電動(dòng)汽車充電設(shè)施選址和充電調(diào)度優(yōu)化問(wèn)題研究.pdf

1、伴隨著全球越來(lái)越嚴(yán)重的能源短缺和環(huán)境污染問(wèn)題，電動(dòng)汽車技術(shù)的發(fā)展受到了日益關(guān)注。歐美及日本等發(fā)達(dá)國(guó)家也紛紛推出了一系列相關(guān)政策，從而推進(jìn)電動(dòng)汽車及其產(chǎn)業(yè)的發(fā)展。充電設(shè)施選址問(wèn)題和充電調(diào)度問(wèn)題是電動(dòng)汽車運(yùn)營(yíng)管理問(wèn)題中的兩個(gè)核心內(nèi)容，本文側(cè)重解決充電設(shè)施的網(wǎng)絡(luò)優(yōu)化問(wèn)題，對(duì)充電調(diào)度問(wèn)題也有所涉及。
　　第二，設(shè)施選址問(wèn)題相對(duì)成熟，從基本選址、擴(kuò)展選址和充電站選址對(duì)此類問(wèn)題的已有文獻(xiàn)進(jìn)行回顧。而充電調(diào)度問(wèn)題則是近十年來(lái)才剛剛興起，對(duì)已有文

2、獻(xiàn)也進(jìn)行了梳理。最后，對(duì)動(dòng)態(tài)規(guī)劃算法、遺傳算法和自適應(yīng)鄰域搜索算法這三類文中用于求解本文模型的算法也進(jìn)行了介紹。每種算法都分別從簡(jiǎn)要概述，相關(guān)應(yīng)用的文獻(xiàn)，核心要素三個(gè)方面進(jìn)行了詳細(xì)的說(shuō)明。
　　第三，研究了基于繞行特征的電動(dòng)汽車快速充電站選址問(wèn)題?？紤]了電動(dòng)汽車用戶在電動(dòng)汽車發(fā)展初期因?yàn)槌潆娫O(shè)施匱乏的情況下，愿意繞行一定距離為車輛進(jìn)行充電這一特征，兼顧了電動(dòng)汽車運(yùn)營(yíng)商和用戶雙方的利益，建立了一個(gè)雙層整數(shù)規(guī)劃模型。提出了一種自適應(yīng)遺

3、傳算法對(duì)模型進(jìn)行求解。通過(guò)與求解相關(guān)問(wèn)題的已有算法進(jìn)行比較，數(shù)值實(shí)驗(yàn)部分證明了算法的有效性和優(yōu)越性。此外，采用浙江省交通網(wǎng)絡(luò)圖作為算例，從車輛續(xù)航里程和服務(wù)水平兩個(gè)方面進(jìn)行了相關(guān)的靈敏度分析。
　　第四，研究了基于里程焦慮的電動(dòng)汽車換電站選址問(wèn)題，考慮了焦慮程度對(duì)電動(dòng)汽車用戶決策行車線路時(shí)帶來(lái)的影響，在繞行的基礎(chǔ)上提出焦慮函數(shù)來(lái)量化用戶的心理狀態(tài)，建立了一個(gè)雙層整數(shù)規(guī)劃整數(shù)模型。提出了一種采用模擬退火為外部框架的自適應(yīng)鄰域搜索算法

4、對(duì)模型進(jìn)行求解。通過(guò)與已有求解充電站選址問(wèn)題的遺傳算法相比，數(shù)值實(shí)驗(yàn)部分證明了算法更為高效，尤其是在求解更大規(guī)模的網(wǎng)絡(luò)圖。此外，采用美國(guó)南科州蘇福爾市的交通網(wǎng)絡(luò)圖作為算例，從焦慮閾值，繞行容忍度，續(xù)航里程和服務(wù)水平這五個(gè)方面帶來(lái)的影響進(jìn)行了相關(guān)的靈敏度分析。
　　第五，研究了基于電池配送的電動(dòng)汽車換電站和快速充電站兩級(jí)選址問(wèn)題?？紤]了電動(dòng)汽車當(dāng)前面臨續(xù)航里程短，充電時(shí)間長(zhǎng)和能源補(bǔ)充設(shè)施匱乏的現(xiàn)狀下，物流公司采用電動(dòng)汽車進(jìn)行貨物配送

5、，首次提出通過(guò)換電站和快速充電站相互協(xié)作來(lái)克服上訴三方面缺陷。建立一個(gè)整數(shù)規(guī)劃規(guī)模型，并采用遺傳算法對(duì)模型進(jìn)行求解。此外，對(duì)續(xù)航里程也進(jìn)行了靈敏度分析。
　　第六，研究了基于實(shí)時(shí)電價(jià)的電動(dòng)汽車充電調(diào)度問(wèn)題。考慮了在實(shí)時(shí)電價(jià)和充電任務(wù)必須連續(xù)的條件下，電動(dòng)汽車運(yùn)營(yíng)商安排充電任務(wù)時(shí)間。建立了一個(gè)充電費(fèi)用最小化模型。對(duì)應(yīng)設(shè)計(jì)了一個(gè)單親遺傳混合動(dòng)態(tài)規(guī)劃的兩階段算法對(duì)模型進(jìn)行求解。第一階段先采用單親遺傳算法將充電任務(wù)均勻分配到每個(gè)充電樁上，

6、使所有充電樁上的充電任務(wù)總時(shí)間盡可能相等。第二階段對(duì)每個(gè)充電樁上的充電任務(wù)在時(shí)序上進(jìn)行分配，使電費(fèi)成本最小化。最后將所有充電樁上的電費(fèi)成本相加，最終得到充電費(fèi)用總成本。通過(guò)與“先到先充電”策略和傳統(tǒng)單親遺傳算法進(jìn)行比較，不同算例都證明了混合算法的正確性和有效性。此外，通過(guò)對(duì)算例結(jié)果的觀察，發(fā)現(xiàn)混合算法能使所有充電任務(wù)集中在相同區(qū)段，從而避開高電價(jià)時(shí)段，說(shuō)明混合算法能有效降低電網(wǎng)在高峰時(shí)段的供電壓力，從而使運(yùn)營(yíng)商和電網(wǎng)得到雙贏的結(jié)果，證明