基于电动汽车出行链的城市充电站布局研究

《基于电动汽车出行链的城市充电站布局研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：１０００４密级：公开ＢＥＩＪＩＮＧＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ硕士学位论文基于电动汽车出行链的城市充电站布局研究作者姓名李映炼学科专业物流管理与工程指导教师傅少川教授培养院系经济管理学院二零一八年四月辦交邊乂＃硕士学位论文基于电动汽车出行链的城市充电站布局研宄ＲｅｓｅａｒｃｈｏｎｔｈｅＬａｙｏｕｔｏｆＵｒｂａｎＣｈａｒｇｉｎｇＳｔａｔｉｏｎＢａｓｅｄｏｎＥｌｅｃｔｒｉｃＶｅｈｉｃｌｅＴｒｉｐＣｈａｉｎ

2、作者：李映炼导师：傅少川＇北京交通大学＇２０１８年４月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。学校可以为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。（保密的学位论文在解密后适用本授权说明）：学位论文作者

3、签名：４导师签名＼２，：签字日期：＞〇１３年月７日签字日期Ｍｌ年多月疗日学校代码：１０００４密级：公开北京交通大学硕士学位论文基于电动汽车出行链的城市充电站布局研究ＲｅｓｅａｒｃｈｏｎｔｈｅＬａｙｏｕｔｏｆＵｒｂａｎＣｈａｒｇｉｎｇＳｔａｔｉｏｎＢａｓｅｄｏｎＥｌｅｃｔｒｉｃＶｅｈｉｃｌｅＴｒｉｐＣｈａｉｎ１５１作者姓名：李映炼学号：２０６０２导师姓名：傅少川职称：教授学位类别：管理学学位级别：硕士：学科专业物流管理与工

4、程研究方向：物流系统规划北京交通大学２０１８年４月ｉ致谢，在这两年半的时间里研宄生生涯转眼即将结束，在老师和同学的帮助下，自身各方面能力都有了很大提高。在此衷心感谢老师和同学们在学术以及生活上给予的指导和帮助。一首先，我要感谢导师傅少川教授。傅老师为人和蔼，研宄生每阶段的进步都离不开导师的悉心指导和亲切的鼓励。本文从选题、构思到成稿的过程中，导，提出了很多撰写建议和修改意见师都给予了很大的帮助。在此向傅老师表示最真挚的感谢。在论文撰写期间，，我的两位室友

5、秦博文和熊肖翔也给予了我很大的支持他们的鼓励和关心使我能够更有信心和耐心完成论文的撰写，。在模型的求解方面胡海浪同学也给予了很大的帮助。在此向他们表示衷心的感谢。一最后，我还要感谢我的家人如既往的关怀和鼓励使我面对困难时依，他们然能够保持积极的心态。北京交通大学硕士学位论文摘要一当前，由于国家政策，我国新能源汽车的产销量已位居全球第的大力支持一和相关技术的不断改进，新能源汽车产业在未来很长段时间内仍会保持快速增长。２０１６年底，我国公共充电桩共有１５万个，电动汽车保

6、有量为１０９万辆，虽然充电桩与电动汽车的比例基本达到政府要求的最低标准１：７，但是由于充电站选址不合理、快充粧与慢充粧配比不合理以及管理不当等原因，充电粧的使用率非常低。因此，如何合理的选择充电站建设数量、建设地址和优化站内快充与慢充充电粧的建设比例成为本文研宄的目标。本文以电动汽车充电需求为核心，分析了电动汽车出行规律和充电决策对充电需求的影响以及充电需求和充电站服务水平对充电站布局的影响。电动汽车在时间与空间上的出行规律和用户充电决策是影响充电需求类型和时空分布情况的

7、直接因素。充电需求是影响充电站建设数量和选址的主要因素，充电站服务水平则是影响充电站定容的辅助性因素。在模型建立及求解过程中，首先构建电动汽车出行时间和空间特征量的概率密度函数以及充电决策机制，，根据各个特征量的概率密度函数利用蒙特卡洛模拟方法抽取随机数一，模拟电动汽车天的出行过程和充电需求发生情况，得到电动汽车群体的充电需求，并给出了对需求进行轻微聚合和去掉时间属性的方法；然后，以平均充电距离和充电站建设成本最小为目标，建立了充电站布局的多目－－标优化模型，并采用了非支配

8、飞蛾火焰算法（ＮｏｎｄｏｍｉｎａｔｅｄＳｏｒｔｉｎｇＭｏｔｈｆｌａｍｅ－ｏｐｔｉｍｉｚａｔｉｏｎ，ＮＳＭＦＯ）对模型进行求解。本文最后以北京市为例，采集到北京市ＰＯＩ（ＰｏｉｎｔｏｆＩｎｔｅｒｅｓｔ）数据和其他参ａｔ，对６０万辆电动汽车的出行及充电过程进行模数数据。在ＭｌａｂＲ２０１６ｂ环境下拟，得到充电需求数据，并从空间和时间两个维度对充电需求进行了分析。利用－ＭａｔｌａｂＲ２０１６ｂ工具编写ＮＳＭＦＯ算法