基于云重心理论的电动汽车充电站选址方法

2015-03-14彭泽君兰剑陈艳邹芹贾乐刚杨军

电力建设 2015年4期

彭泽君，兰剑，陈艳，邹芹，贾乐刚，杨军

(1.武汉供电公司，武汉市 430010；2.武汉大学电气工程学院，武汉市 430072)

(1. Wuhan Power Supply Company, Wuhan 430010, China;2. School of Electrical Engineering, Wuhan University, Wuhan 430072, China)

基于云重心理论的电动汽车充电站选址方法

彭泽君1，兰剑1，陈艳1，邹芹1，贾乐刚2，杨军2

(1.武汉供电公司，武汉市 430010；2.武汉大学电气工程学院，武汉市 430072)

对于电动汽车充电站的建设，前期选址工作直接影响到后期充电站的运营效益、服务质量等方面，因此必须采用科学的方法进行评估和决策。综合考虑影响充电站选址的相关因素，建立电动汽车充电站选址评估指标体系，提出基于云重心理论的电动汽车充电站选址规划评估方法，将定量指标和定性指标分别进行处理并建立相应的云模型，应用加权偏离度来评判充电站地址偏离理想状态的程度，并依据评语集给出评估结果。以某地区10个备选电动汽车充电站站址为例进行计算可知：该方法能够全面考虑充电站选址的相关因素，综合处理定量指标和定性指标，从而确定充电站的最优建站地址，为充电站选址规划提供了科学依据。

电动汽车；充电站选址；云重心理论；加权偏离度

0 引言

电动汽车的大规模发展对于改善环境、缓解石油能源危机具有重要的意义。然而，制约电动汽车大规模发展的一个重要原因是充换电设施建设的滞后和不完善[1]，这些因素大大降低了电动汽车的推广力度，也严重影响了消费者的购买意愿。迅速建设一批充电站等配套服务设施，对于电动汽车的推广和普及具有重要意义。对于电动汽车充电站的建设，前期选址工作非常重要，直接影响到后期充电站的运营效益、服务质量等方面，必须采用科学的方法进行评估和决策。

在此背景下，电动汽车充电站选址规划的研究成为了一个很重要的问题[2-3]。文献[4]分析了整车充电系统和地面充电系统的优缺点，并从充电站的安装容量、外部接入方式及其影响因素等角度，对充电站的规划建设问题作了初步研究。文献[5]对充电站的布局规划问题，提出了应满足充电站服务半径要求，与电动汽车交通密度、充电需求分布、城市总体规划、道路规划相配合等的原则性建议。文献[6]构造了一种适用于区域电动汽车充电站规划的优化模型，该模型以候选站址与变电站之间的距离、充电站安装费用和电动汽车数量为约束条件，以投运至目标年充电站运营收益最大化为目标。

到目前为止，国内外在充电站选址规划方面的研究还处于初级阶段，尚未形成完整、系统的充电站规划模型和方法。电动汽车充电站选址需要考虑的因素有很多，不仅需要考虑现有电网结构、可用容量、负荷等电力因素[7]，还需要考虑站址建设的经济性以及附近的交通便利性等非电力因素[8]。针对以上问题，本文综合考虑这些因素，建立了电动汽车充电站选址评估指标体系，提出了基于云重心理论[9]的电动汽车充电站选址规划评估方法，将定量指标和定性指标分别进行处理并建立相应的云模型，应用加权偏离度来评判充电站地址偏离理想状态的程度，并依据评语集给出评估结果。通过对某地区10个备选地址的实例计算与分析，验证了该方法的可行性和有效性。

1 电动汽车充电站选址评估指标体系

1.1 指标体系的建立

电动汽车充电站选址评估的指标体系应考虑不同选址区域的客观差异，使评价满足合理性和可比较性[10]。本文结合相关技术规范，综合考虑多方面因素，从电网指标、交通指标、经济指标和规划指标等4个方面出发，构建了如图1所示包含3个层次共12个指标组成的指标体系。

图1 电动汽车充电站选址规划评估指标体系

1.2 指标体系说明

在经济指标方面：建设总投资费用包括土地成本、拆迁费用、设备和工程投资[11]；月运行费用包括每月充电站工人工资、电费、财务费用、营业税、电池摊销等费用；盈利水平按月利润计算，为每月营业收入减去月运行费用。

在交通指标方面：主要从电动汽车充电站所处位置的主干道情况、道路状况、车道数、路口数等情况来衡量交通便利性[12]；服务能力指电动汽车充电站每天可为多少辆各种电动汽车进行充电服务，以及日充电量及充电站最大充电量等主要因素；服务半径则指充电站覆盖的可充电区域距离，可结合人口密度考虑。

在规划指标方面：与城市路网规划的协调性主要考虑城市主要干线相交处、城市各主要出入口道路及公路相交处、重要的人口居住区及城市规划的主要功能分区[13]，这4点是与城市路网规划保持协调性的关键；对于充电站布局规划，如果与城市电网规划协调发展，可以提高充电站电能供应的安全性和稳定性，为充电站运营提供可靠的电力供应[14]，该指标要充分参考当地的电网规划纲要。

本文所建立的电动汽车充电站选址规划评估指标体系既包括定量指标也包括定性指标[15-16]，其中电网指标和经济指标下的7个子指标为可量化指标，而交通指标和规划指标由于难以具体量化，应作为定性指标处理。对于定性指标，可以采用专家测评法，供云重心理论评价处理；对于定量指标，可以通过建立隶属函数[17]来形成标准化分数，供云重心理论评价处理。

2 基于云重心理论的电动汽车充电站选址规划评估模型

2.1 云理论介绍

云理论的主要特点在于将模糊性和随机性特征集成在一起，解决了系统定性概念与定量数值之间的不确定性转换问题。

定义论域U为一个精确的定量数值集的集合U={x}。T是与U相联系的定性概念。若U中元素x对T的隶属度(或称x与T的相容度)是具有稳定倾向的随机数，则u(x)在论域U上的分布称为隶属云，简称云(cloud)。其中，u(x)取值范围为[0,1]，云是指从论域U到区间[0,1]的映射，即

(1)

映射u(x)称为T的云模型，其中的每一个x称为一个云滴。大量的云滴可以组成云。云可以是一维的，也可以是多维云，主要取决于论域U的维数。

云模型用3个数字特征期望Ex、熵En和超熵He来表征概念的整体特性。其中，期望Ex是最能够代表这个定性概念的点，是云的重心位置，反映定性概念的中心值。云重心可表示为T=a×b，a表示云重心位，b表示云重心高度。云重心位置即反映定性概念中心值的期望，云重心高度反映相应的云在系统中的权重。云重心的改变取决于期望值和权重的变化，一个系统的状态变化可以通过云重心的改变来度量。

2.2 基于云重心理论的评价过程

(1)根据评价目的分层建立各级评价指标：U={U1,U2,…,Un}，其中Ui(i∈[1,n])为系统一级指标的第i个指标；Ui={Ui1,Ui2,…,Uin}，其中Uij(i∈[1,m])是Ui第j个指标；Uij={Uij1,Uij2,…,Uijn}，Uijk是Uij的第k个指标；依次类推，可确定多层评价指标体系。

(2)评语集云模型。由专家确定指标的评语集，如评语集{好，良好，一般，较差，差}，规定S所对应的数域为[0，100]，表1为S对应数域的变化区间。其云模型表示的计算公式如下：

(2)

式中Exi、Eni分别为某个定性评语的期望和熵。

表1 各定性评语的数域变化区间

Table 1 Number field change interval for each qualitative comment

(3)云模型指标计算。

1)定量指标的云模型表示。

针对本文的充电站选址评估问题，对于可以量化的数据，提取n组样品组成决策矩阵，那么n个精确数值型的指标就可以用一个云模型来表示。其中：

(3)

(4)

式中：Ex1～Exn为各指标量的值。

2)定性指标的云模型表示。

各评判专家对某一定性指标按照评语集给出如优秀、良好等评语。设有n位专家，则某一定性指标可获得n组评语，把每组评语按照式(2)求出其云模型的期望和熵，那么此定性指标的n组评语可以用1个一维云模型来表示：

(5)

(6)

因此，有N个定性指标的系统可以用1个N维综合云表示。

(4)确定指标权重。

指标权重是以定量方式反映各项指标在整体中所占的比重，本文采用平均权重来确定各指标权重。

(5)求加权综合云的云重心向量。

m个性能指标可用m个云模型来描述，则m个指标所反映的系统状态就可用1个m维综合云来表示。当m个性能指标发生变化时，该m维综合云的形状亦发生变化，云重心也会随之改变。m维综合云的重心T用m维向量表示：

(6)计算加权偏离度。

(8)

经过归一化之后，表征系统状态的综合云重心向量均为有大小、有方向、无量纲的值。把各指标归一化后的向量值乘以权重值，然后再相加，得到加权偏离度θ的值，即

(9)

式中：0≤θ≤1；wi为第j个单项指标的归一化权重值。

(7)确定备选站址的评价结果。

对于电动汽车充电站的选址规划结果评语集分为5个类别：差、较差、一般、良好和好，将各级评语置于连续的语言值标尺上，并将每个评语值都用云模型来实现，构成一个定性评测的云发生器(如图2所示)。对于一个具体的案例将求得的加权偏离度值输入定性评测云发生器中，通过激活某个云来确定评估模型的最终评语。

图2 定性评测云发生器

将系统的理想状态视为好，则θ值越小则表示系统在某状态下与理想状态越接近，性能越好，反之亦然。

3 算例验证

基于某地区实际数据，本文应用所提出的充电站选址指标体系和基于云重心理论的电动汽车充电站选址规划评估方法，对10个电动汽车充电站的备选站址进行评估计算，得出最优站址。

评分标度采用百分制。电网指标和经济指标中的7个子指标的隶属函数(评分值)如表2所示。

根据所选取的电网的实际数据，将这10个备选充电站的等值模型加入到所选电网进行仿真计算和规范化处理，得到的电网指标下的各子指标规范化值如表3所示。

将经济指标下的定量值经规范化处理，得到的经济指标下的各子指标规范化值如表4所示。

运用云重心理论对规范化定量数据进行处理计算，可得到10个备选站址下的电网指标和经济指标的加权偏离度，计算结果如表5所示。

表2 电网指标和经济指标下的评价标准

Table 2 Evaluation standard under power grid index and economy index

表3 电网因素下各指标的规范化定量数据

对于定性指标中交通指标的计算，采用专家测评法处理，共选取6位专家参加测评。以备选地址1为例，其各指标测评结果见表6(因篇幅所限，其他备选地址的专家测评数据省略)。

表4 经济因素下各指标的规范化定量数据

Table 4 Quantitative data of standardization under economy index

表5 经计算后的电网指标和经济指标下的加权偏离度

表6 交通因素下的6位专家对选址1评判结果

公式(2)计算得到的评语集的云模型见表7。

将其置于连续的数域区间[0，100]上，其对应的变化区间见表8。

表7 评语集的云模型

Table 7 Cloud model of comment set

表8 评语集所对应的数域变化区间

表9 交通指标和规划指标下的各站址的加权偏离度

Table 9 Weighting deviation degree of each location under traffic index and planning index

将各个备选站址的综合加权偏离度输入云发生器，生成的云图如图3所示。

从图3中可以得出充电站备选站址从好到差依次为：6、4、8、1、3、2、9、10、5、7。其中备选站址6和4都介于好与良好之间，为最优的建站地址。

表10 各备选站址的综合加权偏离度

Table 10 Comprehensive weighting deviation degree of alternative station location

图3 电动汽车充电站10个站址的规划评估云图

4 结论

对电动汽车充电站进行科学的选址规划评估是推动电动汽车充电站建设的前提。本文提出了用云理论来解决充电站选址评估过程中的定性描述与定量表示的转换问题，建立了电动汽车充电站选址评估指标体系，提出了基于云重心理论的电动汽车充电站选址规划评估方法。某地区10个备选电动汽车充电站站址计算结果表明，该方法能够考虑充电站选址的各个相关因素，综合处理定量指标和定性指标，进而确定充电站的最优建站地址，为充电站选址规划提供了科学的指导。

[1]孙小慧，刘锴，左志，等.考虑时空限制的电动汽车充电站布局模型[J].地理科学进展，2012，3l(6)：686-692. Sun Xiaohui，Liu Kai，Zuo Zhi，et al.A spatiotemporal location model for locating electric vehicle charging stations[J].Progress in Geography，2012，3l(6)：686-692.

[2]葛少云,冯亮,刘洪,等.电动汽车充电站规划布局与选址方案的优化方法[J].中国电力,2012,45(11):96-101. GE Shao-yun , FENG Liang , LIU Hong , et al.An Optimization Approach for the Layout and Location of Electric Vehicle Charging Stations[J].Electric Power,2012,45(11):96-101.

[3]高亚静,郭艳东,李天天.城市电动汽车充电站两步优化选址方法[J].中国电力,2013,46(8):143-147. GAO Ya-jing , GUO Yan-dong , LI Tian-tian.Optimal Location of Urban Electric Vehicle Charging Stations Using a Two-Step Method[J].Electric Power,2013,46(8):143-147.

[4]康继光，卫振林，程丹明，等.电动汽车充电模式与充电站建设研究[J].电力需求侧管理，2009，11(5)： 64-66. Kang Jiguang，Wei Zhenlin，Cheng Danming，et al.Research on electric vehicle charging mode and charging stations construction[J].Power Demand Side Management，2009，11(5)：64-66.

[5]徐凡，俞国勤，顾临峰，等.电动汽车充电站布局规划浅析[J].华东电力，2009，37(10)：1678-1682. Xun Fan，Yu Guoqin，Gu Lingfeng，et al.Tentative analysis of layout of electrical vehicle charging stations[J].East China Electric Power，2009，37(10)：1678-1682.

[6]寇凌峰，刘自发，周欢.区域电动汽车充电站规划的模型与算法[J].现代电力，2010，27(4)：44-48. Kou Lingfeng，Liu Zifa，Zhou Huan.Modeling algorithm of charging station planning for regional electric vehicle[J].Modem Electric Power，2010，27(4)：44-48.

[7]冯超，周步祥，林楠.Delphi和GAHP集成的综合评价方法在电动汽车充电站选址最优决策中的应用[J].电力自动化设备，2012，32(9)：25-29. Feng Chao，Zhou Buxiang，Lin Nan.Application of comprehensive evaluation method integrating Delphi and GAHP in optimal siting of electric vehicle charging station[J].Electric Power Automation Equipment，2012，32(9)：25-29.

[8]刘自发，张伟，王泽黎.基于量子粒子群优化算法的城市电动汽车充电站优化布局[J].中国电机工程学报，2012，32(22)：39-42. Liu Zifa，Zhang Wei，Wang Zeli.Optimal planning of charging station for electric vehicle based on Quantum PSO algorithm[J].Proceedings of the CSEE，2012，32(22)：39-42.

[9]李德毅.隶属云和隶属云发生器[J].计算机研究与发展，1995，32(6)：15-20. Li Deyi.Membership clouds and membership cloud generators[J].Computer Research and Development，1995，32(6)：15-20.

[10]马丽云.基于云重心理论的供电企业安全评价方法 [J].华东电力，2011，39(8)：1371-1373. Ma Liyun.Safety assessment method for electric power supply corporations based on cloud barycenter theory [J].East China Electric Power，2011，39(8)：1371-1373.

[11]任玉珑.电动汽车充电站最优分布和规模研究[J].电力系统自动化，2011，35(13)：53-57. Ren Yulong.Optimal distribution and scale of charging stations for electric vehicles[J].Automation of Electric Power Systems，2011，35(13)：53-57.

[12]冯超，周步祥，林楠，等.电动汽车充电站规划多种群混合遗传算法[J].电力系统及其自动化学报，2013，25(6)：123-129. Feng Chao，Zhou Buxiang，Lin Nan，et al.Electric vehicle charging station planning based on multiple-population hybrid genetic algorithm[J].Proceedings of the CSU-EPSA，2013，25(6)：123-129.

[13]范永根，钱维忠.电动汽车充电设施规划和建设的探讨[J].华东电力，2010，38(111)：1671-1674. Fan Yonggen，Qian Weizhong.Discussion on the planning and construction of charging facilities for electric vehicles[J].East China Electric Power，2010，38(111)：1671-1674.

[14]吴春阳，黎灿兵，杜力，等.电动汽车充电设施规划方法[J].电力系统自动化，2010，34(24)：36-39. Wu Chunyang，Li Canbing，Du Li，et al.A method for electric vehicle charging infrastructure planning [J].Automation of Electric Power Systems，2010，34(24)：36-39.

[15]刘志鹏，文福栓，薛禹胜，等.电动汽车充电站的最优选址和定容[J].电力系统自动化，2012，36(3)：54-59. Liu Zhipeng，Wen Fushuan，Xue Yusheng，et al.Optimal siting and sizing of electric vehicle charging stations[J].Automation of Electric Power Systems，2012，36(3)：54-59.

[16]邱进煊，高春雷，王林信.电动汽车充电设施选址的模糊评价方法[J].电力与电工，2012，32(2)：1-3. Qiu Jinxuan，Gao Chunlei，Xang Linxin.Fuzzy estimation for site selection of charging infrastructures for electric vehicles[J].Dianli Yu Diangong，2012，32(2)：1-3.

[17]刘小艳.隶属函数的确定及应用[J].智能系统学报，2010，11(8)：8831-8832. Liu Xiaoyan.The determination of membership function and use[J].CAAI Transactions on Intelligent Systems，2010，11( 8)：8831-8832.

(编辑:张媛媛)

EV Charging Station Sitting Method Based on Cloud Focus Theory

PENG Zejun1, LAN Jian1, CHEN Yan1, ZOU Qin1, JIA Legang2, YANG Jun2

For the construction of electric vehicle (EV) charging station, the sitting of EV charging station is very important to the operation benefit, the service quality, etc. So it is necessary to use scientific method for the evaluation and decision of EV charging station sitting. Comprehensively considering the related factors of the charging station sitting, this paper constructed the evaluation index system for the sitting of EV charging station, proposed the planning evaluation method based on the cloud focus theory, and used quantitative index and qualitative index to process and build corresponding cloud models, respectively. The weighting deviation degree was introduced to judge the deviation degree of EV charging station from the ideal position, and the assessment results could be obtained according to the remark set. Taking ten alternative locations of EV charging station as examples, the calculation results show that the proposed method can comprehensively consider the related factors of the charging station sitting and process quantitative index and qualitative index, then, determine the optimal location of charging station, which can provide scientific basis for charging station sitting planning.

electric vehicle; sitting of charging station; cloud focus theory; weighting deviation degree

Ex=(Ex1+Ex2+…+Exn)/n

En=En1+En2+…+Enn

Τ=(Τ1,Τ2,…,Τm)=a×b

国家自然科学基金项目(51277135)。

(1. Wuhan Power Supply Company, Wuhan 430010, China;2. School of Electrical Engineering, Wuhan University, Wuhan 430072, China)

TM 715，U 469.72

1000-7229(2015)04-0001-07

10.3969/j.issn.1000-7229.2015.04.001

2014-12-01

2015-01-12

彭泽君(1966)，男，工学硕士，高级工程师，主要从事电力系统运行与控制方面的研究工作；