负荷聚类下各场景概率，/>为运行阶段下场景ω时刻t的参与充电的充电单元数，/>为时刻t的充电效率，/>电网补贴电价，E为电动汽车待充电量；

换电站削峰填谷补贴为：

式中：为运行阶段时场景ω时刻t的参与充电的电池数。

7.根据权利要求1所述的一种基于运营指标动态赋权的电动汽车充换电站规划方法，其特征在于，所述S2包括以下步骤：

S21、基于GI法确定可量化指标的主观权重；

S22、基于改进CRITIC法确定可量化指标的客观权重；

S23、以组合权重对应的综合评价值与主客观权重对应的评价值偏差最小为目标函数，确定最优组合权重序列；

S24、基于最优组合权重序列对运营相关的可量化指标进行赋权，确定运营经济性综合评价指标。

8.根据权利要求7所述的一种基于运营指标动态赋权的电动汽车充换电站规划方法，其特征在于，所述步骤S22包括以下步骤：

S221、假设有m个待评价样本，n项可量化评价指标，形成原始指标数据矩阵X＝(x_ij)_m×n；

S222、对各指标进行正向化或逆向化处理；

S223、确定指标的对比强度和冲突性，其中，

指标的对比强度以标准差的形式表示：

式中：σ_j表示第j个指标的对比强度，x′_ij为经过正向化或逆向化处理的指标值；

指标冲突性用Spearman相关系数进行表示：

式中：r_ij’表示评价指标i和j之间的相关系数，α为i、j两列等级差，rank_i、rank_j为第i、j列的等级；

S224、计算客观权重：

以M_j表示指标j所包含的信息量：

基于信息量确定第j个指标的客观权重ω_j：

则改进CRITIC法确定的客观权重表示为W₂＝[w_2,1,w_2,2,···,w_2,n]。

9.根据权利要求7所述的一种基于运营指标动态赋权的电动汽车充换电站规划方法，其特征在于，所述步骤S23具体为：

以组合权重对应的综合评价值与主客观权重对应的评价值偏差最小为目标函数，建立最小二乘法优化模型：

通过求解最小二乘法优化模型，得到最优组合权重序列W＝[w₁，w₂，···，w_n]；

其中，w_1,j为指标j的主观权重，w_2,j为指标j的客观权重，m为待评价样本数，n为可量化评价指标数，x′_ij为经过正向化或逆向化处理的指标值。

10.根据权利要求1所述的一种基于运营指标动态赋权的电动汽车充换电站规划方法，其特征在于，所述步骤S3中，根据目标函数求解最优解，所目标函数为：

C_min≤C_cs+C_bss≤C_max

式中：为换电站、充电站占地面积，/>为占地面积下限和上限，/>为换电站、充电站变压器容量，/>为变压器容量下限和上限，C_bss、C_cs为换电站、充电站投资成本，C_min、C_max为投资成本下限和上限，x为量化指标数值，w为指标对应的权重。