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

1、伴隨著全球越來越嚴重的能源短缺和環(huán)境污染問題，電動汽車技術(shù)的發(fā)展受到了日益關(guān)注。歐美及日本等發(fā)達國家也紛紛推出了一系列相關(guān)政策，從而推進電動汽車及其產(chǎn)業(yè)的發(fā)展。充電設(shè)施選址問題和充電調(diào)度問題是電動汽車運營管理問題中的兩個核心內(nèi)容，本文側(cè)重解決充電設(shè)施的網(wǎng)絡(luò)優(yōu)化問題，對充電調(diào)度問題也有所涉及。
　　第二，設(shè)施選址問題相對成熟，從基本選址、擴展選址和充電站選址對此類問題的已有文獻進行回顧。而充電調(diào)度問題則是近十年來才剛剛興起，對已有文

2、獻也進行了梳理。最后，對動態(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行了介紹。每種算法都分別從簡要概述，相關(guān)應(yīng)用的文獻，核心要素三個方面進行了詳細的說明。
　　第三，研究了基于繞行特征的電動汽車快速充電站選址問題?？紤]了電動汽車用戶在電動汽車發(fā)展初期因為充電設(shè)施匱乏的情況下，愿意繞行一定距離為車輛進行充電這一特征，兼顧了電動汽車運營商和用戶雙方的利益，建立了一個雙層整數(shù)規(guī)劃模型。提出了一種自適應(yīng)遺

3、傳算法對模型進行求解。通過與求解相關(guān)問題的已有算法進行比較，數(shù)值實驗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)水平兩個方面進行了相關(guān)的靈敏度分析。
　　第四，研究了基于里程焦慮的電動汽車換電站選址問題，考慮了焦慮程度對電動汽車用戶決策行車線路時帶來的影響，在繞行的基礎(chǔ)上提出焦慮函數(shù)來量化用戶的心理狀態(tài)，建立了一個雙層整數(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、對模型進行求解。通過與已有求解充電站選址問題的遺傳算法相比，數(shù)值實驗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)水平這五個方面帶來的影響進行了相關(guān)的靈敏度分析。
　　第五，研究了基于電池配送的電動汽車換電站和快速充電站兩級選址問題?？紤]了電動汽車當前面臨續(xù)航里程短，充電時間長和能源補充設(shè)施匱乏的現(xiàn)狀下，物流公司采用電動汽車進行貨物配送

5、，首次提出通過換電站和快速充電站相互協(xié)作來克服上訴三方面缺陷。建立一個整數(shù)規(guī)劃規(guī)模型，并采用遺傳算法對模型進行求解。此外，對續(xù)航里程也進行了靈敏度分析。
　　第六，研究了基于實時電價的電動汽車充電調(diào)度問題?？紤]了在實時電價和充電任務(wù)必須連續(xù)的條件下，電動汽車運營商安排充電任務(wù)時間。建立了一個充電費用最小化模型。對應(yīng)設(shè)計了一個單親遺傳混合動態(tài)規(guī)劃的兩階段算法對模型進行求解。第一階段先采用單親遺傳算法將充電任務(wù)均勻分配到每個充電樁上，

6、使所有充電樁上的充電任務(wù)總時間盡可能相等。第二階段對每個充電樁上的充電任務(wù)在時序上進行分配，使電費成本最小化。最后將所有充電樁上的電費成本相加，最終得到充電費用總成本。通過與“先到先充電”策略和傳統(tǒng)單親遺傳算法進行比較，不同算例都證明了混合算法的正確性和有效性。此外，通過對算例結(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，從而避開高電價時段，說明混合算法能有效降低電網(wǎng)在高峰時段的供電壓力，從而使運營商和電網(wǎng)得到雙贏的結(jié)果，證明