Resource Aware Pricing for Electric Vehicle Charging
电动汽车充电设施为用户提供充电和停车服务，但需收费。停车可用性和充电容量都是有限的资源，随着电动汽车采用率的增加，对充电设施的需求也在增长，因此也有可能超过这些资源限制。在本文中，我们研究了充电设施设置的价格如何影响资源约束被超过的可能性。具体来说，我们提出了概率边界上的充电点的数量和所需的总电源在一个设施的基础上到达车辆的特性。我们假设充电设施向每个用户提供一组不同且固定的充电率，或者允许用户决定充电期限，由此确定充电率。用户随机到达，需要随机的费用。此外，每个用户都有一个随机的不耐烦因素，量化他们的时间价值，以及一个随机的期望时间停留在一个特定的位置。假设合理的用户行为，并与随机参数的概率分布的知识，我们提出了高置信区间的车辆停在车站的总数和总的功率使用的所有车辆积极充电。我们演示了如何使用这些边界的充电设施，以确定适当的价格和调查通过蒙特卡洛模拟案例研究的紧密性的界限。
2020-09-22 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
Analyzing the Travel and Charging Behavior of Electric Vehicles -- A Data-driven Approach
University of Central Florida（中佛罗里达大学）
电动汽车（EV）的市场渗透率不断增加，可能会对电力系统产生巨大的电力需求。这种电力需求受到电动汽车出行行为固有的不确定性的影响，这使得预测每日充电需求（CD）非常具有挑战性。在这个项目中，我们使用全国住房调查（NHTS）数据来形成行程序列，并开发机器学习模型来预测驾驶员下一次行程的参数，包括行程开始时间，结束时间和距离。这些参数稍后用于对EV的临时充电行为进行建模。仿真结果表明，所提出的模型可以有效地估计基于电动汽车出行行为的每日CD模式，简单的机器学习技术可以预测出行参数，具有可接受的精度。
2021-06-11 cs.LG cs.SY eess.SY
Congestion Forecasting for Electric Vehicle Charging Scheduling with Fluid Queues
KTH Royal Institute of Technology（皇家理工学院）
提出一种基于流体的拥塞预测方法，用于电动汽车充电调度，在考虑不确定性到达和容量约束下预测充电站可用性，并减少等待时间高达14%。
2026-05-26 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
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
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
Large-Scale Scenarios of Electric Vehicle Charging with a Data-Driven Model of Control
支持广泛的交通电气化的规划取决于对电动汽车在不受控制和受控或智能充电场景下的电力需求的详细估计。我们提出了一种建模方法来快速生成收费估计，包括控制数百万个单独的驱动程序的大规模场景。我们使用真实充电会话的统计表示来建模不受控制的充电需求。我们用一种新的机器学习方法代替传统的优化方法，对负载调制控制对聚合充电曲线的影响进行建模。我们展示了它的性能建模工作场所充电控制与多个电价时间表，实现小误差（2.5%至4.5%），同时加速计算超过4000倍。我们通过生成加州2030年充电需求的场景来说明该方法，包括多个充电段和控制，场景在50秒内本地运行，并协助费率设计建模新工作场所充电费率的大规模影响。
2021-05-25 cs.SY eess.SY
Double-Layer Game Based Wireless Charging Scheduling for Electric Vehicles
无线充电技术为电动汽车（EV）电池寿命不足提供了解决方案。然而，无线充电车道（WCL）和电动汽车之间的利益冲突难以解决。在日前电力市场环境下，考虑实际售电量与预购电量偏差对WCL的收益影响，以及电动汽车的续航能力和出行体验，提出了一种基于双层博弈模型的充电调度算法。在下层，采用势博弈模型对多车充电规划博弈进行建模。设计了一种基于三路贪婪策略的最短路径算法求解动态充电顺序问题，并采用改进的粒子群优化算法求解变序势博弈问题。在上层，采用反向Stackelberg博弈来协调无线充电车道和电动汽车的成本。WCL作为主导者，通过电价管制激励电动汽车进行合理的收费行为。作为跟随者，电动汽车在给定的电价下做出最佳充电决策。设计了一个迭代算法来保证博弈的纳什均衡收敛。仿真结果表明，本文提出的双层博弈模型能够有效抑制车辆无序充电行为导致的充电车道实际售电量与预售电量之间的偏差，保证电动汽车的高续航能力和出行体验。
2020-03-06 cs.SY eess.SY
A Robust Optimization Model for Cost-Efficient and Fast Electric Vehicle Charging with L2-norm Uncertainty
本文提出一种结合成本最小化与快速充电目标的鲁棒优化模型，并引入L2范数不确定性以应对充电成本波动，实验表明该模型可实现高效灵活的电动汽车充电。
2025-02-06 cs.SY eess.SY
Optimizing Energy Efficiency and Grid Stability via Public EV Charging Flexibility
FEE CTU Prague（捷克技术大学电气工程学院）；CEE, Stanford University（斯坦福大学能源与环境工程系）；FIT CTU Prague（捷克技术大学信息工程学院）
该研究利用布拉格公共充电站真实数据，通过优化电动汽车充电时间提升能效、减少电网不平衡，为电力分销商与输电系统运营商合作保障电网稳定提供了新方向。
2026-08-20 cs.LG cs.SY eess.SY
Estimation of Electric Vehicle Public Charging Demand using Cellphone Data and Points of Interest-based Segmentation
Vrije Universiteit Brussel（布鲁塞尔自由大学）
道路电气化的竞赛已经开始，说服司机从燃料动力汽车转向电动汽车需要强大的电动汽车（EV）充电基础设施。本文提出了一种创新的电动汽车充电需求估计和细分方法。首先，我们使用蜂窝信令数据以邻域粒度估计充电需求。其次，我们提出了一个细分模型来划分不同充电技术之间的总充电需求：正常，半快速和快速充电。分割模型是一种基于城市兴趣点的方法，是一种最先进的方法，可以得出适用于城市规划的有用趋势。布鲁塞尔市的案例研究提出。
2022-06-02 cs.AI cs.SY eess.SY
Optimal charging guidance strategies for electric vehicles by considering dynamic charging requests in a time-varying road network
由于全球对石油依赖和温室气体排放的担忧，电动汽车（EV）的采用率越来越高。然而，其有限的续驶里程促进了城市道路网络中电动汽车驾驶员的充电请求的发生，这在现实世界的情况下具有显著的时间维度上的不确定性。针对电动汽车动态充电需求带来的挑战，提出了电动汽车充电优化策略，为电动汽车充电提供指导。路网的时变特性进一步参与了问题的制定。基于计费请求信息，我们从不同的角度提出了两种计费引导策略。其中一种策略考虑了电动汽车驾驶员的出行需求，并以行驶距离作为优化标准。另一种策略则侧重于电动汽车数量对充电站运营和服务满意度的影响。最后，选取车辆数最少的可达充电站作为最优充电站。更重要的是，这两种策略都有能力确保在时变道路网络中选定充电站的可达性。此外，我们进行模拟的例子，以调查所提出的充电指导策略的性能。最后，根据不同参数下的仿真结果，对策略的应用场景提出了见解和建议。
2019-08-10 cs.SY eess.SY
A High-efficient Battery Charging System for Electric Vehicle
本文针对电动汽车锂离子电池充电效率问题，提出多阶段恒流充电及反射充电方法，在双有源桥DC-DC变换器系统上验证，相比传统CC-CV方法可显著缩短充电时间并降低电池损耗。
2023-08-09 cs.SY eess.SY
Advancements in Electric Vehicle Charging Optimization: A Survey of Reinforcement Learning Approaches
本文综述强化学习在电动汽车充放电协调中的框架、目标与架构，按集中式与分散式分类，并展望未来优化方向。
2025-02-17 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
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
Optimal Thermal Management and Charging of Battery Electric Vehicles over Long Trips
研究了纯电动汽车长途行驶时的最优热管理和充电问题。重点是在废热回收的热管理系统中包括热泵的潜在好处，以及充电点规划，以实现时间，能量或其权衡的最佳化。一个最优控制问题，其中的目标函数包括由充电器（S）提供的能量，和总的充电时间，包括实际充电时间和绕道时间和从充电停止。为了降低计算复杂度，制定的问题，然后转换成一个混合动力系统动力系统，充电动力学建模的域中的归一化充电时间。可以在行程时间或行程距离域中对驾驶动态进行建模，因为假定车辆速度是先验已知的，并且车辆仅在充电位置处停止。在混合动力系统内，为每个充电位置引入二进制变量，以便决定使用或跳过充电器。这个问题的数值解决，并进行模拟，以评估在能源效率和时间方面的性能。仿真结果表明，充电所需的时间和总能耗减少了30.6%和19.4%，分别通过应用所提出的算法。
2022-10-07 cs.SY eess.SY
Lagrangian Decomposition based Multi Agent Model Predictive Control for Electric Vehicles Charging integrating Real Time Pricing
eCampus University（电子校园大学）
本文提出一种实时分布式控制策略，用于满足电动汽车充电和电网玩家的需求，通过智能体计算充电负荷曲线，并基于模型预测控制和拉格朗日分解方法实现优化控制。
2016-07-11 cs.SY eess.SY
Coordinated Battery Electric Vehicle Charging Scheduling across Multiple Charging Stations
本文提出一种结合碳排放计划与动态经济调度的多目标优化框架，通过G2V和V2G技术协调多充电站BEV充放电，实现V2G参与率提升超10%、EVCS收益增加超20%并降低网络损耗。
2025-09-22 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
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
Adaptive Charging Networks: A Framework for Smart Electric Vehicle Charging
我们描述了自适应充电网络（ACN）的架构和算法，该网络于2016年初首次部署在加州理工学院校园，目前在美国其他100多个站点运行。该架构可实现实时监控，并支持电动汽车（EV）大规模充电。ACN采用基于凸优化和模型预测控制的灵活的自适应调度算法，并允许电力基础设施的显著超额订购。我们描述了现实世界充电系统中的一些实际挑战，包括不平衡的三相基础设施，非理想的电池充电行为和量化的控制信号。我们演示了自适应调度算法如何处理这些挑战，并将其性能与最后期限调度文献中的基线算法进行比较，使用从加州理工学院ACN和准确的系统模型记录的真实工作负载。我们发现，在这些现实环境中，我们的调度算法可以将运营商的利润提高3.4倍，超过不受控制的充电，并且在高度拥挤的系统中提供能量时始终优于基线算法。
2020-12-04 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
Optimal Vehicle Charging in Bilevel Power-Traffic Networks via Charging Demand Function
针对电动汽车充电耦合电力与交通网络的双层规划问题，提出利用多参数规划推导充电需求函数，将非线性费用项转化为分段二次项，实现独立管理充电功率并保证最优性，数值实验验证了价格激励与交通需求的影响。
2023-09-05 cs.SY eess.SY
MPC-Based Real-Time Charging Coordination for Electric Vehicle Aggregator to Provide Regulation Service in a Market Environment
研究了电动汽车聚集器（EVA）的最优运行问题。EVA可以通过其当前和即将推出的电动汽车参与能源和监管市场，从而降低购买能源以满足电动汽车充电要求的总成本。基于MPC的优化模型的开发，以考虑未来到来的电动汽车以及能源和监管价格。利用CVaR指标对EVA的风险厌恶程度进行建模。在1000-EV测试系统上的仿真验证了我们的工作在实现利润丰厚的收入，同时满足电动汽车车主的充电请求的有效性。
2021-11-09 cs.SY eess.SY
Behaviour-neutral Smart Charging of Plugin Electric Vehicles: Reinforcement learning approach
大功率电动汽车（EV）充电会由于高峰需求充电而显著增加充电成本。本文提出了一种新的充电算法，该算法利用通常长的插件会话为国内充电器，并降低了整体充电功率的升压充电的EV短时间内，其次是低功率充电的插件会话的其余部分。通过对EV过去的充电会话进行训练，使用强化学习来获得升压和低功率充电阶段的最佳参数。与一些先前的工作相比，所提出的算法不试图预测插件会话持续时间，如分析中所示，由于人类行为的性质，在实践中很难准确预测插件会话持续时间。相反，收费参数被直接控制，并且随着时间的推移透明地适应用户的收费行为。对来自22，731个国内充电站的310万个充电会话的英国数据集进行的性能评估表明，所提出的算法可以减少31%的总峰值。实验还证明了历史大小对学习行为的影响，并通过将该算法应用于特定的充电点的案例研究得出结论。
2022-06-23 cs.SY eess.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
Co-optimizing Consumption and EV Charging under Net Energy Metering
本文提出一种基于随机动态规划的协同优化方法，用于解决净能量计量下家庭用电、EV充电与表后分布式能源的调度问题，证明其最优解为拖延阈值策略，有效简化了优化计算并验证了协同效益。
2023-07-05 cs.SY eess.SY
ACN-Sim: An Open-Source Simulator for Data-Driven Electric Vehicle Charging Research
ACN-Sim是一个数据驱动的开源仿真环境，旨在加速智能电动汽车（EV）充电领域的研究。它填补了这个社区对广泛可用的现实仿真环境的需求，研究人员可以在其中评估算法和测试假设。ACN-Sim提供了一个模块化、可扩展的架构，可以模拟真实充电系统的复杂性，包括电池充电行为和不平衡的三相基础设施。它还集成了更广泛的研究工具生态系统。其中包括ACN-Data，一个电动汽车充电会话的开放数据集，它提供了逼真的模拟场景，以及ACN-Live，一个用于现场测试充电算法的框架。它还集成了网格模拟器，如MATPOWER，PandaPower和OpenDSS，以及OpenAI Gym，用于训练强化学习代理。
2021-01-14 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
On Optimal Battery Sizing for Electric Vehicles
本文提出一个兼顾车辆成本与充电不便成本的量化优化框架，通过建模充电时间与绕行、仿真分析及政策因素，确定电动汽车最优电池容量，为可持续电动出行设计提供决策支持。
2024-10-22 cs.SY eess.SY
Optimal Scheduling of Electric Vehicles Charging in low-Voltage Distribution Systems
Shanghai Jiao Tong University（上海交通大学）；University of Minnesota（明尼苏达大学）
本文研究了中国两种智能充电场景，探讨了集中式和分散式充电策略在时间分段定价下的优化方法，并通过模拟验证了充电调度的有效性。
2016-01-19 cs.SY eess.SY
Reconfigurable Battery Systems for Enhanced Fast Charging in Electric Vehicles
本文提出一种可重构电池系统，通过动态调整电池单元排列优化充电性能，仿真表明串联更多电池可显著缩短电动汽车充电时间且保持安全性。
2025-07-15 cs.SY eess.SY
Optimal Thermal Management, Charging, and Eco-driving of Battery Electric Vehicles
本文讨论了电池电动汽车（BEV）的最佳电池热管理（BTM）、充电和生态驾驶，目标是提高其电网到电表的能源效率。因此，制定了一个优化问题，旨在寻找出行时间和充电成本之间的最佳权衡。然后，将所制定的问题转化为混合动力系统，其中驾驶和充电模式中的动态用不同的函数以及不同的状态和控制向量来建模。此外，为了提高计算效率，我们建议在空间域中对驾驶动力学进行建模，其中沿着行驶距离做出决策。充电动态在时域中建模，其中沿着归一化的充电时间做出决策。实际充电时间被建模为标量变量，该标量变量针对充电和驾驶模式与最优状态和控制轨迹同时优化。所提出的算法的性能进行评估，在一条道路与丘陵地形，其中两个充电的可能性被认为是沿驾驶路线。根据结果，与没有电池主动加热/冷却的情况相比，包括驾驶和充电时间在内的行程时间减少了44%。
2022-05-03 cs.SY eess.SY
Federated Reinforcement Learning for Real-Time Electric Vehicle Charging and Discharging Control
ShanghaiTech University（上海科技大学）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Tsinghua University（清华大学）
随着移动储能技术的发展，电动汽车已成为智能电网的重要组成部分。当电动汽车参与需求响应计划时，通过充分利用实时定价信号，可以显著降低充电成本。然而，在动态环境中存在许多随机因素，这给设计最优充/放电控制策略带来了重大挑战。本文针对动态环境下不同的电动汽车用户，提出了一种最优的电动汽车充放电控制策略，以使电动汽车用户的利益最大化。我们首先将此问题表示为一个马尔可夫决策过程（MDP）。然后，我们考虑电动汽车用户在不同的环境中，不同的行为作为代理。此外，提出了一种基于水平联邦强化学习（HFRL）的方法，以适应不同的用户行为和动态环境。该方法可以学习最优的充电/放电控制策略，而无需共享用户的简档。仿真结果表明，所提出的实时电动汽车充放电控制策略可以在各种随机因素中表现良好。
2022-10-04 cs.LG cs.MA cs.SY
Deadline-Aware Electric Vehicles Charging with Distribution Transformer Overload Mitigation
提出一种截止时间感知的电动汽车充电框架，通过凸老化代理和惩罚加权未满足能量权衡变压器热老化与服务质量，并开发基于边际成本紧迫指数的低复杂度在线策略。
2026-07-02 cs.SY eess.SY
Optimal Resonant Beam Charging for Electronic Vehicles in Internet of Intelligent Vehicles
College of Electronics and Information Engineering, Tongji University（同济大学电子与信息工程学院）
本文研究了如何通过自适应共振束充电技术提高电子车辆在智能车辆互联网中的无线充电效率，推导出端到端功率传输效率的闭式公式，并分析了最优功率传输效率与源功率、输出功率和束传输效率之间的关系，为最优ARBC系统设计提供了指导。
2018-09-25 cs.SY eess.SY
Electric Vehicle Charging Profile Forecasting Using Hybrid Models
Politecnico di Milano（米兰理工大学）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
本文提出了一种混合轻量级方法，用于在充电过程前后估计电动汽车的充电曲线，同时评估了不同信息水平对充电曲线时间转换的影响。
2026-08-31 cs.SY eess.SY
Mixed integer nonlinear programming for Joint Coordination of Plug-in Electrical Vehicles Charging and Smart Grid Operations
University of Technology Sydney（悉尼科技大学）；The University of New South Wales（新南威尔士大学）
本文提出利用混合整数非线性规划优化插电式电动汽车充电与电网调度，通过bang-bang策略降低充电和发电成本，抑制电动车集成影响。
2018-06-07 cs.SY eess.SY
Route Optimization of Electric Vehicles based on Dynamic Wireless Charging
University of Thessaly（色萨利大学）；De Montfort University（德蒙福特大学）；Nottingham Trent University（诺丁汉特伦特大学）；University of Surrey（萨里大学）；T.E.I. of Thessaly（色萨利技术教育学院）
本文提出基于约束逻辑编程和图最短路径算法的电动汽车路线优化方法，利用移动充电站MEDs实现高效能源分配，通过车对车通信提升电动车续航能力。
2017-10-09 cs.SY eess.SY
Temperature-Controlled Smart Charging for Electric Vehicles in Cold Climates
本文提出温控智能充电技术，通过分析电池热惯性和动态充电模型优化加热与充电协调，并设计加速算法，实现太阳能充电站成本降低12.5%--18.4%。
2025-01-02 cs.SY eess.SY
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
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
Integrated Modeling and Forecasting of Electric Vehicles Charging Profiles Based on Real Data
本文基于500辆北美实测电动汽车数据，提出一种个体住宅多充电算法并推导概率函数，用于建模日常充电曲线，在准静态时间序列视角下评估大量电动汽车接入对配电网的影响。
2024-08-25 cs.SY eess.SY
Decentralized Charging of Plug-In Electric Vehicles with Distribution Feeder Overload Control
Rensselaer Polytechnic Institute（伦斯勒理工学院）
研究针对配电网馈线容量限制和变压器过载敏感性，提出电动汽车充电算法以降低负载方差并防止过载。
2016-01-07 cs.SY eess.SY
Federated Reinforcement Learning for Electric Vehicles Charging Control on Distribution Networks
East China Normal University（华东师范大学）；EPFL（洛桑联邦理工学院）；ShanghaiTech University（上海科技大学）；State Grid Beijing Electric Power Company（国网北京市电力公司）；Tsinghua University（清华大学）
针对EV充电控制中配电网功率流约束与驾驶员隐私问题，提出融合OPF下RDN的MDP建模方法及联邦深度强化学习算法FedSAC，提升策略多样性、稳定性、收敛与泛化表现。
2023-08-17 cs.LG cs.MA cs.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
Real-Time Electric Vehicle Smart Charging at Workplaces: A Real-World Case Study
我们研究了电动汽车（EV）在工作场所停车场的实时智能充电算法，以最大限度地减少电力成本，同时确保EV的所有者获得足够的充电水平。值得注意的是，由于现实世界的限制，我们的算法是不可知的充电状态和离开时间的电动汽车，并使用场景生成占每个电动汽车的未知的未来离开时间，以及确定性等效控制占未知的电动汽车在未来的到来。来自加利福尼亚州谷歌园区的真实充电数据使我们能够为一周中的每一天建立现实的充电需求模型。然后，我们将智能充电算法的各种结果与Google停车场两周的现状进行比较。
2022-03-14 cs.SY eess.SY
Electric Vehicle Charging Right Trading: Concept, Mechanism, and Methodology
针对电动汽车无序充电导致的拥堵问题，本文提出电动汽车充电权交易机制，利用排队论估算等待时间并更新充电价格，经仿真验证可有效减少等待时间、缓解充电拥堵。
2026-08-26 cs.SY eess.SY
On the Control of Energy Storage Systems for Electric Vehicles Fast Charging in Service Areas
eCampus University（埃坎普斯大学）
本文提出了一种实时控制策略，用于整合电动汽车快速充电应用中的能量存储系统，结合间歇性可再生能源发电。采用两步法，利用模型预测控制方法，优化充电功率分配并管理插电车辆优先级，以高效维持充电过程。通过两个案例分析，展示了在电网断开和连接到电网时的控制效果。
2016-07-01 cs.SY eess.SY
Battery-assisted Electric Vehicle Charging: Data Driven Performance Analysis
随着电动汽车数量的迅速增加，其对电网的峰值需求成为主要挑战之一。最近出现了电池辅助充电概念，其允许在非高峰时段和充电会话之间积累能量，以比电网更高的速率对车辆进行升压充电。虽然之前的研究主要集中在电池辅助充电的设计和实施方面，但其在大地理范围内的影响在很大程度上仍未得到探索。在本文中，我们使用英国国内和公共环境中超过300万次电动汽车充电的数据集，分析了电池辅助充电在多大程度上可以取代高速充电器。我们首先开发了一个离散事件电动汽车充电模型，该模型考虑了电池容量，电网供电能力和功率输出等参数。然后，我们进行模拟，以评估电池辅助充电的性能，包括提供的能量，充电时间和与传统高速充电器的平价。结果表明，在家庭环境中，电池辅助充电提供了98%的性能平价的高速充电器从一个标准的3千瓦电网连接与一个单一的电池组。对于非家用设置，电池辅助充电器可以提供92%和99%的性能平价的高速充电器与10个电池组分别使用3kW和7kW电网供电。
2020-10-27 cs.SY eess.SY
Optimal Planning of Electric Vehicle Charging Stations: Integrating Public Charging Networks and Transportation Congestion
The University of Texas at Dallas（德克萨斯大学达拉斯分校）
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
Design of Fast Response Smart Electric Vehicle Charging Infrastructure
University of California, Los Angeles（加州大学洛杉矶分校）
本文提出一种通过本地收集电力信息并定期传输至控制中心，以缩短智能充电站响应时间的方案，解决本地电网电力不足问题。
2013-11-23 cs.SY eess.SY
