公路交通科技  2022, Vol. 39 Issue (7): 166-171, 180

扩展功能

文章信息

易校石, 祁宝川, 易正俊
YI Xiao-shi, QI Bao-chuan, YI Zheng-jun
新能源电动汽车充电桩的优化选址
Optimized Location of Charging Piles for New Energy Electric Vehicles
公路交通科技, 2022, 39(7): 166-171
Journal of Highway and Transportation Research and Denelopment, 2022, 39(7): 166-171
10.3969/j.issn.1002-0268.2022.07.021

文章历史

收稿日期: 2021-06-15
新能源电动汽车充电桩的优化选址
易校石1 , 祁宝川2 , 易正俊3     
1. 伊犁师范大学 数学与统计学院, 新疆 伊宁 835000;
2. 伊犁师范大学 污染物化学与环境治理重点实验室, 新疆 伊宁 835000;
3. 重庆大学 数学与统计学院, 重庆 401331
摘要: 新能源电动汽车的快速发展对于减少温室气体排放和降低化石燃料消耗具有重大意义。然而, 电动汽车快速增长带来的充电站数量不足、分布不均、成本高昂等一系列问题日趋严重。因此, 合理规划充电站的位置和数量对用户、电网和投资者具有重要价值。针对充电桩面临的运营效率不高、前期投资规模大、回报周期长的难题, 综合考虑充电桩建设成本、预计线路改造投资成本、预计公变改造成本、车位租赁成本和运营成本等影响充电桩经济效益的因素, 并按照统计学原理对这些因素进行度量, 构建了一个以统计数据为基础的利润函数。然后将投资回报年限作为充电桩选址的目标函数, 得到充电桩选址优化模型。将模型的求解问题转化为利润函数零点的搜寻问题, 把二分法搜索的零点对应到每个充电桩最短的投资回收年限, 并将其排序为充电桩的投资决策提供依据。结果表明: 模拟仿真结果与实际情况具有较高的一致性, 证明该研究内容和方法能够帮助投资方对电动汽车充电桩进行优化选址, 根据自身的资金情况合理投资备选充电桩, 进而缩短充电桩投资回报周期; 同时也为新能源电动汽车用户提供了一个便捷的服务环境, 提升了新能源电动汽车的市场竞争力, 减少燃油汽车的使用, 降低汽车尾气排放量, 加快实现碳的零排放, 净化人类生存环境。
关键词: 运输经济     选址模型     二分法     充电桩     新能源    
Optimized Location of Charging Piles for New Energy Electric Vehicles
YI Xiao-shi1, QI Bao-chuan2, YI Zheng-jun3    
1. School of Mathematics and Statistics, Yili Normal University, Yining Xinjiang 835000, China;
2. Key Laboratory of Pollutant Chemistry and Environmental Treatment, Yili Normal University, Yining Xinjiang 835000, China;
3. School of Mathematics and Statistics, Chongqing University, Chongqing 401331, China
Abstract: The rapid development of new energy electric vehicles is of great significance for reducing greenhouse gas emissions and reducing fossil fuel consumption. However, the rapid growth of electric vehicles has brought about various problems related to insufficient numbers, uneven distribution, and the high cost of charging stations. Therefore, the rational planning of the location and number of charging stations hold great value for users, power grids, and investors. Aiming at the problems faced by charging piles such as low operational efficiency, large scale of upfront investment, and long return period, a profit function based on statistical data is constructed by comprehensively considering the construction cost of charging piles, the estimated investment cost of line transformation, the estimated cost of public change transformation, the rental cost of parking space and the operating cost, which are measured according to statistical principles. Then, taking the investment return period as the objective function of charging pile location, the charging pile location optimization model is obtained. The solution of the model is converted into search for the zero point of the profit function, the zero point searched by the dichotomy is corresponded to the shortest investment payback period of each charging pile, and its ranking is used as the basis for the investment decision of charging piles. The result shows that (1) the simulation result is consistent with the actual situation, which proves that the research content and method can help investors to optimize the location of electric vehicle charging piles, and reasonably invest in alternative charging piles according to their own capital conditions, thereby shortening the investment return period of charging piles; (2) it also provides a convenient service environment for new energy electric vehicle users, enhances the market competitiveness of new energy electric vehicles, reduces the use of fuel vehicles and exhaust emissions, and accelerates the realization of zero carbon emissions for a better humane living environment.
Key words: transport economics     location model     dichotomy     charging pile     new energy    
0 引言

近年来,由燃油汽车所引起的能源问题和日益增长的环境矛盾[1]已经成为我们关注的问题。很多国家,尤其是发达国家都想抢占汽车发展的制高点,制造新能源汽车,而新能源电动汽车逐渐成为了汽车行业一个新的发展趋势[2-3]。显然利用电动汽车代替燃油汽车是汽车行业发展的新方向,可以用于解决能源问题,同时规避一些环境问题。我国正在建设国家、地方、企业三级电动汽车监测平台,平台做了关于车辆、充电桩的基本信息(包括车辆行驶、电量信息和充电桩充电信息等多种信息)的采集,与此同时实现对这些信息的实时监管和更新[4],而在其档案管理和历史数据统计分析等方面也实现了功能性保障。国家平台已经完成与重庆、上海等多个地方政府平台的对接工作,这一举措让电动汽车如雨后春笋般发展起来,从而使充电桩需求量急剧增加。充电桩的需求主要体现在服务水平和分布均衡[5-7]两个方面。为了提升电动汽车用户的整体体验感和舒适度,需将充电桩的位置和数量合理规划,使其既能尽量降低充电桩的建设成本,又能推动电动汽车产业的健康发展,带来更好的经济利益[8-10]。本研究为了对充电桩选址进行科学合理的规划,首先找出充电桩选址的影响因素,根据统计学的原理对这些影响因素进行度量,合理规划各站点的经济收入、充电桩的建设费用、预计线路改造投资费用、预计公变改造费用、车位租赁费用和充电桩的运营费用,然后建立每个充电桩的经济效益函数,在此基础上为充电桩建立一个以投资回收年限最短的优化选址模型,并对最优模型进行求解。

1 充电桩收入的度量方法

充电桩是电网公司或社会其他单位或个人投资修建的,投资回报的多少依赖于充电服务费用的单位价格。假设充电服务价格在一个固定的时间内是稳定的,投资人投资修建的充电桩的回报额仅依赖于充电桩所在辖区的电动车辆的充电量,那么测定充电桩的电动车辆充电需求量必须同时测定充电桩静态的和动态转移的充电量两个因素[11-14]

1.1 充电桩静态的充电需求量的估计

设1 a按照12个月计算,充电桩li年平均每月充电需求量估计为vli度,但考虑到充电桩l所辖区域的电动汽车有一个年增长率,会导致充电桩l的充电需求量增加,如果充电桩l覆盖区域的充电需求量年增长率为rl,充电桩li年的估计充电量Qli为:

(1)
1.2 充电桩之间的充电需求量的动态转移估计

充电桩l本身所在区域的电动汽车有可能转移到近邻的充电桩m去充电,设ρlm表示充电桩l向充电桩m的需求转移系数,ρlm的大小与这2个充电桩之间的距离dlm有关,显然dlm越大,ρlm就越小,为保证转移系数ρlm在0~1之间,又与充电桩之间的距离有关,且不影响优化目标,转移系数可取:

(2)

显然充电桩的充电需求转移系数矩阵是一个对称阵,满足ρlm=ρml,假设规划了M个充电桩,转移系数矩阵见表 1

表 1 充电桩之间的充电需求转移系数矩阵 Tab. 1 Transfer coefficient matrix of charging demand between charging piles
充电桩1 充电桩2 充电桩3 充电桩M
充电桩1 0 ρ12 ρ13 ρ1M
充电桩2 ρ21 0 ρ23 ρ2M
充电桩3 ρ31 ρ32 0 ρ3M
充电桩M ρM1 ρM2 ρM3 0

充电桩l在第i年向充电桩m的转移充电需求量TQlm为:

(3)
1.3 充电桩充电需求量的估计

充电桩l在第i年的充电需求量应该等于估计的静态充电需求量加上其他充电桩转移到充电桩l的充电需求量再减去充电桩l转移到其他充电桩的充电需求量[15]。假设充电桩系统里有M个充电桩,则有:

充电桩l在第i年估计的静态充电需求量:

(4)

其他充电桩在第i年转移到充电桩l的充电需求量:

(5)

充电桩l在第i年转移到其他充电桩的充电需求量:

(6)

因此充电桩l在第i年的估计充电需求量为:

(7)
1.4 充电桩的最终收入的度量

每一个充电桩均有其使用寿命,设充电桩l的寿命为Nl年,第l年的充电需求量为Vli。实际充电量和估计充电量的比值为fli,充电桩每度电的价格为p元,充电桩l的收入为,由于p是一个常数,不影响经济效益的比较,可取p=1;为避免数据较大,在计算机中产生溢出,一般采用万元为单位,所以充电桩l的总收入按照下式计算:

(8)
2 投资充电桩建设成本的预算

投资充电桩的建设费用的高低取决于充电桩的类别,因为直流充电桩和交流充电桩的建设成本有较大的差异。通常充电用户对交流充电桩有较强的偏好性,因为电动汽车使用交流充电桩充电在较短的时间内就能完成,但交流充电桩的建设成本远高于直流充电桩。除此之外,车位的租赁成本、预计线路和预计公变的改造成本及充电桩的运营成本也应该计入到投资充电桩的建设成本中去。

2.1 充电桩的建设成本

充电桩的类型包括交流、直流充电桩两种,也称为快充桩和慢充桩[16]。快充桩的优点是充电耗时短,但缺点是建造成本高。是否建设快充桩依据用户选择快充的比例R,给定一个阈值R0,如果快充比例RR0,则该站点建立一个快充桩是可以获利的,否则只建设慢充桩。

假设用Xdc表示快充桩的建造个数,Xac表示慢充桩的建造个数, 则:

(9)

设快充桩的充电功率为P1, 慢充桩的充电功率为P2,充电桩平均每小时的充电量AV应为交流桩和直流桩的充电量的和,即:AV=P1Xdc+P2Xac,假设1 d按照24 h,1个月按照30 d计算,则1个月的充电量为30×24AV,但充电桩不是24 h连续充电,应该存在一个充电桩的使用率η,充电桩的供电量为(30×24AV)η。由于电动汽车用户在开始的保有量比较少,需要经历一个时间段的快速增长才能进入稳定,为了不造成资源浪费,在设计充电桩的供电量时要保证稳定时期的供电需求量,假设充电桩l在稳定时的供电需求量为Vl0,则:

(10)

将快充桩的成本设为cdc万元/台,慢充桩的成本设为cac万元/台,则充电桩l的总成本Cl1度量公式用线性函数表达为:

(11)
2.2 预计线路改造的投资成本

充电站的地理位置、规模及需要拥有的基础设施直接决定了预计线路改造成本的高低。如果某个充电桩的电动汽车用户充电需求功率大于该线路剩余输送视在功率,则线路改造就必须实施,产生的成本就成为预计线路的改造成本。用L表示某充电桩线路改造成本,该站点线路l剩余输送视在功率记为SPl,在实际应用中线路的改造规则是充电桩平均每小时的充电量AV大于SPl的某个百分比m0时就产生改造费用Cl2,其计算公式如下:

(12)
2.3 预计公变改造成本

充电桩是否增加公变取决于预选站点平均每小时的充电需求量AV,若AV < AV0,则不增加公变; 若AV>AV0,就必须增加1台公变,但不同的公变类型也对应不同的价格。用εi表示公变的类型,取值为0或1,GLl表示充电桩l的公变理论剩余容量,m表示公变理论剩余容量的某个百分比,pi表示相应的价格。若有G种公变类型,则有:

(13)
(14)

预计公变改造费用Cl3的计算公式为:

(15)
2.4 车位租赁成本

充电桩所处的地理位置是影响车位租赁费用的一个重要的影响因素。国家政府的相关文件规定:政府机关的车位费用为0, 教育医疗单位的车位费用为0.5万元/年,商场及住宅小区的车位费用为0.8万元/年。设T表示单个车位的租赁费用,车位租赁成本费用Cl4为:

(16)
2.5 充电桩的运营成本

C51C52分别设为快充桩和慢充桩的运营费用,获得充电桩的运营费用Cl5计算公式表达如下:

(17)

综上所述,充电桩l站点的投资费用Fl2为:

(18)

式中,Cl1+Cl2+Cl3为一次性成本;Cl4·Nl+Cl5·Nl为车位租赁费和充电桩运营费。

3 充电桩选址优化模型构建

充电桩选址的优化需要满足政府或公司的投资回收周期, 应该使投资回收周期尽可能短, 把收回投资的最小年限作为目标函数,需要计算累积收益和累积成本,当累积成本与累积收益近似相等时的年限就是投资回收的最短年限。

设充电桩lk(1≤kNl)年的累计收入为:

(19)

设充电桩lk(1≤kNl)年的累计成本为:

(20)

充电桩l投资回收最短年限可以转化为下面优化问题的求解:

(21)
4 模型求解的算法

充电桩l的累计净利润δlk=Flk-Clk,由于是计算充电桩的累计收入,显然累计收入是递增的,累计成本虽然也是单调递增的,但由于充电桩的建设成本是固定的,每一年的运行成本也是固定的,考虑到每一年充电桩的充电需求量在增加,所以每一年收入的增加量应该大于支付的固定成本费用,因此δlk=Flk-Clk是一个严格单增的函数。

δl1=-Cl1 < 0,δlNl=FlNl-ClNl < 0,表明该充电桩在使用寿命内无法收回投资;若δl1=-Cl1 < 0,δlNl>0,根据零点定理,在(1, Nl)中至少有1个0点,又因为δlNl单调递增,因此有且仅有1个0点[17-18]

由于lk是离散的整数,在求解最优化问题时,可以采用二分法求解k,其步骤如下:

步骤1:计算δlNl=FlNl-ClNl,若δlNl < 0,优化问题无解;

步骤2:选取初值b←0, uNl

步骤3:分别表示下取整和上取整),计算δlm, δln

步骤4:若δlm>0, δln>0,则um;若δlm < 0, δln<0,则bn

步骤5:转至步骤3,直至满足条件δlm < 0且δln>0,返回n

5 模拟仿真

为了验证算法的有效性,本研究将充电桩选址模型应用于实际问题,从某直辖市电网获取了该市充电桩的备选站点A,B,C,D,E,F,G,H,I,J,K,L,M,N,O共15个站点,获得的相关信息如表 2所示。

表 2 备选站点的统计指标信息 Tab. 2 Statistics indicator information of alternative stations
统计指标 预选站点
A B C E O
本地充电需求量Vli 1 538.37 421.84 988.36 787.99 1 457.08
充电年增长率rl 0.25 0.22 0.21 0.19 0.22
实际充电比例fli 0.7 0.7 0.7 0.7 0.7
快充选择比例R 0.42 0.21 0.22 0.32 0.21
充电桩使用率η 0.25 0.25 0.25 0.25 0.25
线路改造费用Kl 730 1 392 400 750 840
剩余视在功率SPl 29.8 2 936.8 2 486.72 910.36 2 389.72
公变剩余容量GLl 61 529 0 0 31
车位租赁费用T 0.8 0.5 0 0.5 0.5

利用充电桩候选站点之间的充电需求转移系数计算方法得到转移系数矩阵,见表 3

表 3 充电桩之间充电量转移系数矩阵 Tab. 3 Transfer coefficient matrix of charging amount between charging piles
预选站点 A B N O
A 0 1.072 9×10-4 4.575 3×10-8 4.575 3×10-8
B 1.072 9×10-4 0 6.144 2×10-6 9.189 8×10-7
N 4.575 3×10-8 6.144 2×10-6 0 4.540 0×10-5
O 4.575 3×10-8 9.189 8×10-7 4.540 0×10-5 0

模型的参数: 在充电功率方面,将快充桩充电功率和慢充桩充电功率分别表示为P1P2,其相应的成本cdccac是确定的;快充比例阈值R0、剩余输送视在功率的百分比m0、公变理论剩余容量百分比m及稳定的充电需求量Vl0是根据实践经验所确定,不同地区的取值可能有所差异,对重庆地区的这些参数取值见表 4

表 4 重庆市充电桩选址模型参数的取值 Tab. 4 Values of model parameters for charging pile location in Chongqing
参数名称 P1 cdc P2 cac R0/% m0/% m/% Vl0
参数取值 37.5 2 7 0.6 20 90 90 V5

表 4中的稳定充电需求量之所以取第5年的充电需求量是因为,经调研电动汽车用户需求一般情况下在5 a快速增长后会进入稳定期。

新增公变及新增公变的类型取决于充电桩平均每小时的充电需求量AV的取值,不同的新增公变类型目前的公变价格存在显著差别,见表 5

表 5 新增公变的数量、类型及成本 Tab. 5 Number, type and cost of new public change
AV的取值 公变数量、类型及成本
新增公变数量 新增公变类型 新增公变成本/万元
AVAV0=108 kW 0 0 0
108 kW=AV0AVAV1=180 kW 1 200 KVA 20(p1)
180 kW=AV1AVAV2=450 kW 1 500 KVA 30(p2)
450 kW=AV2AVAV3=567 kW 1 630 KVA 35(p3)

根据现有C51=C52=0.55万元/a可知, 快充桩和慢充桩在运营方面的费用是相同的。根据表 5中表述的模型求解算法,得到每一个备选充电桩收回成本的最短年限、对应的建快充桩的个数、慢充桩的个数、是否需要线路改造和是否需要新增公变,如表 6所示。其中线路改造和公变新增列的“0”表示不需要,“1”表示需要。

表 6 充电桩备选站点计算结果 Tab. 6 Calculated charging pile alternative stations
预选站点 统计指标
成本回收最短年限N 快充桩个数Xdc 慢充桩个数Xac 改造线路 新增公变
F 11 1 22 0 1
C 12 1 1 0 1
N 13 0 3 0 0
J 14 1 1 0 0
E 14 1 1 0 1
H 14 1 2 0 1
I 19 0 13 0 0
D 20 1 4 0 1
A 23 1 5 1 1

表 6中可以看出,政府或公司对充电桩的建设进行投资,若以投资回收最短年限为目标,最优的预选桩址为F,最短的投资回收年限为11 a,直流桩个数为1,交流桩个数为22,无需线路改造,需要新增公变;其次为C,最短投资回收年限为12 a,直流桩、交流桩的个数分别为1和1,无需线路改造,需要新增公变,依次类推。投资单位可根据自身资金选择1个或多个预选桩址进行投资建设。当然,在用户数量不变的情况下,如果充电桩的数量发生变化,将会影响充电桩投资的回收时间,如在已有的充电桩基础上新增充电桩,会影响已有充电桩投资的回收时间,新增充电桩会延缓现有充电桩的投资回收时间;但新能源汽车是汽车未来发展的趋势,电动车辆将不断增加,充电桩的增加表明现有充电桩不能满足需求,一般来说充电桩的增加并不等于投资回收时间的增加。

6 结论

为配合国家调整汽车产业发展的战略,发展新能源汽车,减少燃油消耗和大气污染,本研究对充电桩的经济效益度量所涉及的因素进行了充分的调研,准确地理解国家政策,了解电动汽车的性能和运行机理,与电力行业的专家频繁交流,最后提出了对充电桩的经济效益较为精确的度量方法,并为充电桩的优化选址建立了一个以投资回收年限最短的优化模型,并对优化模型提出了一种快速稳定的算法,该算法能够准确地判定最优解所在的范围,提升了算法的收敛速度,模拟仿真的结果与实际调查的结果具有良好的一致性,实现了投资方基于数据分析的决策,确保电动汽车行业健康稳定的发展,协助解决国家的重大需求问题。

参考文献
[1]
李晓娟, 刘晶鑫, 霍月英, 等. 基于电力损耗预测的共享纯电动汽车路径优化方法[J]. 公路交通科技, 2021, 38(4): 103-111.
LI Xiao-juan, LIU Jing-xin, HUO Yue-ying, et al. A Route Optimization Method for Shared Pure Electric Vehicle Based on Power Loss Prediction[J]. Journal of Highway and Transportation Research and Development, 2021, 38(4): 103-111.
[2]
毕军, 王永兴, 赵小梅, 等. 考虑充电站效益的电动汽车充电分配优化模型[J]. 公路交通科技, 2018, 35(3): 117-125.
BI Jun, WANG Yong-xing, ZHAO Xiao-mei, et al. An Optimization Model for Electric Vehicles Charging Assignment Considering Charging Station Benefits[J]. Journal of Highway and Transportation Research and Development, 2018, 35(3): 117-125.
[3]
席利贺, 张欣, 吴建政, 等. 基于动态规划与神经网络的增程式电动汽车能量管理策略研究[J]. 公路交通科技, 2018, 35(9): 128-136.
XI Li-he, ZHANG Xin, WU Jian-zheng, et al. Study on Energy Management Strategy for Extended-range Electric Vehicle Based on Dynamic Programming and Neural Network[J]. Journal of Highway and Transportation Research and Development, 2018, 35(9): 128-136.
[4]
齐琳, 姚俭, 王心月. 基于改进粒子群算法的电动汽车充电站布局优化[J]. 公路交通科技, 2017, 34(6): 136-143.
QI Lin, YAO Jian, WANG Xin-yue. Optimizing Layout of Electric Vehicle Charging Station Based on Improved Particle Swarm Optimization Algorithm[J]. Journal of Highway and Transportation Research and Development, 2017, 34(6): 136-143.
[5]
于泉, 姜天晓, 荣建. 基于爬山法和二分法的路网容量压力测试研究[J]. 公路交通科技, 2011, 28(2): 111-115, 126.
YU Quan, JIANG Tian-xiao, RONG Jian. Research on Stress Test of Road Network Capacity Based on Hill-climbing and Dichotomy[J]. Journal of Highway and Transportation Research and Development, 2011, 28(2): 111-115, 126.
[6]
张卫华, 王炜, 胡刚. 基于低交通能源消耗的城市发展策略[J]. 公路交通科技, 2003, 20(1): 80-84.
ZHANG Wei-hua, WANG Wei, HU Gang. Strategies on Urban Development Based on Low Energy Consumption of Traffic[J]. Journal of Highway and Transportation Research and Development, 2003, 20(1): 80-84.
[7]
李鹏程, 杨婧, 张俊玮, 等. 电动汽车充电桩优化选址模型设计[J]. 电工技术, 2018(21): 47-50.
LI Peng-cheng, YANG Jing, ZHANG Jun-wei, et al. Design of Optimized Location Model for Electric Vehicle Charging Pile[J]. Electric Engineering, 2018(21): 47-50.
[8]
赵书强, 李志伟. 基于差分进化粒子群算法的城市电动汽车充电站最优规划[J]. 华北电力大学学报(自然科学版), 2015, 42(2): 1-7.
ZHAO Shu-qiang, LI Zhi-wei. Optimal Planning of Charging Station for Electric Vehicle Based on PSODE Algorithm[J]. Journal of North China Electric Power University, 2015, 42(2): 1-7.
[9]
梁辉, 杨超, 于绍政, 等. 电动汽车充电站选址和充电桩配置仿真优化[J]. 计算机仿真, 2017, 34(8): 168-172.
LIANG Hui, YANG Chao, YU Shao-zheng, et al. Research on Electric Vehicle Siting of Charging Stations and Configuration of Charging Pile Based on Simulation Optimization Method[J]. Computer Simulation, 2017, 34(8): 168-172.
[10]
董洁霜, 董智杰. 考虑建站费用的电动汽车充电站选址问题研究[J]. 森林工程, 2014, 30(6): 104-108.
DONG Jie-shuang, DONG Zhi-jie. Flow-refueling Models for Locating Alternative-fuel Stations with Consideration of Construction Cost[J]. Forest Engineering, 2014, 30(6): 104-108.
[11]
高建树, 王明强, 宋兆康, 等. 基于遗传算法的机场充电桩布局选址研究[J]. 计算机工程与应用, 2018, 54(23): 210-216.
GAO Jian-shu, WANG Ming-qiang, SONG Zhao-kang, et al. Study on Site Selection of Airport Charging Pile Based on Genetic Algorithm[J]. Computer Engineering and Applications, 2018, 54(23): 210-216.
[12]
徐凡, 俞国勤, 顾临峰, 等. 电动汽车充电站布局规划浅析[J]. 华东电力, 2009, 37(10): 1678-1682.
XU Fan, YU Guo-qin, GU Lin-feng, et al. Tentative Analysis of Layout of Electrical Vehicle Charging Stations[J]. East China Electric Power, 2009, 37(10): 1678-1682.
[13]
李菱, 李燕青, 姚玉海, 等. 基于遗传算法的电动汽车充电站的布局规划[J]. 华东电力, 2011, 39(6): 1004-1006.
LI Ling, LI Yan-qing, YAO Yu-hai, et al. Layout Planning of Electric Vehicle Charging Stations Based on Genetic Algorithm[J]. East China Electric Power, 2011, 39(6): 1004-1006.
[14]
刘强, 王春莉. 市场环境下电动汽车的电力服务[J]. 电力需求侧管理, 2007, 9(1): 45-47.
LIU Qiang, WANG Chun-li. Electric Power Service of Electric Automobile Based on Market Environment[J]. Power Demand Side Management, 2007, 9(1): 45-47.
[15]
姚建歆, 王媚, 罗伟明. 电动汽车充电系统建设应用分析研究[J]. 华东电力, 2008, 36(8): 107-110.
YAO Jian-xin, WANG Mei, LUO Wei-ming. Construction and Application of Charging Systems for Electric Mobiles[J]. East China Electric Power, 2008, 36(8): 107-110.
[16]
WANG H S, HUANG Q, ZHANG C H, et al. A Novel Approach for the Layout of Electric Vehicle Charging Station[C]// Proceedings of the 2010 International Conference on Apperceiving Computing and Intelligence Analysis. Chengdu: IEEE, 2010: 64-70.
[17]
张飞飞, 马群, 黄家庆, 等. 求解非线性方程组的二分法[J]. 科技创新导报, 2009(24): 150-151.
ZHANG Fei-fei, MA Qun, HUANG Jia-qing, et al. Dichotomy for Solving Nonlinear Equations[J]. Science and Technology Innovation Herald, 2009(24): 150-151.
[18]
袁邢华. 零点定理的证明[J]. 高师理科学刊, 2018, 38(7): 12-13.
YUAN Xing-hua. The Proof of Zero Point Theorem[J]. Journal of Science of Teachers' College and University, 2018, 38(7): 12-13.