考虑燃油车和电动汽车动态混...交通流的电动汽车充电站规划_卢慧.pdf

第 49 卷 第 3 期：1150-1160 高电压技术 Vol.49,No.3:1150-1160 2023 年 3 月 31 日 High Voltage Engineering March 31,2023 DOI:10.13336/j.1003-6520.hve.20221356 2023 年 3 月 31 日第 49 卷 March 考虑燃油车和电动汽车动态混合交通流的电动汽车充电站规划 卢 慧，谢开贵，邵常政，胡 博，潘聪聪，黄 博（重庆大学输配电装备及系统安全与新技术国家重点实验室，重庆 400044）摘 要：充电站的规划对缓解用户里程焦虑和电动汽车的规模化应用具有重要意义。随着电动汽车渗透率的提高，交通流的形态愈发复杂，导致充电站规划面临严峻挑战。针对已有研究忽略燃油车的路径选择对电动汽车出行以及充电站规划的影响，基于燃油车和电动汽车实时能耗的区别，提出了考虑燃油车和电动汽车动态混合交通流的交通分配模型，基于此进行了交通和配电网耦合网络的充电站规划，以满足电动汽车的充电需求。以耦合网络的规划和运行总成本最小为目标，考虑不同规划阶段燃油车和电动汽车的增长速度，结合耦合网络运行约束来确定电动汽车充电站的位置和容量。为得到全局最优解，应用 Benders 分解算法将模型分解成主子问题进行迭代求解。以 Sioux Falls 交通网和 IEEE 69 节点配电网的耦合网络为测试系统，仿真算例表明考虑动态混合交通分配后可以减少车流量峰值，改善交通流分布，得到了最优的充电站规划结果。关键词：充电站规划；电动汽车；燃油车；动态混合交通流；Benders Charging Station Planning with the Dynamic and Mixed Traffic Flow of Gasoline and Electric Vehicles LU Hui,XIE Kaigui,SHAO Changzheng,HU Bo,PAN Congcong,HUANG Bo(State Key Laboratory of Power Transmission Equipment&System Security and New Technology,Chongqing University,Chongqing 400044,China)Abstract：Charging station planning(CSP)is vital to alleviating users driving range anxiety and promoting the integra-tion of electric vehicles(EVs).The increase in the market penetration of EVs will impact the traffic stream,leading to severe challenges in CSP.In most existing works,the traffic behavior of gasoline vehicles(GVs)and EVs,especially the interactions of route selection between the vehicles are neglected in the CSP.This paper proposes a novel traffic assign-ment model in which the dynamic and mixed traffic flows of GVs and EVs are taken into consideration and the characteristics of the vehicles energy consumption are captured.Moreover,the CSP is carried out to meet the charging demands of EVs.The total cost of planning and operation of the coupling network is taken as a goal,and the growth rate of the vehicles in different planning stages,transportation and distribution operation constraints are all considered.Be-sides,the model is decomposed into main-sub-problems by the Benders decomposition algorithm for the global optimal solution.The simulation is carried out in the coupling network of Sioux Falls transportation network and IEEE 69-node distribution network.The results verify that the traffic flow can be improved with the dynamic mixed traffic distribution,and the charging station planning results can also be obtained optimally.Key words：charging station planning;electric vehicles;gasoline vehicles;dynamic and mixed traffic flow;Benders 0 引言1 电动汽车(electric vehicles,EVs)具有燃料转化效率高和碳排放量少的特性1-2，在“碳中和”3的发展目标下受到了明显关注。充电站的建设是推动 基金资助项目：国家自然科学基金(51725701)。Project supported by National Natural Science Foundation of China(51725701).电动汽车规模化发展的前提。目前充电站的数量仍然非常有限，这使得EVs用户的里程焦虑尤其突出。目前电动汽车充电站规划的研究主要分为 3类。第 1 类为基于历史出行数据的规划4-7，这类方法一般基于多源真实数据分析用户的出行充电行为，得到可行的充电站位置。如文献4-5根据车辆轨迹、交通路口流量等数据分析 EVs 出行需求与城卢 慧，谢开贵，邵常政，等：考虑燃油车和电动汽车动态混合交通流的电动汽车充电站规划 1151 市时空特性的关联，进而得到 EVs 充电站位置。文献6基于 GPS 数据得到电动出租车的出行起终点(origin-destination,OD)分布和充电需求以进行充电站规划。文献7则通过分析 EVs 出行链来得到充电需求点，以优化充电站位置。但这类方法未能考虑交通网运行态势以及交通流量约束对电动汽车路径和充电站位置的影响，具有一定的局限性。在此基础上，第 2 类为基于路径模拟充电需求的规划。如文献8-11根据行驶时间、最小充电时间、最短距离和充电站剩余容量决策行驶路径，得到用户出行特性以规划充电站。由于这些文献均未考虑实时交通流变化情况，文献12-13分别提出了基于交通路网动态拥堵模型和路段传输模型的EVs路径模拟方法，建立了相应的充电站容量配置模型。另一方面，文献14建立了精细化的续驶里程约束来模拟 EVs 行驶路径和充电需求。尽管如此，这类基于路径的方法只考虑个体车辆，也不能保证交通网以最优方式运行。因此第 3 类研究提出了基于交通均衡的交通分配模型来分配道路流量，从而得到最优的交通网运行结果15-20。如文献15-17基于单一静态交通分配模型得到均衡条件下的电动汽车行驶路径及充电需求，进而规划充电站。这类研究作为耦合网络中充电站规划的基础，得到了扩展和应用。文献18-19进一步考虑了电动汽车出行需求的不确定，建立了随机静态交通分配模型，并进行了充电站规划。另外，文献20在静态交通分配基础上，从已有和新建充电站的角度重新分配了 EVs 的路径，但同样也假设了道路上只有 EVs。综上所述，目前电动汽车充电站的研究主要集中在交通和配电网耦合网络中交通流建模方面。现有文献虽然考虑了影响充电站规划的电动汽车出行规律4-7、交通流量15-20和配电网运行3-15,17等因素，并建立了相应的充电站规划模型，但存在以下问题：(1)现有充电站的规划主要考虑电动汽车的路径选择，没有考虑燃油车(gasoline vehicles,GVs)的影响。但 GVs 的出行路径不仅影响 EVs 的路径选择，还影响其充电行为，进而导致充电站规划不合理。(2)由于电动汽车的路径选择是动态的，导致EVs 充电需求是时空变化的，因此，如何建立混合交通流下的电动汽车动态路径选择模型也需要深入研究。针对以上问题，本文考虑了 GVs 和 EVs 混合交通流的影响，在燃油车和电动汽车实时能耗区别的基础上，提出了混合交通流下的动态交通分配模型。GVs 和 EVs 遵循不同的路径选择原则，其特征是用户均衡。在动态混合交通分配的基础上，从交通和配电网耦合网络的角度，以耦合网络规划和运行总成本最小为目标，以动态混合交通分配，基于路径选择的电动汽车续驶里程和线性化的 Distflow潮流方程作为约束，建立了考虑混合交通流影响的充电站规划模型。同时，为了应对电动汽车逐步增长，采用多阶段规划方法，通过选取典型日的方法考虑了每个阶段的不同运行情况。最后，为保证收敛性和全局最优性，采用改进的 Benders 算法进行了求解，算例结果证明了动态混合交通流和规划模型的有效性。1 动态混合交通网运行模型 1.1 混合交通网络基本假设 混合交通网为GTN=TN,TA，TN为节点集合，TA为道路集合，对于任意 aTA表示 2 个相邻节点之间的道路。配电网为 GDN=DN,DA，其中 DN和 DA分别为配电网节点和线路的集合。假设出行需求由 1 组源节点和目的节点组成，用 rs 表示。考虑到氢能源汽车的数量较少，混合动力汽车和燃油车的补充燃料方式一致，能耗特性与电动汽车相似，因此假定混合交通流由 GVs 和 EVs 组成，且 2 类车辆在道路上的行驶时间和行驶成本都是该道路上交通流量的连续可微函数。假定所有 GVs同质，忽略了由于不同 GVs 车辆参数影响的能耗差异。同理，所有 EVs 同质，其中 EVs 的最大续驶里程为 200 km。同时，本文模型适用于未来 EVs 最大续驶里程增大的情况。考虑到温度影响，实际最大续驶里程为理论值的 96.7%102.5%21。1.2 动态混合交通流建模 动态混合交通分配描述了 GVs 和 EVs 的路径选择，进而决定了 EVs 充电需求和充电站的位置。因此，本文利用动态混合交通分配模型22-26分析GVs 和 EVs 路径选择的相互影响。GVs 和 EVs 实时能耗特性见式(1)式(4)。0ge(1()a,ta,a,t,a,taxx/c=+(1)ge/(,)a,taa,t,a,t,a,tvdxx=(2)2gge1(,),a,t,a,t,a,ta,tanxxvd=(3)2ege01231(,)(),a,t,a,t,a,ta,ta,taa,tnxxvvdv=+(4)1152 高电压技术 2023,49(3)式中：a,t为路段行驶时间；道路参数0a、da和 ca分别表示道路 a 的自由通行时间、长度和容量(ca反映了道路的通行能力)；xg,a,t和 xe,a,t分别表示第 a条道路上 t 时刻的 GVs/EVs 交通流量；va,t表示混合交通流的通行速度；ng,a,t和 ne,a,t分别为 GVs/EVs 车辆的实时能耗，指二者实时燃料消耗量2