时空需求下的电动汽车充电设施选址优化模型

针对电动汽车充电站布局位置不合理、充电利用率较低等问题，提出了一种时空需求下的充电设施选址优化模型STDM。通过对电动汽车出行数据的时空分布特征进行挖掘，结合电动汽车的出行与充电行为构建充电需求预测模型来获得区域内时空需求分布；采用基于时空统计量的方法获取需求热点区域，考虑到充电站服务覆盖问题，定义充电覆盖率作为模型评估参数；在此基础上从用户角度与运营和社会角度综合构建电动汽车到站距离成本、充电站建设运行成本和碳排放成本的优化模型。最后通过实际数据验证模型的可行性和有效性。结果表明，模型得出了区域内12个充电站的选址方案降低综合成本，同时确定充电站的布局位置与充电桩数量；此外，采用所提方法得到的模型选址结果相比于其他文献方法能够有效缩短电动汽车到站距离，并提高到站覆盖率。     

基于混合整数线性规划的充电桩群优化调度

针对充电站内电动汽车充电成本过高的问题，提出了一种基于混合整数线性规划（MLP）的充电桩群优化调度的方法。在满足电I动汽车充电需求的前提下该调度方法以充电站内总充电成本最低为优化目标，并采用模型预测控制器（MPC）模拟电动汽车行程，利用MLP求解器求解充电站各个时间段I内的充电功率，并按照充电时间顺序将每个时段内充电功率分配给对应时段内在充电站内停车场充电的电动汽车。实验结果表明，基于MLP的充放电调度方法有效降低了充电站内的总充电成本，达到了优化电动汽车充放电调度的目的。     

充电中断情景下电动汽车充电站两阶段多目标区间选址优化决策

考虑到充电站选址用户需求量的不确定性和突发状况的复杂性特点,以充电站选址服务效益最好、充电站风险最小以及"预选址-增建选址"两阶段经济成本最低为目标,基于传统p-median模型和多目标应急选址模型,构建两阶段多目标区间p-median模型.第1阶段在需求和设施损坏存在不确定因素的情况下,基于不确定需求模型模拟充电站遭遇突发情景下的不同需求量,构建出基于p-median的"预选址"模型;第2阶段针对瘫痪情景发生后的信息,建立一种反应式修复调整策略的"增建选址"模型.引入区间模糊集理论对模型进行转换,利用免疫优化算法对模型进行求解分析,得到充电中断情景下的充电站选址最优方案.最后,以西安市某区域为例,验证模型的可行性与有效性,为充电中断情境下电动汽车充电站科学选址提供了必要的决策参考和支持.     

基于Q-Learning算法用户最优充电站运营研究

充电站运营系统是为电动汽车提供充电服务,并与电网、充电站与电力网、交通网数据中心相连接,通过数据库的信息共享、互动和数据挖掘,达到充电站高效运营管理。本文就智能充电站的运营系统的整体结构与数据分析进行探讨。运用Q-Learning算法从用户实现总成本的最优(小),作出最佳的充电服务选择角度分析用户充电决策,可在运营数据挖掘中预测用户的充电行为规律,进而预测运营的充电站设备利用状况,能够对不同充电设施规划方案下的充电负荷进行更加真实准确的计算,从而获得更加准确的充电站运行成本,最终为充电站制定的充电服务运营策略提供依据帮助,进而帮助充电站提高设备利用,提升充电站运营效益。也为日后扩建、新建充电站设备数量、类型、地点等信息提供决策依据。     

面向最大使用效益的充电站网络优化方法

我国政府目前已建成一定规模的充电站网络。针对充电站网络利用率低,存在大量冗余站点和电动汽车充电难等问题,提出了一种数据驱动的充电站网络优化方法。首先,该方法模拟电动汽车充电行为,对不同时间戳内的充电站分别建立队列系统,进而估计充电站间的到达率情况。在此基础上,分析城市电动汽车的充电行为空间特征,用于挖掘城市电动汽车的充电热点。然后,对充电站间的竞争依赖关系、地理位置特征及用户充电偏好间的相互作用进行建模,进而提出了充电站在网络中的使用效益评分函数。最后,建立了以最大化充电站网络使用效益为目标的充电站网络优化模型,并提出了基于充电热点的启发式网络扩展算法进行模型求解,从而获取最佳充电站网络布局。以一个典型的城区为例进行的实验测试结果表明,该方法不仅能在消除冗余站点的同时提高充电站利用率,而且能够识别充电站网络拥堵区域,为政府规划部门解决充电难问题提供了决策支持。     

基于DEB-ABC算法的电动汽车充电优化调度模型

随着电动汽车保有量不断上升, 其相关配套设施也面临巨大挑战, 不合理的充电资源分配在充电高峰期会造成部分充电站过度拥挤, 并且影响电网稳定运行. 提出一种考虑多目标优化的调度模型, 通过分析充电站内不同充电选项的排队时间, 并根据排队率和分时电价提出一种动态定价模型, 影响车主充电行为, 结合动态定价模型与充电需求计算充电成本, 考虑基于起讫点的充电总路径行驶时间, 以总成本最少为优化目标, 基于DEB-ABC算法进行求解. 在某区域内对1 500辆电动汽车进行仿真验证, 结果表明提出的优化调度模型可减少充电等待时间、充电成本和总行驶时间, 提高区域内充电站利用率.     

共享充电桩下负荷时间分布均衡的小区电动汽车充电方案优化

针对电动汽车充电负荷增加、电网安全性降低,以及停车困难小区只能使用共享充电桩等问题,提出了一种充电桩选择与电动汽车充电优化的组合模型。该模型以共享充电桩之间充电时间标准差和全天充电负荷标准差之和最小为目标。考虑到电动汽车充电桩分配方案以及电动汽车充电方案两者的重要程度并不相同,提出了一种随着迭代次数的增加,变化概率不断改变的动态概率遗传算法。将改进后的遗传算法求解该模型,通过求解一个算例,进一步阐述所提算法的原理和过程,验证了该算法的可行性和有效性。     

计算智能在电动车充电站规划的应用研究综述

虽然近年来电动汽车销售市场在不断扩大,但过低的充电桩利用率使得电动汽车充换电服务运营商的收益并不乐观。通过大数据分析充电站的部署方式可以有效提升充电桩利用率。阐述了演化计算和群体智能主要算法的原理,研究了充电站规划的多目标优化数学模型,论述了演化计算和群体智能在充电站规划中的应用,研究了演化计算和群体智能在充电站规划过程中的改进方式,讨论了人工神经网络和模糊系统应用于充电站规划的可能性,并对发展现状和未来趋势进行了总结与展望。     

基于二次聚类的大规模电动汽车有序充电调度策略优化

针对大量电动汽车无序充电造成的充电站利用率不均衡问题,提出一种大规模电动汽车有序充电调度策略。首先,以电动汽车充电需求的位置为聚类指标,借助归一化相似度进行层次聚类和基于K-means算法的二次划分,以实现属性相似的电动汽车的汇聚。进一步地,通过Dijkstra算法获取电动汽车到达各个充电站的最优路径,以充电站内电动汽车的均匀分配和电动汽车充电路程最短作为目标函数,构建了基于电动汽车聚类的充电调度模型,通过遗传算法求取最优解。与未进行电动汽车聚类的充电调度策略进行的仿真对比实验结果表明,在车辆较多时所提方法的计算时间可减少一半以上,具有较高的实用性。     

基于收益分析的充电站选址规划模型

为了解决电动汽车充电站建站选址过程中出现的重复投入、资源浪费等问题,使其一方面可以满足电动汽车用户的充电需求,另一方面还可以提高自身经济收益,本文依据某公司车桩一体平台所采集的新能源车运行数据和充电桩充电数据,结合公司的实际投资建设需求,在充分考虑了充电站的经济收入和各类投资费用后,以最小扭亏为盈年限作为目标函数,建立了充电站选址规划模型。为了验证模型的正确性,我们在初步给定的15个预选站点中,采用差分进化算法进行模型求解,得出各站点最小扭亏为盈年限以及所需配备的充电桩的个数。根据模型求解结果,发现站点6是以收回投资成本的最短年限为依据的最佳站点,而以年均收入为依据的最佳站点是站点1,这是与实际工作经验想吻合的。     

电动汽车与配电网协调规划方法及应用

为更好地实现电动汽车与配电网协调发展,提出一种电动汽车与配电网协调规划方法。首先,研究电动汽车的充电负荷特性,摸清电动汽车的用电规律;其次,研究电动汽车进站流量密度,计算不同时刻不同类型的电动汽车充电数量。最后,研究考虑配电网容量约束的电动汽车充电站规划方法,保证电动汽车充电站规划方案的经济性和科学性。应用实例表明,此方法确定的电动汽车充电站规划方案科学、合理,验证了此方法的有效性和实用性。     

基于用户数据的电动汽车充电桩网络攻击模型

电动汽车(electrical vehicle, EV)的用户数据是优化EV充电成本的关键数据,对用户数据的操纵可能导致错误的充电成本,使充电桩运营商蒙受经济损失。针对EV充电桩,提出了一种基于用户数据的网络攻击模型,该模型通过篡改接入EV充电桩的用户数据生成虚假的充电计划,从而提高充电桩的充电成本。所提出的攻击模型为一种基于混合整数线性规划的两层优化模型,在上层生成注入EV充电桩的恶意用户数据,下层为EV充电计划优化算法,通过应用KKT条件使两层优化模型转化为单层优化攻击模型。仿真以一个虚拟充电站场景为例,相较于无攻击情况,该攻击模型通过提高EV的充电能量或移动EV的充电时段增加了充电站的总充电成本,验证了该攻击模型的可行性和危害性。     

基于GPU并行计算的电动出租车新建充电站选址模型

针对电动出租车充电站优化选址问题，构建了以未满足的电动出租车充电需求量和新建充电站的固定成本最小为目标函数的电动出租车新建充电站选址模型，并提出基于改进的多目标粒子群算法的模型求解方法。为解决未满足充电需求量计算的性能瓶颈问题，设计了一个基于图形处理器（GPU）的未满足充电需求量并行计算算法，并通过实验验证其运行时间约为基于CPU串行算法运行时间的10%~12%。以北京为例，收集、处理相关多源数据，对提出的选址模型进行了应用示例分析，表明所提出的充电站优化选址方案具有可行性。     

智慧园区电动汽车有序共享充电需求分析

针对智慧园区充电设施少不能满足电动汽车发展需求问题,提出一种适用于智慧园区电动汽车有序共享充电需求建模分析方法,通过分析充电数据提供充电计划,并辅助园区能量管理系统制定有序充电策略.利用功率谱密度估计方法统计分析单个EV充电电流,并通过人工智能网络完成EV在线识别分类工作,基于插入时间、能量和工作日之间的相关性统计分析每个EV充电习惯,利用测量电网侧的电流来预测充电需求,基于核密度估计建立充电需求统计模型.通过某住宅小区充电设施采集的实际数据验证该模型精度的有效性和适用性,为智能园区电动汽车充电提供帮助.     

电动网约车充电站布局优化研究

电动网约汽车的出现使得人们的交通出行方式更加灵活,也更大程度满足出行个性化和高品质的需求,但是由于电动汽车电池特性,如何合理布局充电站成为关键。因此在建立总出行时间最短模型基础上,通过Python对充电站布局进行多Agent仿真优化,平衡交通密度和充电需求,考虑电动网约车司机充电行为决策问题,构建电动汽车行为模型,并以北京市13座充电站为例,分别从访问频率、绕行时间和等待时间等因素分析充电站布局的合理性,对充电站布局以及充电桩个数进行优化,保证各个充电站访问频率较平均。     

考虑电池损耗的电动冷藏车路径及充电策略

电池充电造成的电池损耗对企业运营成本影响较大,以不同SOC区间内一次充电造成的电池容量衰退成本模型估计电池损耗成本,研究了车辆途中可多次进入充电站充电的路径优化问题,在考虑运输成本、制冷成本、货损成本、充电时间成本、惩罚成本的基础上,将电动冷藏车的电池损耗成本纳入总成本最小的目标函数,并建立了线性规划数学模型。采用增加粒子间共享信息类型的改进粒子群算法对该模型进行求解。将改进粒子群算法应用于构造的算例中,得到包括充电策略在内的车辆最优路径方案和最小运营成本,结果表明充电上限为80%的车辆路径方案可得到最低的运营成本,同时与标准粒子群算法求得的计算结果进行了比较分析,证明该改进粒子群算法在求解该问题上的可行性。