交通 | TRC综述：充电站选址-求解与探讨

论文作者：Mouna Kchaou-Boujelben

论文原文：Kchaou-Boujelben, M. (2021). Charging station location problem: A comprehensive review on models and solution approaches. Transportation Research Part C: Emerging Technologies, 132, 103376.

推文作者信息：林诗然 中国科学院地理科学与资源研究所，中国科学院大学资源与环境学院

前言

我们分上下篇，解读本篇发表在Transportation Research Part C: Emerging Technologies的综述《Charging station location problem: A comprehensive review on models and solution approaches》。其中，上篇重点介绍充电站选址规划问题的数学建模与博弈论方法，下篇重点介绍求解方法与进一步的讨论。

1. 充电站选址问题的求解方法（原文第3节）：

与其他设施选址问题一样，对于涉及模型中大量变量和约束的大规模算例，解决充电站选址问题（Charging station location problem, CSLP）具有挑战性。除了二进制位置变量外，基于流量的CSLP模型还包括二进制OD对覆盖变量和最终与充电逻辑约束相关的二进制流变量，用于建模不同节点的电动汽车从起点到目的地的充电。由于现实网络中可能的OD对、节点和每个最短路径的偏差往往非常大，问题很快就会变得棘手。如果目标函数或约束是非线性的，最终是非凸的，也可能出现其他挑战，当模型涉及随机变量、双层结构或电网与运输网络的集成时，也可能出现这种情况。这些情况通常需要发展近似方法，以在合理的计算时间内达到接近最优的解。

在本节中，我们将调查文献中采用的解决CSLP的不同解决方案方法。图中描述了最常用的解决方案方法。我们的分析重点放在单一目标模型上，因为这个类别占了文献的主要部分。

求解CSLP最常用的方法是启发式方法（43%的论文）和求解器（38%）。通常，求解器可以被用来在合理的时间内解决问题的小规模实例。然而，当需要处理现实情况时，特别是变量和约束的数量，实例大小会变得大得多。这可以解释，启发式在较短的计算时间内获得高质量的解，而这是不可能通过简单地运行一个求解器。我们回顾了考虑启发式、近似或精确解方法的CSLP文献。

2. 未来研究的讨论与展望（原文第4节）

2.1 讨论

优化充电站位置的问题是一个复杂的问题，涉及到不同的决策层级、约束和目标。

虽然CSLP的早期工作倾向于简化问题建模，但最近的工作试图引入更贴切实际的特性。在未来的工作中，还需要付出更多的努力来提高模型的实用性，特别是集成迄今为止已经单独研究过的特性。现有工程的延伸可以沿着不同的线路进行，包括：充电容量的影响、运输和电网的耦合、新的充电技术的集成和环境影响的测量。

正如文献综述所讨论的，容量限制和等待时间问题已经在最近的许多CSLP论文中得到了解决。由于预计未来需求将迅速增长，充电容量将成为一个更紧迫的问题，应从投资者和用户的角度进一步调查容量限制对问题决策和绩效的影响。

这个问题的另一个复杂性源于交通网络和电网之间的相互依赖性。电动汽车驾驶员会根据充电站容量的可用性来选择路线，而电网的有效运行在很大程度上依赖于每个时段的充电需求的实现。最近的一些工作已经认识到在CSLP模型中集成这两种类型的网络的重要性。在决定CS定位时，集成对于捕捉电动汽车充电负荷对电网的影响非常重要。有文章结合了电网的扩展和充电站的位置决策。他们开发了一个多阶段的两阶段随机程序，其中第一阶段的决策涉及电网扩建，而第二阶段的决策涉及在先前电网扩建导致的电力供应充足的地区的新充电站的位置。也有文章认为，由于电动公交车的高功率要求和较长的充电时间，结合交通网络规划是很重要的。

2.2 应用和参数估计的挑战

将CSLP模型应用于现实研究中，需要克服的主要挑战之一是估计输入参数，如充电需求和能量消耗。详细的需求预测，包括充电量、发生时间和位置，将允许更好地规划充电基础设施，并更适当地将能源供应与充电需求进行匹配。

然而，由于电动汽车的使用范围仍然有限，目前由于缺乏数据，这阻碍了产生捕获充电请求的时空分布的准确需求预测。虽然如第3.2节所讨论的，关于传统ICE车辆出行的数据可以用于案例研究，主要来自出租车车队的GPS记录。

不仅电动汽车驾驶员可能有不同的出行模式，而且通过分析ICE车辆的出行情况，很难捕捉到电动汽车驾驶员的充电行为。文章试图基于大型传统出租车出行数据集和对出租车充电条件的假设，如出租车的最小停留时间和电池SOC的预定义阈值，来模拟司机的旅行和充电行为。

然而，正如大多数现有文献一样，在这些文章中假设能量消耗与行驶距离成正比，因此忽略了道路配置的影响。上下坡旅行、天气限制、交通条件和驾驶方式对车辆消费存在的影响。这种假设可能会产生误导性，并导致对充电请求的预测不那么准确。

2.3 展望未来的研究方向

未来的挑战来自于不断增加的充电需求和在短时间内给大容量电池充电的需求。未来，产能问题不仅涉及需求的增加，还涉及需求的时空分布。即，在高峰时段，可能在同一时间和位置出现大量的充电请求，从而导致电网的高负荷，导致满足所有需求更具挑战性。为了适应电网支持充电负荷峰值，将需要对高压和昂贵的传输电路以及新的输电变电站、开关和服务变压器进行大量投资。为了降低充电高峰，降低基础设施和能源成本，决策者需要首先确定一个准确的需求预测，捕捉充电量、时间和位置的变化。故应该确定匹配能源供应和充电需求的最佳解决方案。

鉴于这些新的挑战，未来的研究应采用更全面的方法来建模充电基础设施规划。根据对充电需求的数量、时间和位置的准确预测，CSLP模型应确定充电站的最佳位置和容量，以及匹配供需的最佳解决方案，包括投资调整电网、储能解决方案的位置和规模、选择合适的供应来源以及电动汽车充电的调度和定价。在CSLPs中整合需求塑造策略，可能需要开发新的模型，以捕捉收费率和需求之间的相互关系。

2.4 结论

本文对CSLP的建模特点、解决方法和应用进行了全面的综述。我们研究了优化目标、决策变量和研究者所考虑的约束条件，以及博弈论的观点，特别是双层模型。我们还讨论了充电需求表示技术，并区分了两种广泛使用的方法，即基于节点的表示和基于流的表示。

我们分析了在基于流的模型中建模需求覆盖的不同方法，并概述了每种情况下的典型数学公式。此外，CSLP作为一个战略规划问题，它具有随机性和动态特性，需要在规划过程中整合参数的不确定性和动态决策。

我们回顾了文献中提出的随机模型和多阶段模型，并讨论了所考虑的不确定性的类型。我们通过探索问题的各种解决方法和应用，完成了我们的综述，并最后讨论了一些开放的问题和新的趋势，这使我们能够确定该领域未来的研究方向。

参考文献

Kchaou-Boujelben, M. (2021). Charging station location problem: A comprehensive review on models and solution approaches. Transportation Research Part C: Emerging Technologies, 132, 103376.