1前言
电动配送车充电桩的规划是电动配送车发展的核心部分，也为后期电动配送车推广普及提供保障。配送车行业在生产和投入使用过程中应该遵循清洁生产，尽量减少有害原材料的使用和有害物质的排放，充电站充电桩的维护和折旧中充分遵循再利用的原则，使再生资源充分合理得回收利用。目前，很多地区出现电动配送车与充电桩设施发展不协调的问题，多数地区的用户由于充电难、充电慢等问题而不愿意使用电动配送车。充电桩中的充电桩要满足生产过程中的科学合理，充电桩设备和工艺需要改善完备，充电桩内的配备设施也需要合理的产品体系。充电桩的生产资源需要合理利用综合开发，达到最大化的使用目标，对于废弃物需要及时的末端处理，降低产品的危害程度。所以，电动配送车的发展需要依靠前期建设充电设施作为基础。
电动配送车具有随机性、移动性、多样性等特征。将来大规模普及使用电动配送车后，这些特征会带来-些新的问题。例如，电动配送车的负荷多样性导致其充电模式多样性，适用于互不相同的充电模式，根据充电配送车的随机性和移动性，使充电桩选址与定容难度提高,由于用户的充电行为影响着充电需求的时空分布，可能在某个时段或者某个区域内所需负荷急剧增加，影响充电桩正常的电力供应和电网安全。
为了解决上述问题，充电桩布局规划与建设的合理性显得尤为重要。合理的布局规划可以促进电动配送车的快速普及，使用户感受到新能源电动配送车充电的方便，同时也可以减少化石燃料的对城市空气污染问题。
2国内外研究现状
国内研究现状
①电动配送车越发的普及，给货运的运输提供了很大的帮助。周炳海，谭芬[1]提出了汽车装配线电动车配送车换电站选址问题，以最小化系统总成本为优化目标建立了数学规划模型，针对这一复杂的混合优化问题，提出两阶段动态规划算法[2]获取小规模问题的最优解。对于中、大规模问题，通过种群分割技术并融入深度邻域搜索算子构建了改进型离散布谷鸟算法[3]。最后进行仿真实验，分别对比了两阶段动态规划算法、实数遗传算法[4]及改进人工蜂群算法[5]。结果表明改进型离散布谷鸟算法的有效性以及在算法稳定性、搜索深度以及收敛性三个方面的较大优势，最终计算出最佳选址处。
②华北电力大学张耀川[5]通过文献调研和查询相关资料，研究充电桩及可移动充电站发展现状及存在问题，研判了电动配送车充电设备和电动配送车发展的趋势，进行了相关政策梳理，充分说明了发展充电设备“固定充电桩及可移动充电桩”的必要性。随后研究了固定充电桩发展现状及存在问题，分析出了运营模式尚不成熟、支撑政策不多和技术相对落后这三个问题。对充电站发展的必要性进行了阐述，构建VRP-SMCP模型，提出假设、设置参数和构建模型。该模型不仅将时间等一般路径问题都存在的约束考虑进模型，又研究了续航里程和充电设施等电动配送车才有的特点。最后设计了粒子群算法概述、粒子群算法基本原理和对于本文研究的VRP-SMCP模型的粒子群算法，说明了电动车发展的意义。但文中模型仅仅假定电动配送车的车辆的型号、行驶的距离、耗电功率、充电服务费用相同，未考虑到不同车型、交通流速不同、车辆等待耗时、分时电价的的情况，可以改进。
③南京邮电大学刘广俊[6]在论文中针对电动配送车规模化的充电行为导致的充电站间负载不均匀或极端负载问题，提出双队列动态定价的充电选择优化策略，该策略基于双队列模型，并且提出动态定价的激励机制，旨在通过电价影响用户的充电选择，从而避免充电站出现负载不均匀等问题。通过排队法、Dijkstra算法、遗传算法、RLS算法，准确选择合适恰当的充电桩选址。并建立了以时间成本和充电成本最小为目标的数学模型，求解该模型得到最佳充电站。
在研究过程中，假设到达充电站服从泊松分布，实际过程中，充电行为的随机性可能导致这一假设不够准确，从而导致时间计算出现意外偏差。应当要从充电配送车到达充电站的集体规律角度入手研究，并考虑到不同时段下每条道路的交通情况，不同交通情况下的拥塞程度的不同，导致行驶时间的差异，充电的预计时间的偏差。作者仅考虑充电的费用，忽视了充电站的运营成本。所以接下去我应该要从多方面经济成本角度进行深入的研究分析。
④北京林业大学的冯佳璇[7]在论文中写到，针对现有充电站规划过程中出现的充电需求固定、缺乏考虑充电站实际运营情况等问题，根据大规模电动车应用场景以及使用者者追求方便快捷的要求,对电动车充电站的选址问题进行了研究，提出了基于成本最优的快速充电站选址方法，利用MATLAB软件搭建了仿真平台，并完成仿真验证。切实确定充电桩的最佳候选区域，保证充电桩运营和使用者充电的便利性，同时直观展示充电桩投入运营后镇各系统的运行情况，进一步保证了充电桩选址的合理性、有效性、高效安全性
⑤王勇[8]在论文中以经典的选址问题和排队论为理论基础，分析了城区充电站的选址，通过改进的变异粒子群算法求解到最优充电站的位置。从充电站运营商和用户两者角度出发，使得规划区域内综合年成本最小，创新性地提出来选址模型与改进算法，并最终验证了所提出的模型和算法的优越性，并运用到实践中。许祖勤[9]基于灰色神经网络对电动汽车保有量进行了预测，同时建立了电动汽车的时空分布充电负荷预测模型和充电站选址模型，利用遗传算法嵌入粒子群算法对模型进行求解，并应用模糊综合评价方法对模型进行评价。朱志红[10]考虑电动汽车以及充电站的特性和用户对充电站的选择行为，建立了不同用户类型用户和不同等级的充电站选址模型，最终得到总建设成本最小及截取最多的用户数量的充电站。张国亮[11]将充电设施选址分为城市内和城市间选址，对城市内选址建立用户成本和充电站成本之和最小的多等级充电站模型，从而科学确定充电站的位置、服务等级及充电桩数量。对城市间选址则建立了基于充电设施数量有限的最大化服务用户模型。卢芳[12]探讨了基于点需求与路径需求的充电站建设，结合排队论建立不同需求的选址优化模型，得到各个因素对充电站选址的具体影响。寇凌峰[13]建立了最小费用下的充电桩选址模型，并用层次分析法给出影响目标函数的约束条件。朱柯羽[14]基于地理因素提出了充电站综合成本优化选址模型，并运用遗传算法得到结果。周洪超[15]和李海锋[16]应用博弈论对现有的充电站地址进行综合评价，并且通过建立博弈论模型来进行选址规划的优化。王俊秀[17]通过对纯电动出租汽车进行分析，找到影响充电需求的因素，发现充电时间以及时空分布特征，建立需求模型。张国亮[22]改进的禁忌搜索算法，模型可同时确定出充电桩的建址位置、建设的等级及各个需求点的分配充电站选址。李倩[23]目的是提高电动配送车的使用效率,达到节约物流成本，节约能源，减少环境污染。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
