基于考慮電動汽車充電站選址定容的配電網規劃研究

胡昌婧

摘要：隨著綠色出行觀點逐漸受到所有人的認可，電動汽車也得到有效推廣普及，而充電問題也逐漸成為電動汽車用戶關注的重點問題。基于此，本文首先從運營商、用戶角度簡要闡述充電站規劃可能受到的影響，其次通過對樹形結構單親遺傳算法、初始方案以及算例分析等方面，就電動汽車充電站選擇定容配電網規劃進行簡要分析，并提出自己一點看法。

關鍵詞：電動汽車；充電站；配電網規劃

一、充電站規劃影響因素

（一）運營商角度

從運營商角度主要包含三個方面因素：首先是對充電站的投資經濟性，這要從運營的推廣期以及普及期考慮，在推廣期暫時不能考慮到盈利情況，而是需要考慮到投資成本問題，其中包括設施建設成本、運營維護費用、推廣成本等。在運營期間，這時對電動汽車的推廣普及已經達到一定的效果，電動汽車的數量也得到明顯提升，這時需要通過增加城市充電站來達到滿足需求的目的；其次是地理條件的影響，充電站內每個充電樁會對應一個車位，因此從地理條件來看，主要存在充電站周邊居民是否支持建設、充電站是否會影響到周圍環境、充電站是否符合政府規劃要求等因素；最后是運行安全性，充電站的建設，由于為電網提升了新的負荷，從而對配電網運行產生一定影響，因此原本的充電結構可能不再適用，需要對配電網采取重新規劃的策略，而充電站運行安全性主要包括電能質量、可靠性以及經濟運行等方面因素影響。

（二）用戶角度

從用戶角度主要包含兩個方面因素：首先是能否滿足充電需求，充電站在滿足運營商經濟性外，還需要滿足區域內的電動汽車充電需求，在進行充電站選址過程中，需要結合該區域充電情況，適當增加或減少充電站的數量，以達到滿足充電需求的目的；其次，還要為充電用戶提升充電的便捷性，其主要影響因素包括充電站的數量、充電站的交通結構等。充電站數量過少會造成電動汽車未達到充電站時電量用完的情況出現，而數量過多會占據相應的社會資源浪費情況，交通結構主要結合城市交通情況來決定，主要提供信息參數包括路口節點數量、路口的車流量、公路等級等[1]。

二、電動汽車充電站選址定容的配電網規劃

（一）樹形結構單親遺傳算法

本文運用單親遺傳算法通過樹形結構形成編碼，來完成電動汽車充電站選擇定容配電規劃。該算法是通過遺傳算自作用于父代的種群，從而產生適應性更強的后代，通過反復遺傳從而達到提升種群“基因”的目的，由于本文計算內容主要是為了在進行配電網規劃的同時還要優化充電站容量以及位置以達到經濟性最佳的目的，因此，計算采用位移算子以及重分配算子的方式。與傳統的方式相比遺傳算法具有以下幾點優勢：首先是對可解表示的廣泛性，遺傳算法能夠將各種存在的變量采取編碼的方式，將單個的問題進行遺傳選擇最優情況；其次，遺傳算法具有并巧的搜索特性，在遺傳算法中能夠通過每代所有個體采取操作行為，反應在解空間便能夠理解為對某個區域的擇優，通過這種方式能夠有效避免小范圍尋優情況出現，為全局提供計算便利；最后，遺傳算法運用適應的函數評估方式，能夠通過優勝劣汰原則采取最優化選擇，從而達到計算目標，并不需要任何輔助信息[2]。

（二）初始方案生成

遺傳算法主要包括三種基本操作，其一為選擇；其二為交叉；其三為變異。本文基于電動汽車充電站選址計算流程為：開始→計算適應度函數→確定最優站址→計算充電需求→確定充電樁數量→N=Nmax？（條件為是與否，如果否，則轉向計算適應度函數，如果是，則繼續以下算式）→計算路上成本→結束。結合遺傳算法的整體流程，規劃初始方案如下：1）首先結合規劃區的劃分，將用戶對充電需求的范圍以及充電站的年均成本規劃為函數目標，來選擇分區的最優地址，通過對區域的性質明確情況下，結合周邊環境的影響，從而保障選擇探索過程中減免不可行解情況出現。其中個體運用編碼方式，其中個體數設定為40；最大遺傳代數設定為100；個體的變量維數設定為2。將分區的用戶年均成本設定為適應度函數，其中二進制的位數為20；代溝0.8；交叉概率為0.7，初始種群為隨機產生，采用輪盤賭的方式進行；2）計算分區內包含的路網節點數量，結合功能區交通流量的信息，便能夠計算出充電站內需要布置充電樁的數量。

（三）算例分析

以某大學周邊區域為研究區域，結合實際情況對電動汽車充電站選址定容的配電網規劃進行有效分析。該區域占地面積為88.96km2，包含10個街道，在進行街道規劃過程中，對三個節點的道路節點橫縱坐標以及每日平均車流量進行調查，節點1為0、1.9、1730；節點2為0.643、1.9、1889；節點3為1.1、1.9、1087，這三個區域在一條街上，因此過往車輛在經過節點2的數量較多。在進行現場模擬規劃過程中，將建立一座電動汽車快速充電站建立與三個節點交叉位置，按照遺傳算法求出充電站最優站址坐標、充電樁數量以及每日路上成本如下：車流量為9572輛/天；充電站容量為2MW；充電站最優站址坐標為（0.665，1.9）；充電樁數量為：20個；每日路上成本為554.6572元，由上述數據分析可知，充電站最優坐標在節點2號附近。

三、總結

綜上所述，本文以樹形結構的遺傳算法應用于配電網規劃以及電動汽車充電站定制定容中，有效解決了充電站規劃問題。根據本文分析可知，以運營商與用戶兩個角度分析了電動汽車充電站安置的影響因素，并且結合用戶需求建立了遺傳算法對充電站選址采取常規策略，從而達到提升選址定容配電網規劃的目的。

參考文獻：

[1]陳鵬.電動汽車接入配電網的規劃研究[D].北方工業大學，2017.

[2]陳婷，衛志農，吳霜，孫國強，韋延方，許曉慧.考慮電動汽車充電站選址定容的配電網規劃[J].電力系統及其自動化學報，2013，25（03）：1-7.