文摘
随着气候变化已成为一个紧迫的问题,促进电动汽车(EVs)的使用已成为一种流行的应对化石燃料汽车造成的污染。定位充电站在不断扩大的充电基础设施的地区,是电动汽车的可访问性和未来成功的关键。尽管如此,计划和部署适合电动汽车充电快站是其中一个最大规模的电动汽车采用的关键决定因素。安装在现有的燃料/加油站充电站城市可能是一个有效的方式来说服人们采用电动汽车。在本文中,我们的目标是优化定位一个充电快站在现有的加油站在爱知县的真实场景,日本。目的是定位和大小以这种方式充电快站,司机可以获得这些设施在一个理性的练习场收费而考虑现实世界的约束。此外,我们包括投资成本和方便电动汽车用户的成本。这个问题是由五个整数线性规划制定使用加权集合覆盖模型。开发模型确定充电站定位以及有多少充电器应该安装在每个充电站。实验结果表明,适当的位置方案可以获得使用模型 。计算实验确定决策者的最佳基础设施解决方案的上下文中考虑日益增长的环境政策。
1。介绍
如今气候变化已被确定为一个大问题,这主要是由温室气体排放。全球变暖将上升2°C以上高于工业化前的水平,如果没有进一步的措施减少温室气体排放(1,2]。2016年,交通部门贡献了大约25%的全球温室气体排放(3]。虽然能源和燃料消耗显著影响全球气候变化,使用和能源生产本身是困难重重4,5]。2012年,交通部门能源需求从23%上升到28% (6]。因此,绿色交通发展的概念,指的是一个简单,高效、安全、低污染,和多样化的城市交通系统7- - - - - -9]。通讯和技术的发展,绿色交通系统提供的一种最有效的解决方案在对抗空气污染,减少交通拥堵,缓解燃料危机(10,11]。
绿色运输是至关重要的应对气候变化减缓,因为他们减少CO2经常使用的和其他污染物在传统车辆(12,13]。在所有绿色交通选择、电动自行车、共享流动性,电动车(电动车),和快速公交系统是应对上述挑战的一个有趣的选择(14,15]。零排放汽车的呼吁和改进的电池技术,电动汽车是一个坚实的竞争者取代汽车频道。除了导致能源安全和可持续发展的环境、电动汽车的燃油经济性为用户提供实实在在的利益和成本节约16]。由于这些原因,电动汽车市场最近看到商业上的成功。几个国家和政府部门也建立了政策鼓励电动汽车采用,进一步加快增长。尽管他们好处,电动汽车在公众中,还没有被广泛接受。由于不足和有限的充电基础设施和较短的练习场,电动车司机可能里程焦虑或担心能源存储可能耗尽之前,他们到达目的地(17,18]。为了减轻司机的里程焦虑,增加电动汽车的使用,需要充分考虑对充电站帮助司机安全到达目的地。
采用电动汽车充电基础设施正变得至关重要的组件,连接车辆技术和效率和可靠供电的可访问性充电站(12]。它也与电力需求的增加在其他领域(19]。在这种背景下,基础设施问题包括充电站分布规划、电网抵抗,可靠性,和消费模式用于确定定价和激励政策。性能和成本壁垒阻碍采用电动汽车(20.]。此外,穿过电动汽车可能会变得不可持续的充电站(由于有限的可用性21),nonoptimal位置在城市环境(22)、不一致的功率流和能量从主电网最初并未满足使用。因此,它是至关重要的识别职业模式,因此,这些问题可以通过使用充电解决配置文件(23]。电动汽车充电是一种新型的电力需求是具有挑战性的精确估计,尤其是汽车普及率仍低,很难获得一个大数据集。另一个重大障碍增加电动汽车的市场份额面临的麻烦是由于公共充电基础设施的短缺和电池的有限范围。适当的充电站规划可以帮助司机在这方面。
电动汽车需要比较长时间的充电时间比加油车辆内部压缩引擎(ICEVs)。三种类型的充电站目前可用的,每一方都有一个不同的充电电源。i级和ii级充电器的最大充电功率为1.5千瓦和10千瓦,分别;然而,提升充电器充电能力高达60 - 150 kW因为他们需要高电压(24]。提升充电器更昂贵的构造和只能发现在商业的地方。一个标准的电动汽车仍将需要超过30分钟甚至提升充电器,这是大大超过加油ICEVs [25]。i级和ii级充电器通常需要几个小时才能完全充电电动车。因此,一种有吸引力的选择将在电动汽车充电站司机的家里,办公室,或者其他地方他们将呆很长一段时间(娱乐设施,购物中心)。
电动汽车充电站(EVCS)规划问题都进行了广泛的调查在过去的十年里,继续抓住研究者和实践者的关注。在文献中,EVCS位置问题分为两组,即市内的城际,取决于类型的旅行充电设施打算支持。城际问题主要是与里程焦虑相关的问题,特别是对于长(城际)旅行,而市内的问题更关心有限的可访问性边界内的充电基础设施的城市中心。城际问题的充电器可以安装在高速公路上的任何地方,和这个问题可以解决flow-capturing加油问题和充电器的位置取决于交通量叫做副和EVs范围(26]。作者提出了一个概念模型研究电动汽车旅行在很长的一段路城际EVs旅行(25]。他们提出的模型的目标是选择电池的大小和电荷容量满足特定的服务水平同时最小化总社会成本。同样地,作者采用连续设施选址优化方法公路走廊(电动汽车充电站的位置27]。他们的模型没有同样的电池的成本。考虑到需求的不确定性,他们的目标是增加私人和政府补贴的充电站充电设施。
在市内的问题,充电器可以安装在任何地方。定位EVCS,离散网络模型被选中,因为电台只能位于离散位置,如现有加油站或停车场(26]。有两种不同的方法确定充电站应放置的地方。首先是古典设施选址方法的使用,如集合覆盖问题,减少充电器的数量的总体目标要求,所有消费者都可以到达充电站在特定时间和行驶距离。第二种方法是多准则决策(指标)方法基于地理空间分析(28]。在指标,个人潜在的位置是根据不同的评估标准,包括土地成本、停车场可用性和位置的斜率。每个子类得分和位置决定是基于每个候选人的累积分数。弗雷德et al。(2011)试图解决市内的电动汽车的充电位置问题,采用覆盖模型,以最大化客户的数量,每个站和保持一定程度的报道提供的充电站(29日]。Dashora et al。(2010)建议早期市内的EV模型位置打算降低总体成本将停车场EVCS (30.]。转换一个停车场的成本包括安装充电设备,太阳能阴影和连接这些停车场附近的网格。陈et al。(2013)使用一个类似的模型减少步行距离(31日]。他et al。(2013)考虑EVCS的位置之间的交互,电网运行,选择的路线和目的地的选择32]。Ahmad et al。(2017)开发了一个最优的框架基于开关过程的混合动力电动汽车交易从一个地方到另一个根据最大(即销售。、电动汽车的排放)和最小采购(即。电动汽车的充电)能源成本(33]。基于这些结果,该聚合器较小的能源成本比日前支付4.22%,4.65%和9.68%比DISCOM较小,双边交易平台。
到目前为止,现有研究已经检查了一些优化策略求解的性能最优的位置EVCS问题。不同的研究人员已经研究最有效的放置EVCS分布线使用进化算法等各种计算技术(34],Jaya算法[35),粒子群优化(PSO) (36)和遗传算法(GA) (37]。大多数情况下,问题都是一样的,主要基于交通流数据的可用性和观察到的地区电动汽车的总数。熊et al。(2017)提出的最优位置EVCS考虑分销网络和城市交通38]。目标是最小化能量不同时考虑充电站提供成本。塔尔·et al .(2020)使用一种方法的最优部署太阳能基于权力充电站考虑不同的收费水平以最小的损失和安装成本39]。
然而,约束优化问题结合在一起的不同,如EVCS的类型,勇气路线,土地成本,维护成本,固定成本,电网的影响,和交通流40]。Shahraki et al。(2015)提出的应用混合整数线性规划(MILP)的最佳放置EVCS基于真实数据的汽车旅行模式(41]。研究结果表明,合适的充电站位置会导致显著的改善。通用电气et al .(2011)采用GA大小和定位电动汽车充电站使用网格分区(42]。主要约束考虑充电站的容量和交通密度。平衡建模框架提出了他et al。(2013)来捕获之间的交互的可用性充电机会,目的地,电价,电动汽车在区域电力传输线路的选择和运输网络32]。这篇论文的目的是考虑权力的约束和交通网络。董et al .(2014)采用GA EVCS,一种基于活动的技术使用multitravel数据(43]。这一发现表明,公共充电器的位置在热门网站有足够的基础设施投资可以大大提高电动英里和旅行。
刘et al。(2012)使用一种修改primal-dualinterior-point EVCS算法选择一个合适的位置放置,将环境因素和电动汽车的服务半径来解决这个问题44]。他们认为成本作为目标函数。王et al。(2013)采用数据包络分析EVCS问题考虑多目标函数,功率损耗,EVs流和电压偏差45]。Zhang et al。(2015)采用PSO EVCS[最佳位置规划36]。充电快站的位置问题和公共停车场开发成本作为目标函数。姚明et al。(2014)开发了一种多目标进化算法来定位充电快站考虑多目标函数,EV流,成本,和能量损失(46]。Ahmad et al。(2021)提出了一个修改后的鸡群优化(MCSO)方法的最优部署太阳能充电站考虑分销网络。结果比较teaching-learning-based优化和Jaya算法;比较显示的优越性MCSO [47]。
根据廖et al .(2016),里程焦虑,EVCS可用性和充电持续时间更快的电动汽车的三大缺点是采用(48]。此外,容易获得EVCS直接影响电动汽车的普及率水平。这是由于这样的事实:ICEVs被视为方便购买和用户不喜欢提前计划找到充电站。因此,充电快站作为应急服务设施,必须考虑消费者的行为而定位充电站。同时,燃油/燃气零售行业是完善和优化服务车辆,和这些位置是自然的候选人安装快速充电器。为了解决上述问题,下面的贡献。
目前的研究目标是开发一个最小化总成本的数学模型优化充电站的规划位置,大小,总充电器在每个充电站的数量。充电站开放资本成本和方便用户的成本(通过电台访问成本定义)是两个至关重要的因素,规划最优充电位置。本研究提出了五种不同的整数线性规划(独立)模型来解决EVCS位置和大小的问题。拟议的模型可能会被在两个主要类型。首先,独立模型仅用于充电器位置决定;第二,独立模型同时考虑位置和大小决定。两个类别区分明确的决策变量,有关现实世界的约束和相应的目标函数。
本文的其余部分如下。部分2细节提出的数学模型。部分3报告的主要结果进行了计算实验。部分4总结并提供未来的研究途径。
2。模型公式
提出了不同的覆盖模型(优化模型)。目标是最小化各种配方的目标成本,同时满足所有的要求。建议的模型处理都市地区的电动汽车充电网络的规划完全基于现有的加油站。
2.1。假设
这项研究是基于以下主要假设为简单起见:(我)为电动汽车用户,只有白天充电。这似乎是方便工作场所在城市地区。(2)只被认为是快速充电站,每个充电器可以提供服务到多个电动汽车,快速充电通常被认为是加油站的最佳解决方案。(3)访问安装充电器在合理的旅行距离对电动汽车司机是必要的。(iv)每一个电动车都可以向一个充电站。
2.2。网络规划
识别潜在的未来充电站的位置是本研究的一个重要组成部分。基于前面的研究(49,50),现有的加油站附近可以充电站的合适的地方。谷歌地图是用来获取地理信息。表1包含一系列可能的位置。在图1,我们发现18可能的充电站。后18潜在候选人的位置已经确定,在图创建邻接图2。基于图论,一个无向图有关 创建了, 表示一组节点代表可行的收费,和 是边的集合代表充电站之间可能的关系 18)。之间的距离位置用于重量每条边(= 54)。笛卡儿的距离在每个车站的附近决心和指出 表示位置之间的距离和 。表2提供的距离矩阵。
2.3。线性规划模型
不同的模型可以用来优化安装资源。本节包含这些提议的描述模型。安装的位置,它们的大小,收费都是考虑在范围的水平。not-yet-placed站的用户应该合理半径内R安装的一个车站。除了保证服务覆盖的距离,这些模型减少各种成本,坚持适当的约束。在本节中,我们看两个决定独立(位置,位置和大小)模型。前两个模型只集中在位置和最后三模型集中在位置和大小。
2.3.1。独立模型只考虑一个位置
第一节课的独立集合覆盖模型使用一个赋权问题[51]。为此,我们定义了一个二进制变量为每一个位置 ,它的值1 EVCS安装位置否则,0。R代表一个常数覆盖半径表示电动汽车用户的可容忍的距离而寻找充电站。然后,中间不断的利用。让 是一个二进制常数,值1如果需要 ;否则,0,前一节中描述的是一样的。因此,模型可以得到如下:
所示的目标函数方程(1)[19安装),代表站的数量,是最小化模型。约束(2)建立了覆盖半径为电动汽车的用户的可访问性。所示的约束条件方程(3)表示二进制限制x变量。的模型安装最小化的总数。它指的是减少充电站的总数在拟议的地区。基于集合覆盖组合优化模型(36),安装固定时模型是有用的成本从一个站到下一个。例如,在正常的服务操作站网络,充电器成本是相对于开放成本低。我们添加 成本size-independent打开一个充电站在每个可能的位置考虑到开放的基础设施成本。是一个加油站转化为电动汽车的成本兼容很多,特别是设备和行政支出(52]。当住宿的所有可能的位置是固定的,能力模型尺度依赖的成本不变,然后专注于只有开幕式成本最小化。因此,模型制定如下:
目标函数(4)减少和最小化所有安装电台的总体成本最低的值作为研究[52]。约束(5)指出,至少1站在一个半径R为每个位置安装吗j(位置j包括)和约束(6)表示变量性质。
2.3.2。独立模型考虑位置和大小
第二个独立模型的重点是开发合适的大小,除了确定充电站的位置。开始,我们将下列数字分配给个人的可行的位置 ,(我)能力 ,代表最大的充电器可以安装有关的数字位置站能力,(2)安装一个充电器,价格单位为代表 ,(3)最后,需求代表的电动汽车数量可以使用位置我。电动汽车的最大数量,介绍了充电器及其配方方程所示(7)[19]。
在上述关系意味着服务速率或电动汽车的数量可以在一小时内,和代表整个充电器服务时间。服务速率是首先介绍了回顾性研究[53]。每一个位置 可能被认为是一个可能的建设充电站的地方以及领土的质心为电动汽车的驱动程序。在这里,两个新的决策变量。定义每一个位置 作为一个非负整数变量表示总数量的充电器安装在每个位置我。定义一个二进制变量 ,这是设置为1,如果电动汽车的位置我的费用为的位置。因此,第三个独立模型如下:
目标函数所示(8)旨在优化(最小化)充电器安装和资本成本。约束(9)要求所有电动汽车被分配给一个特定的EVCS。约束(10)定义了电动汽车只能被起诉的位置 如果这个网站是为适应选择充电站。约束(11)的规定,选择车站,最低必须安装一个充电器,充电器的总数不超过车站的能力。如果没有指定一个车站,没有充电器部署。约束(12)要求所有电动车车主更喜欢收取他们的车辆在选址应小于可用的服务充电器的数量。约束(13)表示,电动汽车的任务从一个选定的位置( )位置 是可行的,如果只提供站之间的距离小于公差半径。最后,(14)和(15)显示了完整性约束和约束(16)非负整数变量n。
因此,主要的焦点是减少充电设施的安装成本。后,还必须考虑成本的访问。更具体地说,旅游费用是电动汽车以来还包括所有者可以开车从一个地方到另一个地方找到合适的充电设施的车辆。朱镕基et al。(2016)最早提出这方面的分析60公里2北京都市地区由于充电站远从用户的工作场所(49]。他们相信电动汽车司机可能走路和乘出租车或公共汽车从一个位置到其他。在我们的研究中,我们只考虑步行进入可能的充电站。事实上,电动汽车用户不太可能乘出租车或巴士从目的地到充电站。每公里用走的估计成本 ,走成本,确定方程(17)研究(52] 在哪里平均步行速度和吗的平均小时工资是电动汽车的所有者。因此,模型如下: 在哪里和非负权重。我们的目标(18)是最小化加权总成本。剩下的与前面的模型(方程是相同的 )。每个用户的偏好站安装和访问成本反映在权重分配给每个车站。因此,我们建议前面的模型可以提高包括车站的总建设成本。最后,模型介绍了。
在[54),模型对应的模型作为一个特殊情况下条件下= 1,= 0
3所示。数值实验
展示案例研究之后,基本和推荐模型的结果进行了讨论和比较。之后,一个实验性的和全面的独立提出了模型的灵敏度分析确定模型的灵敏度进行了各种成本组件和其他变量。这个实验是在英特尔酷睿i5 - 8400进行的(电子邮件保护)GHz cpu(6)桌面12 GB RAM。优化编程语言(OPL)用于代码五个独立的模型,和普通MIP解算器(IBM最大化策略,版本12.6)被用来解决这些问题。值得注意的是,所有的模型找到了一个最佳位置在不到30秒的CPU时间。
3.1。参数设置
使用下面的实验中,部署的成本充电器是假定为常数,而不是依赖于安装位置。根据先前的研究, 作为5600052,55]。充电需求预计将每个充电站之间均匀分布。因此, 被认为是固定在基于[1349]。方程(7)指定的3电动汽车充电器服务速率单位小时和充电器的服务时间12小时在一天。每小时的平均工资是17美元/小时。它是计算除以月平均工资(3000美元)电动车车主的累计工作时间一个月。假设平均步行速度是5公里/小时(52,56]。为和 ,模型等重点站和用户访问的的成本== 0.5。
3.2。敏感性分析
3.2.1之上。覆盖半径的影响
我们专注于覆盖半径(R)调查其影响和变化的部署优化基础设施对于每个独立模型的输出。可以忍受的距离R计算范围和范围在0到16公里之间。表3代表了模型和这只简单地输出位置决定。表显示充电站的数量和相应的成本。采取R= 1公里对应建立EVCS在每个可用的地方,导致充电站的数量= 18。此外,提高R价值与降低成本和开放位置选择的数量。16公里,充电站的数量是两个模型6和和成本改变,因为这两种模型的位置是不一样的。的进化模型和输出呈现在图3。此外,表4显示独立工党模型结果决策相关的位置和大小。表4添加了充电器的数量。增加了R价值是伴随着少充电站;然而,这也意味着更多的充电器需要安装在充电站。根据模型和 ,的R值是16公里,充电站的数量和号码的充电器是5和16日分别。然而,根据模型 ,不包括车站开放成本10站应该选择近一半的成本显示的模型 。充电器的数量是相同的模型 , 和因为充电需求是均匀分布。此外,在模型高价格是由于用户的接入成本。的进化模型 , 和输出数据所示4- - - - - -6
3.2.2。充电时间的影响
电动汽车快速充电技术正在改变迅速,当前的研究旨在调查充电时间变化的影响在EVCS部署。表5显示了充电时间演化模型结果和服务速率λ的充电器。值得一提的是,长时间的充电时间增加充电器的数量;因此,增加安装成本,这也是可靠的数量总充电器。5 EVCS可以安装和 。这表明建议模型继续使用类似EVCS位置。尽管随着技术的发展和减少充电时间,建立了电动汽车充电方案是有效的。
3.2.3。电动车充电器成本的影响
首先,让我们看看如何波动模型的输出作为电动车的充电器的单位成本增加的范围(42000到70000美元),比上年增长5%。表6给出了数值结果。增加电动车充电器的单位成本,不足为奇的是,增加了提出模型的目标成本。下面的表3和4证明了每个模型的输出,无论是总数的电台和充电器安装,不受影响的模型。
3.2.4。提出了电动汽车充电网络
现在,我们已经想出一个合适的电动汽车充电设施部署的解决方案。建议安装每个独立模型所示数据的技术7- - - - - -11。图7显示第一个网络只考虑最小化EVCS数字。图8构建了考虑唯一开放EVCS成本。此外,当单独投资者的方便被认为,框架如图9应该构造。网络图中描述10因此应该建立在方便用户和投资者也同样重要,但车站不考虑成本,像在49]。图11描述最合适EVCS部署,考虑实际的安装成本和电动汽车用户的接入成本。结果,方便投资者和电动汽车所有者被认为是同样的。我们强烈支持这些提议EVCS放置的位置提出县为了避免私人和公共资源浪费,同时保持适合电动汽车用户的服务水平。几个以前的研究集中于EVCS在现有停车场、燃料发电站与不同的方面,例如最小化总成本(49,57),最大限度地减少访问成本(50),电动汽车充电需求26],最小化旅行[58),和系统总成本最小52]。到目前为止,当前研究的总体结果非常有前途的相比,这些先前的研究。拟议中的独立使用几个实验设计方法的分析验证。最后,它是独立证明,该方法结果更加准确和精确的范围内使用。基于这些发现,我们得出这样的结论:独立工党模型是一种有效的方法EVCS准确地解决问题。它是超出了本研究的范围来确定有效规模将问题描述的各种方法截然不同的分析。然而,本研究的目的是确定适当的位置在爱知县电动汽车充电站,日本。更准确地说,我们关心的是确保部署的基础设施有一个可容忍的覆盖半径。事实上,电动车司机犹豫接受长途步行距离目的地充电站。这项研究提供了一个最佳基础设施网络,政策制定者可以采用在新兴的环境政策。
4所示。结论
电动汽车是一个潜在的替代交通工具的环境和能源问题。由于有限的范围,充电站不足使司机能够使长途旅行是一个关键的步骤,促进他们的广泛应用。的部署优化促进电动汽车充电设施是至关重要的。本研究提出了一种充电快站定位的有效方法。它是基于整数线性规划的优化技术。特别是,我们更关心的是确保部署的基础设施有一个可容忍的覆盖半径为电动汽车的主人。另一方面,司机不愿意接受漫长的步行距离目的地充电站。为了实现这一目标,我们采用5线性整数规划基于加权集合覆盖模型。尽管明显缓解,数值模拟可以帮助决策者在确定的位置和大小合适的EVCS同时降低投资和方便消费者的成本。值得注意的是,这项研究有一些局限性,可以在将来的研究中得到解决。 EV users’ preferences from their home location to other charging spots are treated as a fraction, considering that the decision variables in the current models are treated as a continuous variable. Instead of using the Cartesian distance, the distance matrix could be made more precise by estimating suitable paths between all pairs of possible locations, for example, average paths. Conducting an extensive study on the estimation of EV demand and incorporating consumer behavior, market anticipation, and energy consumption in the proposed study area further consider the impact of EVs' charger deployment as well as the forecasted number of EVs on the city’s electrical grid.
数据可用性
数据用于支持本研究的发现可以要求从相应的作者。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
所有作者列出了一大笔,直接和知识贡献的工作,批准发布。