电动出租车充电桩优化配置

电动出租车充电桩优化配置

刘新波

易事特集团股份有限公司

摘要：随着我国电动汽车的快速发展，电池和充电技术得到大规模的应用，电动出租车已经成为示范经营点。对于电动车来说充电桩是电动汽车基础设施的关键部分，充电桩的数量配置对电动车未来的发展会产生最为直接的影响。本文从电动出租车的实际运营出发，对其运营状态进行了分析，利用排队论原理建立了两个数学模型，将电动车充电站系统最低消费为目标函数，寻求充电桩的最优配置。并在深圳南山地税充电站对模型数据进行了验证，最后给出了充电桩的最优配置，在最优化充电桩配置并且不影响电动出租车正常运营的情况下，可以有效降低充电桩的配置成本，实现双赢。

关键词：电动出租车；充电桩；优化配置

电动汽车能够有效降低碳排放，减少城市噪音，是国家重点战略新兴产业之一，具有广阔的发展前景。电动车大规模应用会对城市电网产生一定程度的影响，为了将造成的影响降到最低，学者们也做了很多研究工作。首先对充电站的充电功率对电网产生的影响进行了研究，并总结了合适的电网控制方式。提出了充电汽车的充电控制方法以及其经济运行策略，与当地电网进行交互运作。有效的规划充电桩的配置方法，确定充电桩的选址位置。由于现在的充电汽车还未大规模运营，所以很多研究工作都是建立在模拟或假设的基础上的，其准确性和实践性还有待考证。充电桩的基础配置是充电汽车发展的关键，也有学者对纯电动出租车采用电池更换方式进行了研究，虽然能够很好的解决充电排队的难题，但由于成本过高并不现实。

随着电池和快速充电技术的发展，电动汽车得到了大规模应用，整车充电也有很大的优势。而充电桩的配置数量对整车充电造成最为直接的影响，也对充电桩的服务质量和建造成本造成影响，所以合理的配置充电桩数量对电动车发展非常关键。本文对深圳市电动出租车的运营数据进行了大量的数据分析，在全面掌握其运行特点和规律的情况下，建立相应的数学模型，综合考虑投资成本和电动车运行成本，选取充电桩最优配置方案，为我国电动充电桩的配置方法提供数据参考。

1.电动出租车运营特点

深圳市是我国新能源汽车运行示范城市，从2010年投入电动出租车以来，单辆车的运行里程数已经超过30万公里以上。

从图一日充电负荷线显示，电动车充电高峰时刻主要分布在4个时段，最高充电功率和充电桩数量都维持在一定水平。由于出租车换班时间在下午六点，在司机换班前需要把电动出租车电池充满，所以在下午六点会出现充电高峰期。

对数据进行分析，利用Matlab中的kstest函数将置信率设置为0.05，对数据分布规律进行分析检验。电动出租车充电时间数据服从正态分布，在早高峰时间高峰时段持续时间补偿，在晚高峰时段持续时间较长，数学期望分别问61分钟和53分钟。电动出租车在两个高峰时段服从指数分布，在充电站电动车到达时间服从泊松分布。数据分布与加油站和银行进行类似度分析，城市电动充电桩是为特点服务群体服务的，充电桩的数量直接对运营商的成本造成直接影响，充电桩的数量配置也取决于电动车服务时间和电动车数量。根据现场数据分析，可以得到以下结果。电动车的数量是有限的，但是单个充电时段的车辆到达数量是随机的；充电站的充电桩数量是固定的，而且是相互之间独立运行，所以充电工作效率互相之间不产生影响；电动出租车充电时长也具有随机性；充电桩的服务能力是有限的，而且一个充电站也是对某一区域内的电动车进行服务。基于上述分析可以发现，电动出租车进站充电方式与服务台服务方式是类似的，可以对充电方式进行简化和假设后，利用排队理论去优化充电桩的配置参数，解决充电站的优化问题。

2.电动出租车排队模型

2.1排队理论基本原理

排队理论是通过对服务对象和服务时间进行统计研究一种分析方法，在根据等待时间等其他数据来分析系统指标，然后依据这些指标来改进系统结构，从而优化服务配置，使服务系统能够达到用户要求。

2.2M/G/s/∞/∞等待排队模型

M表示电动出租车达到时间是服从正态分布的，可以根据上文的分析来看，将单位时间内到达充电站的出租车数量设为x，则1/x是电动车到达充电站的平均间隔时间。G表示的是电动出租车的充电时间是服从指数分布的，将单位时间内充电站能够服务的电动车数量设为y，则1/y为单位时间内能够服务的电动车数量。S表示的充电桩的数量，但是这里需要将系统的容量和电动车服务量是无穷大的，充电过程是等待制，电动出租车在到达充电站时，如果充电桩已经被占满，就必须先花时间等待，等充电完成才能驶离。

3.电动车充电桩的最优配置模型

在每个充电桩的充电方式确定的前提下，其充电功率是确定的，那充电出租车的核心参数就是充电桩的数量。本文将一般状态下，单位时间内充电站和电动出租车需要花费的总费用作为目标参数，设置最优配置模型：

Cs是每个充电桩在单位时间充电时需要的费用；cw为电动出租车进入充电站需要消耗的时间，或者等待充电过程中需要花费的费用；s为排队模型中充电桩的数量；Ls是平均排队长度。这是一个Z与充电桩数量s的函数，求Z达到最小值时需要的充电桩数量。因为s是一个整数，所以函数是一个非连续函数，根据不同充电桩数量球平均排队时长，确定最优充电桩数量。

4.实例分析

深圳南山地税充电站一共有8个充电桩，每个充电桩的购置费和维修费大概在30万元左右，运营成本大概在50万元左右，每个充电桩按5年使用寿命计算，现在电动出租车司机月收入大概在5000元左右，通过这些数据来配置函数参数，在此基础上对函数进行计算，选出最优充电桩配置数量。对充电站晚高峰段进行数据分析，求得电动出租车的充电桩数量在4或5都是合理解。

5.结语

综上所述，在对深圳电动出租车的实际运行数据进行分析后，建立了充电站排队模型。等待式排队模型必须要求电动车在电动充电桩不够的情况下需要等待，直到充电完成才能离开，这种模型只适合区域充电站服务模式。利用深圳南山地税充电站对排队模型进行了实际数据分析，利用高峰充电时段电动出租车的运行数据进行模型模拟，并且将整个电动充电站的服务费用作为目标函数，对充电站的充电桩数量配置进行最优化参数配置，以确定模型的准确性和有效性。本文利用具体数据对模型进行求值，给出了充电桩数量的合理范围，得到充电桩的最优化数量配置，为充电站充电桩的数量配置提供了数据从参考。以上是本人的粗浅之见，由于本人的知识水平及文字组织能力有限，文中如有不到之处，还望相关的专业人士批评指正。

参考文献：

[1]赵建文，侯燕文，李童.浅议电动汽车有序充电控制策略[J].山东工业技术，2014（20）：33-33

[2]倪峰，张卫国，谷小川，等.基于时空约束的城市交流充电桩优化布局[C]//中国电机工程学会电力系统自动化专业委员会三届五次会议暨2015年学术交流会，2015

[3]姚伟锋，赵俊华，文福拴，等.配电系统与电动汽车充电网络的协调规划[J].电力系统自动化，2015，39（9）：10-18

[4]李斌.只有“换得更快”才能“跑得更远”——杭州充换电网络贴合市场创新发展[J].中国电力企业管理，2012（7）：44-47

[5]张曦予.电动汽车充电站功率需求建模[D].华北电力大学，2014

[6]刘济舟.基于时空约束的城市交流充电桩优化布局[J].科技创新导报，2016

[7]殷树刚，刘磊，胡宇宣.市政路灯和电动汽车充电桩的一体化系统研究[J].供用电，2014

[8]赵明宇，吴峻，张卫国.基于时空约束的城市交流充电桩优化布局[J].电力系统自动化，2016