《Carbon Management》：Optimization methods for electric vehicle charging station placement and vehicle assignment
编辑推荐：
交通运输电气化是绿色交通环境的关键解决方案之一。随着电动汽车数量的增加并导致更高的渗透率，需要快速部署电动汽车充电站以满足电动汽车（EV）车主对续航里程的关切、提高充电桩可用性并减少充电等待时间。然而，部署充电基础设施可能成本高昂且物流上具有挑战性，特别是在需
交通运输电气化是绿色交通环境的关键解决方案之一。随着电动汽车数量的增加并导致更高的渗透率，需要快速部署电动汽车充电站以满足电动汽车（EV）车主对续航里程的关切、提高充电桩可用性并减少充电等待时间。然而，部署充电基础设施可能成本高昂且物流上具有挑战性，特别是在需要部署超级快充桩时。在本研究中，研究人员解决了在多种约束条件下将一批电池电动汽车分配给现有兴趣点（PoI）的问题。考虑的约束包括充电站数量、最终电池状态、等待时间、驾驶风格和充电成本。为了解决分配问题，本研究引入了两种优化模型：数学规划（Mathematical Programming, MP）和贪心算法（Greedy Algorithm, GA），并引入了一个包含沿高速公路需要充电的一组车辆的案例研究来展示两种方法的实用性。两种模型均使用三个充电站满足了所有电池电动汽车（BE）的充电需求，产生了相同的部署成本。然而，由于充电收入差异，总成本有所不同。此外，研究人员进行了敏感性分析以评估模型参数对分配和总成本的影响。
以下是根据论文内容撰写的解读文章：
**研究背景与问题：** 交通运输电气化是实现零排放交通的重要途径，但电动汽车（EV）数量的快速增长对充电基础设施提出了迫切需求。目前，充电站部署成本高昂，尤其超级快充桩（3级充电器）费用极高，而随机部署无法满足不同电池容量需求。现有研究多关注减少充电时间或电网稳定性，但忽略了部署成本优化与充电收入抵消的协同效应。因此，本研究旨在通过最小化充电站数量和部署成本，同时考虑充电收入，解决电池电动汽车（BE）在高速公路场景下的最优分配问题。论文发表于《Carbon Management》。
**主要关键技术方法：** 研究人员提出了两种优化模型：数学规划（MP）模型和贪心算法（GA）模型。案例研究基于高速公路场景，包含8辆电池电动汽车（BE）和5个候选兴趣点（PoI），每站最多安装3个3级充电器（P
max=3）。电池初始电量随机设定为20%-80%，全充电成本（F）为$20，安装成本（C1）为$54,777，每增加一个充电器折扣（D）$9,271。两种模型均以最小化总成本为目标，总成本包括部署成本减去充电收入。约束包括：每车只能分配一站、充电点数不超过P
max、只有有车分配时才建站、满足所有充电需求。
**研究结果：**
**数学规划案例研究：** 研究人员通过Excel求解器求解LP模型，分配结果显示3个站点被选中（S2、S3、S4），部署成本$215,712，充电收入$107。敏感性分析表明：平均充电水平影响站点选择——当平均电量40%时，选择S1、S2、S3；60%时选择S2、S3、S4；80%时选择S3、S4、S5。增加每站最大充电点数P
jmax：当P
jmax=2时总成本$289,774；P
jmax=4时总成本$141,436，较基础情况（P
jmax=3）降低34%。
**贪心算法案例研究：** 研究人员通过GA迭代分配，优先服务充电需求最高的车。第一次迭代将BE-car 3、7、8分配到S1；第二次迭代将BE-car 1、4、5分配到S2，BE-car 2、6分配到S3；第三次迭代完成所有分配。部署成本$215,712，充电收入$79。敏感性分析再次显示，P
jmax从2增至4时总成本下降34%。
**讨论：** 两种方法均使用三个站点满足所有BE车的充电需求，部署成本相同（$215,712），但总成本差异源于充电收入（MP为$107，GA为$79）。MP通过延迟充电（推迟至更远的站点）使车辆到达时电池电量更低，从而卖出更多电量，获得更高收入；而GA优先将高需求车辆分配至前方站点，导致充电收入较低。与现有研究对比，本研究LP模型与[Citation11]不同，其目标是最小化部署成本而非仅满足最低充电需求；与[Citation20]和[Citation21]不同，本模型不关注电网稳定性；与[Citation22]不同，本模型专注于高速公路场景而非城市区域。GA模型则弥补了[Citation19]中忽略站容量、等待时间与成本的缺陷。
**结论（翻译）：** 环境可持续性可通过将交通部门转变为零排放车辆来实现。由于交通贡献约37%的全球温室气体排放，更严格的排放法规和更低的运营成本加速了电动汽车的采用。美国政府预计到2030年电动汽车渗透率将达到50%，导致碳排放减少28%。电动汽车市场预计到2030年增长至8237.5亿美元。然而，有限的充电基础设施和高车辆成本仍然是主要障碍。在本研究中，研究人员提出了两种新颖的优化策略来解决电动车辆队到充电站的分配问题。通过线性规划和贪心算法建模，主要目标是最小化充电桩部署的总成本，同时满足电动汽车的能量需求，确保车辆到达充电点时电池容量不低于20%的阈值。考虑了多种约束，如充电站数量、最大充电容量、最终电池状态、等待时间、距离和充电成本。一个示例案例展示了使用3级充电器的成本函数如何影响部署成本和充电位置。两种模型都优化了成本，但数学规划模型在充电成本方面实现了更好的节省。两种模型均使用三个充电站满足了所有电池电动汽车（BE）的充电需求，部署成本相同（$215,712），但由于充电成本差异（数学模型$107，贪心算法$79），总成本不同。数学模型通过战略性地延迟充电获得更高充电收入，确保电池水平保持在20%以上且不超过每站充电器限制。敏感性分析显示，增加每站最大充电器数量（P
jmax）可降低总成本，提升至4时成本降低34%。未来工作可调整模型以适应混合充电器类型，考虑不同驾驶需求，并扩展为多目标决策，包括等待时间、功率损耗和成本。
