论文部分内容阅读
[摘 要]为了普及电动汽车，以缓解我国日益严重的环境能源问题，本文研究电动汽车充换电站的選址方法，旨在利用提高电动汽车充电设施的覆盖范围，加快电动汽车的普及发展。本文建立人们日常出行模型，模拟电动汽车用户充电需求，同时，建立道路交通网模型，基于免疫算法和MATLAB软件，对充换电站站址和数量进行优化选择，从而为实现从宏观角度规划充换电站的布局优化提供理论方法。
[关键词]免疫算法；电动汽车；站址；优化
doi：10.3969/j.issn.1673 - 0194.2017.20.089
[中图分类号]U491 [文献标识码]A [文章编号]1673-0194（2017）20-0-03
1 研究背景
目前，环境污染是全世界共同关注并将持续重视的一个问题。在我国，环境污染和能源问题日益严峻，而在造成这些问题的众多因素中，交通因素造成的能源消耗和污染排放占据不容小觑的比例。在此背景下，电动汽车作为新能源应用和智能电网的重要组成部分，其发展趋势已势不可挡。
然而，在电动汽车普及发展的过程中，仍遇到了不少的发展瓶颈，电动汽车的电池电量能否支持出行者的日常出行，这一问题成为了困扰消费者购买电动汽车的一大因素。因此，电动汽车如果要普及发展，有两个发展途径，一是发展电动汽车电池技术，提高电动汽车的续航能力，保证电动汽车的日常出行。二是普及电动汽车的充换电设施，使电动汽车在有需求时，尽可能随时随地进行充电。
因此，本文针对第二个途径展开研究，旨在通过研究出行者的行为习惯，基于出行链的思想，模拟出行者日常的出行习惯，得到出行者驾驶电动汽车经常需要充电的地点分布，为电动汽车选址提供依据。本文仿真的场景是以南京六合新城地区电动出租车运行情况为实际算例，结合笔者实际调查的出行行为数据，使研究具有一定的现实意义和参考价值。
2 出行链思想理论概述
出行链是指一天之内，出行者按照时间顺序，依次完成的一个或者多个出行目的地之间的关系。它指从最初出行活动的起点出发，经历若干次出行，最后再次回到初始地的整个出行过程。典型的出行链如图1所示，它包括几个常见的出行链，有上班族活动于家和工作区的出行链，有为了娱乐休闲活动于商业区和家中的出行链，有休闲度假活动于商业区、景区，最后回到居民区的出行链。
3 出行者出行行为建模
由出行链可知，如果能够模拟每天出行者出行活动的起点、终点、活动的时间段，以及活动顺序，即可得到出行者完整的出行行为。
3.1 私人出行目的模型
近年来，交通出行年报的居民出行入户调查数据显示，在出行者的各个出行目的中，工作、上学仍然是出行者的主要目的，达到56.88%，而作为娱乐活动的购物、看电影、聚餐等活动，占到日常出行的34.73%。本文为了研究出行者的出行日常，特别将出行目的地分类成4大类：上学（目的地是学校区）、工作（目的地是工作区）、购物（目的地是商业区）、观光旅游（目的地是景区）。
3.2 私人出行起点模型
在一个出行链中，本文默认为出行链的最初起点就是居民区（就是默认所有人都是从家里出发开始一天的活动），但在出行链中的其他活动中，活动的终点和起点都存在一定的关系，如果出行目的地确定后，起点可以以概率相应地确定不同功能区之间的转移概率，见表1。
3.3 出行距离模型
出行距离也是建立出行者出行行为的关键因素之一，本文借鉴栾琨，隽志才，宗芳在通勤者出行方式与出行链选择行为研究中提出的出行距离模型，如公式（1）所示。因为考虑大部分人每天只有一个出行链，因此，根据日出行距离可以得到每次活动的出行距离。根据终点功能类型，可以依据概率确定起点功能类型，而出行距离可以将出行范围进行缩小，最后用蒙特卡洛抽样，确定目的地和起始地的具体位置。
（1）
式中，μD=3.2，δD=0.88。
3.4 电动汽车充电需求预测
蒙特卡洛是一种随机抽样方法，它是通过不断产生随机数序列模拟过程。蒙特卡洛还可以借助概率模型，解决不直接具有随机性的确定性问题。它是以概率论的大数法则和中心极限定理为理论基础。
如果函数h在[a，b]中，依照某一概率分布密度反复抽取n个数ui，对每个ui都分别计算其相应的函数值h（ui），函数的期望值可以通过以下公式进行计算：
（2）
大数法则可以确保当样本足够多时，通过积分计算的蒙特卡洛估计值可以尽可能收敛于正确的结果。而中心极限定理可以对误差进行估计，不管随机变量如何分布，这些随机变量的总和总是服从高斯分布。高斯分布可以由给定的期望值μ和方差σ2完全确定下来，通常用N（μ，σ2）表示。
（3）
4 实例分析
本文考虑笔者的实际情况，为了方便就近调研，特选取南京六合新城地区电动出租车为场景，在该地区，出租车数量为1 200辆，假设电动出租车在出租车中的占比为30%，约有360辆。本文选取比亚迪E6为典型电动出租车的代表，电动汽车参数如表2所示，考虑到出租车一直都处于工作状态，平均荷电状态较低，因此，本文假设SOC处于正态分布N[0.4，0.1632]，出租车因为出行路线多变，在工作过程中，不一定能够在合适的时机寻找到充换电站以补充能量，因此需要充电的SOC一般比私家车高，本文假设当其剩余电量小于10 kWh时，就需要进行充换电。
本文将南京六合新城地区进行功能区划分，功能系数如表3所示，功能区划分如图2所示。
在对南京六合地区功能区域划分后，使用蒙特卡洛方法对充电需求进行预测，预测结果如图2所示，随着道路由细到粗依次变化，代表充电需求依次增加 。并且本文使用免疫算法和MATLAB软件，在假设充换电站数量一定的情况下，对充电站站址进行寻优，免疫算法的相关参数设置见表4，优化结果（假定充换电站数量为3）如图3所示。 在充换电站站址优化后，需要对充换电站的数量进行相应的优化，毕竟充换电站数量，将直接影响充换电站站址分布情况。在此可以对充电站的覆盖区域进行划分，本文利用覆盖率和适应度两个指标，优化充换电站的数量，覆盖率定义如公式（4）所示。
（4）
其中，C0是充电站覆盖率；Ns是覆盖数量，即充电站能够服务的电动汽车车辆数；Nt是有充电需求的电动汽车总数。
优化数量结果如表5所示，本文依次将充换电站的数量从1增加到5，计算适应度值和覆盖率，从表5可以看出，随着充电站数量的增加，覆盖率依次增加，但适应度值并不是单调递增。不难想象，当充电站数量增加时，其覆盖率势必增加，但覆盖率的增长速度却不是单调递增，也就是说，多修建一个充电站的“性价比”不是单调递增的，因此，还是以适应度值作为衡量最优数量的最佳标准，所以，该区域最佳充换电站数量为3个，区域划分图如图4所示，站址如表6所示。
5 结 语
為了改善我国环境，减少大气污染，倡导绿色交通，推动电动汽车得到的发展，本文旨在研究电动汽车充换电站的选址优化方法，希望通过合理规划电动汽车充电站的布局，解决电动汽车续航能力低的问题，促进电动汽车的普及。本文以出行链作为建立出行者出行模型的基本思想，分别构建行人的出行起点模型、出行终点模型、出行距离模型，模拟出行者一天的出行活动过程；介绍蒙特卡洛抽样的理论方法，并用蒙特卡洛方法根据建立的模型进行依次抽样，仿真模拟电动汽车的充电需求分布；创新建立道路交通模型，将复杂的地理模型简单化和模型化，解决实际充电站选址的地理复杂性的难题，为充电站选址提供可能；介绍免疫遗传算法，使用MATLAB软件对充电站选址进行优化，虽然模型将实际情况进行了抽象化处理，存在一定的误差，但站址优化的方法是可以借鉴和参考的，随着数据的更加精确，站址优化方案也就更加真实可靠。
主要参考文献
[1]国务院办公厅.关于加快电动汽车充电基础设施建设的指导意见（国办发[2015]73号）[Z].2015.
[2]唐现刚，刘俊勇，刘友波，等.基于计算几何方法的电动汽车充电站规划[J].电力系统自动化，2012（8）.
[3]刘志鹏，文福拴，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（3）.
[4]徐青山，蔡婷婷，刘瑜俊，等.考虑驾驶人行为习惯及出行链的电动汽车充电站站址规划[J].电力系统自动化，2016（4）.
[5]栾琨，隽志才，宗芳.通勤者出行方式与出行链选择行为研究[J].公路交通科技，2010（6）.
[关键词]免疫算法；电动汽车；站址；优化
doi：10.3969/j.issn.1673 - 0194.2017.20.089
[中图分类号]U491 [文献标识码]A [文章编号]1673-0194（2017）20-0-03
1 研究背景
目前，环境污染是全世界共同关注并将持续重视的一个问题。在我国，环境污染和能源问题日益严峻，而在造成这些问题的众多因素中，交通因素造成的能源消耗和污染排放占据不容小觑的比例。在此背景下，电动汽车作为新能源应用和智能电网的重要组成部分，其发展趋势已势不可挡。
然而，在电动汽车普及发展的过程中，仍遇到了不少的发展瓶颈，电动汽车的电池电量能否支持出行者的日常出行，这一问题成为了困扰消费者购买电动汽车的一大因素。因此，电动汽车如果要普及发展，有两个发展途径，一是发展电动汽车电池技术，提高电动汽车的续航能力，保证电动汽车的日常出行。二是普及电动汽车的充换电设施，使电动汽车在有需求时，尽可能随时随地进行充电。
因此，本文针对第二个途径展开研究，旨在通过研究出行者的行为习惯，基于出行链的思想，模拟出行者日常的出行习惯，得到出行者驾驶电动汽车经常需要充电的地点分布，为电动汽车选址提供依据。本文仿真的场景是以南京六合新城地区电动出租车运行情况为实际算例，结合笔者实际调查的出行行为数据，使研究具有一定的现实意义和参考价值。
2 出行链思想理论概述
出行链是指一天之内，出行者按照时间顺序，依次完成的一个或者多个出行目的地之间的关系。它指从最初出行活动的起点出发，经历若干次出行，最后再次回到初始地的整个出行过程。典型的出行链如图1所示，它包括几个常见的出行链，有上班族活动于家和工作区的出行链，有为了娱乐休闲活动于商业区和家中的出行链，有休闲度假活动于商业区、景区，最后回到居民区的出行链。
3 出行者出行行为建模
由出行链可知，如果能够模拟每天出行者出行活动的起点、终点、活动的时间段，以及活动顺序，即可得到出行者完整的出行行为。
3.1 私人出行目的模型
近年来，交通出行年报的居民出行入户调查数据显示，在出行者的各个出行目的中，工作、上学仍然是出行者的主要目的，达到56.88%，而作为娱乐活动的购物、看电影、聚餐等活动，占到日常出行的34.73%。本文为了研究出行者的出行日常，特别将出行目的地分类成4大类：上学（目的地是学校区）、工作（目的地是工作区）、购物（目的地是商业区）、观光旅游（目的地是景区）。
3.2 私人出行起点模型
在一个出行链中，本文默认为出行链的最初起点就是居民区（就是默认所有人都是从家里出发开始一天的活动），但在出行链中的其他活动中，活动的终点和起点都存在一定的关系，如果出行目的地确定后，起点可以以概率相应地确定不同功能区之间的转移概率，见表1。
3.3 出行距离模型
出行距离也是建立出行者出行行为的关键因素之一，本文借鉴栾琨，隽志才，宗芳在通勤者出行方式与出行链选择行为研究中提出的出行距离模型，如公式（1）所示。因为考虑大部分人每天只有一个出行链，因此，根据日出行距离可以得到每次活动的出行距离。根据终点功能类型，可以依据概率确定起点功能类型，而出行距离可以将出行范围进行缩小，最后用蒙特卡洛抽样，确定目的地和起始地的具体位置。
（1）
式中，μD=3.2，δD=0.88。
3.4 电动汽车充电需求预测
蒙特卡洛是一种随机抽样方法，它是通过不断产生随机数序列模拟过程。蒙特卡洛还可以借助概率模型，解决不直接具有随机性的确定性问题。它是以概率论的大数法则和中心极限定理为理论基础。
如果函数h在[a，b]中，依照某一概率分布密度反复抽取n个数ui，对每个ui都分别计算其相应的函数值h（ui），函数的期望值可以通过以下公式进行计算：
（2）
大数法则可以确保当样本足够多时，通过积分计算的蒙特卡洛估计值可以尽可能收敛于正确的结果。而中心极限定理可以对误差进行估计，不管随机变量如何分布，这些随机变量的总和总是服从高斯分布。高斯分布可以由给定的期望值μ和方差σ2完全确定下来，通常用N（μ，σ2）表示。
（3）
4 实例分析
本文考虑笔者的实际情况，为了方便就近调研，特选取南京六合新城地区电动出租车为场景，在该地区，出租车数量为1 200辆，假设电动出租车在出租车中的占比为30%，约有360辆。本文选取比亚迪E6为典型电动出租车的代表，电动汽车参数如表2所示，考虑到出租车一直都处于工作状态，平均荷电状态较低，因此，本文假设SOC处于正态分布N[0.4，0.1632]，出租车因为出行路线多变，在工作过程中，不一定能够在合适的时机寻找到充换电站以补充能量，因此需要充电的SOC一般比私家车高，本文假设当其剩余电量小于10 kWh时，就需要进行充换电。
本文将南京六合新城地区进行功能区划分，功能系数如表3所示，功能区划分如图2所示。
在对南京六合地区功能区域划分后，使用蒙特卡洛方法对充电需求进行预测，预测结果如图2所示，随着道路由细到粗依次变化，代表充电需求依次增加 。并且本文使用免疫算法和MATLAB软件，在假设充换电站数量一定的情况下，对充电站站址进行寻优，免疫算法的相关参数设置见表4，优化结果（假定充换电站数量为3）如图3所示。 在充换电站站址优化后，需要对充换电站的数量进行相应的优化，毕竟充换电站数量，将直接影响充换电站站址分布情况。在此可以对充电站的覆盖区域进行划分，本文利用覆盖率和适应度两个指标，优化充换电站的数量，覆盖率定义如公式（4）所示。
（4）
其中，C0是充电站覆盖率；Ns是覆盖数量，即充电站能够服务的电动汽车车辆数；Nt是有充电需求的电动汽车总数。
优化数量结果如表5所示，本文依次将充换电站的数量从1增加到5，计算适应度值和覆盖率，从表5可以看出，随着充电站数量的增加，覆盖率依次增加，但适应度值并不是单调递增。不难想象，当充电站数量增加时，其覆盖率势必增加，但覆盖率的增长速度却不是单调递增，也就是说，多修建一个充电站的“性价比”不是单调递增的，因此，还是以适应度值作为衡量最优数量的最佳标准，所以，该区域最佳充换电站数量为3个，区域划分图如图4所示，站址如表6所示。
5 结 语
為了改善我国环境，减少大气污染，倡导绿色交通，推动电动汽车得到的发展，本文旨在研究电动汽车充换电站的选址优化方法，希望通过合理规划电动汽车充电站的布局，解决电动汽车续航能力低的问题，促进电动汽车的普及。本文以出行链作为建立出行者出行模型的基本思想，分别构建行人的出行起点模型、出行终点模型、出行距离模型，模拟出行者一天的出行活动过程；介绍蒙特卡洛抽样的理论方法，并用蒙特卡洛方法根据建立的模型进行依次抽样，仿真模拟电动汽车的充电需求分布；创新建立道路交通模型，将复杂的地理模型简单化和模型化，解决实际充电站选址的地理复杂性的难题，为充电站选址提供可能；介绍免疫遗传算法，使用MATLAB软件对充电站选址进行优化，虽然模型将实际情况进行了抽象化处理，存在一定的误差，但站址优化的方法是可以借鉴和参考的，随着数据的更加精确，站址优化方案也就更加真实可靠。
主要参考文献
[1]国务院办公厅.关于加快电动汽车充电基础设施建设的指导意见（国办发[2015]73号）[Z].2015.
[2]唐现刚，刘俊勇，刘友波，等.基于计算几何方法的电动汽车充电站规划[J].电力系统自动化，2012（8）.
[3]刘志鹏，文福拴，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（3）.
[4]徐青山，蔡婷婷，刘瑜俊，等.考虑驾驶人行为习惯及出行链的电动汽车充电站站址规划[J].电力系统自动化，2016（4）.
[5]栾琨，隽志才，宗芳.通勤者出行方式与出行链选择行为研究[J].公路交通科技，2010（6）.