目录
摘要：
充电站的合理选址和定容对电动汽车的规模化应用具有重要意义。考虑到充电站具有城市交通公共服务设施以及普通用电设施的双重属性，以俘获的交通流量最大、配电系统网络损耗最小以及节点电压偏移最小为目标，建立了充电站最优规划的一个多目标决策模型。首先，采用超效率数据包络分析评价方法，确定归一化后各个目标函数合理的权重系数，把多目标优化问题转换成单目标优化问题。之后，采用改进的二进制粒子群优化算法求解该单目标优化模型。最后，以33节点配电系统以及25节点交通网络为例，说明了所发展的模型和方法的基本特征。
研究背景：
发展电动汽车产业是减少温室气体排放和降低对化石燃料依赖的一种重要举措。随着电动汽车技术，特别是电池技术的发展，以及一些国家在政策上的大力支持，电动汽车在过去的十多年间得到了快速发展。电动汽车充电站能够为电动汽车提供充电、维修等服务，是发展电动汽车产业所需要的重要设施。充电站规划主要包括选址和定容，其规划合理与否不仅影响电动汽车用户出行的便利从而影响电动汽车的推广使用，还会影响配电系统的电能质量。在最近几年中，国内外在充电站规划方面已经做了一些初步的研究工作。
现有的相关文献多数将充（换）电站视做普通的用电设施进行规划，而忽视了其提供公共服务的特性。事实上，电动汽车充电站具有两方面属性。首先，充电站是一种城市交通公共服务设施，其功能类似于加油站，都是为车辆提供服务；其次，充电站是一种用电设施，其规划建设要考虑对配电系统诸多方面的影响，如电力网络改建、网损、节点电压质量等。因此，如何在满足相关约束条件的情况下，使充电站能够为更多的车主提供便利服务，且尽量减少对配电系统的负面影响，就是一个亟须研究的重要问题。
充电站最优规划模型：
充电站规划不仅要考虑用户充电的方便性，还需要综合考虑充电站接入配电系统后对电能质量的影响和系统运行的安全性与经济性，因此是一个典型的多目标优化决策问题。一般而言，重要交通节点（如火车站、汽车站、大型超市和大型居民区等）也是电力系统的重要负荷节点。
基于这样的背景，本文假设配电系统部分节点在地理上与交通网络重要节点重合 （这里所谓的“重合”指两者同处于一块小区域中，未必严格在一个地理点上），而配电系统线路和交通网络道路则未必重合。此外，由于充电站需要满足车辆行驶中的充电需要，同时也是规模较大的负荷节点，因此将充电站的候选位置设定在交通网络和配电系统的重合节点。图为配电系统和交通网络节点重合示例。
在上述背景下，本文以俘获交通流量最大、配电系统网损最小以及节点电压偏移最小为目标构建充电站规划的多目标优化决策模型。
目标函数：
1）俘获的交通流量：
２）配电系统网损：
电动汽车充电站接入配电系统后，系统的潮流分布将会发生改变，随之将引起配电系统网络损耗发生变化。网络损耗不但与原始负荷有关，还与电动汽车充电站的建设位置和容量大小有关。配电系统网损最小目标可描述如下：
3）节点电压偏移：
充电站的接入将会导致配电系统中的节点电压轮廓发生变化。这里提出电压偏移指标，用于计算系统节点电压与平衡节点电压 偏差。计算公式如下：
求解方法：
步骤１：采用Ｆｌｏｙｄ算法计算交通网络中所有起点Ｏ到终点Ｄ的最短路径ｑ，识别路径ｑ通过的节点；采用重力空间互动模型计算路径ｑ上的交通流量。
步骤２：根据上节算法的步骤确定每条路径ｑ上的有效节点组合Ｈｑ。
步骤３：分别以上述３个目标函数中的每一个作为单个目标函数，不考虑另外２个目标函数，求取这３种情况下的最优解。
步骤４：采用伪随机数发生器产生的一组权重向量，把多目标优化问题转化为单目标问题，采用ＢＰＳＯ算法求解。
步骤５：把求得的优化变量值代入３个目标函数中，得到３个目标值。采用超效率ＤＥＡ方法进行评价，将２个最小化目标值作为决策单元的输入，将一个最大化目标值作为决策单元的输出；根据最终评价结果从一组权重向量中选出一个最有效的权重向量作为各目标的最终权重系数。
步骤６：确定电动汽车充电站的最优选址和容量。
程序运行结果：
本文Matalb代码分享：
