基于GPS数据的电动出租车充电桩选址定容

2022-10-15雷小林

电力自动化设备 2022年10期

任峰，向月，雷小林，罗超

（1. 四川大学电气工程学院，四川成都 610065；2. 四川能投综合能源有限责任公司，四川成都 610065；3. 广东电网有限责任公司韶关供电局，广东韶关 512028；4. 四川西昌电力股份有限公司，四川西昌 615000）

0 引言

随着国家和人民群众对生活环境重视程度的逐渐提高，绿色出行受到越来越多的关注，以电动汽车为代表的新能源汽车得到了大力发展，然而关于电动汽车的充电和选址问题也日益凸显。国家发改委、国家能源局、工信部和住建部联合印发了《电动汽车充电基础设施发展指南2015—2020 年》［1］，其中提出了“分场所的建设目标”，即结合公交、出租、环卫与物流等公共服务领域专用停车场所，适当补充独立占地的充换电站，并规划新建一批公交车、出租车、环卫和物流等专用车的充换电站。在充电需求方面：个人电动汽车用户主要考虑经济性和方便性，优先选择在居住小区充电桩进行充电；城市运营电动公交车因为其车型占地面积较大，为了便于管理，由运营管理部门统一规划集中建设充电点；电动出租车根据其目前车载电池容量和使用特性，充电次数需要一天一充甚至一天两充并且无法采用交流慢充进行补充电能，在此情况下完全依赖于城市内的公共直流充电桩，所以制定切实可行的充电设施部署方案是出租车行业实现电动化的重要前提和基础。

目前，已有诸多学者对充电桩选址定容进行了研究。文献［2］考虑在高速公路服务区修建公共充电桩，有利于电动汽车远距离出行；文献［3］考虑乘客出行需求，根据充电站建设和车辆等候成本进行选址建模；文献［4］通过分析出租车停留时间，将停留时间作为充电需求，对充电站的选址提出建议；文献［5］基于社交网络挖掘车主的兴趣区域，结合车辆停留点以满足方便车主充电便利为目标进行电动汽车的充电站选址；文献［6］利用电动汽车轨迹数据挖掘研究区域内的充电需求分布，对研究区域等网格划分，以充电需求大的网格作为充电站选址候选位置；文献［7］基于深度强化学习对电动出租车载客、充电等运营信息进行智能优化，减少了司机充电等待时间；文献［8］结合城市中各地的充电需求与充电站供给，基于改进的多目标粒子群优化算法在降低固定成本的基础上提高了充电站满足需求量的能力；文献［9］对出租车轨迹数据的车辆起-讫点OD（Origin-Destination）进行分析，得出研究区域的充电需求分布，以充电站建设运营成本与车辆需要充电时到充电站最短距离为目标函数采用遗传算法进行优化求解；文献［10］提出目前国内外城市规划研究过程中，很多都是依靠挖掘各种各样的时空数据如兴趣点数据、全球卫星定位系统（GPS）数据、客流数据、手机数据、位置服务数据，进而过滤出有用数据进行精准分析；文献［11］根据出租车GPS 数据建立了车辆行驶时间、采样时间节点的位置、行驶里程等特征值下的模型，应用该模型可为城市的商业选址提供一定的依据。

上述研究过程中，未将电动出租车行驶轨迹、集中停靠点、进入停车场的时序性和停车场现有负荷水平相结合来考虑充电桩的选址定容。为此，本文结合城市出租车的相关运行特点对电动出租车这类特殊集群所需的充电桩进行选址定容分析，以满足电动出租车的电量补充。

1 车辆常驻点分析

1.1 基于车辆行驶习惯的常驻点分析

充电站的选址对车主和电网的重要性不言而喻，它不仅是影响车辆补充电能的关键因素，而且直接关系到交通网和电网的通畅性，故充电站的选址成为便民服务和电网安全的重要因素。5G 时代的来临，多源时空大数据的急速增长，为智能充电站选址定容提供了数据支撑，也提出了新方法、新思路。目前数据广泛使用于各行各业，丰富的数据资源能省去以往枯燥且繁琐的调研过程，并且数据的全面性、精准性能够使后期的分析过程更加贴合实际，可为充电站选址定容提供科学可靠的依据，避免了由于不精准投放所造成的浪费。

出租车是城市交通系统中不可分割的一部分，无论是出租车公司的车还是网约车，其对交通网的影响都是非常大的。在迭代更新为纯电出租车时，其充电位置将进一步影响交通网络，这是因为燃油车加油的时间远远低于电动汽车充电时间，更何况充电过程排队等候时间也远长于排队等候加油时间，所以其运行状态、网络结构和活动空间分布对于揭示城市出行活动规律具有重要意义。出租车在固定的城市内运行，其GPS数据广泛覆盖整个城市，通过分析其集聚性、时间分布性，能广泛应用于城市交通信息网的建设、城市规划等，因此确定出租车的常驻点就成为为其设置充电桩选址定容的第一步。常驻点是指车辆经常停靠的地方，比如车站、机场、购物中心、写字楼等。

根据《国家电网公司电动汽车充电设施建设指导意见》［12］，成都属于电动汽车推广示范城市。本节通过将成都市划分为经纬度（0.025×0.025）小区域。暂不考虑道路交通拥堵的情况，即所有需求点到达中心点所需时间仅与距离有关。本文所分析的出租车GPS数据中均包含了如下信息：采集车辆的车牌、经度、纬度、记录时间、车辆载客信息。根据GPS 数据，记每个点为：

并且采集到的车辆的GPS 数据还应该满足最大、最小经纬度约束，选取区域的边界经度、纬度如下：

1.2 电动出租车常驻点聚类

电动出租车行驶在城区所有道路，并且行驶轨迹有一定的规律性，对于城市规模比较大的地区，出租车车主会习惯性地在熟悉的地区行驶，除非接单收益很大，否则不会行驶到过远的区域。通过对行驶轨迹进行分析，可以得到各个车辆经常行驶的区域。

在目前运营中的出租车上装设GPS［13］，每隔t时间采集一个经度和纬度，同时为了更直接地获得乘客上下车的经纬度信息，在乘客上下车时，车辆也分别采集一次数据。在采集的大数据中剥离出合适的数据进行聚类，能够参与聚类的数据应该具有如下特征：点集需要在城市主要城区。虽然会有比较少的出租车前往城市周边，但是需要去除城市周边的一些点集，其目的是避免后续确定精选位置时发生偏移。k-means［14］算法是一种简单的迭代型聚类算法，采用距离作为相似性指标，出租车行驶轨迹与其不谋而合，从而发现给定数据集中的K个类别，且每个类别的中心是根据类别中所有值的均值求解得到的，每个类别用聚类中心来描述。对于给定的一个包含n个D维数据点的数据集X以及要分得的类别K，选取欧氏距离作为相似度指标，聚类目标是使得各类别的聚类平方和最小。

给定训练集：

式中：xf(f=1，2，…，N)为电动出租车的经纬度向量；N为电动出租车的数量；RM为包含经度、纬度的2 维向量；M为2 维向量的数量。随机选取K个聚类质心，结合最小二乘法和拉格朗日原理，聚类中心为对应类别中各数据点的平均值，同时为了使得算法收敛，在迭代过程中，应使最终的聚类中心J尽可能不变，则有：

式中：uk∈RM，为随机选取的聚类质心。

初始质心的选取对最终聚类结果会有影响，因此通过多次选取质心数进行迭代。

2 充电桩选址定容

2.1 预选址下精选充电桩安装地址

目前电动汽车发展迅速，同时很多老城区的配电改造困难，因此本文考虑在现有配电设备及其负荷水平下进行充电桩定容分析。

根据电动出租车GPS 数据得到充电站的预选址。在确定充电桩的实际选址过程中，需要考虑如下问题：①因为车辆常驻点可能是立交桥下、路口等红绿灯处等，因此首先将常驻点附近的停车场作为拟安装充电桩的聚类地点来进行分析；②相邻预选址之间的干扰。充电桩的地址、充电桩数量的不同会影响车辆充电排队所花费的时间［15］，以及从一个充电站前往附近充电站所花费的成本，因此以最小花费成本minY为目标，目标函数如下：

式中：lc为两站点之间的路程；q为每千米耗电量；α为两站点之间直线换算成曲线的修正系数；(x，y)、(xc，yc)分别为车辆移动前、后的位置坐标。

根据文献［16］，电动出租车排队等候模型如下：

式中：ρh=λ/(hμ)，为充电站排队稀疏服务强度，其中λ为电动汽车的到达率，μ为充电站的平均服务率，h为充电站内当前可用充电设备的数量，且h≤H；z为迭代次数，直至ρh=λ/(hμ)＜1迭代终止。

考虑到2个预选址距离较近的情况，当(|x-xc|+|y-yc|)α≤Dr时，可以将2 个充电站合二为一，以节省建造成本，其中Dr为城市规划对充电站辐射半径的要求。

2.2 车辆进入精选地址的时序性

在确定车辆习惯的行驶、停靠位置后，还需要考虑车辆入场的时间。根据四川省发改委印发的《关于进一步完善我省分时电价机制的通知》［17］，为了降低用车成本，车辆会选择在低电价时进行补充电量，但是目前车辆基本都是两班倒，且电动汽车车载电池续航不足，所以一定会在白天某个时段进行电量补充，因此记录各时段进入精选地址的车辆信息，该信息包含车牌、停靠时间，其数据集合为：

2.3 配电负荷约束

目前，很多充电场所是在已经建成的停车场基础上进行相应的升级改造，但是并不了解这些现有停车场停车位的利用率是否与电动出租车行驶习惯相关联，所以应该首先根据电动出租车行驶习惯找到车辆的常驻点，进而对该常驻点的用电负荷进行分析，分析该停车场是否需要改造升级，且能改造升级新增多少充电设备。根据k-means 算法找出车辆常驻点后，进一步分析负荷情况。

得到常驻点的配电供电信息、常驻点供电线路日最大和最小负荷以及该线路允许的最大负荷，因此有以下电流约束：

式中：Ie为进线电缆允许最大载流量；Iable-ψ为当前（ψ时段）可用最大电流值。

式中：AQmax-ψ为当前变压器最大可用容量。

既要考虑电力电缆也要考虑变压器容量的原因是在设计之初，电缆与变压器要相匹配，但是在实际工程中也存在电力电缆的载流量过剩的情况，因此也需要考虑变压器的可用容量，在变压器可用容量和电力电缆可用载流量中选取较小值。据四川省发改委印发的《关于进一步完善我省分时电价机制的通知》［17］，在峰时段用电价格较平时段上涨50%，用电尖峰时段较平时段上涨70%，因此车主不会主动选择在用电高峰时段或者尖峰时段进行充电。由此可知，在当前情况下，新增加的电动汽车充电负荷在平时段。

充电桩变压器容量计算公式如下：

式中：S为变压器总容量；η为负载率；cosφ为功率因数；p为直流充电桩充电功率（快充）；k为快充停车位配置比例系数；kr为充电需求系数；Cy为停车场停车位数量；kδ为充电桩同时使用系数。

设每个充电桩的充电功率为v，再考虑车辆同时充电率，则在当前负荷水平下的充电桩数量Bψ为：

在考虑未来用电负荷增加的情况下，如果仅仅按照当前负荷计算，则可能存在如下浪费的问题：在当前用电负荷下增加充电负荷，能满足设备的最大容量，但是经过r年后，随着其他用电设备增加功耗，当前增设的充电设备为避免过负荷引起配电设备的损害将有一部分禁止使用或者选择增容原有设备。地下室的配电房要增容才能满足当前用电负荷，将更大的变压器运输安装到原有配电室涉及的施工难度很大，因此本文暂不考虑此方案。

考虑每年负荷增长率为θ，进一步计算当前可安装充电桩数量为：

除此之外，通过引入出租车人均拥有量来考虑该区域的充电站数量Nave为：

式中：Nmax为该区域电动出租车总数；Pmax为该区域人口总数。再按照国家能源局布置的充电桩建设任务要求，到2030年车桩比要达到2∶1，从而进行进一步综合考虑。

3 算例分析

3.1 常驻点分析

以成都市出租车的运行轨迹为参考数据，对某天出租车轨迹数据进行聚类得到结果如图1 所示。成都市出租车主要集中活跃在中心位置。电动出租车采用吉利几何A 型轿车，基础参数如附录A 表A1所示，并设电动出租车每行驶1 km的基准耗电量为0.15 kW·h。假设当剩余荷电状态小于50%时充电欲望τ=50%，当荷电状态小于25%时充电欲望β=100%。

图1 电动出租车可视化轨迹图Fig.1 Visualization trajectory map of electric taxi

不同区域人口密度不同，年龄段分布不均，因此人口信息也会在一定程度上影响出租车行驶意愿。在人口密集的地区会出现更多的出租车，因此在该地区设置更多的充电站，有利于车辆的补给。出租车习惯性地去机场、游乐园、商业中心等地方等待接单，这些地方有足够大的停车场，在该处增设智能充电设备，既能提高设备利用率，又能保障电动出租车出行需求。根据成都市各区国民经济和社会发展统计公报［18］得到成都市人口分布如附录A 表A2所示。公开数据［19］表明成都平均每万人拥有12 辆出租车，折算到各个区域，具体数据如附录A 表A3所示。根据四川省人民政府印发的《四川省“十四五”新型基础设施建设规划》的通知［20］可以发现，目前成都已经建成2.8万个充电桩，而电动出租车有1.7万辆，考虑还有其他私家车也会使用公共充电桩，因此目前成都的车桩比远远大于2∶1。

因此根据式（6）和式（7）以及成都市出租车集群的GPS数据对出租车进行分类，便于寻找常驻点，进而进一步精选地址。基于出租车GPS 数据共得到158个充电站预设点如附录A图A1所示。将所得点视为充电站预选点，可以发现大部分候选位置集中在成都市中心城区，且分布密集，而城市周边区域候选点分布稀疏，甚至存在由于缺少需求点造成候选站点空缺的问题。

3.2 常驻点精选

借助仿真基于出租车GPS 数据共得到158 个充电站预选址点，根据充电站规划指导相关文件提出的充电站的规划和建设应当适当超前，但是不能过度浪费，所以这158 个充电站的预选址仅仅是考虑电动出租车的结果。进一步分析图2 所示的聚类中心，对比图3 所示的成都市地图发现，图2 中标注的点的位置为成都双流国际机场及其附近，此位置存在大量地下停车位，且由于地理位置的特殊性，常会聚集很多出租车。这验证了上文的假设，出租车有常驻点，且在常驻点修建充电站能得到充分利用。根据最小成本计算以及实际路况信息，图中2 个充电站预选址的交通距离约为2.4 km，所以在2 个点同时建设充电站，很有可能造成建设浪费，因此在实际工程应用中，可根据仿真算例结果，结合实际位置进行进一步分析，将相近的2 个或多个充电站预选址进行合并以减少建设浪费。

图2 电动出租车预选址图例Fig.2 Legend of electric taxi pre-selection location

图3 预选址图例对应实际图Fig.3 Actual map corresponding to pre-selection location legend

3.3 精选地址下充电桩数量

根据上文提出的各个时段车辆入场数量以及停靠时间、剩余可调用电量，通过整合数据，可以得到各个时段的车辆充电需求。仿真结果如附录A 图A2 所示。可以发现，由于考虑电价因素，电动出租车车主可能选在谷时段（23:00 至次日07:00）充电，占比约为40%。出租车一般为两班倒，因此有大约20%的车辆会在15:00—17:00 时段充电。并且同一时段下，在工作日和非工作日，车辆的充电选择也存在差异。在非工作日的夜间谷时段，比如周日，因为第二天是工作日，车辆可能有较大充电需求，因此该时段可能是车辆充电的高峰期。故需要考虑工作日和非工作日以及不同时段车辆的需求。

由图A2 可知，在平时段或者谷时段，车主的充电意愿都高于峰时段。再者，根据附录A 图A3所示的配电设备一次图，假设基础数据如下：变压器额定容量为1 250 kV·A，电力电缆型号均为YJV-8.7／15 kV 3×120 mm2、功率因数为0.95。14:00 时刻负载率为50%，每年负载增加5%，充电桩同时使用系数为0.7，充电需求系数为0.7，直流充电桩充电功率（快充）为60 kW。计算结果为：在14:00—17:00 时段，当前负载情况下充电桩最大可用数量为14 个，负载增加第1 年、第2 年、第5 年充电桩最大可用数量分别为12、9、6个。

考虑21:00—23:00 时段的负载率为60%，每年负载增加5%，充电桩同时使用系数为0.7，充电需求系数为0.7，直流充电桩充电功率（快充）为60 kW。计算结果为：在21:00—23:00时段，当前负载情况下充电桩最大可用数量为13 个，负载增加第1 年、第2年、第5年充电桩最大可用数量分别为11、9、5个。

考虑23:00 至次日07:00 的负载率为30%，每年负载增加5%，充电桩同时使用系数为0.8，充电需求系数为0.7，直流充电桩充电功率（快充）为60 kW。计算结果为：在23:00—07:00时段，当前负载情况下充电桩最大可用数量为24 个，负载增加第1 年、第2年、第5年充电桩最大可用数量分别为17、14、11个。

从计算结果可以发现，随着用电负荷的增加，如果不通过改造电气设备，则以当前负荷水平新增充电装置会在日后某些时段出现禁止使用的情况，进而产生一定的过度安装浪费。因此进一步挖掘深层次的电动出租车行驶习惯和充电习惯，将有助于充电设施的安装。

3.4 加权修正

为了能够更加准确地确定精选地址下充电桩数目，对常驻点车辆时序性下充电桩数目和配电网负荷约束下充电桩数目进行加权修正。通过设置不同的权重，探讨对充电桩数量的影响。在基础算例的基础上，分别设置两者权重为3∶7、1∶1、7∶3 进行仿真计算，所得结果如附录A 表A4所示。从表中可以发现，过多考虑车辆进入的时序修建充电桩数量会造成对应时段的过负荷，危及电气设备安全，所以暂时不考虑新增电气设备的情况，应该选择当前电气设备不同时刻下最大可用负荷作为边界条件，确保用电安全。