综合能源系统环境下电动汽车充换电设施规划综述

朱继忠，何晨可，陈婧韵，李波，李梁

(1. 华南理工大学电力学院，广州510641；2. 国网浙江电动汽车服务有限公司，杭州310030)

0 引言

当今世界能源需求日趋增加，能源供需矛盾凸显，为保障能源供应安全，提高能源利用效率，降低温室气体排放，寻求替代性能源已然成为能源改革的必经之路[1]。综合能源系统(integrated energy system, IES)以电力系统为核心，耦合电、热、冷、气等多种能源，通过各种能源生产、传输、储存、转换、分配等环节的协调优化，实现能源高效利用，从而满足工业生产与居民生活的能源多样化需求[2]。电动汽车(electric vehicle，EV)以其高效、节能、低噪声、零排放的优势，将得到快速发展和广泛应用[3]。在能源技术、交通电气化技术和信息技术支撑下，不同层级的IES共同构成能量流、交通流和信息流深度融合的能源生态系统，表现出显著的互联互动特征[4]。IES的技术核心可以分为智能用电系统、EV、需求侧响应等，作为一种灵活的充电负荷及储能装置，EV可以为IES提供调频和备用等辅助服务，推动可再生能源的广泛利用[5]。对IES环境下EV充换电设施的进行合理和准确地规划，将对IES和EV充换电网络融合系统产生较为深远影响，具有重要的研究意义。

国务院印发的《新能源汽车产业发展规划(2021—2035)》[6]中指出发展新能源汽车是我国从汽车大国迈向汽车强国的必由之路，是应对气候变化、推动绿色发展的战略举措，同时指出我国新能源汽车发展面临基础设施建设仍显滞后、产业生态尚不健全等问题。同时，国家发改委和能源局联合印发的《关于推进电力源网荷储一体化和多能互补发展的指导意见》[7]中指出当前电力系统存在清洁能源开发消纳比例较低、系统调节能力不足、各类电源统筹协调不够、源网荷协调不充分等问题，源网荷储一体化和多能互补发展是电力行业实现高质量发展的客观需要，是提升可再生能源开发消纳水平和非化石能源消费比重的必然选择，对于促进我国能源转型和经济社会发展具有重要意义。

在IES规划方面，IES能够实现各类能源的协调互补与高效利用，是现今能源互联网中最具应用前景与商业价值的运营模式之一，因此，研究IES的最优配置与运行优化策略对于促进能源互联网的进一步发展具有重要意义[8]。在具有更高灵活性的 IES中，如何合理规划使其更高效地应对不确定因素的变化是面临的重要挑战[9]。IES供用能特征与其集成多种能源耦合设备息息相关，对其关键设备进行合理、准确地规划，可提升资产利用率，减少投资冗余，进一步优化系统运行状态，同时IES规划与运行优化之间互相影响，规划结果指导调度计划制定，运行状态又对规划方案进行校验[10]。IES设备组成与容量配置对IES的安全经济运行至关重要，随着各类能源系统耦合的逐步加深以及系统规模的不断扩大，有必要在IES规划时考虑其安全风险[11]。能源站和供能管线的规划需要与城市规划相协调，其合理性不仅会影响综合能源工程的顺利落地，也会影响后期IES建设和运行的可靠性和经济性，因此有必要研究科学合理的IES能源站和供能管线的规划方法[12]。忽略多能源系统之间的相互影响，单独规划电力或天然气等能源网络将很难保证规划方案的经济性、安全性和可靠性，因此开展IES多能联合规划的理论研究，是一项具有重大意义的前瞻性工作[13]。

EV充换电设施规划方面，EV大规模接入电网充电，改变了配电网的负荷结构和特性，对配电网规划提出了新的要求，导致传统的配电网规划准则无法适用[14]。科学合理的充换电站选址对于建设项目运行、EV的可持续发展以及环境保护具有十分重大的意义[15]。充换电设施作为EV配套基础设施，其建设运行的优劣直接影响到EV产业的发展，但由于建设初期规划不尽合理、EV时空分布不确定性、用户主观选择不确定性等因素，造成了充换电设施闲置、用户等待时间过长、交通拥堵、电网电压过低等问题[16]。随着EV保有量迅速增长，EV大范围接入对电网运行、交通经济性和时政规划等方面产生重要影响，大幅上涨的EV充换电设施建设需求对充换电设施经营者提出了新的挑战，无序的充换电设施规划建设不仅会影响充电站经营者的经济效益，还会影响用户对于充换电服务的满意度，不利于EV产业长远发展，兼顾充换电设施收益与用户满意度的EV充换电设施选址定容优化是现研究领域亟待解决的问题[17]。充换电设施的选址需要综合考虑多个因素的影响，这些因素之间可能相互冲突，因此充换电设施的规划是一个多属性决策问题，现有研究方法仍存在一些问题[15]。

同时，精确预测EV出行过程中的充换电需求是进行充换电设施规划及调度的前提，也是电网优化调度、安全经济运行的需要，将为EV配套市场乃至EV行业有序发展提供保障[18]。未来大规模EV负荷分布具有时间和空间上的随机性、间歇性、波动性等不确定性特点[19]。EV既是路网重要组成部分，也是电网用电终端，其行驶和用电行为使得路网与电网的运行状态产生交互影响[20]。大量EV无序充换电具有不可预测性，对电网也会造成较大冲击[21 - 23]。EV作为一种具有部分可控性的双向能量交互设备，特性复杂，值得深入研究[24]。

在含EV的IES规划方面，由于IES多种能源间的强耦合和系统设备运行灵活性，EV规模化接入给IES运行带来诸多影响，如果不对其充放电行为进行协调控制，有可能危害系统的安全与经济运行。同时，原有IES电、气、热等子系统在规划容量、面积已定情况下，难以满足日益增长的EV负荷需求[25]。虽然IES能够促进可再生能源的消纳，但风机(wind turbine, WT)、光伏(photovoltaic, PV)、EV负荷等的不确定性严重影响其运行经济性[26]。将充换电设施构建于IES内将提高能源利用率，促进能源灵活性，但这势必涉及到车流交通网等问题[27]。随着新能源发电和EV广泛接入能源系统，加剧了IES运行面临的不确定性和复杂性，从而导致多能规划难以精细化建模和求解[28]。

基于上述研究背景，本文首先阐述了IES的基本架构及其规划内涵，同时，叙述了IES规划的国内外研究现状，进而，描述了IES各类供储能设备(energy storage supply equipment, ESSE)运行模型，并以此为基础，构建了各类ESSE的容量配置模型，并概述了各供能网络(energy supply network, ESN)的潮流模型。在EV充换电设施规划方面，首先对各类EV负荷预测方法进行了讨论，对EV充换电设施规划现状进行了分类讨论，并概述了EV充换电设施与电网协同规划、考虑碳排放的EV充换电设施规划两个方面的研究现状。最后，综述了IES环境下EV充换电设施规划的国内外研究现状。并总结了IES环境下EV充换电设施规划发展所面临的难题，并展望了今后的研究方向。

1 综合能源系统规划

IES基本架构图1所示，ESN主要包含电网(distribution network，DN)、热网(heating network，HN)、冷网(cold network，CN)和天然气网(natural gas network, NGN)[29 - 30]。ESSE的供能设备(energy supply equipment, ESE)包含WT、PV、热电联产设备(combined heat and power, CHP)、冷热电联产设备(combined cooling heating and power, CCHP)、电制冷设备(electrical chiller, EC)、电制热设备(electric heating, EH)、燃气锅炉(gas boiler, GB)和吸收制冷设备(absorption refrigeration, AR)[31 - 32]。储能系统(energy storage system, ES)包含气储能设备(natural gas energy storage, NGES)、冷储能设备(cold energy storage, CES)、电储能设备(electric energy storage, EES)和热储能设备(thermal energy storage, TES)。

图1 IES基本架构

1.1 IES规划的国内外研究现状

现有的IES规划研究大多只考虑各类ESSE的出力与负荷需求之间的关系，从而实现对IES的ESSE容量优化配置及运行状态优化[33 - 38]，忽略了对ESN拓扑和IES潮流的考虑。IES中电、热、气、冷等多能之间互补运行，具有强耦合性。耦合程度和耦合关系与耦合节点在ESN中的位置以及这些节点上的ESSE特性密切相关。

IES和交通系统融合架构如图2所示。随着交通电气化技术不断加强，充电EV、换电EV、电动公交车等交通电气化技术的发展极大的推动了IES和交通网络的有机融合。由图2可知，IES和充换电设施之间通过电网和EV负荷时空分布等构成相互耦合环节；充换电设施和交通系统之间通过EV充换电决策、交通情况等产生相互耦合因素。由此可知，IES和交通网络之间具有双向复杂耦合关系，并且这种耦合与EV并网的节点位置以及并网数量密切相关。EV的强时空负荷特性将较大程度上影响电网潮流分布，并将对电网的影响耦合到IES不同的ESN，从而影响整个IES的潮流分布。由此可知，由于EV负荷的时空分布特性，针对含有大量EV的IES的规划及运行优化的研究，考虑其ESN拓扑及各类能源的潮流分布显的尤为重要。

图2 IES和交通系统融合架构

目前，已有不少IES规划的研究进一步考虑ESN拓扑[39 - 44]，但仅将ESN拓扑及其管线容量设为已知参数。ESSE规划配置及其运行优化与ESN规划之间的紧密耦合关系如图3所示，上述研究均未计及。此外，一些IES规划研究进一步考虑了ESN的拓扑优化，但未对管线容量进行优化[45 - 52]；而一些研究仅优化了的ESN管线容量，而未考虑对ESN供能拓扑进行优化规划[53 - 54]。

图3 ESSE规划配置及运行与ESN规划的耦合关系

部分IES规划研究同时考虑了ESN拓扑和管线容量的规划，更好地考虑了ESSE和ESN规划的耦合关系，提高了IES规划的准确性[55 - 57]。文献[55]提出了天然气和电力系统的扩建规划方法，较为充分考虑了ESN拓扑及管线容量的规划。文献[56]建立了综合电力和天然气的IES扩展规划模型，模型考虑了ESN拓扑和管线容量的规划。文献[57]提出了多区域IES间主要供能联络线的规划方法，优化了供能联络线的拓扑及容量。也有部分研究采用图论方法(如最小生成树算法、最短路径算法等)规划ESN拓扑[58 - 63]。文献[58]通过P-中值理论和枚举法，最小化IES节点负荷与节点和能源站之间的距离的乘积，实现能源站选址和ESN管线的优化规划。文献[59]建立了IES能源站规划模型，采用最短路径算法和P-中值理论求解ESN拓扑。文献[60]建立了IES的ESN树，将电网和天然气网分别视为独立的树，并采用最小生成树算法对供能网络进行优化规划。文献[61]将IES能源站和管线分别抽象为节点和边，基于有向图理论建立了IES能源站的容量和供能拓扑规划模型。文献[62]提出了一种基于有向无环树的ESN拓扑优化的IES规划方法。文献[63]建立了以管线流量为权重的IES规划模型，并采用Prim算法对模型ESN拓扑进行优化规划。上述考虑ESN网络拓扑及管线容量的IES规划研究为含大规模EV的IES规划提供了有力的理论支撑。

1.2 IES各类供储能设备运行模型

目前国外学者在IES各类供储能设备的数学模型的建立方面进行了深入的研究。

1)PV运行模型。光伏发电最重要的组件是光伏电池，光伏出力和光照强度的变化保持一致，其模型如式(1)所示[64]。

PPV(t)=R(t)SPV

(1)

式中：PPV(t)为t时段光伏出力；R(t)为t时段光照强度标幺值；SPV为光伏装机容量。

2)WT运行模型。风机模型一般以风速为自变量进行描述，如式(2)所示[64]。

(2)

式中：PWT(t)为t时段风机出力；PWT,n为风机额定功率；V(t)为t时段风速；Vin、Vout和Vn分别为切入、切出和额定风速。

3)ES运行模型(包括NGES、CES、EES和TES)。IES中各类储能设备主要根据各自的供能系统的实际运行工况对IES进行响应调节，提高IES运行的灵活性和经济性，NGES、CES、EES和TES的储能和放能的运行过程具有相似性，统一的模型如式(3)所示[65 - 68]。

(3)

式中：EES,op(t)为t时段储能运行能量；ηES,cha和ηES,dis分别为储能充、放能效率；SES为储能容量；λES,max和λES,min分别为运行能量百分比上下限；PES,cha,max和PES,dis,max分别为储能充、放能功率上下限；T为每日时段数。

4)EC、EH、GB和AR运行模型。上述设备均为将某种形式的能量转化为另一种形式的能量的IES供能设备，主要考虑其能量转化效率，从而实现能量的转化，能量转化过程具有一定的相似性，统一的模型如式(4) 所示[65 - 68]。

(4)

式中：PEQ,out(t)和PEQ,in(t)分别为t时段供能设备的输出和输入功率；ηEQ,tra为供能设备的能量转换效率；PEQ,out,max和PEQ,out,min分别为供能设备出力上、下限。

5) CHP运行模型和CCHP运行模型。CHP机组由燃气轮机发电机组和余热锅炉分别进行发电和余热的回收和利用，而CCHP机组较CHP机组多了吸收制冷装置，所以相比于式(5)的CHP模型[65 - 68]需CCHP要增加式(6)的CCHP吸收制冷部分模型[65 - 68]。

(5)

(6)

式中：PCHP,gas(t)为t时段CHP机组输入的气功率(天然气按热值GHV折算为热量的功率)；PCHP,gas(t)和PCHP,heat(t)分别为t时段CHP机组电和热出力功率；ηCHP,ele和ηCHP,heat分别为CHP机组的发电效率和制热效率；RD和RU分别为向上、下的爬坡率；PCCHP,cold(t)和PCCHP,gas(t)分别为CCHP机组输出冷功率和输入气功率；ηCCHP,cold为CCHP机组的制冷效率；PCCHP,cold,max和PCCHP,cold,min分别为CCHP的冷出力的上、下限。

1.3 IES各类供储能设备容量配置

基于上述各类ESSE的运行模型，各类文献研究提出各类ESSE的容量配置模型。

1)PV和WT定容模型。PV和WT的装机容量一般需要大于其出力[64 - 68]。

(7)

式中SWT为WT的装机容量。

2)ES定容模型[65 - 68](包括NGES、CES、EES和TES)。

EES,op(t)≤EES,∀t

(8)

式中EES为储能容量。

3)EC、EH、GB和AR运行模型[65 - 68]。

PEQ,out(t)≤SEQ,∀t

(9)

式中SEQ为EC、EH、GB和AR的装机容量。

4)CHP运行模型和CCHP运行模型，分别满足式(10)—(11)[65]。

(10)

(11)

式中：SCHP和SCCHP分别为CHP和CCHP机组的装机容量；ηCCHP,ele和ηCCHP,heat分别为CCHP机组发电效率和制热效率；PCCHP,heat(t)为t时段CCHP机组的热出力功率。

1.4 各供能系统潮流模型

1.4.1 电网潮流模型

1)电网直流潮流模型[68]。

(12)

(13)

式中：Fl(t)为t时段线路l上的功率；θl,b1(t)和θl,b2(t)分别为t时段线路l的起点b1和终点b2的相位；xl为线路l的电抗；LE和LC分别为已存在和待建线路的集合；yl为待建线路l建设与否的0- 1变量；M为一个较大的正实数。

2)电网交流潮流模型[69]。

(14)

式中：Pex,i和Qex,i分别为IES配电网与上级电网之间的有功和无功交互功率；Pin,i和Qin,i分别为节点i的注入有功和无功功率；Π(i)为节点i通过电力线路直接相连的节点集合(包含节点i)；Ui为节点i的电压幅值；Gi,j和Bi,j分别为电力线路i,j导纳的实部和虚部；θi,j为电力线路i,j的相角差。

3)电网Dist-flow潮流模型[70]。

(15)

1.4.2 气网潮流模型

由于主要考虑规划层面的问题，气网采用静态模型进行描述。天然气系统中管道l(首末节点分别为节点b1与节点b2的管道流量计算式为[67]：

(16)

式中：sgn为符号函数(sign function)；πb1(t)和πb2(t)分别为t时段节点b1与节点b2处的气压；Wl为天然气管道系数。

文献[68]对式(16)的气网静态模型进行泰勒展开并略去高次项，得到分段线性化的气网潮流模型。

1.4.3 热网潮流模型

热网潮流模型[67]如式(17)—(20)。

PHN,L=CWMQ(TW,in-TW,out)

(17)

(18)

式中：PHN,L为热网负荷节点功率；MQ为节点流出的质量流量；CW为介质水的比热容；TW,in和TW,out分别为节点供水和出水温度；A为供热网络的节-支关联矩阵；M为各管道流量；MQ为各节点流出的流量；B为供热管网的回-支关联矩阵；HF为压头损失向量。

热网主要满足节点温度约束和节点流量约束，分别满足如下公式[67]。

(19)

MQ,i,min≤MQ,i≤MQ,i,max

(20)

式中：Ti、Ti,max和Ti,min分别为节点i的温度及其上下限；Mout和Ti,out分别为节点i流出的流量和温度；Min和Ti,in分别为节点流入的流量和温度；MQ,i,max和MQ,i,min分别为节点i的流量的上下限。

2 电动汽车充换电设施规划

EV负荷预测是充换电设施规划及调度的研究基础[18]，首先对目前主要的EV负荷预测方法的研究现状进行阐述，在此基础上对EV充换电设施及其规划研究现状进行分类描述，进而对EV充换电设施与电网协同规划、考虑碳排放的EV充换电设施规划的相关内容的国内外研究现状进行叙述。

2.1 EV负荷预测方法

目前针对EV负荷预测的研究已取得较大进展。多数EV时空负荷预测结果为某一区域的充电负荷曲线，未给出EV负荷的具体的地理位置坐标信息[69 - 72]。上述EV负荷时间分布曲线预测结果可以较好的应用于引导EV有序充换电[69 - 70]，也可应用于单个EV充换电设施的建站容量优化规划[71 - 72]。目前较多的研究以静止的EV空间负荷分布为基础对EV充换电设施进行优化规划[73 - 75]，这些预测结果给出EV具体地理位置坐标，适用于EV充换电设施的选址定容规划研究。但静止的EV空间负荷分布无法反映其在时间上的数量起伏和空间上的聚散效果，以此为基础，进行选址定容规划方案的负荷适应性较低。少数研究对EV时空负荷进行预测，预测结果不仅含有EV负荷车辆的地理位置信息，还包含EV负荷在数量上变化的负荷信息[76]。EV负荷的强时空变化特性又对充换电设施选址定容规划提出了较大难度，有少数研究实现了基于EV时空负荷预测结果的充换电设施选指定容规划[77 - 78]。

2.1.1 EV概率模型

根据美国交通部公布的全美家用车辆调查结果，EV日行驶里程s近似满足对数正态分布，其概率密度函数为[79]：

(21)

用户最后返程时刻t也近似满足正态分布，其概率密度函数为[80]：

(22)

式中：σs和σt分别为3.24和3.41；μs和μt分别为8.92和17.47。

文献[81 - 82]采用EV概率模型对EV负荷进行模拟预测，并以此为基础对EV充换电设施进行规划。文献[81]建立了考虑EV概率模型的充电网络多目标规划模型，对充电站建设地址和容量进行优化。文献[82]基于EV概率模型模拟预测，提出计及全寿命周期成本的EV充电网络规划模型。

2.1.2 EV排队论模型

排队论模型是一种基于生灭过程的多服务机构、单队列的排队模型系统，要求EV到达时间间隔和电能补充设施的服务时长均满足指数分布，M/M/k排队论模型的平均等待时长Wq满足[83]：

(23)

(24)

(25)

式中：λ为服从泊松过程的EV的平均到达率；μ为单个充(换)电设备的平均服务率；k为充(换)电设备总数；ρ=λ/(kμ)为排队系统的服务强度；ρ和P0均为系统参数，其中ρ<1；Lq为平均排队长度。

文献[84 - 85]以EV排队论为理论基础，实现了对EV负荷的不确定性的较好的描述，进而对EV充换电设施进行规划。文献[84]提出一种基于EV排队论负荷预测的充电站规划模型。文献[85]基于排队论理论实现对EV负荷的预测，并对考虑配网潮流的高速公路快速充电站进行优化规划。

2.1.3 基于出行链的EV负荷预测模型

EV用户会根据出行需求的到达地位置和出发点位置之间的驾驶距离，同时根据车辆剩余电量来决策途中是否需要电能补充。因此，EV电能补充需求与出行需求具有较强的耦合关系。EV用户按照其用户出行的类型可将出行目的地位置划分为居民区、商业区和工作区，并可将 EV用户典型的出行链分为图4所示的4类[86]。

图4 EV用户典型的出行链

文献[87 - 88]基于EV负荷出行链的分析预测，实现了EV充换电设施优化规划。文献[87]以模拟EV出行链为基础，得到电网各节点的充电需求，以此为基础实现对EV充电站的优化规划。文献[88]基于出行链和Dijkstra最短路径算法，提出了考虑驾驶人出行链的充电站选址定容模型。

2.1.4 基于道路车速流量的EV负荷预测模型

在城市交通系统中，车辆行驶速度主要受道路容量和车流量的影响，采用t时刻以i,j为端点的直连路段(i,j)上车辆行驶速度vi,j(t)描述车辆速度-流量实用模型，满足式(26)[89]。

(26)

式中：vi,j-m为直连路段(i,j)的零流速度；Ci,j为道路(i,j)的通行能力，与道路等级有关；qi,j(t)为t时段道路(i,j)的路段流量；qi,j(t)与Ci,j的比值为t时段道路饱和度；a、b和n为不同道路等级(主干道、次干道)下的自适应系数。

文献[90 - 91]基于道路车速流量的EV负荷预测为数据基础，较好地解决了EV充换电设施的优化规划问题。文献[90]基于EV动态车流模拟，提出一种更为准确的高速公路充电站优化规划模型与方法。文献[91]提出一种计及路网结构、车流信息的城市区域EV充电站规划模型。

2.1.5 EV时空负荷预测模型

文献[77]提出一种充电EV和电动公交车的时空负荷预测方法，并基于EV时空负荷预测结果，对EV充换放储一体化电站进行规划。文献[78]提出一种换电出租车和换电私家车的时空负荷预测方法，进而实现对电池配送站的换电负荷需求的预测，最后实现了对集中型充电站的优化规划。

2.2 EV充换电设施规划

充换电设施向着充电快速化、集成化方向发展[92]，大功率EV快速充换电设施规划是解决EV出行和提升EV便利性的必然选择[93]，其统一调度和集中管理可实现整体最优[94]。此外，集中通信、集中控制的成本低和控制算法的复杂性低，一体化综合调度由电网统一调度大型EV集中型供储能设施的充放电，是实现EV有序充放电管理的明显特征，也是克服EV难以计划和控制的核心方法，可进一步缓解EV并网对电网在潮流、谐波方面产生的等不确定性冲击和影响[95]。而EV分散充电桩属于分散式充电设施，其调度优化异常复杂[94]，EV个体用户直接响应电网调度的可能性较小[92]，同时EV负荷空间分布复杂[96]，将进一步导致电网潮流变化的复杂程度，为电网的规划及运行提出了较大难题[95]。从电网角度出发，才存在有序充电的概念，而对于EV用户而言，则无有序以及无序的差别，同时，难以保证分散充电桩的EV的调度精度和调度有效性，调度难度及调度成本较大[95]。分散充电桩无法达到EV集中型充换电设施在运行调度上的优势[92 - 96]。于此同时，电网的不具有对EV车辆直接调度的权限，一般通过电价信号等引导EV参与电网调度[96]。同时，车载电池的所有权以及车辆充换电决策权均为EV用户所有，用户完全可以根据自身出行需求各自分散决策是否进行电能补充以及何时何地进行电能补充，若要EV用户接受电网调控，需要一系列的政策及服务手段，其调度难度较大[95]。综上所述，基于目前IES环境下大规模EV的调度可行性和有效的考虑，本文主要讨论IES环境下的EV集中型充换电设施的规划问题。

EV集中型充换电设施主要分类如图5所示，具体分类和特点以及现有规划的研究如下。

图5 EV充换电设施分类

1)充电站[17,87,97]。充电EV驶入后由充电机直接充电。结构功能单一，一定程度上可实现V2G(vehicle to grid)辅助电网调节，难以有效平抑PEV负荷波动性[17,87,97]。文献[97]计及充电站的容量、位置和服务范围之间的关系，建立充电站选址定容规划模型。文献[17]以充电站成本、时间损失和路途电量损耗的用户经济损失最小为目标提出EV充电站规划方法。文献[87]提出一种考虑EV充电需求和电网接纳能力的充电站规划方法。

2)换电站[98 - 101]。换电EV驶入后采用换电机进行快速电池更换，并在站内对电池进行充电。可利用换电站中EV换电电池进行B2G(battery to grid)参与电网调节，实现电网削峰填谷、平抑EV负荷以及DG出力波动和消纳等目标。文献[99]建立了一种基于配电网可靠性的DG与换电站协同规划模型。文献[100]提出一种含可控DG和换电站的配电网协调规划方法。文献[101]提出EV换电站的有序充电策略，以建设运行成本、负荷波动以及网损为目标，提出统筹考虑EV换电站和DG的多场景协调规划方法。

3)集中型充电站[3,72]。换电EV在电池配送站(只作为电池更换场所，不具备充电功能)中进行换电，电池配送站将低电量电池通过电池运输系统运输至集中型充电站充电，满电后运回电池配送站。集中型充电站可集中控制充电功率，有利于制定电网友好的充电方案[102]。EV换电可靠性和用户满意度受到电池运输等交通因素的制约，一般为电网调度不可控因素。含集中型充电站的EV充换电网络如图6所示。文献[75]考虑不同主体的利益均衡，将集中型充电站作为可控负荷对电网进行削峰填谷，建立集中型充电站规划模型。文献[72]结合换电需求和物流配送建立了集中充电站容量规划模型，实现对集中型充电站储能容量和充电机的优化配置。文献[78]构建了一种基于换电EV时空负荷预测的电池集中充电站选址和定容规划模型。

图6 含集中型充电站的EV充换电网络

4)充换电站[103]。具备充电站和换电站的结构和功能，可满足EV充换电需求，功能较为全面，可较好的实现V2G和B2G平抑EV负荷波动等。文献[15]将交互式多准则决策方法扩展至不确定语言环境，提出一种充换电站优化选址模型。文献[103]提出一种基于最大熵理论的多类型EV充换电站规划方法。文献[104]基于共享EV租赁规律以及功率、时间预测模型，建立效率高、成本低、电网友好型的混合充换电站最优规划模型。

5)光储充电站[71,105 - 106]。结合PV和充电站的特点，一定程度上实现PV出力和EV负荷互补，但通常充电站EV负荷功率很大，需配备大规模PV才可真正实现互补运行，同时，PV配置提高了建设投资。文献[71]提出一种计及EV用户价格型需求响应的光储充电站容量配置方法。文献[105]针对大规模EV在城际间的出行充电问题，提出了城际光储充电站定容规划方法。文献[106]提出充电站内充电桩、PV、ES的能量交换策略，对光储充电站的接入位置以及配置容量进行优化规划。

6)充换放储一体化电站[77,107]。主要由充电、换电、梯级储能系统构成，充电、换电系统分别为充电EV、换电EV提供快速充、换电服务，梯级储能系统对退役电池进行梯级重组利用，提高电网环保性，具备调节电网削峰填谷[70]以及平抑波动[108]、电压动态调整[109]、故障恢复[110]等优势，其结构如图7所示。文献[77]提出一种充换电EV时空负荷预测方法，并提出结合粒子群算法和迪克斯特拉算法的组合算法，对充换放储一体化电站进行选址定容规划。文献[108]建立了一种交直流配电网环境中的EV充换放储一体化电站规划模型。

图7 充换放储一体化电站结构

2.3 EV充换电设施与电网协同规划

目前，电网面临电力容量不足、增容难，限制充换电设施的规划建设，揭示了电网和充换电设施的规划建设的匹配问题。国内充换电设施缺额严重，一定程度上与电网建设和EV负荷需求增速未良好匹配有关，其原因是：1)电网规划未(欠)考虑EV负荷，导致后期充换电设施建设受限，或建成后对电网产生冲击，导致电网被动改扩建或增设大量储能平衡电力缺额；2)充换电设施规划时未(欠)考虑配电网建设速度，建成后电网容量不足或短期无法增容，导致充换电设施无法正常营运，或需高压专线供电，造成资源浪费和经济损失。电网和充换电设施协同规划可提高规划的合理性和环保性，延迟改扩建，降低建设规模，节约资源，提高电能质量和供电效率，提高安全、可靠和经济性。综上所述，需要进一步提高规划环节的统筹性，形成协同规划理念。

目前，针对含EV的配电系统的规划研究还较少，充换电设施是电网的一部分[111]，其规划必须考虑与配电网的协调[112]。文献[112]建立了充电网络和配电网协调规划模型。文献[14]构建了储能、充电站和配电网联合规划模型。文献[113]建立了含充电站的配电网规划模型。文献[114]构建了含风、光、储和充电站的配电网协同规划模型。文献[115]建立了基于EV调度的配电网规划模型。文献[116]提出一种含插电EV的配电网的储能和DG规划方法。文献[117]建立了含共享EV、PV、储能的电网拓展规划模型。文献[118]提出一种配电网中的EV充电站优化配置模型。上述研究验证了协同规划可提高电网供电可靠性和电能质量以及EV接入水平，降低规划投资，提高运行效益，减少资源浪费，实现综合经济最优，同时有利于平抑EV和DG功率波动，提升DG渗透率。

2.4 考虑碳排放的EV充换电设施规划

发展低碳电力是电力行业实现可持续发展的必经之路[119]。文献[120]指出化石燃料燃烧产生温室气体排放到环境中形成碳排放。文献[119]指出面向低碳电力调度与低碳电源、电网规划的方法，都可借助碳排放流进行分析。同时，文献[119]还指出关键是准确便辨识电力系统中碳排放的“来龙去脉”。而在电力行业中，发电环节通常被认为是碳排放的源头[120]。文献[121]指出在理论上，发电侧向环境排放的碳排放总量应等于电网和用户侧碳排放量的总和。电能作为一种商品，其效用全部由消费者获得，当不同地区间存在电能交换时，发电产生的能源消耗与碳排放却不会随着电能转移[120]。

目前计及碳减排的充换电设施规划研究还较少。EV所耗电能由传统机组提供时，等于“以煤代油”，并非真正新能源[122]。文献[122]建立了低碳效益最大化为目标的DG和充电站协调投资模型。文献[123]以EV驶向充电站引起的碳排放为目标，建立充电站规划模型。文献[124]计及碳排放，提出一种光储充电站规划方法。文献[125]对考虑低碳收益的充电站进行了优化规划。文献[126]基于充电站碳减排收益的分析，建立充电站规划模型。文献[127]对考虑碳足迹的充电站和WT进行了优化规划。EV充换电设施与区域碳排放量之间的耦合关系如图8所示。由图8可知，影响区域碳排放量的电力系统的主要由区域内传统机组总发电量决定，区域内传统机组总发电量主要由区域清洁能源总发电量、总用电量和跨区域总交换电量决定，而充换电设施的建设投资将很大程度上影响EV的用电量，从而进一步影响区域总用电量，进而影响区域碳排放量。

图8 EV充换电设施与区域碳排放量之间的耦合关系

3 IES环境下的EV充换电设施规划

EV充换电设施和IES协同规划框架如图9所示。由图9可知，EV充换电设施规划通过其站址坐标、供电路径、功率需求和计划等规划及运行因素与配电网规划之间构成相互之间的较强的耦合。同时，配电网规划通过供能网络拓扑、用能计划等规划及运行因素与IES规划之间构成相互之间的较强耦合。可知，EV充换电设施和冷、热、气、电多能IES系统的协同规划是一个有机耦合整体。

图9 EV充换电设施和IES协同规划框架

EV充换电设施和IES融合系统的碳交易机制如图10所示。由图10可知，IES和EV充换电设施融合系统中IES通过可再生能源的清洁发电，降低传统燃煤、燃气机组的出力，从而有效降低整体环境碳排量，IES环境下的EV充换电设施为电力负荷，负荷需求引起发电侧的电力生产，从而增加环境碳排量，通过碳交易机制将IES供用能和EV充换电设施用能进行有机融合，更好地实现DG出力的就地消纳，从而降低整体环境碳排量。

图10 EV充换电设施和IES融合系统的碳交易机制

3.1 国内研究现状

较多的研究表明EV替代传统燃油汽车将降低高碳化石能源的利用和消费，缓解我国对进口化石能源的依赖，减少区域交通排放污染，同时可以进一步提高IES对环境碳减排的效益，对IES环境下的EV充换电设施的优化规划及运行调度具有较为重要的研究意义。文献[128]针对含EV、气、风、光、氢的IES进行规划，计及IES供能范围的EV充电需求，建立了计及EV随机充电的风-光-氢IES规划模型。文献[28]首先描述了WT出力和EV负荷的不确定模型，进而提出一种基于随机模型的最大熵方法对WT出力和EV负荷模型，最后提出考虑供冷期、供暖期和过渡期3个场景的IES协同规划模型。文献[27]为满足多元化能源需求和优化能源分配利用，提出一种基于电、气和交通网的综合能源站的智慧IES规划模型。文献[129]考虑了CHP以及EV充电站，建立电-气混联IES规划模型，实现了对发电机组、GB、CHP、输电线路、天然气管线和EV充电站的优化规划。文献[5]针对实际独立海岛IES结构，构建以可再生能源发电与补给能源为源端，常规负荷与EV为终端的IES规划模型。文献[130]基于IES多能互补的特性，利用能源集线器将电网、天然气网和交通网进行耦合，提出一种IES规划方法。

3.2 国外研究现状

EV充换电设施规划和运行将导致IES配电系统的规划和运行出现较大的复杂性，进而影响IES系统中冷、热、气等其余供能网络的规划和运行。同时，冷、热、气、电多能耦合IES系统，也将通过各类ESSE将复杂能量运行状态耦合到配电系统，进而较大程度地影响EV充换电设施的合理和准确的规划和运行。针对上述问题，有较多的国外学者对含EV的IES系统的规划及其调度运行进行了研究。文献[131]基于对IES和智能电网系统的分析，提出一种改善EV充电站电压质量和谐波的方法。文献[53]建立了考虑充电站的城郊IES和电动沼气交通协同规划模型，提出了一种包含电、气、热和交通负荷的主动配电网和交通网联合规划方法。文献[132]基于EV可控负载特性，建立了建筑IES的EV需求响应模型，验证了建筑IES是区域IES的终端节点，可实现电、气、热、交通等多能源网络的耦合。文献[133]针对区域电-热一体化IES，首先分析系统中各机组的运行特性和调度成本，然后建立IES的日前经济调度模型。文献[134]首先建立了建筑IES的框架和模型，考虑EV移动储能装置的特点，在建筑IES出现供能故障时，EV提供应急辅助服务，提高了建筑IES的运行效率和供能可靠性。文献[135]研究了具备多种供能方式和灵活负荷的区域IES优化调度问题，建立了IES环境下的ES和EV的IES能源枢纽优化调度模型。文献[136]从规划角度分析了新开发城市社区绿色潜力，提出一种融合电、热和交通网络的IES的规划方法。文献[137]考虑到电力对天然气深度脱碳的影响，计及电力系统平衡和EV出行需求平衡，提出了一种区域IES与交通系统协调长期规划模型。文献[138]基于社区IES多能互补、综合优化的特点，建立了包括能源运营商、分布式PV和EV充电代理在内的IES优化模型。文献[139]针对EV充电和建筑蓄热的管理问题，提出一种考虑联合虚拟储能的区域IES优化调度方法。文献[140]针对EV大规模接入影响系统稳定性的问题，提出一种EV集群参与区域IES的优化策略。

4 IES环境下充换电设施规划面临的难题

虽然EV充换电设施和IES融合供能系统的规划建设模式具有诸多优点并且逐步受到供能企业的大力推崇，但从目前的发展情况来看，IES环境下的EV充换电设施模式似乎进入了一定的瓶颈时期。随着IES环境下的EV充换电设施模式建设的不断开展，这一新兴模式存在的问题也日益凸显。

1)合理规划及运行调度。充换电设施的EV负荷的强时空不确定性将很大程度上导致区域配电系统规划及运行具有较强的复杂性，进而影响耦合运行的IES系统中冷、热、气等其他供能网络的规划及运行。同时，多能耦合互补运行的IES，也将复杂的能量耦合关系通过电网对EV充换电设施的规划及运行产生影响。两者规划及运行的合理性和准确性欠佳可能导致耦合运行的EV充换电设施和冷、热、气、电多能互补IES的运行解列，从而影响IES环境下EV充换电设施以及IES项目的落地。

2)安全性与责任界定。IES环境下EV充换电设施模式的发展有可能彻底改变传统汽车企业、能源企业和消费者的三方结构，而出现EV充换电设施和冷、热、气、电多能互补IES规划及运行的诸多参与方。在这种新兴格局下，EV充换电设施和IES的融合系统的初期建设投资工作、日常运行维护工作等由谁来承担，当出现安全问题时责任如何界定等都是亟待解决的难题。

3)IES环境下的EV充换电设施模式建设。对于EV充换电设施和多能耦合IES建设投资方而言，IES环境下的EV充换电设施模式的主要优势在于其不同能源系统之间的互补耦合运行提高了整体的供用能效率，并可进一步降低碳排放，但在现实中该耦合能源系统依赖于规模化建设的EV充换电网络和冷、热、气、电多能互补的IES，这也意味着超大规模的投资要求，在目前其能源模式可行性仍存疑的环境下，其规模化建设也面临着巨大的资金瓶颈。

4)利润和责任分配。由于EV充换电设施和IES的规划及运行具有很强的耦合性，且EV充换电设施、电、气、热、冷网归属于不同的利益主体，众多利益主体之间具有复杂的利益博弈。EV充换电设施和IES融合供能系统模式下，如何合理分配EV充换电设施、电网、气网、热网和冷网之间的成本和利润等经济利益以及碳排放权益和责任，目前还没有明确的划分方法。

可以看出，EV充换电设施和IES融合供能系统模式的应用仍面临较多问题，就目前的技术水平和相关法律、商业模式配套而言，还不足以支撑该供能模式的大规模应用。

5 结论和展望

IES耦合电、热、冷、气等多种能源，通过各种能源生产、传输、储存、转换、分配等环节的协调优化，实现能源的高效利用，为用户提供高可靠性、高效、清洁的多样化的能源供应。EV因节能环保特点成为各界关注焦点，EV充换电设施的规划建设是EV推广应用的前提和基础。IES环境下充换电设施的规划研究，是含大规模EV并网的IES从理论到工程落地的难点，是未来EV充换电设施和IES融合系统工程实践的基础。EV充换电设施和IES融合系统的系统整体规模巨大，不同供能网络之间存在诸多的耦合设备，EV和DG的随机不确定性也进一步影响各供能系统间的耦合规划及运行，对其进行整体统筹的协同规划有一定难度。

本文首先对IES的基本结构进行阐述，对目前IES规划国内外研究现状进行介绍。从而对IES各类供储能设备运行的数学模型进行建立，并根据IES各类供储能设备运行和容量规划配置之间的耦合关系，分别构建各类供储能设施的容量配置模型。进而，对IES各供能系统的潮流模型进行了描述。针对EV充换电设施规划环节，首要任务是对EV负荷进行精准预测，故对目前主要的EV预测方法的进行了概述。以此为基础，对国内外各类EV充换电设施规划的研究进行分类讨论。针对EV充换电设施与电网的协同规划方面，已有部分文献进行了研究，也有一些研究对考虑碳排放的EV充换电设施规划方面进行了探索，对上述两方面的研究均进行了相应的阐述。EV充换电的群聚效应对配电网局部产生较大的影响，配电系统将该影响耦合到IES多元供能系统的规划及运行，而IES多能互补耦合运行的特点也将复杂的规划及运行特点，通过电网耦合到EV充换电设施的规划及运行，这方面仍有待深入研究。同时，当前我国EV充换电设施和IES的建设如火如荼，但相应的IES环境下的EV充换电设施规划缺乏成熟的理论和方法。目前，针对IES环境下的EV充换电设施的规划及运行方面国内外专家均进行了一定的研究探索，本文对此进行了阐述分析，并分析了IES环境下EV充换电设施规划面临的一些难题。本文在上述方面的研究对于完善IES环境下充换电设施规划理论体系具有重要意义。