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。

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。

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。

碳交易规制下的共享电动汽车充放电优化

针对当前电网负荷压力大及调峰困难等问题,以换电模式下共享电动汽车作为研究对象,提出了参与碳交易市场和调峰辅助服务市场的电动汽车充放电优化模型。上层模型以电动汽车运营商日运营成本最小为目标对电动汽车进行充放电调度,下层则以电网负荷波动最小为目标对上层的调度结果进行优化。从电动汽车运营商和电网两个角度对比分析了该文所提的充放电方案,并且将一个运行周期内电动汽车运营商与燃油汽车运营商所产生的碳排放量进行比较。仿真结果表明:所提模型可以在满足用户出行需求的同时,降低运营商的成本,同时减小电网负荷波动。

考虑心理潜变量的共享电动汽车选择意向

基于北京市共享电动汽车选择行为的调查数据,以计划行为理论为基础,探究了个人碳交易、风险及习惯等心理潜变量对共享电动汽车选择意向的影响。通过建立结构方程模型分析了各潜变量之间、个人社会经济属性和潜变量之间的作用机理,揭示了共享电动汽车选择意向的内在形成机理。结果表明,个人碳交易通过主观规范和态度间接影响行为意向;习惯不仅通过主观规范和知觉行为控制间接影响行为意向,还会直接影响行为意向;风险对知觉行为控制存在显著影响,而知觉行为控制是影响行为意向最重要的因素。最后根据模型结果提出了发展共享电动汽车的相关建议。

自动共享电动汽车的云-边协调优化模型与控制策略

针对自动共享电动汽车(shared autonomous electric vehicles,SAEV)运行出现的车辆分配不平衡以及充电优化问题,提出了一种基于云-边协调计算的SAEV优化控制策略。首先,给出SAEV再平衡优化模型以及再平衡任务分配算法;其次,考虑使用V2G和动态电价进行SAEV车队的充放电优化,给出SAEV车队能量交换模型以及出行订单分配算法,以减少整个SAEV车队系统的充电成本;再次,利用云-边协调通信将这些优化结果信息在不同平台间进行互动传输,实现电动汽车的最优充电与迁移策略;最后,通过MATLAB使用真实的深圳出租车数据对该优化控制方法进行验证。结果表明,该框架可降低充电成本,提高交通效率,有望扩展应用到更大规模的系统中。所提云-边协调控制策略将复杂的SAEV优化问题分解成3个子问题进行求解,为SAEV的最优运行提供了一种新的方法。

基于联合距离评估法的共享电动汽车驾驶风险评估

基于模糊信息和多属性决策,提出一套共享电动汽车(SEVs)失效模式与影响分析(FMEA)方法,包括采用互评法进行专家筛选与赋权,构建风险评估标准,采用共识理论对专家意见进行检验,采用贴近度最优化法对风险因子进行客观赋权,引入联合距离评估(CODAS)法对失效模式的风险水平进行排序等。结果表明,高风险的失效模式主要分布在动力系统和行车系统。灵敏度分析和对比分析验证了结果稳健性和方法有效性。最后,提出了可行性安全管理措施建议。

共享电动汽车用户参与充电调度意愿预测

为探讨共享电动汽车用户参与充电调度的意愿,提出一种基于累积前景理论的Logit预测模型。首先设计考虑不同停车点与目的地情景中用户在激励措施下对有无充电设施的停车点选择行为的调查问卷,并将非线性回归方法应用于问卷调查数据进行累积前景理论模型的参数标定;其次利用基于累积前景理论的Logit模型对用户参与充电调度的意愿进行预测分析;最后采用弹性分析方法对比分析不同多走距离对用户参与充电调度意愿的影响。结果表明,用户愿意参与充电调度的预测概率为61.82%,与问卷调查所得的实际选择概率58.21%的误差在允许的-1.5%~4.5%范围内;在参与充电调度可以获得奖励的激励下,部分共享电动汽车用户可以忍受多走一段距离将车辆停放到有充电设施的停车点并获得奖励;用户前往目的地多走距离增大时的充电调度参与概率变化幅度大于距离减小时的概率变化幅度,符合累积前景理论中决策者对损失的敏感程度高于对收益的敏感程度的特性。

计及碳减排的共享电动汽车网点选址优化

为解决共享电动汽车网点选址布局不合理问题,从低碳角度出发,以建设共享电动汽车网点成本、用户出行时间成本及建设共享电动汽车网点碳排放和共享电动汽车路径碳排放最小为目标,以共享电动汽车网点覆盖程度为约束,构建计及碳减排的网点多目标选址规划模型,设计多目标优化算法NSGA-Ⅱ(非支配排序遗传算法),以Chicago Sketch(芝加哥写生)网络为算例求解模型得出网点选址结果,并将其与基于K-means(K均值)的聚类算法网点选址结果进行对比。结果表明:计及碳减排的共享电动汽车网点选址模型在车辆路径碳排放、聚类内部平均距离和聚类间平均距离等指标上表现更好。

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.

基于服务站区域互联的共享电动汽车调度方法

用户出行的不规律性和不均衡性造成服务站点保有的共享电动汽车数量存在动态供需不平衡的问题,一定程度上限制了共享车辆服务行业的发展。为此,在准确预测共享电动汽车需求量的基础上,提出了基于服务站区域互联架构的共享电动汽车调度方法。在充分考虑用户实际需求影响因素的基础上,提出服务站区域互联调度模型,采用改进的Elman神经网络预测区域互联站点的车辆需求,以满足用户的出行需求。结合上海EVCARD共享电动汽车行业的实际数据,通过仿真实验将改进的Elman神经网络预测模型和未改进的Elman神经网络预测模型的预测结果与实际需求量进行对比,采用不同指标进行计算和分析,验证了该方法的合理性和优越性。