考虑城市交通流的电动汽车充电站规划

第３４卷第４期

电力科学与技术学报

JOURNALOFEIECTRICPOWERSCIENCEANDTECHNOLOGY

Vol􀆰３４No􀆰４

Dec􀆰２０１９

２０１９年１２月

考虑城市交通流的电动汽车充电站规划

曾成碧,刘　广,苗　虹,王　雅,韩　峰,程平凡

()四川大学电气信息学院,四川成都６１００６５

摘　要:大规模使用电动汽车显著加大交通压力和配电网负荷,在交通状况复杂的城市合理规划电动汽车充电站对城市智能交通和智能配电网尤为重要.该文通过分析城市交通流系统,考虑服务半径内电动汽车交通特性及客观实际的出行行为过程,采用马尔科夫模型预测电动汽车交通流需求,以计及充电站实时交通成本的充电站运营净收益为最大化目标,并以交通流出行效用、交通密度及配电网要求为约束条件,建立电动汽车充电站规划数学模型.明该规划模型和方法有重要的实用价值,极大地提高了电动汽车充电站实际规划的合理性和可靠性.关　键　词:电动汽车;充电站;城市交通流;马尔科夫模型

()中图分类号:TM９１０．６;U４６９．７２　　　　文献标志码:A　　　　文章编号:１６７３Ｇ９１４０２０１９０４Ｇ０１０１Ｇ０７

Planninfelectricvehiclecharinstationconsiderinrbantrafficflowsgogggu

,,,,,ZENGChenＧbiLIUGuanMIAOHonWANGYaHANFenCHENGPinＧfanggggg

(,,)SchoolofElectricalEnineerinndInformationSichuanUniversitChendu６１００６５,Chinaggayg

,theintellienttransortationandsmartgrids．Firstltrafficcharacteristicsofelectricvehiclesareconsideredandthegpyflowsstem,amathematicalmodelofelectricvehiclecharintationplanninsthenestablishedtomaximizetheyggsgificdensitnddistributionnetworkreuirement．AsimulationisincludedtoveriftheeffectivenessofroosedmodＧyaqyppreliabilitftheplanninfcharestationgreatl．yogogy

el．Itisshownthattheplanninodelsandmethodshaveimortantracticalvalueandimrovethereasonabilitndgmpppya:;;Keordselectricvehiclecharintationurbantrafficflow;Markovmodelggsyw

netincomeboncerninrealＧtimetransortcosts．Themodelconstraintsarethetravelutilitftrafficflow,trafＧycgapyoMarkovmodelisutilizedtopredictthetrafficflowdemandofelectricvehicles．Basedontheanalsisofurbantrafficy

,butionnetworks．Inthecomlexurbantrafficareasonabllanninfcharintationisparticularlimortantforpypgoggsyp

:AbstractThelareraneemlomentofelectricvehiclessinificantlincreasesthetrafficpressureandloadofdistriＧggpygy

　　当今全球变暖和化石能源枯竭是世界的严重问

１]

.电动汽车的大规模推广成为减少温室气体排题[

２]

.放和缓解对化石燃料使用依赖的一项重要措施[

电动汽车配套的充电基础设施规划建设是制约电动汽车发展的主要因素之一,目前电动汽车充电设施的规划,特别是城市中公共充电站、充电桩的规划尚

收稿日期:修回日期:２０１７Ｇ０３Ｇ０２;２０１７Ｇ０４Ｇ１７

基金项目:成都市科技惠民技术研发项目(２０１５ＧHM０１Ｇ００２１８ＧSF)

),:通信作者:苗　虹(女,博士,副教授,主要从事分布式发电与微电网运行控制的研究;１９７１ＧEＧmail２４９８０５６９７＠q．comq

１０２不成熟完善.

电　　力　　科　　学　　与　　技　　术　　学　　报２０１９年１２月

特性的内在变化关系,以满足用户出行需要.同时电动汽车的交通流理论渗透在充电负荷需求预测、充电设施选址规划之中,对电动汽车充电站的布局起着关键作用.

电动汽车交通特性具有集中程度高、吸引交通量大等特点,对于城市局部地区电压负荷、用电需求、电力系统稳定、交通出行影响显著.为有效保障电动汽车的持续行驶能力,充电站的服务半径应以电动汽车单次充电里程１甚至更短)计００km(电动汽车充电站规划与电力网、交通网密切相关,现有的研究主要是通过分析电动汽车接入配电

]３Ｇ７

网的影响[和交通背景来探讨选址定容规划.文

]献[从规划层面和运行层面对电动汽车的交通特８性进行考虑分析.文献[将电动汽车、配电网９Ｇ１０]最优充电路径.文献[综合考虑路网结构、车流１１]与道路交通网３个方面作为一个整体探讨电动汽车信息等因素,并兼顾电力公司和用户双方利益,建立了充电站优化规划模型.文献[截流选址模型,将充电站的候选位置设定在交通网１２]借鉴交通领域的络和配电系统的重合节点并建立多目标优化决策模型.文献[空间特性充电需求的充电站站址规划方法１３]提出了一种考虑了基于电动汽车出行,最大程度满足了充电需求.但没有涉及交通流与电动汽车充电设施规划结合的研究.随着智能交通网的发展,城市交通流成为解决城市交通问题的重要技术手段之一,所以研究考虑城市交通流的充电站规划至关重要.

该文基于城市交通流理论研究电动汽车充电站规划,综合分析规划中电动汽车交通特性分布和出行行为过程,通过建立马尔科夫模型对电动汽车交通流量预测,以此预估城市局部建设充电站的充电需求.提出考虑城市交通流理论以及建站的经济性,建立充电站规划最佳选址模型.采用具有较强全局搜索能力且收敛速度更快、收敛效果好的免疫优化算法,通过实际算例对比约束条件说明新规划模型和方法的有效性.

求预测

　计及城市交通流的电动汽车充电需　　在城市复杂的交通状况下,

电动汽车的大规模使用以及充电站的建设无疑增加了局部交通压力和负荷,针对城市主要交通网络,以交通流为基础进行电动汽车充电站规划更具实用性.而充电站选址的基本前提就是对电动汽车充电需求进行有效的预测.结合电动汽车行驶距离、充电地点不确定的特点,通过以交通流理论对电动汽车的影响来获取充电站充电需求.

．１　电动汽车的交通流机理分析

交通特性分布和出行行为特性是交通流理论的

主要内容[１４

]测交通流特性,在,通过分析新增充电站后城市交通流

规划新的充电基础设施时,需要预

算[１５]

作,以更加全面的了解充电站服务半径内负荷状况,因此需要完成资料搜集和交通现状调查的工

和电力系统稳定情况,周围道路网的路况和相关基础设施规划情况,周边用地情况和建筑分布情况,充电站的充电方式、运营模式、充电机个数等基本情况;并且交通现状调查应该在掌握区域交通路况特征的同时,明确等待充电车辆排队情况以及公共交通现状,并对已经建成的充电桩进行抽样调查.

准确地描述出行行为过程规律能够作为分析电

动汽车充电需求的依据[１６]

的不同分布将直接导致每,个而电动汽车在交通流中充电站充电需求的差异.城市交通流的分布形态和运行规律一般从认识问题、搜集信息、选择决策、实施出行以及出行后的评价反馈研究具有一定的复杂性５个层次进行,但针对电动汽车出行行为,主要表现在出行决策背景复杂、影响因素众多且难以量化、出行者行为特征各异等方面.因此为了更加全面展现电动汽车出行行为特征,需建立出行行为过程模型,系统展现出行主客观因素、出行选择决策、实施出行之间的关联,以及客观因素通过主观因素影响出行者行为的影响机理.基于此来评估电动汽车充电需求,从而为进一步做好充电站规划提供帮助.典型的电动汽车出行行为过程如图１所示.

图１　电动汽车出行行为过程

Fig

ure１　Flowchartofelectricvehicletravelbehavior１１第３４卷第４期

曾成碧,等:考虑城市交通流的电动汽车充电站规划

１０３

１．２　基于马尔科夫模型的电动汽车交通流需求研究

在城市交通流中,把交通流量看成是时间序列,传统的时间序列数据模型对于非线性非平稳的时间序列预测不精确,而马尔科夫模型是分析时间序列

１７]

,数据的有力工具[表示的是时间和状态都离散的

状态或者转移到另一个停放状态;而对于停放中的电动汽车来说,只能保持原状态或者转移到行驶状态.通过分析电动汽车在各个状态下的可能性概率来预测城市局部建设充电站的负荷需求,合理规划好充电站的选址定容.

马尔科夫过程,其未来所处状态仅仅和当前的状态有关,而与过去的状态无关.结合当前交通流中电动汽车交通特性、出行行为信息的前提下预测电动汽车的行驶状态和充电需求.该文利用马尔科夫模型模拟电动汽车可能的活动情况,将电动汽车在日常生活中的运行状态划分为态)、E４种,即E１(出行状２(生活区停放状态)、E３(

商业区停放状态)、４发生且只发生上述有限状态中的一种(

工作区停放状态),并假设单位时间内电动汽车.

假设模拟电动汽车在一个月(为,取单位时间步长为步长,即t∈０３０d)内的出行行初始状态.在电动汽车出行过程中[０,１４４０,．５h当t,＝则总共需要０时定义电动汽车的１４４１个],各时间段单独形成一个事件序列,将这种离散时间和离散状态组合形成马尔科夫链,电动汽车从t－１时刻的状态

m的状态(m＝１E,２,３,４)转移到t(t∈[１,１４４０])时刻n用条件概率描述为

ptm→n＝

P(Etn|Etm－１)＝P(Etn|Etm－

１􀅰􀆺􀅰E１m􀅰E０m)

式中　Et(１

)n表示

t时刻发生状态Entm－１,等式对任意的电动汽车,􀆺,E１m,E０m均成立.

出行的＝{１,２,３,４

},其状态转移概率矩阵形式为４种状态模型的状态空间为

éêPt１→１

PtPt１→３t１→４

ùPêêPtt＝２→１

２

êP１→２t２→tPtPêPtê３→１P２→３

Pú

tP２→４útú(２

)ëPt２、４３→、１

４P３→２Pt３→３t４→２Pt４→３

式中　下标１、分别表示“

出行状态P３→４ú

tú４→４úû

”、“生活区停放状态”、“商业区停放状态”和“工作区停放状态”种状态.其中Pt２→３、Pt３→２PtPtPtt４→３、Pt１→１态空间转移可描述为如图,１＜t≤１４４０.因此、电２动→４汽、车４→出２、行的３→４状、

２中,研究每个时刻电动汽车出行状态时

２所示.

在图都有一定的条件,行驶中的电动汽车可以保持

图２　电动汽车出行状态空间转移示意

Fig

ure２　Spacetransferdiagramofelectricvehicletravelstate　电动汽车充电站规划的数学模型

．１　充电站规划建设的目标函数

该文在考虑交通流特性基础之上建立充电站规划模型,以经济收益最大化作为规划的目标函数,其数学模型为

maxG＝∑n(IAi－Ci)

(i＝１

３

)式中　G为规划方案内充电站年总成本收益;n为充电站的个数;IiAi为充电站i的年总收入;Ci为充电站折算到每年的总成本.

１

充电站年总成本主要由建设投资成本)充电站成本模型.、运行维

护成本、故障损耗成本、人力资源成本、改进回收成

本、充电需求成本和实时交通成本构成.因此,充电站的成本模型可表达为

Ci＝Ci１＋Ci２＋Ci３＋Ci４＋Ci５＋Ci６＋Ci７

式中　C(４

)i１为充电站i的建设投资成本;Ci２为充电站i的运行维护成本;Ci３为充电站i的故障损耗成

本;Ci４为充电站i的人力资源成本;Ci５为充电站i的改进回收成本;Ci６为充电站i的充电需求成本;

i７为充电站i的实时交通成本.

其中充电站i的实时交通成本Ci７由电动汽车

EE２２EE４PC１０４

电　　力　　科　　学　　与　　技　　术　　学　　报２０１９年１２月

排队充电等候成本和交通拥堵成本两部分组成.随着城市化进程的加快和充电站、桩的投入运营,使得城市交通拥挤情况日益严重,同样加大了用户充电路途中的成本,充电途中交通拥堵收费会迫使部分出行者改变出行路径,经济地调整电动汽车在交通网络上的空间分布,减少拥挤路段道路交通流量,因此计算公式为

/(􀅰Ciα􀅰V－V)６５×３７＝[β􀅰T􀅰m＋Lβ􀅰m]

－

)配电网约束:２

nìïPCi≤PCmax

∑ïi＝１ïï

PD≤PDmaxíï

Sφ≤SφmaxïïVjmîin≤Vaxj≤Vjm

()９

式中　PCi的充电功率;PCmai为充电站x为电动汽车接入电网最大充电功率;PD为充电站节点容量式中　α表示电动汽车出行时间成本系数;β表示(５

)出行时间价值;T表示交通拥堵时间;L表示交通

拥堵路段长度;V表示电动汽车的拥堵行驶速度;V－

表示电动汽车拥堵阈值(V≥V－

时视为不拥堵本文不予考虑)

.２

电动汽车充电站)充电站收入模型i的运营收入主要来自于充电

.站i收取的充电费用、财政补贴和相关的服务费用.其中,充电费用Ii１与用户充电电价p１站购电电价pT、充电２、年最大负荷利用小时数max电负荷需求量M有关,可表达为、年充Ii１＝p１－p２由此可得充电站i(年总收入为

)

􀅰M􀅰Tmax(６)IAi式中　＝Ii１＋Ii２＋Ii３

(７

)i２为财政补贴;Ii３为相关服务费用.

．２　约束条件

I１

)交通流约束:ìï－

ïV＜Vïkkïπr≥Uríï０≤dt,i≤djam(８

)ïïï

０≤ωt,i≤ωi,maxî

r≤R式中　πkr为交通均衡条件下电动汽车的出行效用;

kr为电动汽车用户与充电站起讫点(

择的第k条充电路径的出行效用;dOD)对r间选t,i为在充电站

i所在区域时刻t的交通需求密度;djam为所在区域道路阻塞密度;ωt,i为在充电站

i所在区域时刻t等候充电的车辆数;ωi,max为充电站i最大排队数;r为电动汽车用户到充电站的距离;R为充电站的服务半径.

需求;PDmax为充电站所在区域的最大充电需求;Sφ为充电站所在区域供电变压器的负载;SφVmax为该变压器的最大负载;jmin和Vjmax分别为节点j的电压上、下限.

　电动汽车充电站选址规划过程

．１　充电站个数估计

如今电动汽车数量日益增加,在研究电动汽车充电站规划问题中,必须保证有相当规模数量的充

电站支持[１８

],由此估计充电站的个数

N＝éêê式中　p为每辆电动汽车的充电功率fpyù

ë２４１f２ηSecosφúúû

＋１

(１０

);y为每天需要充电的电动汽车数量;S为充电站i的容量;η为电动汽车充电效率;f１为充电站的同时率;f２为充电机的需用系数;e为充电站的负载率;表示取整.

cosφ为功率因素;[]．２　免疫优化算法的亲和度分析

假设在免疫系统当中,抗体群由N个抗体组成,其中每个抗体有M个基因,定义第j基因的信

息熵为Ej(N)[１

９]

车充电站对城市交通带来的拥堵程度,在该文中代表规划.

中的电动汽抗体i和抗体j之间的亲和度Av,ij为

Av,ij＝

１式中/(１＋E(２))(１１

)值介于　E０(和２)１为抗体i和j之间的信息熵,亲和度的之间.

抗原和抗体k之间的亲和度为

Aw,k＝１式中　o/(１＋ok)k为抗原和抗体k之间的匹配程度,

其值也(１２

)介于抗原已经达到最佳匹配程度０和１之间.当亲和度为[２０]

１的时候说明抗体与最优解.

,即该抗体是问题的

３３３２U第３４卷第４期

曾成碧,等:考虑城市交通流的电动汽车充电站规划

１０５

３．３　电动汽车充电站选址规划步骤

采用免疫优化算法对充电站规划选址问题进行分析,其中目标函数是使得充电站建设净收益最大,约束条件以罚函数的方式并入目标函数,对可能方案进行依次校验,满足约束条件且亲和度高的抗体

]２１

.基受到促进,进入进一步的优化过程直到终止[

算得到规划区内需要新建充电站的数量为６个,每同时率为０．道路畅通系数为１．８~１．０,０~１．２.

个充电站负载率为０．充电机的充电效率为０．７５,９,

根据充电站选址的目标函数和约束条件,随机

产生遗传编码串,采用免疫优化算法进行仿真,其中最大迭代次数为１种群大小为５交叉概００次,０个,率０．变异概率０．个体接种疫苗的５~０．８５,４~０．６,概率０．更新疫苗的概率０．概率随精２~０．３,５~０．８(于免疫优化算法的电动汽车充电站选址规划具体仿真步骤如下.

函数和约束条件作为免疫算法的抗原１

)对控制变量进行编码,输入充电站规划目标,令优化过程得到的可能选址位置作为抗体.需求点２

),产生初代抗体群此时记忆细胞为空,用随机的方法产生充电站.

和抗体３

)计算优化模型的目标函数和亲和度j之间的亲和度Av,ij亲和度A、抗原和抗体,对抗体之间的w,k证免疫算法的多样性、抗体i的浓度分别进行计算,以此保.进一步更新记忆单元,将与抗原的亲和度高的抗体加入到记忆单元中,替换原有的个体,再进行迭代寻优,保留最佳个体和种群.还是抑制抗体的产生４

)对抗体i的期望值进行计算,以此判断促进.为了优化过程的有利进行,保证抗体库的容量和质量,某些有较高亲和度、高浓度的抗体也必须受到抑制.期望值高的则被选择优化的概率更高,使得与抗原亲和度高而浓度低的抗体得到促进,经过优化选择,幸存的抗体可以进入到下一步.备选站址５

)通过优化选择.

、交叉、变异,产生符合要求的果;否则返回继续迭代寻优６

)终止条件的可能解满足后.

,输出选址规划结　算例仿真及结果分析

算例以某地区的电动汽车充电站规划为例.该地区占地面积变电站(所占车辆容量均为比２×例１５为６MV２km２􀅰,有A２座),至规划年预计电动汽车３５kV/１０kV０,０辆.假设每辆电动汽车的平均容量为１５％,

电动汽车数量预计达到５每座充电站的配电容量为７２００kV􀅰A５０k,

利用文W􀅰．２节电动汽车在各个状态下的可能性概率来预测城市局部建设充电站的充电需求,并根据式(１０)计华过程自行调整)

.假定群体的最优亲和度值在００次迭代过程中不断更新,则最优亲和度所对应的个体为最佳个体,算例通过仿真过程中每１０代记录一次进化结果Matlab编程实现,在.

针对该文提出的充电站规划模型,在仿真中分

别对是否考虑交通流约束根据文少会导致亲和度值的增大３．２节亲和度的理论２种情况进行迭代寻优.分析可知,信息熵的减,并且亲和度的值越大,其可能解越接近最优,从式(出.在该文充电站的规划建设对城市带来的拥堵程１１)数学分析角度亦可看度,将会直接影响最优选址的确定.２种情况下亲和度随迭代次数增加的变化过程如图３所示,可以

看出,考虑交通流约束情况下的平均亲和度值略大于不考虑时的值,并且考虑交通流约束情况下达到最优亲和度值的迭代次数明显少于不考虑时的迭代次数,如表１所示,可以更加客观看出２种情况的对比.

图３　亲和度随迭代次数增加的变化过程

Fig

ure３　Theaffinityincreaseswiththenumberofiterations１i４０１h１０６

电　　力　　科　　学　　与　　技　　术　　学　　报２０１９年１２月

表１　交通流约束前后数据对比

Table１　Comarisonoftrafficflowconstraintsp

情况考虑交通流不考虑交通流

最优亲和度值５．９５×１０５５．６８×１０５

迭代次数１８４２

[]vehiclecharintationsindistributionsstemsJ．IEEEggsy[]陈新琪,,胡文堂,等．电动汽车充电站对电网谐波的５

]():影响分析[中国电力,J．２００８,４１９３１Ｇ３６．

,():TransactionsonPowerDeliver２０１３,２８１１０２Ｇ１１０．y

考虑交通流的电动汽车充电站　　通过分析得出,

选址模型能够更加快捷、更加准确地确定充电站位置,进而影响充电站的容量配置,而配电网络结构、容量需求和变压器负载对充电站的接入电网位置和规模具有一定的作用,明,该文提出的同imactsofelectricvehiclechareronpowerridharmonＧpgg[]]高赐威,张亮．电动汽车充电对电网影响的综述[电网６J．

,GAOCiＧweiZHANGLian．AsurvefinfluenceofeＧgyo():技术,２０１１,３５２１２７Ｇ１３１．

[],():icJ．ElectricPower２００８,４１９３１Ｇ３６．

,,,CHENXinＧiLIPenHUWenＧtanetal．Analsisofqggy

时考虑交通流约束和配电网约束,能够在规划区域电网允许范围内影响充电站服务范围的确定和站址的选择,从而影响整个规划选址方案的成本和效益,对城市中电动汽车充电站规划工作具有良好的推动作用和实用价值.

　结语

该文对电动汽车充电站选址规划进行研究,运用城市交通流系统,分析了交通特性和出行行为,并通过马尔科夫模型进一步预测充电站的负荷需求.建立了电动汽车充电站规划模型,在充分考虑城市交通流和配电网的约束条件下,寻求充电站效用最大.采用免疫优化算法求解目标优化模型,在算例分析中,通过对比是否考虑交通流约束,推出该文阐述的选址规划模型具有一定优势,方法实用.参考文献:

[１]lEetcetzraicdＧiＧvAmoliMt,ioCnhsomJaK．IE,ESEtefTarnainJsa．cRtiaopnisodＧchnParg

oeeweＧDelivery

e,h２ic０l１e０st,a２５(３)[:１８]８３Ｇ１８８７．r

[２

]郭磊,王克文,文福拴,等述与展望[J]．电力科学与技术学报．电动汽车充电设施规划研究综,GReUviOewaLein,dWAprosNpGectKoe－fchwaregnin,gWfaE２ciN０１litypF９u－s,３４(lannh３iu)na:gn５６o

,Ｇfe７eta０．

leclＧ．tricvehicles[３]TDechharnomlaokgey

e,[J]．Journrt２h０iC１９,３H４,(a３lofElectricPowerScienceandM)i:５th６Ｇu７la０n．anthanN,SahaTK．

pMoowdeerlignrgida[nCd]p．IlEaEnnEPingowofEeraVndEfasntcehargings

tationinMeeting,SanDieg

o,CaliforniaUSAr,g２y０１S２oci．etyGeneral[４]LiuZ,WenF,LedwichG．Opti,malplanningo

felectricＧlTecetcrhicnsolvoeghy

ic,le２０c１h１ar,g３in５g(２o)n:１p２o７wＧe１r３１gr．id[J]．PowerSystem[７

]杨洪明,黄雨翔,刘保平,等网调峰的配电网规划[J]．电．考虑分布式电动汽车参与电力科学与技术学报,Y(１A)N:４G８Ｇ５H３o．

２０１２,２７

al．DistributnigoＧnnminetgw,g

oHUrkAplNanGniYnugＧxcioannsgid,eLrIinUgBdaiosＧtrpiibnug

te,edteEnVcesafonrdTpeeackshnholaovigny

,[２J０]１．２Jo,u２r７na(１l)o:fE４８Ｇl５e３ct．ricPowerSciＧ[８

]梅杰,高赐威．交通特性在电动汽车并网研究中的考虑[iMJs[JtE]i]cI．电网技术,sJ．Piienr,oweeGrSsAeaOC２０rycsthoiＧ１５wemfe,i３９Tg．rC(eio１cdin２s):３５４９Ｇ３５５５．

hnoniltdoeeraggrtaitoionnosoffetrlaeffcitcriccvhareahcitcelreＧ

s３５５５．

y

,２０１５,３９(１２):３５４９Ｇ[９]oXdinSforE,GVusoQ’op,eSruatnHionc,oentsailde．rAhingp

yboriwdesrimgruildaationnmdtraeftfhiＧinformation[C]．IEEEPowerandEnergySocienceGenerＧc[１０

a]lM严弈遥eetin,g

罗禹贡,Vanc,o朱陶uver,,等B．C,融C合an电ad网a,和２０交１３通．息的电动车辆最优充电路径推荐策略[２Y０A１５N,３Y５iＧ(２ya)o:３,１L０ＧU３１O８Y．

J]．

中国电机工程学报,charinouterecommueＧngdoantgio,nmZHUethoTao,etal．Op

timalportgatiognarnddistributioninfondb[Jas．ePdorocneetrdainnsg

Ｇ１１

oftheCSEE,２０１５,３５(２):３１o０rＧm３１at８i．

]s[]葛少云,冯亮,刘洪,等．考虑车流信息与配电网络容量约束的充电站规划[yJ]．电网技术,iangLIU２H０o１n３g,３e７t(３al)．:P５l８a２nＧn５i８n９g

．

coGfESchahragoiＧngusnta,tiFoEnsNcGLonsideri,ngtrafficflo,wandcapacity

[１２]Toencshtrnaoilnotgsoy

,fd２０i１s３tr,ib３u７ti(３onn):５８et２Ｇw５o８r９k．[J]．PowerSystemtWioabnjgectGiv,

eXpuZlann,inWgenFofel,eecttrailcＧ．vTerhaifcflieccＧchoanrsgtirnaignes

dmtatiounlＧs５第３４卷第４期

曾成碧,等:考虑城市交通流的电动汽车充电站规划

１０７

[],２J．IEEETransactionsonPowerDeliver０１３,２８y[]徐青山,蔡婷婷,刘瑜俊,等．考虑驾驶人行为习惯及出１３

():２０１６,４０４５９Ｇ６５,７７．():４２３６３Ｇ２３７２．

[]１７KafsiM,GrosslauserM,ThiranP．Theentrofgpyo

]conditionalMarkovtraectories[J．IEEETransactionsj,():onInformationTheor２０１３,５９９５５７７Ｇ５５８３．y

():２０１５,３９６１４７７Ｇ１４８４．

]行链的电动汽车充电站站址规划[电力系统自动化,J．

tionplanninfcharintationsforelectricvehiclesgoggs’]basedondriversbehaviorsandtravelchain[J．AutoＧ,():mationofElectricPowerSstems２０１６,４０４５９Ｇ６５,y

,,,XUQinＧshanCAITinＧinLIUYuＧunetal．LocaＧgggj

[]陈光,毛召磊,李济沅,等．计及碳排放的电动汽车充电１８

５３,１３６．

]:站多目标规划[电力系统自动化,J．２０１４,３８(１７)４９Ｇ

７７．

]stationconsiderinarbonemission[J．AutomationofgCobectiveotimalplanninfelectricvehiclecharinjpgogg

,MAOZ,,CHENGuanhaoＧleiLIJiＧuanetal．MultiＧgy

[１４]王殿海,曲昭伟程学报,tWAnheeeorirNnyGD２０g

[J,]i０a２．０Jn１０oＧ,１uh１．对交通流理论的再认识[ra,１ni４a,(loQ:５４)fTU５Ｇ５Z９:５５Ｇrh５aa．

]交通运输工()J．

９ffoiＧ．caweind．AvTraienwospofrttartiaoffnicEflnogiw

Ｇ[１５

]徐红利,周晶,徐薇衡与系统演化[．考虑参考点依赖的随机网络用户均２２８３Ｇ２２８９．

J]．系统工程理论与实践,２０１０,３０(１２)

:ouXnsUerrHefeeqoruneilgniＧcblieri,puZomaHOintn[JdsUJi]．ynSsytg

se,tmeXUemsEvolWuentigiio．nnStoeewcriihnthdastig——ec—p

neeTnthdweeonorrcyek[１６

]温剑锋&Pract,i陶ce顺,２,０肖１０湘,３宁０,(１等２．):基２２于８出３Ｇ２２行链８９随．

机模拟的电动汽车充电需求分析[１４８４．

J]．电网技术,２０１５,３９(６):１４７７ＧnWalEyNJsisioancnＧfehnagrg,TAOShun,XIAOXiaoＧning

,etal．AＧsimulationoftripincghad

ienm[Jan]do．PofEwerSVybsatseedomTnsechtoncolhoagsty

ic,[１９

]E钟红梅lectricP,任震owe,r张勇军Sy

stem,s等,２０１４,３８(１７):４９Ｇ５３,１３６．功优化中的应用[J．电网技术．免疫算法及其在电力系统无,ZalHO．ImmNGHonggＧmei],RENZhen２p,０pZ０４HA,２８N(G３)nY:１po６onＧwg１Ｇ９ejru．nsy

,esttemreacutniveealpoorwitehrmaoptnidmiitzsaationli[cJat]io．nPiＧgy０４,２８３１６Ｇ１９．owerSystem[２０]T高洁echn论与实践．o应用免疫算法进行电网规划研究lo,２０():[,２００１,２１(５):１１９Ｇ１２３．

J]．

系统工程理pGAOJie．Theapplicationoftheimmunealg

orithmfor[２１]To王hwee磊ornr,ye潘&tw进Po,rr焦akct李ipclean成,n．２i０n免０g１[,J疫算２]１．S(法５ys)t:e[J]１m．１９s电Ｇ１E子２n３g学．ineering———报,(７):７４Ｇ７８．

２０００,２８

aWANGLei,PANJin,JIAOLiＧc７l８go．

rithm[J]．ActaElegctronicaSinicahe,n２g

００．０T,he２８i(mm７):u７n４eＧ