电动汽车充电站选址的多层次模糊综合评估方法*

鞠 晨, 奚培锋, 李亚楠

[1.上海联联睿科能源科技有限公司, 上海 200063;2.上海电器科学研究所(集团)有限公司, 上海 200063]

0 引 言

近年来,社会经济快速发展,电动汽车作为一种优良的节能环保通行方式受到广泛关注和应用,而电动汽车充电网络的完善程度还远不及燃油车加油站网络布局。因此,里程焦虑和不合理的充电站布局仍然是阻碍电动汽车进一步普及的重要因素[1-5]。在这样的背景下,如何去合理布局电动汽车充电站、提高投资收益等是一个非常重要的问题。专家学者针对充电站选址问题开展了一系列研究,如针对提升充电站选址服务效益、降低用户充电成本和电网成本的充电站选址方法[6-11],考虑电动汽车用户出行习惯和充电需求的充电站选址方法[12-16],以及考虑城市充电站整体布局规划优化的充电站选址优化方法[17-21]。

虽然目前电动汽车充电站选址规划已经有诸多研究工作与成果,但仍存在以下问题:① 没有建立从供应与需求侧出发的、准确完整的充电站选址体系;② 缺乏对实际充电需求的考虑,无法按需求大小匹配建站规模;③ 缺失周边竞争情况分析,导致运营成本提高、获客难度大等一系列不确定因素。针对以上问题,本文提出一种电动汽车充电站建站选址的多层次模糊综合评估方法,从充电站选址目标区域网格内的充电桩供应情况出发,结合区域内的兴趣点(POI)数据分析目标区域网格的潜在充电需求,综合考虑目标区域内的充电设施的实际供应和当前充电需求现状,建立多层次模糊评估模型,在上海市真实充电数据上进行算例,验证了模型的可行性与有效性,为城市电动汽车充电站科学建站选址提供决策参考。

1 目标位置需求侧评估

本文介绍一种电动汽车充电站建站选址的多层次模糊综合评估方法,旨在研究区域内电动汽车充电站点的选址建站可行性,以及投建充电场站的充电桩规模,给出选址建站的综合评估结果。首先,通过第三方地图服务商API接口采集目标区域网格内的POI数据,通过标准化处理得到区域的POI数据集,对标准化的数据集进行模型化分析得出区域内潜在的充电需求大小。其次,依托公共充电桩大数据挖掘区域内目前已建公共直流快充枪密度和实际的单枪日均充电量大小,准确评估出区域内的现有充电需求及需求满足情况。最后,将区域内潜在充电需求与实际的供应侧快充充电桩建设数据及运营情况相结合,评估出区域内建设新充电站的可行性和可投建的充电桩数量规模,给出建站的综合评估结果。

(1) 目标区域的服务范围设定。先将上海全域地图网格化划分,单位网格为边长500 m的正方形,每个单位网格的覆盖面积为0.25 km2。选取目标区域所处的单位网格为中心点,从中心点往四周分别辐射四个网格,最终形成由81个边长为500 m的正方形构成的总边长为4.5 km的正方形,以此作为目标区域的服务覆盖范围,目标区域的覆盖服务面积约为20.25 km2。明确了服务覆盖范围,为数据采集框定了范围与界限,才能准确地反映目标区域的实际区位条件与当前建站情况。

依据目标区域的服务范围,通过高德地图API接口提取目标区域服务范围内的POI数据。选取了对交通出行、充电需求具有较大吸引力的十项一级分类的POI数据,包含商务住宅、交通设施服务、购物服务、医疗保健服务、餐饮服务、道路附属设施、住宿服务、科教文化服务、体育休闲服务、风景名胜。本实施方案中除选取高德地图POI数据的10项一级分类外,还筛选出了其下设的67项二级分类数据,235项三级数据分类。

(2) POI数据综合评分体系。将采集到的POI数据,依据一级分类的属性,按照对交通需求吸引的大小差异,配比不同的权重值。POI类别权重如表1所示。商务住宅、交通设施服务、购物服务、医疗保健服务、餐饮服务权重配比均为0.15,这5类能带来的潜在交通需求以及充电需求较大;道路附属设施、住宿服务、科教文化服务、体育休闲服务、餐饮服务权重配比均为0.05,这5类能带来的潜在交通需求以及充电需求次之。将采集到的POI数据进行归一化处理,处理方法可定义为如下公式:

表1 POI类别权重

(1)

R值越高代表目标区域潜在充电需求越高。目标区块POI模糊综合评估评语集如表2所示。

表2 目标区块POI模糊综合评估评语集

(3) POI数据聚类分析。为了能挖掘POI数据特征,进一步采用K-means聚类算法,聚类算法将繁杂的POI分类数据用聚类的方法把具有相似特征的目标地块聚合为同一簇类,每个地块簇的POI数据特征相似,不在同一个地块群集的地块POI数据特征差异性大,结合地块簇和POI综合评分,为最终的建站策略提供分析依据。K-means的核心目标是将给定的数据集划分成K个簇(K是超参数,可根据经验值设定,根据聚类结果调整),并计算出每个样本数据对应的中心点。具体计算方法分为3步。

② 各个样本距离所属簇中心点的误差平方和,定义为模型的损失函数,具体如下:

(2)

式中:xi——第i个样本点坐标;ci——xi所属的簇;μci——簇对应的中心点;M——样本总数。

③ 令t为迭代步数,t=0,1,2,…,重复如下过程直到J满足收敛条件。

对于每一个样本xi,将其分配到距离最近的中心:

(3)

对于每一类中心k,重新计算该类的中心:

(4)

通过K-means聚类分析后,选用了4类POI数据特征相似的地块簇,即K=4。拟采用地理位置特征分别将4类地块簇命名为热点区域、高潜力区域、较低潜力区域、低潜力区域,记为Q值。POI数据聚类分析模糊综合评估评语集如表3所示。

表3 POI数据聚类分析模糊综合评估评语集

2 目标位置供应侧评估

目标区域覆盖服务范围内竞争情况提取。本实施方案中依托接入上海市公共充电桩市级平台的众多运营商静态数据,计算出目标区域服务范围内的单位平方公里的公共直流充电枪数量,已投建运营的充电枪的数量多少代表了实际目标区域内的市场竞争强弱,记为U值。单位平方公里直流充电枪数量模糊综合评估评语集如表4所示。单位平方公里大于30个直流枪代表区域内市场竞争强,单位平方公里直流枪10～30个代表竞争较强,单位平方公里直流枪为1～10个直流枪,代表竞争小,单位平方公里直流枪为0个代表空白区域没有竞争。

表4 单位平方公里直流充电枪数量模糊综合评估评语集

目标区域覆盖范围内实际充电需求现状评估。依托接入上海市公共充电桩市级平台的众多运营商的充电订单数据,选取近半年内满足连续运营场站,并排除离群值。依据采集到的运营数据测算出目标区域服务范围内直流充电枪的单枪日均充电量。单枪日均充电量能够直接、准确地反映出单位充电枪的运营效率、实际的充电需求大小,是计算回本周期的关键指标之一。单枪日均充电量模糊综合评估评语集如表5所示。

表5 单枪日均充电量模糊综合评估评语集

站点直流充电枪的单枪功率为60 kW时,充电枪单枪日均充电量大于165 kW·h,代表充电场站运营效果良好,回本周期短,能够拿到最高的充电站运营补贴,且如果时间利用率大于20%,那么代表站点部分时段存在充电排队等待的情况,同时满足两个条件的目标地块评级为A+。评为A+的地块表示其周边充电需求足够且稳定,在这样的地块投建充电场站,不会给区域内已建成运营的充电场站带来太大冲击,进而造成恶性竞争。

单枪日均充电量介于130～165 kW·h之间,代表充电场站运营效果尚可,回本周期较短,区域内已建成运营的充电场站总体满足现有充电需求,这类地块评级为A。评为A级的地块代表了充电需求尚可,但与A+级地块有一定差距,在这样的地块投建充电场站,需要有一定的竞争力,如灵活的运营策略、良好的充电环境、配套设施齐全等。

单枪日均充电量介于90～130 kW·h,代表充电场站运营效果一般,整体回本周期较慢,这类地块评级为B。评级为B级的地块代表了区域内的充电需求较少,这类地块暂时不建议投建新场站。

单枪日均充电量介于1～90 kW·h,代表充电场站运营效果较差,回本周期较长,这类地块评级为C。评级为C级的地块代表了充电需求极少,这类地块暂时不建议投建新场站。

没有公用场站或者没有直流充电枪这类地块评级为D。这类地块属于空白区域,还需结合POI数据的分析结果,判断区域内是否有潜在可挖掘的充电需求,最终评估潜在需求大小是否值得投建充电场站,补充空白区域的充电资源,并制定建站策略。

将单枪日均充电量的评级结果记为E值。依据目标区域内的各项指标值计算综合得分,综合分值记为P。本发明中4项指标权重系数设为同一值,综合分值计算公式如下:

P=0.25×R+0.25×Q+0.25×U+0.25×E

本发明综合考虑目标区域的需求预估、实际直流充电枪密度以及最重要的实际产生的充电量大小,全面衡量综合因素,最终得出目标区域是否合适建站以及可建站的规模大小。

3 算例分析

选取上海地区的585个目标点位作为基础,绘制地图,目标地块地区分布图如图1所示。

图1 目标地块地区分布图

确定这些目标地块的服务范围。所有目标地块的服务范围如图2所示,每个蓝色方块代表1个地块的服务范围,也是之后数据选取的依据。

图2 所有目标地块的服务范围

目标地块的POI数据提取,共选取了10项一级分类,包含商务住宅、交通设施服务、购物服务、医疗保健服务、餐饮服务、道路附属设施、住宿服务、科教文化服务、体育休闲服务、风景名胜。共查询采集到10项一级分类,67项二级分类,235项三级分类,涵盖了585个目标地块服务范围内的463 466条相关POI分类数据。

依据POI数据综合评分标准,汇总所有地块的评星结果,得知585个目标地块中,5星地块有62个,占比10.60%,4星地块有227个,占比38.80%,3星地块有134个,占比22.91%,2星地块有101个,占比17.26%,1星地块有61个,占比10.43%。通过综合分析各星级占比,得知所有地块的整体星级偏高,3星及3星以上的地块数量占比70%以上,其中3星、4星地块数量最多,占比约为总量的60%以上。

通过聚类分析的方法,将所有地块进行聚类分析评估。各地块POI数据聚类分析结果如图3所示。拟采用地理位置特征分别将4类地块簇命名为热点区域、高潜力区域、较低潜力区域、低潜力区域。其中热点区域的地块集群,代表了周边区域条件优越,各类POI众多。高潜力区域的地块簇代表了区域条件次优,属于POI较多的地块。较低潜力区域的地块簇代表了区域资源配置等条件普通,POI较少的地块。低潜力区域的地块簇代表了目标区域的商业资源与住宅密度较小,为POI稀少的地块。

图3 各地块POI数据聚类分析结果

目标地块周边竞争分析。经过测算,目标地块服务范围内每平方公里直流充电枪密度如图4所示。所有目标地块中,每平方公里直流充电枪数量大于30个的目标地块有57个,占比全量的9.7%,这类地块充电资源丰富,直流充电枪非常密集,市场竞争非常激烈;每平方公里10～30个直流充电枪的目标地块有217个,占全量的37.1%,这类地块充电资源相对较为丰富,直流充电枪较为密集,市场竞争激烈;每平方公里1～10个直流充电枪的目标地块有265个,占比全量的45.3%,这类地块数量最多,表现为充电资源较少,直流充电枪较为稀疏,市场竞争相对较小;每平方公里0个直流充电枪的目标地块有46个,占比全量的7.9%,这类目标地块服务范围内没有直流充电枪,直流快充资源匮乏,基本不存在市场竞争。

图4 目标地块服务范围内每平方公里直流充电枪密度

目标地块服务范围内单枪日均充电量分布如图5所示,585个目标地块中A+类地块有36个,占比全量的6.2%,A类地块有60个,占比全量的10.3%,B类地块有180个,占比全量的30.8%,C类地块有224个,占比全量的38.3%,D类地块有85个,占比全量的14.5%。最后结合需求侧、供应侧多角度、多层次的分析,最终得出每个目标地块的建站策略。

图5 目标地块服务范围内单枪日均充电量分布

4 结 语

本文采用层次分析法与模糊综合评估法,综合考虑潜在的需求预估与目标区域内实际建设现状,引入了充电站服务范围即目标区域,限定了充电站实际的服务范围,构建了一个四层综合评估模型,从供需两个层面对选址地进行综合评估,得出与目标区域实际情况相匹配的充电站投建策略,并在选址建站咨询项目中验证了方法的有效性。通过需求侧与供应侧的全方法评估与分析,能极大地降低了投资风险,缩短了投资回本周期,并且合理利用公共电力网络资源,避免部分区域由于盲目建站导致有限的资源浪费。