面向綜合效益的城市充電網點規劃研究

張家浩　李國慶　劉琳　余彬　龍莉娟　陳杰

摘要：隨著國家大力發展新能源汽車的政策，電動汽車和充電基礎設施規模不斷擴大，如何科學地規劃充電網點成為亟待解決的問題。本文根據分期規劃的原則，采用基于注意力機制的長短期記憶網絡進行充電需求預測，使用量子粒子群優化算法進行近期充電網點選址定容，然后根據Voronoi圖來劃分遠期充電站服務區域，從而建立了充電網點精準規劃模型。通過對杭州市錢江世紀城區域進行驗證，表明本文模型在科學規劃充電網點的同時，能夠實現電網、企業、用戶的多方共贏。

關鍵詞：充電網點規劃;長短期記憶神經網絡;量子粒子群優化;Voronoi圖

中圖分類號：TP183? ? ? ? 文獻標識碼： A

文章編號：1009-3044（2021）06-0215-03

Abstract： As the country vigorously develops new energy vehicles， the scale of electric vehicles and charging infrastructure continues to expand. How to scientifically plan charging outlets has become an urgent problem to be solved. According to the principle of staged planning， this paper adopts an attention mechanism-based Long Short-Term Memory Neural Network to predict charging demand， uses Quantum Particle Swarm Optimization algorithm to select the location and capacity of charging network， and then divide the long-term charging station according to the Voronoi diagram. The service area has thus established a precise planning model for charging network points. The verification of the Qianjiang area in Hangzhou shows that this model can achieve a win-win situation for power grids， enterprises， and users while scientifically planning charging points.

Key words： Charging Network Planning; Long Short-Term Memory Neural Network; Quantum Particle Swarm Optimization; Voronoi Diagram

隨著電動汽車用戶數量不斷增加，如何科學地規劃和管理充電網點亟待解決的問題。傳統的電動汽車充電網點規劃主要從電動汽車用戶充電的便利性或者是充電基礎設施運營商的效益角度出發。文獻[1-2]考慮用戶出行需求，以最小化電動汽車用戶空駛距離為目標進行選址。文獻[3]以建設投資和運行成本最低為目標進行規劃，文獻[4]考慮車網互動技術（Vehicle to Grid，V2G）和分時電價，以充電站年總收益最大為目標進行選址定容。文獻[5-8]兼顧用戶和運營商利益，規劃結果不僅可滿足用戶出行需求，還能提高運營商的利益。但文獻[1-8]都沒有考慮到電動汽車充電站與電網之間的關系。

因此，本文對多源異構數據進行價值挖掘。首先利用深度學習，對近期、遠期充電負荷需求進行全方位的預測研究;然后建立了考慮用戶、企業和電網的多因素優化目標函數，利用量子粒子優化算法對充電網點選址和定容進行建模分析;最后利用錢江某區域的近期、遠期充電網點選址定容的結果，驗證了模型的有效性和準確性。

本文作出的貢獻有：

1）提出了基于用戶、企業和電網綜合目標最優的充電網點分期規劃模型，從提高綜合效益;

2）以杭州市錢江某區域作為算例進行試驗，研究成果可對我國電動汽車充電站規劃提供借鑒和指導。

1模型構建

充電網點規劃模型主要分為區域充電需求預測、充電網點數量確定、近期充電網點選址定容、遠期充電網點覆蓋四步。

1）區域充電需求預測。利用現有的歷史數據，使用基于注意力機制的長短期記憶神經網絡算法，預測出近期和遠期的充電負荷需求。

2）充電網點數量確定。綜合考慮影響充電網點數量的影響因素，形成一組滿足約束條件的不等式，然后通過線性規劃方法求得區域內近期和遠期充電網點規劃數量。

3）近期充電網點選址定容。建立電網、用戶、企業多目標優化函數，結合AHP層次分析法確定權重系數，然后通過量子粒子群優化算法求得區域內近期網點的位置和容量。

4）遠期充電網點覆蓋細化。在優化目標函數中增加遠期高彈性電網目標，得出區域內遠期網點位置和容量，使用Voronoi圖確定每個充電站服務區域，從而可以在服務區域內反向指導高彈性電網的建設規劃工作。

1.1 區域充電需求預測

電動汽車充電量預測作為一種受多因素影響的時序預測問題，適合使用長短期記憶（Long Short-Term Memory，LSTM）神經網絡模型通過捕獲數據之間的前后依賴關系來處理。本文的充電需求預測考慮了到區域歷史充電負荷、GDP、電動汽車保有量等多種因素。為了減少局部波動數據對算法整體預測的干擾，給經典的LSTM算法增加注意力機制，模型自動訓練出針對各部分的關注力度大小。

以杭州市數據最為充分、最具代表性的錢江某區域為例。首先使用基于注意力機制的長短期記憶模型對區域內的電動汽車充電需求進行預測，包括如下3個步驟：

1）確定模型參數。使用2層LSTM模型，每層包含50個隱藏單元。

2）訓練模型。模型訓練采用2010年至2019年的相關數據歷史，將其序列化后再輸入模型，使用Adam優化器進行訓練。

3）實際預測。預測輸出2021年（近期）和2023年（遠期）的充電需求分別可達46.5981萬千瓦時、53.2930萬千瓦時。

1.2 充電網點數量確定

考慮交通流量、充電負荷、建設成本和站間距離4個約束條件，構建了如下一組不等式，用于確定區域內的充電網點數量：

交通流量約束：區域內年平均車輛流量≤充電站用戶流量負載能力;

充電負荷約束：區域內充電基本需求量≤總充電站點的充電負荷量≤區域內總供電負荷;

建設成本約束：總規劃成本/最大建站成本≤充電網點數量≤總規劃成本/最小建站成本;

充電站間距離約束：站間最小距離≤充電站距離最近現有充電站距離≤站間最大距離

求解出同時滿足4項約束的網點規劃數量為2～6。在這個范圍中，選取最小值2作為能夠滿足錢江某區域近期需要并進行優先規劃的網點數量，選取最大值6作為遠期規劃的網點數量。

1.3? 近期充電網點選址定容

網點選址需全方位考慮用戶需求、電網布局、建設成本等多個因素，可轉化為一個尋找多因素平衡最優點的問題。本文選擇了量子粒子群優化QPSO算法，優點在于可以通過各個智能體之間能通過相互協作來更好地適應環境，最終輸出多因素相互平衡的全局最優結果。

為將各因素考慮進量子粒子群算法中，建立優化目標函數F，如下所示：

各指標的權值C1～C5采用AHP層次分析法對各個單目標的相對重要性建立判斷矩陣，然后采用求解矩陣特征值的方法解出權重。

經過綜合計算，確定優化函數中的權重值為：C1=0.1、C2=0.07、C3=0.20、C4=0.27、C5=0.36。

設定參數值粒子群大小100和迭代次數200之后，算法迭代并輸出所有充電站點的最優規劃位置。再根據所得網點位置的優化函數評分進行充電負荷容量分配，最終得到充電網點規劃位置和對應容量。

1.4? 遠期充電網點覆蓋

遠期網點的優化函數增加了高彈性系數E，更新優化目標函數F，如下所示：

E表示電網彈性系數，為電網可調節負荷占電網總負荷的預期比例。

在遠期規劃中，目標函數F的系數權重C1=0.10、C2=0.07、C3=0.18、C4=0.22、C5=0.28、C6=0.15。

使用Voronoi圖確定充電網點服務區域，對網點覆蓋的開關站進行劃分，從而引導高彈性電網的建設。當遠期規劃網點的覆蓋范圍內沒有現成的開關站或者數量不足時，需要在長期網點建設之前在相應范圍內提前建設好開關站，來促進電網和充電網點協同發展。

2實驗結果

根據本文提出的充電網點規劃模型和相關數據，求得錢江某區域近期（2021年）和遠期（2023年）充電網點分期規劃位置與容量。結果如表1所示。

將當前電動汽車用戶行車軌跡的熱力分布圖與規劃網點的選址結果進行可視化，如圖1所示。可以發現充電網點的分布與用戶軌跡密度分布相關性很大，充電網點位置往往靠近行車密集區，說明布點有利于提高電動汽車用戶充電的便捷性，但由于考慮到了電網因素，并不會完全與人口分布重合。

本文所提出的充電網點規劃方法將電網開關站分布因素納入選址規劃中，雖然用戶和運營商成本略有增大，但電網成本將顯著降低，總體綜合成本相較傳統規劃大幅降低，取得了更好的綜合效益。

3總結

城市充電網點的精準規劃需要實現科學的選址和定容，來提高充電網點的利用率。本文根據分期規劃的原則，采用基于注意力機制的長短期記憶網絡進行充電需求預測，使用量子粒子群優化算法進行近期充電網點選址定容，然后根據Voronoi圖來劃分遠期充電站服務區域，從而建立了充電網點精準規劃模型。規劃方案綜合考慮用戶、企業和電網的綜合目標進行選址定容。研究成果可對我國電動汽車充電站規劃提供借鑒和指導。

參考文獻：

[1] 陳靜鵬，艾芊，肖斐.基于用戶出行需求的電動汽車充電站規劃[J].電力自動化設備，2016，36（6）：34-39.

[2] 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，2016，40（4）：59-65，77.

[3] 張秀釗，陳姝敏，王志敏，等.城市快速路口充電站多目標規劃[J].廣東電力，2018，31（4）：79-83.

[4] 張鑫鈺，強偉，文曉龍，等.考慮V2G模式的電動汽車充電站規劃[J].現代電力，2019，36（1）：71-78.

[5] 李盛偉，孫巧，白星振，等.面向用戶需求的電動汽車充電站最優規劃模型研究[J].可再生能源，2018，36（4）：568-573.

[6] 譚洋洋，楊洪耕，徐方維，等.基于投資收益與用戶效用耦合決策的電動汽車充電站優化配置[J].中國電機工程學報，2017，37（20）：5951-5960.

[7] 付鳳杰，方雅秀，董紅召，等.基于歷史行駛路線的電動汽車充電站布局優化[J].電力系統自動化，2018，42（12）：72-80.

[8] 麻秀范，王皓，李穎，等.基于變權Voronoi圖和混合粒子群算法的電動汽車充電站規劃[J].電工技術學報，2017，32（19）：160-169.

【通聯編輯：梁書】