《Protection and Control of Modern Power Systems》：Collaborative Optimal Planning for Electric Vehicle Charging Stations and Battery Swapping Stations Based on Micro Traffic Flow
编辑推荐：
摘要：随着电动汽车(EV)的快速普及，城市充电基础设施部署不足加剧了充电需求与供电能力之间的不匹配。本文提出了一种针对电动汽车充电站(EVCS)和电动汽车换电站(EVSS)的多目标联合优化规划方法。首先，提出了一种基于实际路网拓扑的动态路径优化方法。随后，综合
摘要：随着电动汽车(EV)的快速普及，城市充电基础设施部署不足加剧了充电需求与供电能力之间的不匹配。本文提出了一种针对电动汽车充电站(EVCS)和电动汽车换电站(EVSS)的多目标联合优化规划方法。首先，提出了一种基于实际路网拓扑的动态路径优化方法。随后，综合考虑EV出行特征与能耗模型，构建了时空充电需求预测模型。此外，将电-交通耦合原理纳入规划框架，以满足电网与路网耦合的精细化要求。最后，以中国南方某城市路网为基础（基于兴趣点(POI)划分为多个子区域），并结合IEEE 118节点测试系统对所提方法进行了验证。预测结果显示，充电需求呈现双峰时间分布特征，白天高峰负荷集中在公共、工作及商业区域，夜间则主要转移至居民区。规划结果表明，研究区域内应部署8座EVCS和5座EVSS。
论文解读
一、研究背景与问题
随着全球气候变化与环境污染问题日益严峻，交通领域的低碳转型已成为迫切需求。电动汽车(EV)凭借零尾气排放与高能量效率，被广泛视为实现交通低碳化的关键路径。然而，随着EV保有量的迅猛增长，城市充电基础设施的规划部署相对滞后，导致充电需求与电网供电能力之间的失配问题愈发突出。尤其在旅游业为主导的城市发展初期阶段，充电基础设施尚处于起步状态，基础数据严重匮乏，传统的数据驱动型充电需求预测方法难以适用。与此同时，电动汽车充电站(EVCS)与电动汽车换电站(EVSS)的规划需综合考虑电网运行状态、交通路网动态特性及用户出行行为等多维因素。现有研究或仅聚焦于电网侧优化而忽视动态交通网络的影响，或在电-交通耦合过程中仅基于主观连接或空间距离进行节点映射，难以避免高负荷节点处充电负荷与传统负荷的重叠，进而引发节点电压跌落、电压波动加剧及输配电额外损耗等问题。因此，针对旅游城市发展初期场景，亟需一种模型驱动的充电需求预测方法与考虑电-交通耦合原理的协同规划框架，以实现EVCS与EVSS的联合优化部署。该研究发表于《Protection and Control of Modern Power Systems》。
二、主要技术方法
研究人员构建了包含动态交通网络模型、微观交通流跟驰模型、基于动态优化的路径选择模型、EV用户出行链模型、精细化能耗模型及空间-时间充电需求预测模型在内的完整预测框架。具体而言，通过采集开源路况拥堵数据推算各路段行驶速度、饱和状态与交通流量，进而构建融合路段阻抗与节点阻抗的动态路权模型；应用Krauss跟驰模型模拟EV驾驶行为，并通过改进的动态Dijkstra算法实现路径优化；在此基础上，综合考虑电机功耗(MPC)与空调功耗(ACPC)构建EV能耗模型，最终形成充电需求的空间-时间分布预测模型。进一步地，提出了考虑空间耦合、容量裕度耦合与节点重要性耦合三种原理的电-交通耦合方法，并以此为基础构建了以年建设成本最小化、用户满意度最大化及电压波动最小化为目标的EVCS与EVSS多目标联合优化规划模型，采用NSGA-III算法求解，并通过改进灰色目标决策方法从Pareto前沿中选取折中解。样本数据来自中国南方某典型旅游城市实际路网拓扑（包含89个路网节点）与IEEE 118节点测试系统。
三、研究结果
1. 充电需求预测结果分析
充电需求预测结果显示，各区域充电需求在早上7:45同时达到峰值，其中公共区域预测充电需求最高，达2284.24 kW，公园区域最低，为1822.52 kW。此外，在16:30至21:45时段，居民区、商业区和公共区域出现第二峰值，最大充电需求分别为1165.97 kW、1092.55 kW和755.98 kW。总体上，居民区、商业区和公共区域的充电需求呈现显著的双峰特征，而公园区域则始终保持最低需求。最大充电负荷出现在上班高峰期的道路节点63（工作区域），说明充电需求在空间上呈现集中而非均匀分布特征。就插电式电动汽车(PEV)与换电式电动汽车(BSEV)的需求分布对比而言，PEV的充电需求呈现明显的双峰特征且各节点同步达峰，而BSEV的时空需求分布则较为分散，这归因于BSEV主要为出租车、运行轨迹不固定且日运行时间跨度长。
2. 规划结果分析
基于预测的充电需求时空分布数据，通过NSGA-III算法求解规划模型，最终确定规划区域需建设13座充电设施，包括8座EVCS和5座EVSS，呈分散式布局。其中，工作区域建设数量最多，涵盖3座EVCS（EVCS #4、#6、#8）和3座EVSS（EVSS #3、#4、#5），这是因为工作区域地价适中且充电需求仅次于公共区域；公园区域虽地价最低，但充电需求极小，仅建设2座EVCS；公共区域尽管具有低地价和高需求特征，但分布分散且EV停留时间短，规划潜力有限，故建设1座EVCS和1座EVSS；商业区域因高土地成本和邻近工作区域，仅规划1座EVCS；居民区分布广泛但充电负荷整体较低且仅在夜间出现高峰，因此分配2座设施。最终规划方案对应的年化总成本为5,267,983元，用户满意度为0.74，电压波动为0.00154 p.u.。
3. 与现有方法的比较
将NSGA-III算法与NSGA-II算法的优化结果进行对比，在仅优化算法不同而其他条件完全一致的设定下，NSGA-III获得的年化总成本较NSGA-II降低6.19%，EV用户满意度从0.64提升至0.74，电压波动虽相对略有升高但仍处于可接受运行范围内。此外，当仅考虑路网与电网的空间耦合原理而不考虑容量裕度耦合原理和节点重要性耦合原理时，电压波动达到0.0018 p.u.，较完整耦合方案增加了16.8%，不利于电网的安全稳定运行，验证了所提电-交通耦合方法的有效性。
四、讨论与结论
本研究提出的EVCS与EVSS多目标联合优化规划方法，通过融合动态路径优化、时空充电需求预测及电-交通耦合原理，实现了对旅游城市发展初期阶段充电基础设施的科学规划。研究得出以下主要结论：（1）EV充电需求呈现显著的区域差异性特征，白天公共区域、工作区域和商业区域充电需求最高，随时间推移充电活动逐步向居民区转移，夜间居民区和商业区出现高峰，整体充电需求在时间分布上呈双峰趋势；（2）PEV与BSEV的充电需求特征差异明显，PEV呈双峰规律且各节点同步达峰，BSEV则相对均匀，源于出租车与私家车运行模式的不同；（3）充电基础设施规划需平衡多重目标，地价与充电需求之间的权衡至关重要，且不宜在电网薄弱节点接入大容量充电设施，所提方法确定的13座规划站实现了较高的用户满意度、较低的建造成本与电压波动；（4）通过引入容量裕度耦合原理和节点重要性耦合原理，有效实现了电网基础负荷与路网充电负荷之间的平衡，从而降低了电压波动并提升了系统电压稳定性。该研究仍存在一定局限性，未来工作将考虑节假日期间外部EV对本地充电需求预测的影响，并深入研究数据与模型联合驱动的预测方法。
