计及用户行为决策的电动汽车负荷时空分布建模

发展电动汽车是实现“双碳”战略的重要手段,开展电动汽车充电特性及充电负荷有序调控研究具有重要意义。因此提出了计及用户行为决策的电动汽车充电负荷时空分布建模方法。首先,通过引入后悔理论模拟用户的充电行为决策。其次,结合出行链理论和后悔理论,对电动私家车出行行为的随机性和灵活性及充电负荷的时空不确定性进行出行特性建模。最后,结合美国交通部2009NHTS居民出行调研统计数据,运用蒙特卡洛方法建立电动汽车充电负荷时空分布模型。仿真结果验证了所提模型的合理性和有效性。

基于用户决策行为模拟的服务区充换电站定容规划研究

电动汽车数量的大幅增长对服务区充换电设施规模和电能补给方式的多元化提出了更高要求。针对用户充换电决策行为对充换电站规划结果的影响,以及从社会角度考虑希望既能避免过度投资又能更快、更经济地满足电动汽车用户补电需求的诉求,提出一种基于用户决策行为模拟的高速公路服务区充换电站规划方法。首先,考虑用户决策结果耦合关系和排队时间时变性,建立了基于效用最大化准则的用户充换电决策模型,以服务区电动汽车流量为模拟参数,通过模拟电动汽车用户充换电决策行为来确定服务区内充电需求和换电需求;其次,建立了考虑社会综合成本的多目标规划模型,并采用NSGA-Ⅱ算法进行求解;最后,通过算例分析说明了考虑用户决策行为能够有效提升规划的经济性。

用户决策行为分析模型的护理管理模式用于中青年急性心肌梗死患者行经皮冠脉介入术后的效果

目的 探讨基于用户决策行为分析模型(AISAS)的护理管理模式应用于中青年急性心肌梗死(AMI)患者行经皮冠脉介入术(PCI)后的效果。方法 将无锡市第五人民医院及无锡市第二人民医院于2019年1月至2021年12月期间收治的108例中青年AMI行PCI术后患者纳入研究,按随机数字表法分为对照组与观察组,每组54例。对照组患者在术后行早期个性化护理干预,观察组在对照组干预方法基础上采用基于AISAS的护理管理模式,观察2组的心功能、心血管不良事件及不舒适情况。结果 干预1个月、3个月和6个月后,2组的左室舒张末期容积(LVEDV)均小于干预前(P均<0.05),观察组均小于同期对照组(P均<0.05),2组的左室射血分数(LVEF)均大于干预前(P均<0.05),观察组均大于同期对照组(P均<0.05)。观察组的心血管事件和不舒适情况总发生率均低于对照组(P均<0.05)。结论 基于AISAS的护理管理模式可显著减轻中青年AMI行PCI后患者的不舒适状况,改善其心功能,并降低心血管不良事件的发生率。

用户决策行为分析模型支持的疾病管理模式在急性心肌梗死患者中的应用

目的:探讨用户决策行为分析模型支持的疾病管理模式在急性心肌梗死(AMI)患者中的应用效果。方法:选取2020年10月1日~2022年2月1日收治的96例AMI患者作为研究对象,采用随机数字表法分为对照组和观察组各48例,对照组采用常规疾病管理,观察组采用户决策行为分析模型支持的疾病管理;比较两组出院当日和出院3个月的自我管理行为[采用冠心病自我管理量表(CSMS)]、心脏不良事件发生情况及生存质量[采用中文版心肌梗死多维度评估量表(MIDAS)]。结果:出院3个月后,两组CSMS各领域评分及总分均高于出院当日(P<0.05),且观察组高于对照组(P<0.05,P<0.01);观察组心脏不良事件发生率低于对照组(P<0.05);出院3个月,两组MIDAS各领域评分及总分均高于出院当日(P<0.05),且观察组高于对照组(P<0.05,P<0.01)。结论:用户决策行为分析模型支持的疾病管理模式,有助于改善AMI患者自我管理行为,降低心脏不良事件发生率,提高其生存质量。

社交化电商用户决策行为研究展望

随着"社交+电商"新模式的快速发展,消费者的购物模式逐渐从主动搜索型转变为被动发现式购买。本文通过梳理和剖析学术界关于社交化电商用户购买决策行为的相关研究,结合实践应用,以及社交电商在发展过程中衍生出的发现式购物、以人为中心、场景丰富等新特性,从购买模式、多主体交互、信息系统平台设计、反馈机制等四个方面提出了未来的研究方向。

电动汽车充电平台充电桩数量和价格协同优化

基于随机效用最大化理论,提出电动汽车充电平台用户端的用户行为决策模型.在满足车辆服务需求和充电站约束条件下,分别推导企业利润最大化和社会福利最大化目标函数下的卡罗需-库恩-塔克(KKT)条件、最优数量和最优价格,通过数值实验分析参数敏感性.最优化结果表明,合适的充电价格和充电桩数量决定用户前往不同区域充电的意愿,充电价格和充电桩数量在多区域多时段都有最优解.模型结果表明:在空间上,价格和数量随距离增加呈现递减趋势,且递减幅度增大;在时间上,高峰期的定价高于低谷期的定价,低谷期的区域间定价差异大于高峰期的区域间定价差异.对比不同目标,社会福利最大化目标下的最优充电价格普遍低于利润最大化目标下的价格,社会福利最大化下的最优充电桩数量多于利润最大化下的充电桩数量.敏感性参数分析结果表明,电池容量、单位电池容量的充电时长、多项Logit(MNL)模型中的敏感度均与目标结果呈现负相关,与感知效用呈正相关.

轨迹数据驱动的电动汽车充电需求及V2G可调控容量估计

电动汽车(EV)充电需求估计是研究电动汽车与电网互动(V2G)的重要前提。为此,提出一种行驶轨迹数据驱动的EV充电需求预测模型,并进一步考虑用户多维效益,构建用户选择参与V2G响应的用户决策模型,分析区域V2G响应能力的调控潜力。首先,对行车轨迹大数据集进行清洗与挖掘,基于动态能耗理论构建了EV充电需求时空分布预估模型。其次,基于社会行为学理论并综合考虑用电需求效用、经济效用、环保效用以及社会效用,构建了EV用户选择参与V2G响应的概率选择模型。该模型不仅考虑了EV用户的异质性,而且体现了用户决策的交互影响。最后,建立V2G可响应容量调度模型,分析V2G响应资源对区域负荷的调节效果。结果表明,所提模型不仅能有效估计某城市区域的EV充电需求时空分布特性,而且能挖掘该区域选择参与V2G响应的EV潜在用户数量,为研究V2G响应资源对区域负荷的调控潜力提供了支撑。