Dynamic charging management for electric vehicle demand responsive transport
随着气候变化的挑战，运输网络公司开始扩大其车队，以减少二氧化碳排放。然而，这样的生态转型带来了新的研究挑战，动态电动车队充电管理下的不确定性。在这项研究中，我们解决了共享乘车服务与公共充电站的动态充电调度管理。提出了一种滚动时域框架下的两阶段充电调度优化方法，通过预测未来公共充电站的可用性，最大限度地减少车队的总体充电运营成本，包括车辆的访问时间，充电时间和等待时间。充电站占用率预测基于混合LSTM（长短期记忆）网络方法，并集成到所提出的在线车辆充电器分配中。所提出的方法适用于现实的模拟研究，在城市的邓迪，英国。数值研究表明，所提出的方法可以减少48.3%的车队的总充电等待时间和总充电量的能量的车队相比，基于需求的充电参考政策的35.3%。
2022-09-22 math.OC
Socially optimal charging strategies for electric vehicles
电动汽车代表了减少排放和对化石燃料依赖的有前途的技术，并已开始进入不同的汽车市场。为了促进消费者的采用，从而提高其渗透率，需要部署充电站基础设施。本文研究了将电动汽车分配到充电站网络的分散政策，其目标是实现很少甚至没有充电。这一目标对于充电时间相当长的电动汽车尤其重要。所提出的政策的社会最优性建立在多服务器制度，其中每个站都配备有多个充电槽。此外，实现最优策略的算法的收敛性问题进行了研究。最后，结果提供了关于如何解决与基础设施的最佳位置部署相关的问题的见解。
2013-04-08 math.OC
Scalable Electric Vehicle Charging Protocols
虽然电动汽车被认为是减少温室气体排放的可行解决方案，但其不协调的充电可能会对电力系统运行产生不利影响。尽管如此，优化电动汽车充电的任务随着车队规模和控制周期的数量而不利地扩展，特别是当强制执行配电网限制时。为此，车辆充电首先使用最近复兴的弗兰克-沃尔夫方法来解决。新的分散式充电协议对车辆控制器的计算要求最小，比现有的替代方案具有可证明的加速，增强了定价机制对数据攻击的安全性，并保护了用户隐私。为了遵守电压限制，网络约束的EV充电问题随后制定。利用不平衡配电网的线性化模型，目标是在尊重临界电压调节和变电站容量限制的同时最小化供电成本。通过乘法器的交替方向法，仅在相邻总线之间交换信息，实现了跨网格节点的变量优化。数值试验证实了新方案的最优性和效率。
2016-01-18 math.OC
A Dynamic Algorithm for Facilitated Charging of Plug-In Electric Vehicles
插电式电动汽车（PEV）是一种快速发展的技术，可以减少温室气体排放并改变车辆获得动力的方式。PEV充电站很可能在家里和工作场所都有，偶尔也会公开提供，提供灵活的充电选择。理想情况下，每辆车都将在电价相对较低的时期充电，以最大限度地降低消费者的成本并最大限度地提高社会效益。用于PEV车队的需求响应（DR）服务可以通过在特定时间段内调节消费者电力使用来产生这样的充电时间表，以便满足对市场的义务。我们为纯电动汽车车队建立自动化的DR机制，方便车辆充电，以确保满足车辆和市场的需求。我们的动态算法仅依赖于前一天类似的几百个驾驶行为的知识，并使用一个简单的调整后的定价方案，在车队中的数千辆汽车插入时立即为它们分配可行且令人满意的充电时间表。使用我们调整后的定价方案生成的收费时间表可以确保不会产生新的需求高峰，并且与标准收费相比，可以将消费者成本降低30%以上，这也可能使高峰需求增加3.5%。在本文中，我们提出了我们的配方，算法和结果。
2011-12-03 math.OC
Optimal Routing of Energy-aware Vehicles in Networks with Inhomogeneous Charging Nodes
研究了能量有限的车辆通过非均匀充电节点网络的路径问题。这比[1]中研究的均匀节点情况复杂得多。我们寻求最小化车辆到达目的地的总耗时，同时考虑车辆在整个旅程中没有足够能量时的节点处的行驶和充电时间。我们研究两个版本的问题。在单车辆路径问题中，我们制定了一个混合整数非线性规划（MINLP）问题，并表明它可以减少到一个较低的维数问题，利用性能的最优解。我们还获得了一个线性规划（LP）的制定，使我们能够分解成两个更简单的问题，产生近最优解。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。
2014-04-24 math.OC
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
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
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
Robust Broadcast-Communication Control of Electric Vehicle Charging
插电式电动汽车（EV）数量的预期增加将给配电电路带来额外的压力。已经提出了许多控制方案来控制EV充电。在这里，我们开发了基于随机EV充电开始时间和简单的单向广播通信的控制算法，允许通信事件之间的时间延迟。使用参数从排队论和统计分析，我们试图最大限度地利用过剩的分配电路容量，同时保持电路过载的概率可以忽略不计。
2010-06-01 math.OC
Electric Vehicle Routing and Charging/Discharging under Time-Variant Electricity Prices
由于电动汽车（EV）在当今交通系统中的渗透率越来越高，电动汽车（EV）与能源网的集成已经成为一个重要的研究领域。在EV充电和放电的适当管理下，电网目前可以满足相当数量的EV的能量需求。此外，电动汽车可以通过储能等辅助服务帮助提高电网的可靠性和稳定性。提出了时变电价下带时间窗的EV路由问题（EVRPTW-TP），该问题优化了向客户交付产品的EV车队的路由，同时优化了EV从/到电网的充电和放电的调度。所提出的模型是一个多周期车辆路径问题，其中电动汽车可以停在充电站，为电池充电或将存储的能量注入电网。鉴于能源成本基于使用时间而变化，电动汽车的充电和放电时间表被优化，以通过将能源需求从高峰时段转移到能源价格较低的非高峰时段来受益于存储能量的能力。这些车辆可以回收能源成本，并通过在高价格时期将能量注入电网来实现潜在的利润。EVRPTW-TP被公式化为一个最优化问题。提出了一种拉格朗日松弛方法和一种混合变邻域搜索/禁忌搜索启发式算法，分别获得高质量的下界和可行解。数值实验的实例从文献中提供。建议的启发式也评估了一个案例研究的电动汽车车队提供杂货配送在该地区的Kitchener-Waterloo在加拿大安大略省。洞察能源定价的影响，服务时段，范围减少在冬季以及车队规模。
2021-06-10 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
Subpath-Based Column Generation for Electric Vehicle Routing Problems
Operations Research Center and Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院运筹学中心）
本文提出一种基于子路径的列生成方法，用于解决具有时间窗和非线性充电的电动汽车路径规划问题，通过分解定价问题提高计算效率和解的质量。
2026-09-23 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
A Pricing-for-Integrality Primal Heuristic for Branch-and-Price: An Application to the Electric Vehicle Routing Problem with Time Windows and Charging Time Slots
Linköping University（林雪平大学）
本文提出一种基于积分定价的启发式方法，用于解决具有时间窗和充电时间槽的电动车路径规划问题，有效缩小根节点间隙。
2026-10-30 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
A hybrid metaheuristic to optimize electric first-mile feeder services with charging synchronization constraints and customer rejections
针对电动首英里接驳服务中的充电同步约束与客户拒绝问题，提出基于分层图的混合整数线性规划模型及混合元启发式算法，能在分钟级内获得近最优解，并适用于大规模现实场景。
2024-02-08 math.OC
A National-Scale EV Charging Scheduling Framework: Optimal Detour Routing Under Infrastructure Capacity Constraints
Texas A&M University（德克萨斯农工大学）；Argonne National Laboratory（阿贡国家实验室）
研究在现有充电基础设施下电动汽车长途旅行调度负担与成本，提出基于优化的可扩展框架，分三阶段计算最优充电调度，应用于大量车辆轨迹，能快速生成可行调度并评估电动汽车成本竞争力。
2026-07-22 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
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
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
Joint Routing and Charging Problem of Electric Vehicles with Incentive-aware Customers Considering Spatio-temporal Charging Prices
本文研究了电动汽车车队的调度问题，提供移动性作为一种服务，一组时间指定的客户，运营商需要解决的路由和充电问题，共同为每个EV。因此，我们认为激励意识的客户，并建议运营商提供货币激励客户，以换取时间的灵活性。通过这种方式，车队运营商可以以较低的成本实现路由和充电计划，同时客户可以获得灵活性的货币补偿。具体而言，我们首先提出了一个双层最优化模型，车队运营商优化的路由和充电时间表占时空变化的收费价格，与金钱激励，以偿还交付时间的灵活性所经历的客户。同时，客户通过最小化自己的成本来选择自己的时间灵活性。其次，我们应付来自这个非线性双层最优化模型的计算负担与精确的重新制定的方法组成的KKT最优性条件，基于大M的线性化方法，和零对偶间隙的凸优化问题。这样，我们将所提出的问题转化为一个单级的最优化问题，它可以解决一个加强的广义Benders分解方法持有更快的收敛速度比广义Benders分解方法。为了评估所提出的数学模型的有效性，我们进行了大量的模拟实验，使用比利时的VRP-REP数据。数值结果表明，所提出的数学模型可以减少客户的交付费用以及车队运营商的运营成本。
2022-05-26 cs.SY eess.SY math.OC
A Multi-Objective approach to the Electric Vehicle Routing Problem
电动汽车路径问题（EVRP）已经引起了研究人员和工业家的极大兴趣，他们试图从燃油汽车转向更健康，更高效的电动汽车（EV）。虽然EVRP似乎与传统的车辆路径问题（VRP）没有太大区别，但诸如巡航时间有限，充电时间长以及电动汽车充电设施有限等挑战使得所有这些问题都有所不同。以前的工作目标是物流和交付相关的解决方案，其中商业电动汽车的同质车队必须在多次停靠后返回初始点。在相反的方面，我们解决了一个个人电动汽车路由问题，并提供了一个最佳的路线，为一个单一的车辆在一个长的起点-目的地（OD）的行程。我们执行多目标优化-最小化总行程时间和充电的累积成本。此外，我们将外部和现实生活中的元素，如在充电站的交通，到达充电站的绕行距离，以及不同充电站的电力可变成本纳入问题的制定。特别是，我们定义了一个多目标混合整数非线性规划（MINLP）问题，并获得了一个可行的解决方案，使用$ε$约束算法。我们进一步实施元启发式技术，如遗传算法（GA）和粒子群优化（PSO），以获得最优的路线，因此，目标值。针对多个自生成数据实例进行了实验，并对结果进行了比较。
2022-08-26 cs.NE 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
Optimal routing algorithm for trips involving thousands of ev-charging stations using Kinetica-Graph
本文讨论了一种基于图的路线求解算法，以找到最佳路径的电动汽车挑选最佳的充电位置之间的数千个，以最小化总累计行驶距离的终点之旅。为此，我们设计了一个组合优化算法和一个固定的存储图的拓扑结构的图形道路网络的美国大陆。我们还重新调整了现有的Dijkstra求解器，以减少算法中涉及的许多最短路径求解的计算成本。一个自适应的和轻量级的空间搜索结构也被设计用于找到一组预期的站在每个充电位置使用统一的箱和双链路关联。整个算法在Kinetica-Graph分析套件中实现为另一个多线程的大规模图求解器，作为一个REST API端点公开，并在SQL中运行。解决了几个例子的行程，并在上下文中演示了结果。
2022-05-19 cs.DC 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
Hierarchical coupled routing-charging model of electric vehicles, stations and grid operators
电动汽车（EV）数量的增长带来了各种后果，从减少温室气体排放和当地污染到改变交通拥堵和电力消耗。更具体地，由于EV的决策，来自运输系统和电力系统两者的操作者的决策被耦合。因此，决策需要几个相互依赖的运营商和电动汽车的驾驶和充电行为的模型。这样的模型，建议在上下班的背景下，具有典型的三层结构的电气系统。在模型的较低层次，不同类型车辆之间的拥堵博弈给出了通勤者选择的驾驶路径和充电站（或枢纽），这取决于出行时间和消费成本。在中间层，充电服务运营商设置在枢纽的充电价格，以最大化电动汽车充电收入和供电成本之间的差异，这是由电力网络运营商在模型的上层决定的，其目标是降低电网成本。该三层最优化问题采用乐观迭代双层算法和模拟退火算法求解。这三层模型的敏感性外生参数，如电动汽车的渗透率和交通运营商的激励说明在现实的城市网络。
2021-12-10 cs.GT cs.SY eess.SY
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
