摘要：

本代码选择3种典型的电动汽车充电桩，研究了含多类型充电桩的电动汽车充电站优化配置方法。按照充电功率的升序排列，所选取的3种电动汽车充电桩依次代表了慢速充电设施（Slowchargingfacility，SCF）、快速充电设施（Fastchargingfacility，FCF）和超级快速充电设施（Ultra-fastchargingfacility，UCF）。为了处理由多类型充电桩间相互影响导致的条件场景约束，同时降低电动汽车充电站优化配置模型的复杂度，提出了针对条件场景约束的二步等价方法，并应用二阶锥松弛技术将混合整数非线性规划问题转化为混合整数二阶锥规划问题。为了检验上述模型与方法的有效性，采用某地区一个实际的电气-地理信息耦合系统作为算例，通过对比不同电动汽车充电站优化配置方案的年化社会总成本，证明了在优化配置问题中同时考虑多种类型充电桩的意义与价值。

本代码注释详细，复现结果非常完美，十分精品，具有很强的研究价值。

仿真平台：Maltab+yalmip+cplex

复现文章：博士论文—互动环境下分布式电源与电动汽车充电站的优化配置方法研究（第三章）

研究背景：

针对电动汽车充电站的优化配置问题，绝大部分已有的研究中只考虑了单一种类的充电设施。在仅有的少量考虑多类型充电设施的相关文献中，如文献[47]，也只是简单地将充电设施种类视作区域负荷类型的直接相关量（居民区域对应着低功率充电桩、商业区域对应着较大功率充电桩、道路附近则对应着超大功率充电桩）。然而，随着越来越多的不同类型不同功率的充电设施接入配电系统，即便是在同一地点、同一充电场所，也逐渐呈现出多种类型充电设施共存的状态。这些充电设施在满足电动汽车车主多样化的充电需求的同时，也改变了电动汽车负荷的时空分布情况，使得不同类型充电设施间的相互影响日益显著，并逐渐成为电动汽车充电站优化配置过程中不可忽略的因素。

电动汽车充电行为及负荷的表征方法：

作为电动汽车充电站优化配置问题研究的基础，本节详细介绍了连续时域的离散化策略、电动汽车负荷建模方法、电力用户分类与负荷建模等内容。

连续时域的离散化及相关简化策略：

与分布式电源优化配置问题相同，电动汽车充电站的优化配置问题也是一个连续时间尺度上的复杂问题，且电动汽车负荷与配电用户需求随着时间的推移是不断波动的。为了剔除这些时序波动性对电动汽车充电站优化配置模型的影响，降低优化模型复杂度的同时保证一定的模型精度，本章将优化配置问题中连续的时域进行了离散化处理，并采用了一些合理的简化策略：

(1)使用8个独立的典型日表征优化配置问题中的自然年，这8个典型日分别对应着春、夏、秋、冬四季的工作日和周末。

(2)每个典型日离散化为96个时间断面，每个时间断面代表15分钟。

(3)在每个时间断面对应的15分钟内，忽略了电动汽车负荷与配电用户需求的时序

波动。这意味着，每个时间断面是一个确定性的场景。

电动汽车负荷建模方法：

根据已有的研究文献，对某个特定的目的地，电动汽车泊车行为的统计特性可以通过拟合电动汽车到达数量的分布曲线以及停留时间的分布曲线进行联合表征。然而，由于现阶段电动汽车的社会保有量仍然处于一个较低的水平，获取足够的电动汽车泊车行为历史数据非常困难，本章选择了传统化石燃料汽车的泊车行为历史数据进行分析以获取近似的电动汽车泊车行为。这一近似被认为是合理且可信的，因为汽车所有者并不会因为加注能源种类的不同而显著改变自己的交通习惯及出行安排。

另一方面，电动汽车的泊车行为与其目的地区域的土地用途及属性具体明显的关联性。具体来说，前往居民小区、商场超市、办公场所等不同类型目的地的电动汽车往往对应着不同的出行目的，导致不同类型区域的电动汽车到达数量及停留时间的分布情况大相径庭。本章选择了城市中常见的3种典型的土地用途：居民小区、商场超市、办公场所，基于在各类型区域采集到的汽车泊车行为历史数据，拟合了与各区域类型对应的电动汽车到达数量分布曲线和停留时间分布曲线。同时，考虑到电动汽车车主在工作日和周末的出行行为通常具有较大的差异，本章在拟合相关分布曲线时对工作日数据和周末数据进行了独立处理。图3-1和3-2分别展示了对应于不同目的地类型的典型的电动汽车到达数量分布曲线和电动汽车停留时间分布曲线。在图3-1中，使用标幺值表示任一时间断面上到达目的地的电动汽车数量，该标幺值系统的基值为该目的地停车场的峰值停车数量。图3-2中，电动汽车停留任意时间长度所对应的概率等于停留该时间长度的电动汽车数量占全天所有到达的电动汽车数量的比例。

电力用户分类与负荷建模：

除了电动汽车负荷，配电系统中传统电力用户的负荷需求同样是电动汽车充电站优化配置问题中需要着重考虑的因素。在工程实际中，电力用户的负荷需求是实时波动的，在规划阶段对每个时刻每个电力母线上的负荷需求进行预测是一项极其困难的工作。为克服这一困难，本章使用基于历史负荷数据拟合的典型负荷曲线替代电力负荷的预测工作。为简单起见，电力用户的负荷类型被认为与其所在区域的土地类型一致，这样系统中的电力用户相应的被分为 3 类：居民小区负荷、商场超市负荷、办公场所负荷。考虑到春、夏、秋、冬以及工作日与周末等不同场景下电力用户负荷需求情况的显著不同，图 3-4 对不同类型负荷在不同场景下的历史数据进行了独立分析，给出了相应的典型负荷特性曲线。此外，为了让图中的信息更加简洁明了，图 3-4 以每种类型负荷在所有场景下的年最大负荷为基准值，采用标幺值表征各个时刻的负荷。

电动汽车充电站优化配置模型：

从目标函数和约束条件两个方面详细介绍了含多类型充电桩的电动汽车充电站优化配置模型。值得一提的是，考虑到实时导航技术的发展和应用，待充电的电动汽车选择目的地附近的哪一个充电站进行充电被认为是可以合理引导的，即电动汽车负荷在一定地理区域范围内是空间可调度的。在本节的电动汽车充电站优化配置模型中，实际上嵌入了电动汽车负荷的空间优化调度问题。

目标函数：

以年化社会总成本最小为电动汽车充电站优化配置的目标，具体包括年化的电动汽车充电站投资建设成本、年化的配电系统增容成本、每年的电动汽车充电站运行维护费用、每年的系统网损费用。目标函数的具体形式如式（3-2）所示：

约束条件：

（1）系统潮流约束：

依然采用了辐射状配电系统的Distflow潮流方程以表征系统潮流约束，其中，u(j)/v(j)表示所有与节点j相连且位于节点j下游/上游的节点集合，Pij、Qij分别表示支路ij在对应时间断面上流过的有功功率和无功功率，Ui为节点i在对应时间断面上的电压幅值，PLoadj、QLoadj分别表示节点j在对应时间断面上的有功负荷和无功负荷，PEVJ为节点j在对应时间断面上的电动汽车负荷，Xij为支路ij的电抗，ΩN、ΩL分别为系统中的节点集合和支路集合。

（5）电动汽车负荷调度中的距离限制、(6)电动汽车充电站中的充电桩数量约束见原文。

电动车充电站负荷量化：

当原本低功率类型的电动汽车负荷由于配套的充电桩数量短缺而连接至更高功率充电桩时，其实际充电功率也相应地变为所连接充电桩的功率。而对于到达充电站的电动汽车而言，是否需要改变既定的充电桩选择是由当前时间断面上各类型电动汽车充电桩和充电需求的供需关系决定的，这一供需关系与电动汽车的优化调度相关且随着充电站配置方案的改变而改变，因此难以在构建充电站优化配置模型时予以精确考虑。针对本章选择的3种类型充电桩和充电负荷，共有4种可能出现的供需关系，以下以节点j处的电动汽车充电站为例，进行了详细的条件场景阐述。

算例设置：

为了检验本章所述电动汽车充电站优化配置模型及其相关等价处理方法的有效性，本节采用某地区一个实际的电气-地理信息耦合系统作为算例，并对不同情形下的电动汽车充电站优化配置方案进行了对比分析。针对二步等价处理及精确松弛后的混合整数二阶锥规划模型，本节在 MATLAB 环境下使用 YALMIP 工具箱调用商业求解器对其进行了有效求解。