《Sustainable Cities and Society》：The green electric vehicle charging station location problem incorporating user choice modeling
编辑推荐：
实现城市物流脱碳需要促进电动汽车（Electric Vehicle, EV）的采用。在这方面，充电站（Charging Station, CS）的战略选址起着关键作用。本研究的目的是引入绿色电动汽车充电站选址问题（Green Electric Vehicle
实现城市物流脱碳需要促进电动汽车（Electric Vehicle, EV）的采用。在这方面，充电站（Charging Station, CS）的战略选址起着关键作用。本研究的目的是引入绿色电动汽车充电站选址问题（Green Electric Vehicle Charging Station Location Problem, green CSLP），这是一个新问题，其中为充电站提供能源的可再生能源系统（Renewable Energy System, RES）规模的技术维度以及用户对不同充电基础设施偏好的行为维度被整合到同一选址模型中。所提出的方法应用于一个意大利城市的真实数据案例研究，其中不同的政策情景根据充电基础设施以及环境和数字意识等因素进行评估。从政策角度，研究了电动汽车用户与充电基础设施之间的相互作用，以及他们使用由清洁能源供电并配备无线充电技术的充电站的意愿。
**论文解读：绿色电动汽车充电站选址问题整合用户选择建模**
**研究背景与问题**
应对气候变化是全球性挑战，欧盟在减少温室气体排放方面扮演着引领角色。道路交通领域需要与整体脱碳目标保持一致，而电动汽车（EV）的推广被视为关键路径。电动汽车全生命周期碳排放比燃油车低60%~68%，但大规模普及仍面临障碍，其中充电站（CS）可用性不足是主要瓶颈。现有研究在充电站选址与可再生能源系统（RES）规划方面通常分开处理，且多采用简化、静态、确定性的充电需求表示，缺乏对用户行为与偏好的深入建模，导致规划方案有效性受限。因此，研究人员提出了一种整合用户行为与可再生能源系统规模决策的绿色电动汽车充电站选址问题（green CSLP），旨在通过同时考虑技术经济维度（RES规模、充电技术选择）与行为维度（用户对不同充电基础设施的偏好）来优化充电站布局，并探讨政策干预的影响。
**研究内容与结论**
研究人员开发了一个混合整数线性规划（MILP）与离散选择模型（DCM）集成的数学模型，用于优化充电站位置与RES规模，以可持续方式满足充电需求。该模型采用双层优化结构：上层决定充电站位置与RES规模，下层模拟用户在不同运行和环境条件下的充电选择。研究以意大利都灵市为案例，利用真实数据（包括Sica等人2025年的陈述偏好调查获得的DCM系数）进行实验。结果表明，整合DCM的模型相较于未整合的模型，月利润提高约92.09%，并显著提升用户吸引率、减少对公共电网的依赖。敏感性分析证实模型在不同充电价格系数与可再生能源技术系数下具有稳健性。政策分析显示，仅推广无线充电技术对利润提升有限（约1.7%），而提高环境意识（如通过教育宣传）可使利润增长11.04%；两者结合效果最佳，利润提升12.8%。在高需求与高可再生能源覆盖率目标下，集中式RES配置相比分散式RES具有经济优势。论文发表在《Sustainable Cities and Society》。
**关键技术与方法**
研究人员采用的主要方法包括：（1）混合整数线性规划（MILP）与离散选择模型（DCM）集成，构建双层优化模型；（2）基于随机效用理论的模拟方法，通过随机抽取误差项（服从Gumbel分布）将非线性概率表达式线性化，转化为两阶段随机规划；（3）案例研究基于意大利都灵市第一区（Zone 1）的真实数据，样本包括20个候选充电站位置、20个用户组（每组342人，共6840个充电事件），DCM系数来自Sica et al. (2025) 在都灵等城市开展的陈述偏好调查，系数包括充电价格、充电时间、无线充电、可再生能源等偏好参数。模型使用Gurobi 12.0求解器求解，设置150个情景以保证样本内稳定性。
**研究结果**
**5.1 敏感性分析**：通过改变充电价格系数（±2%至±20%）和可再生能源技术系数（±2%至±10%），发现模型对这两类参数变化具有高度稳健性，月利润变化幅度小于1.13%，充电站配置基本不变。电网电价和碳税敏感性分析表明，当综合电价（含碳税）超过0.166 �/kWh时，电网依赖度显著下降，但利润因投资压力增大而减少。提高充电费（10%）或降低利率（8%）可缓解投资压力，分别使月利润增长20.55%和6.46%。
**5.2 阈值型可再生能源感知**：引入清洁能源覆盖率阈值μ（40%~80%），重新定义用户对绿色能源的感知为二元变量（是否达到阈值）。结果表明，月利润随μ增加而增加，但60%后增速放缓；高生产率RES站点（如A组和B组）在较高阈值下被优先选择，而低生产率站点被排除。收入在60%阈值处达到峰值，之后因用户选择变化而下降。
**5.3 异质性效应**：用户组异质性（极端、强、弱、同质）实验显示，极端异质性下月利润最低（32,860 �），同质性下略高（32,921 �），表明低估用户差异可能导致利润高估。空间异质性实验（高生产率RES、大空间等）表明，RES生产率是驱动配置的主要因素，单独增加空间不改变结果；高生产率与高空间组合显著提升利润（35,606 �）并降低电网依赖。需求异质性实验（高需求组30 kWh/次，低需求组10 kWh/次）表明，RES部署自然倾向高需求区，高需求区部署43个RES单元（占系统57.57%），低需求区仅14个。
**讨论与结论**
**政策行动讨论**：引入无线充电技术（部分或全部）可小幅提升利润（从33,011 �增至33,387 �），但用户感知系数增大（如提高3倍或5倍）时利润增长更显著（最高33,737 �），同时减少充电站数量与RES部署，转向依赖电网。提高环境意识（高意识HA和极高意识VHA）使利润分别增长6.12%和11.04%，效果优于无线充电。两者结合效果最佳，利润提升12.8%。集中式RES配置与分散式比较显示，在高需求（40 kWh/次）与高覆盖率（70%以上）下，集中式RES的成本优势更明显，月利润超过分散式。
**研究结论翻译**：本文引入了一种新型的充电站选址问题（CSLP）变体，旨在研究技术经济因素（即可再生能源系统规模与特定充电技术的采用）与行为特定因素（即用户对不同充电基础设施的偏好）之间的微妙联系。为此，研究人员开发了一个集成离散选择模型（DCM）的数学模型，用于优化充电站位置与可再生能源系统规模，以可持续方式满足充电需求，重点关注电动汽车用户行为在这一选择中的作用，并识别最佳政策行动。意大利都灵市作为研究电动汽车用户选择的情景。然而，所提方法的适用性远超当前案例研究，因此为充电基础设施选址与优化提供了通用方法，从而促进新能源市场发展和更可持续的交通系统。所提模型的灵活性使政策制定者与决策者能够对这些战略基础设施的设计进行深入分析。特别地，研究表明仅靠新的无线充电技术不足以推动汽车行业完全脱碳及基础设施的可持续利用。这有助于长期围绕从燃油车向电动汽车转型的讨论；需要探讨推广电动汽车对能源转型的影响。结果表明，通过提高环境意识与采用创新技术的意愿，可以增加绿色公共充电站的使用率。这一结果尤其相关，因为最常实施的政策措施是降低充电费并提供免费停车激励以吸引更多车主；然而，其他措施可能导致更好结果。一方面，投资者在选择充电站位置时应采用更理性方法，避免盲目扩张，而是基于适当特征选择位置，包括配备可再生能源系统的可能性。另一方面，需要加大努力安装和推广无线充电基础设施。这不仅将应对更快、更安全充电的即时挑战，还支持更广泛的可持续目标。最后，对于长期且高度异质的案例，政策制定者可能考虑投资于集中式可再生能源系统，当绿色目标逐渐提高时，这些系统显示出经济优势。
