電動汽車充電站選址定容優化策略探討

周　敏，李　淼，周　泳

(1.國網四川省電力公司技能培訓中心，四川 成都　610072；2.國網眉山供電公司客戶服務中心，四川 眉山　620010)

?

電動汽車充電站選址定容優化策略探討

周敏1，李淼1，周泳2

(1.國網四川省電力公司技能培訓中心，四川 成都610072；2.國網眉山供電公司客戶服務中心，四川 眉山620010)

積極發展電動汽車對保障能源安全、實施節能減排、全面推動經濟增長方式的轉變有著舉足輕重的戰略意義。但目前中國充電站選址與用戶需求不協調以及配套保障措施不到位等原因限制了其發展與推廣速度。針對上述問題，利用免疫算法優化了充電站的選址定容問題，為電動汽車的推廣戰略提出了有效借鑒。

電動汽車；充電站；選址定容

0　引　言

電動汽車是以車載電源為動力，用電機驅動車輛行駛的汽車，根據GB/T 19596-2004《電動汽車術語》，電動汽車可劃分為純電動汽車(battery electric vehicle，BEV)、燃料電池汽車(fuel cell electric vehicle，FCEV)、混合動力汽車(hybrid electric vehicle，HEV)等。積極發展電動汽車對保障能源安全、實施節能減排、全面推動經濟增長方式的轉變有著舉足輕重的戰略意義[1]。

目前，國家電網公司本著“主導快充、兼顧慢充、引導換電、經濟實用”的原則，重點對公共服務領域的純電動汽車推廣應用給予充換電網絡的配套支持。中國在電動汽車產業及其充電設施基礎配套產業方面已經取得了相當矚目的成就，但目前已建成的各類充換電站大多以電動公交車、電動環衛車、政府部門試點用車為主，充電網絡服務能力和服務水平遠遠難以滿足即將到來的大量且分散的私家電動汽車的充電需求。因此，要想促進中國電動汽車的推廣與發展，必須優先發展電動汽車充電站的服務水平，不僅要增加充電站數量，而且要盡快提升充電站的運營服務水平。另外，充電站的選址需要給電動汽車用戶提供最大限度的便利性、經濟性和滿意度。

充電站的選址需要有適合的服務半徑，并考慮周邊的電動汽車分布數量，盡可能降低與用戶間的路徑長度。故建立以用戶到充電站進行充電路程及時間消耗最小的經濟指標為主要考慮的數學模型，為充電站選址提供優化策略。

1　充電站選址定容優化策略

1.1用戶充電路徑最短的充電站選址定容數學模型

由于實際情況下電動汽車用戶數量眾多，城市地理結構復雜，在缺少詳細數據的情況下對充電站的選址數學模型進行適當的簡化，首先作出如下3點假設：

1)將用戶集中的區域(如一個小區或辦公區域)的所有用戶的地理位置設為所在地的中心；

2)各個區域用戶數量處于實時變動，為了確定充電站的最優位置和容量，假設各個區域的用戶數量和需求保持不變；

3)由于城市路況的復雜性，在缺少所有道路信息以及實時交通流量信息的情況下，假設用戶到充電站的路徑長度與其空間直線距離成正比。

其次基于假設建立一個充電站優化選址模型，在滿足距離上限的情況下，需要從N個模擬用戶位置中找出最合適的作為充電站的地址。該模型使得各個用戶模擬點中的用戶總量與其到最近充電站的路程長度的乘積之和最小，并且每個充電站的充電容量能滿足最近用戶的充電需求。模型數學描述如式(1)～式(5)所示。

目標函數為用戶最小充電路徑總長最小：

minF=min(Ploss(Pline1,Pline2,…,PlineN))

(1)

約束條件為

(2)

Zij≤hj(i∈N,j∈Mi)

(3)

Zij,hj∈{0,1}(i∈N,j∈Mi)

(4)

系統運行時能量供需平衡

(5)

式(1)至式(5)中：PL為電動汽車用戶所需的總充電功率；Pdg是各充電站所能夠提供的總充電功率；N為模擬用戶點個數；M為擬建設的充電站個數iN，M?N；dij表示從用戶i到最近的充電站的線路長度；Zij為0-1的變量，表示用戶和充電站之間的服務需求分配關系，當其為1時，表示用戶i的需求量由充電站j來提供，否則Zij=0。

1.2基于免疫算法的充電站優化選址方法

1.2.1免疫算法概述

上節中建立的充電站選址優化的數學模型是一個非凸和非光滑且擁有復雜約束條件的非線性規劃模型，屬于NP-hard問題，用傳統數學方法無法對其直接求解。這里采用免疫優化算法對其求解并進行了經濟性分析。

1.2.2免疫算法優化流程

免疫算法的求解流程如圖1所示。

免疫算法的概念與充電站選址定容優化問題的對應關系如表1所示。

結合圖1所示的免疫算法求解流程和表1描述的免疫算法概念與充電站選址問題的對應關系可以確定算法的具體實現步驟如下所示：

圖1　免疫算法流程圖

免疫算法充電站選址定容抗原用戶位置編碼抗體充電站選址方案(安置點序列)抗體與抗體之間的親和力充電站選址方案中位置相同的個數比例記憶細胞充電站選址方案的可行解

1)初始抗體群的產生。若記憶庫非空，則初始抗體群從記憶庫中選擇生成；否則，在可行解空間隨機產生初始抗體群。所提免疫算法抗體編碼采用簡單編碼方式，每個充電站選址方案可形成一個長度為p的抗體(p表示充電站的數量)，每個抗體代表被選為充電站安置點的序列。例如，考慮整個區域包含31個集中模擬需充電用戶以及6個充電站的情況，則1，2，…，31代表用戶的序號，從中選出6個點作為充電站的安置地點。抗體[2 8 15 23 29 18]代表一個可行解，它表示編號2、8、15、23、29、18的地址被選為充電站的安置地點。這種編碼方式能夠滿足約束條件式(2)。

2)解的多樣性分析。解的適應度計算包括有抗體與抗原間的親和力計算、抗體與抗體間親和力計算、抗體濃度計算以及期望繁殖概率計算。

抗體與抗原間的親和力表示抗體對抗原的識別程度，此處針對上述充電站選址定容數學模型設計親和力函數Av。

(6)

式中Fv為目標函數；分母中的第二項表示對違反距離約束的充電站選址位置解給予懲罰，B取一個比較大的正數。

抗體與抗體之間的親和力反映了不同抗體之間的相似程度。采用變形的R位連續方法來計算抗體與抗體之間的親和力，在不考慮編碼次序的情況下若兩種抗體編碼有超過R位相同，則認為2種抗體“相同”，否則認為兩種個體不同。這里R為親和力判定的閾值，即：

(7)式中：L表示抗體的總長度；kv,s表示抗體v與抗體s中相同編碼的數目。例如，2個抗體即2個充電站選址方案為[2 7 15 21 5 11]、[15 8 14 26 5 2]，經比較，有3個值是相同的，即L=3。充電站總數為6，即L=6。此時可計算出抗體與抗體之間的親和度為0.5，即比較的2個充電站選址方案的相似度為50%。

抗體的濃度Cv表示群體中相似比例高于T的充電站選址方案所占的比例，即：

(8)

(9)

式中：N為抗體總數；T為預先設定的一個閾值。

所設計的免疫算法中個體的評價標準是期望繁殖率P，是由抗體濃度Cv以及抗體與抗原間親和力Av兩個部分共同決定，具體計算如式(10)所示。

(10)

式中，α為常數。由式(10)可知，期望繁殖概率P與個體適應度成正比；期望繁殖概率P與個體濃度成反比。這樣就能夠同時鼓勵適應度高的個體并且抑制濃度高的個體，從而保證個體的多樣性。

3)免疫操作。主要將初始計算得到的充電站選址方案通過選擇、交叉、變異產生的免疫操作并結合從記憶庫中取出記憶的個體，共同構成新的充電站選址方案。新產生的充電站選址方案再經過多樣性分析這一過程進行迭代，最終經過多次迭代之后獲得最優方案。

2　基于免疫算法的充電站選址方法仿真分析

2.1算例介紹

本算例設計一個含有多個充電站和集中用戶的區域，區域中總共擁有31個模擬集中用戶和6個充電站，每個集中用戶的大小和位置都已知。空間整體規模為長寬各4 500 m，其空間坐標位置和需求量如表2所示，表中列出了算例設置的31個集中用戶的位置以及容量參數。用戶坐標是為了方便表述用戶的位置以及計算充電站與用戶之間的線路長度而設定，單位為m。

在Matlab中編程實現算例城市區域中的充電站選址定容優化。免疫算法中：種群規模設為50，記憶庫容量設為10，迭代次數設為100，交叉概率設為0.5，多樣性評價參數設為0.95，變異概率設為0.4。

2.2仿真結果與經濟性分析

表2　模擬城市區域內用戶的空間坐標及大小

免疫算法搜索過程如圖2所示。充電站的選址定容方案如圖3所示。

圖2　免疫算法收斂曲線

由圖2可知，該算法不僅是收斂的，而且在迭代40次后便搜索到了最優解。

圖3　充電站選址方案

圖3中，圓形點表示用戶的分布位置，方框包圍的點表示充電站的配置地點，點與點之間的連線則表示該用戶由其所連接的充電站進行供電。優化后充電站選址定容方案的具體參數如表3所示。

表3　充電站選址定容方案

表3中充電站序號/用戶序號表示充電站放置的地點。例如，第一個充電站的選址定容優化方案為放置位置位于序號為6的用戶處，空間坐標為(3 326，1 556)，容量大小為196 kW。

為了分析所設計的基于免疫優化算法的充電站配置優化方法是否能夠減少用戶到充電站之間的距離，以提高經濟效率，首先計算了免疫算法優化后的用戶充電路程總長度，再用同樣的方法計算未優化選址方案的用戶充電路程總長度，最后進行比較分析得出結論。

1)免疫算法優化后用戶充電線路總長度及加權值

根據表2和表3可以得出各個充電站與各個用戶之間的線路長度以及其總損耗大小，如表4所示。

表4中，線路編號代表該線路連接哪兩個用戶和充電站，例如編號1-14的線路代表線路連接的是處于14位置的充電站和1號用戶，線路的長度為1 190 m，1號用戶所需電能為8 kW；加權值由線路長度和用戶所需電量決定，表示該用戶的總損耗值。其余含義以此類推。

2)未優化情況下用戶充電線路總長度及加權值

將6個充電站均放置在算例區域中31個用戶包圍的中心附近位置進行計算，這里設定充電站均放置于(2 250，2 000)處。計算結果如表5所示。

表5中數字含義與表4一致。

由表5計算結果可知，充電站置于區域中心位置時，充電線路總長度為44 090 m，加權值為1 156 176。

3)充電站選址定容優化的經濟性分析

充電站選址優化的目標函數是用戶充電路徑總長最小，優化前后的詳細經濟性對比如表6所示。

由表6可知，充電站的位置和容量配置經過免疫算法優化后，用戶充電線路總長減少了74.2%，加權值減少了78.3%，這表明充電站選址優化后電動汽車用戶能夠大大減少去往充電站的路徑，節約了大量的時間，經濟效應明顯。

3　結　語

首先介紹了電動汽車的優勢與推廣的必要性，并針對中國現有充電網絡服務能力難以滿足即將到來的大量且分散的私家電動汽車的充電需求問題，提出了充電站選址定容優化策略，歸納了充電路徑最短的充電站選址數學模型，并提出運用免疫算法對模型進行求解的方法。最后通過設置算例并仿真驗證了算法的有效性。從企業、政府角度為電動汽車的推廣戰略提出了有效的技術借鑒。

表4　優化后配置充電站與用戶間線路長度及加權值

表5　充電站置于區域中心時的線路長度及加權值

表6　免疫算法優化的經濟性分析

[1]胡澤春,宋永華,徐智威,等. 電動汽車接入電網的影響與利用[J]. 中國電機工程學報,2012,32(4):1-10.

[2]徐智威,胡澤春,宋永華,等. 充電站內電動汽車有序充電策略[J]. 電力系統自動化,2012,36(11):38-43.

[3]宋永華,陽岳希,胡澤春. 電動汽車電池的現狀及發展趨勢[J]. 電網技術,2011,35(4):1-7.

[4]李巖. 智能電網中電動汽車參與微網聯合運行的關鍵技術研究[D].沈陽：東北大學,2013.

[5]馬濱濱. 論我國電動汽車的推廣策略[D].廈門：廈門大學,2014.

Positive development of electric vehicles has a decisive strategic significance to ensure the energy security, implement the energy-saving emission reduction and promote the transformation of economic growth mode. But at present, because the location selection of charging stations in China is not coordinated with user needs and the supporting security measures are far from satisfactory, it limits the speed of its development and promotion. In view of the above problems, the immune algorithm is used to optimize the location and capacity selection of the charging stations, which provides an effective reference for the promotion strategy of electric vehicles.

electric vehicle; charging station; location and capacity selection

TM715

A

1003-6954(2016)04-0045-05

2016-02-15)