電動汽車充電站規劃方案的模糊物元評估方法

譚洋洋，楊洪耕，徐方維，張曦

(四川大學電氣信息學院，成都市 610065)

電動汽車充電站規劃方案的模糊物元評估方法

譚洋洋，楊洪耕，徐方維，張曦

(四川大學電氣信息學院，成都市 610065)

科學合理地規劃城市電動汽車充電站是大規模電動汽車與智能電網友好互動的重要前提。基于模糊物元理論實現電動汽車充電站規劃方案評估。分析了城市電動汽車充電站規劃特征，構建了備選充電站評價指標體系。利用模糊物元分析法求解多個備選點的最優模糊物元序列，并將該序列作為參考序列。采用熵權法獲得備選點對應評價指標的權重，通過灰色關聯分析法計算備選點的加權灰色關聯度，并依據關聯度大小確定電動汽車充電站規劃方案。最后，算例仿真結果驗證了所提方法的合理性和可行性。

電動汽車；充電站規劃；模糊物元理論；熵權法；灰色關聯分析法；加權灰色關聯度

0 引 言

近年來，隨著我國社會發展水平不斷提高，電動汽車保有量逐年遞增，國內電動汽車充電技術也正在從“小容量、小規模”的研究與示范向“大容量、大規模”應用發展[1-2]。隨著國家電網公司允許社會資本投資和運營充電站，企業主導模式(即電動汽車研制和生產企業或社會企業投資充電站的模式)成為主流。

電動汽車充電站規劃問題是城市電動汽車大規模化應用的重要研究課題之一。充電站選址規劃具有多準則、不相容等特點，所涉及的因素和指標較多，不恰當的選址和容量配置有可能影響城市交通網絡結構和充電用戶的便利出行，也可能導致電能質量問題，進而影響電動汽車的推廣與應用。國內外學者對電動汽車充電站規劃問題進行了大量研究[3-10]。文獻[5]針對規劃區域內配網負荷要求和用戶充電需求，將規劃區劃分為多個區域并提出一種適合區域電動汽車充電站規劃模型，該模型采用層次分析法確定待選地址權重，以充電站建設投資總費用為目標函數。文獻[6]分析了充電站選址規劃的影響因素，提出充電站負荷率、投資回收期、充電行駛里程和綜合滿意度4類評價指標對充電站規劃的經濟性進行綜合評估。文獻[7]從電網指標、交通指標、經濟指標和規劃指標等角度出發，結合云重心理論構建了充電站規劃評估方法，將定量指標和定性指標分別進行處理并建立相應云模型，應用加權偏離度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。文獻[8]針對各類充電汽車充電模式進行了詳細分析，提出了充電負荷預測模型；對研究區域進行區劃，選取充電需求較高的區域，并確定充電需求系數，進而建立電動汽車充電站最優選址規劃模型。文獻[9]計及電動汽車充電站運營周期內充電站成本效益及全壽命周期成本，利用車流量信息估計充電站容量，建立以交通路網車流量、電網電能質量和經濟性、充電用戶需求為約束條件，以充電站運營商凈現值收益為目標函數的電動汽車充電站規劃模型。文獻[10]研究了電動出租車隨機行為，以出租車行為特性與需求分布、配電網結構及容量為約束條件，以充電站建設費用、設備維護費用、網損費用和充電行為時間成本等總費用為目標函數建立充電站規劃模型。現有研究成果已初步形成了充電站規劃的基本理論，對實際規劃具有重要的指導意義。但現有文獻對充電站規劃方案目標的分析缺乏綜合考慮，忽略了企業主導模式下社會企業投資充電站所考慮的選址因素與電力公司主導模式下選址因素的差異，導致充電站選址不合理。

首先，該文深入分析影響城市電動汽車充電站規劃的因素，建立充電站規劃方案的評價指標體系；其次，對備選點進行定性分析和定量計算，建立多維復合模糊物元矩陣，根據評價指標的隸屬度計算方法求解得到隸屬度矩陣，并選擇各評價指標的隸屬度的最大值作為最優模糊物元序列；再次，結合熵權法和灰色關聯分析法計算各個規劃方案的加權灰色關聯度，按關聯度大小排序選擇電動汽車充電站規劃方案。最后，通過仿真分析和與其他方法對比進行驗證。

1 充電站規劃評價指標體系

充電站作為城市電動汽車能量交換中心，在滿足充電用戶需求方面起著非常重要的作用。科學合理的充電站規劃方案直接影響整個城市充電服務網絡的運行效益，也會影響城市配電網、城市交通安全。因此，兼顧電動汽車充電站選址過程中社會投資者經濟效益、電網公司經濟效益以及充電用戶經濟效益，才能推動電動汽車的大規模應用。

1.1 電動汽車充電站規劃影響因素分析

影響電動汽車充電站規劃方案的因素很多，綜合起來可以概括為以下幾個方面。

(1)電動汽車充電站應建設在城市主干道、交通樞紐以及鄰近重要公路，這些地區車流量大，消耗電量也較大。

(2)電動汽車充電站應具備便利的進出口通道，既要方便車輛充電，又要避免干擾交通運輸，提高城市道路的通行能力。

(3)電動汽車充電站規劃既要一定的規模滿足城市充電用戶的需求，又要將充電站規劃成本控制在合理的范圍內，以實現較好的投入產出比，這是吸引投資者建站的前提和基礎。

(4)電動汽車充電站分布應避免過于集中而造成資源浪費，應保證有充足的車輛進站充電。

(5)電動汽車充電站可看作大型充電負荷，站內充電設備運行時應避免對電網造成沖擊。企業主導模式下，社會企業新建的充電站可看作大型用戶。首先，電力公司會對該大型用戶接入配電網后諧波污染程度、配電網負載率、電壓水平和網損等指標進行評估；然后，電力公司根據評估結果要求該大型用戶就地治理諧波直至滿足國家標準。因此，投資者應重點考慮充電站的諧波污染程度。

1.2 電動汽車充電站選址評價指標體系

綜合考慮城市電動汽車充電站規劃過程中社會效益、投資者經濟效益和充電者經濟效益，確立了以下8個指標。

(1)設計規模。設計規模指電動汽車充電站總充電容量，一般根據充電機數量來確定。

(2)投資成本。投資成本指投資規劃整個電動汽車充電站的所有費用，包括購買土地成本、購買充電設備和配電變壓器成本、設備維修成本、供電損耗成本以及人員工資成本。實際計算中可將所有與充電機投資有關的費用通過引入折算系數折算至單臺充電機投資成本，然后再加上充電站固定投資成本，這樣投資成本和設計規模成函數關系。

(3)便利程度。便利程度指充電用戶駛向電動汽車充電站的行駛時間與站內消耗時間(含等待時間和平均充電時間)的總體時間大小。其中行駛時間和站內消耗時間可分別求取期望值得到，兩者期望值相加即為總體時間。

(4)鄰站距離。鄰站距離指待建電動汽車充電站距離現有充電站的最短距離。

(5)總車流量。總車流量指1日內經過電動汽車充電站站前的車輛總數。

(6)進站率。進站率指進入充電站進行充電的車輛占從電動汽車充電站前經過的車輛的比例。

(7)單車充電量。不同型號的電動汽車的充電量有所區別，即便是同一款電動汽車的充電量也可能不同。可通過歸類法把充電容量差不多的車輛歸為一類，對每一類的車輛取平均充電量。

(8)諧波污染程度。諧波污染程度指充電站站內設備運行時在公共連接點產生的電壓總諧波畸變率。在實際制定規劃方案時，本文將來自上級電網諧波電壓的滲透和本級電網其他諧波源考慮為背景諧波[11]，諧波污染程度僅考慮充電站本身發射的諧波，諧波污染程度可在PSCAD仿真軟件中搭建仿真模型仿真計算獲得[12]。

2 模糊物元分析法

2.1 多維復合模糊物元矩陣

物元分析[13]最早由我國學者蔡文提出，是一門介于數學和實驗分析之間的新學科，其基本思想是用“事物、特征、模糊量值”有序三元組來描述事物，把這3個元素組成的有序單元稱為物元，并用R= (M,C,V)表示。假設有m個比較事物，每個事物有n個特征，則構成m個比較事物n維復合模糊物元，其矩陣形式為

(1)

式中：Mi表示第i個比較事物(評價對象)；Cj表示比較事物的第j個特征(評價指標)；xij表示第i個比較事物的第j個特征對應的模糊量值。

2.2 隸屬度矩陣

根據物元理論，首先采用隸屬度計算方法求取復合模糊物元矩陣中模糊量值，進而將復合模糊物元矩陣轉換為隸屬度矩陣。模糊量值指標一般分為正向指標、逆向指標和固定常數指標，則評價指標的隸屬度計算也分為3類，并引入從優原則，設μ(xij)表示第i個評價對象的第j個指標的隸屬度。

(1)正向指標的隸屬度計算。

正向指標指數值越大越好的指標，根據正向指標的標準化公式[14]可得：

(2)

(2)逆向指標的隸屬度計算。

逆向指標指數值越小越好的指標，同理，根據逆向指標的標準化公式可得：

(3)

(3)固定常數指標的隸屬度計算。

固定常數指標指數值越接近某個固定常數越好的指標，其表達式為

(4)

式中c0表示固定常數。

根據以上指標的隸屬度計算，可以將復合模糊物元矩陣R轉換為隸屬度矩陣Q，其表示為

(5)

2.3 最優模糊物元矩陣

根據前文隸屬度計算方法，無論原始指標是正向指標或逆向指標，還是固定常數指標，經過式(2)—(4)變換后的指標都是正向指標。通過選取各指標的隸屬度的最大值構造最優評價對象M0的最優模糊物元矩陣Q0，其表達式為

(6)

式中μ(x0j) = max(μ(x1j),…,μ(xij), …,μ(xmj))。

3 熵權法與灰色關聯分析法

3.1 熵權法

熵(Entropy)的概念起源于熱力學，用來表示任何一種能量在空間中分布的均勻程度。熵理論[15]已經廣泛應用于概率論、信息論領域，且不同領域對熵的定義也不同。

電動汽車充電站選址決策過程中，不同的評價指標對選址決策的影響程度也不同，為了體現各評價指標的重要性，應賦予評價指標不同權重。熵權法[16]是一種客觀賦權方法，廣泛應用于指標賦權領域。根據隸屬度矩陣，采用熵權法計算指標權重具體步驟如下所述。

(1)計算各指標熵值，計算公式為

(7)

其中：

(8)

(2)計算指標的權重值并進行歸一化處理，計算公式為

(9)

3.2 灰色關聯分析法

灰色關聯分析法是建立在灰色系統理論基礎上的一種評價方法[17-18]。灰色關聯分析法基本思想是對受多種因素影響的事物和現象從整體觀念出發進行綜合評價。

根據隸屬度矩陣可得n個模糊物元序列Mi，且Mi= (μ(xi1),μ(xi2),…,μ(xin))，根據最優模糊物元矩陣可得到一個最優模糊物元序列M0= (μ(x01),μ(x02),…,μ(x0n))。本文將序列M0作為參考序列，根據灰色關聯分析理論可知，每個比較序列Mi與參考序列M0對應元素的關聯系數計算公式為

(10)

式中：ξij表示第i個評價對象對應的第j個評價指標的關聯系數；β為分辨系數，0 <β< 1，β值越小，因素間差異越大，區分能力越強，通常取0.5。

影響電動汽車充電站選址決策的因素在綜合評價中占據的重要性不同。因此，引入影響因素權重因子，進而計算第i個評價對象的每個模糊物元序列和最優模糊物元序列的加權灰色關聯度Di，即

(11)

將加權灰色關聯度從大到小排序，值越大表示所提電動汽車充電站規劃方案對影響規劃決策因素考慮越全面，越符合充電站實際規劃要求。

4 評估流程

根據前文所述，針對電動汽車充電站規劃初期提出基于模糊物元理論的電動汽車充電站規劃方案評估方法，其具體評估流程如圖1所示。

圖1 充電站規劃方案的模糊物元評估方法流程圖Fig.1 Flow chart of fuzzy matter-element method for EV charging station

5 算例分析

5.1 算例1

某市電網公司擬在新建繞城高速公路規劃建設1座電動汽車充電站，根據實際市場戰略部署和配電網絡布局，結合交通車流量、所在位置以及周圍環境情況，規劃方案提出4個待建充電站備選點。對于電動汽車充電站投資成本，本文假設投資成本是充電機數量的一次函數，且折算至單臺充電機的投資費用為10萬元/臺。對各備選地點進行實際考察后，經過行業專家測算和綜合評價，各備選地點的各項評價指標量化值見表1。

根據表1給出的各項指標值可得到4個評價對象、8個評價指標的多維復合模糊物元矩陣R為

(12)

電動汽車充電站規模需滿足一定規模，但不會越大越好，而是根據當前充電需求進行估算，屬于固定常數指標，本文固定值取13臺。投資成本越低越能吸引投資者，充電用戶能快速到達充電站并完成充電越能吸引更多的充電用戶，衡量充電站對電網造成的諧波污染程度時，對配電網絡造成的影響越小越好，所以投資成本、便利程度以及諧波污染程度3個評價指標屬于逆向指標。與相鄰充電站距離越遠越能獲得更多的充電消費者進站充電，充電站前總的車流量、進站率和單車充電量越大越能提高充電站的收益，所以總車流量、進站率和單車充電量均屬于正向指標。則根據式(2)—(4)可得到隸屬度矩陣Q的轉置矩陣QT為

表1 繞城高速電動汽車充電站備選點評價指標量化值
Table 1 Quantized values of evaluation index for EV charging station alternative points around beltway

(13)

根據式(6)得到最優模糊物元矩陣Q0為

Q0=[1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0]

(14)

首先按式(7)—(10)分別計算充電站各項評價指標歸一化處理后的權重值以及關聯系數，然后按式(11)計算各個備選充電站站點的組合加權灰色關聯度，結果列于表2中。

表2 備選點加權灰色關聯度(算例1)
Table 2 Weighted gray relational degree of alternative points(Example 1)

從表2可知，2號備選點關聯度為0.6399，明顯大于其他幾個備選點，所以選擇2號備選點作為電動汽車充電站規劃方案。

根據表1列出的評價指標，對運營商而言，可通過競爭談判等方式降低投資成本，可通過電價優惠等方式提高電動汽車進站率，可通過采用更加先進的充電技術提高單車平均充電量。因此，本文通過改變4號備選點的投資成本、進站率和單車充電量3個指標的模糊量值，其他指標模糊量值保持不變，分析上述3個指標對加權灰色關聯度的影響，分析結果如圖2所示。

圖2 各備選點關聯度與評價指標的關系Fig.2 Relationship between correlation degree of alternative points and evaluation index

根據圖2(a)可知，減少4號備選點的投資成本，2號和4號備選點的關聯度逐漸減小，當4號備選點投資總成本小于195萬元時，4號備選點的關聯度大于2號備選點的關聯度，則充電站規劃方案應選擇4號備選點作為充電站規劃地址。如圖2(b)所示，投資者采取有效激勵或優惠措施提高進站率也可達到同樣的效果。當進站率大于3.4%時，4號備選點替代2號備選點作為新的充電站規劃地址。同理，如圖2(c)所示，運營商采用先進充電技術不但能節約充電者充電時間，還能提高單車平均充電量。當4號備選點單車平均充電量大于47.5 kW·h時，4號備選點也取代2號備選點成為新的充電站規劃地址。

由此可知，各個充電站備選點對應的各項評價指標對最后電動汽車充電站規劃方案會產生較大影響。因此，實際規劃設計時應充分考慮備選點采取有效措施后計算各個評價指標量化值。

5.2 算例2

算例應用本文所提評估方法對文獻[19]所得電動汽車充電站規劃方案進行校驗，評價指標參數具體參見文獻。文獻首先對4個備選點進行定性描述，其評價指標為征地費用及難度、施工難易程度、所屬配電網線路原有負荷情況以及周圍環境情況，然后采用FAHP法并根據專家意見構建了評估指標體系。因此，本文構建的復合模糊物元矩陣中評價指標的模糊量值取專家評估值，且評價指標均是逆向指標，進而求得評價指標的隸屬度矩陣Q為

(15)

根據式(6)求得最優模糊物元矩陣Q0為

Q0=[1.000 1.000 1.000 1.000]

(16)

同理，根據式(7)—(11)計算各個備選充電站站點的組合加權灰色關聯度，結果見表3。

表3 備選點加權灰色關聯度(算例2)
Table 3 Weighted gray relational degree of alternative points(Example 2)

從表3可以看出，綜合評估后在4號備選點建設電動汽車充電站是最優規劃方法，即采用本文所提的模糊物元評估方法所得結果與文獻[19]結果一致，進一步說明了本文所提方法是可行的。

6 結 論

隨著國家政策的扶持，電動汽車的大規模應用給企業主導模式下的投資企業帶來了機遇，而充電站規劃設計卻面臨著一系列新挑戰。本文針對現有充電站規劃問題，提出一種基于模糊物元理論的電動汽車規劃方案評估方法。通過算例1發現，本文所提方法能方便快捷從充電站備選規劃方案中找出最終規劃方案。通過分析投資成本、進站率和單車充電量等可變參數對規劃結果的影響，運營商采取科學合理的激勵措施不但能調整規劃結果，還能增進投資者的收益。最后，算例2應用本文所提方法與其他文獻所提方法對比驗證了本文方法的可行性和有效性。

本文所提方法為電動汽車充電站初期規劃提供了一種全新的定量分析思路；使用伏羅諾伊圖將規劃區域劃分為多個充電服務區，在各個服務區內應用本文所提方法評估與選擇充電站站址，可實現規劃區域多個電動汽車充電站的選擇。考慮不同主體投資建設充電站所追求利益的不同、靈活的市場多主體交互機制等對電動汽車充電站規劃方案的影響是本文下一階段的研究內容。

[1]楊冰，王麗芳，廖承林.大規模電動汽車充電需求及影響因素[J].電工技術學報，2013，28(2)：22-35.

YANG Bing，WANG Lifang，LIAO Chenglin.Research on power-charging demand of large-scale electric vehicles and its impacting factors[J].Transactions of China Electrotechnical Society，2013，28(2)：22-35.

[2]羅卓偉，胡澤春，宋永華，等.大規模電動汽車充放電優化控制及容量效益分析[J].電力系統自動化，2012，36(10)：19-26.

LUO Zhuowei，HU Zechun，SONG Yonghua，et al.Coordinated charging and discharging of large-scale plug-in electric vehicles with cost and capacity benefit analysis[J].Automation of Electric Power Systems，2012，36(10)：19-26.

[3]WANG Hengsong，HUANG Quang，ZHANG Changhua，et al.A novel approach for the layout of electric vehicle charging station[C]// Proceedings of 2010 International Conference on Apperceiving Computing and Intelligence Analysis.Chengdu，China：IEEE，2010：64-70.

[4]LIU Z，WEN F，LEDWICH G.Optimal planning of electric vehicle charging stations in distribution systems[J].IEEE Transactions on Power Delivery，2013，28(1)：102-110.

[5]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].Modern Electric Power，2010，27(4)：44-48.

[6]張成，滕歡.電動汽車充電站規劃模型及評價方法[J].電力系統及其自動化學報，2014，26(1)：49-52.

ZHANG Cheng，TENG Huan.Planning model and evaluation method for electric vehicle charging station[J].Proceedings of the CSU-EPSA，2014，26(1)：49-52.

[7]彭澤君，蘭劍，陳艷，等.基于云重心理論的電動汽車充電站選址方法[J].電力建設，2015，36(4)：1-7.

PENG Zejun，LAN Jian，CHEN Yan，et al.EV charging station sitting method based on cloud focus theory[J].Electric Power Construction，2015，36(4)：1-7.

[8]楊俊，廖斌杰，王小蕾，等.基于分區需求系數的電動汽車充電設施規劃[J].電力建設，2015，36(7)：52-60.

YANG Jun，LIAO Binjie，WANG Xiaolei，et al.Planning of charging facilities of electric vehicles based on geographical zonal charging demand coefficients[J].Electric Power Construction，2015，36(7)：52-60.

[9]黃小慶，楊夯，陳頡，等.基于LCC和量子遺傳算法的電動汽車充電站優化規劃[J].電力系統自動化，2015，39(17)：176-182.

HUANG Xiaoqing，YANG Hang，CHEN Jie，et al.Optimal planning of electric vehicle charging stations based on life cycle cost and quantum genetic algorithm[J].Automation of Electric Power Systems，2015，39(17)：176-182.

[10]葛少云，李榮，韓俊，等.考慮電動出租車隨機概率行為特性的充電站規劃[J].電力系統自動化，2016，40(4)：50-58.

GE Shaoyun，LI Rong，HAN Jun，et al.Charging station planning considering probability behavior characteristic of electric taxi[J].Automation of Electric Power Systems，2016，40(4)：50-58.

[11]趙熙, 楊洪耕.基于快速獨立分量分析的系統側諧波阻抗計算方法[J].電力系統自動化，2015，39(23)：139-144.

ZHAO Xi，YANG Honggeng.Method of calculating system-side harmonic impedance based on FastICA[J].Automation of Electric Power Systems，2015，39(23)：139-144.

[12]李娜，黃梅.不同類型電動汽車充電機接入后電力系統的諧波分析[J].電網技術，2011，35(1)：170-174.

LI Na，HUANG Mei.Analysis on harmonics caused by connecting different types of electric vehicle chargers with power network[J].Power System Technology，2011，35(1)：170-174.

[13]蔡文.物元分析[M].廣州：廣東高等教育出版社，1987.

[14]郭亞軍.綜合評價理論、方法及應用[M].北京：科學出版社，2007.

[15]萬俊，邢煥革，張曉暉.基于熵理論的多屬性群決策專家權重的調整算法[J].控制與決策，2010，25(6)：907-910.

WAN Jun，XING Huange，ZHANG Xiaohui.Algorithm of adjusting weights of decision-makers in multi-attribute group decision-making based on entropy theory[J].Control and Decision，2010，25(6)：907-910.

[16]賈樂剛，楊軍.基于 AHP - 熵權法的電動汽車充電站運行能效評估[J].電力建設，2015，36(7)：209-215.

JIA Legang，YANG Jun.Running energy efficiency assessment in electric vehicle charging station based on AHP-Entropy method[J].Electric Power Construction，2015，36(7)：209-215.

[17]劉思峰.灰色系統理論的產生與發展[J].南京航空航天大學學報，2004，36(2)：267-272.

LIU Sifeng.Emergence and development of grey system theory and its forward trends[J].Journal of Nanjing University of Aeronautics and Astronautics，2004，36(2)：267-272.

[18]羅毅，李昱龍.基于熵權法和灰色關聯分析法的輸電網規劃方案綜合決策[J].電網技術，2013，37(1)：77-81.

LUO Yi，Li Yulong.Comprehensive decision-making of transmission network planning based on entropy weight and grey relational analysis [J].Power System Technology，2013，37(1)：77-81.

[19]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 Yajing，GUO Yandong，LI Tiantian.Optimal location of urban electric vehicle charging stations using a two-step method[J].Electric Power，2013，46(8)：143-147.

(編輯 張媛媛)

Fuzzy Matter-Element Assessment Method of Electric Vehicle Charging Station Planning

TAN Yangyang，YANG Honggeng，XU Fangwei，ZHANG Xi

(School of Electrical Engineering and Information, Sichuan University, Chengdu 610065, China)

The scientific and rational planning of urban electric vehicles (EVs) charging station is an important prerequisite for large-scale EVs interacting with smart grid friendly.This paper realizes the planning assessment of EV charging station based on fuzzy matter-element theory.We analyze the features of urban EV charging station, and establish the evaluation index system for alternative charging station.We adopt fuzzy-matter element analysis method to obtain the optimal fuzzy matter-element sequence with alternative points, which is taken as a reference sequence.Then, we use the entropy method to obtain the weights of alternative points corresponding evaluation index, calculate the weighted gray relational degree of alternative points through gray correlation analysis method, and determine the planning scheme of EV charging station based on the size of correlation degree.Finally, the simulation results verify the rationality and feasibility of the proposed method.

electric vehicle; charging station planning; fuzzy matter-element theory; entropy method; gray correlation analysis method; weighted gray relational degree

國家自然科學基金項目(51377111)

Project supported by National Natural Science Foundation of China(51377111)

TM 715;U 469.72

A

1000-7229(2016)09-0036-07

10.3969/j.issn.1000-7229.2016.09.005

2016-05-16

譚洋洋(1991)，男，碩士研究生，研究方向為電動汽車充電站優化配置；

楊洪耕(1949)，男，教授，博士生導師，研究方向為電能質量控制技術、電力系統穩定與控制；

徐方維(1978)，女，博士，講師，本文通信作者，研究方向為電能質量與優質供電；

張曦(1990)，男，碩士研究生，研究方向為主動配電網規劃與運行優化。