|
基于可持续发展的模糊逼近法规划电动汽车充电站最佳选址
|
摘要 选择最可持续的站点在电动汽车充电站 (EVCS) 的生命周期中起着重要的作用, 需要考虑一些相互矛盾的准则。与以往主要利用设计 (优化) 模型的研究不同, 本文采用多准则决策 (MCDM) 方法, 考虑了 EVCS 选址的一些主观且重要的标准。为了反映决策者主观判断中的不确定性和模糊性, 采用模糊逼近法选择最优 EVCS 位置。本文以学术文献、可行性研究报告和专家意见为基础, 从可持续发展的角度构建了 EVCS 选址评价指标体系, 包括环境、经济和社会指标与总计11个子指标关联。然后, 在环境、经济、社会、电力系统、交通系统等五组专家小组的评价下, 对不同选择和指标权重的性能进行了评判。最后采用模糊逼近法对 EVCS 选址进行了排序。结果表明, 位于北京市昌平区的 EVCS站点 A2 获得最高分, 应选择最佳站点。同时, 环境和社会指标比经济指标更受决策者的关注。灵敏度分析结果表明, 无论子指标权重如何变化, 可选方案A2 始终处于最高排名。将模糊逼近方法应用于 EVCS 选址是有效和鲁棒的。本文为EVCS选址提供了一个新的研究视角, 同时也扩展了模糊逼近法的应用领域。
|
目录
一、介绍4
二、文献综述4
三、用于EVCS选址的模糊逼近法6
3.1模糊集理论6
3.2模糊逼近理论6
四、EVCS选址评价指标8
4.1环境指标9
4.2经济指标9
4.3社会指标11
五、采用模糊逼近法优化 EVCS 选址11
六、讨论13
七、结论18
参考文献18
基于可持续发展的模糊逼近法规划电动汽车充电站最佳选址
Sen Guo 1,2 Huiru Zhao 1
经济管理学院. 华北电力大学.北京.102206.中国
自然资源与环境学院.密歇根大学. Ann Arbor, MI 48109-1041, 美国
摘要：选择最可持续的站点在电动汽车充电站 (EVCS) 的生命周期中起着重要的作用, 需要考虑一些相互矛盾的准则。与以往主要利用设计 (优化) 模型的研究不同, 本文采用多准则决策 (MCDM) 方法, 考虑了 EVCS 选址的一些主观且重要的准则。为了反映决策者主观判断中的不确定性和模糊性, 采用模糊逼近法选择最优 EVCS 位置。本文以学术文献、可行性研究报告和专家意见为基础, 从可持续发展的角度构建了 EVCS 选址评价指标体系, 包括环境、经济和社会指标与总计11个子指标关联。然后, 在环境、经济、社会、电力系统、交通系统等五组专家小组的评价下, 对不同选择和指标权重的性能进行了评判。最后采用模糊逼近法对 EVCS 选址进行了排序。结果表明, 位于北京市昌平区的 EVCS站点 A2 获得最高分, 应选择最佳站点。同时, 环境和社会指标比经济指标更受决策者的关注。灵敏度分析结果表明, 无论子指标权重如何变化, 可选方案A2 始终处于最高排名。将模糊逼近方法应用于 EVCS 选址是有效和鲁棒的。本文为EVCS选址提供了一个新的研究视角, 同时也扩展了模糊逼近法的应用领域。
关键词：电动汽车充电站选址;模糊逼近法;可持续发展;敏感度分析
文章亮点：从可持续发展角度研究EVCS选址；使用模糊逼近法选择最佳的EVCS站点；建立EVCS选址评价指标体系；由于其最高的接近系数选择了最佳的EVCS站点；进行敏感性分析以验证决策结果的鲁棒性。
缩写: CO2, 二氧化碳;EVCS、电动车充电站;EV、电动车;GHG，温室气体;MCDM 多准则决策;TOPSIS，理想解的相似性排序技术；NOx, 氧化氮;SOx, 硫磺氧化物;CO、一氧化碳;DC, 直流电;SoC, 充电状态;PEVs、插电式电动车辆;PSO,粒子群优化算法;CCSs、集中式充电站;G2V, 电网对车;V2G, 车辆对电网;V2V, 车辆对车辆;MILP, 混合整数线性规划;MODM、多目标决策;GA,遗传算法;TFN, 三角形模糊数;ICEV，内燃机车;CH4, 甲烷;PM10, 粒度小于10的微粒物质 ;PM2.5, 粒度小于2.5的微粒物质 ;CC, 贴近度系数;AHP, 层次分析法;VIKOR,多标准优化和折衷排名法;ELECTRE,消除和选择转换法
一、介绍
随着世界经济的发展和自然资源的枯竭, 能源危机和生态环境恶化已成为当今世界可持续发展的严重问题[1,2]。因此, 许多国家提出了相应的能源利用途径和战略。中国已成为世界上最大的 CO2排放国, 交通部门的碳排放量约为 6% [3]。交通部门能源消耗和碳排放增长率均高于全国平均水平, 近年来随着城市化发展和汽车需求不断增长, 这一趋势受到了影响[4]。电动汽车作为一种新型的环境友好型的交通工具, 在降低城市大气污染和低碳运输发展中起着至关重要的作用 [5]。随着电池容量和经济性的不断提高, 电动汽车已成为新型能源汽车的主要发展方向。同时, 如果采取适当的充电方式, 电动汽车可以改变电力峰值负荷, 提供电能储备, 提高可再生能源的使用率。因此, 电动汽车在一定程度上可以促进电网的安全、稳定和经济运行, [6]。目前, 电动汽车越来越受到各国政府和广大公众的关注。发展电动汽车是解决化石资源枯竭和环境污染问题的有效途径, 也可以促进城市可持续发展 [7,8].
作为电动汽车的能源提供者, 电动汽车充电站 (EVCS) 是电动汽车工业发展的基础。高效、方便、经济的 EVCS, 可以提高消费者的购买意愿, 促进产业的发展。作为 EVCS 建设的初步工作, EVCS 选址在整个生命周期中都是十分重要的, 对 EVCS 的服务质量和运行效率有显著的影响。因此, 有必要使用适当的方法来确定最佳 EVCS 站点 [9,10].
'可持续性' 指的是长期发展可持续, 包括三支柱/层面: 经济增长、社会发展和环境保护[1112]。本文将从可持续性的角度对 EVCS 选址进行选择。在经济层面上, 将工程造价、每年运行与维修成本、投资回报期等 EVCS 的成本和效益纳入决策过程。在社会维度方面, 考虑了 EVCS 与城市路网和电网发展规划、交通便利、服务能力和对人们生活的影响等因素。在环境方面, 包括植被和水破坏、废物排放、减少温室气体排放和减少细颗粒物排放等EVCS带来的环境影响, 以评估EVCS的影响.
考虑到 EVCS 站点的选择包括经济、社会和环境方面, 采用多标准决策 (MCDM) 技术, 在考虑各种不同的备选方案时, 选择最佳 EVCS 站点。TOPSIS是一种补偿聚合 MCDM 方法, 它具有计算效率好, 数学形式简单, 因此它已在许多字段中应用 [13,14]。然而, 在现实世界中, 由于人的定性判断模糊以及由于信息缺乏的不确定性而产生的模糊性, 有些标准不能用数值来衡量, 而只能用模糊值 [15], 如 EVCS 与城市道路网和电网的发展规划的协调。Zadeh 提出的模糊集理论可以有效地解决此类问题 [16]。为此, 本文提出了将模糊集理论与传统的理想解法相结合的模糊逼近法 [17]。在模糊逼近法中, 采用三角形 (梯形) 模糊数表示具有模糊性特征的判据。本文采用模糊逼近法选择最优 EVCS 站点.
本文的其余部分按如下方式组织: 第二节回顾了与 EVCS 有关的技术经济和 EVCS 选址的相关文献, 并对本文的主要贡献进行了界定;在第三节, 阐述了模糊集和模糊逼近法的基本理论;第四节阐述了EVCS 站点选择的评估索引系统。第五节阐述了使用模糊逼近方法执行 EVCS 站点选择;在第六节中, 进行了结果分析和灵敏度分析, 以检验获得结果的合理性和鲁棒性 ;在最后一节中, 提供了结论.
二、文献综述
在电动汽车充电站的整个生命周期中，充电站的建设具有重要意义。EVCS 的选址和容量确定与多方利益相关，可以促进整个产业的可持续发展。在过去的几年里，有学者在技术和经济方面进行了一些有关 EVCS选址的研究。Nansai 等[18]在电动汽车充电设备的生产、运输和安装这三个阶段对 EVCS 进行了生命周期分析，然后根据 CO2、NOx, 对电动汽车和汽油车进行了SOx 和 CO 排放比较。Li等[19] 在动态价格框架中研究了 EVCS 的能量管理和控制, 并开发了一个实时仿真系统, 用于评估 EVCS 如何满足 G2V、V2G 和 V2V 的充放电要求。Capasso 和 Veneri [20] 建议在混合动力车中使用可再生能源和公路电动/混合动力车车队的集成, 为全电和插电混动车提供直流快速充电设施。Fan等[21] 研究了限制 E电动汽车请求充满电 (SoC) 对电动汽车快速充电站总充电能量和收入的影响。Ding等[22] 建议将储能系统作为快速充电站能源的潜在提供者, 采用混合整数非线性规划方法对电动客车快速充电站的储能系统进行数值分析。.Wang等[23] 使用三阶段无控制整流充电器研究 EVCS 的谐波放大。Rivera等[24] 使用网格连接的中性点箝位转换器, 为 PEVs直流充电站提出了一种新的体系结构。Li等[25]使用博弈论考虑相关的物理约束, 研究了 EVCSs 与可再生发电机之间的价格竞争。
目前, 有一些研究侧重于EVCS选址。Antunes等[9]使用一个最大覆盖模型来研究葡萄牙 EVCS 的位置, 并定义 EVCS 的数量和容量。Khalkhali等[26] 使用数据包络分析, 通过最大限度地提高分配系统管理器的效益来确定插电式混动汽车EVCS的最佳大小和位置。Wirges等[27] 提出了一个动态空间模型来分配EVCS在德国的需求，并提出了到2020年充电基础设施发展的几种情景。Liu[28]估计了北京早期电动车市场的充电需求，并提出了一个任务模型为不同的充电基础设施分配策略。Liu等人[29]采用两步筛选方法来确定最佳的EVCS站点，同时考虑到环境因素和服务半径，并且还提出了一种用于EVCS大小确定的改进的原始 - 对偶内点算法。He等人[30]提出了均衡建模框架，用于大都市区域插电式混合动力汽车公共充电站的最优分配确定。 Wang等人[31]提出了考虑城市间道路用电和石油销售的EVCS定位模型，然后确定了EVCS的布局和数量。Chen等人[32]制定了一个混合整数规划模型，以确定在西雅图EVCS的最佳位置分配，最大限度地减少电动车用户的车站接入成本，并将停车需求，当地工作，人口密度和出行属性作为约束条件。为了提高光伏发电使用率并减少车辆负载的副作用，Pashajavid等人[33]提出了一种用于分配插电式电动车（PEV）的充电站的场景优化算法，该算法使用多元随机建模方法来对PEV的负载需求进行分配，并且利用粒子群算法（PSO）减少能量损失和配送系统的电压偏差。 Wang等人[34]提出了一种多目标EVCS规划方法来确定EVCS在智能电网中的最佳位置和规模，从而在电池容量受限的情况下最大化电动汽车交通流量。同时，采用数据包络分析方法得到最终的最优解，采用交叉熵方法处理规划问题。 Sathaye等人[35]在考虑需求不确定性的情况下，通过使用连续设施位置模型获得公共资助的公路走廊电动车辆基础设施的最佳位置。 Xu等人[36]提出了一个最小总运输距离的数学模型来识别电动汽车大规模集成到电网中的候选集中式充电站（CCS），然后采用基于禁忌机制的改进二元粒子群优化算法来确定最优CCS。董等人。 [37]提出了一种基于行为的评估方法来评估异构旅行人群的电动汽车可行性，然后应用遗传算法确定电动汽车公共充电站点的（子）最优位置。 Lee等人[38]提出了快速EVCS的位置模型，将电池的SoC和用户的充电和旅行行为考虑在内，然后通过对剩余燃料范围采用概率分布函数来确定EVCS位置。你等人。 [39]开发了一个混合整数规划模型，以确定EVCS的最优位置，从而最大限度地完成往返行程的人数，并且开发了一种高效的混合遗传算法，以在合理的CPU时间内获得妥协的解决方案。姚等人。 [40]制定了多目标协同规划战略，以解决集成配电和电动汽车充电系统中的最优规划问题，并且基于均衡的交通分配模型和基于分解的多目标进化算法被开发出来以获得解决方案。 Sadeghi-Barzani等人。 [10]提出了一个混合整数非线性优化方法来确定快速充电站的最佳位置和大小，其中考虑了电站开发成本，电动车辆能量损失，电网损耗和变电站以及城市道路的位置作为约束条件，采用遗传算法技术获得EVCS的最优位置和大小。 Baouche等人[41]为EVCS定位建立了一个整数线性优化模型，将电动汽车的消耗量作为优化模型的输入。Ma et 。[42] 采用基于代理的模型优化电动汽车初始加油站布局, 并利用仿真场景分析和遗传算法得到解决方案。蔡等。[43] 在北京使用了11880辆出租车的大规模弹道数据, 以评估从大数据中挖掘出的旅行模式如何能通知公共收费基础设施的发展。林等。[44] 采用了四种解决方法, 即迭代 MILP、贪婪法、有效 MILP 和化学反应优化, 解决 EVCS 放置问题, 并对不同的人工和实际性能进行评估。例.钟等。[45] 建立了基于流加油定位模型的电动汽车充电站规划的多周期优化模型, 并根据2011
全文共21098字，剩余内容已隐藏，支付完成后下载完整资料
英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[12489]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
