In the rapid development of electric vehicle industry, location planning of charging stations will become an indispensable part of the strategic planning of urban development, and it is deeply concerned by scholars in various fields such as traffic engineering, power and energy, management, and so on. Existing reviews lack a comprehensive inventory of related research on charging station location. In this study, we used CiteSpace to analyze literatures on charging station location of new energy vehicles. This article, on the one hand, summarizes and visualizes the research status and hotspots on this topic in China and internationally from 2009 to 2017. On the other hand, it examines the research contents including influencing factors, siting methodologies, and cost-benefit evaluation of charging station siting. It also briefly introduces the research trends of charging station location in China and abroad, clarifies the research development context, and provides methods and guidelines for research and practice. In the future, with the continuous development of research on the location of new energy vehicle charging stations, it is expected that the diversified charging requirements and refined services can be identified and the balancing of cost-benefit objectives among different subjects can be comprehensively improved in the location and siting of charging stations.
CAOXiaoshu, HUPeiting, LIUDan. Progress of research on electric vehicle charging stations[J]. Progress in Geography, 2019, 38(1): 139-152 https://doi.org/10.18306/dlkxjz.2019.01.012
“充电站选址”孕育于快速发展的科技浪潮以及不断推进的新能源产业发展中,自20世纪90年代初,国外学者开始关注替代能源汽车续航站点的选址问题,学者们根据替代能源(天然气、氢能等能源)汽车的特点首先提出截流模型,丰富了选址方法的研究。而伴随着大容量电池的研制成熟和使用,在21世纪初研究人员开始将经典的选址方法应用到电动车辆充电站选址研究中(Hodgson, 1990; Hodgson et al, 1992; Berman et al, 1998)。此后,在政府与市场双重推动下,新能源汽车充电站的选址开始成为设施选址下的一个热点,研究方法不断创新,研究内容更加丰富,研究体系更加完善。国内外均有学者对充电站选址布局的模型方法作了概括性的总结(Lim et al, 2010; 刘锴等, 2015),但主要是对选址模型方法的介绍。而充电站选址作为设施选址的一部分,还包括选址的因素分析以及选址评价等内容;同时,其作为设施选址研究中新的热点,具有与其他设施不同的特性,因此,需要从新的角度对“充电站选址”研究成果展开阶段性的梳理,识别充电站选址研究的知识聚类。
CiteSpace是一款分析、挖掘和可视化科研文献数据的应用软件,可以通过该软件分析研究领域中的核心文献、核心作者和研究热点,厘清研究领域的发展过程,预测未来发展动向。本文在Java 8环境下应用CiteSpace Ⅲ的CNKI分析板块和Web of Science分析板块对文献进行知识图谱分析。
随着新能源汽车成为石油资源短缺、汽车尾气污染等不断凸显的问题的解决办法之一,各国极力推动新能源汽车产业发展、普及新能源汽车使用,因此不可避免地需要布局新能源汽车充电设施,即EVCS (Electrical Vehicle Charging Stations)。如何使充电站设施规划选址达到成本-效益的最优是新能源汽车普及推广的关键。本文关注新能源汽车充电站选址的全过程,包括充电站选址的影响因素、选址方法和模型、选址影响及评价等。由此确定检索的条目在CNKI数据库和Web of Science 核心数据库中进行检索,检索篇名为电动汽车充电站/设施((electric vehicle) AND (station* OR infrastructure* OR facility*)),主题为选址(location OR deployment OR sitting)、规划布局(planning),时间跨度为2000年1月至2017年12月,精确匹配检索。为保证分析的准确性和客观性,本文对检索出的相关文献和书的章节除重、整理,删除不相关条目,计280篇相关文献作为此次研究的基础文献。
Fig.4 Keywords map of charging station location research based on cited references, 2010-2017
目前对于充电站选址研究的热点国家有美国、葡萄牙、中国、新加坡、加拿大、土耳其、马来西亚、澳大利亚等(图5),其中中国顺应国家新能源汽车产业发展战略,研究热度排名第三。本文采用文献出现的频率来反映期刊的热度,如图5所示热度前5位的国外期刊,分别为:《Energy Policy》《European Journal of Operational Research》《IEEE Transactions on Power Delivery》《Transportation Research Part E: Logistics and Transportation Review》《Transportation Research Part D: Transport and Environment》,研究仍集中在能源电力、管理科学和交通研究领域。国内研究成果多刊登在《华东电力》《电力系统自动化》《中国电机工程学报》等期刊上,主要集中在能源电力领域。
首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等。土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段。在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016)。还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014)。González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要。其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009)。以上4种分类方式互相补充,根据不同的充电需求进行配置(图6)。Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间。快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014)。在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址。外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等。Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量。Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要。Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素。
充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素。但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等。此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等。定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性。
Optimal siting of charging stations for electric vehicles based on fuzzy delphi and hybrid multi-criteria decision making approaches from an extended sustainability perspective
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
时间满意逐渐覆盖电动汽车充电站选址及算法
1
2015
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
城市电动汽车充电站两步优化选址方法
0
2013
城市电动汽车充电站两步优化选址方法
0
2013
Delphi和GAHP集成的综合评价方法在电动汽车充电站选址最优决策中的应用
1
2012
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
Delphi和GAHP集成的综合评价方法在电动汽车充电站选址最优决策中的应用
1
2012
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
电动汽车充电站规划布局与选址方案的优化方法
1
2012
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
电动汽车充电站规划布局与选址方案的优化方法
1
2012
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
基于电动汽车充电需求的充电站选址定容研究
1
2017
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
基于电动汽车充电需求的充电站选址定容研究
1
2017
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
电动汽车充电基础设施规划方法与模型
1
2013
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
电动汽车充电基础设施规划方法与模型
1
2013
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
基于遗传算法的电动汽车充电站的布局规划
0
2011
基于遗传算法的电动汽车充电站的布局规划
0
2011
含分布式电源及电动汽车充电站的配电网多目标规划研究
0
2015
含分布式电源及电动汽车充电站的配电网多目标规划研究
0
2015
电动汽车充电站布局优化方法研究综述
1
2015
... “充电站选址”孕育于快速发展的科技浪潮以及不断推进的新能源产业发展中,自20世纪90年代初,国外学者开始关注替代能源汽车续航站点的选址问题,学者们根据替代能源(天然气、氢能等能源)汽车的特点首先提出截流模型,丰富了选址方法的研究.而伴随着大容量电池的研制成熟和使用,在21世纪初研究人员开始将经典的选址方法应用到电动车辆充电站选址研究中(Hodgson, 1990; Hodgson et al, 1992; Berman et al, 1998).此后,在政府与市场双重推动下,新能源汽车充电站的选址开始成为设施选址下的一个热点,研究方法不断创新,研究内容更加丰富,研究体系更加完善.国内外均有学者对充电站选址布局的模型方法作了概括性的总结(Lim et al, 2010; 刘锴等, 2015),但主要是对选址模型方法的介绍.而充电站选址作为设施选址的一部分,还包括选址的因素分析以及选址评价等内容;同时,其作为设施选址研究中新的热点,具有与其他设施不同的特性,因此,需要从新的角度对“充电站选址”研究成果展开阶段性的梳理,识别充电站选址研究的知识聚类. ...
电动汽车充电站布局优化方法研究综述
1
2015
... “充电站选址”孕育于快速发展的科技浪潮以及不断推进的新能源产业发展中,自20世纪90年代初,国外学者开始关注替代能源汽车续航站点的选址问题,学者们根据替代能源(天然气、氢能等能源)汽车的特点首先提出截流模型,丰富了选址方法的研究.而伴随着大容量电池的研制成熟和使用,在21世纪初研究人员开始将经典的选址方法应用到电动车辆充电站选址研究中(Hodgson, 1990; Hodgson et al, 1992; Berman et al, 1998).此后,在政府与市场双重推动下,新能源汽车充电站的选址开始成为设施选址下的一个热点,研究方法不断创新,研究内容更加丰富,研究体系更加完善.国内外均有学者对充电站选址布局的模型方法作了概括性的总结(Lim et al, 2010; 刘锴等, 2015),但主要是对选址模型方法的介绍.而充电站选址作为设施选址的一部分,还包括选址的因素分析以及选址评价等内容;同时,其作为设施选址研究中新的热点,具有与其他设施不同的特性,因此,需要从新的角度对“充电站选址”研究成果展开阶段性的梳理,识别充电站选址研究的知识聚类. ...
电动汽车充电站选址规划评价体系研究
1
2016
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
电动汽车充电站选址规划评价体系研究
1
2016
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
电动汽车充电站的最优选址和定容
1
2012
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
电动汽车充电站的最优选址和定容
1
2012
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
基于量子粒子群优化算法的城市电动汽车充电站优化布局
0
2012
基于量子粒子群优化算法的城市电动汽车充电站优化布局
0
2012
考虑绕行特征的电动汽车快速充电站选址问题及自适应遗传算法
1
2017
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
考虑绕行特征的电动汽车快速充电站选址问题及自适应遗传算法
1
2017
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
考虑时空间限制的电动汽车充电站布局模型
1
2012
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
基于熵权模糊物元的电动汽车充电站选址研究
2
2016
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
... )、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
基于熵权模糊物元的电动汽车充电站选址研究
2
2016
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
... )、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
电动汽车充电站布局规划浅析
0
2009
电动汽车充电站布局规划浅析
0
2009
考虑驾驶人行为习惯及出行链的电动汽车充电站站址规划
0
2016
考虑驾驶人行为习惯及出行链的电动汽车充电站站址规划
0
2016
一类带服务半径的服务站截流选址-分配问题
1
2006
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
一类带服务半径的服务站截流选址-分配问题
1
2006
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
基于层次分析法和模糊评价法的电动汽车充电站选址研究
1
2015
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
基于层次分析法和模糊评价法的电动汽车充电站选址研究
1
2015
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
市场化的电动汽车充电站规划布局研究
1
2015
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
多等级电动汽车充电站的选址与算法
0
2011
多等级电动汽车充电站的选址与算法
0
2011
基于博弈论的电动汽车充电站选址优化模型研究
0
2011
基于博弈论的电动汽车充电站选址优化模型研究
0
2011
Electric vehicle charging stations allocation model
0
2014
Flow intercepting spatial interaction model: A new approach to optimal location of competitive facilities
1
1998
... “充电站选址”孕育于快速发展的科技浪潮以及不断推进的新能源产业发展中,自20世纪90年代初,国外学者开始关注替代能源汽车续航站点的选址问题,学者们根据替代能源(天然气、氢能等能源)汽车的特点首先提出截流模型,丰富了选址方法的研究.而伴随着大容量电池的研制成熟和使用,在21世纪初研究人员开始将经典的选址方法应用到电动车辆充电站选址研究中(Hodgson, 1990; Hodgson et al, 1992; Berman et al, 1998).此后,在政府与市场双重推动下,新能源汽车充电站的选址开始成为设施选址下的一个热点,研究方法不断创新,研究内容更加丰富,研究体系更加完善.国内外均有学者对充电站选址布局的模型方法作了概括性的总结(Lim et al, 2010; 刘锴等, 2015),但主要是对选址模型方法的介绍.而充电站选址作为设施选址的一部分,还包括选址的因素分析以及选址评价等内容;同时,其作为设施选址研究中新的热点,具有与其他设施不同的特性,因此,需要从新的角度对“充电站选址”研究成果展开阶段性的梳理,识别充电站选址研究的知识聚类. ...
An arc cover-path-cover formulation and strategic analysis of alternative-fuel station locations
2
2013
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Deployment of stationary and dynamic charging infrastructure for electric vehicles along traffic corridors
1
2017
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
The maximal covering location problem
1
1974
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Planning minimum interurban fast charging infrastructure for electric vehicles: Methodology and application to Spain
1
2014
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
Dynamic facility location when the total number of facilities is uncertain: A decision analysis approach
1
1998
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Charging infrastructure planning for promoting battery electric vehicles: An activity-based approach using multiday travel data
1
2014
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
Multiple criteria facility location problems: A survey
1
2010
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Optimal location of charging stations for electric vehicles in a neighborhood in Lisbon, Portugal
0
2011
The planning of electric vehicle charging stations in the urban area
0
2012
A general corridor model for designing plug-in electric vehicle charging infrastructure to support intercity travel
3
2016
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
... ),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Location strategies for retail and service firms
1
1987
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Optimal location of battery electric vehicle charging stations in urban areas: A new approach
1
2016
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
Determining electric vehicle charging point locations considering drivers' daily activities
1
2014
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
Location-allocation and impulsive shopping: The case of gasoline retailing
2
1987
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
... ; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Optimal site selection of electric vehicle charging station by using fuzzy TOPSIS based on sustainability perspective
2
2015
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
Optimum locations of switching centers and the absolute centers and medians of a graph
1
1964
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Optimal deployment of public charging stations for plug-in hybrid electric vehicles
0
2013
Network equilibrium models with battery electric vehicles
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Deploying public charging stations for electric vehicles on urban road networks
1
2015
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
A flow-capturing location-allocation model
3
1990
... “充电站选址”孕育于快速发展的科技浪潮以及不断推进的新能源产业发展中,自20世纪90年代初,国外学者开始关注替代能源汽车续航站点的选址问题,学者们根据替代能源(天然气、氢能等能源)汽车的特点首先提出截流模型,丰富了选址方法的研究.而伴随着大容量电池的研制成熟和使用,在21世纪初研究人员开始将经典的选址方法应用到电动车辆充电站选址研究中(Hodgson, 1990; Hodgson et al, 1992; Berman et al, 1998).此后,在政府与市场双重推动下,新能源汽车充电站的选址开始成为设施选址下的一个热点,研究方法不断创新,研究内容更加丰富,研究体系更加完善.国内外均有学者对充电站选址布局的模型方法作了概括性的总结(Lim et al, 2010; 刘锴等, 2015),但主要是对选址模型方法的介绍.而充电站选址作为设施选址的一部分,还包括选址的因素分析以及选址评价等内容;同时,其作为设施选址研究中新的热点,具有与其他设施不同的特性,因此,需要从新的角度对“充电站选址”研究成果展开阶段性的梳理,识别充电站选址研究的知识聚类. ...
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
... ).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
A network location-allocation model trading off flow capturing and p-median objectives
2
1992
... “充电站选址”孕育于快速发展的科技浪潮以及不断推进的新能源产业发展中,自20世纪90年代初,国外学者开始关注替代能源汽车续航站点的选址问题,学者们根据替代能源(天然气、氢能等能源)汽车的特点首先提出截流模型,丰富了选址方法的研究.而伴随着大容量电池的研制成熟和使用,在21世纪初研究人员开始将经典的选址方法应用到电动车辆充电站选址研究中(Hodgson, 1990; Hodgson et al, 1992; Berman et al, 1998).此后,在政府与市场双重推动下,新能源汽车充电站的选址开始成为设施选址下的一个热点,研究方法不断创新,研究内容更加丰富,研究体系更加完善.国内外均有学者对充电站选址布局的模型方法作了概括性的总结(Lim et al, 2010; 刘锴等, 2015),但主要是对选址模型方法的介绍.而充电站选址作为设施选址的一部分,还包括选址的因素分析以及选址评价等内容;同时,其作为设施选址研究中新的热点,具有与其他设施不同的特性,因此,需要从新的角度对“充电站选址”研究成果展开阶段性的梳理,识别充电站选址研究的知识聚类. ...
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Selecting optimal location for electric recharging stations with queue
1
2015
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
Tool selection for optimal part production: A Lagrangian relaxation approach
1
1995
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
A novel approach for urban electric vehicle charging facility planning considering combination of slow and fast charging
2
2014
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Integrated decision making in electric vehicle and charging station location network design
1
2015
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
The deviation-flow refueling location model for optimizing a network of refueling stations
1
2012
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Optimization of hydrogen stations in Florida using the flow-refueling location model
1
2009
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Electric vehicle charging station placement: Formulation, complexity, and solutions
A multi-period optimization model for the deployment of public electric vehicle charging stations on network
1
2016
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Heuristic algorithms for siting alternative-fuel stations using the flow-refueling location model
1
2010
... “充电站选址”孕育于快速发展的科技浪潮以及不断推进的新能源产业发展中,自20世纪90年代初,国外学者开始关注替代能源汽车续航站点的选址问题,学者们根据替代能源(天然气、氢能等能源)汽车的特点首先提出截流模型,丰富了选址方法的研究.而伴随着大容量电池的研制成熟和使用,在21世纪初研究人员开始将经典的选址方法应用到电动车辆充电站选址研究中(Hodgson, 1990; Hodgson et al, 1992; Berman et al, 1998).此后,在政府与市场双重推动下,新能源汽车充电站的选址开始成为设施选址下的一个热点,研究方法不断创新,研究内容更加丰富,研究体系更加完善.国内外均有学者对充电站选址布局的模型方法作了概括性的总结(Lim et al, 2010; 刘锴等, 2015),但主要是对选址模型方法的介绍.而充电站选址作为设施选址的一部分,还包括选址的因素分析以及选址评价等内容;同时,其作为设施选址研究中新的热点,具有与其他设施不同的特性,因此,需要从新的角度对“充电站选址”研究成果展开阶段性的梳理,识别充电站选址研究的知识聚类. ...
Application of comprehensive evaluation method integrated by Delphi and GAHP in optimal siting of electric vehicle charging station
1
2012
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
Optimal planning of electric-vehicle charging stations in distribution systems
0
2013
Infrastructure planning for electric vehicles with battery swapping
0
2013
A corridor-centric approach to planning electric vehicle charging infrastructure
0
2013
Fast-charging station here, please! User criteria for electric vehicle fast-charging locations
0
2016
A charging place to be-users' evaluation criteria for the positioning of fast-charging infrastructure for electro mobility
Optimal zonal fast charging station placement considering urban traffic circulation
1
2017
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
Optimal fast charging station placing and sizing
1
2014
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
An approach for the optimal planning of electric vehicle infrastructure for highway corridors
1
2013
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
When traffic flow meets power flow: On charging station deployment with budget constraints
1
2017
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
The location of emergency service facilities
1
1971
... 在交通领域,相关研究考虑了电动汽车有限行驶里程和较长充电时长的特性,模拟充电需求的产生,承袭经典设施选址研究将充电需求分为“点需求”和“流需求”,也将解决问题的模型分为“点需求”模型(Toregas, 1971; Hsu et al, 1995)、“流需求”模型(Ghosh et al, 1987; Hodgson et al, 1990),以及考虑两种需求类型的模型(Goodchild et al, 1987; Hodgson et al, 1992)(所谓的混合模型).电动汽车充电的“点需求”被认为是充电需求集中的点、行驶里程有限的情况下不得不进行充电的点、因充电时长较长而需要长时间停车的点,充电站选址方法中基于点需求的研究有最小化需求和设施之间的总出行成本(P-Median)、最小化最大出行成本(P-Center)(Hakimi, 1964; Jia et al, 2014)、给定数量设施的最大覆盖(MCLP)(Church, 1974; Goodchild et al, 1987; Farahani et al, 2010),或者优化与点需求相关的一些其他目标(Current et al, 1998; He et al, 2014; Ghamami et al, 2016),以及在现实世界中充电站的覆盖范围并不固定,呈逐渐减弱的特征——基于时间满意的逐渐覆盖模型(褚玉婧等, 2015).流需求假定消费者在去往目的地的旅行过程中搜索服务(Hodgson, 1990),电动汽车充电的“流需求”被视为因行驶里程有限从而要求最少绕行的交通出行流、因里程限制从而分段的出行链,因此充电站选址方法中,基于流需求的研究需考虑到有限的行驶距离将截流选址模型(FCLM)扩展为给定站点数量的流续航选址模型(FRLM)(Kuby et al, 2009),考虑车辆行程和范围的弧形路径特征提出的广义流续航选址模型(Capar, 2013),考虑交通流到充电站的路径存在一定偏离而放宽对流续航选址问题(Flow Refueling Location Problem, FRLP)限制的选址模型(Kim, 2012).此外,还包括考虑充电站服务半径的截流选址模型(SR-FCLM模型)(杨珺等, 2006),兼顾充电站运营商和EV用户双方利益的DFRLM改进模型(陆坚毅等, 2017),考虑充电需求时空分布和充电决策过程时空约束的布局优化模型(TSLM)(孙小慧等, 2012),考虑O-D需求和流量依赖充电延迟实际模式的选址模型(Ghamami et al, 2016),多周期多路径充电站选址模型(Li et al, 2016).通过对以上方法的总结和分析发现,各类模拟选址方法越来越注重电动汽车能源补充的实际情况,并且开始关注人们的电动汽车出行行为特征,但是仍然较少考虑随机产生的能源补充需求,更多地采用了固定需求假设. ...
Traffic-constrained multiobjective planning of electric-vehicle charging stations
0
2013
Optimization of electric vehicle charging station location based on game theory
1
2011
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...
Locating road-vehicle refueling stations
1
2009
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
Optimal site selection of electric vehicle charging stations based on a cloud model and the promethee method
0
2016
Simulation-optimization model for location of a public electric vehicle charging infrastructure
0
2013
Economic planning of electric vehicle charging stations considering traffic constraints and load profile templates
1
2016
... 在电力工程领域,充电站模拟选址方法在电力供给的角度基于网格、网络、网点三种电力负荷方式建立选址模型.基于网格,Ge等(2012)提出最大限度减少电力损耗的充电站选址定容方法;宫娅宁等(2017)构建考虑配电网经济成本-效益模型的电动汽车充电站选址定容模型.基于网络,Sadeghi-Barzani等(2014)考虑车站开发成本、电能损耗以及变电站和城市道路的位置后提出了混合整数非线性(MINLP)优化方法.基于网点,Kang等(2015)提出了一种用于充电/交换设备的联合规划模型,同时解决了输电线路和变压器的投资策略问题.郭春林等(2013)应用负荷预测法研究了基于能量等效原则下的充电设施规划方法和模型.有学者同时兼顾交通和电力两大因素综合选址(Xiang et al, 2016; Sun et al, 2017),或另从市场效益的角度优化选址(He et al, 2015; 张港等, 2015; Chen et al, 2017). ...
A new deployment method for electric vehicle charging infrastructure
0
2016
A data-driven optimization-based approach for siting and sizing of electric taxi charging stations
1
2017
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
Optimization models for placement of an energy-aware electric vehicle charging infrastructure
1
2016
... 首先,EV驾驶行为影响充电需求的产生,驾驶活动在充电需求产生的模拟中拆分为出行行为和充电行为两大因素,出行行为因素包括出行的次数、出行的距离、起讫点位置、停留时长等,充电行为因素包括电池行驶里程、电池剩余电能、充电站使用偏好等.土地利用、人口密度和交通流量等因素产生出行行为,Dong等(2014)模拟司机的驾驶和充电行为,将停车时间较长的活动作为可能充电需求产生时段.在构建理论模型时均认为交通流量大、人口密度高的区域具有较大的充电需求(Sathaye et al, 2013; Yi et al, 2016),同时居住人口数和工作人口数作为产生静态需求的因素(Giménezgaydou et al, 2016).还有研究认为住宅区、工作区、商务区、道路沿线等具有不同土地利用属性的区域产生不同类型的充电需求(Jia et al, 2014).González等( 2014)通过对出行活动的分析得出,居住地会产生大量的充电需求,其次是工作活动,最后购物活动对于需求预测也很重要.其次,充电基础设施影响充电的供给,按充电站的类型将其分为插入式充电站和换电站;按权属类型分为公共充电站和私人充电站;按充电站大小可分为有容量限制及无容量限制;按充电等级分为1~4级充电站,在1级或2级(110~240伏)充电站,车辆需要等待2~8 h才能完全充电,在3级充电站,充电一次需要20~40 min (Wang et al, 2009).以上4种分类方式互相补充,根据不同的充电需求进行配置(图6).Hosseini等(2015)认为充电时间是影响公众接受电动汽车的一个关键因素,充电站的类型决定了充电时间.快速充电站可以被看作能源补充站,在合理的时间内可以为电动汽车提供能源需求(Rajabi-Ghahnavieh et al, 2017),并且可以提高电动汽车在城市间的机动性(Colmenar-Santos et al, 2014).在布局慢速充电站时,Yang等(2017)认为居住模式决定了充电站的选址.外部环境因素一般表述为建站的适宜性评估,包括充电站的土地条件、交通条件、生态环境、与配电站间的距离等.Capar等(2013)认为只有道路网络上的节点可以作为充电站的候选位置,并且道路网络的贯通使得相对较少的充电站可以覆盖很大一部分的交通流量.Ghamami等(2016)认为在州际公路上安装快速充电器对于城市间旅行至关重要.Liu等(2012)提出了影响充电站选址的2个二级因素和13个三级因素. ...
Research on joint planning model for EVs charging/swapping facilities
Optimal siting of charging stations for electric vehicles based on fuzzy delphi and hybrid multi-criteria decision making approaches from an extended sustainability perspective
2
2016
... 充电站选址在模拟选址建模求解后得到理论最优位置仍存在较大的局限性,是否能落地仍需考虑经济、环境等众多因素.但各因素之间关系模糊,存在较大的不确定性,属于典型的不相容问题,不能仅依靠传统的人为主观判断,因此众多学者通过定位决策方法基于一定的指标和权重对候选站址进行评估,应用的方法包括博弈模型(Wang et al, 2011)、Delphi法(冯超等, 2012)、熵权模糊物元法(吴丽霞等, 2016)等.此外,随着研究的进一步深入,定位决策基础方法被扩展为Delphi和GAHP的综合选址决策方法(Liu et al, 2012)、模糊TOPSIS方法(Guo et al, 2015)、模糊Delphi方法和模糊灰色关联分析(GRA)-VIKOR方法(Zhao et al, 2016)、层次分析法和模糊评价法结合的综合方法(姚龙, 2015)、层次分析法和灰色评价法结合的综合方法(刘亮等, 2016)、信息不完全确定的PROMETHEE方法(Wu et al, 2016)等.定位决策方法综合各方面因素能够较全面地进行选址方案选择,但因素选择受研究人员自身知识结构、认知水平、情感因素的影响,选址仍含有一定的主观性,削弱了定量因素的比较性. ...