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
Robust charging station location and routing-scheduling for electric modular autonomous units
本文研究了多式联运系统中电动模块化自主单元的鲁棒充电站选址与路径调度问题,通过构建基于路径的鲁棒优化模型并开发双重分解算法,实现了在需求不确定性下对充电站、车队规模和路径调度的联合优化,显著降低了乘客成本并提升了大规模运营效率。
2025-04-06 math.OC
Congestion-Aware Routing, Rebalancing, and Charging Scheduling for Electric Autonomous Mobility-on-Demand System
在本文中,我们研究的问题,路由,再平衡,和充电的电动自主移动按需系统的交通拥堵。我们在宏观层面上分析这个问题,并使用一个体积延迟函数来捕捉交通拥堵。为了解决这个问题,我们首先制定一个最优化问题的路由和重新平衡。然后,我们提出了启发式算法来找到交通流的环路,并检查所产生的环路内的能量约束。我们施加充电约束的重路由问题,使新的解决方案满足能源约束。最后通过仿真验证了该方法的有效性。
2022-03-08 math.OC
Distributed Load Balancing with Nonconvex Constraints: A Randomized Algorithm with Application to Electric Vehicle Charging Scheduling
针对实际非凸充电约束条件下的电动汽车调度问题,提出了一种分布式随机算法。该算法假设协调器的可用性,该协调器可以与所有EV通信。在算法的每次迭代中,协调器从EV接收试验性充电简档并计算广播控制信号。在接收到该广播控制信号之后,每个EV在其可容许的充电简档上生成概率分布,并且从该分布中采样以更新其暂定充电简档。我们证明了该算法收敛几乎肯定在有限的迭代充电配置文件。(算法收敛到的)最终充电曲线是随机的,即,这取决于实现。我们的特点是最终的充电配置文件-充电配置文件可以是一个实现的最终充电配置文件,当且仅当它是一个纳什均衡的游戏中,每个电动汽车寻求最小化的内积自己的充电配置文件和总电力需求。此外,我们提供了一个统一的次优性上界,缩放O(1/n)的电动汽车的数量n,为最终的充电配置文件的所有实现。
2014-04-11 math.OC
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
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
Forecast-Enhanced Lyapunov Optimization for Real-Time EV Charging Scheduling
The Chinese University of Hong Kong(香港中文大学);California Institute of Technology(加州理工学院)
本文提出一种基于预测的Lyapunov优化方法,通过引入虚拟队列和递推控制框架,结合短期预测以减少优化偏差,实现更优的电动汽车充电调度。
2026-10-09 math.OC
Stochastic Dynamic Pricing for EV Charging Stations with Renewables Integration and Energy Storage
研究了电动汽车充电服务商的随机动态定价和能量管理策略问题。在可再生能源集成和储能系统存在的情况下,电动汽车充电服务提供商必须处理多种不确定性-充电需求波动,可再生能源发电的固有不确定性,以及批发电价波动。我们的工作背后的动机是为充电服务提供商提供指导方针,以确定适当的充电价格和管理电力,以平衡提高盈利能力,提高客户满意度和减少对电网的影响的竞争目标,尽管存在这些不确定性。我们提出了一个新的度量评估对电网的影响,而不解决完整的潮流方程。为了保护服务提供商免受严重的财务损失,在模型中纳入了利润保障。采用随机动态规划(SDP)算法和贪婪算法(基准算法)两种算法推导电价和购电政策。导出了多目标优化的Pareto前沿。仿真结果表明,使用SDP算法可以获得高达7%的利润增益比使用贪婪算法。此外,我们观察到充电服务提供商能够通过定价信号重塑时空充电需求,以减少对电网的影响。
2018-01-07 econ.EM eess.SP 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
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
A Position Allocation Approach to the Scheduling of Battery-Electric Bus Charging
针对纯电动公交车充电调度需求,提出一种基于位置分配问题的混合整数线性规划框架,可在满足电池与时空约束的同时减少充电桩使用、优先慢充以保障电池健康,效果优于启发式对比算法。
2024-05-18 math.OC
Grid-constrained online scheduling of flexible electric vehicle charging
本文研究受电缆容量等电网约束的停车场电动汽车在线充电调度问题,提出基于调度生成方案在线变体与 destroy-and-repair 启发式的策略,并通过乌得勒支数据驱动的离散事件仿真验证其可提升充电车辆数、降低平均延误。
2024-03-05 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
Hierarchical Distributed EV Charging Scheduling in Distribution Grids
本文提出了一种由两个迭代过程组成的分层分布式方法来求解配电网中的电动汽车充电优化调度问题。在该方法中,配电系统运营商(DSO)的目标是降低电网损耗,同时满足潮流约束。这是通过基于共识的迭代过程与位于电网总线的EV聚合器(Aggs)来实现的。配备电池能量存储(BES)的聚合器的目标是通过BES和EV的最优控制来降低其电力成本。由于Aggs的最优化问题通过增加电动汽车的数量而增加了维度,他们通过与客户的另一个迭代过程解决了问题。该过程是可实现的,利用该问题的数学性质和重写Aggs的最优化问题的\textit{sharing problem},这是有效地解决了乘子的交替方向法(ADMM)。为了验证该方法的性能,所提出的方法被应用到IEEE-13节点系统。
2019-03-27 math.OC
Minimum-Delay Opportunity Charging Scheduling for Electric Buses
提出一种混合整数线性规划模型调度电动公交车机会充电以最小化发车延迟,并开发基于CB分解的精确算法与3S启发式算法,3S在真实规模下快速生成调度表现优异。
2024-03-26 math.OC
Electric Bus Scheduling with Non-Linear Charging, Power Grid Bottlenecks, and Dynamic Recharge Rates
针对电动公交车调度中非线性充电、电网瓶颈和动态充电速率问题,提出一种基于充电增量函数线性插值的混合整数规划模型,实现高精度近似并适应电网负荷限制,在真实实例库中验证了实用性。
2024-07-19 math.OC
Intercity EV Charging Readiness in Türkiye: A Countrywide Scheduling and Economic Assessment
Texas A&M University(德克萨斯农工大学)
研究土耳其城际电动汽车充电准备情况,利用有向无环图调度框架优化充电站点,经多场景分析和经济评估发现,因电价优势电动汽车有运营成本和TCO优势,全系统基础设施节省依赖站点规模,车辆放电率是主要经济杠杆,为政策制定者提供见解。
2026-07-29 math.OC
Dynamic Pricing and Energy Management Strategy for EV Charging Stations under Uncertainties
本文提出了一种电动汽车充电服务提供商的动态定价和能源管理框架。服务提供商在制定充电价格时面临三个不确定性:批发电价的波动性、可再生能源发电的间歇性和电动汽车充电需求的时空性。我们的主要工作目标是帮助充电服务提供商提高总利润,同时提高客户满意度,保持电网稳定性,并考虑到这些不确定性。我们采用线性回归模型来估计每个充电站的电动汽车充电需求,并介绍了客户满意度的定量测量。贪婪算法和动态规划(DP)算法被用来获得最优的充电价格,并确定有多少电力从批发市场购买在每个规划视野。仿真结果表明,DP算法实现了增加利润(高达9%)相比,贪婪算法(基准算法)在某些情况下。此外,我们观察到,将低成本储能集成到系统中不仅可以提高利润,还可以平滑充电价格波动,保护终端客户免受波动的批发市场的影响。
2018-01-09 econ.EM eess.SP math.OC
The large-scale charging scheduling problem for fleet batteries: Lagrangian decomposition with time-block reformulations
本文针对大规模电池换电充电调度问题,提出变量分层与拉格朗日分解相结合的方法,并通过更紧的时间块重构、局部搜索和下界学习显著提升求解质量与可行性。
2025-05-11 math.OC
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
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
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
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
Electric Vehicle Charge Scheduling Mechanism to Maximize Cost Efficiency and User Convenience
研究了微电网规模下电动汽车的费用调度问题。这个问题包含一组由中央聚合器控制的充电站。其中一个主要的利益相关者是充电站的运营商,他们的动机是尽量减少充电站的成本,而其他主要的利益相关者是车主,他们最关心的是用户的便利性,因为他们希望他们的电动汽车尽快充满电。一个双目标最优化问题制定联合优化两个因素,对应于这些利益相关者。提出了一种在线集中式调度算法,并证明了该算法能提供Pareto最优解。此外,提出了一种新的低复杂度分布式算法,以降低系统的传输数据速率和计算复杂度。通过仿真对算法进行了评估,结果表明,该方法的充电时间是小于的文献中提出的比较方法的30%。分布式算法传输的数据量比集中式算法低33:25%。虽然集中式和分布式算法之间的性能差异仅为2%,但计算时间显着减少。
2018-03-16 math.OC
Collaborative Charging Scheduling via Balanced Bounding Box Methods
本文针对两个车队运营商共享充电站的协同调度问题,提出双目标非线性整数规划模型,并引入平衡包围盒方法(B3Ms)高效推导有效前沿,结合合作博弈确定最终解,显著降低计算时间并保持前沿完整性。
2025-06-30 cs.CE math.OC
Integrated Energy Exchange Scheduling for Multi-microgrid System with Electric Vehicles
电动汽车(EV)可以被认为是微电网中的灵活移动电池存储。对于一个区域中的多个微电网,需要协调充电和放电的调度,以避免多微电网系统和主电网之间的功率交换尖峰。提出了一种将电动汽车作为储能设备的多微电网两阶段能量交换综合调度策略。然后利用若干个代表适当约束条件下边际成本的对偶变量来形成一个更新电价,从而对原电价进行修正。基于此更新的价格信号,提出了一种基于价格的分散调度策略的微电网中央控制器(MGCC)。仿真结果表明,两阶段调度策略降低了系统的电费成本,避免了电池充放电状态之间的频繁转换。该分布式调度策略使每个微网只需解决其局部问题,并将总交换功率限制在安全范围内。
2016-02-24 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
Leveraging Owners' Flexibility in Smart Charge/Discharge Scheduling of Electric Vehicles to Support Renewable Energy Integration
间歇性可再生能源(RES)的高度集成,特别是风力发电,在电力系统运行中产生了复杂性。另一方面,电动汽车(EV)的大车队预计将对电力消耗产生巨大影响,不协调的充电过程将增加负荷的不确定性,并进一步复杂化电网调度。在本文中,我们提出了一种智能充电方法,该方法利用电动汽车车主的灵活性来吸收车辆到电网(V2 G)设置中RES输出的波动。我们提出了一种最优调度算法的充电/放电的聚合电动汽车车队,以最大限度地提高风力发电的整合,以及最小化充电成本的电动汽车所有者。还解决了人们参与V2 G的挑战,例如电池退化和对意外事件的不安全感。我们首先制定一个静态模型,使用混合整数二次规划(MIQP)与多目标最优化假设每个参数的模型是已知的调度前一天。随后,我们制定了一个动态(放电)的时间表后,电动汽车进入系统的更新信息的电动汽车的可用性,风力发电预测,能源价格实时,滚动优化。在以风能为主要资源的微电网中使用一组100辆电动汽车进行的模拟表明,与不受控制的充电情况相比,风能利用率显着提高,充电成本显着降低。
2019-07-17 math.DS 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
A Queueing Based Scheduling Approach to Plug-In Electric Vehicle Dispatch in Distribution Systems
在电力系统中大规模集成插电式电动汽车(PEV)可能会对现有配电系统造成严重问题,例如分支故障和显著的电压降。因此,智能充电策略对于电力系统的安全可靠运行至关重要。本文试图实现高渗透水平的PEVs与现有的配电系统基础设施,提出了一种智能充电算法,可以最佳地利用配电系统的容量。具体而言,本文提出了一种最大权重PEV调度算法来控制PEV充电率,受电力系统的物理限制。最大权重PEV调度算法被证明是吞吐量最优的非常温和的假设下,在系统中的随机动态。这表明,可以避免昂贵的分销系统基础设施升级,或者如果无法避免,至少可以成功推迟。所提出的PEV调度算法是特别有吸引力的可再生能源的集成在配电系统中,通过成功地吸收他们的不确定性。
2012-07-21 math.OC
Moving horizon-based optimal scheduling of EV charging: A power system-cognizant approach
插电式电动汽车(PEV)的快速升级及其不协调的充电模式对配电系统操作提出了若干挑战。一些不良影响包括Transformers过载、快速电压波动和过/欠电压。虽然这损害了消费者的电力质量,但它也给本地电压控制设备带来了额外的压力。这些挑战要求为社区中的PEV提供协调良好的电力网络感知充电方法。将电动汽车充电调度问题转化为一个混合整数线性规划问题。这个问题将由一个聚合器来解决,该聚合器在住宅小区中提供充电服务。拟议的公式最大限度地提高利润的聚合,提高现有的基础设施的利用率。该算法在事先知道负荷需求和小时电价的情况下,采用移动时域优化方法,允许车辆到达数量未知。在这种现实的设置,所提出的框架,确保电力系统的约束得到满足,并保证所需的PEV充电水平在规定的时间内。IEEE 13节点馈线系统的数值试验表明,所提出的MILP技术的计算和性能的优越性。
2020-03-27 cs.SY eess.SY math.OC
Optimal dispatch schedule for a fast EV charging station with account to supplementary battery health degradation
本文研究了快速充电站(FCS)中电池存储系统的使用,以参与能源市场并同时为电动汽车(EV)充电。特别是,我们专注于优化调度策略,以降低系统的整体运营成本在其生命周期内,通过结合电池退化和能源套利模型。我们实现了电池退化作为一个惩罚项内的能源套利模型,并表明电池退化FCS系统的最优能源调度调度中起着重要的作用。在这种情况下,研究发现,与不同的惩罚系数的电池退化惩罚项,包括在调度模型中的电池使用的惩罚将减少小的充电/放电周期的数量,从而延长电池的寿命,同时保持接近最佳的收入从电网服务。
2022-03-14 cs.CE math.OC
Hybrid Quantum-Classical Branch-and-Price for Intra-Day Electric Vehicle Charging Scheduling via Partition Coloring
Tianjin University(天津大学);Southern University of Science and Technology(南方科技大学);Hebei University of Technology(河北工业大学)
本文提出一种混合量子-经典分支定价算法,通过将电动汽车充电调度问题建模为分区着色问题的变体,利用量子退火启发算法解决最大独立集问题,有效提升大规模充电调度的求解效率。
2026-04-08 cs.CE math.OC
Adaptive Pricing in Unit Commitment Under Load and Capacity Uncertainty
针对电力市场日前价格不确定性及现有定价方法依赖提升支付且不适应不确定性的问题,提出首个适应负荷与容量不确定性的自适应定价方法,消除市场后提升支付并遏制自行调度。
2023-09-15 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
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
Optimal scheduling of isolated microgrid with an electric vehicle battery swapping station in multi-stakeholder scenarios: a bi-level programming approach via real-time pricing
为协调多利益相关者场景下孤立微网与电动汽车换电池站之间的调度问题,提出了一种新的双层优化调度模型,以促进换电池站参与调控微网的经济运行.在该模型中,上层子问题的目标是最小化IMG的净成本,下层子问题的目标是在上层决策的需求响应所决定的实时定价环境下,最大化BSS的利润。为了求解该模型,将实数/整数编码的JAYA算法与分支定界算法(BBA)相结合,提出了一种混合算法JAYA-BBA,分别用JAYA和BBA求解上层和下层子问题,通过两层之间的交替迭代最终求解双层模型.在微网测试系统上的仿真结果验证了该方法的有效性和优越性。
2018-09-26 eess.SP 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
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
Energy-Aware Model Predictive Control for Batch Manufacturing System Scheduling Under Different Electricity Pricing Strategies
本文提出一种能量感知 MPC 框架,将其表述为 MIQP 以动态调度批量制造过程,在满足生产约束下降低能耗成本,并为应对不同电价策略提供实用见解。
2025-06-28 cs.SY eess.SY math.OC
A Model Predictive Control Approach for Low-Complexity Electric Vehicle Charging Scheduling: Optimality and Scalability
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)
本文提出一种基于模型预测控制的电动汽车充电调度方法,通过在线动态规划解决非因果信息问题,分析算法在随机变量分布下的性能差距,并在周期性随机过程下实现O(1)复杂度。
2016-04-01 cs.PF cs.SY eess.SY
Scalable No-Stockout Charging Scheduling for Battery Swapping Under Time-of-Use Prices
Georgia Institute of Technology(佐治亚理工学院);PIT IN Corp.(PIT IN 公司)
研究分时电价下电池更换的无缺货充电调度问题,提出基于电池的混合整数线性规划及简化形式,设计价格引导的启发式算法,在综合缩放研究及商业站交换记录回放中验证算法有效性,大幅降低充电能源成本。
2026-07-30 cs.CE 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
Power of Pre-Processing: Production Scheduling with Variable Energy Pricing and Power-Saving States
研究了一类单机非抢占式排序问题,目标是最小化总电费。考虑了能源感知调度领域的两个最新趋势,即可变能源定价和机器的节能状态。作业的调度和机器状态被共同考虑,以实现尽可能高的节省。虽然这个问题以前已经在文献中得到了解决,最先进的方法的报告结果表明,最佳的解决方案,可以找到只有在3个小时的计算时间内的实例与多达35个工作和209个间隔。我们提出了一个优雅的预处理技术称为空间计算的最佳切换的机器状态相对于能源成本。最佳切换与时间间隔状态图中的最短路径相关联,该时间间隔状态图描述了机器状态之间的所有可能转换。这个想法使我们能够实现有效的整数线性规划和约束规划模型的问题,同时保持最优性。模型的有效性在于简化了最优开关表示。实验结果表明,我们的方法优于现有的国家的最先进的精确方法。在一组具有不同大小和不同状态转换图的基准实例上,所提出的方法即使对于具有多达190个作业和1277个间隔的大型实例,也能在一小时的计算时间内找到最优解。
2020-11-18 cs.DS math.OC
Toward Efficient Transportation Electrification of Heavy-Duty Trucks: Joint Scheduling of Truck Routing and Charging
针对重型电动卡车运输,提出联合路线与充电调度优化,采用SLBLR方法分解复杂问题,实现快速近优解,并揭示电池容量与充电功率对成本及车队规模的影响。
2023-11-13 cs.CY cs.SY eess.SY
Distributed Optimal Vehicle Grid Integration Strategy with User Behavior Prediction
近年来,随着电动汽车的普及,电动汽车充电对电网的影响越来越大。本文提出了一种将智能电动汽车充电与V2G电网服务相结合的优化调度算法,将电动汽车作为分布式能源接入电网,提高系统性价比。具体地,根据来自聚合控制中心的控制信号和通过均值估计和线性回归的用户充电行为预测,在每个EV充电站处制定和求解最优化问题。控制中心定期收集分布式优化结果并更新控制信号。迭代继续,直到它收敛到最优调度。实验结果表明,该算法能够在满足单个司机能量需求的同时,对微电网内的电力负荷曲线进行填谷削峰。
2017-03-13 cs.DC math.OC
Optimal Control for Scheduling and Pricing Intra-day Natural Gas Transport on Pipeline Networks
针对天然气在大规模输气管网中的输送问题,提出了一种在瞬变流条件下的经济最优控制方法。其目的是使管道系统用户的经济利益最大化,这些用户提供时间依赖的价格和数量投标,以在具有时变注入、抽出以及压缩机和调节器的控制动作的系统上的计量位置处购买或供应气体。我们的公式可确保满足管道水力限制、压气站限制、操作因素和现有天然气运输合同。管道被建模为度量图,在边缘上具有气体动力学偏微分方程,在节点处具有耦合条件。这些动态约束减少使用集总元件到一个稀疏的非线性微分代数方程系统。一个高效的时间离散计划的时间周期制剂,我们扩展到开发滚动时域模型预测控制方案。我们将计算方法应用于管道系统测试网络的案例研究。除了物理流量和压缩机控制解决方案外,优化还产生了双重功能,我们将其解释为网络中每个位置的气体随时间变化的经济价值。
2019-12-05 math.OC physics.flu-dyn
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
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
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