駱 鑫
(西南石油大學,四川 成都 610500)
電動汽車充電站的選址問題包括確定哪個候選設施點可以作為充電站進行開放使用以及在這個充電站應該安排多少個充電樁,在滿足當前需求的基礎上,對未來需求進行預測,將其加入模型中,對當前充電站進行優化。雖然國務院和能源局、科技部和財政部等國家部委相繼出臺了相關政策和措施來大力扶持電動汽車配套充電設施的布局建設,但是各省級區域內各類充電基礎設施仍不能滿足充電用戶的需求[1];其中,布局規劃和選址問題的實用性和適應性是相當重要的考慮因素。
電動汽車充電站站選址問題包括確定充電站修建位置以及充電站安排合理的充電樁數量,從候選點中選擇符合要求的設施為周邊顧客提供服務。目前國內基于覆蓋模型選址的研究有張藝涵等人充分考慮了交通流量這一因素,計算聚類群簇覆蓋范圍內的充電需求總和,得到了保證用戶需求得到最大覆蓋規劃方案[2]。李盛偉等人主要從用戶角度出發構建模型,重點分析了用戶的行為規律,得到了盡量滿足最大服務的規劃方案[3]。馮瑛敏等人對充電站選址因素進行重要分析,并建立優化模型,針對模型設計了一種改進的K-means 聚類算法,并證明了改進算法的可行性[4]。商麗媛等人應用集覆蓋模型的思想,在考慮建站成本的同時,還著重考慮了需求點到選址點之間的距離隨機性,并對模型進行了魯棒性優化[5]。孫小慧等首先對充電需求的空間分布進行系統地分析,然后從充電距離和覆蓋需求兩個方面綜合考慮建立了一個多目標優化模型[6]。
考慮到電動汽車充電站服務的特殊性,一個充電樁對應一輛電動汽車進行服務,當充電站的充電樁全部占滿時,充電站就不能再進行充電服務或者顧客只能選擇等待服務,因此目標函數包括最大化服務顧客數量,最小化建設成本以及最小化顧客到當前設施點的距離。從運營商和顧客兩方面考慮,建立多目標優化模型如下:

其中目標函數(1)表示最大化服務的顧客數量;目標函數(2)表示最小化需求點到候選點的距離;目標函數(3)表示最小化建設成本和維護成本;約束條件(4)表示充電樁的數量不超過p 個;條件(5)表示充電樁總量不超過P 個;條件(6)(7)表示只有在候選點安排充電樁的情況下,該候選點才能作為充電站選址點否則不考慮該點。
將本文的多目標問題通過歸一化后轉化為單目標問題進行求解,將每一個目標函數賦予一定權重,通過分析,對于目標函數(1)最大化服務的顧客數量來說,上界為,下界為0,同理可得目標函數(2)(3)的上下界,得出歸一化后的目標函數

參數說明見表1。

表1 參數說明
本文采用改進遺傳算法進行求解,編碼時采用基于優先權編碼染色體,將每一個基因賦一個優先權,優化編碼流程,算法流程見圖1。

圖1 改進遺傳算法流程圖
為了提高電動汽車充電站的服務效率,縮短客戶等待時間,保證能在有效時間內完成服務并提高服務效率,選定某市特定區域進行電動汽車充電站的選址優化。該地區候選設施點與需求點位置見圖2。

圖2 需求點與候選點位置示意圖
五角星位置代表候選充電設施點,其余為需求點。
模型中涉及到的候選點和需求點位置,需求點規模,需求點與候選點最短距離以及多目標權重、候選設施建立費用等設定如下:
(1) 候選點位置:選擇某市已有加油站位置改建或按照市區公共服務規劃建設。
(2) 需求點位置及規模:以行政區域劃分居民,將該區域的各個街道作為需求點集合。
(3) 多目標權重:受人為因素影響較大,通常看決策者認為哪一個目標是最主要的優化目標,權重可取大些。
(4) 候選設施建立費用:充電站固定投資為100萬元,充電樁單價10 萬元/臺,每個充電站充電樁建設數量最少為4 個,最多20 個,設備和維修成本等為2 萬/臺,擬建充電站數量為4 座。
利用matlab 對改進遺傳算法進行編程實現,在現有7 個充電站候選點中,選擇4 個作為電動汽車充電站,為50 個需求點提供充電服務,滿足需求區域充電需求。算法參數為:種群大小為200,迭代次數350 次,交叉概率0.9,變異概率0.05,代溝0.9。
采用所構造的改進遺傳算法求解電動汽車充電站多目標模型,所得結果為1132131.5145,所得結果見表2。

表2 選擇候選點位置及服務的需求點位置
從圖3 可以看出,根據算法求解結果可得候選點1 可作為電動汽車充電站選址建設點,且服務的區域有10 個,安排充電樁數量為10 個同理,其他候選設施點及充電樁安排數量可參照表1。

圖3 充電站最優選址圖
本章主要是對所構建的電動汽車充電站選址模型進行實際的應用,驗證所建模型的有效性。選取一個測試實例,將電動汽車選址多目標數學模型應用于測試實例,利用改進的遺傳算法進行求解,從運營商、用戶方等兩個互相矛盾的視角出發,引入權重系數,綜合權衡兩者間的關系,構建了一個多目標電動汽車充電站選址模型。該模型從運營商角度考慮到了運營商的建設成本以及運營維護成本;從用戶方角度充分考慮了用戶的便利性,以用戶的滿意度為優化目標,使其滿意度達到最大,從而使該選址模型更加契合現實情況。選取某局部區域為例,將構建的選址模型和改進遺傳算法進行算例分析,驗證模型和算法的有效性,得出最優充電站選址點以及充電樁安排數量。