基于多范式建模与仿真的电动汽车充换电站优化配置研究.pdf 15页

'中国科技论文在线http://www.paper.edu.cn基于多范式建模与仿真的电动汽车充换电#站优化配置研究1,21,2**刘熙媛，别朝红5（1.西安交通大学电气工程学院，西安，710049；2.西安交通大学电力设备电气绝缘国家重点实验室，西安710049）摘要：本文基于多范式建模与仿真理论，采用基于Agent的建模与仿真方法(Agent-basedModelandSimulation,ABMS)与离散事件建模与仿真方法(DiscreteEventModeland10Simulation，DEMS，对电动汽车充)换电站运营系统涉及的组件（即多类型电动汽车和充换电设施），以及组件之间的交互关系分别进行建模，并利用Anylogic多范式建模与仿真平台搭建了考虑多类型电动汽车和充换电设施的充换电站的运营仿真模型，提出了充换电站运营、服务评价指标。然后基于所建立充换电站的多范式仿真模型提出了电动汽车充换电站的优化配置模型和求解方法，并对某地区电动汽车和充换电站实际数据进行了算例分析，验证15了所提模型的正确性和有效性。关键词：多类型电动汽车；多类型充换电设施；充换电站优化配置；多范式建模与仿真；基于Agent的建模与仿真；离散事件建模与仿真中图分类号：TM720StudyonAllocationOptimizationofEVCharging/SwtchingStationbasedonMulti-paradigmModelingandSimulation1,21,2LIUXiyuan,BIEZhaohong(1.DepartmentofElectricalEngineering,Xi"anJiaotongUniversity,Xi"an,710049;2.StateKeyLaboratoryofElectricalInsulationandPowerEquipment,XianJiaotong25University,710049)Abstract:Amulti-paradigmmodelofelectricvehicle(EV)charging/switchingstationoperationsystem,consideringmulti-typeofEVsandcharging/switchingfacilitiesisproposedinthepaper.Themulti-paradigmmodelcombinestwotraditionalmodelingandsimulationmethods,agent-basedmodelandsimulation(ABMS)anddiscreteeventmodelandsimulation(DEMS).ThecomponentsofEV30charging/switchingstationoperationsystem,includingdifferenttypesofEVsandcharging/switchingfacilities,aremodeledbasedonABMSmethod,andtheinteractiverelationshipsbetweenthemaremodeledbyDEMSmethod.Themulti-paradigmmodelisestablishedonamulti-formulismsimulationplatform,Anylogic.AndasetofserviceevaluatingindexesandaoptimizationmodelforEVcharging/switchingstationareproposedbasedit.Finally,thevalidityandeffectivenessoftheproposed35modelisverifiedbasedrealcasestudies.Keywords:multi-typeofEVs;multi-typeofcharging/switchingfacilities;charging/switchingstationallocationoptimization;multi-paradigmmodelingandsimulation;agent-basedmodelandsimulation;discreteeventmodelandsimulation400引言当前，传统的燃油汽车正面临着两个重大的难题：1）不断增加的汽车尾气对环境的污染问题；2）化石能源的日益枯竭引发的能源安全忧虑。相比较而言，电动汽车以电代油，基金项目：高等学校博士学科点专项科研基金(优先发展领域)(20130201130001)作者简介：刘熙媛（1991-），女，博士研究生，主要研究方向：电动汽车充换电站规划通信联系人：别朝红（1970-），女，教授、博士生导师，主要研究方向：电力系统规划及可靠性、电力系统不确定性分析等.E-mail:zhbie@mail.xjtu.edu.cn-1- 中国科技论文在线http://www.paper.edu.cn[1-2]清洁环保，能源利用率高，在减少污染，缓解能源危机等方面具有传统汽车不具备的优势。因此，传统汽车工业朝着电气化转型是解决环境问题和能源问题的重要方向之一。45电动汽车是一种特殊的具有随机特性的分布式负荷，电动汽车的出行情况、用户的行为习惯和充电需求等因素都会对其在充电设施位置和充换电模式选择等方面产生影响，因此对于充电设施的规划问题中需要考虑电动汽车的充电行为特性。目前，国内外学者针对这一问[3]题的相关研究已经取得了一定成果。例如，文献提出了一种基于用户行为习惯的需求预测模型，并以此为基础建立了考虑充电设施建设、运行成本和电力系统网损的综合成本的电动[4]50汽车充换电站的选址定容模型。文献引入了“需求转移（demandtransference）”的概念，根据用户的停车地点分布情况和不同地点间的日常行驶行为特征等分析了用户在目的地间的需求转移问题。但是，这些研究内容主要考虑充换电站的选址、定容问题，较少关注充换电站内部的设施配置情况。而在实际建设中，各类型充换电设施的配置问题直接关系到充换电站的投资、运营和服55务情况，因此，充换电站内部设施的优化配置是充电设施规划问题中非常重要的一个环节。目前，针对电动汽车充换电设施的优化配置问题的相关研究还比较少，而且对电动汽车和充[5]换电设施的类型考虑较为单一，如文献中在分析电动汽车充电行为的基础上，建立了的充电设施服务系统排队模型，研究了电动汽车充电设施的优化配置问题，但研究中只考虑单一电动汽车类型和单一充电机类型。事实上，不同类型的电动汽车根据其行为特性和需求不同60对充换电模式的决策也不尽相同，因此，在充换电设施优化配置研究中需要对多类型电动汽车和充换电设施进行综合考虑。考虑多类型电动汽车和充换电设施的充换电站模型涉及大量组件，且各组件间的具有大量复杂的交互关系，很难用传统方法进行建模。为此，本文采用多范式建模与仿真理论(Multi-paradigmModelandSimulation)来解决这一问题。多范式建模与仿真理论由比利时安[6]65特卫普大学的HansVangheluwe教授提出，理论的核心思想是对复杂系统的各部分组件和组件间交互关系分别选择适当的建模与仿真方法，然后通过模型转换实现联合仿真，该理论适用于解决多领域复杂系统的建模和仿真问题。基于多范式建模与仿真理论，本文采用基于Agent的建模与仿真方法(Agent-basedModelandSimulation,ABMS)与离散事件建模与仿真方法(DiscreteEventModelandSimulation，70DEMS)相结合，共同构建考虑多类型电动汽车和充换电设施的充换电站的运营和优化配置模型。首先对充换电站模型涉及的各类组件，即多类型电动汽车和充换电设施构建了相应的Agent类；然后基于与离散事件建模与仿真方法模拟多类型电动汽车和充换电设施的交互关系，建立了充换电站运营仿真模型，提出了充换电站运营、服务评价指标，并利用Anylogic多范式软件平台搭建仿真模型；最后基于充换电站的多范式仿真模型提出了电动汽车充换电75站设施配置优化模型，并对某地区电动汽车和充换电站实际数据进行了算例分析，验证了所提模型的正确性和有效性。-2- 中国科技论文在线http://www.paper.edu.cn1多类型电动汽车和充换电设施建模1.1基于Agent的建模与仿真（ABMS）概述[7]Agent的概念由JohnHolland和JohnH.Miller于1991年首次提出，由此衍生的基于80Agent的建模与仿真（ABMS）方法的相关研究也于90年逐渐兴起。ABMS方法的提出和[8-9]应用开始于人类社交网络、组织关系等研究领域，同时由于其对于复杂系统建模与仿真[10-11]方面的适应性逐渐延伸到其他领域。ABMS的基本理念是“系统大于部分之和”，将复杂系统理解为组件间交互的作用的集合体，系统的每个组件（即Agent）都具有自己的行为规则和责任，每个Agent都能够在没有他人或其他Agent的直接干预下运行，具有控制其85自身行为和内部状态的能力；借助一定交互方式可与其他Agent或环境进行交互。本文研究对象电动汽车充换电站运营系统所包含的Agent，根据各自在系统中的主要职责可分为两大类：用户Agent，即电动汽车，和资源Agent，即充换电设施。其中，对于电动汽车Agent，本文主要考虑私家车和出租车两种类型，对于充换电设施Agent，主要考虑交流慢充设施、直流快充设施和电池更换设施三种类型。本节将对上述各类Agent的属性和90内部行为规则的进行定义。1.2电动汽车Agent建模电动汽车Agent在充换电站运营系统中作为用户类Agent，需要分别对其内部属性和行为规则进行定义。1.2.1私家车Agent（Private）建模95（1）私家车Agent属性根据私家车的个体固有属性和后续建模与仿真需求，本文私家车Agent（Private）包含属性如表1所示：表1私家车Agent（Private）属性属性符号说明到达时间T到达充电站Arrive到达时刻H24小时制Arrive出行状态driveTrue：出行；False：停驻初始SOCSOC到达充电站时的SOCArrive期望SOCSOC期望离开充电站时的SOC，默认为100%Exp电池容量C电池额定容量Battery充换电模式Mode1：交流慢充；2：直流快充排队时间t开始充电前等待时间Queue服务时间t充电所需时间Service停留时间t从进入到离开充电站的总时间Stay（2）私家车Agent内部行为规则-3- 中国科技论文在线http://www.paper.edu.cn1001）出行状态：drive[12]根据上海市第五次综合交通调查主要成果，私人车辆一天中的出行情况基本可以分为：早高峰7:00~10:00，晚高峰（次高峰）16:00~19:00，平峰10:00~16:00和19:00~21:00，其余时段出行率较低。因此，各时段到达的私家车的出行/停驻状态比例如表2所示。表2不同时段私家车出行状态概率分配时段出行（True）停驻（False）0:00~7:000.10.97:00~10:000.70.310:00~16:000.30.716:00~19:000.50.519:00~21:000.30.721:00~24:000.10.91052）初始SOC：SOCArrive[13]根据德勤全球的电动汽车消费者调查数据，私人车辆每天平均行驶距离在80km左右，且95%以上的私人车辆日典型行驶距离在40~120km。而目前除Tesla以外，大部分常[14]见型号的电动汽车续航里程都在100~150km左右。若不考虑电池的电量损耗等因素，电动汽车的进入充换电站的起始SOC如式（1）：LLMaxDriven110SOC(1)ArriveLMax其中，L为电动汽车最大续航里程，L为电动汽车已行驶里程。MaxDriven因此，私家车初始SOC近似服从三角分布：SOC~Triangular4.0,7.0,2.0(2)Arrive3）电池容量：CBattery[14]115根据电动汽车市场统计数据，目前大部分常见型号的电动汽车容量在20~30kWh左右：C~Uniform20,30(3)Battery4）充电模式选择：Mode私家车的主要充电模式为“慢充为主，快充应急”。因此，若车辆出行状态driveTrue，120则选择直流快充模式（Mode2），否则选择交流慢充（Mode1）。车辆出行状态根据到达时刻H确定，具体规则如表2所示。Arrive5）服务时间（即充电时间）：tServiceSOCSOCCExpArriveBatterytt(4)ServiceChargePChargeCharge-4- 中国科技论文在线http://www.paper.edu.cn其中，为充电设施的充电效率，P为充电设施的充电功率，具体参数根据充电模ChargeCharge125式选择情况取值不同。6）停留时间：tStayttt(5)StayQueueService即车辆在充换电站的总停留时间等于排队时间和服务时间之和。1.2.2出租车Agent（Taxi）建模130（1）出租车Agent属性根据出租车的个体固有属性和后续建模与仿真需求，本文出租车Agent（Taxi）包含属性如表3所示：表3出租车Agent（Taxi）属性属性符号说明到达时间T到达充电站Arrive到达时刻H24小时制Arrive载客状态busyTrue：载客；False：空载初始SOCSOC到达充电站时的SOCArrive期望SOCSOC期望离开充电站时的SOC，默认为100%Exp电池容量C电池额定容量Battery充换电模式Mode1：交流慢充；2：直流快充；3：电池更换排队时长t开始充电前等待时间Queue服务时长t充/换电所需时间Service停留时间t从进入到离开充电站的总时间Stay（2）出租车Agent内部行为规则1351）载客状态：busy[15-16]根据我国出租车行业的调研数据，出租车正常的日均运营时间为18小时（6:00~24:00），在零点以后（0:00~6:00）运营的司机约为正常时间的50%，平均行驶里程约350km，其中有效运营里程约为60%。因此，各时段到达的出租车的载客/空载比例如表4所示。140表4不同时段私家车载客状态概率分配时段载客（True）空载（False）0:00~6:000.30.76:00~24:000.60.42）初始SOC：SOCArrive-5- 中国科技论文在线http://www.paper.edu.cn为了尽可能避免频繁充电影响载客率和载客服务，本文近似认为空载状态下出租车电池剩余电量在50%左右时进行充换电，而载客状态下在剩余电量为30%左右时才进行。2SOCArrive~N1.0,5.0busyFalse(6)2SOC~N1.0,3.0busyTrueArrive1453）电池容量：与私家车相同，取20~30kWhC~Uniform20,30(7)Battery4）充换电模式选择：Mode在载客状态下，出租车优先考虑服务需求，选择最为快捷的电池更换模式（Mode3）；在空载状态下，根据H的不同，6:00~24:00期间（正常运营时间）选择直流快充模式Arrive150（Mode2），0:00~6:00期间选择交流慢充模式（Mode1）。5）服务时间：tService选择整车充电时SOCSOCCExpArriveBatterytt(8)ServiceChargePChargeCharge其中，为充电设施的充电效率，P为充电设施的充电功率，具体参数根据充电模ChargeCharge155式选择情况取值不同。选择电池更换时tt~Uniform,610min(9)ServiceSwitch6）停留时间：tStayttt(10)StayQueueService160与私家车相同，车辆在充换电站的总停留时间等于排队时间和服务时间之和。1.3充换电设施Agent建模充换电设施Agent在充换电站运营系统中属于资源Agent，因此只需定义其内部属性。1.3.1交流慢充设施Agent（Slow）建模交流慢充设施Agent（Slow）的内部属性包括：1651）充电功率：PCharge_Slow交流慢充设施功率取壁挂式交流充电桩典型值P7kW(11)Charge_Slow-6- 中国科技论文在线http://www.paper.edu.cn2）充电效率：Charge_Slow[17]根据文献，交流充电的效率170.085(12)Charge_Slow因此，对于电池容量20~30kWh的电动汽车，采用交流慢充模式完全充满（初始SOC为0）大约需要3.4~5小时。1.3.2直流快充设施Agent（Fast）建模直流快充设施Agent（Fast）的内部属性包括：1751）充电功率：PCharge_Fast直流快充设施功率取落地式直流充电桩典型值P40kW(13)Charge_Fast2）充电效率：Charge_Fast[17]根据文献，直流充电的效率1809.0(14)Charge_Fast因此，对于电池容量20~30kWh的电动汽车，采用直流快充模式完全充满（初始SOC为0）大约需要30~50分钟。1.3.3电池更换设施Agent（Switch）建模电池更换设施Agent（Switch）的内部属性即换电时间tSwitch185t~Uniform,610min(15)Switch2基于离散事件建模与仿真的电动汽车充换电站运营模型2.1离散事件建模与仿真（DEMS）概述离散事件建模与仿真（DEMS）方法起源于1960年代，杰弗里·戈登设想并发展的GPSS[18]思想，该方法适用于受随机离散事件驱动、模型状态呈跳跃变化的动态模型。离散事件[19]190系统的模型由事件驱动，事件不花费时间，并导致系统的变化。DEMS方法下模型的迁移发生在一串离散时间点上，具有随机性、复杂性的变化关系，难以用数学方程形式加以描述且难以通过应用理论分析方法得到解析解，通常需借助一些图表加以描述。根据电动汽车充换电设施服务流程特点，可以看出该系统由事件（电动汽车到达充换电站）驱动，因此DEMS方法适用于模拟充换电设施服务流程，即电动汽车Agent和充换电195设施Agent间的交互关系。本节将介绍基于Anylogic多范式建模与仿真平台搭建的电动汽车充换电站运营模型，并提出充换电站运营评价指标。-7- 中国科技论文在线http://www.paper.edu.cn2.2基于Anylogic平台的电动汽车充换电设施服务流程建模根据电动汽车充换电设施服务流程特点，在Anylogic多范式建模与仿真平台中搭建基于离散事件建模与仿真的电动汽车充换电站运营模型，模拟电动汽车Agent和充换电设施200Agent间的交互关系，模型如图1所示：图1基于离散事件建模与仿真的电动汽车充换电设施运营模型其中，各部分组件的具体功能和行为描述如下：（1）电动汽车（用户）到达：Source组件205Source组件模拟电动汽车Agent的到达，本模型中选用速率到达，即每小时平均到达车辆数，模拟充换电设施运营模型的用户到达特性。1）私家车到达速率：ratePrivate[20]根据历史统计数据，私家车的充电起始时刻概率分布如图2所示：则PrivateAgent到达速率（辆/小时）为210ratet)(numtimesperdayPt/)(num(16)PrivatePrivatePrivateStartStation-8- 中国科技论文在线http://www.paper.edu.cn其中，num为电动私家车保有量，num为充换电站数量，timesperday为私PrivateStationPrivate家车日均充电需求次数（一般为1次/辆/日），P(t)为私家车在t时刻开始充电的概率，Startt=0,1,2,…,23。时间215图2私家车的充电起始时刻概率分布2）出租车到达速率：rateTaxi[15-16]根据出租车的运营情况统计，近似认为其在一天中任意时刻访问充换电站的概率相同，则TaxiAgent到达速率（辆/小时）为ratenumtimesperday/24/num(17)TaxiTaxiTaxiStation220其中，num为电动出租车保有量，timesperday为出租车日均充电需求次数。TaxiTaxi（2）充换电（服务）模式选择：SelectOutput组件根据Agent的到达时刻H，Private和TaxiAgent的状态属性取值不同，其对于充换电Arrive模式的选择也不太，具体模式选择结果依据Agent的内部行为规则确定。（3）充换电设施（资源）集合：ResourcePool组件225三个ResourcePool组件分别对应三种充换电设施，ResourcePool的容量代表相应充换电设施Agent的数量。（4）充换电（服务）过程：Service组件Service组件的行动流程包括获取资源—服务延时—释放资源三个步骤，具体流程如图3所示，每个步骤对应的电动汽车充换电设施服务流程如下：230图3Service组件内部流程示意图1）获取资源：Seize组件-9- 中国科技论文在线http://www.paper.edu.cn模拟电动汽车选定充换电模式后，从对应的ResourcePool中调用资源，即接入充换电设施的过程，若此时ResourcePool中所有资源均被占用，则排队等待至有资源空闲，排队235方式为“先到先服务”。上述模型中，ServiceSlow_Private（私家车慢充服务）和ServiceSlow_Taxi（出租车慢充服务）共享ResouceSlow（交流慢充设施），ServiceFast_Private（私家车快充服务）和ServiceFast_Taxi（出租车快充服务）共享ResouceSlow（直流快充设施），ServiceSwitch（电池更换服务）对应ResouceSwitch（电池更换设施）。2402）服务延时：Delay组件模拟电动汽车充换电过程，服务时长为对应Private或TaxiAgent的t。Service3）释放资源：Release组件模拟电动汽车充换电服务结束后，释放资源，即空出相应设施的过程。资源被释放后可用于服务等待队列中的下一个Agent。245（5）电动汽车（用户）离开：Sink组件2.3电动汽车充换电站运营评价指标对于上述电动汽车充换电站运营系统的服务质量，提出评价指标如下：（1）队列长度：LQueue充换电站运营系统中排队等待和接受服务的电动汽车数量是一个随机变量，可以统计其250概率分布情况。队列长度的均值是用户和运营商共同关注的指标，关系到用户的等待时间和充换电站建设的队列容量等。若队列过长，不仅用户的等待成本提高，充换电站等待区域面积也要增大，从而导致建设成本增加；若希望缩短队列长度，则需提高相应充换电设施数量，从而导致充换电站的设备成本增加。（2）等待时间：tQueue255电动汽车从到达时刻起到接入充换电设施开始接受服务为止，这期间即为等待时间，同样可以统计其概率分布情况。等待时间的均值是用户重点关注的指标，直接影响到用户的等待成本。（3）设施利用率：utilization设施利用率指设施工作时间占总时间的比例，可用于衡量充换电设施的服务强度，从而决定260了服务成本的高低。设施利用率是运营商重点关注的指标，特别在充换电站设施配置的规划阶段需要重点考虑。3基于多范式建模与仿真的充换电站优化配置模型3.1目标函数充换电站的优化配置研究主要的核心问题是在满足用户需求等约束的前提下提高充换-10- 中国科技论文在线http://www.paper.edu.cn265电设施利用率，本文所提优化模型以三种充换电设施利用率最大为目标，目标函数和相应决策变量如下：utilizationSlow(numSlow)maxutilizationFast(numFast)(18)utilization(num)SwitchSwitch其中，utilization为各类型充换电设施利用率，num为各类型充换电设施数量。式（18）中的三个目标函数彼此独立，相当于三个单目标优化问题。2703.2约束条件（1）平均队列长度约束：sizeof(ServiceSlow.Queue).meanLMeanSlowsizeof(ServiceFast.Queue).meanLMeanFast(19)sizeof(Service.Queue).meanLSwithcMeanSwitch其中，sizeof(Service.Queue).mean为各类型充换电设施对应的等候队列长度均值，LMean为运营商和用户可接受的各类型充换电设施的等候队列长度均值的上限。275（2）用户平均等候时长约束：t.meanTQueue_SlowMeanSlowtQueue_Fast.meanTMeanFast(20)t.meanTQueue_SwitchMeanSwitch其中，tQueue.mean为各类型充换电设施队列中用户等待时间的均值，TMean为用户可接受的各类型充换电设施的等待时间均值的上限。（3）充换电设施冗余度约束utilization1rateSlowredundancy280utilizationFast1rateredundancy(21)utilization1rateSwitchredundancy其中，rate为充换电设施的备用设施比例。redundancy3.3优化算法本文所提优化模型建立在电动汽车充换电站的多范式运营仿真模型的基础上，借助多范TM式建模与仿真平台Anylogic中集成的OptQuest优化器，采用元启发式算法对优化模型进285行求解。4算例分析算例参考某地区电动汽车和充换电设施建设实际数据，该地区的电动私家车保有量约1000辆，电动出租车保有量约500辆，目前建有5座集中充换电站（规模相同），站内配-11- 中国科技论文在线http://www.paper.edu.cn置交流慢充设施15台，直流快充设施21台，电池更换设施30台。290本节中首先基于本文建立的电动汽车充换电站的多范式运营仿真模型，对原充换电站的运营服务指标进行评估，分析站内给类型充换电设施配置情况；然后通过本文所提充换电站配置优化模型对原充换电站进行配置优化，对比优化前后的运营服务指标，验证所提模型的正确性和有效性。4.1充换电站运营服务指标评估295充换电站运营模型参数设置如下：电动私家车保有量约1000辆，电动出租车保有量约500辆，充换电站（规模相同）5座，交流慢充设施15台，直流快充设施21台，电池更换设施30台。利用本文所提的电动汽车充换电站的多范式运营仿真模型，对充换电站运营服务指标进行评估，结果如下：（1）设施利用率：300原充换电站各类型充换电设施的利用率如表5所示。从设施利用率指标明显可以看出，交流慢充设施配置数量不足，而直流快充和电池更换设施配置数量过多。表5原充换电站各类型充换电设施利用率设施类型设施利用率交流慢充设施0.999直流快充设施0.123电池更换设施0.039（2）等待队列长度和设施服务人数：原充换电站各类型充换电设施不同时刻的等待队列长度和设施服务人数分布统计情况305如图4所示。统计结果统一显示出交流慢充设施数量过少，等待人数较多；而直流快充和电池更换设施数量过多，排队人数基本为零。等设待施队服列务长人度数时刻时刻(a)等待队列长度随时间分布情况(b)设施服务人数随时间分布情况图4等待队列长度和设施服务人数随时间分布情况（3）用户等待时间分布：-12- 中国科技论文在线http://www.paper.edu.cn310根据前两项运营服务指标统计结果，直流快充和电池更换设施配置冗余度过高，等待人数基本为零，显然等待时间也基本为零。因此，用户等待时间指标只对交流慢充设施进行统计，结果如图5所示。统计结果显示，交流慢充设施中用户的等待时间严重超过用户接受范围，需要增加设施数量以满足需要。概率等待时间（分钟）315图5交流慢充设施中用户等待时间概率分布情况总体看来，原充换电站的设施配置方案主要存在两方面问题：一是交流慢充设施数量不足，无法满足用户需求；二是直流快充和电池更换设施配置冗余度过高，导致大部分设施闲置，设施利用率过低。4.2充换电站配置优化方案320对于原充换电站设施配置方案存在的问题，可通过本文提出的基于多范式建模与仿真的充换电站优化配置模型对其进行优化。4.2.1优化模型参数设置具体算例中对式（19）~（21）的约束条件取值范围设置如下：（1）平均队列长度约束：sizeof(ServiceSlow.Queue).mean15325sizeof(ServiceFast.Queue).mean10sizeof(Service.Queue).mean5Swithc（2）用户平均等候时长约束：t.mean30minQueue_SlowtQueue_Fast.mean10mint.mean5minQueue_Switch（3）充换电设施冗余度约束utilizationSlow85%utilizationFast85%utilization85%Switch-13- 中国科技论文在线http://www.paper.edu.cn3304.2.2充换电站配置优化方案和运营服务指标得到的充换电站配置优化方案如表6所示：表6充换电站优化配置方案设施类型数量设施利用率交流慢充设施220.72直流快充设施60.428电池更换设施30.548优化后的充换电站运营服务指标评估结果如图6、图7所示：等设待施队服列务长人度数时刻时刻(a)等待队列长度随时间分布情况(b)设施服务人数随时间分布情况335图6优化后等待队列长度和设施服务人数随时间分布情况概概率率等待时间等待时间(a)交流慢充设施中等待时间分布情况(b)直流快充设施中等待时间分布情况（分钟）（分钟）概率等待时间(c)电池更换设施中等待时间分布情况（分钟）图7优化后各类型设施中用户等待时间概率分布情况-14- 中国科技论文在线http://www.paper.edu.cn可以看出，优化后的交流慢充设施的等待队列长度和用户等待时间明显缩短；而直流快充和电池更换设施在提高利用率的同时，依然可以满足用户的充换电需求。评估结果验证了340本文所提的基于多范式建模与仿真的充换电站优化配置模型的正确性和有效性。5结论本文基于多范式建模与仿真理论，将基于Agent的建模与仿真方法(Agent-basedModelandSimulation,ABMS)与离散事件建模与仿真方法(DiscreteEventModelandSimulation，DEMS)相结合，共同构建了考虑多类型电动汽车和充换电设施的充换电站的运营和优化配345置模型。本文首先对充换电站模型涉及的各类组件，即多类型电动汽车和充换电设施构建了相应的Agent类；然后基于与离散事件建模与仿真方法模拟多类型电动汽车和充换电设施的交互关系，建立了充换电站运营仿真模型，提出了充换电站运营、服务评价指标，并利用Anylogic多范式软件平台搭建仿真模型；最后基于充换电站的多范式仿真模型提出了电动汽车充换电站设施配置优化模型，并对某地区电动汽车和充换电站实际数据进行了算例分析，350验证了所提模型的正确性和有效性。[参考文献](References)[1]FerdowsiM.Vehiclefleetasadistributedenergystoragesystemforthepowergrid[C]//2009IEEEPower&EnergySocietyGeneralMeeting.2009.[2]SongY,YangX,LuZ.Integrationofplug-inhybridandelectricvehicles:experiencefromChina[C]//Power355andEnergySocietyGeneralMeeting,2010IEEE.IEEE,2010:1-6.[3]WangC,YangJ,LiuN,etal.Studyonsitingandsizingofbattery-switchstation[C]//InternationalConferenceonElectricUtilityDeregulationandRestructuringandPowerTechnologies.IEEE,2011:657-662.[4]CavadasJ,GouveiaJ.AMIPmodelforlocatingslow-chargingstationsforelectricvehiclesinurbanareasaccountingfordrivertours[J].TransportationResearchPartELogistics&TransportationReview,2015,36075:188-201.[5]李如琦,苏浩益.基于排队论的电动汽车充电设施优化配置[J].电力系统自动化,2011,35(14):58-61.[6]VangheluweH,LaraJD,MostermanPJ.Anintroductiontomulti-paradigmmodellingandsimulation[C]//AisConference.2002:9-20.[7]HollandJH,MillerJH.ArtificialAdaptiveAgentsinEconomicTheory[J].AmericanEconomicReview,1991,36581(2):365-371.[8]TesfatsionL.GrowingArtificialSocieties:SocialSciencefromtheBottomup.byJoshuaM.Epstein;RobertAxtell[M]//GrowingArtificialSocieties:SocialSciencefromtheBottomUp.BRADFORDBOOKCOINC,1996:113-116(4).[9]BonabeauE.Agent-basedmodeling:Methodsandtechniquesforsimulatinghumansystems[J].Proceedingsof370theNationalAcademyofSciencesoftheUnitedStatesofAmerica,2002,99Suppl3(Supplement3):7280.[10]NorthMJ,MacalCM.ManagingBusinessComplexity:DiscoveringStrategicSolutionsWithAgent-BasedModelingandSimulation[M].OxfordUniversityPress,2007.[11]MichaelJ.North,CharlesM.Macal.企业复杂性管理:基于Agent建模与仿真的战略性解决方案:discoveringstrategicsolutionswithagent-basedmodelingandsimulation[M].科学出版社,2014.375[12]上海市城乡建设和交通发展研究院.上海市第五次综合交通调查主要成果[Z].交通与运输,2015.[13]朱玉龙：全面解读电动汽车续航里程问题[OL].http://www.d1ev.com/39193.html.[14]德勤：全球消费者对电动汽车的购买意愿调查[OL].http://auto.gasgoo.com/News/2011/04/210820472047318864724.shtml.[15]2014年我国出租车行业现状分析[OL].http://www.chinabgao.com/k/chuzuche/2067.html.380[16]上海市总工会.本市出租车司机劳动就业与收入状况调查[OL].http://www.shzgh.org.html[17]充电效率影响电动汽车使用成本[OL].http://www.d1ev.com/36377.html.[18]G.Gordon,SystemSimulation[M].Prentice-HallInc.,1978.[19]顾启泰.离散事件系统建模与仿真[M].清华大学出版社,1999.[20]TaylorJ,MaitraA,AlexanderM,etal.Evaluationoftheimpactofplug-inelectricvehicleloadingon385distributionsystemoperations[C]//Power&EnergySocietyGeneralMeeting,2009.PES"09.IEEE.IEEEXplore,2009:1-6.-15-'