吳佳龍,蔡曄,唐夏菲,曹一家,陳仲偉

(1.長沙理工大學電氣與信息工程學院,長沙市 410114;2. 能源互聯(lián)網(wǎng)供需運營湖南省重點實驗室(國網(wǎng)湖南省電力有限公司經(jīng)濟技術研究院),長沙市 410004)

0 引 言

自2020年下半年以來,中國新能源汽車市場一直保持高速增長。充電設施是維系電動汽車運行的能源補給基礎,根據(jù)中國電動汽車充電基礎設施促進聯(lián)盟(EVCIPA)發(fā)布的數(shù)據(jù):2022年1到12月,充電基礎設施增量為259.3萬臺,其中公共充電樁增量同比上漲91.6%,隨車配建私人充電樁增量持續(xù)上升,同比上升225.5%[1-2]。而電動汽車用戶的充電習慣與電動汽車充電價格息息相關[3],因此,提出合理的充電設施建設與定價指導方案,對于持續(xù)推進充電基礎設施的建設[4-5]、減少新能源波動帶來的影響[6-8]至關重要。

中國充電站行業(yè)處于快速增長期[9-11],研究充電站服務范圍對于運營商們分析市場情況具有重要意義。服務范圍是充電站市場競爭力的具象化結(jié)果[12-13],目前,國內(nèi)外缺乏對于充電設施服務范圍的研究,對于設施服務范圍的研究大多以機場[14-15]、物流園區(qū)[16-17]、城市經(jīng)濟區(qū)[18-19]等作為研究對象。結(jié)合可達性原理、克魯格曼指數(shù)等指標修正引力模型,采用規(guī)則化圓形展現(xiàn)服務范圍,或者基于加權Vonoroi圖提出充電站規(guī)劃方法[20-21]。這類方法為研究充電站服務范圍提供了思路,然而,多個充電站之間必然存在市場競爭關系,站與站之間的競爭會造成市場分布不均勻,充電站服務范圍必然會呈現(xiàn)不規(guī)則化。雖然加權Vonoroi圖方法優(yōu)化了服務范圍多邊化的問題,但只能在固定范圍內(nèi)進行市場區(qū)域的劃分,Isard法能夠平等地看待各個充電站,強調(diào)了誰在主導。

充電站運營商制定的實時電價是影響自身服務范圍的核心因素。合理的充電定價策略需達到4個目標,即:引導電動汽車用戶有序充電[22-23],提升運營商的利潤[24-25],提高充電樁的利用率,減小負荷峰谷差[26]。對于定價策略的研究,傳統(tǒng)零售商或者運營商對電價的制定,大多是從需求側(cè)入手,基于價格彈性矩陣調(diào)度需求側(cè)響應,制定分時電價[27-28];也有學者考慮到零售商在制定電價套餐時用戶的意愿與選擇,通過對用戶用電行為的分析,提出定價優(yōu)化模型[29-30]。但以上文獻都沒有考慮到動態(tài)電價的變化對于零售商或者運營商自身市場劃分的影響,缺乏對于動態(tài)服務范圍的分析。本文在考慮充電站自身利潤與電網(wǎng)輔助服務的基礎上制定動態(tài)電價策略,從實際場景上分析電價與充電站服務范圍的關系,為零售商或者運營商提供合理的定價建議。

綜上所述,刻畫充電站充電電價與服務范圍的相互影響,對于提升充電站效益與促進充電設施建設具有重要意義。為此,本文通過場強變化動態(tài)刻畫多主體市場競爭交互關系,通過考慮運營商收益與功率偏差的多目標優(yōu)化來制定實時電價,為充電站的規(guī)劃建設提供理論依據(jù)。

1 充電站服務范圍的場強模型

1.1 充電站服務范圍定義

二維空間中的一個設施或者一個企業(yè),會對于它自身周圍一定范圍內(nèi)的用戶產(chǎn)生吸引力,當用戶有需求時會選擇去該設施或企業(yè)滿足自身所需。充電站服務范圍表示以充電站作為一個提供充電服務的中心時周圍接受服務的電動汽車用戶在地域空間上的分布范圍,呈現(xiàn)不規(guī)則形狀,如圖1所示。圖1中充電站i與充電站j同時對電動汽車用戶a、b、c產(chǎn)生吸引力,虛線表示充電站散發(fā)出的服務范圍場強,兩種顏色表示兩個充電站各自服務范圍。

圖1 充電站服務范圍示意圖Fig.1 Charging station service area diagram

充電站對于周圍區(qū)域的吸引力不會突變,與點電荷產(chǎn)生的靜電場類似,具有典型的無旋有散度場特點。根據(jù)亥姆霍茲定理得知,無旋有散度場的函數(shù)與距離矢量R2成反比。因此類比點電荷電場強,定義充電站服務范圍場強為充電站對周圍充電需求區(qū)域的吸引強弱。

如果對某地區(qū)進行一定精度的柵格劃分,得到M個小網(wǎng)格區(qū)域,并定義為充電需求區(qū)域。任意一個充電站n都會對需求區(qū)域產(chǎn)生吸引力,從而產(chǎn)生服務范圍,這個服務范圍受周圍充電站以及自身參數(shù)限制。根據(jù)Isard提出的“最強占領法”:如果發(fā)現(xiàn)充電站n對需求區(qū)域k的服務范圍場強En.k,比其他充電站m對需求區(qū)域k的服務范圍場強Em.k都大,則識別需求區(qū)域k為充電站n的服務范圍,如式(1)所示:

Sn={S|En.k≥Em.k,m=1,…,N(m≠n)}

(1)

式中:Sn表示充電站n的服務范圍;S代表充電站的服務范圍劃分依據(jù);N為充電站總數(shù)。將需求區(qū)域k定義為市場需求區(qū)域,即式(1)表示在所有充電站中,充電站n對需求區(qū)域k的吸引力最大,則將需求區(qū)域k劃分為充電站n的服務范圍。

1.2 基于熵權法的充電站綜合實力評價指標體系

充電站服務范圍大小與自身綜合實力息息相關。評價充電站的綜合實力Cn的評價指標體系如圖2所示,主要包括:充電站的合同容量、充電站快充樁數(shù)、慢充樁數(shù)、服務費、充電價格等。

圖2 充電站綜合實力評價指標體系Fig.2 Charging station evaluation index system

圖2中,合同容量、快充樁數(shù)、慢充樁數(shù)等均為正向影響因素,這些因素的數(shù)值越高,充電站的綜合實力Cn越強,對周圍需求區(qū)域的吸引力越強,用戶更愿意去充電站n進行充電,服務范圍Sn越大。充電價格、服務費等均為負向影響因素,其值越大,充電站服務范圍越小。

依據(jù)熵值法對充電站的評價指標進行處理,得到充電站各指標的權重γ=(γ1,γ2,…,γI)。量化計算充電站n的綜合實力,如式(2)所示:

(2)

式中:γi為第i個指標的權重;ci為相關系數(shù),若γi為正相關評價指標則ci=1,若γi為負相關指標則ci=-1;Tn.i為第i項指標原始數(shù)值;Tmax.i為第i項指標最大值。

1.3 充電站的服務范圍場強模型

類比點電荷場強公式,考慮平均距離與綜合實力,計算充電站n對于充電需求區(qū)域k的服務范圍場強大小,建立以充電站為中心的服務范圍場強En.k,如式(3)所示。

(3)

式中:kc表示服務常量;rn.k為充電站n與需求區(qū)域k之間的距離,可通過經(jīng)緯度計算。

根據(jù)Wilson模型[31],充電站n對充電區(qū)域k的充電服務能力如式(4)所示:

Tn.k=KCnDke-βrn.k

(4)

式中:Tn.k為充電站n對充電區(qū)域k的充電服務能力;K為歸一化因子,描述充電站地域差異性,若忽略充電站n位置與需求區(qū)域k兩地的區(qū)域差異,則令K=1;Dk為充電區(qū)域k的負荷需求量;β為衰減因子,決定了服務衰減速度的快慢。

結(jié)合靜電力常量量綱,假設每個充電站服務常量相同,可推出kc如下所示:

(5)

(6)

式中:Cave為所有充電站的平均綜合實力;Dave為所有需求區(qū)域的平均需求量;rave為充電站與需求區(qū)域的平均距離;tmax表示利用社會科學統(tǒng)計軟件包(statistical package for the social sciences,SPSS)計算因子分析后綜合得分大于0的充電站個數(shù);Save_n表示全部充電站所在地區(qū)的平均面積。

2 基于充電站服務范圍的充電需求

(7)

充電站n在t時刻的充電需求qn.t受自身充電價格Pn.t、其他充電站m的價格Pm.t共同影響,如式(8)所示。其中,充電需求qn.t是關于自身價格Pn.t的負相關函數(shù),t時刻隨著充電價格Pn.t的上升,充電站n的充電需求qn.t隨之減少,并轉(zhuǎn)移至該區(qū)域內(nèi)其他充電站qm.t,導致充電站n的服務范圍減小,其他充電站m的服務范圍增大。

(8)

將充電需求qn.t與風光出力均轉(zhuǎn)換成標幺值,如式(9)所示:

(9)

充電站一天內(nèi)的收入En如式(10)所示:

(10)

為了驗證模型存在最優(yōu)解,對式(10)進一步計算,對模型求關于Pn.t與Pm.t的混合偏導數(shù),可以證明得到:

(11)

基于此可以得知模型擁有且存在唯一的納什均衡解,任意一個電動汽車充電站運營商n的收入由式(10)可以看出是一個關于充電價格Pn.t的二次函數(shù),由于Pn.t二次項系數(shù)為負數(shù),所以收入模型為凹函數(shù)且開口朝下。根據(jù)二次函數(shù)的性質(zhì)可知,充電站收入函數(shù)有且存在唯一的最大值點,因此模型存在最優(yōu)解。

3 基于服務范圍的實時定價優(yōu)化模型

當完全競爭的市場上有N家規(guī)模不同的充電站,且N家充電站分屬H家不同的運營商,且H≤N。假設充電負荷均分于整個地區(qū),用戶在需要充電的時間只會從N家充電站中選擇一家進行充電。

基于服務范圍的實時定價優(yōu)化的詳細過程如下:

1)讀取某地區(qū)N個充電站基礎數(shù)據(jù)與日前風光數(shù)據(jù),根據(jù)熵值法得到各指標的權重大小,進一步根據(jù)式(2)計算得到在不加入電價影響下的各充電站的初始綜合實力,同時在日前風光數(shù)據(jù)的基礎上加上功率偏差得到實時風光預測數(shù)據(jù)。

2)根據(jù)充電站各項指標數(shù)據(jù)計算得到式(4)中各項參數(shù),再根據(jù)式(3)計算得到各充電站服務范圍的初始場強En.k。

4)根據(jù)初始充電需求占比建立充電價格與充電需求之間的關系式以及充電站收入模型,如式(8)與式(10)所示。每個充電站的需求與收入都會受各個充電站電價變化的影響。

5)建立考慮利潤率與功率偏差率兩方面的多目標實時定價模型。實時優(yōu)化目標如式(12)所示,包括兩部分,第一部分以所有充電站總利潤率最大為目標,第二部分以功率偏差率最小為目標,以減少的功率偏差率表示目標函數(shù):

maxE=max(ωnEp_lr+ωbcEp_pc)

(12)

(13)

(14)

式中:Ep_lr表示充電站的利潤率;Ep_pc表示減少的功率偏差率;ωn表示各個充電站利潤率的權值;ωbc表示功率偏差率的權值;Pe為充電站購電成本;Pn.w為充電站運營維護成本;ΔPt為風光實時與日前的功率偏差量。優(yōu)化決策量為Pn.t,表示t時刻各充電站的電價。

優(yōu)化模型約束條件如下:

功率偏差率需滿足界限約束,如式(15)所示:

(15)

式中:Pev.t為日前充電負荷預測值。

各充電站的市場需求不超過日前充電負荷預測值,滿足市場需求約束,如式(16)所示:

0

(16)

風光實時與日前的功率偏差量滿足功率偏差約束,如式(17)所示:

ΔPt=PW.t+PL.t-Pw.t-Pl.t

(17)

式中:PW.t和Pw.t分別表示t時刻的實時和日前風電出力大小;PL.t和Pl.t分別表示t時刻光伏實時和日前出力。ΔPt>0表示t時刻風光實時出力大于日前預測出力,需要引導用戶充電增大充電負荷以消納多出的風光出力;ΔPt<0表示t時刻風光實時出力小于日前預測出力,需要鼓勵用戶減少充電負荷。

所有充電站的充電負荷滿足充電負荷約束,如式(18)所示:

(18)

式中:ξ為充電負荷約束參數(shù),表示各充電站的負荷之和不應該超過以ξ為參數(shù)的日前充電負荷的區(qū)間;ξl為充電負荷約束下限系數(shù);ξh為充電負荷約束上限系數(shù)。

充電價格滿足電價約束,如式(19)所示:

Pr.n(1-φl)≤Pn.t≤Pr.n(1+φh)

(19)

式中:φl為電價下限界限系數(shù);φh為電價上限界限系數(shù)。

6)參考國家能源局綜合司發(fā)布的《電力現(xiàn)貨市場基本規(guī)則(征求意見稿)》中的相關內(nèi)容[32],以15 min為分辨率將一天分為96個時間點。并以1 h為運行周期,基于MATLAB調(diào)用CPLEX與YALMIP對以利潤率與功率偏差率為對象的多目標優(yōu)化模型進行優(yōu)化求解,得到96個時間點N個充電站的動態(tài)電價Pn.t,以及各充電站優(yōu)化后的利潤率與功率偏差率。

7)由于優(yōu)化計算得到了各時刻的實時電價Pn.t,此時電價具有了時間屬性,因此再將實時電價加入到充電站的綜合實力評價模型式(2)中,隨著動態(tài)電價的實時變化波動,充電站的綜合實力Cn與服務范圍場強也同樣被賦予了時間屬性,會隨之發(fā)生變化,因此再根據(jù)式(1)與(3)仿真可以得到96個時間點N個充電站的實時動態(tài)服務范圍Sn.t=(S1.t,S2.t,…,SN.t)?；诖朔謩e選取處于峰谷平電價時段來分析充電站服務范圍的動態(tài)變化規(guī)律。

具體的求解流程如圖3所示。

圖3 實時定價優(yōu)化及求解流程圖Fig.3 Real-time optimization flow chart

4 算例仿真

4.1 充電站初始服務范圍劃分與定價策略

以長沙市芙蓉區(qū)充電站數(shù)據(jù)為例進行仿真驗證,本文充電站數(shù)據(jù)均來自于國網(wǎng)湖南省經(jīng)濟技術研究院科研項目“電動汽車充電設施網(wǎng)絡與配電網(wǎng)協(xié)同有序建設的研究與實踐”,風光出力為全湖南省的數(shù)據(jù)。采用ArcGIS軟件進行繪圖操作,對長沙市芙蓉區(qū)地圖進行經(jīng)緯度精度為0.000 5°的柵格劃分,得到芙蓉區(qū)16 288個市場區(qū)域。從芙蓉區(qū)選取三個代表性的充電站進行算例計算,三個充電站的基礎數(shù)據(jù)如附錄表A1所示。基于圖2指標體系,利用熵值法得到充電站各項指標權重如附錄表A2所示。SPSS因子分析后綜合得分大于0的充電站個數(shù)tmax=143,根據(jù)式(2)得到各充電站的綜合實力如附錄表A3所示?；贗sard公式(1),計算當不考慮充電價格交互影響時,各充電站初始服務范圍與初始占比,如圖4所示。

圖4 各充電站初始占比與服務范圍Fig.4 Initial radiation range of charging station

由圖4可以看出,在不考慮充電價格的影響時,充電站2的服務范圍最大。由于充電站2的快充樁數(shù)量較多,且周圍較近的區(qū)域沒有其他充電站與其競爭,因此其服務范圍占據(jù)了芙蓉區(qū)一半的區(qū)域。

由附錄表A3可知充電站1的綜合實力最大,所以它與充電站3服務范圍之間的界限呈現(xiàn)一個向內(nèi)彎曲的弧度,距兩個充電站越遠的區(qū)域更多的屬于充電站1。但由于自身位置偏僻,而且周圍有充電站3的競爭擠壓,導致其服務范圍在三個充電站中最小。

設定三個充電站的需求函數(shù)q1.t、q2.t、q3.t,選取式(18)充電負荷約束中ξl=0.8、ξh=1.2,式(19)電價界限約束中φl=φh=0.1。根據(jù)國家能源局綜合司發(fā)布的《關于進一步推動新型儲能參與電力市場和調(diào)度運用的通知》政策,湖南省代理購電價格Pe為0.462 44元/kWh。選取各充電站一天的維護成本P1.w=600元、P2.w=550元、P3.w=500元。根據(jù)項目數(shù)據(jù),某典型日的日前風光出力數(shù)據(jù)如附錄圖A1所示,設定風光預測誤差為5%,實時出力滿足正態(tài)分布。根據(jù)第3節(jié)的流程計算充電站在峰谷平時段的平均電價,如表1所示。

表1 充電站各時段平均電價Table1 Average electricity price of charging station in each period

由表1可知,充電站1與充電站2的電價均比政策電價低,而充電站3的電價比政策電價高。這主要是由于充電站1與2的綜合實力更高,意味著電動汽車用戶會更多的關注充電站1與2,對于價格變化更敏感,則式(8)中政策電價價差影響系數(shù)kp.n更大,低于政策電價能夠帶來更多的充電需求與利潤。而由于充電站3的綜合實力最小,用戶對其價格變化的關注度最低,故充電站3會通過設定比政策電價更高的價格(在峰時段上漲了0.013 7元/kWh,平時段上漲0.023 5元/kWh)來維持收益。

分析峰谷平時段充電站市場區(qū)域變化。選取06:00、10:00、18:00三個時間點,得到三個時間點各充電站所占市場區(qū)域數(shù)如附錄圖A2所示。由圖中可以看出充電站2由于競爭壓力小導致服務范圍變化不明顯,隨價格變化的服務范圍主要體現(xiàn)在充電站1與3之間,因此,本文主要分析充電站1與3服務范圍的變化,其所占市場區(qū)域數(shù)與價格變化如圖5所示。

圖5 充電站1與3所占區(qū)域數(shù)與電價變化Fig.5 The number of areas occupied by charging stations 1 and 3 and the change of tariff

加入了實時電價的影響后,充電站1由于綜合實力更高,同時兩者電價相差僅為0.020 0元/kWh,因此所占市場比例從圖4的17%上升到20%(06:00市場區(qū)域數(shù)為3 212),相應的離充電站1較近的充電站3由于實力更小,其部分服務范圍被奪走,從33%下降到29%。

隨著峰谷平電價的變化,充電站1由于電價的上升,所占市場區(qū)域數(shù)從谷時段到峰時段減少了245個,相對地,充電站3則增加了253個所占市場區(qū)域數(shù)。前面已經(jīng)說明了用戶對于綜合實力更高的充電站價格敏感度更高,因此,當綜合實力更高的充電站1電價升高后,充電站1的用戶下降的數(shù)量相比于充電站3更快,導致服務范圍的變化更大。

由此可見,充電價格與服務范圍受多方面因素影響:綜合實力、地理位置、周圍競爭對手數(shù)量等都會產(chǎn)生相應的影響。

4.2 充電站數(shù)量對服務范圍影響

增加充電站數(shù)量以分析不同充電站數(shù)量對于服務范圍、功率偏差率與利潤率的影響并驗證4.1節(jié)的相關結(jié)論。以5個充電站與8個充電站為例,充電站的數(shù)據(jù)如附錄表A4所示,初始服務范圍如附錄圖A3所示。

計算5個充電站的充電電價與綜合實力,如表2所示。8個充電站的充電電價與綜合實力如附錄表A5所示。

由表2可知,綜合實力較小的充電站4在各個時段相較于其他充電站電價更高,設定比政策電價更高的價格能夠獲得更多的利潤。而充電站1與2由于自身綜合實力最大,用戶對其關注度更高,適當?shù)亟档统潆婋妰r能夠獲得更多的充電需求與利潤,符合4.1節(jié)的結(jié)論。

同樣選取06:00、10:00、18:00三個時間點,得到三個時間點各充電站所占市場區(qū)域數(shù),如圖6所示。

圖6 5個充電站所占區(qū)域數(shù)與電價變化Fig.6 The number of areas occupied by 5 charging stations and the change of tariff

通過圖6與附錄圖A3可以看出,隨著峰谷平電價的上升,充電站3、4由于位置居中且周圍有較多充電站的存在,同時自身綜合實力較小,導致服務范圍變化較大,分別增減了89、207個市場區(qū)域數(shù),同樣根據(jù)附錄圖A4中8個充電站的案例也可以驗證以上結(jié)論。

按照6 h一間隔選取4個時間點,各時間點的充電站利潤率與功率偏差率如表3所示。

表3 不同充電站數(shù)量下平均利潤率與功率偏差Table 3 Average profitability and power deviation of charging stations at different volumes

從表3中可以看出,隨著參與競爭的充電站數(shù)量增加,采用政策電價獲得的利潤會逐步減小,凸顯了引入考慮服務范圍的定價策略的重要性。參與實時優(yōu)化的充電站數(shù)量從3個增加到5個和8個后,利潤率分別增加了2.60%、4.05%,功率偏差分別減少了764、1 309 kW。這主要是由于充電站數(shù)量的增多帶來了更多的優(yōu)化調(diào)節(jié)空間,參與到優(yōu)化的充電需求總量變高,充電站之間利潤分配更加合理,因此提升了充電站的利潤率,也更好地彌補了風光功率偏差。但因為充電站總體數(shù)量較少的緣故,對于整個湖南省的功率偏差調(diào)整效果不明顯。

4.3 與其他服務范圍劃分方法對比分析

為保證本文所提方法的優(yōu)越性,對其他服務范圍劃分方法與本文所提劃分方法的結(jié)果進行對比。本文選取基于改進Wilson模型的服務半徑計算方法與斷裂點模型的服務范圍劃分方法進行對比分析。

4.3.1 基于改進Wilson模型的服務范圍劃分

基于改進Wilson模型對各充電站服務范圍進行劃分,可以得到充電站服務范圍,如下式所示:

(20)

(21)

圖7 基于Wilson模型的服務范圍劃分Fig.7 Wilson model-based service range division

由圖7可以看出,采用改進Wilson模型得到的各充電站服務范圍呈現(xiàn)規(guī)則圓形,不符合現(xiàn)實中的復雜情況。并且充電站1與3之間服務范圍重疊的區(qū)域無法判斷屬于哪個充電站,此外整片區(qū)域還存在大量沒有被覆蓋的區(qū)域,市場劃分判斷不準確,對用戶起不了指導作用,因此本文所提服務范圍劃分方法更具有優(yōu)越性。

4.3.2 基于斷裂點模型的服務范圍劃分

基于斷裂點模型對各充電站進行服務范圍劃分,斷裂點為兩個充電站連線之間服務范圍的邊界點,基于此可以得到基于斷裂點模型的服務范圍劃分模型如下:

(22)

式中:Dn表示斷裂點到充電站n的距離;Dnm表示充電站n與m之間的距離。

基于式(22)可以計算得到各充電站距離斷裂點的距離:充電站1相對于充電站2的斷裂點距離D1=1.044 2 km,充電站2相對于充電站3斷裂點距離D2=4.126 7 km,充電站3相對于充電站2的斷裂點距離D3=3.814 4 km?；诖说玫交跀嗔腰c模型的服務范圍如圖8所示。

圖8 基于斷裂點模型的服務范圍劃分Fig.8 Service range division based on breakpoint model

由圖8可以看出,基于斷裂點模型得到的服務范圍劃分雖然能將整個區(qū)域覆蓋,但站與站之間通過直線劃分無法直接判斷充電站的實力大小,且缺乏考慮電價變化帶來的影響,因此本文所提方法更具有優(yōu)越性。

5 結(jié) 論

本文提出了一種基于Isard法的充電站服務范圍動態(tài)劃分方法與定價策略。通過加入動態(tài)優(yōu)化電價來模擬服務范圍的變化,能夠更好地體現(xiàn)綜合實力、充電電價與需求之間的關系。以長沙市芙蓉區(qū)為實例仿真得到了如下結(jié)論:

1)綜合實力更大的充電站能夠得到更多電動汽車用戶的關注,用戶對于充電站價格的波動變化更敏感,通過設定比政策電價更低的充電價格,往往能夠帶來更多的利潤。

2)充電站密集的區(qū)域競爭更加激烈,價格的波動引起的服務范圍變化更加明顯。相反,充電站稀疏的區(qū)域服務范圍更加穩(wěn)定,充電價格的波動對于服務范圍的影響更小,為運營商未來充電設施的修建規(guī)劃提供了參考意見。

3)隨著參與市場競爭的充電站數(shù)量增加,政策電價的利潤空間會逐步減小,可以通過基于服務范圍制定實時電價,提高各充電站的利潤。

附錄A

圖A3 各充電站初始占比與服務范圍Fig.A3 Initial radiation range of charging station

圖A4 8個充電站所占區(qū)域數(shù)與電價變化Fig.A4 The number of areas occupied by 8 charging stations and the change of tariff

圖A1 風光日前實時出力預測Fig.A1 Scenery predicts the output in real time

圖A2 各充電站所占區(qū)域數(shù)Fig.A2 Number of areas occupied by each charging station

表A1 充電站相關參數(shù)Table A1 Charging station related parameters

表A3 充電站初始綜合實力Table A3 Comprehensive strength of charging station

表A4 8個充電站相關參數(shù)Table A4 The 8 charging stations related parameters

表A5 8個充電站各時間段充電價格與綜合實力Table A5 The number of demand areas occupied by 8 charging stations for each time period

表A6 Wilson模型服務范圍劃分法的參數(shù)Table A6 Parameters for the Wilson model service range method