电动汽车充电设施布局研究综述

2022-08-15王忠辉王立晓

交通科技与经济 2022年4期

王忠辉，王立晓

(新疆大学建筑工程学院，乌鲁木齐 830047)

近年来，我国的机动车保有量迅速增加，给人们的生活带来了便利。与此同时，车辆的大量使用也带来了一系列问题，其中能源短缺和环境污染问题日益凸显。在这一背景下，大力发展新能源汽车已成为交通运输管理部门的主要任务，其中电动汽车(EV)以零污染、低噪音和能源利用率高的特点得以快速发展，成为解决能源和环境问题的重要途径[1]。我国政府也积极推广电动汽车，国务院于2012年颁布了《节能与新能源汽车产业发展规划(2012—2020)》，该规划指出将发展电动汽车作为国家战略之一[2]；为进一步推动电动汽车的发展，国务院于2020年发布了《新能源汽车产业发展规划(2021—2035年)》，提出汽车产业转型升级和推动新能源汽车产业高质量发展的重要作用[3]。基于当前的EV技术以及驱动原理，电动汽车可分为燃料电池汽车、混合动力汽车以及纯电动汽车3种[4]，其中纯电动汽车从环境性能和社会效益方面来说均为理想型车型[5](下文的电动汽车均指纯电动汽车)。然而，充电设施的不足阻碍了电动汽车的发展，电动汽车市场的萧条降低了运营商建设充电设施的意愿，很容易陷入“有车无桩、有桩无车”的现象，Upchurch等[6]研究表明建设足量的充电设施可促进电动汽车的发展。因此，合理的充电设施布局对于电动汽车的发展具有重要意义[7]。

关于充电设施布局，已有学者从不同角度进行了研究。有学者考虑充电方式对布局的影响，如肖湘宁等[8]对电动汽车发展规模预测、充电方式的选择、充电设施与电力系统的互馈作用等问题进行分析，对充电设施布局给出若干条指导性建议；付凤杰等[9]基于充电选择方式模拟电动汽车充电行为，并给出了充电设施布局的指导性意见；还有学者从充电需求角度对充电设施布局展开研究，如张智禹等[10]提出了基于充电需求分布的预测结果，以充电站建设运营成本、电动汽车充电成本及电网惩罚成本之和最小化为目标函数对充电设施进行布局；杨现青等[11]考虑了电动汽车充电需求点的分布，以充电设施收益最大化为目标对充电设施布局展开研究。此外，还有学者采用不同的充电设施布局模型展开研究，郑瑶[12]从运营商和用户的角度出发，运用截流选址模型以及排队论，分别考虑建站成本与充电站服务水平，对电动汽车充电设施布局进行决策；蔡燕喃[13]选取公共停车场作为充电设施候选点，从电动汽车用户角度出发，运用p-median模型和遗传算法进行充电设施布局，使需求点到达离自己最近的充电设施距离之和最小。目前关于各类能源供应设施布局的理论和模型研究数量较多，但缺少全面阐述电动汽车充电设施布局的综述性文献，因此，笔者系统整理了充电设施布局研究方法及发展进程，为后续充电设施布局研究提供思路和理论依据。

1 充电方式概述

充电设施是指为电动汽车提供电能补给的充换电设施，是电动汽车发展的重要基础保障。目前，电动汽车充电方式有快速直流充电、慢速交流充电、电池更换以及无线充电等[14]，但充换电设施内普遍存在三种充电类型(见表1)。

表1 电动汽车充电类型及特点

充电设施布局研究内容包括充电设施的类型以及充电设施数量，国内外充电设施布局已有研究大多只考虑单一的充电类型[15-16]。随着电动汽车技术的发展，多类型充电网络布局需求逐渐凸显，在后续研究中趋向于同时考虑快速充电和慢速充电[17-20]。现有研究较少考虑电池更换，且仅作为应急为电动汽车补充电能。虽然换电时间较短，一天可完成多次换电服务，但电池更换需要专业工作人员使用专门的工具才能完成，且电池型号规格不同，若实现统一还很难做到，因此，在运营初期需要购买大量的电池组与充电机。这些都将导致建设初期的运营成本较高，并且电池在使用过程中还有损坏和丢失的风险[21]。所以，同一充电站内涉及快速充电、慢速充电、电池更换以及其他充电方式将是未来的研究方向。

2 电动汽车充电需求预测

充电需求是指当电动汽车剩余续航里程不足以完成后续出行，需要进行充电时产生的需求，通常用待充电动汽车的数量来衡量[22]。电动汽车充电需求受多种因素影响，且充电需求预测又是电动汽车充电设施布局的依据[23]。因此，笔者从充电需求影响因素和电动汽车充电需求预测的研究现状展开论述。

2.1 电动汽车充电需求影响因素

电动汽车充电需求的影响因素是研究电动汽车充电需求预测的基础，若要建立一个准确预测电动汽车充电需求的模型，有必要对其影响因素进行全面分析[24]。从宏观角度看，电动汽车出行群体特性将会影响整个区域电网。从微观角度来看，可分为车辆属性、充电设施属性以及用户个人行为习惯。影响电动汽车充电需求的具体因素如表2所示。

由表2可知影响电动汽车充电需求因素较多，且考虑不同的影响因素进行充电需求预测将导致预测结果不同[25]。因此，应综合考虑上述影响因素，进行电动汽车充电需求预测。

表2 电动汽车影响因素

宏观影响因素可分为环境和政策的影响，其中环境因素包括是否工作日和天气情况等影响电动汽车用户出行时间、行驶速度和行驶里程因素，研究表明，不同天气情况、出行日类型(工作日和休息日)将会有很大差异，不同出行日类型呈现不同的交通状况[26]。政策因素主要包括影响电动汽车发展的相关政策，各地制定不同的电动汽车发展与激励政策，将导致不同地区电动汽车发展速度不同，从而影响电动汽车充电需求。

从微观角度来看，关于车辆属性的研究，罗卓伟等[27]将电动汽车类型分为私家车、商务车、公交车和出租车，因不同类型电动汽车具有固定或非固定的行驶路线，所以在电动汽车充电需求建模时通常采用不同的分析思路。

现有电动汽车充电方式分为有线充电和无线充电，有线充电主要有快速充电和慢速充电。电动汽车使用不同充电方式对应不同的充电时间，文献[8]指出：快速充电方式利用较大的电流给电动汽车充电，充电时间短但对电网冲击较大，也会减少电动汽车电池的使用寿命；而慢速充电方式充电时间较长，对电池损耗较小。因此，电动汽车用户选择不同的充电方式将直接影响某一时刻的充电功率和充电持续时间。然而，电动汽车用户对充电方式选择具有随机性，且充电站内充电桩数量不同，其充电功率仍是变数，充电功率的大小将不同程度影响电动汽车充电时间。此外，为解决电动汽车充电速度慢、缓解充电时对电网的影响，电动公交车通常采用电池更换的方式，这样有利于分布式电网规划，统一对电池充电进行集中控制，便于协调调度。无线充电技术虽然有较多优点，但现阶段其技术尚未成熟，对充电需求影响较小。因此在充电需求预测时，应考虑不同充电方式对充电需求影响。

电动汽车电池容量的差异性也将会影响EV用户的充电行为，如电池容量越大，电动汽车续航里程越大，则充电频率越低。用户个人行为习惯对电动汽车充电需求分布也起到关键性作用，主要包括出行距离、出发时间以及充电起始时间等，如EV用户充电起始时间，将直接影响电动汽车的充电需求分布，田立亭等[28]将EV结束一天行程返家时间设置为起始充电时间。此外，充电时间越集中，充电需求就会越突出，在某个时间段内的充电需求就会越大。Lojowska等[29]研究表明电动汽车行驶距离与行程开始、结束时间具有相关性，也使研究更符合实际充电需求。

2.2 电动汽车充电需求预测

随着电动汽车渗透率的不断提升，电动汽车充电需求预测方法也逐渐成熟。现有研究关于充电需求预测的方法主要有蒙特卡洛随机模拟方法、运用交通行业起讫点(OD)分析法以及基于多智能体系统仿真方法等。蒙特卡罗方法以其能够逼真描述事物发展特点和物理实验过程的优点在各大领域得到广泛应用，相较于其他智能算法，蒙特卡罗方法在运行过程中，对于连续问题无需离散化，且程序结构简单，比较容易实现。但该方法还存在一定的缺陷，利用该方法进行模拟要求所输入的变量之间相互独立，所求解的误差是在一定置信水平下判定，且算法收敛速度较慢[30]。运用OD分析法是采用OD流量矩阵模拟得到，并非实际的OD对。如He等[31]假设充电需求通常在出行终点被满足，通过模拟的OD对估算电动汽车的充电需求。多智能体系统核心由一系列智能体构成，是处于一定环境中的分布式系统，可用于解决单一系统难以处理的复杂问题，如郑恩泽等[32]通过划分充电站Agent、用户Agent以及综合决策Agent，进行充电需求预测以及充电设施布局，该方法已成为解决复杂问题分析与模拟的工具。随着研究的深入，研究方法的创新较小，相关研究主要体现在数据方面的创新。充电需求预测的研究数据主要分三种：基于统计数据、基于仿真模拟数据以及基于车辆出行规律，进而预测电动汽车充电需求。

研究初期，由于缺乏实际的出行数据，通常使用统计数据预测电动汽车充电需求，如居民人口数、汽车保有量数、交通流量以及加油加气站分布等数据。如张进[33]基于灰色模型进行电动汽车保有量分布预测，通过重力模型计算各个交通小区电动汽车的出行量和吸引量，从而预测各个交通小区电动汽车充电需求量；孙政[34]通过线性回归和BASS模型对保定市未来电动汽车保有量进行预测，并在此基础上预测电动汽车充电需求；寇凌峰等[35]利用居民数量来估算电动汽车充电需求；Ge等[36]利用路网节点交通流量预测充电需求，并将充电设施建设在交通流量大的路段上。尽管统计数据获取相对容易，但这些数据都是静态，如居民数量、车辆保有量和加油加气站等数据能否准确反映电动汽车数量和充电需求仍有待验证，因为使用统计数据估算需求并没有考虑到电动汽车的使用情况，而使用情况才与电动汽车充电需求密切相关。也有学者基于仿真模拟数据进行电动汽车充电需求预测，如张洪财等[37]通过仿真电动汽车不同时间、空间的停放以及充电行为，根据SOC(State of Charge)阈值来判断是否产生充电需求；田梦瑶等[38]通过电动汽车出行大数据获取出行和充电行为特征，用轮盘赌法和马尔科夫原理模拟EV出行链，预测电动汽车充电需求的时空分布；许威等[39]通过蒙特卡洛方法模拟电动汽车一天行驶过程并考虑了交通拥堵对其产生的影响，从而预测不同区域电动汽车在不同类型日的充电需求分布情况。基于仿真模拟数据预测电动汽车充电需求时，电动汽车用户的充电决策假设普遍存在较为主观或偏于简单的情况，如假设电动汽车SOC低于某一阈值产生充电需求或充电需求在终点被满足[40]。实际上，由于出行者受里程焦虑等心理的影响，在电动汽车使用过程中就会产生充电需求，因此，基于仿真模拟数据也不能较真实反映实际充电需求。

也有学者基于车辆出行规律预测电动汽车充电需求，如Hua等[41]利用北京市出租车的出行轨迹数据，提取车辆常停车的地点(停车热点),并以此预测电动汽车充电需求；Chen等[42]利用3 000条居民出行记录提取停车信息，通过回归分析法预测停车需求，从而预测电动汽车充电需求；罗思杰等[43]通过对出租车轨迹数据提取，筛选出可支持充电时长的出租车停留点，并对非道路区域停留点进行聚类，最后分析停留点的时间分布，以高峰时刻停留点数预测电动汽车充电需求；假设某辆车在多个地点停车，将导致充电需求预测不准确。在获取出行链或者出行活动时，通常使用的是调查数据或GPS行驶轨迹数据，GPS数据可以记录行驶过程中一天的轨迹数据，但该数据通常通过燃油出租车数据获取，不能真实反映一般出行者以及电动汽车的出行特征。综上所述，基于车辆出行规律相较于统计数据和仿真数据，更能真实反映实际出行情况，可提高充电需求预测精度。

随着研究的进展，在数据方面，虽然基于车辆出行规律进行电动汽车充电需求预测更符合实际的充电需求，但也存在不足之处：其一，研究中所用GPS数据大多为燃油汽车数据，不能真实反映电动汽车真实出行情况；其二，虽然考虑了电动汽车充电需求的分布情况，但未涉及季节、温度及天气对充电需求的影响；其三，现有研究仅考虑电动汽车行驶距离所损耗的电能，未考虑电动汽车其他形式的能耗，如灯光、音响和空调等，均会对电动汽车电能损耗造成一定的影响，故会造成充电需求预测不准确。因此，有必要获取电动汽车行驶轨迹数据和考虑季节、温度及天气和其他电能损耗形式对电动汽车充电需求的影响。

3 电动汽车充电设施布局模型及规划目标

1909年，Weber研究如何在一个区域寻找一个仓库的位置，使得所有用户到达该仓库之间的总距离最小，由此开始了设施选址布局研究[44]。设施选址布局研究相当广泛，比如加气加油站、物流中心等，笔者研究的是充电设施选址布局问题，介绍了典型的选址布局模型和布局时考虑的规划目标。

3.1 电动汽车充电设施选址布局模型

现有关于电动汽车充电设施选址问题模型主要分为基于点需求和基于流量需求两种[45]。点需求的三种模型为P-中位模型、P-中心模型以及覆盖模型，其中1964年Hakimi提出的P-中位模型是基础模型。即对于任意建设p个服务设施位置，使得服务设施地点到服务需求点的距离与需求量的乘积最小，模型的目标函数及约束条件为[46]

(1)

s.t.Yij-Xij≤0

(2)

Xj,Yij∈{0,1}

(3)

(4)

(5)

式中：i为需求点，j为建设充电设施的服务站点；hi为位置i的需求量；dij为需求点i到达候车点j的距离；Yij为0～1变量，若设施点j可以满足需求点i，则Yij=1，否则为0;Xj为0～1变量，若该点未建设充电设施，则Xj=0，否则为1;p为建设服务设施的数量。

1990年Hodgson等[47]提出了基于流量的选址模型，又称截流选址模型。该模型认为顾客需求由两部分组成，一部分需求产生于一定区域内的需求点，第二部分需求产生在路网上的过路需求。关于第二部分需求，Hodgson等提出了截流模型，当需求路线及流量确定的情况下，建设p个服务设施，如何布置充电设施的位置才能使通过电动汽车充电设施的需求量总和达到最大。同时建立了这类问题的基本模型——截流模型(FCLM)，模型的目标函数及约束条件为

(6)

(7)

(8)

yq∈{0,1}

(9)

xj∈{0,1}

(10)

其中，fy表示第y条线路上的车流量；式(6)为布置充电设施获得过路需求流量最大化；式(8)中，yq为0～1变量，在第q条路径上建有充电站时，yq=1，否则为0；关于截流选址模型方面的研究，后期相关学者也进行了拓展[48-50]。

相比于点需求，流量需求模型更符合人们的出行行为，即人们通常在出行的过程中会顺路接受服务[51]。但模型也存在一些缺点，首先，截流模型所需要的数据获取难度较大；其次，模型有一定的局限性，难以满足长距离出行，可能一次出行需要接受多次充电服务，需要在行驶路径上设置多个充电站，这显然与实际情况不相符合。文献[14]中指出模型假设能够满足路径上的所有车辆需求，不考虑服务设施的容量限制，这显然也与实际不符。当下，随着电动汽车保有量迅速增加，该问题更加凸显。

3.2 电动汽车充电设施规划目标

在电动汽车保有量增加、各地充电桩运营补贴等因素推动下，充电桩保有量快速增长。截至2020年12月，我国公共充电桩保有量为80.7万台，同比增长56%[52]。因此，充电设施布局研究保持着高集中性，现有研究在规划目标方面主要考虑其经济性,经济性目标主要考虑从电网公司、充电设施运营商以及用户三个角度进行规划布局[53]。

刘自发等[54]从电网公司角度出发，构建了以土地成本、供电损耗成本以及配电网配置成本最小化为规划目标，并采用量子粒子群算法对模型求解；栗然等[55]利用蒙特卡洛方法预测共享汽车的充电需求，并以对用户捕获程度最大、电网损耗最小及配电系统电压偏移最小为目标函数，建立了共享电动汽车充换电站最优规划目标；Huang等[56]考虑运营商建站投资、运行、检修、保障、报废全寿命周期成本最小化为规划目标；艾圣芳等[57]站在运营商角度考虑建设以充电设施每年的投资成本、运营成本、维护成本、折旧成本等之和最小为规划目标，并使用蒙特卡洛方法计算充电设施容量；何战勇[58]在研究中考虑用户的出行价值和排队系统，以充电设施运营成本及用户排队成本最小为规划目标；陈静鹏等[59]以用户最小化排队时间和最大化充电桩利用率为规划目标，以一个城区为例验证模型的有效性和可行性。

电动汽车充电设施布局规划可能涉及多个利益主体，但现有研究鲜有考虑多个利益主体，较多从单一主体出发进行规划，这可能会影响到其他利益主体的接受程度，且规划时较多基于运营商或用户角度，因此，基于多个利益主体设置充电设施规划目标进行充电设施布局值得考虑[60]。

4 充电设施布局的未来研究方向

4.1 多类型充电设施规划

现有关于充电设施布局研究大多仅考虑一种充电方式，即快速充电方式或慢速充电方式，较少考虑换电站。近年来，随着新型充电技术(无线充电)的出现，将会改变现存的充电方式。对于时间成本较高的人来说，无线充电方式或许是更好选择。然而，现有研究大多针对公共充电设施，较少考虑其他类型充电设施，且规划对象较多考虑了私家车。随着电动出租车、电动环卫车、电动公交车的出现，电动汽车充电需求的行业化将会越来越明显，现有的充电设施布局显然已不能满足需求。因此，考虑多类型(快充、慢充、换电和无线充电等)充电设施布局以及依据相应的规划对象进行充电设施布局是未来的研究方向之一。

4.2 挖掘充电需求的影响因素

关于电动汽车充电需求预测，以往研究多基于统计数据、仿真及车辆出行规律预测需求，在获取汽车出行链时，一般采用燃油汽车行驶轨迹数据，忽略了与电动汽车的区别。在考虑充电需求影响因素时较多考虑充电方式、充电地点以及SOC等易于观察的因素，忽略了不易观察的因素对电动汽车充电需求的影响，如温度、季节、天气等；其次，在电能损耗方面，仅考虑电池损耗与行驶路程有关，忽略了电动汽车辅助设备(如喇叭、空调等)对电能的消耗，这将导致电动汽车预测充电需求与实际充电需求存在误差。因此，考虑电动汽车行驶轨迹数据和温度、季节等不易观察的因素以及辅助设备对电动汽车充电需求的影响，可进一步提高充电需求预测精度。

4.3 考虑不同利益主体的多目标规划方法

电动汽车充电设施布局时，从不同的利益主体考虑，会有不同的目标函数及约束条件。文献[59]中所述电网公司更注重在配电系统负荷率、容量等约束下降低网损，其规划目标通常为总成本最小化、配电系统网损最小化等。充电设施运营商是运营的主体，更注重投资回报率，其规划目标通常为年综合成本最小化、年运营收益最大化等。电动汽车用户在满足自身的充电需求下，会选择服务成本最小、总时间最少作为规划目标。在充电设施布局时，从不同角度出发考虑的规划目标不同，故综合考虑多个利益主体是未来研究方向之一。