1.1选题背景与意义

近年来我国大力发展新能源汽车事业，各项利好政策陆续颁布。相对于蓬勃发展的电动汽车产业，电动汽车配套设施的发展显得比较滞后，尤其是充电设施的布局，在很大程度上限制了电动汽车的保有量。目前，我国建设者主要按照相关指导性文件与既有经验规划布局充电设施，同时由于过分依赖通过增加充电设施的数量提高服务水平，造成分配不均匀，部分充电设施大量时间闲置造成资源浪费、部分充电需求得不到满足的不匹配现象。因此，研究合理的电动汽车充电设施网络选址方法显得尤其重要。受限于电动汽车的续航里程因素，初期电动汽车主要在城市中推广应用，所以本文重点关注城市充电设施布局规划。城市充电设施主要分为集中式充电站与分散式充电桩，在前期发展过程中采取两者结合的策略，分散式充电桩主要设置在地下停车场及停车位等处，而集中式充电站需要规划专门用地设置充电设施。本文主要研究新规划集中式充电站的选址布局，且在充电站中设置快速充电桩。

1.2国内外研究现状

在之前国外的研究中，1964年Hakimi^[1]提出p-中值模型（p-medianmodel）和p-中心模型（p-centermodel），p-中值模型的目标是使所有需求点到设施的加权距离之和最短，p-中心模型的目标是在服务设施数量限制约束下进行选址，使任一需求点到离它最近的设施的最大距离最小。Lin等人^[2]提出了折返就近加油的方法。该方法假设车辆在燃料耗尽以后，就近返回最近的站点补充燃料，忽略返回时间和返回过程中的燃料消耗，目标函数仍然是需求点到候选点之间的距离最小。G.Celli^[3]针对电动汽车选址问题展开研究，建立多目标约束条件的充电站选址模型，应用遗传算法，解出不同的方案对应的社会成本，以成本最小得出最优方案。1990年Hodson^[4]提出了截流选址模型(flowcapturing location model)，该模型基于图论的数学方法，以交通网络中的各条路径和车流量为研究对象，布局若干个充电站使得所有路径至少通过该站点一次并求得可服务的流量最大。Kuby等人^[5]综合了行驶里程参数，建立了续航选址模型(flowrefueling location model)，该模型使每个充电站的约束加上了行驶里程限制，车辆在行驶途中如果燃料耗尽需要返回最近的站点进行燃料补充，这样就出现了回流现象，最终保证总流量和最大为目标函数。

国内研究中，王辉^[6]在预测用户充电行为的基础上，确定最大充电负荷，考虑充电站的普通用电设施和城市公共交通设施服务属性，以配电网损耗最小、节点电压偏移最小、覆盖最多交通流量为目标实现了多目标规划，并且使用归一化系数将多目标选址转化为单目标选址，使用粒子群优化算法解决了该单目标选址问题，实现了充电站选址和定容。冯亮^[7]使用了蒙特卡洛法模拟了用户充电行为，统计了不同时间段内用充电负荷的峰值和谷值，通过政策性定价引导用户充电行为有序的分布在不同时间段，削弱电网峰值负荷的差异，提高电网的效率。同时使用加权Voronoi图模拟晶体自生长的过程来确定充电站的服务范围自动划分，最终以成本最小和等待时间最短为目标实现了选址优化。葛少云等^[8]提出一种考虑用户充电便捷性的电动汽车充电站规划方法，以实现用户在分区内的充电损耗成本最小为目标，并利用遗传算法实现了充电站最优站址的选择，通过反复计算调整分区的覆盖范围和充电站的站址，最终得到整个规划区电动汽车充电站合理的规划方案。王露^[9]建立了城市电动汽车快速充电设施布局选址的多目标优化模型。该模型以投资成本最小、用户充电成本最小为双目标，在满足用户充电需求、充电站能力限制的基础上，考虑了充电桩及充电站的冗余设计，保证了服务网络的可靠性。王振伟^[10]采用蒙特卡洛仿真，模拟了电动出租车充电需求产生的过程，识别分析了在目前情况下能够保障乘客正常出行的电动出租车充电需求的时空分布，采用Voronoi图法划分了充电站的服务范围和容量，使用基本粒子群算法求出了低约束选址模型的解，并引入禁忌粒子群算法提高了算法求解的精度。

2. 研究的基本内容与方案

2.1研究内容

（1）针对电动汽车快充特性，将电动汽车充电站布局规划研究抽象为基于点需求的选址问题，采用改进的p-中值选址方法进行研究，以所有用户从产生充电需求到开始充电过程总时间最小为目标，以满足用户充电需求、满足充电站服务能力限制、保证服务网络可靠性为约束条件建立模型。

（2）对于单个用户，从已知的道路网中提取出道路拓扑图，并利用Dijkstra算法求得到各候选充电站位置最短路线以及实际道路距离，再由不同土地级别的时间权重对路段速度进行折算，得到时间最短路。

（3）鉴于所建立的模型为NP-hard问题，在解决的问题规模较大时，无法采用精确计算法，因此引入贪婪取走启发式算法对模型求解。