Optimal Placement of Electric Vehicle Charging Stations in Populated Regions of Tehran for Various Demands Distribution
由arXiv编辑。
2023-03-08 cs.SY eess.SY
An Exact Solution Algorithm for the Bi-Level Optimization Problem of Electric Vehicles Charging Station Placement
University of Minnesota（明尼苏达大学）
本文提出了一种精确求解算法，用于解决电动汽车充电站选址的双层优化问题，通过构建电池扩展网络和弗兰克-沃尔夫交通分配算法，实现了全局最优解，且在多个网络上表现出色。
2026-10-20 cs.SY eess.SY
Electric Vehicle Charging Station Placement Method for Urban Areas
Arizona State University（亚利桑那州立大学）；Stanford University（斯坦福大学）
本文提出了一种考虑城市系统实际因素的电动汽车充电站布置方法，通过分析不同因素的权衡关系，揭示了全球最优解的获取方式，并展示了小的近似误差。
2018-08-29 cs.SY eess.SY
Electric Vehicle Charging Station Placement: Formulation, Complexity, and Solutions
Hong Kong Baptist University（香港浸会大学）
本文提出电动汽车充电站选址问题，证明其计算复杂性，并提出四种解决方案，评估其在不同案例中的性能。
2014-06-10 cs.SY eess.SY math.OC
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
Dynamic Modeling and Real-time Management of a System of EV Fast-charging Stations
在过去的十年中，对电动汽车（EV）的需求以及EV充电的需求稳步增长。然而，全球大部分地区的快速充电基础设施有限，无法支持电动汽车出行，尤其是长途出行。本研究的目标是开发一个电动汽车快速充电站区域系统的随机动态仿真建模框架，用于实时管理和战略规划（即，容量分配）的目的。为了模拟电动汽车用户的行为，特别是快速充电站的选择，该框架采用了一个多项logit站选择模型，该模型考虑了充电价格，预期等待时间和绕行距离。为了捕捉每个快速充电站的供需动态，该框架在模拟中采用了多服务器排队模型。该研究假设多个快速充电站由一个实体管理，并且对这些站的需求是相互关联的。为了管理系统的车站，研究提出并测试动态需求响应价格调整（DDRPA）计划的基础上，车站排队长度。该研究将建模框架应用于南加州的电动汽车快速充电站系统。结果表明，DDRPA策略是一种有效的机制，以平衡跨快速充电站的充电需求。具体而言，与没有DDRPA方案的情况相比，二次DDRPA方案将平均等待时间减少了26%，将充电站收入（和用户成本）增加了5.8%，而最重要的是，在基础场景中将社会福利增加了2.7%。此外，该研究还表明，建模框架可以评估电动汽车快速充电站容量的分配，以确定需要额外充电器的站点以及将从额外快速充电站中受益的区域。
2020-12-17 cs.SY eess.SY
Analysis of Electric Vehicle Charging Station Usage and Profitability in Germany based on Empirical Data
电动汽车正在蓬勃发展，随之而来的是所需的公共充电站。了解如何使用充电站对于充电站本身、导航系统、电网等的运营商至关重要。与2017年相比，现在每个充电站的车辆数量为2.5辆，因此系统需要智能高效地分配充电点。本文通过结合27，800个装置的使用数据，介绍了德国充电站的能耗、到达时间、占用率和盈利能力的代表性数据。AC充电站主要在白天和工作日充电，而DC快速充电站在周末更受欢迎。快速充电器在每个连接点为大约3倍的车辆提供服务，同时由于实现的利润率更高，利润也更高。对于AC充电器，在平均充电事件中充电高达20 kWh的能量，而DC快速充电器提供约40 kWh的能量。
2022-06-20 cs.SY eess.SY
Cross-Entropy-Based Approach to Multi-Objective Electric Vehicle Charging Infrastructure Planning
针对纯电动汽车充电基础设施不足及配电网负荷增加的问题，提出考虑多利益相关方因素的多目标充电站选址优化框架，采用交叉熵方法求解，经成都真实路网验证可提供多目标可行规划方案。
2023-08-27 cs.SY eess.SY math.OC
Development of Charging, Discharging Scheduling Algorithm for Economical and Energy Efficient Operation of Multi EV Charging Station
随着电动汽车（EV）数量的显著增加，停放在充电站中的EV的过度充电需求可能在高峰时段引起电网的不稳定问题。充电站采用微电网结构，需要在考虑微电网局部负荷需求的同时，采用经济高效的电源管理方案为电动汽车供电。为此，本研究提出了一种新的EV充电/放电调度算法的辅助下，相互依赖的MG和EV车队的电源管理方案。在该算法中，基于本地负载需求和光伏（PV）功率生产之间的差异来确定来自停放的EV的最大放电功率量，以减轻它们之间发生的不平衡。对于MG的功率管理，具有在基于PV的充电站中停放的EV的充电/放电调度，执行多目标优化以最小化运营成本和电网依赖性。此外，该方案最大限度地利用电动汽车充电/放电，同时满足充电要求的停放电动汽车。此外，一个更经济和节能的基于光伏的充电站，建立使用本地负载需求和光伏发电的未来趋势预测的门控经常性单位（GRU）网络。与传统的电动汽车充放电调度算法和电动汽车充放电调度算法相比，本文提出的电动汽车充放电调度算法使光伏充电站的运营成本分别降低了167.71%和28.85%。很明显，经济和能源效率的光伏充电站的运行，可以通过应用所提出的电动汽车充电/放电调度策略的电源管理方案。
2022-05-09 cs.SY eess.SY
Optimal Planning of Electric Vehicle Charging Stations: Integrating Public Charging Networks and Transportation Congestion
本研究旨在优化电动汽车长途旅行充电站规划，通过分析德克萨斯州实时数据，权衡交通拥堵与充电时间，提出最大化恒流阶段以提升效率，并在必要时延长充电以避开拥堵站点。
2025-10-11 cs.SY eess.SY
Modelling of the Electric Vehicle Charging Infrastructure as Cyber Physical Power Systems: A Review on Components, Standards, Vulnerabilities and Attacks
本文综述了将电动汽车充电基础设施建模为信息物理系统的组件、标准、漏洞与攻击，旨在缓解充电站拥堵并支持无住宅充电设施的车主。
2023-11-15 cs.SY eess.SY
A Two-phase On-line Joint Scheduling for Welfare Maximization of Charging Station
电动汽车的大量采用为充电站的运营优化带来了实际利益。定价和充电控制的联合调度将实现充电站和电动汽车司机的双赢局面，从而提高充电站的运营能力。我们认为这一重要问题在本文中，并作出以下贡献。首先，定价和充电控制的联合调度模型的开发，以最大化的期望社会福利的充电站考虑服务质量和价格波动的敏感性的电动汽车司机。它被公式化为一个马尔可夫决策过程与方差准则，以捕捉在操作过程中的不确定性。其次，提出了一种两阶段在线策略学习算法来解决该联合调度问题。在第一阶段，它实现了基于事件的策略迭代，以找到最优的定价方案，而在第二阶段，它实现了基于神经网络的模型预测控制的智能充电下更新的定价方案。第三，利用性能差异理论，从理论上分析了该算法的最优性。对一个分布式发电储能充电站的数值实验表明了该方法的有效性和提高充电站社会福利的效果。
2022-12-07 cs.SY eess.SY
Research on Multi-Objective Planning of Electric Vehicle Charging Stations Considering the Condition of Urban Traffic Network
作为电动汽车的重要配套设施，充电站的合理规划和布局对电动汽车的发展具有重要意义。然而，充电站的规划和布局受到政策经济、充电需求、用户充电舒适度、道路交通状况等各种复杂因素的影响。如何权衡各种因素构建合理的充电站选址和容量模型已成为电动汽车充电设施规划领域的一大难点。本文首先以运营商收益最大化和用户充电附加成本最小化为目标，构建了充电站选址和容量优化模型。同时，引入道路耗时指标，量化道路拥堵对用户充电附加成本的影响，有效提升用户充电时的满意度。针对充电站规划模型，提出了一种基于混沌初始化和算术交叉算子的精英策略非支配排序遗传算法（NSGA-II）。最后以北京市海淀区为仿真对象，仿真结果表明，与不考虑城市交通网络的情况相比，本文提出的模型显著降低了用户的损失时间成本11.4%，用户收费的总附加成本降低了7.6%。既保证了系统的经济性，又有效提高了用户的充电满意度，进一步验证了该模型的可行性和有效性，可为今后充电站的规划布局提供参考。
2022-08-27 cs.SY eess.SY
Impact of EV Charging Stations in Power Grids in Italy and its Mitigation Mechanisms
全球变暖导致世界思考一种不同的交通方式：避免内燃机，并使交通运输部门多样化。随着电动汽车（EV）充电站在现有配电网络上的高度渗透，影响可能是一致的。快速充电站的负载可能会导致峰值负载需求增加、备用余量减少、电压不稳定和可靠性问题。由于EV充电站的负面影响而导致的电力系统的性能下降甚至可能导致配电系统运营商（DSO）支付罚款。本文件：i）调查\ac{ev}充电站对配电网的影响，包括中压馈线上的电压降和主变电站中Transformers的负载，以及ii）提出缓解机制。一个现实的典型的意大利电网已被用来评估电动汽车充电站的影响，并验证缓解机制。
2021-11-12 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
Grid-ECO: Grid Aware Electric Vehicle Charging Stations Placement Optimizer
University of Vermont（佛蒙特大学）；Carnegie Mellon University（卡内基梅隆大学）
Grid-ECO通过精确求解混合整数非线性规划问题，优化电动汽车充电站选址，实现接近零最优间隙和保证交流可行性。
2026-09-30 cs.SY eess.SY
An Optimal Energy Management Algorithm Considering Regenerative Braking and Renewable Energy for EV Charging in Railway Stations
提出了一种新的优化能量管理系统（EMS）的电动汽车（EV）充电在智能电气化铁路站与可再生能源发电的算法。与以前的铁路EMS方法相反，所提出的EMS协调组合的再生制动能量（RBE）、可再生发电、电动铁路需求和在火车站的EV停车场的EV充电需求。在瑞士库尔的一个实际的火车站上使用基于神经网络的方法的数值结果表明，该算法可以有效地减少预期的日常运营成本的训练站在一整年。
2023-03-08 cs.SY eess.SY
Electrical Vehicle Charging Station Profit Maximization: Admission, Pricing, and Online Scheduling
The Chinese University of Hong Kong（香港中文大学）；Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院）；College of Information Engineering, Shenzhen University（深圳大学信息工程学院）
本文提出JoAP机制，通过联合优化电动汽车接入控制、定价和充电调度，提升充电站利润。通过 tandem 队列网络模型分析，设计最优算法并在模拟中验证其在不同等待时间惩罚率下利润提升达330%-531%。
2017-09-07 cs.SY eess.SY
Beyond Profit: A Multi-Objective Framework for Electric Vehicle Charging Station Operations
本文提出一种联合优化定价与连续充电速率的多目标框架，在物理约束下同时最大化充电站利润与声誉，并通过软动作评论家和熵温度调节提升收敛性，实验显示平均JPR较基线提升25.45%-52.20%。
2024-03-12 cs.SY eess.SY
Distributed Coordination of Charging Stations with Shared Energy Storage in a Distribution Network
电动汽车（EV）充电站经历了快速增长，其对电网的影响已变得不可忽视。虽然充电站可以安装能量存储以减少其对电网的影响，但由于能量存储的前期成本高，传统的“一个充电站，一个能量存储”方法可能是不经济的。共享能源存储可能是一个潜在的解决方案。然而，由于不同代理之间的复杂耦合、利益竞争和信息不对称，配电网络中具有共享能量存储的充电站的有效管理是具有挑战性的。为了解决上述挑战，本文首先提出了一个均衡模型来描述充电站，共享储能和配电网络之间的相互作用。我们证明了均衡与集中优化结果一致，交易价格等于对偶变量的最优值。然后，为了实现有效的平衡，一个分布式的协调机制与预测和校正步骤，以指导不同的代理的行为与收敛性证明。数值实验和综合性能比较验证了理论结果，并显示了所提出的机制的优势。
2023-03-19 cs.SY eess.SY
Integrating Optimal EV Charging in the Energy Management of Electric Railway Stations
本文提出一种集成储能、再生制动能量和可再生能源的铁路车站能源管理系统，通过滚动时域控制优化电动汽车充电策略，在满足充电需求并遵守峰值负荷限制下显著降低日常运营成本。
2023-08-02 cs.SY eess.SY
AST-GIN: Attribute-Augmented Spatial-Temporal Graph Informer Network for Electric Vehicle Charging Station Availability Forecasting
Nanyang Technological University（南洋理工大学）；Institute for Infocomm Research (I2R), Agency for Science, Technology and Research (ASTAR)（新加坡科技研究局资讯通信研究院（I2R））
电动汽车充电需求和充电站可用性预测是智能交通系统面临的挑战之一。通过准确的电动汽车站点状况预测，可以提前安排合适的充电行为，以缓解里程焦虑。现有的许多深度学习方法都是针对这一问题提出的，但由于道路网络结构复杂，外部因素如兴趣点（POI）、天气影响等综合影响，许多常用算法只能提取历史使用信息，而没有考虑外部因素的综合影响。为提高预测精度和可解释性，提出了一种属性增强时空图信息器（AST-GIN）结构，该结构将图卷积网络（GCN）层和信息器层相结合，提取相关交通数据的外部和内部时空相关性。利用属性增强编码器将外部因素建模为动态属性进行训练。AST-GIN模型在邓迪市收集的数据进行了测试，实验结果表明，我们的模型考虑外部因素的影响，在不同的水平设置与其他基线相比，有效性。
2022-09-07 cs.LG cs.SY eess.SY
Joint Price and Power MPC for Peak Power Reduction at Workplace EV Charging Stations
University of California, Berkeley（加州大学伯克利分校）；TotalEnergies S.E（道达尔能源）
本文提出联合价格与功率优化框架，通过模型预测控制方法降低办公场所电动汽车充电站的峰值功率消耗和运营商成本。
2026-04-11 cs.SY eess.SY
Grid Impact Analysis and Mitigation of En-Route Charging Stations for Heavy-Duty Electric Vehicles
本文提出了一种综合电网影响分析设计和相应的缓解策略，重型电动汽车（EV）充电站。重型充电站的充电负荷可达数兆瓦，如不有效缓解，可能对配电网造成不利影响。为了分析影响并提供相应的解决方案，我们选择了四个有代表性的配电系统-包括单馈线案例和多馈线案例-并为影响分析设计了全面的测试指标。在分析中使用的充电负载配置文件来自现实的传统重型车辆行驶数据。根据分析结果，充电站被放置在每个配电系统中的三个不同的代表性位置：最佳位置、良好位置和最差位置。提出并测试了使用智能充电器功能、现场光伏（PV）发电和现场储能（ES）相结合的缓解策略。还提出了一种确定大小的方法，以找到最佳的PV-ES充电器容量，最大限度地减少资金成本。
2022-08-12 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
Reducing Waiting Times at Charging Stations with Adaptive Electric Vehicle Route Planning
电动汽车在世界各地越来越受欢迎。随着电池容量的增加和快速充电基础设施的不断发展，它们正变得适合长途旅行。然而，在充电站排队可能会导致长时间的等待，这使得有效的路线规划变得更加重要。一般来说，最优多目标路径规划是非常昂贵的计算。我们提出了一个自适应的充电和路由策略，考虑驾驶，等待，充电时间。为此，我们开发了一个多标准的最短路径搜索算法，使用收缩层次。为了进一步减少计算工作量，我们预先计算充电站的已知位置之间的最短路径树。我们提出了一个中央充电站数据库（CSDB），可以帮助提前估计充电站的等待时间。这使我们的自适应充电和路由策略能够减少这些等待时间。在一组广泛的模拟实验中，我们展示了我们的概念的优势，它将充电站的平均等待时间减少了97%。即使只有一小部分汽车使用CSDB方法，我们也可以大大减少等待时间，从而减少电动汽车的总行驶时间。
2021-02-02 cs.SY eess.SP 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
EV Charging Station Wholesale Market Participation: A Strategic Bidding and Pricing Approach
提出了一种电动汽车充电站集成商参与批发市场的同时投标和定价策略框架。拟议框架纳入了电动汽车充电站的技术限制以及电动汽车车主的偏好。采用双层优化模型对问题进行建模。在上层，电动汽车充电站聚合器的总利润最大化。在低层问题中，EV所有者的效用函数被最大化。使用二次效用函数对电动汽车车主的偏好进行建模。通过写出下层问题的最优性条件，将非凸的、难以求解的双层优化问题转化为混合整数凸二次规划模型，使下层问题能够用商业求解器求解。所提出的框架的有效性进行了研究，通过实施仿真结果。
2022-09-13 cs.SY eess.SY
Coordinated Charging Station Search in Stochastic Environments: A Multi-Agent Approach
续航里程和充电焦虑仍然是电动汽车市场快速扩散的重要障碍。为此，快速可靠地找到合适的充电站可以通过减轻驾驶员的焦虑来促进电动汽车的普及。在这里，现有的商业服务帮助驾驶员基于实时可用性数据找到可用的站点，但与数据不准确性作斗争，例如，这是由于传统车辆阻挡了公共充电站的入口。在这种情况下，最近的作品已经研究了随机搜索方法，以考虑可用性的不确定性，以尽量减少驾驶员的绕道，直到到达一个可用的充电站。到目前为止，实践和理论方法都忽略了通过收费请求集中或数据共享实现的驾驶员协调，例如，在驾驶员之间共享对充电站的可用性或访问意图的观察。在此背景下，我们研究了协同随机搜索算法，这有助于减少站点访问冲突，改善司机的充电体验。将多智能体随机充电站搜索问题建模为有限时域马尔可夫决策过程，并引入了适用于静态和动态策略的在线解决方案框架。与静态策略相比，动态策略在策略规划和执行期间负责信息更新。我们提出了一个分层实现的单代理启发式分散决策和集中决策的推出算法。大量的数值研究表明，与不协调的设置相比，具有访问意图共享的分散设置将系统成本降低了26%，这几乎与集中设置中实现的28%的成本降低一样好，并且节省了高达23%的驾驶员搜索时间，同时提高了她的搜索可靠性。
2022-04-26 cs.SY eess.SY
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
Understanding the Impact of Coalitions between EV Charging Stations
本文研究电动汽车充电站部分联盟协调的影响，通过非合作聚合博弈和C-Nash均衡分析，发现在某些条件下独立运行反而比部分联盟协调成本更低。
2024-10-03 cs.GT cs.MA cs.SY
Decentralized Assignment of Electric Vehicles at Charging Stations Based on Personalized Cost Functions and Distributed Ledger Technologies
在本文中，我们提出了一个随机分散算法推荐最方便的充电站（CS）的插电式电动汽车（PEVs），需要充电。特别地，我们使用不同的代价函数来描述PEV驱动器的可能不同的优先级，例如最小化充电成本、充电时间或它们与CS之间的距离的偏好。为此，我们利用基于许可的分布式账本技术（DLT）的物联网架构来强制驾驶员合规，并减少驾驶员有害不当行为的发生。在现实的城市范围内的网络与移动性模拟器SUMO进行了广泛的模拟已经提供了说明如何建议PEV分配程序在实践中工作，并验证其性能。
2021-01-07 cs.SY eess.SY
Distributed Charging Coordination for Electric Trucks under Limited Facilities and Travel Uncertainties
针对电动卡车充电等待时间长与站点设施有限的问题，提出分布式协调框架，利用站点预测与车-站通信处理出行不确定性，仿真显示平均等待时间较离线计划降低46.1%。
2025-01-21 cs.SY eess.SY
Cyber-Attack Event Analysis for EV Charging Stations
安全可靠的电动汽车充电站（EVCS）在智能交通基础设施中非常重要。随着对EV充电需求的不断增长，EVCS的普及率随着时间的推移而迅速增加。然而，信息和通信技术（ICT）的发展使得EVCS的网络物理系统（CPS）容易受到网络攻击，这可能会破坏电网基础设施以及充电环境的稳定。这项研究提出了一种基于5Ws \& 1H的调查方法来处理网络攻击相关事件，因为目前的调查框架无法理解和处理这些事故。此外，提出了一个随机异常检测系统（ADS），以识别异常，异常活动，和不寻常的操作站实体作为一个后网络事件分析。
2022-11-15 cs.SY eess.SY
Sequential Charging Station Location Optimization under Uncertain Charging Behavior and User Growth
针对预算约束下充电站分阶段选址需考虑随机需求增长的问题，将用户选择行为整合到多阶段随机规划模型中，推导二阶锥表示并提出次梯度不等式加速计算，验证了多阶段模型在高波动等场景的价值。
2024-11-03 cs.SY eess.SY math.OC
Design and Analysis of a Grid-connected DC Fast Charging Station for Dhaka-Chittagong Highway
本文提出了一种基于降压变压器、Vienna Rectifier和LC滤波器的达卡-吉大港高速公路并网直流快速充电站设计，通过MATLAB Simulink仿真实现400V直流和120 kW峰值输出，为孟加拉国部署快速充电基础设施提供了技术路线图。
2025-05-27 cs.SY eess.SY
Strategic Competition of Electric Vehicle Charging Stations in a Regulated Retail Electricity Market
交通电气化的日益增长的趋势为投资者提供了通过从批发电力市场购买的能源为电动汽车（EV）车主提供充电服务的机会。这将使电动汽车所有者受益，与受监管的公用事业使用时间（TOU）费率相比，电动汽车所有者可以获得具有竞争力的费率。本文解决的基本问题是：1）与家庭充电相比，电动汽车车主是否会从电动汽车充电站（EVCS）的额外选择中受益？2)在零售电力市场受到监管的情况下，充电站是否有有利可图的市场机会？为此，战略投标问题的EVCS购买电力从日前电力市场（DAM），并将其出售给电动汽车业主。策略性投标问题受到DAM内的市场出清问题以及电动汽车充电成本最小化问题的约束。一个双层优化问题的制定和解决方法，以解决这项工作的研究问题。说明了所提出的结构在获得利润的EVCS的有效性，它表明，电动汽车车主也节省了他们的充电成本与EVCS的存在作为一种选择。
2021-11-23 cs.SY eess.SY
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
Definition of Static and Dynamic Load Models for Grid Studies of Electric Vehicles Connected to Fast Charging Stations
电动汽车的不断发展需要电力系统分析，以调查电动汽车同时充电在多大程度上导致网络运行降级，并验证对策的有效性。为了降低复杂性和CPU时间，执行这些分析的常见方法包括用恒定的PQ负载替换电动汽车及其充电站。然而，这种方法是不准确的，因为这些元件吸收的功率实际上不仅取决于电压，还取决于充电状态、充电方法、电池组的阴极化学以及电动车辆和充电站中的转换器控制。综合考虑这些因素，本文提出了一种新的电动汽车快速充电站静态负荷模型和基于矢量拟合的动态负荷模型。这些计算效率高的表示可以取代电动汽车的标准恒定PQ负载模型，以更准确地评估其在静态和动态电网研究中的影响。IEEE14系统的仿真结果表明，通过增加车队的电动汽车的修改证明了所提出的模型的准确性，并突出了在某些情况下，作为一个恒定的PQ负载的标准电动汽车表示的缺点。
2023-02-08 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
Inducing Human Behavior to Alleviate Overstay at PEV Charging Station
随着插电式电动汽车（PEV）市场在全球范围内的扩张，PEV的普及率已经超过了公共PEV充电的可达性。除了充电基础设施部署，充电站运营是提高充电服务可及性的另一个关键因素。在本文中，我们提出了一个数学框架，以优化运营的PEV充电站，其服务能力受到限制的数量可用的充电器。这个数学框架专门利用人类行为建模来缓解车辆充满电时发生的“逾期”问题。我们的行为模型有效地捕捉了人类的决策，当人类接触到多种充电产品选项时，这些产品在价格和服务质量上都有所不同。我们重新制定相关的非凸问题的多凸问题，通过杨-Fenchel变换。然后，我们应用块坐标下降算法来有效地解决优化问题。数值实验验证了该方法的有效性。模拟结果表明，利用最佳定价收费选项的车站运营商可以通过三种方式实现收益：（i）净利润收益，（ii）减少逾期逗留，以及（iii）提高服务质量。
2019-12-05 cs.SY eess.SP eess.SY
Mobility-Aware Electric Vehicle Fast Charging Load Models with Geographical Price Variations
University of California, Santa Barbara（加利福尼亚大学圣塔芭芭拉分校）
本文研究了在具有快速充电站的交通网络中，电动汽车用户在旅行和充电时的行为模式，通过建立交通和充电分配问题（TCAP）模型，分析了充电网络运营商如何优化快速充电站的使用效率，并提出了考虑用户异质性和地理电价差异的凸优化问题以确定网络的均衡状态。
2020-09-16 cs.SY eess.SY
A Method of EV Detour-to-Recharge Behavior Modeling and Charging Station Deployment
电动汽车（EV）越来越多地用于交通运输。电动汽车在全球范围内的使用，由于其有限的电池容量，需要有效规划电动汽车充电站，以提高电动汽车的使用效率。本文提出了一种描述电动汽车绕行充电行为的方法，并在此基础上，采用绕行引起的额外行驶长度和未完成路线长度作为评价电动汽车充电站部署方案的指标。通过这种方式，我们可以根据出行数据（需求）模拟EV行为。在此基础上，提出了一种基于遗传算法的电动汽车充电站选址优化方法。通过一个30 km * 30 km区域内的100节点203分支交通网络的实例分析，验证了该方法的有效性。我们的方法的见解可能适用于各种交通网络中的充电站规划。
2022-11-13 cs.OH cs.SY eess.SY
Pricing and Routing Mechanisms for Differentiated Services in an Electric Vehicle Public Charging Station Network
University of California, Santa Barbara（加利福尼亚大学圣塔芭芭拉分校）
本文研究了电动汽车公共充电站网络中如何通过优化定价和路由策略来提供差异化服务，旨在通过用户优先级和能源需求的设定，实现对充电站需求的直接管理，从而优化电网影响和等待时间。
2019-08-26 cs.SY eess.SY
A Literature Review on Mobile Charging Station Technology for Electric Vehicles
虽然电动汽车（EV）的采用正在以前所未有的方式加速，但缺乏EV充电基础设施阻碍了EV市场的发展。为了弥补这些缺点，移动充电站（MCS）可以通过提供不受充电过程位置和时间限制的充电服务，在加速电动汽车普及方面发挥重要作用。本文件散发了文献中关于监控监的其他文件和技术报告的资料。它还讨论了MCS的好处，它的挑战，最后介绍了在这一领域的研究差距。
2020-04-02 cs.SY eess.SP eess.SY
Multi Feature Data Fusion-Based Load Forecasting of Electric Vehicle Charging Stations Using a Deep Learning Model
提出了一种基于多特征数据融合的预测技术，以提高电动汽车充电站负荷预测深度学习模型的准确性。所提出的方法使用基于历史天气（风速、温度和湿度）数据的观测的多特征输入作为长短期记忆（LSTM）模型的多个输入，以实现对充电负载的鲁棒预测。天气条件是电动汽车驾驶员行为及其驾驶模式的重要影响因素。这些行为和驾驶模式影响驾驶员的收费模式。与传统LSTM模型的一个预测（步骤、模型或变量）不同，电动汽车的三个充电负载（能源需求）预测取决于不同的多特征输入。利用数据融合技术对不同充电负荷预测结果进行组合优化。通过预测的平均绝对预测误差来评价最终实现的模型的性能。该模型的预测误差为3.29%。该预测误差低于LSTM模型的初始预测结果。数值结果表明，电动汽车负荷预测的性能有所改善，表明该模型可以用来优化和改善电动汽车充电站的电动汽车负荷预测，以满足电动汽车的能源需求。
2023-01-31 cs.SY eess.SY
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
Equivalent Circuit Model based Electric Vehicle Evacuation with Mobile Charging Stations
Partners for Advanced Transportation Technology (PATH), UC Berkeley（加州大学伯克利分校先进交通技术合作伙伴（PATH））
提出基于等效电路模型的电动汽车疏散框架，通过电路类比建模交通流，联合优化路径、充电和拥堵管理，并引入移动充电站以最小化疏散时间。
2026-06-02 cs.SY eess.SY
Distributed Charging Coordination of Electric Trucks with Limited Charging Resources
针对电动卡车长途配送中充电资源有限导致等待时间长的问题，提出一种分布式充电协调框架，经瑞典路网实证验证，该方案以极小通信开销实现了优于离线规划的性能。
2024-03-06 cs.SY eess.SY
EV-based Smart E-mobility System -- Part I: Concept
这两篇论文系列的第一篇提出并阐述了基于电动汽车（EV）的电动交通系统的概念。为此，在文献中，设计用于获得电动汽车灵活性的益处的模型几乎完全将充电站视为利用电动汽车灵活性的积极参与者。这些车站被视为静态负载，只有当电动汽车连接到它们时才能提供灵活性。然而，这一观点受到两个主要问题的影响。首先，充电站需要预测进入的EV的一些重要参数，例如到达和离开的时间、EV的电池在到达时的能量状态以及在其离开时所需的能量状态。其次，它只在电动汽车连接到这些充电站时才观察电动汽车，从而忽略了电动汽车连接到其他充电站时的套利和充电机会。本文提出了一个新的观点，电动汽车被视为动态可移动存储系统，可以在任何充电站提供灵活性。本文定义了两个系统，现有的一个，其中的灵活性是从充电站的角度来看，和拟议的一个，其中的灵活性是从电动汽车的角度来看。
2019-09-23 cs.SY eess.SY
Effects of Adopting Ultra-Fast Charging Stations in the San Francisco Bay Area
超快速充电（UFC）是一种新兴的技术，可以将电动汽车（EV）的充电时间从几小时缩短到几分钟。但UFC的功耗特性给现有的电力系统带来了新的挑战，其利弊还有待研究。该项目旨在建立一个框架，以研究用超快速充电站（UFC）取代旧金山湾区内正常非住宅电动汽车充电器的不同方面。三个目标被定义为三个利益相关者参与这个模拟，即：电动汽车用户，车站所有者，和电网运营商。结果表明，UFC将显着有助于增加高峰负荷和用电量在高峰需求期间，这是一个不希望的结果从电网运行的角度来看。随后，车站所有者的总电力和运营和维护成本将增加，而这可以通过从电动汽车用户的角度分析时间价值（VOT）来证明。此外，研究了使用电池储能设施的调峰，以补充应用技术的变化，并减轻较高的电力消耗对电网的影响。
2019-11-25 cs.SY eess.SY
Optimal EV Charging Scheduling at Electric Railway Stations Under Peak Load Constraints
本研究提出一种新型EMS算法，将EV出发时荷电状态作为优化变量并纳入峰值负荷约束，利用EV充电灵活性防止铁路车站充电与运营结合场景的过载，经瑞士实际铁路线场景树数值研究验证了其有效性与可行性。
2024-04-11 cs.SY eess.SY
Energy Management for Solar-Powered Electric-Bus Charging Station: A Data-Driven Method
University of Alberta（阿尔伯塔大学）
本文提出一种灵活的能量管理系统，结合可再生能源、储能和电动巴士充电，通过数据驱动方法应对太阳能输出、电价和巴士充放电不确定性。
2026-05-14 cs.SY eess.SY
Mixer-Informer-Based Two-Stage Transfer Learning for Long-Sequence Load Forecasting in Newly Constructed Electric Vehicle Charging Stations
本文提出MIK-TST两阶段迁移学习框架，融合Mixer、Informer和KAN以解决新建充电站长序列负荷预测中数据有限与长时依赖问题，在博尔德26个充电站数据集上MAE降低4%、MSE降低8%，优于基线方法。
2025-05-10 cs.SY eess.SY
