基于AHM和TOPSIS的電動汽車充電設(shè)施選址研究

張麗巖　楊穎　馬健

摘? 要：隨著城市交通擁堵及環(huán)境污染問題的不斷出現(xiàn)，優(yōu)化電動汽車充電設(shè)施選址是基礎(chǔ)設(shè)施建設(shè)的必然要求。文章結(jié)合充電樁選址的特點(diǎn)，從人口、規(guī)劃、經(jīng)濟(jì)、交通等因素出發(fā)，建立了充電樁選址評價指標(biāo)體系，并通過AHM模型確定各個對象層指標(biāo)的權(quán)重，在充電樁需求量的基礎(chǔ)上經(jīng)過TOPSIS排序，得到所需充電樁站址，并進(jìn)行實(shí)例分析。

關(guān)鍵詞：充電樁選址;評價指標(biāo);AHM模型;TOPSIS排序

中圖分類號：U115? ? 文獻(xiàn)標(biāo)識碼：A

Abstract： With the continuous emergence of urban traffic congestion and environmental pollution problems， the optimization of ever charging facility site selection is an inevitable requirement of infrastructure construction. This paper established an evaluation system of site selection which is based on the characteristics of site testing such as population， planning， economy and traffic. The weights of each index are determined by AHM model. On the basis of the demand of charging piles， the required site of charging piles is obtained through TOPSIS sequencing and an example analysis is carried out.

Key words： charging pile site selection; evaluation index; AHM model; TOPSIS sorted

0? 引? 言

近年來，中國社會城市交通擁堵、城市污染嚴(yán)重及資源浪費(fèi)的問題日益明顯，共享經(jīng)濟(jì)不斷發(fā)展，居民意識到綠色出行的重要性，我國新能源汽車數(shù)量快速增長，國務(wù)院常務(wù)會議強(qiáng)調(diào)支持新能源汽車產(chǎn)業(yè)與信息科技等產(chǎn)業(yè)高度融合，推進(jìn)充換電基礎(chǔ)設(shè)施建設(shè)，鼓勵國際投資合作，加大對新能源汽車使用的政策支持。盡管如此，在電動汽車的發(fā)展與推廣過程中，仍面臨著巨大的問題挑戰(zhàn)，尤其是普遍存在的電動汽車充電樁的規(guī)劃建設(shè)與布局問題，一直制約著電動汽車的飛速發(fā)展。首先，部分發(fā)達(dá)城市等地區(qū)的電動汽車數(shù)量快速增長，但是充電樁建設(shè)規(guī)模嚴(yán)重不足，不能夠滿足城市居民需求。其次，在許多地區(qū)即使有政府政策的大力支持，人們對于電動汽車的接受程度仍然不高，使得電動汽車的增長總體情況仍有很大提升空間。最后，還存在充電樁客戶滿意度低、布局不合理、設(shè)施故障以及充電效率低等問題，導(dǎo)致充電設(shè)施的服務(wù)利用率較差。

科學(xué)合理地確定充電設(shè)施的位置及規(guī)模影響著充電樁的運(yùn)營效益、充電效率、運(yùn)營高效性、安全性以及客戶滿意程度等問題，對未來電動汽車行業(yè)規(guī)劃發(fā)展以及居民生活便捷性、環(huán)保性有重要意義。因此，對于城市電動汽車充電設(shè)施的選址研究，提出充電樁選址評價指標(biāo)體系以及選址模型，將為電動汽車充電樁的規(guī)劃建設(shè)提供一定的理論參考，使城市充電樁選址更為合理，從而擴(kuò)大城市電動汽車未來發(fā)展空間。

魯莽等比較了電動汽車幾種充電方式的特點(diǎn)，對未來我國電動汽車充電的商業(yè)模式及發(fā)展前景進(jìn)行了初步研究[1]。趙明宇等通過分析電動汽車充電容量總體需求的影響，建立了以交流充電樁建設(shè)管理成本最小、電動汽車上路運(yùn)營成本和充電等待成本為目標(biāo)函數(shù)的交流充電樁建設(shè)模式，多場景運(yùn)營模式和商業(yè)運(yùn)營模式[2]。葛少云等人利用Voronoi圖劃分充電站服務(wù)區(qū)域，計算充電站服務(wù)半徑，根據(jù)每個充電站的最大服務(wù)半徑確定選址方案[3]。舒俊等用二進(jìn)制代碼對充電站的站點(diǎn)和容量進(jìn)行編碼，以生成初始種群，通過選擇、交叉、變異等操作，找到適應(yīng)度最高的個體作為全局最優(yōu)解，即最優(yōu)位置和容量[4]。Holzman討論了在網(wǎng)絡(luò)設(shè)施選址中，以用戶與設(shè)施位置距離的平方和最小為目標(biāo)，運(yùn)用網(wǎng)絡(luò)規(guī)劃的基本原理建立選址模型，并結(jié)合具體情況進(jìn)行了討論和擴(kuò)展[5]。

1? 充電樁選址模型建立

充電樁選址評估主要包括三大步驟：首先，運(yùn)用模型確定評價指標(biāo)因素的權(quán)重;其次，設(shè)計評估方法對充電樁選址進(jìn)行綜合評價。基于本次評價的目的以及評價指標(biāo)體系的特點(diǎn)分析，本文選擇改進(jìn)的屬性層次模型AHM賦權(quán)法確定充電樁選址評價指標(biāo)各因素的權(quán)重。接著利用TOPSIS，結(jié)合評價矩陣以及研究獲得的各指標(biāo)權(quán)重，獲得最終選址結(jié)果。

1.1? 建立充電樁選址評價體系層次結(jié)構(gòu)

為了便于評價工作的實(shí)施以及評價數(shù)據(jù)的整理，使用AHM屬性層次模型，將評價指標(biāo)體系分為目標(biāo)層A、準(zhǔn)則層B、對象層C。

本文針對充電樁選址評價，評價指標(biāo)的選取以蘇州市充電樁的基本功能為基礎(chǔ)，同時根據(jù)蘇州市交通因素、公共設(shè)施因素、經(jīng)濟(jì)因素、客戶服務(wù)要求等選出合理的評價指標(biāo)準(zhǔn)則層及對象層等，然后用AHM模型對對象層賦予權(quán)重，通過研究得出充電站選址評價指標(biāo)體系，如表1所示。

1.2? 構(gòu)建兩兩比較判斷矩陣及確定權(quán)重

在建立評價指標(biāo)體系后，確定上下層指標(biāo)之間的隸屬關(guān)系。對于同一水平的指標(biāo)，構(gòu)造成對比較的判斷矩陣，對指標(biāo)的重要性進(jìn)行比較，并按1～9的比例標(biāo)度打分。

在屬性判斷矩陣中， 由層次分析矩陣中的比例標(biāo)度a轉(zhuǎn)化得到μ。轉(zhuǎn)換公式為：

μ= （1）

其中：k為大于2 的正整數(shù)，β≥1，通常取β=1或2，當(dāng)β→∞時，為極端情況;當(dāng)a=k>1時，μ=1，當(dāng)a=1時，μ=0.5，a<1時，μ=0。對于符合條件的μ為相對屬性測度，并且由其組成的n階矩陣為屬性判斷矩陣μ。

本文充電樁選址評價AHP與AHM判斷矩陣如表2所示。

在層次分析法中，通過MATLAB軟件計算判斷矩陣的最大特征值λ=5.2012，根據(jù)式CI=、RI=、CR=CI/RI，對這一結(jié)果進(jìn)行一致性檢驗，可得CI=5.2012-5/5-1=0.0503，根據(jù)“一次性指標(biāo)對照表”可知RI=1.12，CR=0.0449<0.1，符合一致性要求。

其中：根據(jù)ω的計算公式為：ω=∑μ，1≤i≤n，得到各個因子的相對權(quán)重值。用X代表對象層相對于目標(biāo)的合成權(quán)重，則其計算公式表示為：X=ω1，ω2，…，ωn·Y，充電樁選址評價層次結(jié)構(gòu)及權(quán)重如表3所示。

1.3? TOPSIS排序

利用TOPSIS，結(jié)合評價矩陣以及上文獲得的各指標(biāo)權(quán)重，獲得最終評價結(jié)果。根據(jù)無量綱化、規(guī)范處理的決策值，依據(jù)

Z=Z，Z，…，Z，Z=max，Z=Z，Z，…，Z，Z=max，確定各個指標(biāo)的正負(fù)理想點(diǎn);計算參與綜合評價的各對象站點(diǎn)與正負(fù)理想點(diǎn)的接近程度。

D=， D=

式中：ω表示第j個指標(biāo)的權(quán)重;最后，通過計算參與綜合評價的第i個選址對象與最優(yōu)方案的貼近程度C，C=，所得結(jié)果C越接近于1，評價對象越優(yōu);根據(jù)C大小進(jìn)行排序，得出總體評價結(jié)果，根據(jù)需求量預(yù)測規(guī)劃區(qū)所需充電站數(shù)，得到最優(yōu)充電站選址方案。

2? 實(shí)證求解

在此，以某城市核心規(guī)劃區(qū)為例，要在該城市核心規(guī)劃區(qū)建設(shè)充電站并示范運(yùn)行。經(jīng)過初步篩選，擬定12個備選地址，按照順序分別標(biāo)記為地址U，地址U，地址U，……，地址U。根據(jù)《電動汽車充電基礎(chǔ)設(shè)施發(fā)展指南（2015-2020）》，對我國電動汽車保有量的預(yù)測可得，2020年電動汽車的滲透率約為2%。經(jīng)調(diào)查研究得知2018年某城市4個區(qū)域的燃油汽車保有量分別為35 730、53 782、63 314、47 782輛，按5%的年均增長率和2%的電動汽車滲透率計算可得2020年各區(qū)域汽車保有量和電動汽車數(shù)量，如表4所示。

電動汽車基建發(fā)展指南中規(guī)定，每2 000輛電動汽車至少配套建設(shè)一座公共充電站，由表4可知2020年該城市A、B、C、D交通小區(qū)電動汽車的總數(shù)目為4 014輛，應(yīng)建設(shè)3座或3座以上的充電站，考慮到未來充電站的規(guī)劃建設(shè)應(yīng)適度超前，擬建4座公共充電站。直流快充和交流慢充按1∶4設(shè)置，直流快速充電樁的個數(shù)不少于95個。

2.1? 指標(biāo)下決策值

本次研究由20位專家對備選站址各項指標(biāo)進(jìn)行打分，打分采用5分制。評審專家由充電樁行業(yè)專家，物流、交通專業(yè)學(xué)生和使用電動汽車的用戶組成，打分結(jié)果取平均值，由于不同類型會產(chǎn)生不同的打分結(jié)果，對指標(biāo)數(shù)據(jù)進(jìn)行規(guī)范化處理，結(jié)果如表5所示。

2.2? 與正負(fù)理想點(diǎn)的距離

根據(jù)表5的規(guī)范化處理后的決策值，得到各指標(biāo)與正負(fù)理想點(diǎn)距離，如表6所示。

由此可以確定各個充電樁選址方案U，U，…，U與正負(fù)理想點(diǎn)的距離，得到的綜合排序結(jié)果如表7所示。

通過上述計算結(jié)果可知，U、U、U、U這4個站址為最佳充電站選址方案。

參考文獻(xiàn)：

[1] 魯莽，周小兵，張維. 國內(nèi)外電動汽車充電設(shè)施發(fā)展?fàn)顩r研究[J]. 華中電力，2010，23（5）：16-20，30.

[2] 趙明宇，吳峻，張衛(wèi)國，等. 基于時空約束的城市交流充電樁優(yōu)化布局[J]. 電力系統(tǒng)自動化，2016，40（4）：66-70，104.

[3] 葛少云，李慧，劉洪. 基于加權(quán)Voronoi圖的變電站優(yōu)化規(guī)劃[J]. 電力系統(tǒng)自動化，2007（3）：29-34.

[4] 徐凡，俞國勤，顧臨峰，等. 電動汽車充電站布局規(guī)劃淺析[J]. 華東電力，2009，37（10）：1678-1682.

[5]? Holzman D， Pope C， Xu X. An assoeialion between air pollution and mortality in six US cities[M]. New England J. Med.，1993：173-175.

[6] 宋亞輝. 城市電動汽車充電設(shè)施布局規(guī)劃研究[D]. 北京：北京交通大學(xué)（碩士學(xué)位論文），2011.

[7] 周逢權(quán)，連湛偉，王曉雷，等. 電動汽車充電站運(yùn)營模式探析[J]. 電力系統(tǒng)保護(hù)與控制，2010，38（21）：63-66，71.

[8]? Mohsenzadeh A， Pang C， Pazouki S， et al. Optimal siting and sizing of electric vehicle public charging stations considering smart distribution network reliability[C] // North American Power Symposium. IEEE， 2015.

[9]? Li Y， Li L， Yong J， et al. Layout Planning of Electrical Vehicle Charging Stations Based on Genetic Algorithm[M]. Electrical Power Systems and Computers. Springer Berlin Heidelberg， 2011.

[10]? Gao Y， Lu X. Analysis of the electric vehicle charging station's layout in Beijing based on improved traveling simulation model[C] // International Conference on Logistics， Informatics and Service Sciences. IEEE， 2016：1-6.

[11] 張粒子，舒雋，林憲樞，等. 基于遺傳算法的無功規(guī)劃優(yōu)化[J]. 中國電機(jī)工程學(xué)報，2000（6）：6-9.

[12] 胡永宏. 對TOPSIS法用于綜合評價的改進(jìn)[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識，2002（4）：572-575.

[13] 邢芳芳. 區(qū)域電動汽車充電站布局優(yōu)化研究[D]. 上海：東華大學(xué)（碩士學(xué)位論文），2017.

[14] 鄭陳權(quán). 城市電動汽車充電設(shè)施最優(yōu)選址研究[D]. 南昌：南昌大學(xué)（碩士學(xué)位論文），2016.

[15] 林惠真. 電動汽車充電設(shè)施規(guī)劃探討[J]. 供用電，2012，29（3）：26-29，34.

[16] 高建平. 電動汽車充電站網(wǎng)絡(luò)規(guī)劃優(yōu)化研究[D]. 濟(jì)南：山東大學(xué)（碩士學(xué)位論文），2012.