Chance-Constrained Shrunken-Primal-Dual Subgradient (CC-SPDS) Approach for Decentralized Electric Vehicle Charging Control
在本文中，我们开发了一个机会约束的分散式电动汽车（EV）充电控制框架，以实现“山谷填充”，同时满足个人的充电需求，并满足配电网的约束。控制器的设计是一个具有随机不可分目标函数和全局耦合机会约束的最优化问题。我们提出了一种新的机会约束收缩原始对偶次梯度（CC-SPDS）算法，以支持机会约束分散控制方案，并验证其有效性和收敛性与一个代表性的配电网络模型。
2019-04-04 math.OC
Decentralized Charging Control of Electric Vehicles in Residential Distribution Networks
电动汽车（EV）充电可能会对配电网络产生负面影响，超过设备热额定值并导致电压降至标准范围以下。在本文中，我们开发了一种分散的EV充电控制方案，以实现“山谷填充”（即，整平夜间充电期间的需求曲线），同时满足异构的个人充电需求并满足配电网约束。该问题是一个目标函数不可分离且带有强耦合不等式约束的最优化问题。我们提出了一种新的收缩原始-对偶次梯度（SPDS）算法来支持分散控制方案，推导出保证其收敛的条件，并验证其有效性和收敛性与一个代表性的配电网络模型。
2017-10-16 math.OC
A Charging-as-a-Service Platform for Charging Electric Vehicles On the Move: New Vehicle Routing Model and Solution
里程焦虑一直是电动汽车（EV）大规模采用的主要挑战。新兴的移动电动汽车到电动汽车（mE 2）充电技术，允许带有额外电池的电动汽车在移动中为另一辆电动汽车充电，提供了一个有前途的解决方案。尽管这项新技术的物理可行性已经得到证实，但我们仍然面临许多操作问题。例如，我们如何在不引入额外绕道的情况下有效地将电力供应商（EP）与需求（ED）配对和路由？基于这一观点，本研究开发了一个充电即服务（CaaS）平台，该平台旨在派遣商业EP为ED服务，以培养这种新兴的充电服务，以适应低电动汽车渗透率的环境。在数学上，CaaS平台被建模为车辆路线问题（即，mE 2-VRP），其最佳地调度EP接近并服务于移动中的ED，同时最小化EP车队规模并满足所有服务请求。为了使CaaS平台更好地适应实际在线应用，我们开发了并行计算辅助的Clarke和Wright Savings（CCWS）算法，对大规模mE 2-VRP进行高效分解，并通过并行计算求解。我们在全市（芝加哥）和全州（佛罗里达州）范围内进行的数值实验发现，CCWS算法的性能优于现有的商业求解器，它使我们能够在城市或州的实际大规模设置下研究CaaS平台的性能。CaaS在低EV渗透率市场表现更好，而交通拥堵程度较轻，ED需要更早的能源。我们可以通过制定适当的定价策略，根据能源的需求和行程长度，以提高性能。
2021-04-01 math.OC
Health-aware and user-involved battery charging management for electric vehicles: linear quadratic strategies
本文研究了基于控制理论的电动汽车电池系统智能充电管理。充电对于电池性能和寿命至关重要，也是用户对电动汽车的信心或焦虑的一个因素。对于现有的实践和方法，许多在充电期间缺乏电池健康意识，并且没有一个将用户需求包括到充电回路中。为了弥补这些缺陷，我们建议进行充电，第一次，允许用户指定充电目标，并通过动态控制来实现它们，除了抑制充电引起的对电池健康的负面影响。采用线性二次型控制理论，提出了两种充电策略。其中，一种是基于固定终端充电状态的控制，另一种是基于跟踪参考充电路径。它们在计算上具有竞争力，不需要文献中大多数充电技术所需的实时约束优化。一项基于模拟的研究证明了它们的有效性和潜力。可以预见的是，充电与健康意识和用户参与所提出的策略保证将带来重大改善，不仅电池寿命，而且电动汽车用户的满意度。
2022-09-25 math.OC
Large-scale Charging of Electric Vehicles: A Multi-Armed Bandit Approach
电动汽车（EV）的成功推出关键取决于方便和经济的充电设施的可用性。被认为是由服务提供商的电动汽车的大规模充电的调度问题。引入了一个马尔可夫决策过程模型，其中电动汽车随机到达充电设施，具有随机需求和完成期限。服务提供商面临随机充电成本、凸未完成惩罚以及限制EV充电器同时激活的最大数量的峰值功率约束。作为一个不安分的多臂强盗问题，电动汽车充电问题是可索引的。在充电费用不变的情况下，得到了惠特尔指数的封闭表达式。然而，惠特尔指数政策一般来说并不是最优的。根据少松弛、长处理时间的原则，提出了一种基于空间交换的Whittle索引策略的改进。该策略优于现有的收费算法，特别是当收费成本是时变的。
2016-05-24 math.OC
Optimal Installation for Electric Vehicle Wireless Charging Lanes
里程焦虑，即对没有足够的电池电量完成一次旅行的持续担忧，仍然是电动汽车广泛采用的主要障碍之一。随着城市希望吸引更多的用户采用电动汽车，无线移动汽车充电技术的出现为里程焦虑提供了解决方案。对于有限的预算，城市可能面临在哪里安装这些无线充电装置的判定问题。由于价格昂贵，没有仔细研究的安装可能会导致有限资源的低效使用。在这项工作中，我们将无线充电单元的安装建模为整数规划问题。我们使用我们的基本配方作为不同现实场景的构建块，使用真实的地理空间数据进行实验，并将我们的结果与不同的算法进行比较。
2018-08-13 math.OC
Hierarchical Optimization of Electric Vehicle Charging Infrastructure Design and Facility Logistics
本研究提出一个双层最佳化方案，以代表电动汽车充电基础设施设计与使用管理问题，并以使用者平衡决策为基础。上层的目标是最大限度地减少总设施部署成本，并最大限度地提高电动汽车充电收集产生的收入，而下层的目标是最大限度地减少电动汽车用户的出行时间和充电费用。采用迭代技术求解双层混合整数非线性规划，生成双层模型的理论下限和上界，并将其求解为全局最优。一组条件进行评估，以显示在有限数量的迭代算法的收敛性。基于三个需求水平的数值计算结果表明，所提出的双层模型可以有效地确定最优充电设施位置、物理容量和需求响应定价方案。由于充电需求的激增和充电站的高利用率，中等需求水平的平均充电价格比低需求水平增加了38.21%。
2021-05-21 math.OC
Real-Time Bi-directional Electric Vehicle Charging Control with Distribution Grid Implementation
随着电动汽车（EV）的采用逐年增长，毫无疑问，在不久的将来，EV将占据运输车辆的重要部分。虽然电动汽车对环境有好处，但大量不协调的电动汽车充电会影响电网并降低电能质量。为了减轻电动汽车充电负荷的负面影响，并将其转化为机会，本文提出了一种分布式实时控制算法，以提供电动汽车双向充电的优化调度。为了评估所提出的算法的性能，数值模拟的基础上进行的真实世界的电动汽车用户数据，并进行潮流分析，以显示所提出的算法如何改善电网的稳态运行。.结果表明，该算法可有效协调双向充电，调峰率达30%，电压降降低2%以上，线路电流降低40%。
2017-11-08 math.OC
Charging Scheduling of Electric Vehicles with Local Renewable Energy under Uncertain Electric Vehicle Arrival and Grid Power Price
在本文中，我们考虑的延迟最优充电调度的电动汽车（EV）在充电站与多个充电点。充电站配备可再生能源发电装置，也可以从电网购买能源。考虑了电动汽车到达的不确定性、可再生能源的不确定性和电网电价的变化，并将其描述为独立的马尔可夫过程。同时，每个EV的充电能量是随机的。目标是在长期成本约束下，最小化电动汽车的平均等待时间。提出了将EV排队转化为充电需求排队的排队映射方法，并证明了两个排队平均长度最小化之间的等价性。然后重点研究了在长期费用约束下，收费需求排队平均长度的最小化问题。我们提出了一个马尔可夫决策过程（MDP）的框架来研究这个调度问题。系统状态包括充电需求队列长度、充电需求到达、可再生能源的蓄电池中的能量水平、可再生能源到达和电网电价。此外，充电需求的数量和分配的能量从蓄电池组成的二维策略。我们得到了最优策略的两个必要条件。此外，我们讨论了减少的二维政策的收费需求的数量。我们给出了系统状态的集合，分别为无需求收费和尽可能多的需求收费是最优的。最后，我们研究了所提出的激进的政策和保守的政策数值。
2013-01-11 math.OC
Online Coordinated Scheduling of EV Battery Charging and Heating in Cold Environments
The Chinese University of Hong Kong（香港中文大学）；University of Alberta（阿尔伯塔大学）
针对低温下电动汽车充电性能下降问题，提出基于李雅普诺夫优化的在线充电与加热协调控制方法，实现充电站系统成本最小化。
2026-11-02 math.OC
Dynamic Scheduling for Charging Electric Vehicles: A Priority Rule
研究了随机加工成本下具有预定截止期的多任务调度问题。这个问题是由在不久的将来大规模采用插电式（混合）电动车辆（PHEV）的潜力所激发的。PHEV的充电请求通常具有期限约束，并且由于系统负载和可再生发电的不确定性，与PHEV充电相关的电力成本通常是随机的。我们寻求适当地安排多个插电式混合动力汽车的电池充电，以便最大限度地减少总成本，这是从总充电成本和在要求的最后期限前未完成充电的罚款中得出的。通过一个动态规划制定，我们建立了更少的松弛和更长的剩余处理时间（LLLP）的原则，提高任何收费政策的样本路径的基础上，当未完成的罚款是一个凸函数的额外的时间需要履行未完成的请求。具体而言，LLLP原则规定，应优先考虑松弛度较小且剩余处理时间较长的车辆。数值结果表明，违反LLLP原则的启发式策略，例如，最早期限优先（EDF）的政策，可能会导致显着的性能损失。
2016-02-01 math.OC
Distributed Charging Control of Electric Vehicles Using Online Learning
提出了一种基于在线学习和在线凸优化的电动汽车分布式充电控制算法。文献中的许多分布式充电控制算法隐含地假设配电公司和EV客户之间的快速双向通信。这种假设目前是不切实际的，并引起了隐私和安全问题。我们的算法不使用这个假设，但是，代价是收敛到最优解的速度较慢。所提出的算法需要单向通信，这是通过分销公司发布前几天的定价配置文件来实现的。我们提供了算法的收敛性结果，并通过数值例子说明结果。
2015-07-25 math.OC
Charging Autonomous Electric Vehicle Fleet for Mobility-on-Demand Services: Plug in or Swap out?
本文通过排队论模型和双层优化框架比较插充与换电在电动自动驾驶按需出行系统中的优劣，揭示充电技术演进对基础设施布局和平台利润的差异化影响。
2023-10-31 math.OC
A user-driven pricing and scheduling framework for public electric vehicle charging
Chalmers University of Technology（查尔姆斯理工大学）
本文提出一种用户驱动的电动汽车充电定价与调度框架，通过用户提前投标和运营商决策机制，优化充电站的利用率和收入，平衡用户需求与系统效率。
2026-03-30 math.OC
Energy-aware Vehicle Routing in Networks with Charging Nodes
研究了具有能量约束的车辆在至少有一些充电节点的网络中的路径问题。我们希望尽量缩短载具到达目的地的总时间，方法是厘定路缐，以及在载具没有足够能源作整段行程之用的情况下，厘定充电量。对于一个单一的车辆，我们制定了一个混合整数非线性规划（MINLP）的问题，并推导出的最优解的属性，允许它被分解成两个更简单的问题。对于一个多车辆的问题，其中包括交通拥堵的影响，我们使用了类似的方法，通过分组车辆到子流。我们还提供了一个替代的流量优化配方，导致计算简单的问题解决方案，精度损失最小。数值结果来说明这些方法。
2014-01-25 math.OC
Capacity Planning Frameworks for Electric Vehicle Charging Stations with Multi-Class Customers
为了促进电动汽车（EV）的采用，迫切需要设计和开发能够适应不同客户类别的充电站，这些客户类别通过他们的充电偏好、需求和技术来区分。通过增长这样的充电站网络，电网变得更加拥挤，因此，充电需求的控制应该与可用资源仔细地对齐。本文重点研究了电动汽车充电网络配备不同的充电技术，并提出了两个框架。在第一个框架中，适用于大型网络，电动汽车人口预计将构成轻型车队的相当大的一部分。这需要控制EV充电操作，以防止潜在的电网故障并有效地分配资源。该框架利用定价动态来控制电动汽车客户请求率，并提供具有最佳服务质量水平的充电服务。另一方面，第二个框架更适合于较小的网络，其目标是计算为每个类提供一定水平的服务质量所需的最小资源量。结果表明，所提出的框架，确保电网的可靠性，并导致显着节省容量规划。
2015-02-05 math.OC
Electric Vehicle Fleet and Charging Infrastructure Planning
本文研究空间环境下的电动汽车车队与充电基础设施规划，提出Power-of-$d$调度策略，在满足目标服务水平的同时将额外车队需求降至$Θ(λ^ν)$，并验证了低成本、低续航车队的可行性。
2025-09-18 math.OC
Wireless Mobile Charging for Emergency Electric Vehicle Routing: A Mixed-Integer and Metaheuristic Framework for In-Motion Energy Transfer
Shenzhen Research Institute of Big Data（深圳大数据研究院）；School of Data Science, The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳）数据科学学院）；National University of Singapore（新加坡国立大学）
本文提出无线移动充电电动汽车路线规划问题，通过感应耦合实现移动充电卡车对行驶中的电动汽车无线充电，结合混合整数规划和元启发式算法优化异构车队的路线与动态能量传输。
2026-04-26 math.OC
Risk-Averse Joint Capacity Evaluation of PV Generation and Electric Vehicle Charging Stations in Distribution Networks
随着分布式发电（DG）和电动汽车（EV）的日益普及，需要一种有效的方法来估计连接到配电系统的可达容量，但DG输出和EV充电负荷的外生不确定性使其具有挑战性。提出了一种具有风险阈值设置功能的光伏发电和电动汽车充电站联合容量评估方法。该方法在数学上表示为分布鲁棒联合机会约束规划模型。采用最坏情况条件风险价值（WC-CVaR）近似和基于半定规划（SDP）的迭代算法求解模型。最后，在IEEE 33节点辐射状配电系统上进行了数值试验。
2017-07-22 math.OC
Multi-Period Coordinated Management of Electric Vehicles in Zonal Power Markets: A Convex Relaxation Approach
近年来，插电式混合动力电动车辆的发展提供了各种环境和经济优势。在未来的智能电网中，电动汽车被视为减少温室气体排放的重要交通工具。关于这类车辆的主要问题之一是管理其充电时间，以防止随着时间的推移出现高峰值负载。部署先进的计量和自动充电器不仅可以让车主管理其能源消耗，而且还可以让公用事业公司通过将充电负荷转移到非高峰时段来管理白天的电力负荷。此外，高效的充电计划可以降低用户的电费成本。提出了一种基于多目标方法的电动汽车充电调度多周期协调管理模型，以优化用户充电成本为目标。该方法给出了充电开始时间的随机模型，为有效模拟车主充电行为提供了一种实用工具。为了验证所提出的方法的有效性，两个市场政策作为案例研究。计算结果可用于评估电动汽车调度对智能电网经济性能的影响。
2018-02-12 math.OC
Collective Effects and Performance of Algorithmic Electric Vehicle Charging Strategies
将潮流模型与比例公平优化准则相结合，研究了配电网的阻塞控制问题。数学最优化问题的形式是凸二阶锥，其可以通过现代非线性内点方法来求解，并且构成电动车辆（EV）加入和离开充电网络的动态模拟的核心。EV驾驶员的偏好（由简单的算法策略表示）通过对用户特定的加权参数的实时调整而被传递到优化组件，所述用户特定的加权参数然后被直接并入到目标函数中。算法策略利用少量参数来表征用户的预算、对车辆可用性的期望和充电过程。我们调查的集体行为出现的个人策略，并通过计算机模拟评估其性能。
2018-10-03 math.OC
Class-Based Smart Charging Control for Electric Vehicles
Politecnico di Torino（都灵理工大学）；VinUniversity（越南大学）
提出一种随机控制框架，通过将电动汽车按剩余充电需求聚合为有限类别，联合优化充电动作和能量管理，以平衡购电成本和服务质量。
2026-06-02 math.OC
On Privacy Preservation of Electric Vehicle Charging Control via State Obfuscation
针对大规模电动汽车充电控制中的隐私与可扩展性问题，提出基于状态混淆的分散式隐私保护算法，确保最优解并抵御好奇对手与窃听者，仿真验证其有效性。
2023-08-31 math.OC
Electric Vehicle Charging Network Design under Congestion
本文扩展了多阶段随机整数模型，在充电站部署优化中引入拥堵管理约束，并结合贪心启发式与分支定价算法高效求解中等规模实例。
2024-12-30 math.OC
Communication-Censored-ADMM for Electric Vehicle Charging in Unbalanced Distribution Grids
我们提出了一种基于乘法器的交替方向法（ADMM）算法，用于协调电动汽车（EV）的充电和放电，以管理电网电压，同时最大限度地减少EV使用时间的能源成本。我们证明，通过包括通信审查的策略，该算法保持其解决方案的完整性，同时减少对等通信。通过对一个典型的不平衡两节点电路的案例研究，我们证明了我们提出的通信删失ADMM（CC-ADMM）EV充电策略与基准ADMM方法相比，可减少高达80%的点对点通信。
2022-07-26 math.OC
Nonlinear Trajectory Optimization Models for Uncrewed Aerial Vehicles with Mobile Charging Support
University of Minnesota（明尼苏达大学）；Cornell University（康奈尔大学）；DEVCOM Army Research Laboratory（美国陆军研究实验室DEVCOM）
针对移动充电支持的UAV，提出平滑非线性轨迹优化模型，耦合任务调度与充电决策，通过有界误差平滑近似析取约束，避免整数变量，大幅降低计算时间。
2026-10-01 math.OC
Optimal fast charging station locations for electric ridesharing service with online vehicle-charging station assignment
电动共享移动服务需要处理充电基础设施规划并管理其日常充电操作，以最大限度地减少总充电操作时间和成本。然而，现有的研究倾向于单独解决这些问题。提出了一种新的在线车辆充电分配模型，并将其集成到使用电动汽车的动态拼车服务的快速充电定位问题中。后者被制定为一个双层最优化问题，以尽量减少车队的日常充电操作时间。提出了一种代理辅助优化方法，有效地解决了组合最优化问题。该模型在卢森堡的一个现实的灵活的巴士服务进行测试。结果表明，提出的在线充电策略可以有效地减少车队的充电延迟相比，国家的最先进的方法。通过安装10个额外的直流快速充电器，在测试场景下应用在线充电策略时，充电操作时间可减少27.8%。
2020-10-12 eess.SP math.OC
Two-stage battery recharge scheduling and vehicle-charger assignment policy for dynamic electric dial-a-ride services
考虑到充电排队延迟和随机客户需求，协调电动汽车的充电调度以实现动态拨号服务是具有挑战性的。我们提出了一个新的两阶段解决方案的方法来处理动态车辆充电调度，以尽量减少车队的日常充电业务的成本。该方法包括两个组成部分：每日车辆充电调度和在线车辆充电器分配。提出了一种新的电池充电调度模型，以最小化车辆日常充电运营成本，同时满足车辆驾驶需求，为客户提供服务的车辆充电计划。在第二阶段，在线车辆充电器分配模型的开发，以尽量减少总的车辆空闲时间的充电，考虑排队延迟在充电器的水平。提出了一种有效的拉格朗日松弛算法来求解具有小最优间隙的大规模车辆-充电器分配问题。将该方法应用于卢森堡一个实际的动态叫车服务案例研究，并与不同充电基础设施场景下的最近充电站充电策略和先到先得最小充电延迟策略进行了比较。我们的计算结果表明，该方法可以实现显着节省的运营商在充电等待时间（-74.9%），充电时间（-38.6%），并收取能源成本（-27.4%）。进行灵敏度分析，以评估不同的模型参数的影响，显示在随机环境中的方法的可扩展性和鲁棒性。
2021-04-15 cs.SY eess.SY math.OC
On the Optimal Placement of Electric Vehicle Charging Stations
针对电动汽车充电设施不足问题，提出基于新颖需求估计的最优充电站布局方法，并在国际竞赛获奖，获资助推进部署策略研究。
2023-06-19 math.OC physics.data-an
Shared Autonomous Electric Vehicle Service Performance: Assessing the Impact of Charging Infrastructure and Battery Capacity
共享自动驾驶汽车（SAV）是城市交通的下一个重大发展。这项技术吸引了汽车制造商的极大兴趣，这些制造商的目标是发挥交通网络公司（跨国公司）的作用，以获得每公里和每次乘坐的好处。未来的大多数SAV很可能是电动的。因此，重要的是要了解有限的车辆范围和充电基础设施的配置将如何影响共享自动驾驶电动汽车（SAEV）服务的性能。我们的目的是探讨充电站的位置，充电类型（快速充电，电池更换）以及车辆范围对服务效率和客户体验的影响，包括服务可用性和响应时间。我们进行基于代理的模拟SAEV在法国鲁昂诺曼底大都市区。模拟过程的特点是通过考虑响应网络和交通的动态需求进行影响评估。研究结果表明，SAEV的性能与充电基础设施密切相关。重要的是，更快的充电基础设施和优化的充电位置布局，以最大限度地减少需求中心和充电站之间的距离，从而提高性能。进一步的分析表明了在整个服务区分散充电站的重要性，以及这如何影响服务效率。结果还强调，必须仔细选择SAEV电池容量，以避免需求和充电高峰时间之间的重叠。仿真结果表明，通过提供电池交换基础设施，SAEV服务的性能指标得到了显着改善。
2019-05-24 cs.MA math.OC
Plug-in Electric Vehicle Charging Congestion Analysis Using Taxi Travel Data in the Central Area of Beijing
Tsinghua University（清华大学）；Tongji University（同济大学）；University of Washington（华盛顿大学）
本文利用出租车出行数据，提出一种数据驱动方法分析插电式电动车充电站拥堵问题，通过排队论模型评估未来充电拥堵对服务质量的影响。
2017-12-19 cs.SY eess.SY math.OC
Coupled Charging-and-Driving Incentives Design for Electric Vehicles in Urban Networks
电动汽车（EV）在驾驶时（例如，减少噪音和污染）和收费。对于电网，EV充电的灵活性使其成为“需求响应”机制中的重要角色。因此，有必要设计激励机制，以促进客户参与。采用拥挤博弈方法对电动汽车和汽油车组成的电动交通系统的性能进行了评价。时间和能源的运营成本被认为是。后者是不可分离的，因为它取决于所有EV的全局充电需求，该需求由集中式聚合器根据充电位置处的非灵活消耗来及时调度。因此，驾驶和充电决策是耦合的。贝克曼的方法的适应证明了存在的Wardrop均衡（WE）在考虑不可分离的拥塞游戏，这WE是唯一的，当收费单位价格是一个不断增长的功能的全球收费需要。给出了非柔荷载作用下该函数单调性的一个条件。这种情况下，在法国和美国得克萨斯州的实际消费数据进行测试。最佳通行费被用来控制这个电力运输系统，然后计算，以尽量减少一个简单的网络拓扑结构的环境成本。
2020-01-31 cs.GT math.OC
Multiple domination models for placement of electric vehicle charging stations in road networks
电动汽车和混合动力汽车在道路运输网络中发挥着越来越重要的作用。尽管它们具有优势，但与传统的柴油/汽油车辆相比，它们的续航里程相对有限，并且需要大量的电池充电时间。我们建议将道路网络中充电站的设施选址问题建模为可达图上的多支配问题。该模型考虑了诸如剩余电池负载的阈值之类的自然假设，并且为对电池充电的行驶方向提供了一些最小选择。以波士顿和都柏林等城市的实际道路网络为例，对所提出的设施选址模型进行了实验评估和仿真。
2017-10-03 cs.DM math.OC
A Stochastic Programming Approach for Electric Vehicle Charging Network Design
电动汽车（EV）的优点包括减少温室气体和其他排放，能源安全和燃油经济性。如果没有充分部署公共充电站，大规模采用电动汽车的社会效益就无法实现。我们提出了一个两阶段的随机规划模型，以确定最佳的充电站网络的社区考虑的不确定性，在到达和停留时间的车辆，到达车辆的电池充电状态，步行范围和充电偏好的驱动程序，在工作日和周末的需求，并在社区内的电动汽车的采用率。我们进行了研究，使用样本平均近似（SAA）的方法，渐近收敛到一个最优解的两阶段随机问题，但它是计算昂贵的大规模的情况下。因此，我们开发了一种启发式算法，可以为我们的数据实例快速生成接近最优解的解。我们进行了计算实验，使用各种公开的数据源，和解决方案的好处进行了定量和定性评估为一个给定的社区。
2017-01-24 cs.CY math.OC
Fairness-Aware Optimization of Vehicle-to-Vehicle Interaction for Smart EV Charging Coordination
本文针对EV充电站提出一种结合V2V、V2G和G2V的成本最小化优化方法，通过引入三种公平性指标开发公平的能量传输策略以避免个别EV过度放电，仿真证明该方法能显著降低充电成本并揭示了公平性与成本间的权衡。
2023-04-05 cs.SY eess.SY math.OC
Electric vehicle charging: a queueing approach
Eindhoven University of Technology（埃因霍温理工大学）；California Institute of Technology（加州理工学院）；Centrum Wiskunde en Informatica（数学与计算机科学中心）
研究电动汽车充电带来的排队问题，探讨资源分配与性能优化对Sigmetrics社区的意义。
2017-12-23 cs.SY eess.SY math.OC
Simulation Based Evaluation and Optimization for PEV Charging Stations Deployment in Transportation Networks
插电式电动汽车正受到全球关注。然而，大规模插电式电动汽车给充电站部署带来了挑战。提出了一种基于仿真和遗传算法的插电式电动汽车充电站布局评价方法和规划方法。在这项研究中，合理的用户行为发生了变化，即，为了更实际的应用，在该方法中包括迂回充电。本文设计了一个详细的逻辑来描述插电式电动汽车用户的绕行行为，用于充电站部署评估，进而影响后期充电站规划策略的制定。直观地说，考虑到充电站部署后插电式电动汽车用户的行为变化，我们的评估方法更合理。实际上，应该进行一系列的对照实验来说明与我们的方法不同的见解。然而，在本文中，由于篇幅所限，我们只提供了我们的方法在一个相对简单的情况下的结果与一些分析。从我们的方法不同的见解可以工作作为有用的建议，在城市地区的充电站规划。
2018-10-24 eess.SP math.OC
Electric Vehicle Charging Infrastructure Planning: A Scalable Computational Framework
Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
由于交通系统和电网的网络规模不断增加，在大地理空间区域上的最优充电基础设施规划问题具有挑战性。因此，电动车辆行驶行为和充电事件之间的耦合是复杂的。本文重点介绍了一个可扩展的计算框架的示范电动汽车充电基础设施规划在紧密集成的交通和电网网络。在交通方面，充电配置文件生成策略，提出了利用电动汽车的能源消耗模型，行程路线，和充电器选择方法。在电网侧，利用遗传算法内的最优潮流程序来解决最优充电器放置问题的整数变量，通过自适应地评估候选解决方案在当前迭代和生成新的解决方案，为下一次迭代。
2020-11-17 cs.AI cs.NE eess.SP
Optimizing electric vehicles charging through smart energy allocation and cost-saving
为满足电动汽车智能充电需求，本文提出一种优化充电站管理的数学模型，通过高效分配充电电力实现成本最小化与节能，仿真验证其在高车流量场景下效果显著。
2024-09-13 cs.SY eess.SY math.OC
Critical behaviour in charging of electric vehicles
Durham University（杜伦大学）；University of Zilina（日利纳大学）；University of Cambridge（剑桥大学）
研究电动汽车充电对低压网络拥堵的影响，通过建模最大流和比例公平协议，揭示系统在车辆充电速率变化下的连续相变行为，并分析公平性对充电时间的影响。
2015-07-06 cs.SY eess.SY math.OC
Optimal Decision Making Model of Battery Energy Storage-Assisted Electric Vehicle Charging Station Considering Incentive Demand Response
考虑到电动汽车（EV）的大规模实施，公共EV充电站被用作EV的燃料箱，以满足更长的行驶距离的需要并克服私人充电桩的不足。本地电池储能（BES）的分配可以增强电动汽车充电站的灵活性。提出了一种考虑激励性需求响应的电动汽车充电站优化决策模型。首先，详细介绍了BES辅助电动汽车充电站的模型。其次，介绍了具有代表性的激励性需求响应模型--紧急需求响应模型。第三，基于充电负荷预测数据，建立了考虑EDR的电动汽车充电站运营利润最大化的BES辅助电动汽车充电站优化决策模型。最后通过实例验证了该方法的可行性。本文的研究结论如下：1）通过优化决策模型，可以有效地为BES辅助电动汽车充电站确定正确的、有利的EDR参与决策。2)在EV充电站中的本地BES可以提高充电站参与EDR的能力。
2019-06-20 cs.SY eess.SP eess.SY
evS2CP: Real-time Simultaneous Speed and Charging Planner for Connected Electric Vehicles
针对网联电动汽车充电设施有限等痛点，提出基于优化的evS2CP速度与充电同步规划框架，通过混合整数二次规划实现高效求解，经仿真验证具备近似全局最优性与实际应用可行性。
2024-12-12 cs.CE cs.SY eess.SY
Charging plug-in electric vehicles as a mixed-integer aggregative game
我们认为充电调度协调的车队的插电式电动汽车，开发一个混合决策框架的有效和有利可图的使用的配电网。每个充电动态，受整个车队的总行为，建模为一个相互依赖的，混合逻辑动力系统。协调问题被形式化为广义混合整数聚合势博弈，并通过半分散实施的顺序最佳反应算法，导致近似均衡的游戏解决。
2019-10-22 cs.GT cs.MA math.OC
Robust Model Predictive Control for Enhanced Fast Charging on Electric Vehicles through Integrated Power and Thermal Management
本文针对电动汽车提出一种集成动力与热管理的多目标MPC框架，通过利用电池SOC的时变加权策略优化快速充电性能并提升充电时间在不确定性下的鲁棒性。
2023-10-21 cs.SY eess.SY math.OC
Managing Vehicle Charging During Emergencies via Conservative Distribution System Modeling
本文针对紧急疏散中电动汽车充电调度面临的计算难题，提出将基于样本的保守线性潮流近似集成到优化框架中，以高效最小化城市疏散场景下的电动汽车充电时间。
2023-11-28 cs.SY eess.SY math.OC
Menu-Based Pricing for Charging of Electric Vehicles with Vehicle-to-Grid Service
School of Industrial Engineering, Purdue University（普渡大学工业工程学院）
本文提出基于菜单的定价方案，通过选择充电价格、总能量和时间来优化充电站利润与社会福利，同时分析用户参与V2G服务的激励机制。
2016-12-01 cs.GT cs.SY eess.SY
Competitive Charging Station Pricing for Plug-in Electric Vehicles
Huazhong University of Science and Technology（华中科技大学）；The Chinese University of Hong Kong（香港中文大学）
本文研究了充电站定价与插电式电动汽车（PEVs）选址问题，通过构建多领导者-多追随者Stackelberg博弈模型，分析充电站定价与车辆选址的均衡策略。
2015-11-28 cs.GT cs.SY eess.SY
Intelligent Charging Management of Electric Vehicles Considering Dynamic User Behavior and Renewable Energy: A Stochastic Game Approach
快速增长的电动汽车（EV）数量的不协调充电以及与可再生能源相关的不确定性可能构成交通系统中的电动移动性（E-Mobility）的关键问题，特别是在高峰时段。为了克服这种可怕的情况下，我们引入了一个随机对策来研究电网和充电站之间的复杂的相互作用。在这种情况下，现有的研究没有考虑到客户对收费参数的偏好的动态。然而，实际上，充电参数的选择可以随时间变化，因为客户可以改变他们的充电偏好。我们用另一种随机对策来模拟顾客的这种行为。此外，我们定义了一个服务质量（QoS）指标，以反映如何收费过程中影响客户的收费参数的选择。我们还开发了一个在线算法，以达到纳什均衡的随机对策。然后，我们利用加州独立系统运营商（CAISO）的真实数据来评估我们所提出的算法的性能。结果表明，与基准方法相比，所提出的方法可以节省约20%的电力成本，同时也产生了更高的QoS方面的收费和等待时间。我们的研究结果可以作为指导充电服务提供商在不确定性下做出有效的决策，相对于可再生能源发电。
2020-06-29 cs.SY eess.SY math.OC
Joint Routing and Charging Problem of Multiple Electric Vehicles: A Fast Optimization Algorithm
随着商业的蓬勃发展，物流问题得到了越来越多的关注，这就是经典的最优车辆路径问题。同时，近年来电动汽车在物流车队中得到了广泛的应用，以减少温室气体的排放。以充电时间、充电成本、电动汽车行驶时间、电动汽车使用费和服务客户收益为目标函数的多电动汽车联合路径选择和充电最优化问题亟待解决。该联合问题被表述为一个混合整数规划（MIP）问题，然而，由于路由和计费决策之间耦合的整数限制和双线性项，该问题是NP难的。本文的主要贡献在于提出了一种有效的两阶段算法，该算法通过利用线性规划（LP）松弛的精确性和消除耦合项，将原始MIP问题分解为两个线性规划（LP）问题。该算法可以在多项式时间内获得一个近似最优解。此外，在两阶段算法的基础上提出了另一种改进算法，进一步提高了解的质量。
2021-05-12 cs.SY eess.SY math.OC
Control of Charging of Electric Vehicles through Menu-Based Pricing
School of Industrial Engineering, Purdue University（普渡大学工业工程学院）
本文提出了一种在线定价机制，通过菜单定价策略优化电动汽车充电站的能源使用和利润，同时减少高峰需求并提高充电站的利用效率。
2017-04-26 cs.GT cs.SY eess.SY
