Facility Layout and Network Planning

A Review of Expressway Charging Infrastructure Technology Planning: Scenario Demand, Technology Pathways, and Configuration Strategies

  • XU Shicui , 1 ,
  • HUANG Chao 1 ,
  • SUN Pengxiang 1 ,
  • ZHENG Shaocan 1 ,
  • HU Zhengyu 1 ,
  • LI Tianyu 2 ,
  • FENG Jianxi 2 ,
  • XIE Binglei , 2, *
Expand
  • 1 Guangdong Traffic Development Co., Ltd., Guangzhou 511400, China
  • 2 School of Architecture, Harbin Institute of Technology (Shenzhen), Shenzhen 518000, China

Received date: 2026-01-26

  Online published: 2026-07-20

Abstract

Expressway charging infrastructure planning is facing a transition from insufficient facility coverage to a compound challenge involving inadequate peak service capacity, energy system constraints, and differentiated multi-vehicle charging demands. This paper develops a review framework for "scenario demand—technology pathways—configuration strategies". It first examines the differences and evolution of charging demand in typical highway scenarios, including mainline passenger-car corridors, heavy-duty truck corridors, hub service areas, tourist branch routes, and emergency support scenarios. It compares multiple technology pathways, including ultra-fast charging, battery swapping, mobile charging, integrated photovoltaic-storage-charging systems, and interconnected microgrids between paired service areas, and summarizes their modeling differences in terms of service objects, engineering characteristics, applicability constraints, planning objectives, decision variables, and key constraints. On this basis, the paper discusses the planning logic of shifting expressway charging infrastructure from single-capacity expansion toward multi-technology configuration, based on three dimensions: demand-side differentiation, technology adaptability differences, and system constraints. It further summarizes technology configuration strategies under different scenarios. The review indicates that a single fixed-infrastructure expansion strategy is insufficient to address the uncertainty and non-stationarity of expressway charging demand. Future planning should move toward a multi-technology configuration framework that balances basic service capacity, peak-time flexibility, station-side energy coordination, and pilot-oriented technology reserves. This study provides a reference for technology selection, construction configuration, and engineering demonstration of expressway charging infrastructure.

Cite this article

XU Shicui , HUANG Chao , SUN Pengxiang , ZHENG Shaocan , HU Zhengyu , LI Tianyu , FENG Jianxi , XIE Binglei . A Review of Expressway Charging Infrastructure Technology Planning: Scenario Demand, Technology Pathways, and Configuration Strategies[J]. Transport Research, 2026 , 12(3) : 109 -124 . DOI: 10.16503/j.cnki.2095-9931.2026.03.009

0 引言

在“双碳”目标和交通电动化加速推进的背景下,电动汽车在高速公路场景下的长距离出行需求日益常态化。与城市公共充电网络相比,高速公路充电设施依附于服务区、互通和枢纽节点,具有走廊化分布、节点间距相对固定、绕行成本高和方向性车流明显等特征。截至2025年底,全国高速公路服务区累计建成电动汽车充电枪7.15万个,覆盖了全国超98%的服务区。部分高速服务区的主要矛盾已由早期的设施覆盖不足,逐步转向节假日峰时排队、局部节点拥堵和配网容量受限与多车型需求分化等问题。既有充电规划综述指出,充电需求估计准确性、站点布局与实际需求匹配度,以及交通网络和电力网络的协同规划,是充电基础设施规划中的关键问题[1-3]。因此,需要围绕高速连续通行需求、峰时服务水平要求和电力容量约束等维度,对高速公路充电设施的多技术配置策略进行分析[4-5]
近年来,国家各部委持续出台政策举措,推动高速服务区充电网络进入“科学布局、适度超前、技术前瞻”的新阶段。“十五五”时期交通运输高质量发展将更加重视科技创新和交通能源深度融合,大功率液冷超充、光储充一体化等技术在高速服务区中的应用条件不断成熟[6-7],到2027年底,高速公路服务区(含停车区)将新建改建4万个60千瓦以上“超快结合”充电枪。然而,面对复杂多变的补能场景,单一的固定式充电设施规划已难以兼顾系统运行的经济性与服务效率。为此,高速补能技术呈现多元化与集成化趋势:以大功率超充技术缩短补能时间,利用光储充一体化系统缓解电网扩容压力并消纳公路沿线绿电,以及通过移动充电机器人或换电技术应对极端高峰期的刚性需求,已成为当前技术规划的重点方向[8]。然而,不同技术路线在高速公路场景下的适配性尚未充分考虑,亟需在规划阶段进行多维度的技术性能评估与协同配置[5-6]
现有关于电动汽车充电基础设施的综述与规划研究,已在交通电力耦合、选址扩容、调度导航等方面形成较多成果,但针对高速公路场景的技术选型与比较研究仍相对不足。对不同充电技术在高速场景中的适用条件缺乏系统分析框架,同时也忽略了未来补能场景需求变化对规划的影响。现有研究大体可归纳为3条主线。
1)聚焦电动汽车充电设施的选址定容。主要从覆盖模型、截流模型、排队模型、多阶段规划和多目标优化等建模方法确定站点位置、桩数规模和容量配置。相关综述已从充电需求预测、站点选址、定容方法和求解算法等方面进行了系统总结,并指出未来需要强化交通网络、电力网络和用户行为之间的耦合建模[1,3,9 -12]。这类研究为充电设施规划提供了基本模型框架,但其应用场景多以城市公共充电站或一般交通网络为主,对高速公路服务区的方向性车流、站点稀疏分布和节假日极端峰值考虑相对不足。
2)关注高速走廊和长距离出行场景下的充电需求估计与服务水平。走廊化充电设施选址研究强调在道路网络中保障长距离出行的连续可达性[13];基于真实交通数据和概率分布的高速快充站规划研究表明,日行驶里程、初始荷电状态和返程时间等行为变量会显著影响高速公路充电需求曲线,并影响充电设施数量、变压器容量和储能配置策略;排队论和机器学习结合的充电站规划研究也表明,平均等待时间、服务率波动和排队策略会显著影响站点服务水平[14-18]。高速公路充电设施规划需要从平均负荷估计转向对峰值负荷、等待时间和服务可靠性的刻画。
3)论证不同充电技术的应用策略。重点关注超快充、换电、移动补能、光储充一体化和微电网等技术路线。快充站研究通常将储能和光伏容量配置纳入规划,以缓解高功率充电带来的并网压力和负荷波动[19];高速服务区综合能源系统研究进一步将光伏、储能、充电负荷和服务区互联纳入统一优化框架[20-21];重卡补能研究则强调充电站位置、车辆路径、司机工作时间和车队运营约束之间的耦合[22-23];道路动态充电研究主要围绕车辆行驶过程中的连续补能展开,涉及感应式无线、地面导电和架空接触网等技术形式,重点关注供电路段布设、供电可靠性和道路基础设施投资等问题[24-25]。总体来看,这类研究为多技术路线提供了重要方法基础,但目前研究多为单一技术分析,不同技术之间的适用边界、规划变量及协同配置仍有待深入对比与厘清。
基于上述问题,本文以高速公路充电设施技术规划为综述对象,构建“场景需求—技术路线—配置策略”分析框架。从高速公路走廊结构、典型服务区场景、车型结构和未来需求演化出发,梳理高速公路充电需求区别于城市公共充电网络的关键特征;其次,对超快充、换电、移动补能、光储充一体化和双侧服务区互联微电网等技术路线进行比较,归纳其工程特性、规划目标、决策变量和约束条件;最后,结合需求侧演化、技术适配差异和系统约束,提出面向不同情景的技术配置策略与协同模式。本文旨在为高速公路充电设施的技术选型、组合配置与工程示范提供参考。全文框架如图1所示。
图1 综述框架路线图

1 高速公路充电场景特征与需求演化因素

高速公路充电需求受空间场景、车型结构和技术演化共同影响。与城市公共充电网络相比,高速公路充电设施更依赖服务区节点和走廊连续通行条件,用户可替代选择较少,节假日高峰和方向性车流也更容易放大局部服务能力不足问题。因此,仅以车桩比或平均负荷衡量高速公路充电需求难以支撑技术选型和容量配置。本节将从典型场景、车型结构和未来演化因素3个方面梳理高速公路充电需求特征,为后续技术路线比较和规划建模分析提供依据。

1.1 不同场景充电需求特征

为支撑技术选型与规划建模,高速公路充电场景可细分为:①主干乘用车走廊(普通主线服务区);②干线重卡走廊(货运专线/车队);③枢纽/城市出入口服务区(互通、枢纽节点);④旅游景区支线(季节性波动显著);⑤应急救援与运维检修场景(事故、封道、设备故障等)。不同场景在到达强度、停留时长、补能刚性与可替代性等方面差异显著,这些差异决定了技术路线的适用需求[10,16 -18,26]
主干乘用车走廊以随机到达和短时快充为主,规划重点在于控制峰时排队并提高服务可靠性;干线重卡走廊具有路径刚性强、单次补能电量大和时效要求高等特征,需要配置兆瓦级快充或换电设施,并同步考虑配电容量;枢纽/城市出入口服务区因多车型混行、负荷密度较高,适宜探索光储充一体化等综合能源方案;旅游支线和应急保障场景具有低频高峰和突发性需求特征,可考虑将移动补能、临时增容等弹性供给方式纳入规划。
从时空维度分析,在空间层面,高速公路呈现走廊延伸与节点集聚并存的空间结构,站点主要依附服务区、互通与枢纽节点,站点间距受道路线形与用地条件约束更强,且一旦节点服务不足,用户可选择的替代空间有限。传统目标函数(如纯成本或纯覆盖)在高速公路场景下并不适用,需要针对走廊连续可达与关键节点优先序进行重构[13,17]。从时间波动特征看,日内负荷在中午至傍晚形成单峰或双峰分布,工作日整体利用率中等偏低,而节假日车流呈现出强烈的潮汐特征。2026年国家能源局数据显示,“五一”假期日均充电量是平日的2.34倍,导致部分服务区在短时间内出现长时间排队的极端拥堵现象。因此需要在建模与评估中显式刻画多时间尺度的需求波动与极端场景[10,16,18]

1.2 不同车型结构充电需求特征

从车辆类型和运行组织方式出发,高速公路充电需求可大致划分为乘用车、货运重卡以及客运与特种车辆等类别,不同车型在行程特征、停留行为和补能刚性上的差异,直接决定了其对充电技术路线与站点布局的偏好。
乘用车以随机性强的“分散补能”为主,用户对排队时长和站间密度高度敏感,这一需求特征驱动了沿线高功率直流快充网络的普及[10,27];货运重卡受制于高能耗与严苛的时效成本约束,呈现出强路径刚性的大功率、高频次补能特征,相关研究与政策模型指出,充电基础设施与重卡采用率存在显著耦合,兆瓦级充电与走廊化建设将成为干线货运电动化转型的关键约束[23,28,29]。此外,城际客运大巴、网约/营运车辆、冷链与危化运输等细分车队,通常具备更稳定的时刻表与能耗特征,适合与站端预约、专用车位、分时电价与合同电价等机制结合,形成“车队-站点”协同配置[30-32]
综合而言,高速场景下不同车型的充电需求在到达随机性、补能计划性、功率需求和补能频次等方面存在结构性差异,为后续进行分场景技术选型和规划建模提供了必要的分类基础。

1.3 充电需求未来演化因素及其对规划的影响

高速公路充电需求并非静态,未来,随着电动化渗透率、车型结构、车辆与充电技术以及能源与碳约束等因素的演化,将共同改变规划问题的约束条件和目标函数,规划重点亦将由设施补缺转向多目标约束下的技术协同配置[11,12,16,33]
1)电动化渗透率提升。电动化渗透率持续提升将使高速公路充电由低频补能需求逐步转向规模化、常态化需求。研究表明,若实现中度电动化情景,支撑长途出行的高速公路快充需求将较现状增长数倍。
2)车型结构变化。为支撑中重型电动卡车的跨区域运营,需要沿干线布设专用的高功率充电或换电节点,并与物流枢纽、港口和货运场站统筹布局。重卡单次补能电量大、停靠刚性强,进一步影响兆瓦级快充、换电与车队协同机制的发展,并对站点选址、用地规模和技术选型提出更高要求。
3)车辆与充电技术升级。电池能量密度提升与整车能耗优化,使主流乘用车续航里程逐步提高,高速快充站的“最小间距”在一定程度上可有所放宽。此外,车辆电池的800 V高电压平台与大功率充电技术的快速推进,充电站的峰值功率可从当前的几百千瓦增长到未来的数十兆瓦,对配电网容量、电压稳定与短路容量提出更严苛的约束[18,34 -37],这将推动规划模型从以用电量为主的容量估算,转向显式考虑峰值功率、负荷曲线和储能削峰作用的综合能源优化。
4)绿色低碳与能源体系变化。能源系统的低碳转型趋势,促使探索高速服务区充电设施与光伏、风电等可再生能源耦合,充电设施规划需要考虑“源网荷储”一体化框架下的经济性、可靠性和减排效益[38-44]
总体而言,未来高速公路充电需求将受到电动化渗透率提升、车型结构变化、车辆与充电技术升级以及绿色低碳约束增强的共同影响。高速公路充电设施规划不宜仅停留在静态流量和单一设施容量配置层面,而应进一步关注峰时服务能力、不同车型补能差异、站点空间约束、配网接入能力和能源协同条件,持续推进布局优化与技术升级协同的决策过程。

2 高速公路充电多元技术路线对比

不同充电技术路线在服务对象、补能效率、站端功率需求、运行组织方式和规划约束方面存在差异。超快充侧重峰时服务能力和并网容量配置,换电侧重电池库存周转和车队运营可靠性,移动补能侧重高峰和应急场景下的弹性响应,光储充一体化和双侧服务区互联微电网侧重站端能源协同、削峰和供能韧性[11,36,45]。以下分别梳理各技术路线的工程特性、典型规划模型和适用约束。

2.1 超快充

大功率充电/超快充/超充(以下简称“超快充”)是现阶段提升高速服务区峰时补能能力、缩短车辆停留时间的重要技术方案之一。相关政策文件(如《关于促进大功率充电设施科学规划建设的通知》《电动汽车充电设施服务能力“三年倍增”行动方案(2025—2027年)》等)对大功率充电设施的规划提出了明确要求。但当前政策文件与行业标准对上述术语的界定尚未完全统一,本文统一采用“超快充”指代上述大功率充电技术,其功率等级涵盖250 kW及以上范围。
超快充站典型工程形态正从“单桩单枪”逐步走向“功率柜/功率池/多终端共享”的架构,并利用功率模块共享与动态分配提升设备利用率、降低闲置。随着800 V高电压平台普及与高倍率电池应用增多,站端功率等级呈上移趋势,围绕高电压平台、液冷电缆与模块化功率变换等方向持续升级。超快充具备普适性强、对车型兼容度高等优势,但峰时功率与需量峰值对配网的冲击显著[12,16,18,35 -37]
规划建模上,超快充规划通常被归结为站址与定容问题:在候选节点集合上确定建设位置与充电桩数量与功率,并可联合配置变压器容量与储能容量。常见目标函数为在年化投资与运维成本基础上叠加服务水平惩罚(如等待时间、弃单率或拥堵指数),约束条件包含节点用地与枪位、功率上限与配网接入能力,以及峰时排队服务水平[11,12,36]。区别于常规快充规划,超快充场景下规划问题已从单纯确定桩数,扩展为终端数量、功率池容量和动态分配策略的联合设计[46],同时也兼顾了场站并网容量与储能削峰等因素[19,43,47],进一步提高了建模求解的复杂度。
工程实践上,高速服务区正处于大功率液冷超充的加速推广阶段,典型案例包括广东瓦溪服务区600 kW超充站、欧洲IONITY高功率充电网络等。其现实优势是技术成熟、兼容性强、部署速度快,但实际效益目前仍受适配车型比例、站点负荷分布和配网接入条件等因素影响,效果尚未完全展现。此外,超充站的建设成本中相当部分来自电气接入与配网升级,站点规模越大、峰值功率越高,对变压器与馈线扩容的依赖就越强,而偏远路段仍受制于电力接入容量,推进缓慢。
因此,超快充可作为主干乘用车走廊和枢纽/城市出入口服务区的基础补能方式,适用于以提高峰时服务能力和缩短等待时间为目标的场景。但在电网接入薄弱、峰谷差过大或扩容成本较高的路段,超快充配置在考虑充电枪数量和单枪功率的同时,还需要与储能削峰、功率动态分配和配网容量约束协同考虑。

2.2 换电系统

换电以车电分离实现分钟级补能,换电的直接优势是补能时间极短(3~5 min)、服务确定性更高(不依赖车辆充电曲线波动),特别适合高频运行、停靠成本高且可标准化的车辆群体。相较乘用车,重卡与车队更易实现车型平台与电池包标准统一,且路径计划更刚性,因此换电在港口、园区、干线走廊等半封闭或组织化程度较高的场景中具有较强适配性,而其难点在于车型与电池包标准统一程度、资产投入规模,以及电池库存与回补管理带来的运营复杂性[28,29,32,48,49]
规划建模上,该问题是站点布局、库存管理和充电运营相互耦合的复合优化问题。研究指出,换电站的关键资产是电池库存与充电回补能力,管理目标不只是建设站点,更是保障服务能力与库存周转效率。决策变量包括站点选择、换电工位/设备规模与电池库存水平,约束条件包含车辆到达与服务能力(可结合到达/服务率)、电池库存平衡与回补充电能力,以及电池调拨与运输组织。目标函数往往同时最小化站点投资、库存资金占用与运营成本,并控制等待时间或缺货惩罚。与快充不同,换电的核心约束并非并网瞬时功率,而是库存周转与回补节奏,因此更依赖对车队到达规律与运营机制的刻画[22,50,51]
工程实践上,乘用车换电(如蔚来换电)已在高速和城区规模化落地,商用车领域换电正在垂直场景逐步探索,典型案例包括江苏沙溪服务区重卡换电站、新加坡EcoSwift重卡换电站等。矿区/港口等“半封闭或专线运营”场景更容易率先实现车型与电池标准统一,从而形成稳定的运营模式。针对电动卡车专线换电系统的运输领域实证研究表明,换电站配置与运营策略直接决定系统瓶颈与成本效率,表明站点建设、电池配置和回补充电能力需要进行一体化设计。
因此,换电可作为重卡走廊和组织化车队场景中的备选补能方式之一,并可与兆瓦级快充、预约补能和专用停车补能区等方案进行比选。其应用效果应结合车型标准化程度、电池库存规模、回补充电能力、用地条件和多主体运营机制进行综合评估。

2.3 移动充电

移动充电以可移动的供能资源提供弹性补位,形态包括应急保障车辆、拖挂式储能箱、移动充电机器人等。其价值主要体现在节假日峰值临时增援、事故救援、设备检修与偏远路段保障等低频高影响情形,能在不进行永久扩容的情况下提升韧性与峰时服务能力[36,52]
规划建模上,通常被归结为带能量约束的车辆路径问题。决策变量包括移动资源的驻点与行驶路径、服务点分配、到达时刻与供能量;约束条件包括车辆或储能容量、行驶时间与服务时间窗、充放电功率与能量平衡,以及优先级与响应时限。目标函数可设定为最小化总行驶成本与未服务需求惩罚,或最小化峰时排队与拥堵损失。该类模型强调实时性与可执行性,因此需要与交通事件预测与运行监测数据相结合[53-54]
工程实践上,移动充电机器人和移动储能设备已在部分高峰流量场景中开展试点,可作为固定设施的弹性补充,典型案例包括大广高速南方电网移动充电机器人、湖北孝感服务区移动储充车及美国IonDynamics自主移动充电机器人等。工程化应用需要明确触发机制和跨主体协同方式(高速管理方、充电运营商、电网与应急部门),并形成可持续的高峰预测、提前布设、动态派遣和事后评估闭环,使其从临时应急措施逐步转向可建模、可调度的弹性供给资源[55]
因此,移动充电可作为固定式充电设施以外的弹性供给资源,重点纳入节假日尖峰、事故救援、设备检修和偏远路段保障等场景的应急能力评估。

2.4 光储充一体化

光储充一体化将光伏、储能与快充设施整合为站级综合能源系统,可在电网接入受限或扩容周期较长的服务区,通过储能削峰方式降低对配网扩容的依赖。其优势在于以储能缓冲峰时功率、以能量管理降低需量峰值,同时引入多时段调度与设备寿命等复杂约束[51]
规划建模上,典型模型为容量配置与运行调度的联合优化。决策变量包括光伏/储能容量、储能充放电功率、购电功率,以及快充站的功率分配策略;约束条件包括功率平衡、储能SOC动态与充放电互斥、并网功率上限,以及碳排放与绿电占比等。目标函数多以全生命周期成本最小或碳排放加权最小为主,并可加入服务水平惩罚条件,以避免因削峰导致充电能力不足[20,56]。在需量电费与并网受限条件下,站端储能可改善超充站的经济性与可行并网容量。相关研究普遍采用容量配置与多时段调度联合优化框架,综合考虑光伏出力波动、储能退化、充电负荷变化、并网功率上限和服务水平约束等因素[19,42,43,57]
工程实践上,光储充已在多个“零碳服务区”示范项目中落地,典型案例包括广东惠大元山服务区光储充项目、佛开高速址山服务区“光储充直柔一体化”、法国Fastned纯电高速服务站(400 kW超快充+太阳能顶篷)等。以光伏、两侧超充站、储能和能量管理系统的协同配置为典型结构,为高速服务区推广提供了工程参考。
因此,光储充一体化可在配网接入受限、峰值负荷较高或具备公路沿线绿电开发条件的服务区中优先纳入比选,用于评估其对削峰、降低并网压力和提升绿电利用率的作用。但其经济性和工程可行性仍需要结合负荷曲线、储能成本、电价机制、光伏出力和运维条件进行测算。

2.5 双侧服务区互联微电网

高速公路方向性车流会导致上下行服务区负荷不同步。在部分路段,一侧服务区处于充电高峰时,另一侧可能仍有闲置供电能力。若双侧服务区距离较近、具备可行联络条件和明确的计量结算机制,可通过联络线功率互济、共享储能或共享备用容量等方式,提升整体供电可靠性和峰时服务水平,推动服务区从孤立节点升级为可协同的高速自洽微电网系统,这亦是交通能源融合发展的探索方向之一[58-60]
规划建模上,可将双侧服务区互联微电网归为“投资部署+能量管理”一体优化框架,并引入双侧节点与联络线潮流变量。决策变量包括双侧购电功率、储能充放电功率、联络线功率交换,以及站内功率分配;约束条件包括双侧功率平衡、储能SOC动态、联络线容量与潮流方向限制以及服务水平。目标函数可同时最小化购电成本、需量峰值与弃光量,并通过峰时功率约束体现“共享备用”的价值[20,40,59]
工程实践上,目前双侧服务区互联微电网/自洽供能系统在高速场景仍以预研与示范探索为主,典型案例包括沈海高速大槐服务区数字化直流微网台区互济(500 kW电力互济)、四川彭州服务区“光储充放”智慧微电网等。目前“联络线建设成本-服务水平收益-配网扩容替代效应”的评估工作仍相对不足。其落地关键不仅在于技术可行性,更取决于计量结算、收益分配与调度权责等环节的清晰界定。建议优先以枢纽型服务区或电网受限节点开展小规模试点,验证潮汐互补的实际收益并探索形成可复制的机制。
因此,双侧服务区互联微电网可在上下行负荷差异明显、双侧服务区距离较近且具备工程改造条件的节点中纳入情景化评估,用于分析功率互济、共享储能和备用容量共享的潜在价值。其推广条件取决于技术可行性、联络线建设成本、计量结算机制、收益分配方式和调度权责边界等因素,可作为示范技术储备予以推进。

2.6 技术路线综合对比

不同技术路线在技术经济参数、规划目标与约束条件上存在显著差异,本文从技术特性、问题挑战、典型规划模型(目标/决策变量/约束)3个维度构建综合对比表(见表1)。
表1 不同技术路线的技术特性、问题挑战与规划模型对比
技术路线 技术特性 问题挑战 典型规划模型(目标、决策变量、关键约束) 常用建模与求解思路
超快充[12,16,18,34 -37] 超充堆;
液冷枪线、
功率共享
峰时排队;
并网瓶颈;
需量峰值;
功率分配
目标:年化成本、电费、等待时间(服务水平)最小;
变量:站点选择、桩数、功率;
约束:排队长度/到达率、并网、变压器容量、功率分配、峰时需量
混合整数规划、排队模型、样本均值近似、Benders分解、启发式或元启发式算法
换电
(含重卡换电)[22,28,32,48,49,51]
车电分离、
分钟级补能;
电池标准化
库存风险;
标准兼容;
电池资产高;
回补滞后
目标:站网成本、缺货、等待惩罚最小;
变量:站址、换电工位、库存规模、回补策略;
约束:电池库存平衡、充电回补滞后、服务能力、车辆路径、班次需求
选址-库存联合模型、排队模型、动态规划、仿真优化、启发式算法
移动充电[36,45,52 -56] 弹性供给资源;
应急保障;
调度复杂;
能量受限;
响应时效;
高成本运营
目标:未服务需求、响应时间、运营成本最小;
变量:车辆派遣、服务顺序、补电量与临时停靠点;
约束:时间窗、荷电状态约束、设备容量、服务可达性
带时间窗和能量约束的车辆路径模型、滚动优化、分支定界、元启发式算法
光储充一体化[38,39,41 -43,46,61,62] 光伏就地供能;
储能削峰填谷、
绿电消纳
多时段耦合;
储能退化;
弃光风险;
收益波动
目标:全生命周期成本、弃光量、碳排放最小;
变量:光伏、储能规模、充放电策略、并网功率;
约束:功率平衡、储能荷电状态、光伏出力、并网容量、需量约束
容量配置与运行调度联合优化、混合整数规划、随机优化、鲁棒优化、滚动调度
双侧服务区互联微电网[21,40,54,57 -59] 潮汐负荷互补;
共享储能、
备用容量
联络线成本;
潮流约束;
结算机制;
协同控制
目标:购电成本、缺供惩罚、储能退化最小;
变量:两侧购电、储能充放电、联络线潮流;
约束:两侧功率平衡、联络线容量与潮流限制、储能荷电状态、并网容量
多微电网协同优化、混合整数规划、分解协调、滚动优化

注:“目标”“变量”“约束”为典型规划模型的概括表达。

技术路线的工程特性决定了规划建模侧重点。超快充规划侧重站址、容量和并网条件;换电规划侧重站点布局、库存周转和回补充电;移动充电规划侧重路径调度、时间窗和能量约束;光储充一体化与双侧服务区互联微电网规划侧重容量配置、多时段调度和跨站能量互济。随着技术系统由单站静态配置转向多时段运行、路径调度和跨站协同,规划模型的复杂度和数据需求也相应提高[9],高速场景下多技术路线的适用性和情景配置策略仍有待进一步研究。
因此,高速公路充电规划应从单一设施扩容转向面向场景约束的多技术组合配置,在基础服务能力、峰时弹性保障、站端能源协同和示范技术储备之间进行策略优化。后续规划可结合车型结构、需求波动、配网容量、用地条件和运营组织方式,识别不同技术路线的适用边界、配置策略和协同关系。

3 高速公路充电设施技术配置策略

高速公路充电设施配置需要同时考虑场景需求、技术路线和系统约束。不同场景对应不同的车辆构成、到达规律、停靠时窗和配网条件。不同技术路线在服务能力、建设成本、运行组织和能源协同方面也具有差异化的适用边界。因此,本节在前文场景需求和技术路线比较的基础上,进一步从不同场景需求约束、影响因素、关键挑战以及配置策略等方面展开分析。

3.1 不同场景下需求约束与技术配置方向

基于1.1节对高速公路充电场景需求特征的梳理,本节进一步将不同场景需求转化为规划约束和技术配置方向。高速公路场景在车型构成、到达规律、停留时窗、站点条件和配网约束等方面存在差异,相应的规划问题亦呈现不同约束特征。本节针对不同技术路线特征,从场景需求出发进行归纳,见表2,用以说明不同高速场景下的主要需求约束、规划约束及可纳入比较的技术配置方向[12,15,16,33,40,47]
表2 典型场景的需求约束与技术配置方向
典型场景 需求特征 规划约束 技术配置方向
主干乘用车走廊
(主线服务区)
随机到达;峰时集中;
等待时间敏感
峰时服务能力;排队时间;
桩位可用率;并网容量
超快充扩容;站内功率分配;
储能削峰
干线重卡走廊
(物流通道)
单次补能需求大;
时窗刚性;路径相对固定
高功率补能能力;专用停车空间;
配网接入容量;运营可靠性
兆瓦级快充;重卡换电;
预约补能与有序调度
枢纽/城市出入口
服务区
多车型混行;
负荷密度高;周转频繁
站内交通组织;峰值功率管理;
土地与配网约束
超快充与储能协同;
光储充一体化;互联微电网试点
旅游支线/观光走廊 节假日脉冲式高峰,平日长尾,
需求波动大
峰值容量校核;低利用率风险;
临时保障能力
移动补能;模块化快充;
临时增容
偏远路段/应急保障场景 低频高影响;快速响应;
离网保障需求
连续通行保障;应急供能能力;
故障替代能力
固定设施基础;移动补能;
应急储能或微电网保障
表2可知,主干乘用车走廊主要受随机到达、节假日峰值和用户等待时间敏感影响,其配置重点在于提升峰时服务能力和降低排队风险[15,21,33,34];对已经形成瓶颈的服务区,可优先评估超快充扩容、功率动态分配和储能削峰组合,以提升峰时服务能力,并降低对配网瞬时容量的冲击[19,34]。干线重卡走廊具有单次补能电量需求大、运行线路相对稳定和停靠时窗刚性等特征,应与乘用车补能体系分开评估。建议围绕兆瓦级快充/换电形成专用节点体系,并与物流枢纽协同。在港口、物流园区、货运通道和重点服务区之间识别稳定运行线路,单独评估兆瓦级快充、重卡换电和专用停车补能区的配置需求,并将车辆到达时窗、电池库存、回补充电能力和司机工作时间等约束纳入模型[22,23]。枢纽/城市出入口服务区通常具有多车型混行、负荷密度高和配网容量约束强等特征,既需要保障乘用车高峰快充服务,也承担轻型商用车、客运车辆和部分重卡补能需求。因此,该类节点可优先评估超快充、储能削峰、光储充一体化和站端能量管理相结合的综合配置方式,但其效果取决于光伏出力、储能容量、电价机制和负荷波动特征[19,20]。对于上下行负荷差异明显、双侧服务区距离较近且具备工程改造条件的节点,可结合工程条件探索双侧服务区互联微电网示范,通过功率互济与共享备用容量提升系统韧性[20,21]。旅游支线、偏远路段和应急保障场景则具有低频高峰和不确定性特征。此类场景更适合采用固定设施兜底、移动补能和临时增容相结合的方式,并通过节假日车流预测、历史订单数据和站端排队监测,提前布设弹性供给资源。
因此,不同场景下的高速公路充电设施配置差异,并不只是站点位置或设施数量差异,而是集中体现为3类约束的组合变化,包括需求侧分化(即不同场景下车辆类型、到达波动、补能强度和停靠时窗存在差异);技术适配差异(即不同技术路线在功率等级、车辆兼容性、建设方式、运行组织和调度能力等方面存在差异,决定了其能否适应特定场景需求);系统约束(即服务区用地、站内交通组织、配网容量、能源协同和运营机制等条件,会进一步影响技术配置方案的可行性)。

3.2 多技术配置的影响因素

综合前文场景需求和技术路线比较,高速公路充电设施配置逻辑受到需求侧分化、技术适配差异和系统约束3个维度的影响。本节从上述维度构建配置逻辑的分析基础:需求侧分化决定配置目标,技术适配差异决定可实施选项,系统约束决定可行边界。三者共同构成不同情景下技术组合方案的决策基础,具体内容如下。
1)需求侧分化决定配置目标
需求侧正在从乘用车随机快充需求,逐步转向多车型和多功率等级需求并存。高速公路补能压力主要来自乘用车节假日集中出行和部分服务区峰时排队,规划重点仍是提高关键节点快充服务能力。随着电动汽车渗透率提升和800 V高压平台普及,单站峰值功率及用户对充电效率的要求将进一步提高[33,34]。在电动重卡进入干线物流走廊的场景下,单车补能电量、停靠时窗和运营可靠性将成为新的约束,兆瓦级充电和换电等高强度补能方式的重要性随之上升[22,23]。在多种车型并存且渗透率较高的场景下,高速服务区将不只是充电节点,而会转变为交通能源系统中的综合负荷和调度节点[33]
2)技术适配差异决定可实施选项
技术适配差异决定了不同技术路线的当前可实施性与示范适用性。超快充和站端功率分配已具备较强工程可实施性,可作为主干乘用车走廊和枢纽服务区的基础能力选项;光储充一体化和储能削峰已经在超快充站及高速服务区综合能源系统研究中得到较多讨论,可作为配网受限节点的支撑措施[19,20]。换电在车型标准相对统一、运行组织较稳定的重卡或车队场景中更具适用性,但其规模化仍受电池标准、库存配置和运营机制影响[50]。移动充电和移动储能具有弹性部署优势,更适合节假日高峰、设备故障和应急保障等低频高影响场景[54,55]
3)系统约束决定配置边界
系统约束正在从单站扩容问题转向交通、电力和运营机制的耦合问题[19-21,44]。在关键服务区高峰时段排队和并网容量不足为主要约束时,技术组合以超充扩容、功率共享、储能削峰和移动补能为主。在重卡电动化推进和枢纽负荷密度上升的背景下,规划问题将从单一站点定容转向走廊级容量分配,并需要统筹用地、配网、电价和碳约束。在电力市场机制、标准体系和车网互动技术逐步成熟的条件下,双侧服务区互联微电网、车网互动需求响应等机制将更有可能从示范走向系统化应用,用于提升跨站协同、共享备用容量和运行韧性。
基于上述3个维度,高速公路充电设施配置不应理解为单一技术替代过程,而应在不同需求结构和系统约束下形成多技术组合。后文进一步将其归纳为典型配置情景,并讨论相应配置策略与协同模式建议。

3.3 多技术配置面临的关键挑战

前文从需求侧、技术侧和系统侧3个维度构建了多技术协同配置的分析框架,但该框架在实际落地中仍面临多重障碍。与单一充电设施扩容相比,多技术配置需要同时判断不同需求何时、何地出现,不同技术能否适配具体场景,以及不同主体能否形成可执行的建设和运营机制。以下从需求侧、供给侧和制度侧3个方面梳理其关键挑战。
1)高速公路充电面临的首要挑战来自需求侧的不确定性与非平稳性。节假日集中出行、方向性车流、车辆类型变化和设备故障等因素,均会导致部分服务区在短时间内出现高强度补能需求。现有研究已从平均需求估算,逐步转向对时空负荷分布、季节波动、服务水平和风险约束的刻画。研究表明,未来充电需求在时间和空间上具有明显的不均衡性[33],同时充电需求也会随季节变化而改变,并影响充电设施部署结果[63]。因此,高速公路充电需求的刻画不宜停留在年均电量、设施覆盖率或车桩比等层面,而应关注峰谷差、高分位负荷、峰值持续时间、车辆到达率、排队等待时间、无法服务概率及相邻服务区之间的需求转移等指标[15,21,64]。上述指标的获取、预测和建模本身即构成挑战,现有数据基础与预测方法尚难精确捕捉节假日尖峰、方向性潮汐和跨服务区需求转移等空间传播效应。
2)需求侧影响会进一步传导至电力供给侧。随着电动汽车渗透率提升、800 V高压平台普及和电动重卡规模化应用,站点需求不仅表现为充电量增长,还表现为单车补能电量增加、平均充电功率上移和峰值功率集中[23,33,34]。高速公路充电规划不能只解决当前设施数量不足的问题,还必须同时考虑配电容量、变压器扩容、储能削峰和光伏出力波动等约束。相关研究已将光伏出力、储能退化、并网容量和风险约束纳入快充站或高速服务区综合能源系统规划,结果表明,交通侧需求波动正在与能源侧不确定性共同决定设施配置结果[19-21,65]。因此,如何在保障充电服务水平的前提下实现源网荷储协调,是多技术配置必须面对的电力系统约束。
3)跨技术协同与多主体运行还面临制度性难题,这是规划走向实施的现实瓶颈。换电、移动充电、光储充微电网等技术路线的规模化应用,不仅依赖设备性能提升,还取决于电池标准、互操作协议、数据共享和统一调度机制。其投资建设和运行维护涉及高速运营方、充电运营商、电网企业、设备企业和物流车队等多个主体,不同主体在投资分担、收益分配、调度权责、设备运维和应急响应方面的诉求并不完全一致。

3.4 面向典型情景的多技术协同配置建议

针对上述挑战,本节从工程实施角度,结合不同场景的需求结构、技术适配条件与系统约束,提出面向典型情景的多技术协同配置建议。根据需求侧分化、技术适配差异与系统约束3个维度的不同组合模式,可归纳出3类典型情景:乘用车峰时服务情景、多车型补能分化情景、能源协同与韧性提升情景。3类情景用于说明不同需求结构和系统约束下可纳入比较的技术组合及其协同模式。
1)乘用车峰时服务情景下,节假日集中出行和局部服务区排队构成主要矛盾,配置重点在于提升关键服务区峰时服务能力。配置中建议优先识别高负荷、高排队风险和配网受限节点,将高分位负荷、峰值持续时间、等待时间和无法服务概率等指标纳入容量校核。针对主干走廊和枢纽服务区中的瓶颈节点,可优先评估或采用超快充扩容、站内功率动态分配和储能削峰等组合方案,提高峰时服务能力并降低对配网瞬时容量的冲击;针对旅游支线、事故拥堵和设备故障等低频高影响场景,可采用移动补能和临时增容作为弹性保障手段。
2)多车型补能分化情景下,乘用车快充功率持续上移,电动重卡、客运车辆和组织化车队补能需求逐步增加,不同车型在功率需求、停靠时窗和停车空间等方面出现分化。乘用车走廊可继续以超快充和储能削峰为基础配置,提高服务水平和电网友好性;干线重卡走廊应与乘用车补能体系分开评估,围绕兆瓦级快充、重卡换电和专用停车补能区形成相对独立的节点配置,并与港口、物流园区和货运通道协同布局;枢纽型服务区和城市出入口节点可结合条件推进光储充一体化和站端能量管理,统筹用地、配网、电价和碳约束,提高综合能源利用效率。
3)能源协同与韧性提升情景下,高速服务区逐步从单一充电节点转向综合能源节点,站端峰值功率、配网容量、绿电消纳和供能可靠性成为重要约束。对于配网接入受限、峰值功率较高或具备光伏开发条件的服务区,可评估光储充一体化、储能削峰和站端能量管理方案;对于上下行负荷差异明显、双侧服务区距离较近且具备工程改造条件的节点,可探索双侧服务区互联微电网,通过功率互济和共享备用容量提升系统韧性。
表3归纳了3类典型情景下的技术配置逻辑。表中情景划分旨在识别不同需求结构与系统约束组合下的差异化配置方向,实际项目中需结合具体站点条件与工程技术可行性进行比选和调整。
表3 高速公路充电技术的情景化配置策略
情景类型 情景特征 技术组合 配置策略
乘用车峰时
服务
乘用车集中到达、
节假日尖峰突出,
用户排队等待敏感
超快充为基础,
移动补能和光储充一体化
组合配置
高峰导向定容;排队约束入模;
关键节点分期扩容
多车型补能
分化
多车型补能需求并存,
在功率等级、
停靠时窗和空间需求上分化
乘用车走廊采用超快充
与光储充协同;重卡走廊配置兆瓦级
快充或换电设施;
移动补能用于高峰保障
识别货运走廊专用补能节点;
推动枢纽服务区综合能源化;
统筹容量/电价/用地和碳约束
能源协同与
韧性提升
站端峰值功率集中,
配网容量、绿电消纳和
供能可靠性约束增强
大功率超充与换电并行;
车网互动需求响应支撑;
光储充与双侧服务区互联微电网协同
探索跨站互济和备用容量共享机制;
逐步完善车网互动与市场结算机制;
在固定线路、高频重载场景开展新技术示范
综上,高速公路充电设施的技术配置应从经验判断及单点扩容转向面向场景需求和系统约束的组合配置。面向工程实施,后续规划可按照“场景需求—技术路线—配置策略”的流程推进。首先,识别服务区所属物理场景和车辆构成,判断其主要需求来源与服务目标;其次,将超快充、换电、移动补能、光储充一体化和双侧服务区互联微电网等技术路线作为可比较选项,从服务水平、投资成本、配网影响和工程可行性等方面开展比选,诊断峰时负荷、排队等待、用地条件、配网容量、专用停车空间和运营组织等关键约束;最后,结合需求侧分化、技术适配差异和系统约束条件,提高多技术配置策略的工程适用性。

4 结论

高速公路充电基础设施的主要矛盾正由早期的设施覆盖不足逐步转向峰时服务能力不足、局部节点拥堵和能源系统约束并存的复合问题。本文通过“场景需求—技术路线—配置策略”框架的系统综述表明,受高速公路走廊化分布、服务区节点离散、节假日需求尖峰及车辆补能行为分异的影响,未来规划不能仅依赖单一固定设施扩容模式,而应转向面向场景约束的多技术配置策略。得出的主要结论如下。
1)高速公路充电需求存在显著场景差异,是技术选型和容量配置的重要依据。主干乘用车走廊主要面临随机到达、节假日峰值和排队等待问题;干线重卡走廊则更关注单次补能电量、停靠时窗、专用停车空间和配网容量;枢纽/城市出入口服务区、旅游支线和应急保障场景还受到多车型混行、低频高峰和突发保障需求等因素影响。因此,后续规划应进一步关注高分位负荷、峰值持续时间、排队等待时间、无法服务概率、站端功率容量和相邻服务区需求转移等指标。
2)不同技术路线的应用需要考虑差异化作用。超快充可作为提升主干乘用车走廊和枢纽服务区峰时服务能力的重要技术选项;换电可在车型平台相对统一、运行组织较为稳定的重卡走廊和车队场景中纳入比较;移动补能可作为节假日尖峰、事故救援、设备检修和偏远路段保障等场景下的弹性供给资源;光储充一体化和双侧服务区互联微电网可用于评估站端削峰、绿电消纳和跨站能量互济的潜在价值。规划时应在基础服务能力、峰时弹性保障、站端能源协同与示范技术储备4个维度之间进行多技术组合配置。
3)配置策略需根据需求侧分化、技术适配差异与系统约束进行差异化选择。乘用车峰时服务情景下,应重点提升关键节点峰时服务能力;多车型补能分化情景下,应评估乘用车快充与重卡专用补能体系的差异化配置;能源协同与韧性提升情景下,应将光储充一体化、储能削峰和双侧服务区互联微电网等方案纳入综合评估体系。实际项目中需结合具体站点条件与工程可行性进行比选。
综上,高速公路充电设施规划应在明确场景约束与阶段目标的基础上,将不同技术路线作为备选方案进行比较,并结合建设时序与运营条件形成配置方案。未来研究中,还需要把道路动态充电技术(架空接触网、感应式无线、地面导电)纳入分析,丰富充电技术路线的比较维度。同时可进一步完善分析框架,针对不同时间尺度的充电需求,提出分阶段的技术演进路径与规划建设建议,提高研究的可操作性与前瞻性。
[1]
UNTERLUGGAUER T, RICH J, ANDERSEN P B, et al. Electric vehicle charging infrastructure planning for integrated transportation and power distribution networks: a review[J]. eTransportation, 2022, 12: 100163. DOI: 10.1016/j.etran.2022.100163.

[2]
BARMAN P, DUTTA L. Charging infrastructure planning for transportation electrification in India: a review[J]. Renewable and Sustainable Energy Reviews, 2024, 192: 114265. DOI: 10.1016/j.rser.2023.114265.

[3]
王震坡, 张瑾, 刘鹏, 等. 电动汽车充电站规划研究综述[J]. 中国公路学报, 2022, 35(12):230-252.

[4]
叶宇剑, 吴奕之, 胡健雄, 等. 城市电力-交通耦合系统的联合推演与协同优化:研究综述、挑战与展望[J]. 中国电机工程学报, 2025, 45(11):4144-4162.

[5]
王立明, 崔优凯, 俞洁, 等. 公路交通与能源基础设施融合发展模式及建议[J]. 交通运输研究, 2023, 9(3):123-131.

[6]
张丽, 林垚, 孙逸帆, 等. 基于专利计量的公路领域太阳能光伏应用技术发展分析[J]. 交通运输研究, 2022, 8(6):108-119.

[7]
王德荣, 高月娥. “十五五”时期我国交通运输发展面临的内外部环境和发展策略[J]. 交通运输研究, 2024, 10(6):2-12.

[8]
SUN Y, LIU M. A study on the path planning and optimization of carbon peaking and carbon neutrality in the highway service area[J]. Building and Environment, 2025, 267: 112187. DOI: 10.1016/j.buildenv.2024.112187.

[9]
杨蒙, 陈玥, 徐潇源, 等. 电力-交通融合研究综述:模型、算法与关键问题[J]. 电力系统自动化, 2025, 49(9):1-16.

[10]
马骏驰, 张源, 段宗涛, 等. 考虑充电需求的电动汽车行为策略研究综述[J]. 交通运输工程学报, 2024, 24(6):66-79.

[11]
袁洪涛, 徐潇源, 严正, 等. 电动汽车集中充换电设施规划和优化运行研究综述[J]. 电力系统保护与控制, 2024, 52(19):157-174.

[12]
GHANBARI MOTLAGH S, LI L. A review on electric vehicle charging station planning: infrastructure placement, sizing, upgrades, and uncertainties[J]. Journal of Energy Storage, 2026, 141: 119325. DOI: 10.1016/j.est.2025.119325.

[13]
ERDOĞAN S, ÇAPAR İ, ÇAPAR İ, et al. Establishing a statewide electric vehicle charging station network in Maryland: a corridor-based station location problem[J]. Socio-Economic Planning Sciences, 2022, 79: 101127. DOI: 10.1016/j.seps.2021.101127.

[14]
ANADÓN MARTÍNEZ V, SUMPER A, SALDAÑA-GONZALEZ A, et al. Planning fast-charging stations along highways using probability distribution functions and traffic data[J]. Sustainable Energy Technologies and Assessments, 2025, 82: 104547. DOI: 10.1016/j.seta.2025.104547.

[15]
POURVAZIRI H, SARHADI H, AZAD N, et al. Planning of electric vehicle charging stations: an integrated deep learning and queueing theory approach[J]. Transportation Research Part E: Logistics and Transportation Review, 2024, 186: 103568. DOI: 10.1016/j.tre.2024.103568.

[16]
李振坤, 肖天宇, 宋治儒, 等. 基于节假日因素影响的高速服务区充电负荷建模与充电桩优化规划[J]. 电力建设, 2025, 46(12):57-69.

[17]
HANIG L, LEDNA C, NOCK D, et al. Finding gaps in the national electric vehicle charging station coverage of the United States[J]. Nature Communications, 2025, 16(1): 561. DOI: 10.1038/s41467-024-55696-8.

[18]
KAVIANIPOUR M, FAKHRMOOSAVI F, SINGH H, et al. Electric vehicle fast charging infrastructure planning in urban networks considering daily travel and charging behavior[J]. Transportation Research Part D: Transport and Environment, 2021, 93: 102769. DOI: 10.1016/j.trd.2021.102769.

[19]
REHMAN W, BO R, MEHDIPOURPICHA H, et al. Sizing battery energy storage and PV system in an extreme fast charging station considering uncertainties and battery degradation[J]. Applied Energy, 2022, 313: 118745. DOI: 10.1016/j.apenergy.2022.118745.

[20]
XU X, XU X, LI S, et al. Simulation and optimization of hybrid renewable energy system to achieve a net-zero and flexible-interconnected service area for highways[J]. Energy for Sustainable Development, 2025, 87: 101740. DOI: 10.1016/j.esd.2025.101740.

[21]
LIU X, HU J, LI R, et al. Optimal capacity planning for integrated charging microgrids along highways considering seasonal fluctuation and risk management[J]. IEEE Transactions on Smart Grid, 2025, 16(5): 3772-3785.

[22]
HAO X, CAO M, LI L, et al. A two-layer programming for highway heavy-duty truck battery swapping stations[J]. Energy, 2025, 321: 135461. DOI: 10.1016/j.energy.2025.135461.

[23]
VIDOTTE PLAZA C, ARSLAN O, LAPORTE G, et al. The charger location problem with routing and driver working hours for long-haul electric heavy-duty trucks[J]. Transportation Research Part C: Emerging Technologies, 2026, 186: 105598. DOI: 10.1016/j.trc.2026.105598.

[24]
World Road Association (PIARC). Electric road systems-a route to net zero[R]. Paris: PIARC, 2023.

[25]
LIAO X, SAEEDNIA M, NOGAL M, et al. Scaling up dynamic charging infrastructure: significant battery cost savings[J]. Transportation Research Part D: Transport and Environment, 2024, 129: 104128. DOI: 10.1016/j.trd.2024.104128.

[26]
WANG X, GONG Y, HUANG T, et al. Long-distance charge-route planning for electric vehicles: a multi-solution approach[J]. IEEE Transactions on Transportation Electrification, 2025, 11(4): 9660-9672.

[27]
葛显龙, 王博, 杨育树, 等. 考虑出行特征的电动汽车协同充电调度优化研究[J]. 交通运输系统工程与信息, 2024, 24(1):240-252.

[28]
BRAGIN M, YE Z, YU N. Toward efficient transportation electrification of heavy-duty trucks: joint scheduling of truck routing and charging[J]. Transportation Research Part C: Emerging Technologies, 2024, 160: 104494. DOI: 10.1016/j.trc.2024.104494.

[29]
WU H. A survey of battery swapping stations for electric vehicles: operation modes and decision scenarios[J]. IEEE Transactions on Intelligent Transportation Systems, 2022, 23(8): 10163-10185.

[30]
HE Y, LIU Z, SONG Z. Integrated charging infrastructure planning and charging scheduling for battery electric bus systems[J]. Transportation Research Part D: Transport and Environment, 2022, 111: 103437. DOI: 10.1016/j.trd.2022.103437.

[31]
姚恩建, 王鑫, 刘莎莎, 等. 考虑机会充电与行程时间可靠性的区域多车型电动公交调度优化[J]. 交通运输系统工程与信息, 2024, 24(4):151-165.

[32]
王玉生, 罗欣欣, 单香琦. 电动公交车队置换与充电设施布局协同优化[J]. 中国公路学报, 2024, 37(4):72-83.

[33]
WU J, POWELL S, XU Y, et al. Planning charging stations for 2050 to support flexible electric vehicle demand considering individual mobility patterns[J]. Cell Reports Sustainability, 2024, 1(1): 100006. DOI: 10.1016/j.crsus.2023.100006.

[34]
YU Q, ZHAO P, LI J, et al. China′s urban EV ultra-fast charging distorts regulated price signals and elevates risk to grid stability[J]. Nature Communications, 2025, 16(1): 8451. DOI: 10.1038/s41467-025-63199-3.

[35]
WANG P, YUAN J. Adaptive multi-stage planning of electric vehicle charging infrastructure with photovoltaic and energy storage systems: a transporta-tion-aware optimization approach[J]. Applied Energy, 2026, 410: 127517. DOI: 10.1016/j.apenergy.2026.127517.

[36]
ZHANG Y, YIN Z, XIAO H, et al. Coordinated planning of EV charging stations and mobile energy storage vehicles in highways with traffic flow modeling[J]. IEEE Transactions on Intelligent Transportation Systems, 2024, 25(12): 21572-21584.

[37]
孙乾皓, 张耀, 张贝西, 等. 含电动汽车快充站的交直流混联配电网多阶段随机扩展规划[J]. 电网技术, 2026, 50(2):807-816.

[38]
LI T, ZHAO A, WANG Y, et al. Integrating solar-powered electric vehicles into sustainable energy systems[J]. Nature Reviews Electrical Engineering, 2025, 2(7): 467-479.

[39]
胡力群, 黄虹鑫, 沙爱民. 中国高速公路路域内的光伏发电潜力评估[J]. 交通运输工程学报, 2024, 24(4):1-13.

[40]
师瑞峰, 唐可意, 高毓钦, 等. 面向多用能需求场景的公路交通自洽微网系统规划方法[J]. 交通运输工程学报, 2024, 24(4):31-42.

[41]
张力, 刘海洋, 段德萱, 等. 交能融合背景下的高速公路光储充一体化发展路线展望[J]. 南方能源建设, 2024, 11(5):86-94.

[42]
刘小寒, 程颖, 王聘玺, 等. “光储充”一体化公交充电设施两阶段鲁棒选址方法[J]. 中国公路学报, 2024, 37(4):14-23.

[43]
XIA M, XIAN Y, CHEN Q. Collaborative planning for hybrid refueling stations with PV power in highway networks[J]. IEEE Transactions on Industry Applications, 2024, 60(1): 1219-1228.

[44]
LIU H, YE Y, WANG H, et al. Spatiotemporal coordination of electric vehicle traffic and energy flows in coupled power-transportation networks with multiple energy replenishment and vehicle-to-grid strategies[J]. Applied Energy, 2025, 396: 126291. DOI: 10.1016/j.apenergy.2025.126291.

[45]
AFSHAR S, MACEDO P, MOHAMED F, et al. Mobile charging stations for electric vehicles: a review[J]. Renewable and Sustainable Energy Reviews, 2021, 152: 111654. DOI: 10.1016/j.rser.2021.111654.

[46]
BOONSENG T, TOWN G, SANGSWANG A, et al. Optimizing battery energy storage for fast charging stations on highways[J]. Journal of Electrical Engineering & Technology, 2025, 20(4): 2149-2163.

[47]
KATONTOKA M, ORSI F, BAKKER M, et al. Toward sustainable transportation: a systematic review of EV charging station locations[J]. International Journal of Sustainable Transportation, 2025, 19(10): 881-893.

[48]
KANDIL S, ABDELFATAH A, AZZOUZ M. Operational and planning perspectives on battery swapping and wireless charging technologies: a multidisciplinary review[J]. IEEE Access, 2025, 13: 52775-52806.

[49]
ALHAZMI Y. Electric vehicle battery swap stations: an overview and critical review[J]. Journal of Umm Al-Qura University for Engineering and Architecture, 2025. DOI: 10.1007/s43995-025-00215-z.

[50]
YANG X, SHAO C, ZHUGE C, et al. Deploying battery swap stations for shared electric vehicles using trajectory data[J]. Transportation Research Part D: Transport and Environment, 2021, 97: 102943. DOI: 10.1016/j.trd.2021.102943.

[51]
周健树, 向月, 张新, 等. 基于深度强化学习的高速公路服务区新能源充电站两阶段优化调控策略[J]. 中国电机工程学报, 2025, 45(11):4130-4143.

[52]
吴浩, 王飚, 牛明博, 等. 基于混合电网与高速公路运行规则下的移动储能双层电能调度研究[J]. 中国公路学报, 2025, 38(11):241-256.

[53]
XU J, MA J, ZHAO C, et al. Dynamic expansion planning of charging stations with fixed and mobile chargers[J]. IEEE Transactions on Intelligent Transportation Systems, 2025, 26(12): 21954-21970.

[54]
NIU M, WANG H, LI J, et al. Coordinated energy dispatch of highway microgrids with mobile storage system based on DMPC optimization[J]. Electric Power Systems Research, 2023, 217: 109119. DOI: 10.1016/j.epsr.2023.109119.

[55]
黄小庆, 于慎仟, 朱彬, 等. 移动充放电设施技术及其规划与运营研究综述[J]. 电力自动化设备, 2024, 44(7):246-254.

[56]
HE K, JIA H, MU Y, et al. Coordinated planning of fixed and mobile charging facilities for electric vehicles on highways[J]. IEEE Transactions on Intelligent Transportation Systems, 2023, 24(9): 10087-10098.

[57]
JIANG W, WANG T, YUAN D, et al. Available solar resources and photovoltaic system planning strategy for highway[J]. Renewable and Sustainable Energy Reviews, 2024, 203: 114765. DOI: 10.1016/j.rser.2024.114765.

[58]
ZHANG T, YAO E, YANG Y, et al. Multi-network coordinated charging infrastructure planning for the self-sufficient renewable power highway[J]. Computer-Aided Civil and Infrastructure Engineering, 2024, 39(16): 2517-2540.

[59]
RODRIGUEZ-GIL J, MOJICA-NAVA E, VARGAS-MEDINA D, et al. Energy management system in networked microgrids: an overview[J]. Energy Systems, 2026, 17(1): 315-346.

[60]
郝雪丽, 赵美瑄, 裴莉莉, 等. 基于改进Pareto算法的风/光/氢蓄储公路微电网调度决策优化[J]. 交通运输工程学报, 2024, 24(4):71-82.

[61]
王飚, 路捷, 沙爱民, 等. 考虑光伏不确定性影响的高速公路光储换一体化能源管理策略[J]. 交通运输工程学报, 2024, 24(4):14-30.

[62]
黄镜欢, 张力, 刘海洋, 等. 高速公路交能融合项目开发的影响因素分析及建议[J]. 南方能源建设, 2024, 11(S1):1-6.

[63]
YANG X, PENG Z, WANG P, et al. Seasonal variance in electric vehicle charging demand and its impacts on infrastructure deployment: a big data approach[J]. Energy, 2023, 280: 128230. DOI: 10.1016/j.energy.2023.128230.

[64]
ZHANG Y, CHEN J, CAI L, et al. Expanding EV charging networks considering transportation pattern and power supply limit[J]. IEEE Transactions on Smart Grid, 2019, 10(6): 6332-6342.

[65]
DING Y, QU G, CHEN X, et al. Deep reinforcement learning-based spatiotemporal decision of utility-scale highway portable energy storage systems[J]. IEEE Transactions on Industry Applications, 2024, 60(1): 966-975.

Options
Outlines

/