《Batteries》：Optimizing Charging Infrastructure for Battery Electric Trucks in Zero-Carbon Freight Corridors Under State-of-Charge and Service-Capacity Constraints
编辑推荐：
电池电动卡车（BETs）的大规模部署需要完善的充电基础设施；然而，现有规划方法往往忽视容量约束以及微观充电行为固有的不确定性。本文提出一种四阶段充电基础设施规划方法，涵盖能量分析、单车蒙特卡洛（Monte Carlo）模拟、混合整数线性规划（MILP）优化及M
电池电动卡车（BETs）的大规模部署需要完善的充电基础设施；然而，现有规划方法往往忽视容量约束以及微观充电行为固有的不确定性。本文提出一种四阶段充电基础设施规划方法，涵盖能量分析、单车蒙特卡洛（Monte Carlo）模拟、混合整数线性规划（MILP）优化及M/G/c后校准，用于长途高速公路货运。该方法通过在MILP模型中嵌入路径能量约束并引入基于排队论（queueing theory）的高峰时段容量约束以应对服务不稳定性，旨在实现100%流量捕获。案例研究表明，未经优化的现有网络严重过载，捕获率仅为72.7%。在30%电动重卡渗透率的基准情景下，优化方案部署8座充电站。经站点级M/G/c校准后，最终配置包含54台快充桩和271台慢充桩，较初始MILP方案减少33.8%的充电桩总数，有效消除了全局容量假设造成的资源冗余。随着渗透率提升至60%和100%，伴随技术进步，所需站点数量降至5座，充电网络向“核心节点集聚”拓扑演化，总成本呈现显著的规模报酬递增特征。本研究为零碳货运走廊基础设施规划及差异化投资策略提供了量化依据。
面向长途电动重卡充电基础设施的四阶段规划框架：从微观充电行为到宏观网络优化
一、研究背景与问题提出
在全球气候变化与能源转型背景下，交通运输部门脱碳已成为各国实现碳减排目标的关键路径之一。中国已确立2030年前碳达峰、2060年前碳中和的目标，交通运输被列为重点减排领域。在交通运输部门中，公路货运因其高能耗和高碳排放强度而成为脱碳的重要挑战领域。重型卡车虽然在车辆保有量中占比较小，却对公路运输能耗和碳排放贡献显著。因此，货运电动化被广泛认为是减少交通领域温室气体和本地空气污染物排放的关键路径。
电池技术和兆瓦级充电技术（MCS）的进步使电池电动卡车（BETs）在货运领域的应用日益可行。零排放重型车辆已在短途城市配送场景中展现出运营可行性，但长途BET运营仍面临更大挑战——行驶距离更长、能量需求更高、对途中充电的依赖更强。与车辆技术相比，长途BET运营的充电基础设施仍相对滞后，已成为大规模部署的主要制约因素。BETs对充电功率、站场空间和连续服务能力的要求远高于乘用电动车，使得专用基础设施日益必要。同时，长途卡车路线相对固定、运营模式集中，产生显著的空间和时间充电需求聚集。基础设施规划因此必须同时解决空间覆盖和站点服务容量问题。
上述挑战在中国中西部地区尤为突出，该区域高速公路服务区充电设施相对有限且主要面向乘用车设计。随着BET渗透率提升，空间覆盖不足与充电服务容量不足的问题将同时暴露。这促使研究人员建立一种综合规划方法，将路径能量可行性、随机充电需求、站点服务容量和场地工程约束联系起来，以确定经济高效的长途零碳货运走廊充电站选址与容量配置。
现有规划方法存在明显不足。传统需求评估方法主要依赖时空统计分析结合出行行为模型，难以充分捕捉用户偏好和市场动态带来的行为不确定性。在空间选址方面，从传统的节点覆盖模型到路径流截获框架已有长足发展，包括流截获选址模型（FCLM）、流加油选址模型（FRLM）及容量约束流加油选址模型（CFRLM），但这些方法通常只解决规划链条中的部分环节，很少在统一框架内整合车辆级随机充电行为、弧段级能量可行性、基于排队论的服务可靠性和场地特定工程约束。
二、研究内容与核心发现
针对上述研究空白，研究人员开发并评估了一个四阶段规划框架，将路径能量分析、单车蒙特卡洛模拟、MILP优化和M/G/c后校准整合为一体。该框架以最小化全生命周期成本为目标，同时确保长途BET流的完全路径可行性，为零碳货运走廊规划提供量化决策依据。
研究以中国中西部某实际高速公路货运走廊为研究区域，利用实地调查获取的真实路网、服务区配置和货运交通流数据，设置30%、60%和100%三档BET渗透率情景进行分析。基准情景下，优化方案选出8座充电站，经M/G/c校准后最终配置54台快充桩和271台慢充桩，较初始MILP方案减少33.8%的充电桩总数，总生命周期成本降低18.5%。随着渗透率提升和技术进步，站点数量降至5座，网络呈现“核心节点集聚”特征，单位电动车辆成本下降75.8%，显示出显著的规模报酬递增效应。
三、关键技术方法
研究人员构建了四阶段规划框架。第一阶段为路径能量分析与子情景树扩展：基于车辆能耗模型识别各路径上的强制充电弧段，构建候选充电节点集合，并依据目标荷电状态（SoC）概率分布扩展子情景。第二阶段为单车蒙特卡洛模拟：以实际交通流量为输入，独立模拟每辆车的完整行程和充电决策，输出弧段级期望充电需求和站点到达SoC分布。第三阶段为MILP选址定容优化：以总生命周期成本最小化为目标，综合路径能量可行性、站点建设逻辑、高峰容量约束、停车位约束和电网接入容量约束，确定站点选址和初始充电桩配置。第四阶段为M/G/c充电桩数量后校准：基于站点特定到达SoC样本重新估计各站服务容量，通过M/G/c排队模型和二分搜索确定满足最大等待时间约束的最小充电桩数量。研究数据来源于实地交通调查和电动重卡产品规格参数。
四、研究结果
4.1 基准评估
在未优化方案下，仅保留5座现有站点（S4、S7、S12、S16、S19），每站配置1台快充桩和9台慢充桩。在2250辆日电动卡车中仅1635辆被成功捕获，捕获率仅为72.7%。失败主因是“首站盲区”——现有站点均位于路线中后段，初始SoC较低的车辆在到达首个站点前即耗尽续航。M/G/c排队分析显示所有站点严重过载，快充服务强度ρ为3.9–10.4，慢充为2.7–7.2，队列长度将无界增长，无法满足基本服务水平要求。
4.2 优化结果
MILP模型从20个候选节点中选出8个站点：S1、S4、S7、S11、S12、S16、S18、S19，其中S1、S11、S18为新建站点，全部178个子情景均获满足，实现100%捕获率。初始MILP方案共配置491台充电桩（56台快充+435台慢充），经MC模拟和M/G/c校准后降至325台（54台快充+271台慢充），降幅33.8%。校准后总成本约1.1736亿元，较初始方案降低18.5%。所有站点校准后快慢充等待时间均满足6分钟约束。
4.3 蒙特卡洛行为分析
到达SoC呈现显著空间梯度：上游站点S1平均到达SoC为65.2%，下游站点S12仅19.7%，验证了“充电越晚、充电强度越大”的物理规律。流量分散是MILP集中分配与MC分散行为的系统性偏差——MILP在松弛容量约束下将同一子情景100%流量集中于单一经济最优站点，而MC模拟显示流量自然分散于候选集合中各建成节点，这是校准后充电桩数量大幅缩减的微观机制。
4.4 情景分析
60%和100%情景同时纳入电池容量和续航提升、充电功率升级（快充从480kW提升至660kW和900kW）及场地容量扩展。续航增加直接减少充电事件数量，子情景数从178降至84再降至64，站点数从8座减至5座。S1和S19在所有情景中均被选中，适合永久性重资产投资；其余站点随技术条件变化进入或退出最优方案，宜采用模块化、可迁移的灵活部署模式。总生命周期成本从1.1736亿元降至0.9466亿元，单位车辆成本下降75.8%，运营支出占比从22.0%升至37.3%。
五、讨论与结论
研究讨论指出，MILP的集中分配并非模型缺陷，而是线性规划在松弛容量约束下的必然行为，这恰好体现了MILP与MC模拟的合理分工——MILP负责识别值得建设的站点（组合搜索），MC模拟负责评估分散行为下这些站点的实际负荷（精确评估）。与基准策略对比，所提框架同时改善了流量覆盖、服务可靠性和基础设施效率。计算效率方面，三个情景分别仅需0.08、0.02和0.02秒即可完成求解。
研究结论可归纳为三点：第一，所提出的路径能量与蒙特卡洛方法为随机BET充电需求提供了结构化表征，将微观充电行为与走廊级基础设施规划联系起来。第二，集成MILP与站点特定M/G/c校准同时改善了规划可行性和容量效率，在保持完全路径可行性和规定服务水平的前提下将充电桩需求减少33.8%。第三，技术演进推动网络向更少、更高吞吐量、更具战略位置的充电节点演化，稳健核心站适合长期资本密集型投资，技术敏感边缘站可采用分阶段、模块化或可迁移部署策略，为适应BET技术和市场渗透演化的自适应基础设施规划提供了实践基础。
未来研究方向包括：建立MILP与MC之间的双向迭代反馈机制以实现布局与容量的协同优化；将静态情景分析拓展为多期动态规划以支持长期基础设施演进路径优化；开发面向大规模真实路网的可扩展求解策略；整合多源不确定性（交通需求波动、电池衰减、电价变化等）；扩展经济边界以纳入电网增容、土地获取、可再生能源投资和充电服务收益。
