基于云重心理論的電動汽車充電站選址方法

彭澤君，蘭劍，陳艷，鄒芹，賈樂剛，楊軍

(1.武漢供電公司，武漢市 430010；2.武漢大學電氣工程學院，武漢市 430072)

(1. Wuhan Power Supply Company, Wuhan 430010, China;2. School of Electrical Engineering, Wuhan University, Wuhan 430072, China)

?

基于云重心理論的電動汽車充電站選址方法

彭澤君1，蘭劍1，陳艷1，鄒芹1，賈樂剛2，楊軍2

(1.武漢供電公司，武漢市 430010；2.武漢大學電氣工程學院，武漢市 430072)

對于電動汽車充電站的建設，前期選址工作直接影響到后期充電站的運營效益、服務質量等方面，因此必須采用科學的方法進行評估和決策。綜合考慮影響充電站選址的相關因素，建立電動汽車充電站選址評估指標體系，提出基于云重心理論的電動汽車充電站選址規劃評估方法，將定量指標和定性指標分別進行處理并建立相應的云模型，應用加權偏離度來評判充電站地址偏離理想狀態的程度，并依據評語集給出評估結果。以某地區10個備選電動汽車充電站站址為例進行計算可知：該方法能夠全面考慮充電站選址的相關因素，綜合處理定量指標和定性指標，從而確定充電站的最優建站地址，為充電站選址規劃提供了科學依據。

電動汽車；充電站選址；云重心理論；加權偏離度

0 引 言

電動汽車的大規模發展對于改善環境、緩解石油能源危機具有重要的意義。然而，制約電動汽車大規模發展的一個重要原因是充換電設施建設的滯后和不完善[1]，這些因素大大降低了電動汽車的推廣力度，也嚴重影響了消費者的購買意愿。迅速建設一批充電站等配套服務設施，對于電動汽車的推廣和普及具有重要意義。對于電動汽車充電站的建設，前期選址工作非常重要，直接影響到后期充電站的運營效益、服務質量等方面，必須采用科學的方法進行評估和決策。

在此背景下，電動汽車充電站選址規劃的研究成為了一個很重要的問題[2-3]。文獻[4]分析了整車充電系統和地面充電系統的優缺點，并從充電站的安裝容量、外部接入方式及其影響因素等角度，對充電站的規劃建設問題作了初步研究。文獻[5]對充電站的布局規劃問題，提出了應滿足充電站服務半徑要求，與電動汽車交通密度、充電需求分布、城市總體規劃、道路規劃相配合等的原則性建議。文獻[6]構造了一種適用于區域電動汽車充電站規劃的優化模型，該模型以候選站址與變電站之間的距離、充電站安裝費用和電動汽車數量為約束條件，以投運至目標年充電站運營收益最大化為目標。

到目前為止，國內外在充電站選址規劃方面的研究還處于初級階段，尚未形成完整、系統的充電站規劃模型和方法。電動汽車充電站選址需要考慮的因素有很多，不僅需要考慮現有電網結構、可用容量、負荷等電力因素[7]，還需要考慮站址建設的經濟性以及附近的交通便利性等非電力因素[8]。針對以上問題，本文綜合考慮這些因素，建立了電動汽車充電站選址評估指標體系，提出了基于云重心理論[9]的電動汽車充電站選址規劃評估方法，將定量指標和定性指標分別進行處理并建立相應的云模型，應用加權偏離度來評判充電站地址偏離理想狀態的程度，并依據評語集給出評估結果。通過對某地區10個備選地址的實例計算與分析，驗證了該方法的可行性和有效性。

1 電動汽車充電站選址評估指標體系

1.1 指標體系的建立

電動汽車充電站選址評估的指標體系應考慮不同選址區域的客觀差異，使評價滿足合理性和可比較性[10]。本文結合相關技術規范，綜合考慮多方面因素，從電網指標、交通指標、經濟指標和規劃指標等4個方面出發，構建了如圖1所示包含3個層次共12個指標組成的指標體系。

圖1 電動汽車充電站選址規劃評估指標體系

1.2 指標體系說明

在經濟指標方面：建設總投資費用包括土地成本、拆遷費用、設備和工程投資[11]；月運行費用包括每月充電站工人工資、電費、財務費用、營業稅、電池攤銷等費用；盈利水平按月利潤計算，為每月營業收入減去月運行費用。

在交通指標方面：主要從電動汽車充電站所處位置的主干道情況、道路狀況、車道數、路口數等情況來衡量交通便利性[12]；服務能力指電動汽車充電站每天可為多少輛各種電動汽車進行充電服務，以及日充電量及充電站最大充電量等主要因素；服務半徑則指充電站覆蓋的可充電區域距離，可結合人口密度考慮。

在規劃指標方面：與城市路網規劃的協調性主要考慮城市主要干線相交處、城市各主要出入口道路及公路相交處、重要的人口居住區及城市規劃的主要功能分區[13]，這4點是與城市路網規劃保持協調性的關鍵；對于充電站布局規劃，如果與城市電網規劃協調發展，可以提高充電站電能供應的安全性和穩定性，為充電站運營提供可靠的電力供應[14]，該指標要充分參考當地的電網規劃綱要。

本文所建立的電動汽車充電站選址規劃評估指標體系既包括定量指標也包括定性指標[15-16]，其中電網指標和經濟指標下的7個子指標為可量化指標，而交通指標和規劃指標由于難以具體量化，應作為定性指標處理。對于定性指標，可以采用專家測評法，供云重心理論評價處理；對于定量指標，可以通過建立隸屬函數[17]來形成標準化分數，供云重心理論評價處理。

2 基于云重心理論的電動汽車充電站選址規劃評估模型

2.1 云理論介紹

云理論的主要特點在于將模糊性和隨機性特征集成在一起，解決了系統定性概念與定量數值之間的不確定性轉換問題。

定義論域U為一個精確的定量數值集的集合U={x}。T是與U相聯系的定性概念。若U中元素x對T的隸屬度(或稱x與T的相容度)是具有穩定傾向的隨機數，則u(x)在論域U上的分布稱為隸屬云，簡稱云(cloud)。其中，u(x)取值范圍為[0,1]，云是指從論域U到區間[0,1]的映射，即

(1)

映射u(x)稱為T的云模型，其中的每一個x稱為一個云滴。大量的云滴可以組成云。云可以是一維的，也可以是多維云，主要取決于論域U的維數。

云模型用3個數字特征期望Ex、熵En和超熵He來表征概念的整體特性。其中，期望Ex是最能夠代表這個定性概念的點，是云的重心位置，反映定性概念的中心值。云重心可表示為T=a×b，a表示云重心位，b表示云重心高度。云重心位置即反映定性概念中心值的期望，云重心高度反映相應的云在系統中的權重。云重心的改變取決于期望值和權重的變化，一個系統的狀態變化可以通過云重心的改變來度量。

2.2 基于云重心理論的評價過程

(1)根據評價目的分層建立各級評價指標：U={U1,U2,…,Un}，其中Ui(i∈[1,n])為系統一級指標的第i個指標；Ui={Ui1,Ui2,…,Uin}，其中Uij(i∈[1,m])是Ui第j個指標；Uij={Uij1,Uij2,…,Uijn}，Uijk是Uij的第k個指標；依次類推，可確定多層評價指標體系。

(2)評語集云模型。由專家確定指標的評語集，如評語集{好，良好，一般，較差，差}，規定S所對應的數域為[0，100]，表1為S對應數域的變化區間。其云模型表示的計算公式如下：

(2)

式中Exi、Eni分別為某個定性評語的期望和熵。

表1 各定性評語的數域變化區間

Table 1 Number field change interval for each qualitative comment

(3)云模型指標計算。

1)定量指標的云模型表示。

針對本文的充電站選址評估問題，對于可以量化的數據，提取n組樣品組成決策矩陣，那么n個精確數值型的指標就可以用一個云模型來表示。其中：

(3)

(4)

式中：Ex1～Exn為各指標量的值。

2)定性指標的云模型表示。

各評判專家對某一定性指標按照評語集給出如優秀、良好等評語。設有n位專家，則某一定性指標可獲得n組評語，把每組評語按照式(2)求出其云模型的期望和熵，那么此定性指標的n組評語可以用1個一維云模型來表示：

(5)

(6)

因此，有N個定性指標的系統可以用1個N維綜合云表示。

(4)確定指標權重。

指標權重是以定量方式反映各項指標在整體中所占的比重，本文采用平均權重來確定各指標權重。

(5)求加權綜合云的云重心向量。

m個性能指標可用m個云模型來描述，則m個指標所反映的系統狀態就可用1個m維綜合云來表示。當m個性能指標發生變化時，該m維綜合云的形狀亦發生變化，云重心也會隨之改變。m維綜合云的重心T用m維向量表示：

(6)計算加權偏離度。

(8)

經過歸一化之后，表征系統狀態的綜合云重心向量均為有大小、有方向、無量綱的值。把各指標歸一化后的向量值乘以權重值，然后再相加，得到加權偏離度θ的值，即

(9)

式中：0≤θ≤1；wi為第j個單項指標的歸一化權重值。

(7)確定備選站址的評價結果。

對于電動汽車充電站的選址規劃結果評語集分為5個類別：差、較差、一般、良好和好，將各級評語置于連續的語言值標尺上，并將每個評語值都用云模型來實現，構成一個定性評測的云發生器(如圖2所示)。對于一個具體的案例將求得的加權偏離度值輸入定性評測云發生器中，通過激活某個云來確定評估模型的最終評語。

圖2 定性評測云發生器

將系統的理想狀態視為好，則θ值越小則表示系統在某狀態下與理想狀態越接近，性能越好，反之亦然。

3 算例驗證

基于某地區實際數據，本文應用所提出的充電站選址指標體系和基于云重心理論的電動汽車充電站選址規劃評估方法，對10個電動汽車充電站的備選站址進行評估計算，得出最優站址。

評分標度采用百分制。電網指標和經濟指標中的7個子指標的隸屬函數(評分值)如表2所示。

根據所選取的電網的實際數據，將這10個備選充電站的等值模型加入到所選電網進行仿真計算和規范化處理，得到的電網指標下的各子指標規范化值如表3所示。

將經濟指標下的定量值經規范化處理，得到的經濟指標下的各子指標規范化值如表4所示。

運用云重心理論對規范化定量數據進行處理計算，可得到10個備選站址下的電網指標和經濟指標的加權偏離度，計算結果如表5所示。

表2 電網指標和經濟指標下的評價標準

Table 2 Evaluation standard under power grid index and economy index

表3 電網因素下各指標的規范化定量數據

對于定性指標中交通指標的計算，采用專家測評法處理，共選取6位專家參加測評。以備選地址1為例，其各指標測評結果見表6(因篇幅所限，其他備選地址的專家測評數據省略)。

表4 經濟因素下各指標的規范化定量數據

Table 4 Quantitative data of standardization under economy index

表5 經計算后的電網指標和經濟指標下的加權偏離度

表6 交通因素下的6位專家對選址1評判結果

公式(2)計算得到的評語集的云模型見表7。

將其置于連續的數域區間[0，100]上，其對應的變化區間見表8。

表7 評語集的云模型

Table 7 Cloud model of comment set

表8 評語集所對應的數域變化區間

表9 交通指標和規劃指標下的各站址的加權偏離度

Table 9 Weighting deviation degree of each location under traffic index and planning index

將各個備選站址的綜合加權偏離度輸入云發生器，生成的云圖如圖3所示。

從圖3中可以得出充電站備選站址從好到差依次為：6、4、8、1、3、2、9、10、5、7。其中備選站址6和4都介于好與良好之間，為最優的建站地址。

表10 各備選站址的綜合加權偏離度

Table 10 Comprehensive weighting deviation degree of alternative station location

圖3 電動汽車充電站10個站址的規劃評估云圖

4 結 論

對電動汽車充電站進行科學的選址規劃評估是推動電動汽車充電站建設的前提。本文提出了用云理論來解決充電站選址評估過程中的定性描述與定量表示的轉換問題，建立了電動汽車充電站選址評估指標體系，提出了基于云重心理論的電動汽車充電站選址規劃評估方法。某地區10個備選電動汽車充電站站址計算結果表明，該方法能夠考慮充電站選址的各個相關因素，綜合處理定量指標和定性指標，進而確定充電站的最優建站地址，為充電站選址規劃提供了科學的指導。

[1]孫小慧，劉鍇，左志，等.考慮時空限制的電動汽車充電站布局模型[J].地理科學進展，2012，3l(6)：686-692. Sun Xiaohui，Liu Kai，Zuo Zhi，et al.A spatiotemporal location model for locating electric vehicle charging stations[J].Progress in Geography，2012，3l(6)：686-692.

[2]葛少云,馮亮,劉洪,等.電動汽車充電站規劃布局與選址方案的優化方法[J].中國電力,2012,45(11):96-101. GE Shao-yun , FENG Liang , LIU Hong , et al.An Optimization Approach for the Layout and Location of Electric Vehicle Charging Stations[J].Electric Power,2012,45(11):96-101.

[3]高亞靜,郭艷東,李天天.城市電動汽車充電站兩步優化選址方法[J].中國電力,2013,46(8):143-147. GAO Ya-jing , GUO Yan-dong , LI Tian-tian.Optimal Location of Urban Electric Vehicle Charging Stations Using a Two-Step Method[J].Electric Power,2013,46(8):143-147.

[4]康繼光，衛振林，程丹明，等.電動汽車充電模式與充電站建設研究[J].電力需求側管理，2009，11(5)： 64-66. Kang Jiguang，Wei Zhenlin，Cheng Danming，et al.Research on electric vehicle charging mode and charging stations construction[J].Power Demand Side Management，2009，11(5)：64-66.

[5]徐凡，俞國勤，顧臨峰，等.電動汽車充電站布局規劃淺析[J].華東電力，2009，37(10)：1678-1682. Xun Fan，Yu Guoqin，Gu Lingfeng，et al.Tentative analysis of layout of electrical vehicle charging stations[J].East China Electric Power，2009，37(10)：1678-1682.

[6]寇凌峰，劉自發，周歡.區域電動汽車充電站規劃的模型與算法[J].現代電力，2010，27(4)：44-48. Kou Lingfeng，Liu Zifa，Zhou Huan.Modeling algorithm of charging station planning for regional electric vehicle[J].Modem Electric Power，2010，27(4)：44-48.

[7]馮超，周步祥，林楠.Delphi和GAHP集成的綜合評價方法在電動汽車充電站選址最優決策中的應用[J].電力自動化設備，2012，32(9)：25-29. Feng Chao，Zhou Buxiang，Lin Nan.Application of comprehensive evaluation method integrating Delphi and GAHP in optimal siting of electric vehicle charging station[J].Electric Power Automation Equipment，2012，32(9)：25-29.

[8]劉自發，張偉，王澤黎.基于量子粒子群優化算法的城市電動汽車充電站優化布局[J].中國電機工程學報，2012，32(22)：39-42. Liu Zifa，Zhang Wei，Wang Zeli.Optimal planning of charging station for electric vehicle based on Quantum PSO algorithm[J].Proceedings of the CSEE，2012，32(22)：39-42.

[9]李德毅.隸屬云和隸屬云發生器[J].計算機研究與發展，1995，32(6)：15-20. Li Deyi.Membership clouds and membership cloud generators[J].Computer Research and Development，1995，32(6)：15-20.

[10]馬麗云.基于云重心理論的供電企業安全評價方法 [J].華東電力，2011，39(8)：1371-1373. Ma Liyun.Safety assessment method for electric power supply corporations based on cloud barycenter theory [J].East China Electric Power，2011，39(8)：1371-1373.

[11]任玉瓏.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(13)：53-57. Ren Yulong.Optimal distribution and scale of charging stations for electric vehicles[J].Automation of Electric Power Systems，2011，35(13)：53-57.

[12]馮超，周步祥，林楠，等.電動汽車充電站規劃多種群混合遺傳算法[J].電力系統及其自動化學報，2013，25(6)：123-129. Feng Chao，Zhou Buxiang，Lin Nan，et al.Electric vehicle charging station planning based on multiple-population hybrid genetic algorithm[J].Proceedings of the CSU-EPSA，2013，25(6)：123-129.

[13]范永根，錢維忠.電動汽車充電設施規劃和建設的探討[J].華東電力，2010，38(111)：1671-1674. Fan Yonggen，Qian Weizhong.Discussion on the planning and construction of charging facilities for electric vehicles[J].East China Electric Power，2010，38(111)：1671-1674.

[14]吳春陽，黎燦兵，杜力，等.電動汽車充電設施規劃方法[J].電力系統自動化，2010，34(24)：36-39. Wu Chunyang，Li Canbing，Du Li，et al.A method for electric vehicle charging infrastructure planning [J].Automation of Electric Power Systems，2010，34(24)：36-39.

[15]劉志鵬，文福栓，薛禹勝，等.電動汽車充電站的最優選址和定容[J].電力系統自動化，2012，36(3)：54-59. Liu Zhipeng，Wen Fushuan，Xue Yusheng，et al.Optimal siting and sizing of electric vehicle charging stations[J].Automation of Electric Power Systems，2012，36(3)：54-59.

[16]邱進煊，高春雷，王林信.電動汽車充電設施選址的模糊評價方法[J].電力與電工，2012，32(2)：1-3. Qiu Jinxuan，Gao Chunlei，Xang Linxin.Fuzzy estimation for site selection of charging infrastructures for electric vehicles[J].Dianli Yu Diangong，2012，32(2)：1-3.

[17]劉小艷.隸屬函數的確定及應用[J].智能系統學報，2010，11(8)：8831-8832. Liu Xiaoyan.The determination of membership function and use[J].CAAI Transactions on Intelligent Systems，2010，11( 8)：8831-8832.

(編輯:張媛媛)

EV Charging Station Sitting Method Based on Cloud Focus Theory

PENG Zejun1, LAN Jian1, CHEN Yan1, ZOU Qin1, JIA Legang2, YANG Jun2

For the construction of electric vehicle (EV) charging station, the sitting of EV charging station is very important to the operation benefit, the service quality, etc. So it is necessary to use scientific method for the evaluation and decision of EV charging station sitting. Comprehensively considering the related factors of the charging station sitting, this paper constructed the evaluation index system for the sitting of EV charging station, proposed the planning evaluation method based on the cloud focus theory, and used quantitative index and qualitative index to process and build corresponding cloud models, respectively. The weighting deviation degree was introduced to judge the deviation degree of EV charging station from the ideal position, and the assessment results could be obtained according to the remark set. Taking ten alternative locations of EV charging station as examples, the calculation results show that the proposed method can comprehensively consider the related factors of the charging station sitting and process quantitative index and qualitative index, then, determine the optimal location of charging station, which can provide scientific basis for charging station sitting planning.

electric vehicle; sitting of charging station; cloud focus theory; weighting deviation degree

Ex=(Ex1+Ex2+…+Exn)/n

En=En1+En2+…+Enn

Τ=(Τ1,Τ2,…,Τm)=a×b

國家自然科學基金項目(51277135)。

(1. Wuhan Power Supply Company, Wuhan 430010, China;2. School of Electrical Engineering, Wuhan University, Wuhan 430072, China)

TM 715，U 469.72

A

1000-7229(2015)04-0001-07

10.3969/j.issn.1000-7229.2015.04.001

2014-12-01

2015-01-12

彭澤君(1966)，男，工學碩士，高級工程師，主要從事電力系統運行與控制方面的研究工作；

蘭劍(1974)，男，博士，高級工程師，主要從事電力系統運行與控制方面的研究工作；

陳艷(1973)，女，工學碩士，高級工程師，主要從事電力系統運行與控制方面的研究工作；

鄒芹(1976)，女，工學碩士，高級工程師，主要從事電力系統運行與控制方面的研究工作；

賈樂剛(1987)，男，碩士研究生，本文通信作者，研究方向為電力系統運行與控制；

楊軍(1977)，男，博士，副教授，研究方向為電力系統保護與控制。

Project Supported by National Nature Science Foundation of China(51277135).