考虑高速公路路网的服务区电动汽车充电站配置方法与流程

本发明涉及一种考虑高速公路路网的服务区电动汽车充电站配置方法，属于电力系统配电领域。

背景技术：

近年来，我国政府大力推行节能减排政策，电网也正朝着高效、灵活、智能、可持续的方向发展。而作为智能电网重要组成部分的电动汽车发展迅猛，我国也已成为全球最大的电动汽车市场。同时电动汽车充电设施也在不断完善，多种类型的充电站逐渐走进用户身边，而电动汽车充电站优化配置研究也成为国内外关注的重点。随着电动汽车电池技术的不断提高，使用电动汽车长途出行成为可能，大量高速公路电动汽车充电站的建设也迫在眉睫。因此，研究高速公路电动汽车充电站配置方法，更好地实现电动汽车充电站的优化配置，具有显著的工程意义和经济价值。

技术实现要素：

本发明提出了一种考虑高速公路路网的服务区电动汽车充电站配置方法，以年化充电站收益最大为目标构建优化模型，可有效求解服务区充电站容量配置问题。

本发明为解决其技术问题采用如下技术方案：

一种考虑高速公路路网的服务区电动汽车充电站配置方法，包括以下步骤：

步骤1，收集该系统中各部分数据，对系统中高速公路网络、电动汽车使用规律、电动汽车充电需求建模，使用蒙特卡洛方法，构建充电站需求预测模型，得到充电需求数据；

步骤2，以年化高速公路服务区充电站收益最大为目标，具体考虑土地成本、设备成本、运行维护成本、充电损失成本、充电站充电收益五个方面；

步骤3，考虑现有服务区的实际条件，以及充电站建设规范条件，以充电桩数量和充电站最大服务能力作为约束条件；

步骤4，运用混合整数规模型进行求解，得到充电站充电桩最优配置。

步骤1中，所述高速公路网络建模如下：

交通路网g＝(v，ew)由顶点集v＝{vi|i＝1，2，...，n}，边集e＝{vij|vi∈v，vj∈v，i≠j}和路段权值w＝{wij|vij∈e}组成,其中v为交通路网g所有节点的集合，e为交通路网g所有有向弧段的集合，w为交通路网g所有路段权值的集合，在实际中权值代表路段的长度或路段的拥堵程度；

得到路网拓扑后，根据实际路网对模型中的权值量化赋值，对领边矩阵e＝(aij)n×n采用式(1)进行赋值:

其中：aij为路网节点间的距离，vij为路网中节点i与节点j的组成边，vi为路网中第i个节点，vj为路网中第j个节点；e为边集；最后得路网邻接矩阵w为

式中：w12为节点1与节点2的距离，w21为节点2与节点1的距离，w23为节点2与节点3的距离，w32为节点3与节点2的距离；∞表示节点vi与vj间不存在路段的连接，0表示相同节点间没有距离；

路网中电动汽车模型如下：

式(3)中ev为电动汽车参数集合，包括char为充电特性参数集合，tr为旅行参数集合，各具体参数含义对于充电特性参数：cs为接受充电的充电站编号tarr为到达充电站的时间，td为结束充电时间，pc为充电功率，ec为电动汽车每公里耗电量，eev为电动汽车总电量，soc0为电动汽车初始总电量，soct为电动汽车t时刻剩余电量，socf为电动汽车电量预警，socend为充电结束电量，wev，n为第n辆电动汽车需求电量，tc为电动汽车充电时间；

对于行驶特性参数：nev为待仿真的电动汽车数量，d0为电动汽车初始位置，dend为电动汽车结束行程位置，dt为t时刻电动汽车位置，ds为充电站位置，ts为电动汽车出行时间，ve为电动汽车行驶速度，ns，t为t时刻充电站电动汽车数量，ws，i为第i个充电站需求电量，rp为电动汽车行驶路径，n为电动汽车编号；

步骤1中，所述电动汽车使用规律、电动汽车充电需求建模过程如下：

电动汽车出行时间分布及用户在路网中的起止节点根据调研获得，用户出行时间符合正态分布，根据早晚高峰等场景进行模拟

电动汽车初始电量soc0：

式中：μ与σ分别为电动汽车初始电量分布的平均数与方差，x为时间，eev为电动汽车电池电量；电动汽车在t时刻剩余电量为

soct＝soc0-ec×δl(5)

其中δl为t时刻电动汽车行驶的距离，ec为电动汽车耗电量；

电动汽车用户充电需求触发值socf:

式中：μ与σ分别为电动汽车用户需求触发值的电量分布的平均数与方差，x为一天中的具体时刻，eev为电动汽车电池电量；

当剩余电量soct低于触发电量socf时产生充电需求：

soct<socf(7)

此时，第n辆电动汽车充电需求电量wev，n为：

wev，n＝socend-soct(8)式(8)中socend为充电停止时的电量，soct为电动汽车剩余电量；

电动汽车充电站i的需求电量ws，i：

其中ni为第i个充电站的充电车辆数，将一天划分为24个时间段；电动汽车到达充电站，产生充电需求后，需要的充电时间tc：

tc＝wev，n/pc(10)

其中pc为充电功率，wev，n为第n辆电动汽车充电需求电量；

充电结束时间td：

td＝tarr+tc(11)

其中tarr为电动汽车到达充电站的时间，tc为充电时间；

根据每辆电动汽车的初始位置信息和结束位置信息，通过floyd算法，确定电动汽车实际行驶路径；根据电动汽车出行时间分布，电动汽车电池剩余电量信息，让每一辆电动汽车驶入路网，合理得到路网中待改造服务区的充电需求分布情况，获取每一辆电动汽车的到达时间、停留时间、荷电状态信息。

步骤2中所述高速公路服务区充电站模型建立过程如下：

将高速公路电动汽车充电站相关的年化总收益最大作为目标函数，具体包括年化土地成本cl、年化设备采购安装成本cstr、每年电动汽车充电站运营成本cop、年化充电损失成本closs、充电收益pro；

目标函数的具体形式如式(12)所示：

maxprofit＝pro-ci(12)

其中profit为充电站年化总收益，pro为充电站年充电收益，ci为充电站年化投资成本；该函数以最大化充电站年化总体收益为目标，考虑因无法满足充电需求带来的充电损失，考虑建站的投资成本；

(1)土地成本：

cl＝cd·sc(13)

其中cl为服务区充电站土地成本，cd为充电站土地成本单价，sc为充电站土地面积；

(2)设备成本

考虑直流快速充电桩，而变压器以及其他设备的数量与充电桩的数量有关，故设备成本cstr为：

cstr＝f(s)(14)

其中cstr为充电站设备成本，f(s)为与充电桩数量有关的函数，s为规划的快速充电桩数量；

(3)运营成本

近似认为电动汽车充电桩每年的运行维护费用与其投资建设成本成正比，充电站运营成本如式(15)所示：

cop＝δcstr+npcp(15)

其中cop为高速公路服务区充电站运营成本，δ为运行维护成本与建设投资成本的比例，np为充电站的员工数量，cp为充电站员工每年的工资；

(4)年化投资成本折算模型

年化投资成本ci表示为：

ci＝r·(cl+cstr+cop)(16)

其中cl为充电站土地成本，cstr为充电站设备成本，cop为充电站运营成本，r为年化折算系数，具体计算如式(17)所示：

其中r0为折现率，y为规划运营年限；

(5)充电损失成本

每小时损失的充电需求，表达式如下：

式(18)表示在工作日场景下每小时损失功率的计算，s为充电站充电桩数量，u为充电站使用率参数，pc为充电桩充电功率，为根据需求仿真模型得到的工作日每小时需求；式(19)表示在节假日场景下每小时损失功率的计算，s为充电站充电桩数量，pc为充电桩充电功率，为根据需求仿真模型得到的节假日日每小时充电需求；式(20)、(21)表示节假日和工作日单日功率损失成本，ps为充电站售电单价，pb为充电站购电单价；

得到单日充电需求后，年化充电损失成本closs表示为：

closs＝(closs，week*5+closs，weekend*2)*52*(ps-pb)(22)

式(22)中，closs，week为工作日场景下充电损失，closs，weekend为节假日场景下充电损失，常数5代表一周有5个工作日，常数2代表一周两个节假日，常数52代表一年有52个星期；

(6)充电收益：

在计算预期充电收益时，先计算充电站每的小时充电需求都能得到满足的收益，之后减去因充电桩数量不足带来的充电损失；

充电收益pro具体计算公式如下：

pro＝pw·52·(ps-pb)-closs(23)

其中和分别为工作日和节假日的充电需求，ps为充电站售电单价，pb为充电站购电单价，pw为总充电需求。closs为年化充电损失成本，u为充电站使用率参数。

步骤3中，所述充电桩数量约束表示为：

smin<s<smax(24)

其中：smin为高速公路服务区充电站最小安装的充电桩数量；s为充电站充电桩数量；smax为高速公路服务区充电站最多安装的充电桩数量；

充电站最大服务能力约束，即每小时充电站最大充电量不超过最大安装容量

wcmax≤s·pc(25)

其中：pc为充电功率，wcmax为充电站每小时最大充电电量。

本发明的有益效果如下：

(1)本发明构建的充电需求仿真模型考虑了实际路网、用户出行规律、电动汽车行驶路径对需求的影响，提高充电需求预测的精确性。

(2)本发明以年化充电站收益最大为目标构建优化模型，可有效求解服务区充电站容量配置问题。同时为减少充电站建设投资成本，对现有高速公路服务区规划。

附图说明

图1是本发明的方法流程图。

图2是生成典型日内高速公路电动汽车充电需求分布情况的流程图。

图3是交通路网拓扑图。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

考虑高速公路路网的服务区电动汽车充电站配置方法，如图1所示，包括以下步骤：

步骤1，收集该系统中各部分数据，对系统中高速公路网络、电动汽车使用规律、电动汽车充电需求建模，使用蒙特卡洛方法，构建充电站需求预测模型，得到充电需求数据；

步骤2，以年化高速公路服务区充电站收益最大为目标，具体考虑土地成本、设备成本、运行维护成本、充电损失成本、充电站充电收益五个方面；

步骤3，考虑现有服务区的实际条件，以及充电站建设规范等条件，以充电桩数量和充电站最大服务能力作为约束条件；

步骤4，运用混合整数规模型进行求解，得到充电站充电桩最优配置。

考虑高速公路路网的服务区电动汽车充电站配置方法，在步骤1中，高速公路网络建模如下：

交通路网g＝(v，e，w)由顶点集v＝{vi|i＝1，2，...，n}，边集e＝{vij|vi∈v，vj∈v，i≠j}和路段权值w＝{wij|vij∈e}组成,其中v为交通路网g所有节点的集合，e为交通路网g所有有向弧段的集合，w为交通路网g所有路段权值的集合，在实际中权值代表路段的长度或路段的拥堵程度。如附图3交通路网拓扑图所示。图中双向箭头表示双行道，节点表示高速公路出入口或交叉口或服务区充电站，v4、v6表示充电站位于交通网络的地理位置。

得到路网拓扑后，可根据实际路网对模型中的权值量化赋值，对领边矩阵e＝(aij)n×n采用式(1)进行赋值:

其中：aij为路网节点间的距离，vij为路网中节点i与节点j的组成边，vi为路网中第i个节点，vj为路网中第j个节点；

最后可得路网邻接矩阵w为

式中：w12为节点1与节点2的距离，w21为节点2与节点1的距离，w23为节点2与节点3的距离，w32为节点3与节点2的距离；∞表示节点vi与vj间不存在路段的连接，0表示相同节点间没有距离，当然路网中也不存在这些路段。路网中电动汽车模型如下：

式(3)中ev为电动汽车参数集合，包括char为充电特性参数集合，tr为旅行参数集合，各具体参数含义对于充电特性参数：cs为接受充电的充电站编号tarr为到达充电站的时间，td为结束充电时间，pc为充电功率，ec为电动汽车每公里耗电量，eev为电动汽车总电量，soc0为电动汽车初始总电量，soct为电动汽车t时刻剩余电量，socf为电动汽车电量预警，socend为充电结束电量，wev，n为第n辆电动汽车需求电量，tc为电动汽车充电时间。

对于行驶特性参数：nev为待仿真的电动汽车数量，d0为电动汽车初始位置，dend为电动汽车结束行程位置，dt为t时刻电动汽车位置，ds为充电站位置，ts为电动汽车出行时间，ve为电动汽车行驶速度，ns，t为t时刻充电站电动汽车数量，ws，i为第i个充电站需求电量，rp为电动汽车行驶路径，n为电动汽车编号。

电动汽车出行时间分布及用户在路网中的起止节点可根据调研获得，用户出行时间符合正态分布，可根据早晚高峰等场景进行模拟。

电动汽车初始电量soc0：

式中：μ与σ分别为电动汽车初始电量分布的平均数与方差，x为时间，eev为电动汽车电池电量。电动汽车在t时刻剩余电量为

soct＝soc0-ec×δl(5)其中δl为t时刻电动汽车行驶的距离，ec为电动汽车耗电量。

电动汽车用户充电需求触发值socf:

式中：μ与σ分别为电动汽车用户需求触发值的电量分布的平均数与方差，x为一天中的具体时刻，eev为电动汽车电池电量。

当剩余电量soct低于触发电量socf时产生充电需求：

soct<socf(7)

此时，第n辆电动汽车充电需求电量wev，n为：

wev，n＝socend-soct(8)式(8)中socend为充电停止时的电量，soct为电动汽车剩余电量。

电动汽车充电站i的需求电量ws，i：

其中ni为第i个充电站的充电车辆数，可将一天划分为24个时间段。电动汽车到达充电站，产生充电需求后，需要的充电时间tc：

tc＝wev，n/pc(10)

其中pc为充电功率，wev，n为第n辆电动汽车充电需求电量。

充电结束时间td：

td＝tarr+tc(11)

其中tarr为电动汽车到达充电站的时间，tc为充电时间。

根据每辆电动汽车的初始位置信息和结束位置信息，通过floyd算法，确定电动汽车实际行驶路径。根据电动汽车出行时间分布，电动汽车电池剩余电量信息，让每一辆电动汽车驶入路网，可合理得到路网中待改造服务区的充电需求分布情况，获取每一辆电动汽车的到达时间、停留时间、荷电状态等信息，具体流程图如附图2生成典型日内高速公路电动汽车充电需求分布情况的流程图所示。

考虑高速公路路网的服务区电动汽车充电站配置方法，在步骤2中，包含高速公路服务区规划模型的建立：

综合考虑各利益主体的关切，将高速公路电动汽车充电站相关的年化总收益最大作为目标函数，具体包括年化土地成本cl、年化设备采购安装成本cstr、每年电动汽车充电站运营成本cop、年化充电损失成本closs、充电收益pro。

目标函数的具体形式如式(12)所示：

maxprofit＝pro-ci(12)

其中profit为充电站年化总收益，pro为充电站年充电收益，ci为充电站年化投资成本。该函数以最大化充电站年化总体收益为目标，考虑因无法满足充电需求带来的充电损失，考虑建站的投资成本。

(1)土地成本：

cl＝cd·sc(13)

其中cl为服务区充电站土地成本，cd为充电站土地成本单价，sc为充电站土地面积。

(2)设备成本

充电站的设备成本主要包括充电桩和变压器，以及其他设备。在本研究中考虑直流快速充电桩，而变压器以及其他设备的数量与充电桩的数量有关，故设备成本cstr为：

cstr＝f(s)(14)

其中cstr为充电站设备成本，f(s)为与充电桩数量有关的函数，s为规划的快速充电桩数量。

(3)运营成本

服务区充电站的运营成本主要包括设备运行维护和人员工资。服务区充电站充电桩的运行维护费用受地理区域、使用频率、维护水平等多种因素的影响，难以精确量化，近似认为电动汽车充电桩每年的运行维护费用与其投资建设成本成正比,充电站运营成本如式(15)所示：

cop＝δcstr+npcp(15)

其中cop为高速公路服务区充电站运营成本，δ为运行维护成本与建设投资成本的比例，np为充电站的员工数量，cp为充电站员工每年的工资。

(4)年化投资成本折算模型

在模型的目标函数中，需要将规划运行年限的投资成本折算年化投资成本，以完成对一年收益的计算，折算时考虑折现率r0。

则年化投资成本ci可表示为：

ci＝r·(cl+cstr+cop)(16)

其中cl为充电站土地成本，cstr为充电站设备成本，cop为充电站运营成本，r为年化折算系数，具体计算如式3-5所示：

其中r0为折现率，y为规划运营年限。

(5)充电损失成本：

每小时损失的充电需求，表达式如下：

式(18)表示在工作日场景下每小时损失功率的计算，s为充电站充电桩数量，u为充电站使用率参数。pc为充电桩充电功率，为根据需求仿真模型得到的工作日每小时需求。式(19)表示在节假日场景下每小时损失功率的计算，s为充电站充电桩数量，pc为充电桩充电功率，为根据需求仿真模型得到的节假日日每小时充电需求。式(20)、(21)表示节假日和工作日单日功率损失成本，ps为充电站售电单价，pb为充电站购电单价。

得到单日充电需求后，年化充电损失成本closs可表示为：

closs＝(closs，week*5+closs，weekend*2)*52*(ps-pb)(22)

式(22)中，closs，week为工作日场景下充电损失，closs，weekend为节假日场景下充电损失，常数5代表一周有5个工作日，常数2代表一周两个节假日，常数52代表一年有52个星期。

(6)充电收益：

高速公路服务区充电站的收益主要来自为电动汽车用户提供充电服务的收益。在计算预期充电收益时，先计算充电站每的小时充电需求都能得到满足的收益，之后减去因充电桩数量不足带来的充电损失。

充电收益pro具体计算公式如下：

pro＝pw·52·(ps-pb)-closs(23)

其中和分别为工作日和节假日的充电需求，ps为充电站售电单价，pb为充电站购电单价，pw为总充电需求。closs为年化充电损失成本，u为充电站使用率参数。

在步骤3中，包含高速公路电动汽车充电站规划模型的约束条件。

对现有的高速公路服务区改造时，需要考虑现有服务区的面积等因素，以确定最多安装的充电桩数量smax。根据《电动汽车充电站设计规范gb50966-2014》，建设的充电站最少配备3台以上充电桩，故可得高速公路服务区充电站最小安装的充电桩数量为smin。充电桩数量约束可表示为：

smin<s<smax(24)

同时还要考虑到，充电站最大服务能力约束，即每小时充电站最大充电量不超过最大安装容量。

wcmax≤s·pc(25)

以上所述实施例仅为说明本发明的技术思想，其描述较为具体和详细，但不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。因此，本发明专利的保护范围应以所附权利要求为准。