基于粒子群算法加權的Voronoi圖電動汽車充網絡優化規劃

魏秀嶺　杜傳祥

摘要：對于電動汽車充電站選址規劃問題，本文提出一種基于粒子群算法的加權Voronoi圖充電站規劃方法，根據充電站建設費用、充電區域及充電負荷等為基礎，進行粒子群算法加權，進而通過加權后的Voronoi圖進行充電汽車的充電站規劃，在充電站數量和容量組合確定的情況下，通過實例計算對充電站的位置進行規劃和布局。

關鍵詞：粒子群算法；Voronoi圖；充電站站址

中圖分類號：TM715 文獻標識碼：A 文章編號：1007-9416（2018）02-0119-03

隨著社會的快速進步與經濟的不斷增長，汽車數量不斷增多，這不僅給人們出行帶來了極大的便利，同時也帶來了嚴重的尾氣污染問題，使得自然環境和空氣質量問題的不斷惡化。因此，替代傳統能源的電動汽車應運而生且受到了極大的關注和扶持[1]。在電動汽車的普及與發展過程中，其電能的補充成為其制約的重要因素。因此，研究如何布設電動汽車的充電網絡，建設足夠數量的電動汽車充電站，促使電動汽車能夠大面積普及稱為當前的研究重點問題。

電動汽車充電站是為電動汽車提出基礎服務的場所，能夠為電動汽車提供相應的汽車充電、電池更換以及其他維護服務，此相當于傳統的汽車4S店與加油站相結合，是電動汽車發展所需要的基礎設施。在電動汽車發展的市場過程中，需求的同時，如何建立和完善有效、高質量的充換站，構建適應的電動汽車的充電網絡，以此適應電動汽車普及應用與發展的需求。然而，在當前的經濟發展的條件下，土地資源的價格不斷提升且不斷減少，充電相關設備的價格的不斷增加，使得布設電動汽車充電站的相應的成本不斷提升。因此，研究有效的節約成本實現大范圍的電動汽車充電站的布局成為當前研究的熱點。

1 電動汽車充電站選址的數學模型

進行電動汽車的充電站以及充電的網絡的規劃以及建設過程中，應該充分考慮和衡量多方面的制約因素，這主要涉及到土地資源成本、充電設備成本以及建成后的社會效益，既要衡量充電站自身的成本也要考慮電動汽車使用者的利益[2]。因此，構建電動汽車充電站規劃與布設的數學模型，將總的建設和消耗的成本最優化為電動汽車充電站規劃的目標數學函數，使電動汽車的充電站建設投資及年運行費用之和最小[3-4]。

假設：一個區域內規劃充電網絡，其中，主變個數，主變單價；為折舊系數；占地面積；土地單位面積地價；換電流水線數量，換電流水線單價；監控設備成本；變壓器數量，變壓器單價；充電機數量，充電機單價；有源濾波與補償器等成本；道路曲折系數；道路暢通系數；充電汽車的換電次數；路程到電價的折算系數；至充換電站的距離。

2 基于粒子群算法加權的Voronoi圖電動汽車充網絡規劃

2.1 加權Voronoi圖

Voronoi圖亦稱為泰森多邊形，其構成是由一組或者一系列節點之間直線的垂直平分線構成的多個連續的多邊形所構成[5]。加權Voronoi圖是基于Voronoi圖進行的改進模型，是在原有的基礎上進行加權的一種擴展形式，使得每一個區域頂點唯一對應一個伏羅諾伊多邊形。其加權Voronoi圖的定義為：

2.2 粒子群算法

粒子群優化算法（Particle Swarm Optimization，PSO）是通過群體中個體之間的協作和信息共享的關系問題，以此來獲得相應的最優解。粒子群優化算法更新粒子的速度和位置的，其具體的公式為：

其中：c1，c2學習因子；和為[0，1]范圍內的均勻隨機數。單個的個體以往的最佳位置，整個群體以往的最佳位置。w慣性權重。

2.3 基于粒子群算法加權的Voronoi圖電動汽車充網絡優化規劃

對于解決一些分布不均勻、負荷密度以及選址定容等方面，Voronoi圖能夠很好地進行求解和確定位置。然而，此算法布設位置的初選還存在不足，計算的結果會存在局部優化而非全局的最優[6]。因此，構建基于粒子群算法加權的Voronoi圖電動汽車充網絡優化規劃方法，以及改進傳統的算法，設計具體實現流程如圖1所示：

3 算例分析

本文以西安市高新區為例。整個高新區規劃20個節點，其具體的點坐標和交通流量如表1所示。設電動汽車在未來的發展占比例15%，道路的曲折系數β1.2；電動汽車的充電率10%；電動汽車充電站的固定成本100萬元；等效投資系數a取2萬元/臺；充電機b10萬元/每臺；貼現率r取0.08；運行年限為20年。電價為0.6元/kW·h；電動汽車耗電量0.18kW·h/km；出行成本為15元/h；充電機的充電效率為90%。根據粒子群算法得出相應的權重，計算將其分為20個充電樁覆蓋區域。

根據式（7），取；配置粒子群算法權重，能夠得到不同電動汽車充電站的成本和具體規劃的結果，其充電站的成本計如圖2所示。

根據圖2的曲線能夠得出，當西安市高新區建設4座充電站時，總的消耗成本達到最低，是589.12萬元。進而對于該區域進行電動汽車的充電站規劃布局，如表2所示。

因此，通過表2的數據，其西安市高新區的實際的服務位置劃分如圖3所示。

4 結語

本文以西安市高新區為例，在初始充電站為假定的條件下，提出結合粒子群算法，通過加權的Voronoi圖算法，以建設投入成本、使用成本已經使用便利條件為基礎，進行電動汽車充電網絡的設計與優化規劃，使得電動汽車充電網絡布設費用也有了較大的節約，并通過算例證明了該模型和算法的實用性。

參考文獻

[1]HWOON M. A tool to optimize the initial distribution of hydrogen filling stations [J].Transportation Research Part D，2007，12（2）：70-82.

[2]UPCHURCH C， KUBY M. Comparing the P-median and flow-refueling models for locating alternative-fuel stations [J].Journal of Transport Geography，2010，18（6）：750-758.

[3]孫小慧，劉鍇，左志，考慮時空間限制的電動汽車充電站布局模型研究[J].科學進展.2012，31（6）：692-699.

[4]WANG Y W ，LIN C C.Locating multiple types of recharging stations for battery-powered electric vehicle transport[J].Transportation Research Part E，2013，58：76-87.

[5]路志英，葛少云，王成山.基于粒子群優化的加權Voronoi圖充電站規劃[J].中國電機工程學報，2009，29（16）：35-41.

[6]任玉瓏，史樂峰，張謙等.電動汽車充電站最優分布和規模研究[J].電力系統自動化，2011，35（14）：53-57.