Survey of charging scheduling, fleet management, and location planning of charging stations for electrified demand-responsive transport systems: methodologies and recent developments
电动汽车加速了交通系统的电气化，为充电调度、车队管理以及充电基础设施位置和配置规划带来了新的挑战。在这篇综述中，我们提供了一个系统的审查，最近的发展战略，战术和运营决策的需求响应交通系统规划使用电动汽车（EV-DRT）。我们总结了数学建模方法的最新进展，并确定了未来的研究方向。现有的开放获取数据集，数值测试实例和软件的列表提供了在EV-DRT和相关问题的未来研究。
2021-12-08 cs.CE cs.SY eess.SY
A Pricing Mechanism for Balancing the Charging of Ride-Hailing Electric Vehicle Fleets
网约车服务和电动汽车都越来越受欢迎，网约车的充电管理很可能在不久的将来成为网约车公司运营的重要组成部分。出于这一动机，我们提出了一个博弈论模型的充电管理，在那里我们假设，这是车队运营商，希望尽量减少其运营成本，其中包括收费的价格。为了避免过度拥挤的充电站，中央政府将设计定价政策，以激励车辆分散在充电站之间，在这种情况下，几家叫车公司会争夺资源。我们表明，这是可能的，构建定价政策，使纳什均衡公司之间遵循中央政府的目标值时，所需的负荷是可行的。此外，我们提供了一个分散的算法计算的平衡，并总结了一个数值例子说明的结果。
2022-03-17 cs.SY eess.SY
Event-Driven Real-Time Multi-Objective Charging Schedule Optimization For Electric Vehicle Fleets
针对电动汽车车队充电调度，提出一种事件驱动的实时多目标优化方法，在降低充电成本、减少电池容量衰减和最大化出行可用性之间取得平衡，实验显示成本节省53.2%，容量衰减降低16%。
2024-09-19 cs.SY eess.SY
Joint Optimization of Charging Infrastructure Placement and Operational Schedules for a Fleet of Battery Electric Trucks
针对物流配送网络电动化转型需求，提出将充电基础设施布局与调度联合建模为混合整数线性规划的框架，荷兰案例验证其可在满足运营与电网约束下降低总拥有成本。
2023-10-03 cs.SY eess.SY
Value of Optimal Trip and Charging Scheduling of Commercial Electric Vehicle Fleets with Vehicle-to-Grid in Future Low Inertia Systems
交通电气化被视为全球脱碳议程的重要一步。由于电动汽车（EV）对电力系统的预期负载如此之大，因此协调充电以平衡电力的供应和需求是重要的。通过车辆到电网（V2G）技术实现的双向充电将从插入的固定电动汽车中释放出大量的存储容量。为了进一步推动这一概念，本文量化了商业电动汽车车队运营商从提前一天同时安排其行程以及充电中获得的潜在收入。这使得车队能够完成其行程（用户定义的行程长度和距离），同时利用波动的能源和辅助服务价格。提出了一个数学框架，制定为一个混合整数线性规划，并适用于几个相关的情况下，现在和未来的英国电力系统的最优行程调度。结果表明，最佳的旅程开始时间可以增加商业船队的收入高达38%，在夏季和冬季12%。这意味着维修车队的一辆电动汽车每年可以增加高达729英镑的额外收入。灵活的出行时间表在夏季更有价值，因为在太阳能输出高峰期间保持电动汽车的插入将使电网和车队运营商受益最大。还发现，5，000辆电动汽车的车队将导致相当于从系统中删除一台联合循环燃气轮机的$\textrm{CO}_2$。这种收入和碳节约的显着增加表明这种方法值得研究潜在的未来应用。
2022-04-25 cs.SY eess.SY
Electric Autonomous Mobility-on-Demand: Joint Optimization of Routing and Charging Infrastructure Siting
车辆自主性、连通性和电动动力系统的出现有望实现按需自主移动系统的部署。至关重要的是，这些车队的路线和充电活动受到单个车辆和周围充电基础设施设计的影响，而这些基础设施的设计又应考虑到预期的车队运营。本文提出了一个建模和优化框架，我们优化车队的活动与充电基础设施的位置。我们采用中观规划的角度，并设计了一个时间不变的车队活动的路线和充电模式的模型，明确捕获的充电状态的车辆的道路网络作为一个有向图与等能量弧。然后，我们将问题转化为一个混合整数线性规划，保证全局最优性，可以在不到10分钟内解决。最后，我们展示了两个案例研究与纽约曼哈顿的真实出租车数据：第一个捕捉到充电基础设施普及率和车队行驶空里程之间的最佳权衡。我们观察到，共同优化基础设施选址显着优于启发式布局策略，增加车站的数量是有益的，只有到一定程度。第二个案例侧重于车辆设计，并表明部署配备较小电池的车辆会导致最低的能耗：尽管需要更多的充电站行程，但此类车队所需的能源比电池容量较大的车辆少约12%。
2022-11-22 cs.SY eess.SY
Resource-Oriented Optimization of Electric Vehicle Systems: A Data-Driven Survey on Charging Infrastructure, Scheduling, and Fleet Management
本文针对电动汽车发展中充电站拥堵、充电成本高、供需冲突等核心挑战，全面综述了覆盖充电部署、调度、车队管理全周期的数据驱动研究，探讨了多领域影响并指明未来方向。
2025-09-04 cs.SY eess.SY
Electric Vehicle E-hailing Fleet Dispatching and Charge Scheduling
随着汽车和电池技术的最新发展，电动汽车（EV）正迅速成为传统化石燃料汽车的可持续替代品。这使得大规模电动化的乘车外包业务具有实际可行性，为实现城市可持续发展目标提供了机会。尽管电动汽车的行驶里程与化石燃料汽车相似，但其充电时间长，影响了车队的总服务时间。为了有效地管理电动汽车车队，运营商需要将充电调度问题作为调度策略的一部分来解决。本文介绍了一种概率匹配的方法，评估最佳的行程和充电决策的完全电气化的e-hailing车队，与运营商的预期市场利润最大化的目标。在向自动驾驶汽车的技术转型过程中，在本文所述的交通模型中纳入随机驾驶员行为也至关重要。由于司机可以遵守行程调度或选择拒绝充电行程订单考虑额外的费用，相反，通常假设的车队自主权，所提出的方法设计了一个激励计划（充电折扣），以鼓励司机遵守，使计划的充电行程和相关的利润可以实现。
2023-02-24 cs.SY eess.SY
Towards a Multimodal Charging Network: Joint Planning of Charging Stations and Battery Swapping Stations for Electrified Ride-Hailing Fleets
本文针对电动网约车车队提出充电站与换电站联合规划优化模型，纳入弹性需求、空间充电均衡及拥堵等因素，并通过松弛分解建立紧上界评估解质量，曼哈顿案例表明联合规划利润显著优于单一部署。
2024-04-01 cs.SY eess.SY math.OC
Current Practices in Electricy Demand and Charging Scheduling for On-Road Electric Fleet Operations: An Industry-Wide Review
Delft University of Technology（代尔夫特理工大学）；Shell Global Solutions B.V.（壳牌全球解决方案有限公司）
本文通过灰色文献分析，综述了电动卡车车队运营中数字系统的现状，识别了关键趋势与差距，以指导未来研究与发展。
2026-05-29 cs.SY eess.SY
Vehicle-to-Grid Fleet Service Provision considering Nonlinear Battery Behaviors
电动汽车（EV）的激增需要准确有效的方法来协调电网运行。通过响应配电网限制和随时间变化的电价，电动汽车充电站可以最大限度地降低充电成本，同时帮助电网运行。在这项研究中，我们使用纽约州的实时价格数据和真实世界的充电网络数据集来研究车辆到电网（V2G）的经济效益。我们将非线性电池模型和价格不确定性纳入V2G管理设计，以提供不同V2G选项的成本节约的现实估计。所提出的控制方法是计算上易于处理时，扩大到现实世界中的应用。我们表明，当考虑单向充电时，与不受控制的充电相比，我们提出的算法平均可节省35%的充电成本，而与单向智能充电相比，双向V2G可额外节省18%的成本。我们的研究结果还表明，在V2G控制器中使用更准确的非线性电池模型和评估V2G价格不确定性的成本的重要性。
2023-01-28 cs.SY eess.SY
Joint Optimization of Autonomous Electric Vehicle Fleet Operations and Charging Station Siting
Stanford University（斯坦福大学）
本文提出联合优化自动驾驶电动车队运营与充电站选址的线性规划，以最小化总成本，案例研究表明小型高能效电动车最具成本效益，且最优选址更分散，可降低总成本、空驶和峰值负荷达10%。
2021-07-21 cs.MA cs.RO cs.SY
Congestion-Aware Charging Coordination for Electric Ride-Hailing Fleets under Stochastic Demand
Luxembourg Institute of Socio-Economic Research (LISER)（卢森堡社会经济研究所）；University of Luxembourg（卢森堡大学）
针对充电站容量影响电动网约车系统盈利的问题，提出一种动态充电调度方法，通过顺序混合整数线性规划协调充电操作，在曼哈顿场景下测试，相比最优基准利润提升3.91%，服务率提升4.60%。
2026-10-15 cs.SY eess.SY math.OC
Integrated PV Charging of EV Fleet Based on Dynamic Energy Prices and Offer of Reserves
Delft University of Technology（代尔夫特理工大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出一种混合整数线性规划模型，用于利用动态电价和备用服务优化电动汽车车队的光伏充电，通过考虑分布网络限制和车辆到电网技术，实现充电成本降低31%至650%。
2017-05-08 cs.SY eess.SY math.OC
A review on the charging station planning and fleet operation for electric freight vehicles
本文系统综述了电动货运车辆充电站规划与车队运营的研究现状，分类梳理了选址定容、路径与充电调度等方法，并指出未来研究方向，以推动货运电动化转型。
2023-11-28 cs.SY eess.SY
Grid-Aware Charging and Operational Optimization for Mixed-Fleet Public Transit
Institute for Software Integrated Systems, Vanderbilt University（软件集成系统研究所，范德比尔特大学）；Pennsylvania State University（宾夕法尼亚州立大学）
本文提出了一种混合整数线性规划模型，用于优化混合车队的充电和行程安排，以应对动态电价和车辆容量等约束，从而降低运营成本。
2026-01-13 cs.AI cs.SY eess.SY
From Range Loss to Recovery -- Cold Weather Challenges and Design Strategies for Commercial Electric Vehicle Fleets
Black & Veatch；University of Texas at Austin（德克萨斯大学奥斯汀分校）；Arizona State University（亚利桑那州立大学）
本文研究了寒冷天气对商用电动货车性能的影响，提出两种缓解策略：热环境电池交换站和混合充电架构，以提高车队在寒冷气候下的可靠性。
2025-11-29 cs.SY eess.SY
Fleet Sizing and Charger Allocation in Electric Vehicle Sharing Systems
在本文中，我们提出了一个封闭的网络模型的性能分析的电动汽车共享系统与一定数量的充电器在每个社区。根据需求分布，我们设计算法来计算最佳车队规模和所需的充电器数量，以最大限度地提高利润，同时保持一定的服务质量。我们发现，利润是凹的车队规模和充电器的数量在每个充电点。如果在城市内安装更多的充电器，我们表明它不仅可以减少车队规模，而且还可以提高城市内所有点的车辆可用性。我们进一步表明，通过模拟，两个慢充电器可能优于一个快速充电器时，充电时间的变化变得相对较大的平均充电时间相比。
2020-07-13 cs.SI cs.SY eess.SY
Hierarchical Pricing Game for Balancing the Charging of Ride-Hailing Electric Fleets
本文提出一种分层定价博弈控制机制，通过上层Reverse Stackelberg博弈和下层Stackelberg博弈协调外部主体、网约车公司与司机利益，实现多电动车队充电平衡，并用深圳真实出租车数据验证其有效性。
2022-10-16 cs.SY eess.SY
Demand Adaptive Multi-Objective Electric Taxi Fleet Dispatching with Carbon Emission Analysis
作为一种可预见的未来低排放、高效率的交通方式，电动汽车受到了全世界的关注。为便于集中管理，出租车被视为电动化优先的车队。本文以北京市大量出租车的实际交通数据为基础，重点研究了电动出租车的调度问题。首先，假设电动出租车充电站使用K均值方法定位。其次，基于从轨迹数据中提取的起点-终点对形式的站点位置和订单需求，从减少乘客等待时间、缓解电动出租车充电拥堵和均衡订单数量分布等方面，提出了电动出租车的调度策略和仿真框架。该方法从充电需求和充电器可用性两个方面对电动出租车充电行为进行时间离散建模，并进一步整合了一个集中智能的车队调度平台，能够实时处理出租车服务请求和安排电动出租车充电。本文中的方法是很容易适用于调度不同类型的电动汽车车队具有类似的数据集。其中，利用排队论对电动汽车充电站排队现象进行建模，并将该因素纳入调度平台。并对碳排放进行了调查和分析。
2019-10-15 cs.SY eess.SY math.OC
Electric Vehicle Routing Problem with Time Windows and Station-based or Route-based Charging Options
本文扩展了EVRP-TW模型，加入动态无线充电与分层多目标优化，实验显示20%无线覆盖即有效，60%覆盖最优。
2025-09-09 cs.SY eess.SY
Autonomous Charging of Electric Vehicle Fleets to Enhance Renewable Generation Dispatchability
San Diego State University（圣地亚哥州立大学）；GEIRI North America（全球能源互联网研究院北美分院）
加州19%的发电能力由光伏机组提供，在几个月内，超过10%的能源被削减。在这项研究中，一种新的方法，以减少可再生能源发电削减和增加系统的灵活性，通过电动汽车的充电协调。所提出的问题是一个顺序决策过程，并解决了拟合Q迭代算法，不同于其他的强化学习方法，需要较少的学习事件。三个案例研究，以验证所提出的方法的有效性。这些情况包括聚合器负载跟踪、斜坡服务和利用不确定性光伏发电。结果表明，通过这个框架，电动汽车成功地学习如何在随机情况下调整其充电时间表，在这些情况下，电动汽车的出行时间以及太阳能发电量事先是未知的。
2020-12-22 cs.LG cs.SY eess.SY
Fleet Size and Mix Capacitated Vehicle Routing Problem with Time Windows for Mobile Fast Chargers
本文提出了一种联合优化车队规模、充电器规格、路线和调度的移动快速充电车辆规划方法，以提高偏远地区充电效率和成本效益。
2025-12-03 cs.SY eess.SY
Multi-Phase Optimization of Shared Charging Infrastructure for Freight Electrification
Royal Institute of Technology (KTH)（皇家理工学院）；Swedish National Road and Transport Research Institute (VTI)（瑞典国家公路与交通研究所）
提出多阶段优化框架，利用两家货运公司的高分辨率轨迹数据，最小化充电站总数并满足电气化目标，揭示共享基础设施可减少冗余投资但增加依赖。
2026-06-12 cs.SY eess.SY
Online Charge Scheduling for Electric Vehicles in Autonomous Mobility on Demand Fleets
本文研究了一种基于在线充电调度策略的电动汽车按需充电策略。我们考虑的情况下，车辆完成行程，然后进入一整天的乘坐之间的状态，与他们的信息成为可用的车队运营商在一个在线的方式。在乘间状态下，车辆必须被安排充电，然后被路由到它们的下一个乘客上车位置。此外，由于未知的每日乘车请求序列，该问题无法通过任何离线方法解决。因此，我们研究了基于原始对偶方法的在线福利最大化启发式算法，该方法分配有限的车队充电资源并重新平衡车辆，同时避免充电设施和接送地点的拥堵。我们讨论了竞争力的比率结果比较我们的在线解决方案的千里眼离线解决方案的性能，并提供数值结果突出我们的启发式的性能。
2019-07-01 cs.MA cs.SY eess.SY
Green Routing Game: Strategic Logistical Planning using Mixed Fleets of ICEVs and EVs
本文介绍了一个“绿色”的多个物流运营商（球员）之间的路由游戏，每个人都拥有一个混合的车队的内燃机汽车（ICEV）和电动汽车（EV）卡车。每个参与者都面临延迟交付的成本（由于电动汽车的充电要求）和对ICEV征收的污染成本。该成本结构模拟：1）电动汽车的电池容量及其充电要求有限; 2）充电设施的共享性质; 3）监管机构对使用ICEV征收的污染成本。我们刻画了这个博弈的纳什均衡，并给出了唯一性的条件。我们还使用梯度投影方法来计算这个平衡在一个分布式的方式。我们的均衡分析是有用的，以分析所面临的权衡的球员在招致更高的延迟，由于在充电地点的拥堵时，电动汽车的份额增加与更高的污染成本时，ICEV的份额增加。数值算例表明，增加边际污染成本可以显著降低均衡的无效率。
2022-04-01 cs.GT cs.SY eess.SY
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
Fleet-Level Battery-Health-Aware Scheduling for Autonomous Mobile Robots
University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出一种多机器人调度方法，考虑电池退化成本，优化任务分配、服务顺序、充电决策和充电模式，平衡车队退化。通过线性化非线性退化项，结合实例数据改进松弛，采用分层启发式方法提升可扩展性。
2026-03-24 cs.RO cs.SY eess.SY
Exact aggregate models for optimal management of heterogeneous fleets of storage devices
未来的电网将需要大量的存储设备，这些设备能够调度其充电/放电曲线，以便通过与可再生能源的可用性同步改变吸收时间来实现较低的峰值需求并减少能源账单。这样的车队的最佳管理需要大规模的优化问题，更好地处理在一个分层的方式，通过集群在一起的各个设备到车队。利用最近的结果特征的集合的总需求配置文件的异构车队的充电（或，分别，放电）设备，我们提出了一种方法来实现最优性，在一个单位的承诺问题，通过采用一个简化的配方与一些约束的车队，规模线性的时隙考虑的数量，是独立的车队的大小。这是值得注意的，因为它表明，在适当的条件下，任何规模的异构舰队可以有效地作为一个单一的存储单元。
2021-11-03 cs.SY eess.SY math.OC
Increasing Electric Vehicles Utilization in Transit Fleets using Learning, Predictions, Optimization, and Automation
提出一种基于学习、预测、优化和自动化的分层方法，利用数字孪生云平台预测能耗、优化分配及自主充电管理，使纯电动公交车车队利用率提升50%。
2023-05-24 cs.SY eess.SY
On optimal coordinated dispatch for heterogeneous storage fleets with partial availability
本文解决了问题的聚合功率配置文件（在协调放电或充电操作）的异构舰队的存储设备的可用性约束的装置的最佳调度。设备具有不同的初始能量水平，额定功率和效率;此外，车队在没有交叉充电的情况下运行。一个明确的反馈策略，提出了计算一个可行的时间表，只要存在和可扩展的设计程序，以实现最大的故障时间或最小的未服务的能源的情况下，不可行的聚合需求配置文件。最后，提出了一个时域特征的集合的可行的需求配置文件，使用聚合约束，适用于最优化问题的总人口行为的兴趣。
2022-03-16 cs.SY eess.SY math.OC
On the Integration of Battery Electric Buses into Urban Bus Networks
由于交通相关的排放，世界各地的城市都在与城市空气质量作斗争。在公共交通网络中，电动公交车取代内燃机公交车为改善空气质量提供了机会。因此，许多公交网络运营商目前要求制定最佳转型计划，将电池电动公交车整合到其车队中。理想情况下，该计划还考虑安装必要的充电基础设施，以确保车队的运营可行性。在此背景下，我们引入了一种综合建模方法，以确定一个成本最优的，长期的，多周期的改造计划，将电池电动公交车整合到城市公交网络。我们的模型将中央战略和运营决策联系起来。我们最大限度地降低总拥有成本，并分析氮氧化物排放的潜在减少。我们的研究结果基于一个真实世界的公交网络的案例研究，并表明电池电动公交车的全面整合是可行的，经济效益。通过分析电池容量和充电功率对最佳车队转型的影响，我们表明，中等功率充电设施与中等容量电池相结合优于低功率或高功率充电设施的网络。
2021-03-22 cs.SY eess.SY
Assessing the Frequency Response Potential of Heavy-Duty Electric Vehicles with Vehicle-to-Grid Integration in the California Power System
University of California, Los Angeles（加州大学洛杉矶分校）
本研究评估了重型电动车在加州电网中通过V2G技术提升频率响应潜力，并分析了不同充电策略对电网稳定性的影响。
2025-12-16 cs.SY eess.SY
Real Time Operation of High-Capacity Electric Vehicle Ridesharing Fleets
我们研究了在在线、高容量拼车系统中使用电动汽车的可行性。先前的工作表明，在线算法在中央控制的高容量拼车系统中表现良好。首先，我们提出了一个混合整数线性规划，将过去的拼车算法扩展到电动汽车车队，目标是调度车辆充电，以在一天中的不同时间保持足够的车队规模。然后，我们展示了一个更快的，可扩展的算法，具有类似的性能，是实用的全尺寸系统。我们的贡献表明，即使在在线环境下运营，也必须了解和估计未来需求。
2021-01-04 cs.SY eess.SY
An Integer Clustering Approach for Modeling Large-Scale EV Fleets with Guaranteed Performance
本文提出一种新颖的整数聚类方法用于大规模电动汽车车队建模，在车队层面管理充电的同时保持个体行程调度，并开发两阶段决策框架，通过理论边界保证性能，在真实案例中实现了显著加速且解质量损失极小。
2023-10-03 cs.SY eess.SY
Fleet Size and Spill for UAM Operation under Uncertain Demand
针对UAM需求不确定问题，本文提出随机到达时间生成模型与两个整数规划，分别计算机队规模和最小化溢出的调度充电策略，实验表明需求不均衡是溢出的主要驱动因素。
2024-07-01 cs.SY eess.SY
Ride-pooling Electric Autonomous Mobility-on-Demand: Joint Optimization of Operations and Fleet and Infrastructure Design
本研究针对支持合乘的电动自主按需出行系统，提出联合优化运营、车队及充电基础设施设计的框架，通过曼哈顿案例验证了合乘可降本最高45%，不同车型适配不同需求区域。
2024-03-11 cs.SY eess.SY math.OC
Electric vehicle charge scheduling with flexible service operations
部署大型电动车辆车队的运营商通常面临具有挑战性的充电调度问题。具体来说，时间效率低下的充电操作限制了服务操作期间充电的盈利能力，例如运营商在中央停车场下班后为车辆充电。在这里，高投资成本和电网容量限制了可用的充电基础设施，使得运营商需要安排充电操作以保持车队的运营。在这种情况下，灵活的服务操作，即允许延迟或加快车辆离开，可以潜在地增加充电器的利用率。除此之外，联合调度充电和服务运营有望通过更好地利用使用时间能源关税和精心设计的充电时间表来节省运营成本，以最大限度地减少电池磨损。在此背景下，我们研究了联合充电和服务运营调度问题占电池退化，非线性充电，和使用时间的能源关税。我们提出了一个精确的分支&价格算法，利用自定义分支规则和原始启发式在分支&界限阶段保持高效。此外，我们开发了一个精确的标记算法，我们的定价问题，构成一个资源约束的最短路径问题，考虑可变的能源价格和非线性充电操作。我们基准我们的算法在一个全面的数值研究，并表明，它可以解决现实规模的计算时间低于一个小时的问题实例，从而使其在实践中的应用。此外，我们分析了联合调度收费和服务操作的好处。我们发现，我们的集成方法不仅可以节省高达5%的运营成本，还可以将所需的充电基础设施数量减少高达57%。
2022-08-18 cs.SY eess.SY
A Two-Stage Optimization Framework for Validating Electric Vehicle Charging Infrastructure under Grid Constraints
Technical University of Munich（慕尼黑工业大学）
本文提出两阶段优化框架，评估成本最优的电动汽车充电基础设施在电网约束下的运行效果，通过一致的最优潮流模型连接规划与运行，展示其可扩展性和实用性。
2026-09-29 cs.SY eess.SY
Reserve Provision from Electric Vehicles: Aggregate Boundaries and Stochastic Model Predictive Control
本文将多辆电动汽车聚合为带功率与能量边界的概念电池以预测可用备用容量，并结合多元线性回归和含CVaR的两阶段随机MPC进行日前调度，证明扩大车队可提升预测精度、增加收入并降低约60%成本。
2025-02-17 cs.SY eess.SY
Energy Management Strategies for Electric Aircraft Charging Leveraging Active Landside Vehicle-to-Grid
Eindhoven University of Technology（埃因霍温理工大学）
本研究提出利用陆侧车辆到电网技术，通过优化机场充电调度降低飞机充电成本，减少电网压力。
2026-01-30 cs.SY eess.SY
Emergent Charging Coordination in Electric Delivery Fleets
Universidad Politécnica de Cartagena（卡塔赫纳理工大学）
针对电动配送车队班中充电协调难题，提出基于纯本地控制的学习智能体策略，在二十城模拟中零样本部署达98.6%按时完成率，接近Oracle性能，显著优于贪婪规则和阈值启发式方法。
2026-09-09 cs.LG cs.MA cs.NE
Optimal Sizing of Charging Energy Hubs for Heavy-Duty Electric Transport through Co-Optimization
Eindhoven University of Technology（埃因霍温理工大学）
本文提出混合整数线性规划模型，用于重型电动交通充电能源枢纽的最优规模设计，通过协同优化实现成本效益和电网兼容性。
2026-02-02 cs.SY eess.SY
National-scale bi-directional EV fleet control for ancillary service provision
随着电动汽车在内燃机汽车中的份额增加，在大规模电动汽车（EV）车队上部署实时控制变得至关重要。在本文中，我们提出了一种车辆到电网（V2G）算法，同时调度数千个电动汽车充电和放电操作，可用于提供辅助服务。为了实现可扩展性，单片问题分解使用交替方向乘法器（ADMM）。此外，我们提出了一种方法来处理双线性约束的原始问题内的ADMM迭代，这改变了问题的类从混合二次规划（MIQP）的二次规划（QP），允许一个显着的计算速度。我们使用来自瑞士最大的汽车共享公司的真实数据来测试该算法，并展示了我们的公式如何用于检索EV车队的灵活性边界。因此，我们的工作使车队运营商能够就提供配套服务进行知情的投标，从而促进电动汽车的整合。
2022-10-14 cs.SY eess.SY
Integer-Clustering Optimization of Hydrogen and Battery EV Fleets Considering DERs
Johns Hopkins University（约翰斯·霍普金斯大学）；Massachusetts Institute of Technology（麻省理工学院）；New York University（纽约大学）
本文提出整数聚类优化模型，协同设计氢/电池EV车队、分布式能源及充加氢基础设施，并基于波士顿公交网络验证其计算效率与系统规划价值。
2025-06-11 cs.SY eess.SY
A Fully Distributed Approach for Plug-in Electric Vehicle Charging
Carnegie Mellon University（卡内基梅隆大学）；ETH Zurich（苏黎世联邦理工学院）
本文提出一种基于智能体的分布式方法，用于协调电动汽车充电，以最小化充电成本并满足电池和基础设施限制。
2016-05-02 cs.SY eess.SY math.OC
Optimal Network Expansion Planning Considering Uncertain Dynamic Thermal Line Rating
本文提出一种混合随机-鲁棒优化框架，综合考虑可再生能源、电动汽车充电和动态热额定值的不确定性，实现发电与输电扩展规划的成本优化与效率提升。
2024-10-16 cs.SY eess.SY
Battery Electric Truck Infrastructure Co-design via Joint Optimization and Agent-based Simulation
Eindhoven University of Technology（埃因霍温理工大学）
本文通过联合优化和基于代理的仿真，研究了物流配送网络中充电基础设施与调度的协同设计，验证了优化框架在荷兰案例中的有效性，展示了优化策略在降低成本和减少排队时间方面的优势。
2026-04-01 cs.SY eess.SY
Smart Online Charging Algorithm for Electric Vehicles via Customized Actor-Critic Learning
随着物联网技术的进步，电动汽车（EV）在日常生活中变得更容易调度，这正在重塑电力负荷曲线。设计高效的充电算法以减轻电动汽车充电对电网的负面影响是非常重要的。研究了在电动汽车到达时间、离开时间和充电需求等未来信息未知的情况下，以降低充电成本同时削峰填谷为目标的电动汽车充电调度问题.首先，我们制定了一个电动汽车充电问题，以尽量减少电费的电动汽车车队和研究电动汽车充电问题，在一个在线设置不知道未来的信息。我们开发了一种基于行动者-评论家学习的智能充电算法（SCA），以调度电动汽车充电对电动汽车充电行为的不确定性。SCA通过连续充电动作而不是充电的离散近似来学习最佳EV充电策略。我们进一步开发了一个计算效率更高的定制的演员-评论家学习收费算法（CALC），通过减少状态维，从而提高计算效率。最后，仿真结果表明，与随机充电算法、在线充电算法、基于RL的自适应能量管理算法相比，本文提出的SCA算法可使电动汽车的期望成本分别降低24.03%、21.49%、13.80%。CALC的计算效率更高，其性能接近SCA，成本仅为5.56%。
2021-06-01 cs.SY eess.SY
Cost-optimal Fleet Management Strategies for Solar-electric Autonomous Mobility-on-Demand Systems
本文针对太阳能电动自主按需出行系统，提出基于有向无环图和混合整数线性规划的车队管理优化框架，并通过黄金海岸案例证明其可降低10-15%运营成本，且大电池容量车辆在V2G操作中能进一步降低成本甚至盈利。
2023-05-30 cs.SY eess.SY
Value of Fleet Vehicle Grid in Providing Transmission System Operator Services
本文提出了一种新的电动汽车（EV）车队的聚合模型，考虑他们的日常和每周的使用模式。采用频率约束随机机组组合模型优化调度电动汽车充电和放电以及电力系统中的频率响应（FR）的提供，同时尊重车辆的能量需求和驾驶时间表。通过案例研究，我们证明了具有车辆到电网（V2G）能力的电动汽车每年可以将未来GB电网的系统成本降低高达12，000英镑，每年减少60吨二氧化碳排放量，主要是由于减少了风力发电的削减。该论文还量化了由于FR交付时间的变化，风力的渗透或替代灵活性供应商的吸收而导致的车队V2G效益的变化。最后，提出了一个依赖于电动汽车的充电状态的电池退化模型，并在随机调度问题中实现。它可以显著降低16%的降级成本，而电动汽车的系统价值仅降低0.4%。
2022-01-14 cs.SY eess.SY
On the effects of a centralized computer routing and reservation system on the electric vehicle public charging network
University of Limerick（利默里克大学）
本文通过模拟模型研究集中式计算机路由和预约系统对电动汽车公共充电网络的影响，分析了电池电动车充电功率等级和充电点故障率对支持电动汽车数量的影响。
2016-07-23 cs.SY eess.SY
Joint Optimisation of Electric Vehicle Routing and Scheduling: A Deep Learning-Driven Approach for Dynamic Fleet Sizes
本文提出一种深度学习辅助方法，通过卷积神经网络预测二元变量并结合填充机制，高效求解电动汽车数量可变的日前联合路径与调度问题，在保持高可行性和近最优性的同时将运行时间降低97.8%。
2025-07-21 cs.SY eess.SY
Bilevel Optimization for Improved Flexibility Aggregation Models of Electric Vehicle Fleets
针对电动汽车车队灵活性聚合不准确的问题，提出双层优化方法，通过内外层分别最小化调度偏差和最大化利润，引入缩放因子映射，将充电功率均方根误差降低78%。
2025-06-05 cs.SY eess.SY math.OC
