]一项全面的基准测试和敏感性分析，将所提出的框架与GIS评分、-中位数和仅能源基准方法进行比较，从而量化可再生能源目标对成本、服务覆盖范围和碳排放的影响。-median, and energy-only baseline approaches, thereby quantifying the cost, service-coverage, and carbon-emission implications of renewable-energy targets.
除了促进电动汽车的广泛普及外，电力部门的性能提升和现代化也是换电站的主要益处之一[14]。早期的基础设施规划研究将换电站部署制定为一个涉及设施选址、服务覆盖、站点容量和电池背包的联合问题，而最近的研究则扩展了这一视角，纳入了随机需求、基于模拟的选址、充电-换电一体化网络设计以及城市规模的可修复电池背包管理[15,16]。这些研究表明，BSS规划不能被简化为最近站点分配问题，因为服务可用性同时取决于空间需求、站点容量以及充电电池组的循环。 在运营层面，BSS的性能取决于电池、充电器以及车辆到达的协调，前提是选址决策已经最终确定。在[17]中，作者为BSS网络开发了背包规划和实时路径规划模型。在[18]中提出了一种适用于电动汽车辅助换电环境的最优电池充电算法。在[ %%]中研究了电池异质性及其对换电服务效率的影响，而参考文献[19]引入了一种应对电动汽车需求不确定性的BSS运行追溯策略。电动汽车换电站的在线站点分配问题在[20]中得到解决；然而，该研究仅侧重于运营优化，未考虑站点选址、基础设施规模、可再生能源整合或网络级可行性规划。一种基于长短期记忆（LSTM）的滚动时域优化框架在[21]，其中异构BSS操作通过基于混合整数线性规划（MILP）的充放电策略进行了优化，以最大化运营利润和资源利用率。类似地，文献[22]提出了一种考虑配电网灵活性的电动汽车充电站选址定容框架，该框架结合了充电需求预测与电网灵活性评估。尽管所提出的框架提高了系统灵活性并降低了约23%，它专注于传统的电动汽车充电基础设施，未考虑换电业务、可再生能源整合、电池背包管理或每小时的运营可行性。11.96%, it focused on conventional EV charging infrastructure and did not consider battery swapping operations, renewable-energy integration, battery inventory management, or hourly operational feasibility. 可再生能源的整合与电网交互增加了额外的规划复杂性。在[24]中，研究了一种考虑服务可用性和光伏自消费的PV驱动BSS策略。在[25]中，优化了光伏消费捆绑模式下电动汽车BSS的配置与运行，而文献[26]则研究了为BSS供电的离网微网的光伏容量配置与储能设计。在[提出了一种基于可再生能源的混合整数线性规划调度模型，用于协调电池充电、运输和换电操作。27]; 然而，未考虑站点位置和基础设施规模。在[28]中，分析了现场分布式发电和电池到X技术对BSS运行的综合影响。在[开发了一种多目标遗传算法29] 以最大化风能和光伏利用率，最小化电网读档波动，并提高经济性能。尽管如此，所提出的方法并未优化站点选址或网络规模。总的来说，这些研究证实了BSS的能源侧性能在很大程度上取决于充电计划、电价、光伏发电、SOC约束和服务可靠性。然而，大多数可再生能源集成研究都假设站点位置是预先确定的，而实际的城市规划必须在评估光伏容量、电网输入和SOC可行性之前，首先确定合适的站点位置。 需求建模、排队行为和充电过程约束进一步表明，BSS规划不能被视为纯粹的空间分配问题。电动公交换电站的读档需求预测在[30]中得到了研究。这些研究结果表明，充电器容量不足、电池储备不足或充电调度协调不力，可能会将看似具有成本效益的基础设施设计转变为不可靠的服务网络。 经典的设施选址理论为基础设施选址决策提供了数学基础。Hakimi首次建立了图中心公式，为许多-中心选址模型奠定了基础[]。最大覆盖选址问题在[31]中被提出，旨在预设的服务距离内实现需求覆盖最大化。关于电动汽车充电站选址与规模确定的时空需求预测在[32]中得到了研究，而文献[33] 在用户均衡条件下，制定了耦合交通与电力网络中的充电站规划方案。GIS技术被广泛用于剔除不可行地块，并根据道路可达性、需求覆盖率、土地利用兼容性、变电站距离以及可再生资源可用性对候选站点进行排序。然而，仅凭GIS适宜性评分无法保证最优的需求分配或基础设施规模确定。同样，传统的设施选址模型通常忽略了光伏发电、电池背包、充电器限制、备用SOC要求、随时间变化的电网输入以及碳排放核算。34] formulated charging-station planning within coupled transportation and power networks under user-equilibrium conditions. GIS techniques are widely used to eliminate infeasible parcels and rank candidate sites based on road accessibility, demand coverage, land-use compatibility, substation proximity, and renewable-resource availability. Nevertheless, GIS suitability scores alone cannot guarantee optimal demand allocation or infrastructure sizing. Likewise, traditional facility-location models generally neglect PV generation, battery inventory, charger limitations, reserve SOC requirements, time-varying grid imports, and carbon-emission accounting. 近年来，Shu等人[35] 引入了一种协调的混合整数线性规划（MILP）模型，用于电池储能系统（BSS）的选址与定容、价格补贴决策、BSS与配电网的耦合，以及提升光伏（PV）利用率，其中用户选择采用离散Logit模型建模，配电网的运行约束被显式表述。然而，他们不仅关注光伏弃电缓解和配电网运行，还关注基于地理信息系统（GIS）的服务可达性和多组件BSS基础设施规划。它未能显式定义基于GIS的服务质量/可达性指标、基于道路的需求分配和基于移动性的空间规划，以及本文中指定的电池背包、充电器、换电站、光伏、成本、碳排放和每小时可行性指标的完整集合。此外，本研究通过受控的GIS评分、p-中值和仅能量MILP基准、消融实验、敏感性分析，并借助可复现的数据报告，对规划框架进行了验证。 Fotopoulou等人[36]开发了一种集成方法来确定光伏/BESS系统的规模，并通过使用能源社区测试案例和CIGRE MV基准网络，评估了它们在电网参数方面的成本效益和性能。然而，验证主要基于单一社区应用和基准网络潮流分析，未考虑BSS在多个需求区域和候选位置的城市部署。 Ai等人[8] 采用了连续近似方法，将三个主要因素整合在一起：电站位置、电池储能、电网交互和频率调节。其局限性包括空间同质性假设、固定提前期、外生需求，以及未考虑可再生能源这一事实。 在[37]中，作者提出了一种基于多目标混合整数线性规划（MILP）的电池交换站（BSS）运行方案，综合考虑了成本、退化和热应力因素；然而，该框架仍局限于单站确定性运行，未考虑可再生能源集成的选址与规模优化。 因此，本研究解决的研究空白定义明确。现有的BSS和电动汽车基础设施研究为设施选址、GIS筛选、运营优化、可再生能源整合或电池背包管理提供了强大的方法论；然而，它们很少将所有这些组件整合到一个统一且可重复的规划框架中，该框架能够同时评估成本、服务覆盖范围、碳排放和每小时的运营可行性。技术经济性能仍然是影响BSS规划和部署决策的关键因素[38]。最近在[中提出了一种整合太阳能光伏、生物质能和电网电力的多性向优化框架，旨在最小化充电成本，同时在峰值电价期间最大化电池放电收益。39]. 尽管如此，随着这些进展，现有文献已越来越多地探讨了BSS规划过程的各个维度，例如BSS选址与容量规划、可再生能源的整合、电池背包、与电网的交互以及运行可行性考量。然而，在所考虑的组件集合、建模方式以及验证方法方面仍存在差异。一方面，近期文献考虑了BSS选址与容量规划与配电网运行或可再生能源部署的联合问题；另一方面，一些论文则从更偏向电力系统的角度出发，侧重于位置与容量的优化。然而，由基于GIS的选址识别、联合选址与配置及基础设施规模确定、电池背包、光伏容量、充电桩与换电站规模确定、小时级运营可行性以及结果基准测试组成的规划框架仍有待研究。所提出的MILP–GIS框架通过将基于GIS的预筛选、选址-配置优化、光伏规模确定、电池背包规划、充电桩与换电站规模确定、选址后小时级可行性评估以及基准验证整合到一个统一且可迁移的决策支持框架中，填补了这一研究空白。对代表性已发表工作的详细比较记录在表1. 表1。代表性已发表工作与所提MILP-GIS框架定位的对比。
3. 问题描述与数据架构
本研究考虑的规划主体是一家城市级电动汽车基础设施运营商，负责在人口密集的都市服务区内部署换电站网络。研究区域由需求区、候选站点地块、交通走廊、电网接入点以及具有不同光伏潜力的位置组成。需求区代表来自车队运营商、住宅社区、商业区和物流中心的聚合换电需求。候选站点对应满足初步可行性要求的地块，包括道路可达性、最小土地面积、安全间距以及潜在的电网互联。 该框架通过一个基于深圳的聚合GIS-交通规划数据集进行了验证。深圳是一个合适的案例研究对象，因为其大规模的公交和出租车电动化创造了对协调充电基础设施、土地利用规划、电网强化和运营管理的需求，且相关记录详实。世界银行深圳公交集团案例研究报告指出，深圳运营着全球首个全电动公交车队，并已发展成为全球最先进的电动公共交通生态系统之一[42]。此外，最近的研究表明，如何将GPS轨迹数据、GIS路网、OpenStreetMap环境和高德地图（Amap）出行时间信息相结合，以刻画电动出租车的运行轨迹、充电需求和充电基础设施性能[43]。为保护数据机密性，未公开区域标识符和坐标级记录。相反，发布的数据库保留了所提议的混合整数线性规划（MILP）优化所需的网络拓扑、距离结构和相对需求-站点关系。因此，所呈现的框架应被视为基于深圳的规划演示和可迁移的决策支持方法，而非最终的市政部署计划。 本研究考虑的基础需求为每日2250次换电，对应每次换电的平均交付能量约为44 kWh，或每年约36.18 GWh。评估了四种可再生能源渗透率情景，分别为0%、25%、40%和55%。通过帕累托优化研究独立分析了部署的换电站数量（4-8个站点）。此外，还考虑了三种基准方法进行比较，即仅考虑能量的混合整数线性规划选址模型、经典的-中位数距离最小化模型，以及仅基于GIS评分的选址方法。-median distance-minimization model, and a GIS-score-only site selection approach.
