【电动汽车充电设施选址研究的国内外文献综述7600字】

VII电动汽车充电设施选址研究的国内外文献综述目录TOC\o"1-3"\h\u29500电动汽车充电设施选址研究的国内外文献综述 1129681.1电动汽车充电设施规划研究现状 1315801.2电动汽车充电设施需求分析研究现状 543581.3电动汽车充电给电网带来的影响研究现状 712973参考文献 8电动汽车的发展，离不开配套服务设施的建设。电动汽车充电站站址的规划建设，直接影响到运营商的收益与客户对电动汽车的满意度，间接影响到电动汽车行业的发展与市场[16]。2019年12月中央经济工作会议在北京举行，会议重新定义了基础设施建设，把5G、人工智能、工业互联网、物联网定义为“新型基础设施建设”。随后“加强新一代信息基础设施建设”被列入2020年政府工作报告。区别于传统“基建”，“新基建”主要发力于科技端，指立足于科技端的基础设施建设。具体来看，“新基建”包括七大产业方向：5G基站建设、新能源汽车充电桩、大数据中心、人工智能、工业互联网、特高压、城轨交通，涉及通信、电力、交通、教育、医疗等多个社会民生重点行业。研究电动汽车配套设施服务建设有着重要的现实意义，国内外研究学者积极投入到电动汽车配套服务设施规划建设的研究之中。本节主要从电动汽车充电设施规划研究现状、电动汽车充电设施需求分析研究现状、电动汽车充电给电网带来的影响研究现状几个方面来介绍国内外相关方面的研究现状。1.1电动汽车充电设施规划研究现状（1）充电负荷预测研究现状电动汽车充电负荷预测是指预测电动汽车的充电负荷需求。电动汽车充电负荷预测的影响因素主要有：电动汽车的保有规模、电动汽车充电方式、起始荷电状态(StateofCharge,SOC)、电动汽车电池的充放电特性、充电功率、充电时间(包括充电开始时间和充电结束时间)、动力电池容量等。天气情况、温度、日期类型以及公交调度等因素则通过影响用户的行为特性而影响电动汽车充电负荷。目前的预测方法主要有基于电力系统短期负荷预测方法的电动汽车充电负荷预测、蒙特卡洛模拟法、人工神经网络法及其它新型电动汽车充电负荷预测方法。目前国内电动汽车发展年数相对较少，技术相对落后，导致缺乏该行业的数据与经验，但电动汽车的出行规律、行驶里程、往返时刻等都与燃油汽车有很多相似之处，故可以使用燃油汽车的调查数据与出行模式来弥补本方面数据的空缺。在对此问题进行研究时还可以选择具有代表性的城市中心来对这些数据进行调查与实验。电网与电动汽车存在明显的关联，电动汽车可以当作储能设备应用到智能电网中，同时也是需求侧管理的重要方式。处于负荷曲线低谷期时，可以通过电动汽车进行充电储能；而处于电力负荷高峰期时，则可以释放电动车储存的电能，以满足电能供应的要求。因此可以将电动汽车作为一种调峰的有效方式，确保电力系统处于稳定的运行状态。随着电网的发展，在储能预测以及电网反馈等方面依赖于充电负荷的计算结果，因为这种方式能够提升电能的利用率，保证电力供需的均衡性，从而为广大用户提供更高质量的电能。随着对于电动车负荷预测研究的增多，形成了多种类型的方法，但是传统方法存在一定的不足：忽略了充电位置、极端天气等因素的影响，只根据电动汽车的行为进行预测，导致预测结果的准确性较低。国内研究学者欧名勇、陈忠伟等人对电动汽车用户充电行为进行了研究,在对电动汽车充电负荷进行预测时分别考虑了无序充电和用户基于电价响应充电的两种情况，充电负荷预测结果更贴合实际[17]。陈泽雄、高君伟等人在对充电负荷进行预测时不仅考虑的时间特性，同时考虑了空间特性，将目的地分为商业、生活、办公、休闲四个区域，并计算每个区域的转移概率。最后对210万辆电动汽车进行蒙特卡洛法模拟，得到不同区域的充电负荷[18]。席乐、张琳娟等人根据峰平谷电价的不同，同时结合电动汽车充电的起始与结束时间，对电动汽车的充电负荷进行修正。在该项研究当中，考虑的电价因素对不同类型的电动汽车充电行为的影响，该类型主要包括了出租车，公交车，公务车和私人汽车四种类型。结论得出，经过峰平谷电价的修正之后，各类型的电动汽车充电成本均有不同程度的下降[19]。饶颖卿、张晓东等人提出一种考虑用户分段充电行为的电动汽车充电负荷预测模型，结合分段模型参数辨别值得到电动汽车充电起始时间、充电时长等数据，从而形成一个变参数电动汽车充电负荷预测模型，提高预测模型实用性[20]。崔敏研究了恒压恒流型与恒功率型两种不同类型的电动汽车对起始SOC的影响。预测模型首先使用遗传算法确定自适应模糊神经网络算法基本参数，提高自适应模糊神经网络算法的训练速度，然后由Levenberg-Marquardt算法训练的FFNN算法对ABFIS的输出再次优化实现预测完善并提升整体预测准确性[21]。国外学者FernandaCristinaMartinsCortezzi与PatríciaRomeirodaSilvaJota重点研究了电动汽车充电时的住宅负荷曲线，在此基础上分析了EV充电对典型巴西住宅的影响。该项研究中将充电行为分为两类：两类电动汽车均以每小时41公里的速度行驶之后，电动汽车的电池电量剩余30％时充电，充电时间分别为7点与11点。结果表明在标准峰值负载在晚上7点左右发生，若在此时进行充电将引起变压器过载，且在晚上11点之后充电将导致住宅区出现另一个高峰时间。研究表明不能仅从充电时间上规划电动汽车的充电行为[22]。SinhaAnandPremdayal与AshishChandiok使用小波变换将负载时间序列分解为粗略和详细的分量，使用广义神经元网络（GNN）完成计算，分别预测每个组件。改进的GNN算法预测效果比传统的GNN算法优点在于能更加精确地预测出短期负荷[23]。TobiasHahn与MartinSchönfelder等人开发了一种有效的算法来计算负载转移电位，该电位转移电位定义为满足客户要求的所有充电曲线的范围，并随着时间的推移考虑所有单独的充电和放电约束。此外，该研究制定了混合整数线性程序（MIP），使用半连续变量来查找参与负荷转移的每辆车的成本最优负荷曲线。在对德国在2015年和2030年的两种充电情景进行研究后表明电动汽车的负荷转移潜力是巨大的。该研究并有助于合理分布电网的负荷，同时该项研究表明最大的充电和放电功率以及平均电池容量对于整个负载转移潜力至关重要[24]。（2）电动汽车充电设施选址在电动汽车产业持续发展的过程中，电动汽车的数量不断增加，而充电站是整个产业发展中的重要一环，以此能够为电动汽车提供对应的充电服务。其中充电服务指的是在车辆电量不足时可以在充电站及时充电，车主则需要付出一定的充电费用，在这种模式下需要建立完善的充电计费系统，基于信息化的管理模式有助于改善充电的效率，从而为广大电动汽车用户提供更高质量的服务。充电服务类型具体又分为常规充电、快速充电、换电池。电动汽车充电设施规划对电动汽车行业的发展有很大的影响，电动汽车充电站能否选在合适的位置，能否拥有适当的容量将直接影响到运营商的利润与客户的满意程度，从而影响电动汽车的销售量与技术发展。国内外对电动汽车充电设施选址进行了很多研究，收获了很多成果。本节将对部分研究与成果做简要综述。国内学者杨军峰、冯磊在研究中提出将区域中心作为负荷中心，以不同区域内的电动汽车的个数作为充电站选址所参照的权重数，最后采用教与学优化算法（TLBO）来对电动汽车充电站的选址与定容问题进行求解。同时在研究中对差分计算方法（DE）与TLBO进行了对比，研究表明后者计算速度更快，准确性更高[25]。尹茂林针对电动汽车的发展现状以及趋势进行了较多的研究，深入探讨了电动汽车充电站与加油站的相似之处与不同之处。同时，该研究针对菏泽市的具体情况，提出电动汽车充电站的建设要分区域差别化供给、立体化从而节约土地、充分利用现有加油站等实用性建议[26]。臧海祥、傅雨婷等人针对目前对电动汽车充电站规划多为静态规划，未考虑电动汽车保有量增长的问题，提出电动汽车充电站动态规模模型，考虑的电动汽车渗透率的不确定性。并采用改进的自适应遗传算法求解了电动汽车充电站动态规划机会约束模型[27]。国外学者TomM.Cavalier等人进行了拆分送货车辆路线问题（SDVRP）的研究，电动汽车充电问题选址与送货中间站选址十分相似，故这种研究方法也可用于电动汽车充电站的选址。此问题可以看为宽松车辆路径问题（CVRP），客户可以选择多种路径。该研究针对SDVRP开发了一种新的构造试探法，并针对已有32个区域数据集进行计算并得出结果。关于总行进距离的问题，构造出的试探算法与列生成方法的两阶段方法和传统算法相比从精确度与速度方面均具有明显优势[28]。AliBozorgi-Amir与SaharDaraei等人提出了一个综合的位置和库存问题（ILRIP）模型，并考虑了配送中心（DC）的随机干扰。所提出的模型同时确定了应打开的DC的数量、位置、DC的客户分配、活动路线的分配以及每个分销中心的客户搜索路线的安排，保证每个配送中心的安全库存水平[29]。（3）大数据应用大数据(bigdata,megadata)主要描述了一种特殊的信息资产，其特征主要体现在数量多、规模大、增长率高等方面，依赖于特定的技术或者模式进行处理。在《大数据时代》一书将大数据描述为采用全部数据进行处理的一种方法，主要表现四个方面，分别是Volume（大量）、Variety（多样）、Velocity（高速）、Value（价值），简称为“4V”。由于电动汽车行近几年才开始大规模发展，缺乏相关历史数据，目前多采用随机数据模拟电动汽车出行行为，所得结果与实际情况相差较大。目前国内外有少量学者将大数据应用到电动汽车行业的研究当中。夏博、唐宇池等人提出利用大数据技术对多约束优化问题进行求解能够降低数据整合难度，提高存储能力，加强多领域数据信息互联[30]。国外学者

FuchunJosephLin提出目前数据库管理系统和数据仓库不再是用于存储和分析数据集的唯一技术，因为当今数据的数量和复杂结构降低了它们的性能和可伸缩性。相比之下大数据作为一种集数据收集、处理、挖掘、预测及可视化功能于一体的强大工具将会在很大程度上促进电网的进一步发展。该研究利用电力、土地等方面的数据，运用大数据可视化功能展现了研究地区的电量分布情况，使得建筑耗能与能源投资更加透明，为电动汽车充电站选址定容的规划提供可靠性数据[31]。1.2电动汽车充电设施需求分析研究现状近年来，电动汽车行业持续发展，在各个国家均受到了政府的支持，越来越多的人选择购买使用电动汽车，随之而来的是电动汽车充电设施需求的增加。对电动汽车充电设施需求进行分析，有利于确定充电设施的规模，提高建设站点的经济效益和社会效益。目前国内外有不少学者对电动汽车的充电设施需求进行了分析，主要包括以下两个方面。（1）用户角度充电设施需求分析国内学者陈丽丹、张尧等人将电动汽车的出行目的地进行分类，包括生活区、工作区、商业区等，再以各个车辆的出行目的地作为判断依据，计算电动汽车的充电负荷。采用蒙特卡洛法对各目的地分区的时间与空间负荷分布进行仿真模拟，根据耦合关系将电网节点与充电负荷进行归算，进而得到用户对充电设施的需求[32]。郭建龙根据数据测算结果提出，如果不加以适当引导，电动汽车用户将充电负荷接入电网的时间和空间的随机性将会对电网的运行质量造成不良影响，导致负荷峰谷差逐渐增大。此研究采用概率法对电动汽车充电负荷的影响因素进行了模拟，考虑影响因素的随机特性，获取了电动汽车日出行概率。采用时间间隔系数来模拟电动汽车的连续充电间隔，提出将电动汽车的每日的平均行驶里程数与电动汽车发生充电行为时的起始电荷作为约束条件，得到电动汽车充电负荷在时间上的变化规律[33]。田立亭、史双龙等人分析了与电动汽车充电需求相关的多种因素，包括电动汽车电池容量、充电设施功率限制、电动汽车起始充电时间等，参考传统汽车的统计数据，结合电动汽车充电随机因素的影响概率，建立了电动汽车充电需求预测模型，用蒙特卡洛法对所构建的模型进行求解，得到电动汽车充电需求。最后以北京市的电动汽车充电作为实例进行研究，得到用户对电动汽车充电设施的需求[34]。国外学者HunterEstes，SuryaSantoso等人提出使用时间网格对电动汽车的充电需求进行分析，以一分钟为时间单位，在高数据分辨率下绘制电动汽车充电曲线，以观察电动汽车充电的特征信号。并根据当地电力公司的使用时间划分出总用电量和最大输送功率。研究结果显示，如果受到激励，用户会结合自己的实际需求将其电动汽车充电时段调整到中高峰或非高峰时段[35]。M.H.Amini与M.P.Moghaddam为研究不同用户的车充电需求建立了两个需求分析模型：第一个模型集中在私家车的所有者行为上，并尝试结合私家车出行时间与充电市场的不确定性进行建模，该模型仅适用于单个车辆，无法扩展。第二个模型是概率模型，基于历史驾驶数据，该模型的具有可扩展性并且用敏感性分析进行验证，得到了较为理想的验证结果[36]。（2）不同充电地点充电设施需求分析国内研究学者麻秀范、李颖等人结合电动汽车的随机特性对电动汽车充电桩的需求进行了分析，将规划区域按照各自功能分为六类，运用概率法模拟电动汽车的出行链以及各出行链目的地的充电需求，从时间、空间层面对电动汽车的充电特性进行了分析。同时模拟建立充电桩与汽车数量比例模型，进一步得到了规划区域内电动汽车快、慢充电设施的配置比例[37]。邱雷针对电动汽车充电负荷高随机性，充电时间集中的特性，结合重庆市某充电站实际运行数据对电动汽车的充电起止时间与充电起始电荷进行了差异性分析，对随机特性明显的站点采用正态分布及泊松分布进行拟合，对充电负荷与时间相对规律的站点采用非参数核密度的方法进行拟合，得到了与实际情况协方差较小的分析结果，验证了建立模型的有效性[38]。邵尹池、穆云飞等人在考虑电动汽车充电的时间、空间负荷，结合了交通流量以及道路分布情况，以北京市部分城区区域作为规划区域，模拟了规划区域内路网约束下电动汽车的出行规律与充电情况，最后将充电负荷归算至配电网的节点上，采用潮流计算法得到电动汽车接入电网后的充电负荷，以此为基础对规划区域内电动汽车充电设施的需求进行了分析[39]。国外学者M.vonHoffen提出了一个融入电动汽车充电基础设施的信息系统，收集不同充电地点的充电数据,并考虑了电动汽车充电的环境信息，如充电行为发生时的天气和充电位置数据。该研究指出天气、公共事件、驾驶模式和充电设施需求之间具有相关性[40]。Md.AbdusSalam对电动汽车和传统汽车的驾驶模式和运行情况进行了统计分析，获得了不同地点的电动汽车的充电行为、电池容量、能耗率、标称快充和慢充功率、每日行驶里程、每日充电时间、初始Soc（充电状态）等影响EV充电符合的主要因素，用蒙特卡罗法对电动汽车的充电负荷进行了研究，在此基础上确定了规划区域内充电设施的需求[41]。1.3电动汽车充电给电网带来的影响研究现状（1）对配电网电能质量带来的影响研究现状国内学者黄梅、黄少芬对电动汽车接入电网进行能量获取这一行为对电网带来的谐波进行了计算，并提出了简化谐波简化计算的方法，将电动汽车用分段函数法近似归算为一个等值非线性电阻，计算充电行为发生时电网谐波的数值变化[42]。胡畔、吴斌等人建立了谐波分析模型，对电动汽车快速充电站的谐波进行了分析。考虑电动汽车充电时序特性的同时考虑了充电设施的拓扑结构谐波数学表达式，并以湖南某快速充电站的实际运行数据作为实例，研究了电动汽车快充谐波和畸变率的变化特性[43]。国外学者A.K.Karmaker,S.Roy等人认为电动汽车市场正在扩大，预计在不久的将来电动汽车的普及率将大幅提高。大量电动汽车接入电网对配电网产生了重大影响，包括产生谐波，影响电压分布等，最终影响电能质量。该研究从电力需求、谐波、电压暂降和变压器损耗等方面分析了电动汽车充电站对配电网的影响，并提出了抑制电能质量发生扰动的抑制技术[44]。M.R.Poursistani,M.Abedi等人认为如果对电动汽车的充放电控制不当，会增加系统的峰值且导致电力系统超载。该论文研究了如何对混合动力电动汽车的充电进行管理，并给出一个精确的模型。该项研究考虑了电动汽车的行程，建立了电动汽车的需求模型，在此基础上，提出了一种基于遗传算法的分散式智能充电调度方案。研究表明一个合适的充放电时间表可以通过在非高峰时段充电来避免高峰时段网络过载[45]。（2）对配电网运行经济性的影响研究现状国内学者王博、杨能武等人通过建立连云港地区实际配电网的仿真模型，研究了电动汽车充电对城市配电网运行经济的影响，仿真结果表明，电动汽车渗透率超过50%时部分线路会出现过载，需要对现有的电网进行扩容改造[46]。周步祥、刘治凡等人对电动汽车充电影响下的电网经济性进行了研究，针对电动汽车无序充电行为会加大系统有功损耗等问题提出了电动汽车有序充电双层规划模型，对电网收益进行了计算的同时考虑到了电网的寿命[47]。国外学者D.S.Lokunarangoda等人针对电动汽车的储能特性，提出电动汽车在高峰时段向电网供应能量，以最大程度地降低电网的高峰需求。使用这种方法可以减少由于电动汽车充电引起的高需求，并使电动汽车用户的成本降至最低，提高电网运行的经济性[48]。参考文献张安安，邓靓，杨威.计及天然气管网压力能消纳的充电设施优化规划[J/OL].电网技术:1-10[2020-11-27]./10.13335/j.1000-3673.pst.2020.1246杨希，戴天鹰，戴靖.基于物联网技术的智慧充电场站[J].电气时代,2020(09):24-26刘曼佳，王雪，陶骞.能量回馈型电动汽车充电设施模拟测试负载设计与实现[J].电工技术,2020(17):44-46+49宋永华，阳岳希，胡泽春.电动汽车电池的现状及发展趋势[J].电网技术,2011,35(04):1-7于连勇.充电桩接入对电网谐波所产生的影响[J].电气自动化设备,2018(19):23-24于江江.新能源汽车安全分析及发展研究[J].电力系统及其自动化学报,2013(19):174-175Anonymous.Demandforelectricvehiclerawmaterialstospike,UNsays[J].TheNorthernMiner,2017,106(14).田世明，栾文鹏，张东霞.能源互联网技术形态与关键技术[J].中国电机工程学报,2015,35(14):3482-3494于连勇.充电桩接入对电网谐波所产生的影响[J].科学技术创新,2015(19):23-24王丹，曹秉刚.电动汽车关键技术发展综述[J].中国工程科学,2013,15(01):68-72宋永华，阳岳希，胡泽春.电动汽车电池的现状及发展趋势[J].电网技术,2011,35(04):1-7张文亮，武斌，李武峰.我国纯电动汽车的发展方向及能源供给模式的探讨[J].电网技术,2009,33(04):1-5ZhaohaoDing,YingLu,KexingLai,etal.Optimalcoordinatedoperationschedulingforelectricvehicleaggregatorandchargingstationsinanintegratedelectricity-transportationsystem[J].InternationalJournalofElectricalPowerandEnergySystems,2019:121.肖湘宁，陈征，刘念.可再生能源与电动汽车充放电设施在微电网中的集成模式与关键问题[J].电工技术学报,2013,28(02):1-14李佩珩，易翔翔，侯福深.国外电动汽车发展现状及对我国电动汽车发展的启示[J].电网技术,2014(01):49-54刘柏良，黄学良，李军，等.含分布式电源及电动汽车充电站的配电网多目标规划研究[J].电网技术,2015,39(02):450-456欧名勇，陈仲伟，谭玉.基于峰谷分时电价引导下的电动汽车充电负荷优化[J].电力科学与技术学报,2020,35(05):54-59陈泽雄，高军伟，周仕杰.基于时空特性的电动汽车负荷预测方法研究[J].机电信息,2019(36):28-30席乐，张琳娟，秦楠，许长清，王利利，李景丽.峰平谷电价下动态修正充电目标的EV充电负荷预测[J].电力系统及其自动化学报,2020,32(08):62-69.饶颖卿，张晓东，饶宇飞，杨军，崔惟.考虑分段充电的实用型电动汽车概率负荷模型[J/OL].电测与仪表:[20]1-8[2020-11-27]./kcms/detail/23.1202.TH.20200827.1606.016.html.崔敏.基于Levenberg-Marquardt神经网络的个性化搜索算法研究与应用[D].重庆:重庆大学,2018.Cortezzi,F.and