長沙市內電動汽車充電站資源配置問題研究

摘要：基于充電站建設維護成本及車輛抵達充電站的旅途成本兩個目標維度，構建了一個多目標規劃模型，并設置了電網負荷約束、充電站定容、應急行駛時間約束等多種約束，以長沙市某規劃區路網情況為實例，運用遺傳算法進行優化求解，得出了該規劃區內設置充電站的最優解。通過這一模型，能精確地優化充電站位置、充電樁數量等資源配置問題，可應用于包括長沙在內的其他城區電動汽車充電站規劃，有利于市內路網情況下電動汽車充電站的建設。

關鍵詞：電動汽車；充電站選址；多目標規劃；遺傳算法

中圖分類號：U469.79" " "收稿日期：2025-03-03" " "DOI：10.19999/j.cnki.1004-0226.2025.04.005

Research on the Allocation of Resources in Electric Vehicle

Charging Stations in Changsha City

Yang Wei Zhou Letian Yang Ting Yang Weijian Wang Jia

1.Public Department，Shaoyang Polytechnic，Shaoyang 422000，China

2.School of Computer Science and Engineering，Jishou University，Jishou 416000，China

3.Baimatian School，Shaoyang 422000，China

Abstract：This paper constructs a multi-objective programming model based on two objective dimensions： the construction and maintenance cost of charging stations and the travel cost of vehicles arriving at charging stations. Multiple constraints are set， including grid load constraints， charging station capacity constraints， and emergency travel time constraints. Taking the road network situation in a planning area in Changsha as an example， genetic algorithm is used for optimization and solution， and the optimal solution for setting up charging stations in the planning area is obtained. Through this model， the resource allocation problems such as the location of charging stations and the number of charging piles can be accurately optimized， which can be applied to the planning of electric vehicle charging stations in other urban areas， including Changsha， and is conducive to the construction of electric vehicle charging stations under the urban road network.

Key words：Electric vehicles;Location selection of charging stations;Multi-objective planning;Genetic algorithm

1 前言

隨著全球環境污染加劇和能源短缺問題日益嚴重，新能源汽車作為一種節能減排的交通工具，受到了廣泛的關注與推崇[1]。新能源汽車銷售量的激增，使得電動汽車充電站資源配置問題愈發重要[2]。為了滿足不同地區和時間段的電動汽車充電需求，降低碳排放，并推動可持續發展，對電動汽車充電站進行合理規劃變得至關重要[3]。

本文以電動汽車充電站資源配置問題的實施路徑及策略為研究主線，旨在通過優化充電站的位置、充電樁數量等資源配置，實現用戶充電成本的最小化[4]。依據長沙市某區域內電動汽車充電站的若干個用戶聚集區方位坐標及其車輛數[5]，若干個充電站預備點的方位坐標，以及可選的若干個規模級別充電站的服務能力及其建立成本數據，對這一區域內電動汽車充電站的資源配置問題進行了深入的研究和分析，并提出了相應的優化方案。

2 長沙市內電動汽車充電站選址特征

電動汽車充電站作為電動汽車運行的關鍵支撐設施，其核心作用不容忽視。隨著電動汽車市場的蓬勃發展，充電站承載著為電動汽車提供電力補給的重要任務，確保車輛能夠持續行駛。在城市的不同區域，如商業中心、居民住宅區、交通樞紐及工業園區等地設立的充電站，為電動汽車用戶提供了便捷、高效的充電服務[6]。

除了基本的電力補給功能外，電動汽車充電站還在優化能源結構方面發揮著關鍵作用[7]。相比于傳統燃油汽車，電動汽車采用電能作為動力源，實現了零排放或低排放，對于改善城市空氣質量、降低溫室氣體排放具有顯著效果。此外，充電站的建設和運營還推動了相關產業的發展，包括電氣設備制造、建筑工程、電力工程以及增值服務產業等，為城市經濟多元化發展注入了新的活力。

同時，電動汽車充電站還促進了城市交通的智能化發展。通過物聯網、大數據、云計算等技術手段，充電站能夠實時采集和傳輸充電設備的運行狀態、用戶充電數據等信息，為城市交通管理提供了有力的數據支持[8]。這些數據有助于交通管理部門更精準地掌握電動汽車的分布和運行規律，從而優化交通規劃和管理策略，提高城市交通的運行效率和安全性。

綜上所述，電動汽車充電站不僅承擔著為電動汽車提供電力補給的基本任務，還在優化能源結構、推動產業發展以及促進城市交通智能化等方面發揮著重要作用。

3 長沙市內電動汽車充電站選址模型

本研究旨在將總成本降至最低，涵蓋修建充電站的固定成本、充電站維護的費用以及用戶駛向充電站過程中所花費的旅途成本，并以年為單位表示。于是該目標函數表示為：

該模型屬于混合整數非線性規劃模型，本文將通過遺傳算法進行求解。而在實際應用中，還需要考慮到更多的實際因素，如電網接入能力、土地使用成本、交通便利性等，這將作為額外的成本因素加入模型中[9]。

4 算法構建與優化策略

本文將設計并改進遺傳算法以求解電動汽車應急充電站選址定容模型[10]。

4.1染色體編碼方案

在算法的開始階段，需要對染色體進行編碼。本文中的變量分為布爾變量和整數變量兩類，變量總數為[21+IK]。本文采用十進制整數編碼方法，這種編碼方式便于編程實現，并能清晰地表示出是否在某候選點建設充電站、充電站的充電樁數量、需求點車輛選擇哪個充電站充電以及前往各充電站的車輛數等關鍵信息。

4.2 適應度函數設定

遺傳算法中，適應度函數用于評估個體的優劣。在本文中，由于目標函數是求最小值問題，因此直接將目標函數作為適應度函數。這樣，算法在迭代過程中就能不斷趨向于更優的解，即有：

4.3 種群初始化策略

種群初始化是遺傳算法的重要步驟之一。本文設計了考慮變量耦合特性的種群初始化算法。該算法能夠確保變量之間的邏輯關系在初始化階段就得到體現，從而提高了算法的求解效率和準確性。

4.4 遺傳算子設計

遺傳算子包括選擇、交叉、變異和精英策略等[11]。本文采用輪盤賭方法進行個體選擇，隨機交叉和變異操作來生成新個體，并引入精英策略來保留優秀個體。這些操作共同構成了算法的核心部分，推動著種群不斷向最優解進化。

5 算例分析

為了檢驗所提出的電動汽車充電站選址與定容模型及其求解方法的有效性，本研究構建了以下算例以進行測試驗證[12]。

長沙某區域路網固定時間內電動汽車保有量為3 978輛。區域中有8個充電需求區域點Ci（i=1，2，…，8），篩選出12個可用于建設充電站的備選站址Ek（k=1，2，…，12），根據區域配電網最大負載能力確定可建設充電站為3個。

為確保車輛能在電量告急時抵達應急充電站充電，設定最大響應時間為Tmax=15 min，規定行程時間需符合Tik≤15 min的條件。

參考相關文獻[13]，充電站基本參數如表1所示。

各充電站候選位置的建設成本（按服務周期折算為年度平均值）及維護成本詳見表2。

在確保時間為15 min的前提下，在MATLAB中運用遺傳算法對4.1所設模型進行優化求解運算，模型結果收斂狀況良好，求得模型最優解，求解結果詳見表3。

根據模型運算結果，建議在E1、E3、E8三個位置設立電車充電樁，這一策略不僅能夠實現路網全覆蓋，而且可以最小化建設與維護成本，預計總成本為113萬元/年。

6 結語

本文圍繞電動汽車充電站資源配置問題展開了深入的研究，特別針對長沙市城區內的電動汽車充電站選址與定容問題進行了探討。通過優化充電站位置、充電樁數量等資源配置，并綜合考慮多個目標指標，為電動汽車充電基礎設施的有效規劃和管理提供了科學依據。這些研究成果有望推動電動汽車產業的可持續發展，同時改善城市交通和環境狀況。未來，將繼續深入研究電動汽車充電站資源配置問題，以期為實現更加高效、環保的城市交通體系做出更大的貢獻。

參考文獻：

[1]徐辰，李偉績.新能源汽車分類[J].國外電子測量技術，2017，36（5）：1-3.

[2]Wang Xiumin，Yuan C，Hasren N，et al.Electric vehicle charging station placement for urban public bus systems[J].IEEE Transactions on Intelligent Transportation Systems，2017，18（1）：128-139.

[3]張琭璐.新能源電動汽車充電站選址定容優化研究[D].蘭州：蘭州理工大學，2022.

[4]Parent L P，Carvalho M，Anjos F M，et al.Maximum flow‐based formulation for the optimal location of electric vehicle charging stations[J].Networks，2024，84（2）：109-131.

[5]吳雨，王育飛，張宇，等.基于改進免疫克隆選擇算法的電動汽車充電站選址定容方法[J].電力系統自動化，2021，45（7）：95-103.

[6]劉慧，張迪，冷凱君.考慮服務半徑的電動汽車充電設施選址問題[J].計算機集成制造系統，2020，26（8）：2180-2189.

[7]謝筌有.智能電動汽車行業發展階段及其影響因素分析[D].成都：電子科技大學，2024.

[8]劉嘉彥，李祖坤，李暢，等.電動汽車與電力—交通耦合網互動：綜述與展望[J].電力科學與技術學報，2024，39（5）：12-24.

[9]孟濤，郭紅戈，張春美.電動汽車充電站智能選址定容方法研究[J].太原科技大學學報，2024，45（4）：342-347.

[10]彭國財，鄧玉珍，張鄰.基于遺傳算法的電動汽車充電站選址定容研究[J].科學技術創新，2024（2）：1-4.

[11]黃子晴，林兵，盧宇，等.面向多目標優化的充電站選址定容方法[J].福建師范大學學報（自然科學版），2024，40（2）：23-35.

[12]何敏藩，王玥.資金約束條件下高速公路充電樁選址與定容優化[J].重慶師范大學學報（自然科學版），2018，35（5）：17-25.

[13]劉炳勝，王朗，陳媛，等.考慮區域資源利用均衡的電動公交充電站選址及充電路徑問題[J].系統管理學報，2024，33（4）：878-889.

作者簡介：

楊威，男，1990年生，講師，研究方向為機器學習、大數據分析與統計建模。