CN108764634A - 一种考虑充电需求增长的电动汽车充电站动态规划方法 - Google Patents

Abstract

本发明公开了一种考虑充电需求增长的电动汽车充电站动态规划方法，首先引入不考虑电动汽车保有量改变的充电站静态规划方法，采用自适应粒子群算法，得到电动汽车高保有量情景下N _max座充电站的规划方案；然后在动态规划初期，以N _max座充电站作为候选站址，选择性的新建充电站以满足用户充电需求并使充电站投资成本最小，随着电动汽车保有量以及充电需求的增长，按一定周期，对已有充电站扩容或在已有充电站基础上在剩下的候选站中选择性新建充电站。研究结果表明，本发明方法能够随着电动汽车保有量的改变满足不同时刻的充电需求。本发明提出的方法不仅考虑了电动汽车保有量的增加，而且优于在传统静态规划模型基础上不断更新规划。

Description

一种考虑充电需求增长的电动汽车充电站动态规划方法

技术领域

本发明涉及一种考虑充电需求增长的电动汽车充电站动态规划方法，属于电动汽车充电站规划技术领域。

背景技术

随着能源短缺和环境污染问题的日益凸显，电动汽车凭借其零尾气排放、低噪声污染等良好的环保效益和社会效益得到了广泛关注。法国、荷兰、德国等国家已提出停止销售燃油车计划，我国也已启动传统燃油车的退出时间表研究。充电基础设施的合理规划与建设是大规模推广电动汽车的重要保障，是当前加快电动汽车推广的紧迫任务。

目前，国内外众多学者从多种角度对电动汽车充电基础设施的规划问题进行了研究，其规划思路主要分为三大类：仅计及交通网因素、仅计及配电网因素与综合考虑交通网与配电网的规划。

电动汽车充电站规划相关文献多数是从多种角度、均衡各方利益给出一个最优规划方案，忽视了电动汽车保有量的增加对充电站规划的影响。充电基础设施的可到达性与便利性是电动汽车大规模推广的基础，然而，为了推广电动汽车而过于超前建设充电站将导致一系列问题：建设充电站需投入大量资金，然而现有电动汽车保有水平较低的现实背景下，在短期内难以收回成本，回报率低，对投资方吸引力不足；另一方面，当前电动汽车电池技术、充电技术等还不成熟，充电基础设施标准规范体系尚不完善，成熟商业模式尚未形成，在此阶段，充电站的过度规划将导致充电站闲置、折旧费用与运维费用高昂，更重要的是不利于未来新型充电设施的投入使用以及已有充电设施的升级更新。因此，不宜过度建设充电站，而应保持与当前电动汽车保有量相适应的适度超前建设。

随着电动汽车产业的成熟，电动汽车保有量将急剧增加，后期充电站大规模扩充与新建成本将远大于初期充电站建设投资成本。同时，考虑到充电技术尚不成熟、更新换代较快的特点，延缓充电站建设将有利于未来充电站的升级与新建。因此，随着电动汽车保有量增加，不断扩建或新建充电站的考虑充电需求增长的电动汽车充电站动态规划方法，才能够随着电动汽车保有量的改变满足不同时刻的充电需求。

发明内容

本发明所要解决的技术问题是：提供一种考虑充电需求增长的电动汽车充电站动态规划方法，充分考虑了电动汽车保有量的增加对充电站的影响，能够随着电动汽车保有量的改变满足不同时刻的充电需求。

本发明为解决上述技术问题采用以下技术方案：

一种考虑充电需求增长的电动汽车充电站动态规划方法，包括如下步骤：

步骤1，获取规划区域内电动汽车及用户的相关信息，包括：电动汽车平均容量、电动汽车平均百公里电耗、电动汽车平均日行驶里程、各充电需求点电动汽车数量、电动汽车初始渗透率、充电站平均日工作时间、快速充电机功率、电动汽车年增长率、规划区域居民平均收入、电动汽车平均速度、电价、电动汽车单位电量可行驶里程、充电站最大服务范围、充电站最大排队长；

步骤2，令总规划年限为n_max，构建未考虑电动汽车动态保有情况的充电站静态规划模型，采用自适应粒子群优化算法求解得到第n_max年充电站规划数量N_max及各充电站的选址信息，同时计算得到各充电站的定容信息，并记录为其中，表示充电站i的选址与定容信息，i＝1,…,N_max；

步骤3，根据电动汽车增长率预测第1至n_max年规划区域内各充电需求点电动汽车保有量，基于第n_max年的静态规划结果{R}及电动汽车保有量情况，进行动态规划；对于第1年规划，将N_max座充电站作为候选充电站，计算得到当前最少要建设N_min座充电站；首先取N＝N_min，在N_max座充电站中选择N座充电站共有种组合方案，再对所有方案进行定容，对种方案，从总成本最小的方案开始，判断其是否满足约束条件，若满足则确定为第1年规划方案；若都不满足约束条件，则令N＝N+1，重复上述操作，直至得到最优可行解；

步骤4，令第K-1年动态规划后得到的充电站规划数量为N_old，充电站i配置充电机数量为i＝1,…,N_old，K≥2；对于第K年规划，首先判断是否需要新建充电站，若当前充电站能够满足需求，则仅需对当前充电站进行扩容，否则需在候选充电站中选择新建充电站，其中，在候选充电站中选择新建充电站的具体方法如下：在N_av座候选充电站中选择N_new座充电站作为新建充电站，N_av＝N_max-N_old，共有种组合方案，对每个方案进行定容，根据定容结果和已知的选址信息，计算种方案的目标函数，从目标函数值最小的方案开始，判断其是否满足约束条件，若满足则确定为第K年规划方案；若都不满足约束条件，则令N_new＝N_new+1，重复上述操作，直至得到最优可行解；在第K年规划完成后，更新N_old值、已有充电站相关成本C′_old值以及规划区域电动汽车保有量情况，等待进行下一次规划。

作为本发明的一种优选方案，步骤2所述充电站静态规划模型以充电站固定投资成本C₁、充电站建设成本C₂、充电站年租金成本C₃、充电途中损耗成本C₄之和最小为目标函数，具体如下：

minC＝C₁+C₂+C₃+C₄

C₁＝NC_fix

s.t.D_ij≥D,i≠j

X_i>0

N_cmin≤N_ci≤N_cmax

其中，N为充电站规划数量，C_fix为建设单座充电站所需固定投资成本，N_ci为充电站i配置充电机数量，P_c为单个充电机容量，w为充电机单位容量建设成本，t_m表示12个月，r_i为充电站i所在站址月租金，S_c为单个充电机占地面积，t_y表示365天，X_i为充电站i所服务的充电需求点数，d_ik为充电需求点k到充电站i的距离，q_k为充电需求点k代表的电动汽车数量，p为电价，g为电动汽车单位电量可行驶里程，f为居民平均收入，v为电动汽车平均速度，D_ij为充电站i与充电站j的距离，D为充电站最大服务范围，i＝1,…,N，j＝1,…,N，N_cmax、N_cmin分别为充电站配置充电机数量上、下限。

作为本发明的一种优选方案，步骤3所述N_min的计算公式如下：

其中，N_min表示第1年规划最少要建设N_min座充电站，S为规划区域总负荷需求，N_cmax为充电站配置充电机数量上限，P_c为单个充电机容量，t为充电站平均日工作时间，N_EV为规划区域电动汽车数量，c为平均充电率，P_EV为电动汽车平均容量，α为电动汽车平均充电功率占电池容量的百分比，η₁为同时率，η₂为充电效率。

作为本发明的一种优选方案，步骤4所述判断是否需要新建充电站的具体方法为：采用排队论确定在当前充电需求下，已有充电站所需的充电机数量，从而得到已有充电站需要新增的充电机数量，若已有充电站新增充电机后，得到的充电机总数超过充电站配置充电机数量上限，说明当前已有充电站的数量与选址无法满足当前充电需求，需要在候选充电站中选择新建充电站。

作为本发明的一种优选方案，步骤4所述目标函数具体如下：

C′＝C′_old+C′₁+C′₂+C′₃+C′₄+C′₅+C′₆

C′₁＝N_newC_fix

其中，C′表示目标函数，C′_old表示已有充电站相关成本，C′₁为新建充电站固定投资成本，N_new为新建充电站数，C_fix为建设单座充电站所需固定投资成本，C′₂为已有充电站新增充电机与新建充电站充电机建设成本，N_old为已有充电站数，为已有充电站i新增的充电机数，N_ci为充电站i配置充电机数，P_c为单个充电机容量，w为充电机单位容量建设成本，C′₃为充电站年租金成本，t_m表示12个月，r_i为充电站i所在站址月租金，S_c为单个充电机占地面积，C′₄为用户充电途中损耗成本，N_K＝N_old+N_new，t_y表示365天，X_i为充电站i所服务的充电需求点数，d_ik为充电需求点k到充电站i的距离，q_k为充电需求点k代表的电动汽车数量，p为电价，g为电动汽车单位电量可行驶里程，f为居民平均收入，v为电动汽车平均速度，C′₅和C′₆为惩罚函数，β₁和β₂为惩罚系数，D_ij为充电站i与充电站j的距离，D为充电站最大服务范围，N_cmax为充电站配置充电机数量上限。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1、本发明针对现有电动汽车充电站规划研究大多忽视了电动汽车保有量的增加对充电站的影响，提供了一种考虑电动汽车高保有量时规划经济性的充电站动态规划方法，能够随着电动汽车保有量的改变满足不同时刻的充电需求。

2、目前，电动汽车充电站规划的相关研究多数是从多种角度、均衡各方利益给出一个最优规划方案，忽视了电动汽车保有量的增加对充电站规划的影响，本发明提出的方法不仅考虑了电动汽车保有量的增加，而且优于在传统静态规划模型基础上不断更新规划。

附图说明

图1是本发明选址与定容的关系图。

图2是本发明选择新建充电站流程图。

图3是本发明实施例规划区域充电需求点分布图。

图4是本发明实施例充电站静态规划选址结果。

图5是本发明实施例充电站第1至n_max年动态规划选址结果。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

1、静态规划模型

充电站静态规划是动态规划的基础。相对于动态规划，充电站静态规划是指仅根据固定的充电需求及分布等情况，没有考虑电动汽车动态保有情况的一种规划方法。

1.1静态规划模型目标函数

用户往往选择前往距离最近的充电站进行充电，基于此，本模型在选址时采用Voronoi图划分充电站服务区域，根据服务区域内汽车数量、电动汽车渗透率、平均充电率等确定负荷需求，基于排队理论确定充电站容量从而进一步明确投资成本，最后得到一个选址定容相结合的目标函数，将多目标问题转换为单目标问题。

该模型以充电站固定投资成本C₁、充电机建设成本C₂、充电站租金成本C₃、充电途中损耗成本C₄之和为目标函数评估该规划方案，约束条件有相邻充电站距离约束、充电站逻辑约束、充电站容量约束等。具体静态规划模型描述如下：

minC＝C₁+C₂+C₃+C₄ (1)

C₁＝NC_fix (2)

s.t.D_ij≥D,i≠j (6)

X_i>0 (7)

N_cmin≤N_ci≤N_cmax (8)

式中：式(1)表示最小化目标函数；式(2)表示充电站固定投资成本，N为充电站规划数量，C_fix为建设单个充电站所需固定投资成本；式(3)表示充电机建设成本，N_ci为充电站i配置充电机数量，P_c为单个充电机容量，w为充电机单位容量建设成本；式(4)表示充电站年租金成本，t_m指一年12个月，r_i为充电站i所在站址月租金，S_c为单个充电机占地面积；式(5)表示用户充电途中损耗成本，t_y指一年365天，X_i为充电站i所服务充电需求点数，d_ik为充电需求点k到相应充电站i的距离，q_k为充电需求点k代表的电动汽车数量，与电动汽车增长率有关，第n年电动汽车数为可由公式(9)表示，p为电价，g为电动汽车单位电量可行驶里程，f为居民平均收入，v为电动汽车平均速度；式(6)为相邻充电站距离约束，D_ij为充电站i与充电站j的距离，D为充电站最大服务范围；式(7)为充电站逻辑约束；式(8)为充电站容量约束，N_cmax与N_cmin为充电站配置充电机数量上下限。

式中：为第1年充电需求点k电动汽车数，γ为电动汽车年增长率。

相邻充电站距离约束避免了相邻充电站距离过近的问题；服务强度约束和排队长约束为充电站定容时的约束条件，充电站定容原则为在保证充电站满足用户需求且有良好的用户体验的同时最小化投资成本，即最小化充电机数量，其中用户体验由L_q体现；充电站逻辑约束确保每座充电站都有服务的需求点；充电站容量约束限制了充电站规模，即充电站配置充电机数量应在合理范围之内。

1.2静态规划模型求解算法

本方法采用自适应粒子群优化算法对该模型进行求解：首先根据距离约束生成若干个可行解，基于选址结果，采用Voronoi图划分充电站服务区域，从而确定了各个充电站服务区域内电动汽车数量，再采用排队论对充电站定容，基于选址与定容结果，判断其是否满足约束条件并计算适应度值，基于适应度值大小更新粒子位置与速度，从而进行迭代寻优。本发明按公式(10)将目标函数转换为适应度函数以使适应度值最大为目标。

静态规划模型在求解中，充电站的选址与定容相互影响，其耦合关系如图1所示。充电站的选址决定其容量，充电站容量又是适应度函数的重要组成部分，反过来影响了算法的迭代寻优求解。

算法求解该模型基本流程如下：

(1)输入算例相关数据。

(2)输入算法相关参数：粒子规模popmax，最大迭代次数itermax，粒子速度上下限v_max与v_min等。

(3)随机生成popmax个粒子的初始位置。

(4)初始化迭代次数iter＝0，粒子数pop＝0。

(5)iter＝iter+1，开始迭代：

(6)pop＝pop+1，评价所有粒子：

判断该粒子是否满足约束条件并计算适应度值：

a)检查当前解是否满足距离约束。不满足距离约束时，若iter＝1，则重新生成该粒子初始位置，转入步骤a)；若iter>1，则引入惩罚函数从而实现在迭代中舍去该粒子：

式中：β₁为惩罚系数，取值很大。

b)采用Voronoi图划分服务范围，确定各充电站所服务区域内电动汽车数量，并计算充电需求。

c)采用排队论确定各充电站容量，定容原则为充电站排队长小于最大排队长且使充电机数量最小。

d)检查当前解是否满足充电站容量约束。不满足充电站容量约束时，若iter＝1，则重新生成该粒子初始位置，转入步骤a)；若iter>1，则引入惩罚函数从而实现在迭代中舍去该粒子：

式中：β₂为惩罚系数，取值很大。

e)评价每一个粒子，计算适应度值。

f)若l<popmax，则转入步骤(6)，继续评价下一个粒子，l表示第l个粒子。

(7)若iter＝1，则初始化粒子群个体极值点与全局极值点，个体极值点即为当前粒子群全体，全局极值点为当前粒子群中最优粒子；若iter>1，则更新个体极值点与全局极值点，若当前粒子优于个体极值点则将当前粒子置为个体极值点，若当前全体最优粒子优于全局极值点则将该粒子置为全局极值点。

(8)更新粒子速度与位置：

式中：为第iter+1次迭代时粒子的速度；d为维数；ω为惯性权重；c₁和c₂为学习因子；r₁和r₂是分布于[0,1]区间的随机数。

(9)更新各粒子惯性权重ω：

式中：ω_max、ω_min为惯性因子ω的最大值和最小值；f_a为粒子的适应度值；f_avg为这一代粒子全体的平均适应度值；f_max为全局极值。

(10)检查是否达到最大迭代次数限制，若iter<itermax，则转入步骤(5)，开始下一次迭代；否则迭代结束，全局极值点即为所求最优解。

记总规划年限为n_max，由电动汽车增长率可得第n_max年时电动汽车高保有量情景，采用静态规划模型可得此时N_max座充电站的选址结果，记为其中记录了充电站i的选址信息，动态规划时，每规划一次，中的充电站容量都有可能增加。

2、充电站具体定容过程如下：充电站属于标准的M/M/c排队***模型，到达充电站充电的电动汽车数量随时间变化的规律一般服从参数为λ_i的泊松分布，λ_i为电动汽车的平均到达率，具体可由公式(16)计算得到；电动汽车接受服务的时间服从参数为μ的负指数分布，μ为***服务率即单台充电机服务率，可由公式(17)计算得到；记充电站配置充电机数量为N_ci，则充电站i的服务强度为ρ_i＝λ_i/N_ciμ，***中平均排队长如公式(18)所示，其中P_0i为充电站i内无电动汽车接受服务的概率，可由式(19)计算得到。本发明充电站配置充电机数量由服务强度与充电站最大排队长L_qlim确定，选取满足约束条件(20)-(21)的最小充电机数量为定容结果。式(20)为充电站服务强度约束，式(21)为充电站最大排队长约束。

ρ_i<1 (20)

L_qi≤L_qlim (21)

式中：k₁为电动汽车平均百公里电耗；k₂为电动汽车平均日行驶里程；η_EV为选择快速充电模式的电动汽车所占比例；N_{EV i}为第i个充电站服务范围内所有充电需求点的电动汽车保有量，N_{EV i}＝∑q_k；t为充电站平均日工作时间；T_f为电动汽车进行快速充电的平均时间，T_in/out为电动汽车进站与出站的固定时间；L_qi为充电站i的平均排队长，L_qlim为充电站最大排队长。

3、考虑充电需求增长的电动汽车充电站动态规划方法

该模型首先由静态规划模型确定第n_max年时N_max座充电站的规划方案，以保证动态规划在高保有量情景下规划的可行性。在第1年第1次规划时，将N_max座充电站作为候选充电站，根据公式(22)-(23)可得此时最少建设N_min座充电站。首先取N＝N_min，在N_max座候选充电站中选择N座充电站则共有种组合方案，再对所有方案进行定容，取m种方案中总成本最小的方案，判断其是否满足约束条件，若满足则确定为此次规划方案，并将规划结果记为{Q}；若不满足则判断其他方案是否满足约束，否则令N＝N+1，重复上述操作直到得到最优可行解。

式中：S为规划区域总负荷需求，可由公式(23)得到；t为充电站平均日工作时间；N_EV为规划区域电动汽车数量；c为平均充电率；P_EV为电动汽车平均容量；α为电动汽车平均充电功率占电池容量的百分比；η₁为同时率；η₂为充电效率。

记第K-1(K≥2)次规划时充电站数量为N_old，充电站i配置充电机数为i＝1,2,…,N_old。第K次规划时首先判断是否需要新建充电站，若当前充电站能够满足需求，则仅需对充电站进行扩容，采用排队论确定在当前充电需求下，充电站所需充电机数量，从而得到新增充电机数量(即扩容)。若存在充电站所配置充电机数量超过充电机数量上限，说明当前充电站的数量与选址无法满足充电需求，需在候选充电站中选择新建充电站，新建充电站规划流程如图2所示。在N_av(N_av＝N_max-N_old)座候选充电站中选择N_new座充电站共有种组合方案。对每一个方案定容时，需分为两部分：一是对已有充电站的扩容，即确定充电站i(i＝1,2,…,N_old)新增的充电机数量二是对新建充电站的定容。在选址与定容全部完成后，计算各方案的目标函数，具体数学表达式可见公式(24)-(30)。取m种方案中目标函数值C′最小的方案，判断其是否满足约束条件，若满足则输出第K次规划结果，规划结果记为{Q}。

C′＝C′_old+C′₁+C′₂+C′₃+C′₄+C′₅+C′₆ (24)

C′₁＝N_newC_fix (25)

式中：C′_old为一个已知常数，包含了已有充电站相关成本；C′₁为新增充电站固定投资成本，N_new为新增充电站数；C′₂为已有充电站新增充电机与新建充电站充电机建设成本，为已有充电站i新增的充电机数，N_ci为充电站i配置充电机数；C′₃为充电站年租金成本；C′₄为用户充电途中损耗成本，N_k为第K次规划时总充电站数，N_k＝N_old+N_new，X_i为充电站i所服务充电需求点数；C′₅和C′₆为惩罚函数，β₁和β₂为惩罚系数，取值很大，不满足充电站距离约束与充电站容量约束的组合方案的目标函数值将很大。因此，判断C′最小的方案是否满足约束条件即可确定此时是否有解。

若m种候选站址组合方案均不满足约束条件，则说明此时新建N_new座充电站不能满足充电需求，需增加充电站新建数：N_new＝N_new+1，重复上述操作评价种候选站址组合方案，直到存在最优可行解。第K次规划完毕后，更新N_old、C′_old等相关参数以及规划区域电动汽车状态，等待进行下一次规划。

4、实施例：

本发明实施例以文献《考虑车流信息与配电网络容量约束的充电站规划》算例中规划区域为基础，将交通节点视为充电需求点，规划区域及需求点分布见图3。出于本发明研究需要，将各充电需求点汽车保有量按比例减小以生成一个汽车保有量较低的初始情景，各充电需求点初始汽车数见表1。各充电需求点初始充电需求数可由公式(31)得到，根据电动汽车增长率λ每年更新电动汽车保有量情况，第n年各充电需求点电动汽车充电需求数可由公式(32)得到。

式中：为充电需求点k的初始汽车数，为第k个充电需求点的初始电动汽车数量，c为平均充电率，p为电动汽车初始渗透率；为第n年充电需求点k电动汽车数，γ为电动汽车年增长率。

表1充电需求点初始汽车数

取电动汽车年增长率γ为35％，平均充电率c为0.2，电动汽车初始渗透率p为0.05，充电站配置充电机数上下限N_cmax和N_cmin分别为30台和2台，充电机功率P_c为96kW，电动汽车平均充电功率占电池容量的百分比α为0.7，同时率η₁为0.8～0.9，充电效率η₂为0.9。绝大多数用户都会选择在5:30-23:30充电，充电站平均日工作时间t取18h。充电站固定投资成本C_fix为240万元/座，单个充电机占地面积S_c为25m²，充电站租金r根据区域分为三个等级，电价p为0.54元/kWh，电动汽车单位电量可行驶里程g为2.4km/kWh，居民平均收入f为20元/h，电动汽车平均速度v为50km/h，充电站最大服务范围D为1.5km，最大排队长L_qlim为10辆。

由公式(32)可得第8年时电动汽车保有情况，对第8年情景下充电站进行静态规划，限于规划区域面积以及相邻充电站距离约束，此时电动汽车保有量过高，规划无解。而第7年时电动汽车保有量也已处于较高水平，能够代表性的反映电动汽车高保有量情景下充电站规划是否合理，因此，本发明取总规划年限n_max＝7，求解静态规划模型可得N_max＝9。

第7年时静态规划结果如图4及表2所示，图4已根据Voronoi图划分充电站服务区域。表2中服务强度ρ与平均排队长L_q体现了充电站的繁忙程度。从表2可以看出，充电站容量与服务电动汽车数呈正相关。

表2充电站静态规划结果

i	选址/km	Nci	ρi	Lqi	NEVi
						1	(3.4543,5.4141)	29	0.9291	7.9377	970
2	(7.4911,0.3573)	24	0.9294	8.3985	803
						3	(2.1818,1.3312)	29	0.9310	8.2974	972
4	(5.0206,6.8596)	16	0.9306	9.4212	536
						5	(5.3070,1.2782)	28	0.9206	6.6442	928
6	(3.8341,2.3503)	18	0.9182	7.1618	595
						7	(5.7655,4.2919)	26	0.9327	8.8709	873
8	(0.8723,4.8865)	24	0.9329	9.0815	806
						9	(7.3855,4.8773)	30	0.9389	9.9472	1014

基于第7年时N_max＝9时的静态规划结果，可进一步得到充电站动态规划结果，规划结果如表3及图5所示。以表3中为例，2号充电站在第2年选址确定时配置了12台充电机，随着充电需求的增加，每次更新规划都需不断对已有充电站进行扩容：12→15→20→21→23→24。可以看出，电动汽车保有量对充电站所需容量的影响较大。若采用静态规划，在充电站建设初期就配置24台充电机，在前期将出现充电机利用率低下，投资成本、折旧与运维成本相对较高等问题，不利于充电站运营及充电设施的升级更新。可见，充电站动态规划能够实现充电站的高利用率，经济性高，且能够良好满足用户充电需求。

表3本发明规划结果

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (5)

1.一种考虑充电需求增长的电动汽车充电站动态规划方法，其特征在于，包括如下步骤：

步骤1，获取规划区域内电动汽车及用户的相关信息，包括：电动汽车平均容量、电动汽车平均百公里电耗、电动汽车平均日行驶里程、各充电需求点电动汽车数量、电动汽车初始渗透率、充电站平均日工作时间、快速充电机功率、电动汽车年增长率、规划区域居民平均收入、电动汽车平均速度、电价、电动汽车单位电量可行驶里程、充电站最大服务范围、充电站最大排队长；

步骤2，令总规划年限为n_max，构建未考虑电动汽车动态保有情况的充电站静态规划模型，采用自适应粒子群优化算法求解得到第n_max年充电站规划数量N_max及各充电站的选址信息，同时计算得到各充电站的定容信息，并记录为其中，表示充电站i的选址与定容信息，i＝1,…,N_max；

步骤3，根据电动汽车增长率预测第1至n_max年规划区域内各充电需求点电动汽车保有量，基于第n_max年的静态规划结果{R}及电动汽车保有量情况，进行动态规划；对于第1年规划，将N_max座充电站作为候选充电站，计算得到当前最少要建设N_min座充电站；首先取N＝N_min，在N_max座充电站中选择N座充电站共有种组合方案，再对所有方案进行定容，对种方案，从总成本最小的方案开始，判断其是否满足约束条件，若满足则确定为第1年规划方案；若都不满足约束条件，则令N＝N+1，重复上述操作，直至得到最优可行解；

步骤4，令第K-1年动态规划后得到的充电站规划数量为N_old，充电站i配置充电机数量为i＝1,…,N_old，K≥2；对于第K年规划，首先判断是否需要新建充电站，若当前充电站能够满足需求，则仅需对当前充电站进行扩容，否则需在候选充电站中选择新建充电站，其中，在候选充电站中选择新建充电站的具体方法如下：在N_av座候选充电站中选择N_new座充电站作为新建充电站，N_av＝N_max-N_old，共有种组合方案，对每个方案进行定容，根据定容结果和已知的选址信息，计算种方案的目标函数，从目标函数值最小的方案开始，判断其是否满足约束条件，若满足则确定为第K年规划方案；若都不满足约束条件，则令N_new＝N_new+1，重复上述操作，直至得到最优可行解；在第K年规划完成后，更新N_old值、已有充电站相关成本C′_old值以及规划区域电动汽车保有量情况，等待进行下一次规划。

2.根据权利要求1所述考虑充电需求增长的电动汽车充电站动态规划方法，其特征在于，步骤2所述充电站静态规划模型以充电站固定投资成本C₁、充电站建设成本C₂、充电站年租金成本C₃、充电途中损耗成本C₄之和最小为目标函数，具体如下：

min C＝C₁+C₂+C₃+C₄

C₁＝NC_fix

s.t.D_ij≥D,i≠j

X_i>0

N_cmin≤N_ci≤N_cmax

其中，N为充电站规划数量，C_fix为建设单座充电站所需固定投资成本，N_ci为充电站i配置充电机数量，P_c为单个充电机容量，w为充电机单位容量建设成本，t_m表示12个月，r_i为充电站i所在站址月租金，S_c为单个充电机占地面积，t_y表示365天，X_i为充电站i所服务的充电需求点数，d_ik为充电需求点k到充电站i的距离，q_k为充电需求点k代表的电动汽车数量，p为电价，g为电动汽车单位电量可行驶里程，f为居民平均收入，v为电动汽车平均速度，D_ij为充电站i与充电站j的距离，D为充电站最大服务范围，i＝1,…,N，j＝1,…,N，N_cmax、N_cmin分别为充电站配置充电机数量上、下限。

3.根据权利要求1所述考虑充电需求增长的电动汽车充电站动态规划方法，其特征在于，步骤3所述N_min的计算公式如下：

其中，N_min表示第1年规划最少要建设N_min座充电站，S为规划区域总负荷需求，N_cmax为充电站配置充电机数量上限，P_c为单个充电机容量，t为充电站平均日工作时间，N_EV为规划区域电动汽车数量，c为平均充电率，P_EV为电动汽车平均容量，α为电动汽车平均充电功率占电池容量的百分比，η₁为同时率，η₂为充电效率。

4.根据权利要求1所述考虑充电需求增长的电动汽车充电站动态规划方法，其特征在于，步骤4所述判断是否需要新建充电站的具体方法为：采用排队论确定在当前充电需求下，已有充电站所需的充电机数量，从而得到已有充电站需要新增的充电机数量，若已有充电站新增充电机后，得到的充电机总数超过充电站配置充电机数量上限，说明当前已有充电站的数量与选址无法满足当前充电需求，需要在候选充电站中选择新建充电站。

5.根据权利要求1所述考虑充电需求增长的电动汽车充电站动态规划方法，其特征在于，步骤4所述目标函数具体如下：

C′＝C′_old+C′₁+C′₂+C′₃+C′₄+C′₅+C′₆

C′₁＝N_newC_fix

其中，C′表示目标函数，C′_old表示已有充电站相关成本，C′₁为新建充电站固定投资成本，N_new为新建充电站数，C_fix为建设单座充电站所需固定投资成本，C′₂为已有充电站新增充电机与新建充电站充电机建设成本，N_old为已有充电站数，为已有充电站i新增的充电机数，N_ci为充电站i配置充电机数，P_c为单个充电机容量，w为充电机单位容量建设成本，C′₃为充电站年租金成本，t_m表示12个月，r_i为充电站i所在站址月租金，S_c为单个充电机占地面积，C′₄为用户充电途中损耗成本，N_K＝N_old+N_new，t_y表示365天，X_i为充电站i所服务的充电需求点数，d_ik为充电需求点k到充电站i的距离，q_k为充电需求点k代表的电动汽车数量，p为电价，g为电动汽车单位电量可行驶里程，f为居民平均收入，v为电动汽车平均速度，C′₅和C′₆为惩罚函数，β₁和β₂为惩罚系数，D_ij为充电站i与充电站j的距离，D为充电站最大服务范围，N_cmax为充电站配置充电机数量上限。