卡特蓄电池零碳货运走廊下考虑荷电状态和服务容量约束的纯电动卡车充电基础设施优化
来源：
卡特蓄电池 发布时间：2026-10-24 11:09:52 点击： 次
摘要
电池电动卡车（BETs）的大规模部署需要完善的充电基础设施；然而，现有的规划方法往往忽略了容量限制以及微观充电行为中固有的不确定性。本文提出了一种针对长途公路货运的四阶段充电基础设施规划方法，包括能源分析、单车蒙特卡洛模拟、混合整数线性规划（MILP）优化以及M/G/c后校准。该方法旨在通过将路径能量约束嵌入混合整数线性规划（MILP）模型，并引入基于排队论的峰值小时容量约束来解决服务不稳定性问题，从而实现100%的流量捕获。案例研究表明，未经优化的现有网络严重超载，捕获率仅为72.7%。在30%电池电动车渗透率的基准场景下，优化方案部署了8个充电站。经过站点级M/G/c校准后，最终配置包含54台快速充电器和271台慢速充电器，代表了33。与初始MILP解相比，充电桩总数减少了8%，有效消除了由全局容量假设导致的资源冗余。随着渗透率提升至60%和100%，伴随技术进步，所需站点数量减少至五个，充电网络向“核心节点集中”拓扑结构演化，总成本呈现出显著的规模报酬递增。本研究为零碳货运走廊基础设施规划和差异化投资策略提供了定量依据。
1. 引言
1.1. 背景
在全球气候变化和能源转型的背景下，交通部门的脱碳已成为各国实现碳减排目标的关键路径之一。中国已确立了2030年前实现碳达峰、2060年前实现碳中和的目标，并将交通运输确定为减排的关键领域[1,2]。在交通运输领域，由于高能耗和高碳排放强度，公路货运是脱碳领域一个尤为重要且具有挑战性的领域。重型卡车虽然在车辆总数中占比相对较小，但对公路运输能耗和碳排放的贡献却不成比例地高[3,4]。因此，货运交通电气化被广泛认为是减少交通运输领域温室气体排放和局部空气污染物的关键途径[5].
电池和高功率充电技术的进步使得电池电动卡车（BETs）在货运运输中日益可行。零排放重型车辆已在短途城市和配送应用中证明了其运行可行性[6,7]。然而，由于行驶距离更长、能源需求更高以及对途中充电的依赖性更强，长途BET运营仍然更具挑战性。实验证据表明，重型电动卡车的能耗和续航里程对运行条件和载荷十分敏感[8]，而经济评估表明，充足的充电基础设施是电池电动重型货车具备竞争力的关键前提条件[9].
与车辆技术相比，长途BET运营的充电基础设施仍相对落后，已成为大规模部署的主要制约因素[10]。BET对充电功率、站点空间和持续服务能力的要求比乘用车更高，使得专用基础设施日益必要[11]。兆瓦级充电系统（MCS）的发展进一步拓展了货运走廊沿线高功率充电的技术潜力[12]。同时，长途卡车相对固定的路线和集中的运行模式，导致充电需求在时空上呈现出明显的聚集性[13]。因此，基础设施规划不仅要考虑空间覆盖范围，还必须兼顾充电站的服务能力、电网接入限制以及土地可用性。随着充电站利用率接近饱和，容量不足还可能导致排队时间迅速增加以及服务不稳定。
这些挑战在中国中西部地区尤为突出，那里的高速公路服务区充电设施仍然相对有限，且主要为乘用车设计。因此，BET渗透率的提高可能会暴露空间覆盖范围和充电服务能力同时存在的不足。这促使采用一种综合规划方法，将路径-能量可行性、随机充电需求、站点服务能力以及特定场地的工程约束相结合，从而为长途零碳货运走廊确定具有成本效益的充电站位置和容量。
1.2. 文献综述
电动汽车（EV）和电动货运车辆的快速增长正在重塑交通能源系统。作为交通电气化的关键推动力，充电基础设施规划已引起广泛关注，涵盖了充电需求预测、空间布局、容量与服务水平设计、电力系统集成以及优化建模。从系统级规划的角度来看，研究已从传统的静态部署方法演变为包含多个目标和跨领域交互的综合框架[14]。Tao等人[15]系统地回顾了充电基础设施规划的最新进展，并强调了共同考虑交通网络特征、电网运行和系统成本的必要性。从方法论的角度来看，Deb等人[16]将充电基础设施规划模型分为三类：基于节点的模型、基于路径的模型和基于巡游的模型。Metais等人[14] 进一步指出，基于路径的模型在长途货运应用中具有明显优势，因为它们能明确追踪车辆在OD路径上的能量状态演变，而基于节点的方法无法完全捕捉这一能力。
准确的充电需求预测和真实的充电行为特征刻画是制定符合运营需求的基础设施规划的前提条件。传统的需求评估方法主要依赖时空统计分析结合出行行为模型来识别需求热点和高峰时段。例如，He等人[17]基于真实道路网络拓扑和兴趣点（POIs）开发了时空充电需求预测模型，并通过纳入交通与电网耦合进一步研究了充电基础设施规划。然而，Ghanbari Motlagh和Li[18]指出，现有的大多数研究未能充分捕捉由用户偏好和市场动态引起的行为不确定性。对于BETs，Alam等人[19] 在他们的综述中强调，充电需求特征化必须同时考虑车辆路径规划、充电调度和站点服务能力之间的复杂交互。关于充电行为，Speth 和 Plötz [20] 以及 Shoman 等人 [21] 通过实证分析表明，慢速充电构成了电池电动卡车充电生态系统的基础，而兆瓦级快速充电主要服务于长途货运走廊。为了进一步捕捉这种行为交互，Yan 等人 [22] 最近开发了一个综合框架，共同对高速公路网络上的卡车编队、驾驶员调度约束和充电决策进行建模，揭示了货运运营链在塑造充电需求时空分布中的决定性作用。
在空间选址和部署优化方面，设施选址理论已从传统的离散节点覆盖模型演变为路径流拦截框架。充电基础设施规划的研究可追溯至20世纪60年代和70年代的经典设施选址文献。Hakimi提出的p-中值问题[23]为基于节点的位置模型奠定了图论基础。随后，Toregas等人开发的选址集覆盖问题（LSCP）[24] 和 Church 与 ReVelle 提出的最大覆盖选址问题 (MCLP) [25] 分别从全覆盖和最大覆盖的角度探讨了设施部署。Hodgson [26] 于 1990 年引入了流量捕获选址模型 (FCLM)，将设施部署与 OD 流量联系起来，标志着从节点覆盖向路径覆盖的转变。在此概念基础上，Kuby 和 Lim [27]提出了流量加注位置模型（FRLM），该模型将车辆行驶里程限制明确纳入基于路径的覆盖分析中。为了提高大规模网络的计算可行性，Capar等人[28]利用弧覆盖/路径覆盖（AC–PC）表示法重新构建了FRLM，大幅缩小了模型规模并提升了求解效率。Upchurch等人[29] 进一步将充电站容量约束引入FRLM框架，并提出了容量约束下的流量补能选址模型（CFRLM），证明了容量限制从根本上改变了最优充电网络的拓扑结构，并推动了基于路径的规划从纯选址决策向选址与规模一体化优化的演进。最近，Speth等人[30] 将CFRLM框架扩展到纯电动卡车应用，并验证了容量约束对德国高速公路网络内充电站部署和基础设施规模的显著影响。在交通-能源系统接口处，Zhang等人[31]开发了一种混合整数线性规划（MILP）模型，该模型综合考虑了交通流分布和配电网约束，展示了充电站部署与电网容量规划之间的强耦合关系。
在确定空间部署后，关于充电基础设施规模、服务级维护和长期网络演化的研究已逐渐从静态规划转向动态多期扩展策略。Asna等人[32]将行驶时间、等待时间、配电网损耗和充电站利用率纳入快速充电站选址与规模确定框架，以同时满足用户、配电网和充电站运营商的需求，而Dong等人[33]揭示了最佳快速充电站间距与交通流密度之间的非线性关系。鉴于长途货运走廊发展的渐进性，沈等人[34]和钟与权[35]分别提出了一种序列选址优化方法和多期投资框架，以确定最佳的分阶段部署策略。关于多设施协调和技术多样化，金等人[36]证明了联合规划充电站、换电站和充电枢纽的经济效益，而Rose和Neumann[37]成功将流量捕获概念扩展到重型卡车的氢燃料加注网络，为长途货运能源基础设施规划提供了宝贵见解。为了应对长期不确定性，Kınay等人[38] 将随机需求和拥堵效应纳入充电站选址和规模决策中，开发了一个平衡服务质量和基础设施成本的优化框架。此外，Li等人[39]利用货运车辆轨迹数据研究了电动重型卡车的充电基础设施部署，并强调了车辆运行特性和空间需求分布对规划结果的关键影响。
在BET专用充电技术层面，由于电池容量更大、单次充电需求更高以及运行路线相对固定，BET与乘用车电动汽车存在显著差异，从而对基础设施提出了独特的要求。Piedel等人[40]评估了多种重型卡车自动充电技术，包括静态导电充电、架空接触网系统、动态无线充电和换电技术。他们的研究结果表明，架空接触网系统是目前最成熟的动态充电技术，但面临巨大的部署障碍，而换电系统已在中国部分地区实现大规模商业化部署，为电池电动卡车提供了多样化的充电解决方案。同时，兆瓦级充电系统（MCS）的快速发展，使高功率充电成为支持长途电动货运最具前景的技术路径之一。Bhardwaj等人[41]指出，与换电相比，高功率充电技术消除了对电池库存和标准化电池设计的需求，从而提供了更好的车辆兼容性和基础设施灵活性。Liimatainen等人[42]进一步强调，电池技术和高功率充电系统的持续进步将显著提高BET在长途货运运营中部署的可行性。在此背景下，Noll等人[43]和Breed等人[44]通过总拥有成本（TCO）和市场扩散分析得出结论，充电网络的早期部署和持续扩展是克服市场障碍、实现大规模BET应用的关键前提。
尽管取得了这些进展，但主要的规划方法仍不可互换，因为它们分别代表了不同详细程度下的车辆能量状态、行为不确定性、站点服务能力和工程约束。表1比较了FRLM、CFRLM、交通-电力耦合规划、BET特定数据驱动方法以及本研究开发框架的方法论范围。
表1。充电基础设施规划方法的比较。
表1这表明FRLM确立了范围约束路径覆盖的基础逻辑，而CFRLM则进一步纳入了有限站点容量和流量分配。结合交通-电力耦合研究和实证BET研究，还提升了电网可行性和需求真实性。然而，这些方法通常仅解决规划链条的一部分，很少在统一框架内整合车辆级随机充电行为、弧段级能量可行性、基于排队的服务可靠性以及特定场地的工程约束。基于FRLM和CFRLM的路径-流量逻辑，所提出的框架通过将弧段级SoC演化和随机充电需求生成与基于MILP的选址定容相结合，随后进行特定站点的M/G/c服务容量校准，从而推进了现有方法。
1.3. 研究空白与贡献
1.3.1. 研究目标
This study addresses the growing charging demand of BETs and the relatively lagging development of charging infrastructure in long-haul highway freight transportation. Focusing on charging demand forecasting and infrastructure optimization, the research is motivated by the fact that electric freight infrastructure deployment in western and central China remains at an early stage, while systematic planning methods and mature datasets remain limited. Taking an actual highway freight corridor in western and central China as the study area, this research utilizes a real-world highway network, service area configurations, and freight traffic flow data collected through field investigations. Using these data and multiple BET penetration scenarios, this study forecasts future charging demand and develops a charging infrastructure planning methodology tailored to highway freight transportation in western and central China.
基于基于路径的充电基础设施规划，本研究的主要目标是开发一个综合框架，在确定充电站位置和容量时，同时捕捉路径-能量可行性、随机充电行为、站点服务能力和特定场地的工程约束。该框架旨在最小化基础设施建设和运营成本，同时确保长途电池电动卡车流的完整路径可行性，从而支持零碳货运走廊的规划。
1.3.2. 主要贡献
To achieve the above objectives, the main contributions of this study are summarized as follows:
(1) A SoC-based stochastic charging demand representation is developed for long-haul BET operations. Rather than treating charging demand as a predetermined aggregate path flow, the proposed approach combines arc-level energy feasibility analysis, recursive charging scenario expansion, and single-vehicle Monte Carlo simulation to explicitly represent heterogeneous initial SoC, target SoC, and feasible charging location choices. This establishes a direct link between vehicle-level SoC evolution and infrastructure-planning inputs by generating arc-level charging demand and station-level arrival-SoC characteristics under stochastic charging behavior.
(2) 为零碳货运走廊构建了一个综合性的混合整数线性规划（MILP）选址与规模确定模型。该模型基于FRLM和CFRLM的路径流量覆盖逻辑，通过联合考虑路径能量可行性、站点位置、充电流量分配、充电桩配置、高峰时段服务能力、电网接入限制以及停车位约束，扩展了传统的受续航里程和容量约束的规划方法。因此，最终的数学模型将交通可行性、服务可靠性和特定场地的工程条件整合到一个统一的基础设施规划模型中，而不是将空间覆盖和容量提供分开处理。
(3) 引入了一种针对特定站点的蒙特卡洛–M/G/c容量后校准机制，以优化初始的混合整数线性规划（MILP）规模方案。MILP必然依赖于全网平均服务容量参数和连续流量分配，这可能会掩盖站点层面的到达SoC差异，并将充电需求集中在特定节点。所提出的后校准程序利用特定站点的到达SoC样本和随机充电位置选择来重新估计站点负载和服务容量，然后通过M/G/c排队分析重新计算所需的充电桩数量。这种顺序优化–模拟程序在保留MILP确定的路径可行选址方案的同时，提高了站点层面的容量估计精度。
2. 研究方法
2.1. 问题假设
为确保建模与计算的可行性，针对长途公路货运充电问题，本文采用了以下假设。Capar等人[28]的FRLM框架以及Speth等人[30]的有容量限制的CFRLM框架中也使用了类似的简化处理。模型假设如下：
(1) 车辆沿起讫点对之间的最短路径行驶，不偏离路线。
(2) 每条路径的交通量已知且确定。
(3) 驾驶员完全了解路径上的充电站位置，并能做出理性的充电决策。
(4) 仅将路网上的节点视为充电站的候选位置。
(5) 所有车辆的行驶范围均相同且固定。
(6) 电池电动卡车（BETs）的能耗以单位距离的平均等效能耗率表示[21,45]。由载荷、路面坡度、天气、交通状况和驾驶行为引起的短期波动未被显式建模。采用此假设是为了在保持路径-能量可行性分析可处理性的同时，分离充电需求分布和基础设施配置的影响。
(7) OD点到相邻路网节点的距离可忽略不计。
(8) 出发时的初始荷电状态（SoC）遵循基于实地调查的离散概率分布，且允许在目的地充电。
(9) 每次充电事件的目标SoC是从基于实地调查的离散概率分布中随机抽取的。车辆到达充电站后按先到先服务原则进行服务。
这些假设被采用是为了保持走廊规模基础设施规划的可处理性。确定性的交通需求和固定的最短路径路由抑制了日常需求波动和路径选择的多样性，而同质的车辆特征和平均能耗率则平滑了车辆层面在能源使用上的差异。全信息和理性驾驶员假设也可能影响充电需求的空间分布。因此，这些简化可能会影响预测的充电位置、站点读档和充电器需求，但不会改变所提出的路径-能量可行性及选址框架的总体结构。
2.2. 问题描述与总体框架
在长途公路货运场景中，电池电动卡车（BET）的充电需求表现出显著的空间异质性和随机性。一方面，初始荷电状态、充电时机和目标荷电状态存在巨大差异，难以通过确定性参数准确刻画充电需求。另一方面，充电设施的选址与容量配置相互耦合，既要保证全路径可行性，又要兼顾所有车辆，同时还要考虑设施建设与运营成本。现有研究多采用确定性需求假设，无法充分反映微观充电行为对设施规划结果的影响。因此，本文构建了一个包含“路径能耗分析——单车蒙特卡洛模拟——MILP最优配置——M/G/c充电桩数量校准”的四阶段规划框架。该研究框架如图所示图1.
图1。研究框架和四阶段方法流程图。
各阶段的核心任务如下：
第一阶段：路径能耗分析与子场景树扩展：基于车辆能耗模型，识别每条路径上的强制充电事件（= 1），候选充电节点集构建子场景，并扩展出对应不同目标SoC值的子场景，为后续规划提供覆盖约束框架。
