基于大數據的電動汽車充電站選址規劃方法

劉紅燕 李 謹 唐 振 賴 哲

（珠海供電局，廣東 珠海 519000）

0 引言

常規燃油車輛的使用，會給自然環境帶來較大的負面影響。反觀電動汽車，由于其使用清潔能源，已經展現出發展的動力。由于以電能為驅動的車輛，在續航里程以及充電時長上的表現不佳，因此分析充電樁選址是有必要的。

1 電動汽車充電站的基本類型

1.1 分散式

該種充電樁一般代表專用與私人、零散分布的公共充電樁，通常坐落于停車場中，對于該類充電站規劃，應利用大數據確定各區域的實際需要，計算需要的充電樁總數以及位置。另外，對于該類充電樁，也可以直接分成居民區內以及公共快充兩種。在居民區的充電樁，是按照區域內的電動車輛保有量，確定充電樁數量。而公共的充電樁是按照整個地區居民的充電需要與距離，以及已有的充電樁情況，采取總體規劃，保障設施的覆蓋率。目前，還有借助對比分析的方式，統計不同型號電動車輛的日均用電需要與最高接入次數，由此確定不同類型充電站的潛在需要，基于對應地區的需要標準，規劃充電樁的建設方案[1]。

1.2 專用式

該類充電樁是專門用于存在特殊充電要求的車輛，比如出租車、公交車、共享汽車及環衛車等。當前已經建設的專用式充電站，一般是公交車與出租車方面。前者的選址規劃，應基于充電需要特點，設置適宜的規劃方案。舉例來講，以運營商的方面思考，應構建充電樁的需求標準模型，以此計算適宜的設施數量。另外，結合城市道路交通網絡建設狀況、出租車充電需要特點、容量限制、配電系統分布等，進行詳細選擇規劃。另外，結合出租車充電的共性需要，確保充電便利的同時，還不能干擾配電網的正常運行，由此構建最佳的充電站規劃模型。

1.3 公共式

該充電樁具體涵蓋高速公路與城市內的公共充電樁。相關的選址規劃問題上，會基于電動車輛在高速公路中的駕駛距離與電池容量，選擇建設位置。并且基于建站以及養護等方面的最低成本，調整選址定容。根據現有充電樁的電量設定以及空間分布情況，合理規劃充電站的位置與定容標準，即電動車輛數量的最高期望值；用戶等待時間與設施養護的最小成本投入。同時，還需注重交通狀況在時空上的分布格局，以及充電站中電動車輛到達率，由此縮小用戶等待時長、降低設施運維費用。

2 根據運營收益選址規劃電動汽車充電站

充電站運營收益一般來自于充電服務費，鑒于充電站后期的持續性應用以及運營公司的利益等，在前期建設中，應當綜合機器建設成本、預計線路的改造成本、預計公變的改造成本、充電樁運營、車位租賃成本，以此確定收益標準。

2.1 經濟收入

用F1表示經濟收入，如公式（1）所示。

式中：p為充電站消耗一度電能得到的最終收益，p=1 元/度；V（i）為充電站在第i年時，預計所需的充電量（度/月）；fr為現實充電量和預計充電量之間的比值，fr=70%；12 為12個月；N為充電站投入應用的時間，a；10000 為F1以萬元為單位進行計算。

在確定V（i）中，應當綜合幾項問題加以分析。首先，目標區域已有電動車輛目前需要的充電量，用v表示。該文討論的v計算方法，是基于設施預選點，按照平臺當前充電樁服務半徑均值，確定預選點的覆蓋半徑。基于此，在服務半徑中，每輛電動汽車的剩余SOC，假設該數值不足50%，說明該汽車存在充電需要，做好標記。v是指在一年中，在服務半徑范圍中，全部單車蓄電量之和。其次，目標區域每年的充電需求量上漲率，用ri表示。該文假設在建設后的五年間，ri維持在恒定值，也就是當地充電需求量平穩上漲，并且在五年后趨于穩定，停止增加。最后，臨近充電站分布。充電樁的現實使用時，電動車輛會就近選擇充電樁。對此，可借助引力模型，通過充電需要的轉移矩陣，表達相鄰充電樁對于用戶決策的影響。該矩陣能按照充電樁現實運營期間產生的數據，持續優化，此處可利用機器學習的方式[2]。在僅有初始值時，能按照公式（2）計算。

式中：ρji為由充電站j至i過程的需要轉移系數；dji為兩個充電站的間距（km）。

根據公式（2）能看出，dji在不斷增加的過程中，相鄰充電站的充電需求轉移量會相應減少。需要轉移量會隨之下降。

2.2 投資成本

2.2.1 建設充電樁設施的成本

按照輸電模式劃分，有直流與交流兩種。用Pdc表示直流充電樁的建設成本，此處取值每臺20000 元，數量Xdc；Pac表示交流充電樁建設成本，此處取值每臺0.6 萬元，數量Xac。充電樁建設總成本C1如公式（3）所示。

根據城市充電站的布置訴求，在考慮投資成本中，應綜合其他幾項標準。首先，Xdc須滿足公式（4）。其次，在理論層面上，充電樁實際可輸出電量須超過對應位置的V（5），相應的計算運算方法如公式（5）所示。再次，注重建設資金的整體投入額度，也就是要保障兩種形式的充電樁數量總和，不能超過某限值。最后，假設供應電量和充電樁數量無法同時滿足，須先考慮前者。

式中：R為選擇快充的用戶占比，假設R達到20%，對應位置須建設一個直流充電樁，反之，則不具備潛在需要。

30 為每個充電樁設備每月工作的天數；24 為設備每天工作24 h；η為充電樁設備的平均應用率，η=25%，這是充電站建設期望達到的運營狀態；AV為預選位置最高充電功率；V（5）為預選位置在第五年時預計需要的電量。

2.2.2 建設充電樁設施的成本

此項投資成本，和充電站規模、選址基礎設備有聯系。如果預選站點當前的充電需要功率，超過對應線路的90%剩余功率，則說明此處不具備建設潛力，應當進行線路改造。而此處消耗的投資成本如公式（6）所示。

式中：C2為線路改造的總成本；L為預計線路的改造成本，取值要根據現實情況確定；α為一個變量。

α的取值范圍如公式（7）所示。

式中：SL為預選站點路線，對應的剩余輸送功率。

2.2.3 預計公變的改造成本

該項投資成本同樣和規律、設備有聯系。在預選站點對應的最高充電功率在108kW 以下，且不足其公變九成的理論剩余容量，就無須擴大公變。如果AV超過108kW，應直接加設一個公變。而假設AV處于108kW～180kW，應加設一臺200kVA 公變；AV在180kW～450kW，應加設一臺500kVA 公變；AV 在450kW～567kW，應加設一臺630kVA 公變。

2.2.4 車位租賃成本

該項投資成本和預選站點位置有聯系，按照某地的車位租賃費用標準，政府方面無須花費車位費；醫院及學校，每年0.5 萬元；居民區、大型商場，每年0.8 萬元。由此可得到該項投資成本C4如公式（8）所示。

式中：T為不同地點場景車位租賃成本（萬元/年）。

2.2.5 充電樁運營成本

該項運營成本和充電樁設備本身有關，其的計算成本如公式（9）所示。

式中：C5為充電樁運營成本；Rf為兩種充電樁的運營成本，此處取值是每年0.55 萬元。

2.3 收益結果

在實際求解中，可運用差分進化算法，和其他進化算法相比，其擁有以種群為核心的全局搜索方法，運用實數編碼、一對一生存方法等，控制遺傳操作期間的復雜程度。另外，差分進化法擁有記憶能力，能對搜索狀況進行全過程跟蹤，繼而優化搜索方法，展現出良好的整體收斂能力與魯班性，無須通過提煉問題特點，可在運用普通數學規劃方式，應對復雜優化問題中，能有較好的表現。在差分進化算法中，利用浮點矢量，完成對種群個體的編碼。算法尋優期間。在附帶個體中挑選兩個，得到差分矢量。下一步，挑選另外個體，其與差分矢量之間的和，確定實驗個體。而后針對父代個體和對應實驗個體，進行交叉作業，得到新子代個體。最后，從父代與子代個體中，進行進一步篩查挑選，把滿足設定要求的個體保留下來，投入到下一代種群內。設f為適應度函數的最小值，該函數是實數向量的模式，挑選候選方案當成參數，而候選方案中輸出的適應值是便是實數，以此在探索范圍內的全部方案中，選出最優的一種組合。根據上文的運算過程，可得到預選站點的投資成本F2，該數值是上述的五項投資成本之和。而充電站的收益結果F，是在經濟收入中扣除投資成本。充電站的相關建設方，可根據基于大數據統計得到的預選站點收益，判斷對應位置的建設潛力，由此支持選址規劃[3]。

3 根據充電需求預測規劃電動汽車充電站

3.1 選址的影響因素

3.1.1 道路交通情況

此處假設預計假設區域的電動車輛都選擇快充方法，則充電及空間特點均會道路網與配電網有影響。

一方面，交通流。把道路分成五個等級，在模擬仿真區間內，有k個時隙，而各個時隙中，t∈[k·ΔT（k+1）·ΔT]（k=0，1，2，…，K），通過確定交通流量，為電動車輛予以充電導航所需數據。在交通流的方針模型中，涉及的主要變量：交通密度—ρm（k）；速度—vm（k）；流量—qm（k）。其中，交通密度會被流量與對應車道起始狀態所干擾。在（k+1）ΔT時間的交通密度等于kΔT時間和在k時隙中的交通密度相加。而對應m車道中，進入時的交通流量qm（k）=∑μ∈Imβm，φ（k）·qφ（k）；離開m車道時的交通流量則等于∑φ∈Omβm，φ（k）·qφ（k）。交通密度是受到流量影響，所以可判斷其運算方式，即：（ΔT/Lm）（∑μ∈Imβm，φ（k）·qφ（k）-∑φ∈Omβm，φ（k）·qφ（k））（μ、m為車道；qφ（k）為k時隙中，道路φ交通流量；βm，φ（k）為從車道m來到φ的轉彎率；Om為離開m車道的道路集合；Lm為m車道的長度）。鑒于車道形成的起始狀態，m車道密度增量，能用表示。最終能推導出交通密度及交通速度。鑒于車道形成的起始狀態，m車道密度增量，能用∑φ∈Omβm，φ（k）·qφ（k）表示。最終能推導出交通密度及交通速度。

上述公式中，Im表示進入m車道對應的車道集合；βμ，m表示由車道μ帶來m車道的轉彎率；Om表示駛離m車道對應的車道集合；Lm表示m車道的行程，即長度；（k）表示在k時隙中，車道m駛過的汽車數量；（k）表示在k時隙中，車道m中駛離的汽車數量。

另一方面，充電站的服務范疇。該項影響因素至根據待充電用戶和充電站之間的行程距離，也就是常說的服務半徑。對此的算法主要有兩種。一是Dijkstra，基于動態規劃的思路，根據兩個預設點的位置，二者相互通達的若干線路中，確定最短的一條；二是Voronoi，以平面為基礎，計算相關所有節點，距離對應中心點的長度，秉承最近原則，分配交通節點，由此確定服務分區。規劃選址充電站時，一般是根據用戶的充電決策習慣，會選擇距離當前位置最近的充電樁。實際選址規劃中，可運用以上兩個算法，確定各預設站點的服務范疇。

3.1.2 電動車輛充電

首先，車輛狀態。可用EV表示，EV=（Vdp，Clv，D，Vrp，PEV，c，Vpck，Bp）。其中，Vdp是指電動車輛駛入交通網時，對應的出發位置，各節點均是隨機選擇，作為汽車駕駛路線的起點；Clv是指電動車輛當下的位置，車輛按照設定路線行駛時，記錄的位置資料；D是指電動車輛距離目的地的路線長度，在選中出發位置的同時，相應終點也會確定；Vrp是指當下電動車輛的剩余電量，屬于動態數據，實時更新；PEV，c表示EV的功率，此處取值范圍是45 kW～60 kW；Vpck表示電動汽車每行駛1 km，消耗的電能，此處取值是0.2（kW·h）/km；Bp是指在汽車充滿后的電量。

其次，電動車輛的充電條件。按照電動車輛的當前狀態，判斷其有無充電需要。具體來說，一方面，在電動車輛剩余電量僅有30%，會進行強制充電；另一方面，電動車輛當前剩下的電量，不能支持其達到設置的地點[4]。

最后，電動車輛的充電特點。此項影響因素主要是車載電池的荷電情況，用SOC表示，如公式（9）、公式（10）所示。

式中：SOCt與SOCt-1為各自對應電動車輛處于t與t-1 的時刻，車載電池的荷電情況；χ為自放電率；PEV，c與PEV，d為對應電動車輛在充電及放電時的功率；ηc與ηd為充電與放電的效率，ηc=0.8，ηd=1；CBE為電動車輛額定的容量。

3.2 選址規劃分析

將TS作為模擬仿真的起始時間，電動車輛根據相應算法，得到初始電量值、出發地點、充電功率，而后讀取其行車矩陣的終點（D），按照駕駛中的路徑、速度及密度，分析不同路段的行進速度。在啟動仿真模擬后，計算及記錄行車時間（t1）；交通流量與車載電池的剩余電量，在車輛抵達充電站的時刻，記錄行車時間（t2）與剩余電量，由此能計算出快充消耗的時長（Tc）。再得到當充電站在負荷上的時空數據，電動車輛根據到站順序，依次充電，由此計算出在站內的排隊等待時間（Tw）。在車輛充電完成后，須記錄電動車輛的模擬仿真時間（t4）。在該仿真模擬中，須對多臺電動車輛進行時空層面上的預測，由此確定充電需求（WE）。在實際的仿真模擬時，可將時間間隔設置成10 min，根據仿真情況，確定車輛需要的快充時間、充電負荷、排隊等待時間。在車輛充個電結束后，能確定充電負荷數據，把所有充電站內的車輛充電負荷之和，規劃到對應的配電網節點。在電動車輛當下剩余電量不足30%，和續航里程不足以達到設定終點，應當開始充電。

假設在充電站內的全部可用充電樁，均有車輛使用，其余汽車則須在相應序列中等待，而且還需向等待中的車輛，發送預計還需等待的時間。此時，就需要用到雙層的動態排隊模擬。在第一隊列中的電動車輛是正在充電中的狀態，第二隊列則是等待中的車輛，根據到站的時間排隊等待。在各個時隙下，列隊處于穩定情況，對應車輛能獲得預計等待時長。充電站容量符合EV需要的基礎上，用戶在站內等待的時長以及充電站本身的使用率，都會給用戶充電滿意度造成影響。

3.3 充電站的定容

一方面，新增充電樁的數量。規劃建設充電站容量，應和當地電動車輛的實際充電需要相匹配。而此能通過充電樁的數目表述，如公式（11）所示。

式中：ρ為充電站用戶的充電服務滿意程度；Tt為充電樁平日的應用時長；Pf為充電樁本身的充電功率；Wi表示i輛車的充電需要。

另一方面，對于增加充電站數目的制約條件。根據建設充電站的潛力分析，實際選址數量應根據建設范圍內，車輛充電需要與容量限制確定。如公式（12）所示。

式中：NUmin和NUmax分別為在建設范圍內，預計增設充電站數目的最小值與最大值；Pehmax和Pehmin分別為在增設充電站中，預計規劃的最多與最少容量；WE為電動汽車的充電需求[5]。

4 結語

在大數據的幫助下，充電站的建設方及運營方，能更容易地獲取用戶充電的相關記錄，基于此，分析規劃地區充電需要。并結合運營收益以及充電決策等，進行選址規劃，并確定充電樁容量，保障各設施的應用率。