电动汽车充电站最优规划的两阶段方法
中国电工技术学会主办，2017年6月21-24日在河北省张北县举办，大会围绕新能源发展战略、系统关键技术、微电网及储能等重要议题展开交流。浏览会议详情和在线报名参会请长按识别二维码。
华北电力大学电气与电子工程学院、国网江苏省电力公司连云港供电公司、中国长江三峡集团公司的研究人员舒隽、唐刚、韩冰，在2017年第3期《电工技术学报》上撰文，计及道路网络对电动汽车充电需求的影响,提出了充电站最优规划的两阶段方法。
该方法的第一阶段基于电动汽车行驶特性,综合考虑电动汽车日剩余电量以及电动汽车动态运行状态和位置,采用随机模拟技术和最短路径法,获得道路网络上电动汽车充电需求在时间和空间上的分布;第二阶段以第一阶段获得的电动汽车充电需求为基础,以充电需求不可达率、不满足率和投资限额等为约束,充电站运行成本和投资成本综合最小为目标,建立充电站最优选址定容数学模型。
针对该模型的复杂性,采用遗传算法求解混合整数非线性规划问题。通过对某区域的电动汽车充电站规划的模拟分析,表明了所提方法的有效性。
当前，气候变化和能源短缺已成为威胁人类社会可持续发展的重要原因。在环境和能源的双重压力下，电动汽车越来越受重视，发展前景良好，预计中国电动汽车的保有量在2020年将会达到500万辆。
为了适应电动汽车的规模化发展，需要配套建设相应数量和容量的充电站，充电站规划成为值得研究的重要问题。文献[2]提出了一种基于电动汽车驾驶、停放特性的考虑时空分布的电动汽车充电负荷预测方法，得到城市内各功能区的充电负荷的时间分布集合。
文献[3]通过用户的用车习惯、电动汽车规模建立充电需求负荷模型，并探讨了对充电需求的影响因素；文献[4]通过分析电动出租车的行为特性，采用排队论建立了电动出租车充电站两种服务系统模型，最后以整个电动出租车充电站服务系统的总费用最小化为目标函数，建立了电动出租车充电桩的优化配置模型。
文献[5]结合我国具体情况，针对充电基础设施的建设和规划布局中的核心问题提出若干指导性原则与建议；文献[6]利用聚类分析方法将路况信息转变为充电需求，以此来进行电动汽车充电站的选址操作；文献[7]以城市交通网络流量为约束，建立了充电站多目标规划模型。
文献[8]提出了集中型充电站容量优化的电动汽车电池组充电需求模型；文献[9]基于排队论和到达率计算充电需求，建立了高速路口附近充电站的分布模型；文献[10]通过预测规划区电动汽车的数量从而预测充电站的充电需求，以社会成本的最小化为目标，并利用Voronoi图确定充电站的选址以及服务区域。
文献[11]提出了一种考虑城市交通因素的公共充电站选址定容方法，该方法以ENS和充电站的投建运行费用最小化为目标；文献[12]以充电站建设的投资成本和用户的运行成本综合最小为目标，考虑容量、服务范围和用户方便性约束，通过改进的遗传算法确定充电站的站址和容量。
文献[13]提出一种实现充电站位置及容量、配电网架建设和改造综合协调规划方法；文献[14]在分时电价的基础上，将充电成本最小化和负荷方差最小化作为目标函数，建立了电动汽车集中充电的多目标优化调度模型。
充电站规划建设的目的是满足电动汽车充电需求，因此，能否真实地模拟城市内充电需求在时间和空间上的分布情况是提高充电站规划精细化水平的决定性因素。
现有国内外对电动汽车充电站规划的研究[15-21]一般基于以往的路况信息、车流信息等统计数据间接地估计电动汽车充电需求，而实际上电动汽车充电需求与电动汽车的起始运行电量、运行状态以及行驶路径选择有关，不考虑电动汽车行驶特性，将很难正确反映充电需求的分布情况。
现有考虑电动汽车行驶特性的电动汽车充电需求估计方法[3,15,22-27]考虑用户的出行习惯、出行时间以及行驶距离，可以得到各时刻整个规划区域或各子功能区域的总充电需求，但这些文献都没有考虑充电需求在道路网络上的分布情况，从而无法精细刻画充电需求在空间上的分布。
为了提高充电站规划的精细化水平，本文提出了充电站最优规划的两阶段方法。并通过对某区域的电动汽车充电站规划问题进行模型分析，表明了本文所提出方法的有效性。
图1 电动汽车运行模拟流程
结论
本文提出了一个电动汽车充电站最优规划的两阶段方法，该方法采用马尔科夫链模型和Dijkstra最短路径算法量化充电需求，在此基础上建立一个考虑电动汽车运行特性的充电站选址定容新模型，并采用遗传算法对模型进行求解，得出以下结论：
1)将马尔科夫链模型和Dijkstra最短路径算法相结合，模拟电动汽车的运行，能够合理量化城市电动汽车充电需求点沿道路网络的时间和空间分布。
2)在已知充电需求精细化时空分布的前提下，本文所建立的电动汽车充电站最优规划模型能够精确计算充电站的充电电量、电动汽车不可达率和充电需求不满足率，提高了电动汽车充电站选址定容方案的适应性和精细化水平。