基于免疫算法的電動汽車充電站選址優化研究

耿建超

[摘 要]為了普及電動汽車，以緩解我國日益嚴重的環境能源問題，本文研究電動汽車充換電站的選址方法，旨在利用提高電動汽車充電設施的覆蓋范圍，加快電動汽車的普及發展。本文建立人們日常出行模型，模擬電動汽車用戶充電需求，同時，建立道路交通網模型，基于免疫算法和MATLAB軟件，對充換電站站址和數量進行優化選擇，從而為實現從宏觀角度規劃充換電站的布局優化提供理論方法。

[關鍵詞]免疫算法；電動汽車；站址；優化

doi：10.3969/j.issn.1673 - 0194.2017.20.089

[中圖分類號]U491 [文獻標識碼]A [文章編號]1673-0194（2017）20-0-03

1 研究背景

目前，環境污染是全世界共同關注并將持續重視的一個問題。在我國，環境污染和能源問題日益嚴峻，而在造成這些問題的眾多因素中，交通因素造成的能源消耗和污染排放占據不容小覷的比例。在此背景下，電動汽車作為新能源應用和智能電網的重要組成部分，其發展趨勢已勢不可擋。

然而，在電動汽車普及發展的過程中，仍遇到了不少的發展瓶頸，電動汽車的電池電量能否支持出行者的日常出行，這一問題成為了困擾消費者購買電動汽車的一大因素。因此，電動汽車如果要普及發展，有兩個發展途徑，一是發展電動汽車電池技術，提高電動汽車的續航能力，保證電動汽車的日常出行。二是普及電動汽車的充換電設施，使電動汽車在有需求時，盡可能隨時隨地進行充電。

因此，本文針對第二個途徑展開研究，旨在通過研究出行者的行為習慣，基于出行鏈的思想，模擬出行者日常的出行習慣，得到出行者駕駛電動汽車經常需要充電的地點分布，為電動汽車選址提供依據。本文仿真的場景是以南京六合新城地區電動出租車運行情況為實際算例，結合筆者實際調查的出行行為數據，使研究具有一定的現實意義和參考價值。

2 出行鏈思想理論概述

出行鏈是指一天之內，出行者按照時間順序，依次完成的一個或者多個出行目的地之間的關系。它指從最初出行活動的起點出發，經歷若干次出行，最后再次回到初始地的整個出行過程。典型的出行鏈如圖1所示，它包括幾個常見的出行鏈，有上班族活動于家和工作區的出行鏈，有為了娛樂休閑活動于商業區和家中的出行鏈，有休閑度假活動于商業區、景區，最后回到居民區的出行鏈。

3 出行者出行行為建模

由出行鏈可知，如果能夠模擬每天出行者出行活動的起點、終點、活動的時間段，以及活動順序，即可得到出行者完整的出行行為。

3.1 私人出行目的模型

近年來，交通出行年報的居民出行入戶調查數據顯示，在出行者的各個出行目的中，工作、上學仍然是出行者的主要目的，達到56.88%，而作為娛樂活動的購物、看電影、聚餐等活動，占到日常出行的34.73%。本文為了研究出行者的出行日常，特別將出行目的地分類成4大類：上學（目的地是學校區）、工作（目的地是工作區）、購物（目的地是商業區）、觀光旅游（目的地是景區）。

3.2 私人出行起點模型

在一個出行鏈中，本文默認為出行鏈的最初起點就是居民區（就是默認所有人都是從家里出發開始一天的活動），但在出行鏈中的其他活動中，活動的終點和起點都存在一定的關系，如果出行目的地確定后，起點可以以概率相應地確定不同功能區之間的轉移概率，見表1。

3.3 出行距離模型

出行距離也是建立出行者出行行為的關鍵因素之一，本文借鑒欒琨，雋志才，宗芳在通勤者出行方式與出行鏈選擇行為研究中提出的出行距離模型，如公式（1）所示。因為考慮大部分人每天只有一個出行鏈，因此，根據日出行距離可以得到每次活動的出行距離。根據終點功能類型，可以依據概率確定起點功能類型，而出行距離可以將出行范圍進行縮小，最后用蒙特卡洛抽樣，確定目的地和起始地的具體位置。

（1）

式中，μD=3.2，δD=0.88。

3.4 電動汽車充電需求預測

蒙特卡洛是一種隨機抽樣方法，它是通過不斷產生隨機數序列模擬過程。蒙特卡洛還可以借助概率模型，解決不直接具有隨機性的確定性問題。它是以概率論的大數法則和中心極限定理為理論基礎。

如果函數h在[a，b]中，依照某一概率分布密度反復抽取n個數ui，對每個ui都分別計算其相應的函數值h（ui），函數的期望值可以通過以下公式進行計算：

（2）

大數法則可以確保當樣本足夠多時，通過積分計算的蒙特卡洛估計值可以盡可能收斂于正確的結果。而中心極限定理可以對誤差進行估計，不管隨機變量如何分布，這些隨機變量的總和總是服從高斯分布。高斯分布可以由給定的期望值μ和方差σ2完全確定下來，通常用N（μ，σ2）表示。

（3）

4 實例分析

本文考慮筆者的實際情況，為了方便就近調研，特選取南京六合新城地區電動出租車為場景，在該地區，出租車數量為1 200輛，假設電動出租車在出租車中的占比為30%，約有360輛。本文選取比亞迪E6為典型電動出租車的代表，電動汽車參數如表2所示，考慮到出租車一直都處于工作狀態，平均荷電狀態較低，因此，本文假設SOC處于正態分布N[0.4，0.1632]，出租車因為出行路線多變，在工作過程中，不一定能夠在合適的時機尋找到充換電站以補充能量，因此需要充電的SOC一般比私家車高，本文假設當其剩余電量小于10 kWh時，就需要進行充換電。

本文將南京六合新城地區進行功能區劃分，功能系數如表3所示，功能區劃分如圖2所示。

在對南京六合地區功能區域劃分后，使用蒙特卡洛方法對充電需求進行預測，預測結果如圖2所示，隨著道路由細到粗依次變化，代表充電需求依次增加 。并且本文使用免疫算法和MATLAB軟件，在假設充換電站數量一定的情況下，對充電站站址進行尋優，免疫算法的相關參數設置見表4，優化結果（假定充換電站數量為3）如圖3所示。endprint

在充換電站站址優化后，需要對充換電站的數量進行相應的優化，畢竟充換電站數量，將直接影響充換電站站址分布情況。在此可以對充電站的覆蓋區域進行劃分，本文利用覆蓋率和適應度兩個指標，優化充換電站的數量，覆蓋率定義如公式（4）所示。

（4）

其中，C0是充電站覆蓋率；Ns是覆蓋數量，即充電站能夠服務的電動汽車車輛數；Nt是有充電需求的電動汽車總數。

優化數量結果如表5所示，本文依次將充換電站的數量從1增加到5，計算適應度值和覆蓋率，從表5可以看出，隨著充電站數量的增加，覆蓋率依次增加，但適應度值并不是單調遞增。不難想象，當充電站數量增加時，其覆蓋率勢必增加，但覆蓋率的增長速度卻不是單調遞增，也就是說，多修建一個充電站的“性價比”不是單調遞增的，因此，還是以適應度值作為衡量最優數量的最佳標準，所以，該區域最佳充換電站數量為3個，區域劃分圖如圖4所示，站址如表6所示。

5 結 語

為了改善我國環境，減少大氣污染，倡導綠色交通，推動電動汽車得到的發展，本文旨在研究電動汽車充換電站的選址優化方法，希望通過合理規劃電動汽車充電站的布局，解決電動汽車續航能力低的問題，促進電動汽車的普及。本文以出行鏈作為建立出行者出行模型的基本思想，分別構建行人的出行起點模型、出行終點模型、出行距離模型，模擬出行者一天的出行活動過程；介紹蒙特卡洛抽樣的理論方法，并用蒙特卡洛方法根據建立的模型進行依次抽樣，仿真模擬電動汽車的充電需求分布；創新建立道路交通模型，將復雜的地理模型簡單化和模型化，解決實際充電站選址的地理復雜性的難題，為充電站選址提供可能；介紹免疫遺傳算法，使用MATLAB軟件對充電站選址進行優化，雖然模型將實際情況進行了抽象化處理，存在一定的誤差，但站址優化的方法是可以借鑒和參考的，隨著數據的更加精確，站址優化方案也就更加真實可靠。

主要參考文獻

[1]國務院辦公廳.關于加快電動汽車充電基礎設施建設的指導意見（國辦發[2015]73號）[Z].2015.

[2]唐現剛，劉俊勇，劉友波，等.基于計算幾何方法的電動汽車充電站規劃[J].電力系統自動化，2012（8）.

[3]劉志鵬，文福拴，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（3）.

[4]徐青山，蔡婷婷，劉瑜俊，等.考慮駕駛人行為習慣及出行鏈的電動汽車充電站站址規劃[J].電力系統自動化，2016（4）.

[5]欒琨，雋志才，宗芳.通勤者出行方式與出行鏈選擇行為研究[J].公路交通科技，2010（6）.endprint