黃安子包賢祿陳華鋒梁曉峰鐘現(xiàn)成陸軼祺解 大

1深圳供電局有限公司；2深圳市康拓普信息技術(shù)有限公司；3上海交通大學(xué)電子信息與電氣工程學(xué)院

引言

作為緩解能源危機(jī)以及環(huán)境問(wèn)題的重要方向，新能源汽車在政策的支持下逐步取代著傳統(tǒng)燃油車輛，尤其在公共交通方面。隨著各類型新能源汽車的不斷普及，服務(wù)于大規(guī)模電動(dòng)汽車（EV）的配套充電設(shè)施也必須同步地進(jìn)行建設(shè)[1]。

為了解決電動(dòng)汽車在出行時(shí)的可靠性和便利性問(wèn)題，城市道路中的很多地方正在逐步建設(shè)一個(gè)構(gòu)成網(wǎng)絡(luò)的電動(dòng)汽車充電站集群。然而這個(gè)網(wǎng)絡(luò)尚不完整，需要更完善的規(guī)劃來(lái)構(gòu)建完整的充電站網(wǎng)絡(luò)[2]。

已有學(xué)者對(duì)此展開(kāi)了研究。通過(guò)對(duì)交通信息及配網(wǎng)容量可以初步確定需要建設(shè)充電站的區(qū)域[3]。交通網(wǎng)絡(luò)流量在很大程度上決定了一個(gè)充電站的位置是否能夠最大程度地滿足電動(dòng)汽車用戶的需要[4]；配網(wǎng)容量則間接決定了充電站可建的容量。有些研究者以滿足電動(dòng)汽車用戶的實(shí)際需求為目標(biāo)對(duì)充電站進(jìn)行選址定容[5]。這些規(guī)劃算法都有著自己的立足點(diǎn)，而卻有著一定的瑕疵，并且都是基于選址定容，對(duì)于實(shí)際建設(shè)的幫助并不大。

本文以建設(shè)成本以及交通便利度為目標(biāo)在滿足充電需求和各類約束條件下，對(duì)充電站進(jìn)行選址定容。通過(guò)bagging算法與蟻群算法的結(jié)合，實(shí)現(xiàn)充電站的時(shí)序規(guī)劃。通過(guò)蟻群算法結(jié)合不同樣本的信息[5]，最終完成時(shí)序規(guī)劃，可有效提供充電站的建設(shè)位置、容量、時(shí)間信息，為建設(shè)者提供合理的參考。

1 充電站選址定容影響因素

1.1 區(qū)域環(huán)境因素

(1)區(qū)域輸配電網(wǎng)現(xiàn)狀

充電站在正常工作時(shí)需要電網(wǎng)提供相當(dāng)高的功率，因此在選擇充電站位置時(shí)必須結(jié)合各個(gè)區(qū)域現(xiàn)有配電網(wǎng)的建設(shè)情況。根據(jù)充電站規(guī)模的不同，其運(yùn)行時(shí)需要電網(wǎng)提供不同大小的容量。因此，為充電站供電的變電站能提供的容量以及由歷史負(fù)荷數(shù)據(jù)保證的容量裕度是影響充電站選址以及定容的一大因素。如果容量裕度無(wú)法滿足電動(dòng)汽車不斷增長(zhǎng)的充電需求，對(duì)變壓器進(jìn)行擴(kuò)容也是有必要的。

此外，充電站選址應(yīng)盡量靠近變電站以獲得安全可靠的持續(xù)電力供應(yīng)。為了避免波動(dòng)性較大的電動(dòng)汽車充電負(fù)荷對(duì)電網(wǎng)的穩(wěn)定運(yùn)行造成影響，配套政策應(yīng)及時(shí)實(shí)施。

(2)道路交通情況

充電站附近的交通情況在很大程度上決定了該區(qū)域的車流量密度，同時(shí)也決定了擬建充電站的規(guī)模。事實(shí)上，道路交通狀況間接反映了該區(qū)域的繁榮程度。歷史車流量情況、與市中心距離、道路規(guī)模等共同反映了道路交通情況。當(dāng)車流量較大時(shí)，相應(yīng)地對(duì)充電量的需求也會(huì)增大。因此充電站的規(guī)劃需要與現(xiàn)有的交通網(wǎng)相結(jié)合。

(3)地理?xiàng)l件

充電站往往會(huì)建設(shè)在某些較大規(guī)模的停車場(chǎng)或小區(qū)、交通樞紐區(qū)域。地理社會(huì)條件是指充電站建設(shè)位置的社會(huì)作用，決定了不同的充電站類型和充電方式，其具體對(duì)應(yīng)情況如表1所示。

表1 地理社會(huì)條件對(duì)應(yīng)充電站信息表

其中，專用車輛指公交車、工程作業(yè)車等，其具有專用的充電設(shè)施，充電方式也各不相同。

1.2 規(guī)劃需求因素

(1)充電服務(wù)半徑

充電站的合理布局必須對(duì)充電站制定合理的充電服務(wù)半徑。對(duì)于充電站而言，充電服務(wù)半徑是指每個(gè)充電站能確保電動(dòng)汽車能夠充上電的最遠(yuǎn)距離。這項(xiàng)指標(biāo)與充電站性質(zhì)、市售電動(dòng)汽車的續(xù)航能力、平均荷電狀態(tài)以及交通情況有關(guān)。

在進(jìn)行充電站規(guī)劃時(shí)，充電站的充電服務(wù)半徑必須覆蓋所有道路并留有很大的余量，才能保證電動(dòng)汽車用戶的實(shí)際需求得到滿足。

(2)充電需求量

充電需求量是指在一定的區(qū)域，一定的時(shí)間段內(nèi)，電動(dòng)汽車實(shí)際需要的充電量。電動(dòng)汽車目前尚在不斷普及階段，因此充電需求量也在不斷增加的過(guò)程中。

充電需求量是影響充電站規(guī)劃的重要因素。首先，充電站的選址必須與不同車輛用戶的實(shí)際需求一致，確保用戶能夠及時(shí)找到充電站進(jìn)行充電。其次，充電站的定容應(yīng)與充電需求量配套，避免充電需求無(wú)法滿足或資源的浪費(fèi)。

(3)網(wǎng)絡(luò)規(guī)劃要求

充電站的建設(shè)規(guī)劃不能各自獨(dú)立進(jìn)行，需要形成一個(gè)充電服務(wù)網(wǎng)。該充電服務(wù)網(wǎng)將在滿足充電需求的前提下，由擬建充電站點(diǎn)及其充電服務(wù)半徑，在參照電網(wǎng)及交通網(wǎng)的基礎(chǔ)上構(gòu)成。

單一充電站并不需要完全滿足其服務(wù)半徑內(nèi)的全部充電需求，可以由附近的其他充電站共同滿足。建成的充電服務(wù)網(wǎng)將在滿足各地區(qū)充電需求的情況下，最大限度的減少開(kāi)支，確保資源的合理使用。

2 充電站選址定容

2.1 充電需求確定

截至2016年底，作為國(guó)內(nèi)推廣新能源車輛的一線城市，深圳市新能源汽車保有量已經(jīng)達(dá)到了80 000輛，其中純電動(dòng)車占比達(dá)到54.55%。到2020年底，深圳市預(yù)計(jì)推廣新能源車輛至120 000輛，平均年增長(zhǎng)率達(dá)到10%。

在進(jìn)行充電站規(guī)劃時(shí)，各區(qū)域充電需求量的確定與總電動(dòng)汽車保有量和各區(qū)的占比有關(guān)。圖1為深圳市各區(qū)電動(dòng)汽車?yán)塾?jì)充電量對(duì)比圖，當(dāng)以區(qū)為單位計(jì)算時(shí)，可直接以圖1中的比例估算各區(qū)充電需求量：

圖1 深圳市各區(qū)電動(dòng)汽車?yán)塾?jì)充電量對(duì)比圖

一般計(jì)算時(shí)，可以車型為單位計(jì)算總需求量，這樣式（1）就化為式（2），其中為投入使用的電動(dòng)汽車車型集合為車型的車輛數(shù)為響應(yīng)充電需求。

2.2 充電服務(wù)半徑確定

充電服務(wù)半徑的確定通過(guò)市售電動(dòng)汽車的續(xù)航里程及其平均荷電狀態(tài)確定。設(shè)市售電動(dòng)車中最短的續(xù)航里程為，這種車型在第i個(gè)區(qū)域中對(duì)應(yīng)的平均荷電狀態(tài)為，則可以推出充電站的服務(wù)半徑為：

2.3 充電站選址定容模型

充電站選址定容按照網(wǎng)絡(luò)規(guī)劃要求展開(kāi)，規(guī)劃目標(biāo)為滿足充電需求的情況下達(dá)到最小的建設(shè)成本。在規(guī)劃之初，已有數(shù)據(jù)為備選充電站點(diǎn)集合、充電站點(diǎn)建設(shè)成本集合、充電站點(diǎn)對(duì)應(yīng)供電變電所容量集合及道路集合。

規(guī)劃的工作是要找出這些充電站點(diǎn)集合，使其對(duì)應(yīng)的容量集合為，建設(shè)成本集合為，相應(yīng)供電站集合為，容量集合為，另記道路集合為，使所需求的建設(shè)成本最小。其目標(biāo)函數(shù)即為：

約束條件為：

通常不以成本最低為優(yōu)化目標(biāo)，而加入依據(jù)交通情況的交通便利度作為目標(biāo)指標(biāo)之一。此時(shí)的目標(biāo)函數(shù)就變?yōu)椋?/p>

至此便完成了充電地選址定容的模型，基于此模型提出一種基于蟻群算法概念的充電站時(shí)序建設(shè)規(guī)劃算法。

3 充電站時(shí)序建設(shè)規(guī)劃算法

在充電站選址定容之后，通過(guò)充電站時(shí)序建設(shè)規(guī)劃算法能評(píng)判充電站重要程度，從而為充電站的建設(shè)順序提供合理的參考，具體算法需要解決以下三個(gè)問(wèn)題：

3.1 電動(dòng)汽車充電負(fù)荷增加規(guī)律

在進(jìn)行電動(dòng)汽車充電站的規(guī)劃時(shí)，電動(dòng)汽車充電負(fù)荷的增加可以直接與電動(dòng)汽車銷售量的增加掛鉤。2018年度新能源汽車銷售情況如圖2所示。由圖2可以看出在補(bǔ)貼政策正式執(zhí)行前，新能源汽車銷售量已經(jīng)在穩(wěn)步提升，5月新能源乘用車銷量達(dá)9.2萬(wàn)輛，同比增長(zhǎng)141%。電動(dòng)汽車持有量在近幾年內(nèi)會(huì)不斷增加，之后將趨于穩(wěn)定。

在進(jìn)行充電站建設(shè)的規(guī)劃時(shí)，具體的充電負(fù)荷分布情況是很難模擬的。因此，以充電站點(diǎn)作為充電負(fù)荷增長(zhǎng)點(diǎn)。對(duì)于已經(jīng)建成的充電站，按照銷量的一定比例增加其日常充電負(fù)荷。對(duì)于尚未建成的充電站將同樣選擇部分站點(diǎn)的位置處直接增加一定量負(fù)荷，將這些站點(diǎn)稱為虛擬站點(diǎn)，由于此處沒(méi)有充電站，所以這一部分的負(fù)荷必須分布到已有的充電站或是即將建設(shè)的充電站中。

圖2 2018年度新能源汽車銷售情況圖

3.2 單一充電站新建策略

當(dāng)只需要增加一個(gè)充電站時(shí)，可以允許對(duì)于所有可能新建設(shè)的充電站點(diǎn)進(jìn)行目標(biāo)函數(shù)計(jì)算（這個(gè)操作稱為遍歷）。通過(guò)不同充電站點(diǎn)充電負(fù)荷的增加量以及所有擁有充電負(fù)荷的充電站點(diǎn)與所選的可能新建站點(diǎn)之間的相對(duì)位置關(guān)系，可以確定遍歷所要尋找的目標(biāo)函數(shù)：

此處的遍歷是必要的，因?yàn)殡S機(jī)產(chǎn)生的虛擬站點(diǎn)新增負(fù)荷可能產(chǎn)生于任何地方，而由于該站點(diǎn)與現(xiàn)有充電站點(diǎn)的相對(duì)距離很大，帶來(lái)的結(jié)果是，一個(gè)極其偏遠(yuǎn)地區(qū)的負(fù)荷也可能成為首先要建設(shè)新增充電站。

此外，由于可能新建充電站點(diǎn)的容量不同，建設(shè)時(shí)還存在一個(gè)經(jīng)濟(jì)性的問(wèn)題。當(dāng)充電負(fù)荷增加10%，容量較大的充電站將會(huì)長(zhǎng)時(shí)間閑置很多的充電樁，而容量較小的充電站可能無(wú)法滿足新增的充電需求。當(dāng)然在分時(shí)電價(jià)的影響下這類問(wèn)題被大大縮小了，但仍需要細(xì)化循環(huán)步長(zhǎng)，并添加約束條件。

3.3 充電站群集體建設(shè)策略

擴(kuò)建一處的充電站可以通過(guò)遍歷實(shí)現(xiàn)，而要將擴(kuò)建的策略應(yīng)用于所有可以增加的充電站點(diǎn)則會(huì)顯得非常困難，因?yàn)槿绻A(yù)計(jì)要新增600個(gè)站點(diǎn)，則需要進(jìn)行600的階乘次遍歷。算法效率低僅為次要原因，隨機(jī)產(chǎn)生的虛擬站點(diǎn)還將由原本的隨機(jī)變?yōu)楸厝?，因?yàn)樵谒械谋闅v過(guò)程中，每次產(chǎn)生的虛擬站點(diǎn)都成為了必然會(huì)出現(xiàn)的虛擬站點(diǎn)，這并不是所希望看到的。

因此，通過(guò)變形的隨機(jī)森林來(lái)完成充電站群的建設(shè)策略。首先要用到的便是隨機(jī)森林的bagging算法。其次，參考蟻群算法的“信息素”概念，為森林中的每一棵“樹(shù)”，按照表示充電站建設(shè)順序的樹(shù)節(jié)點(diǎn)打分。最后將“樹(shù)”的輸出統(tǒng)合，完成整個(gè)森林的輸出，也即充電站群的規(guī)劃建設(shè)方案。

（1）通過(guò)bagging算法抽取足夠多的站點(diǎn)信息集，信息中包含站點(diǎn)位置以及容量；

（2）根據(jù)電動(dòng)汽車充電負(fù)荷的增加規(guī)律設(shè)置循環(huán)步長(zhǎng)；

（3）逐漸推移時(shí)間，按照單一充電站的新建策略，對(duì)每個(gè)站點(diǎn)信息集進(jìn)行遍歷，得到每個(gè)站點(diǎn)信息集中的站點(diǎn)建設(shè)順序，可將其視為“樹(shù)”；

（4）按照固定的打分策略對(duì)每個(gè)站點(diǎn)信息集中的站點(diǎn)按其建設(shè)順序進(jìn)行打分；

（5）在總體站點(diǎn)信息集中，總和森林中的每棵“樹(shù)”的分?jǐn)?shù)，取平均得到總體的站點(diǎn)分?jǐn)?shù)；

（6）將各個(gè)站點(diǎn)的分?jǐn)?shù)按照5個(gè)區(qū)間進(jìn)行劃分，便能得到最終的充電站群的規(guī)劃建設(shè)方案。

分?jǐn)?shù)由高到低為最先一批要建設(shè)的充電站到最后一批要建設(shè)的充電站，至此，充電站的規(guī)劃算法便已完成。

圖3 時(shí)序規(guī)劃算法流程圖

4 算例分析

4.1 充電站時(shí)序規(guī)劃仿真

圖5 充電站建設(shè)時(shí)序規(guī)劃方案示意圖

在完成選址定容之后，對(duì)深圳市擬建的充電站建設(shè)通過(guò)變形的隨機(jī)森林算法進(jìn)行規(guī)劃，設(shè)置充電負(fù)荷按照每步10%的速率增長(zhǎng)，而將在未建成的充電站中隨機(jī)挑選10%設(shè)立虛擬站，負(fù)荷按照現(xiàn)有負(fù)荷的5%～15%隨機(jī)挑選。充電站信息集每次獲取400個(gè)未建成充電站的信息，總共抽取50個(gè)充電站信息集。打分規(guī)則按從最先至最后建設(shè)的充電站，為400分至1分。

由此得到的充電站建設(shè)規(guī)劃方案如圖5所示。圖中藍(lán)點(diǎn)表示已經(jīng)建成的充電站，而紅點(diǎn)、橙點(diǎn)、黃點(diǎn)、綠點(diǎn)、灰點(diǎn)從前至后分別表示擬建充電站的重要程度，由前至后排列安排建設(shè)。工作者可以根據(jù)實(shí)際情況選擇每個(gè)充電站的具體建設(shè)順序。

這種規(guī)劃方案為充電站的實(shí)際建設(shè)提供了參考。同時(shí)，對(duì)充電站的規(guī)劃與其他規(guī)劃如建筑、道路等聯(lián)動(dòng)，實(shí)現(xiàn)更宏觀的規(guī)劃方案。

5 結(jié)論

電動(dòng)汽車的使用是緩解能源危機(jī)以及環(huán)境污染的一項(xiàng)重要舉措。在政策的大力支持下，近年來(lái)電動(dòng)汽車銷量穩(wěn)步提升。對(duì)此本文提出了基于結(jié)合Bagging算法以及蟻群算法的電動(dòng)汽車充電站時(shí)序規(guī)劃算法，為電動(dòng)汽車充電站的布局規(guī)劃等提供了以下有效的支持：

（1）電動(dòng)汽車保有量仍在不斷增長(zhǎng)，因此充電設(shè)施的完善，充電站的合理布局建設(shè)是必要的；

（2）提出了充電站選址定容策略以及基于bagging算法和蟻群算法的時(shí)序規(guī)劃算法，構(gòu)成充電站規(guī)劃體系；

（3）通過(guò)仿真驗(yàn)證了提出的充電時(shí)序規(guī)劃算法能有效地對(duì)擬建充電站進(jìn)行時(shí)序規(guī)劃，為建設(shè)者提供合理的參考。

奉賢區(qū)召開(kāi)鍋爐脫硝改造對(duì)接會(huì)

10月30日，奉賢區(qū)召開(kāi)“奉賢區(qū)鍋爐低氮燃燒改造技術(shù)對(duì)接會(huì)”，12個(gè)鎮(zhèn)、街道、開(kāi)發(fā)區(qū)，80家單位約100多人參加。上海市能效中心作相關(guān)政策解讀、技術(shù)路線介紹；奉賢區(qū)環(huán)保局通報(bào)相關(guān)情況；上海綠徹新能源等5家公司介紹了先進(jìn)脫硝技術(shù)裝備和第三方服務(wù)的成功案例。

近期，奉賢區(qū)政府為加快推進(jìn)區(qū)內(nèi)400多臺(tái)鍋爐脫硝改造工作，建立“脫硝工作群”，并赴各鎮(zhèn)（街道）調(diào)研，深入企業(yè)落實(shí)改造計(jì)劃。據(jù)悉，此次將由奉賢區(qū)政府牽頭，協(xié)調(diào)區(qū)建交委、市場(chǎng)監(jiān)管、電力、燃?xì)?、商?wù)、醫(yī)院、消防等部門共同做好鍋爐脫硝改造工作。