计及电动汽车共享储能特性的园区柔性资源低碳运行控制方法

在“双碳”背景下,园区作为节能降碳的主力军,需进一步降低碳排放量,提高能源利用效率。提出了一种计及电动汽车共享储能特性的园区低碳运行控制模型。首先,引入阶梯式碳交易机制,计算节点动态碳排放因子,并将电动汽车减排量纳入碳配额;然后,在源侧引入地源热泵,通过电-热转换,满足园区热负荷需求;在荷侧,考虑电动汽车共享储能特性,建立电动汽车共享储能模型;最后,考虑碳交易成本、购电成本、响应补贴成本等,以运行成本最小为目标建立园区低碳运行优化模型,并采用优化软件CPLEX进行求解。仿真结果表明:考虑电动汽车共享储能特性并采用改进阶梯式碳交易机制,能够有效降低园区运行成本,减少园区碳排放,验证了所提算法的经济性和低碳性。

电动汽车共享站点间车辆人工调度策略

用户出行需求的潮汐性和不均衡性导致站点间车辆失衡问题严重,极大地制约了电动汽车共享的快速发展,采用合理的车辆人工调度策略可使车辆失衡问题得以解决.基于完全满足用户用车需求的前提,建立成本最低的调度需求模型,并采用遗传算法求解得出调度需求.构建了电动汽车共享站点间车辆人工调度策略,同时通过调度收益最大化的混合整数规划模型优化车辆调度路径,采用分支定界法求解.以"EVCARD"位于上海市嘉定区5个站点的实际订单作为输入,进行人工调度策略优化分析.结果显示:在用户用车需求增长的情景下,不增设停车位和车辆数目而采用人工调度优化策略,同比可以提升60%的订单服务量,相比增设停车位和车辆数目可以节约60%的成本投入.

电动汽车共享系统运营特征分析——以EVCARD系统为例

随着大城市停车问题的日益突出和买车、养车成本越来越高,电动汽车共享将会是未来机动化出行的重要模式.共享汽车用户特征和企业运营策略是影响电动共享汽车的重要因素.文章以上海市的电动汽车共享系统EVCARD系统为例,从用户需求特征、车辆调度特征和车辆运营特征三方面,对电动汽车共享系统进行了分析.通过EVCARD电动汽车共享系统的数据挖掘,揭示电动共享汽车隐含的用户行为特征.分析EVCARD系统的调度特征,总结电动汽车共享系统普遍存在的四类问题.分析EVCARD系统的运营特征,辨识电动汽车共享系统常见的调度工作流程的缺陷.在优化电动汽车共享系统的调度方案时,必须综合考虑需求特征、系统调度特征、系统运营特征以及特殊干扰因素,以降低系统运营成本、提高系统运营效率.

移动互联网技术的电动汽车共享充电平台

移动互联网技术的电动汽车共享充电平台能够创造出来是一个全新的概念,这是一种新型的商业思维。因为,电动汽车的充电桩会让人产生矛盾,而共享充电平台则是能够解决这个矛盾。电动汽车共享系统可以创新全新一代的商业模式激发消费者的需求,让更多的人享受到共享经济。电动汽车的公共服务与共享平台互动可以进一步的分享对于信息的掌握程度,让电子计算机可以实时更新和运行,测算出最符合实际条件的充电模拟算法,让每一个人都有电充。

基于不确定需求的电动汽车共享系统规划方法

电动汽车共享有助于解决交通拥堵和环境污染问题。为提高电动汽车共享系统效率,保障系统的可持续性,本文考虑共享需求的不确定性,提出单向电动汽车共享系统最优配置方法。首先,以多情景处理共享需求的不确定性,以车站和状态集计车辆和调度员,考虑需求价格弹性,构建共享电动汽车系统配置模型。然后,针对3类共享出行需求价格弹性函数,根据需求为整数的特点,设计基于割线的外逼策略,提出用于模型求解的外点法。最后,算例证实了考虑共享需求不确定性的必要性,分析了共享需求方差、弹性以及需求量对共享电动汽车系统利润的影响。研究结果表明,共享电动汽车系统利润随需求量和需求方差的增加而增加,随需求弹性绝对值的增加而减少。

车联网对电动汽车共享服务的支持

目前,我国汽车排放引起的交通污染日益严重,并且伴随能源紧缺,交通拥堵等问题。电动汽车共享服务能有效的减少汽车尾气排放,减缓交通拥堵。车联网技术的发展能够促进电动汽车共享的推广。文章通过研究车联网技术,电动汽车共享服务模式,得出车联网技术在电动汽车共享服务中的支持。

基于地理加权回归模型的共享电动汽车租赁需求影响因素分析

近年来共享经济蓬勃发展,共享电动汽车比传统共享燃油车更加契合环保经济理念,因此得到了快速普及。共享汽车企业以电动汽车作为租赁工具,有助于企业降低成本,迎合市场趋势,并提供更好的用户体验。文章以南京市六个主城区的共享电动汽车数据为例,首先通过对城市多源数据的分析,选取居住用地、工作用地、休闲购物、科教服务、交通设施五个方面作为共享电动汽车设置分配的影响因素,然后对各影响因素按照不同属性进行加权处理,构建了地理加权回归模型,并且与传统的OLS回归模型进行了拟合效果的比较,最后采用空间可视化分析方法分析了共享电动汽车租赁需求量与关键影响因素之间的复杂关系。结果表明:GWR模型能更好地反映共享电动汽车租赁需求量与影响因素之间的关系,具有较高的准确性和更广泛的适用性;工作用地、居住用地、休闲娱乐、交通设施因素在工作日的不同时段对共享电动汽车的租赁需求影响均为促进作用,而在非工作日时这些影响因素对共享电动汽车的租赁需求量具有空间异质性。研究通过使用变量分类加权的方法,提高了预测模型的准确性和实用性,可以为共享电动汽车投放规模确定和日常运营调度提供支持。

基于换电的共享电动汽车调度与服务定价

为解决共享电动汽车出行模式车辆失衡与电能补给问题,基于集充统配换电模式,考虑共享电动汽车电能补给、换电站选址与电池配送路径间的耦合关系,基于时空网络构建以最大化利润为目标的共享电动汽车调度与服务定价优化模型,并通过共享电动汽车需求-价格函数逆变换,将非线性非凸模型转换成更易求解的非线性凸模型。数值试验结果表明:协同决策换电站位置、电池配送路径、共享电动汽车调度方案与服务价格,可提高共享电动汽车出行服务商利润;基于割线的外逼近算法比基于切线的外逼近算法和拉格朗日松弛算法更适于求解所提出的模型。参数敏感度分析结果显示,潜在共享电动汽车出行需求与电能可得性都是影响共享电动汽车出行服务商利润的重要因素。

电动汽车共享系统(EVSS)研究

电动汽车具备低碳、环保、高效、经济等多重优势,但由于动力电池、技术标准、充换电基础设施等瓶颈,其推广应用困难重重。如何创新商业模式,激活电动汽车消费需求,是实现城市交通低碳转型的重大课题。电动汽车共享系统(EVSS)运用物联网和(移动)互联网技术,通过所有权与使用权的分离,实现电动汽车分时租赁共享;通过构建技术兼容和标准统一的充换电网络,实现基础设施共享;通过数据信息共享与大数据分析处理,实现资源优化配置;最终,通过政府政策支撑共享系统基础设施建设和"路演"为电动汽车进入家庭奠定基础。

基于用户激励的共享电动汽车调度成本优化

针对站点车辆时空分布不均衡制约共享模式快速发展的问题,提出基于用户激励的共享电动汽车自适应调度成本最优模型,引入共享单车调度与价格激励手段,通过遗传算法求解获得最优价格优惠、初始站点车辆数、多时段可变最优阈值.实例仿真结果表明,通过用户激励策略,企业调度成本降低60%以上,峰值用户取、还车允许率超过95%,极大提升了用户满意度与车辆使用率,充分证明该模型的有效性.

共享电动汽车服务的减排效果分析

本文首先介绍应用共享电动汽车服务的优势,通过计算共享汽车在制造和使用阶段的碳排放量,并考虑清洁能源占比的影响,评估了共享汽车的年均等效碳排放量,数据分析显示,共享电动汽车服务具有明显的减排优势,并且当前已经取得了一定的减排效果,最后本文针对共享电动汽车服务的减排问题,提出了相应的解决措施,进一步推动共享电动汽车的发展,以实现更大的减排效果。

基于里程焦虑的共享电动汽车调度研究

为了兼顾用户体验感和减少调度成本,考虑共享电动汽车用户在行驶过程中的里程焦虑,分析供需平衡和运营成本最优化的目标,进而提高共享电动汽车的调度效率。充分考虑用户里程焦虑因素对共享电动汽车调度的影响,依据共享电动汽车调度实际情况,制定4条基本假设;依据电动汽车行驶里程分布函数,分析SOC为S时共享电动汽车用户停驶概率,根据Weber-Fechner定理建立里程焦虑感觉强度的函数。综合考虑调度成本和共享电动汽车用户里程焦虑,设置SOC状态约束、行驶能耗约束和心理效应约束等调度模型的约束条件,构建共享电动汽车的双目标优化模型,采用线性加权法对模型进行求解。并以3种类型的共享电动汽车进行案例分析,结果表明:随着续航里程增加,用户在出行过程中的里程焦虑平均值有所下降。在交通出行过程中的里程焦虑值,在SOC水平达到60%时处于最大值,在50%时处于最小值。综合考虑用户里程焦虑成本和企业调度成本后,在SOC水平为60%时,共享电动汽车运营商综合成本有最大值。合理利用用户里程焦虑这一心理因素可以达到减少企业经营成本、推动共享电动汽车模式可持续发展的目的。

基于网络流的共享电动汽车优化调度

随着车联网、云计算、大数据的应用普及,代表着“互联网+出行”的共享电动汽车租赁业务因灵活便捷、绿色环保拥有广阔的发展空间。可租赁状态的共享汽车与租车客户在时空分布上的不匹配,是共享汽车运营商提高收益面临的焦点问题。基于网络流模型,计及电动汽车充电对车辆可提供租赁服务状态的影响,同时实现时间和空间维度的共享汽车租赁业务供需匹配分析;并结合租赁业务特点,提出租赁站点车流量守恒约束、共享车辆状态转移守恒约束。以调度周期内运营商净收益最大为优化目标,考虑路网、车、租赁需求及充电网络约束,建立共享电动汽车优化调度混合整数线性规划模型,同时优化决策车辆调配方案和充电计划。算例表明,优化调度策略可提高共享电动汽车运营商收益与用户满意度。

面向自组织平衡的共享电动汽车调度优化方法

针对共享电动汽车运营中出现的站点车辆供需不平衡及人工调度成本过高等问题,提出面向自组织平衡的共享电动汽车调度优化方法.利用共享电动汽车站点选择行为数据,构建用户取车站点选择MNL(Multinominal Logit)模型,分析用户的站点选择行为;构建面向各站点车辆供需自组织平衡的站点间车辆调度优化方法,即通过车辆动态折扣策略引导用户改变默认的最近取还车站点,在运营结束后以运营企业的调度总成本最小为目标,建立人工调度优化模型并应用禁忌搜索算法求解;最后,选取北京市海淀区部分共享电动汽车站点进行算例分析.结果表明:本文提出的优化方法与无动态折扣策略相比,调度总成本降低了4.5%,人工调度成本降低了21.1%,人工调度任务数减少了8.3%.

共享电动汽车混合充换电站选址优化

在未来城市中更换电池这种便捷、高效的方式将成为共享电动汽车补充电能的主要方式。为了建立效率高、成本低、电网友好型的混合充换电站,首先根据共享电动汽车的租赁规律以及功率、时间等充电数据,利用蒙特卡洛模拟方法预测共享电动汽车的充电负荷;然后,以共享电动汽车充换电站对用户捕获程度最大、配电系统网络损耗最小和配电系统电压偏移最小为目标,建立共享电动汽车混合充换电站最优规划的多目标模型;最后,采用改进带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对多目标模型进行求解,得到Pareto最优解集。以25节点交通网络和IEEE 33节点配电系统为例,验证了所建模型的可行性,可为共享电动汽车混合充换电站的建设提供可行性经验。

资金约束下单向共享电动汽车系统的充电站选址

针对单向共享电动汽车系统提出了一种充电站位置优化的方法,充电站的容量和服务范围内的需求量相适应;该方法基于混合整数规划模型,其目标考虑了满足服务的收入,车辆折旧成本和充电站的充电桩运行成本,目标函数为最大化共享电动汽车服务商的利润.最后进行了模拟仿真来测试方法的松弛度和性能,模型能够在合理的时间内解决较大规模的问题.

基于大数据的共享电动汽车智能化管理模块研究——以车辆租赁模块为例

随着共享经济的不断深化和发展,作为细分行业之一的共享电动汽车逐渐兴起,加上大数据等信息化技术不断被应用在共享经济领域,使得共享汽车的智能化管理成为焦点。为了借助大数据技术提高共享电动汽车的运行和运营效率,针对车辆网点的设置和车辆调度问题展开车辆租赁智能化管理模块分析,首先提出车辆租赁涉及的租赁网点、停车位数量、车辆流动状态、车辆调度问题,其次依托具体问题提出车辆租赁智能化管理模块的设计,实现网点规划建设、车辆流动、车辆充电子模块的应用。

共享电动汽车NFC认证装置的硬件设计

为给无人值守共享电动汽车客户提供取、还车人机接口,基于STM8AF52微控制器、PN512近场通信芯片设计出完整的电路原理图。制成电路板后,调整天线匹配电路中各电容、电感和电阻值确定射频电路的合理工作参数,并开展了控制器局域网通信可靠性测试。结果表明:近场通信天线7 cm范围内通讯正常,电路模块的待机功耗小于5 m A,控制器局域网通讯数据在连续1 200 h测试中无错漏,显示亮度能够满足人机交互要求。

共享电动汽车可调度容量时空预测

针对共享电动汽车通过需求响应参与电力系统备用服务的可调度容量预测问题,基于历史轨迹数据提出一种基于模型无关的元学习(model-agnostic meta-learning,MAML)、卷积神经网络(convolutional neural network,CNN)、长短期记忆网络(long short term memory network,LSTM)和注意力机制(attention mechanism)的可调度容量评估模型,采用LSTM对CNN从历史数据中提取有效的特征向量动态变化进行建模学习,并用MAML对CNN-LSTM网络的初始化参数进行训练,在解决传统神经网络难以有效提取历史序列中潜在高维特征且当时序过长时重要信息易丢失的问题的同时,通过多任务训练对元预测网络进行微调以快速适应新预测任务,从而提高模型的预测精度及泛化能力;加入注意力机制突出对预测结果起关键性作用的时序信息,进一步提高预测精度。仿真结果表明所提模型可以有效预测不同日期类型和不同功能区域共享电动汽车的可调度容量,也为后续共享电动汽车通过需求响应参与电网备用服务的风险评估研究提供参考。

基于共享电动汽车时空分布规律的高峰时段车辆调度研究

研究综合考虑了目前共享电动汽车运营公司在车辆调度方面不能很好的满足用户用车的动态需求的情况和忽略用户还车随机性造成的站点间“有车无位”“有位无车”的现象。因此为了满足用户用车需求的动态性,提出了基于共享电动汽车时空分布规律的高峰时段车辆调度数量预测模型,运用基于历史数据的用户需求预测模型和基于残差平方和的线性组合模型,对未来高峰时段内用户车辆使用数和用户订单使用结束时的区域还车数量进行组合预测。最后以青岛市崂山、李沧、市南和市北四区的共享电动汽车使用数据进行预测。模型求解得出预测车辆调度量比当天实际调度量减少了19.6%,有效减少了站点间车辆无效调度,一定程度上为运营公司节省了运营成本。