基于随机森林代理辅助多目标优化的电动汽车充换电站联合选址与容量规划方法

《Algorithms》：Joint Location and Capacity Optimization of Electric Vehicle Charging and Battery-Swapping Stations Using Random Forest Surrogate-Assisted NSGA-III

　　随着电动汽车（EVs）渗透率的不断提高，充电与换电基础设施的协同规划面临新的挑战。本研究旨在电动汽车—交通耦合系统中，考虑基础设施成本、用户服务需求和配电网性能，开发电动汽车充电站（EVCSs）和电动汽车换电站（EVSSs）的联合选址与容量规划框架。基于时空能量补充需求和交通—电网耦合关系，建立了多目标规划模型。为提高计算效率，提出了一种基于随机森林代理辅助的NSGA-III算法（RF-SA-NSGA-III），其中昂贵的用户服务和电压相关目标评估由随机森林模型选择性近似，并结合周期性真实模型校正与最终验证。案例分析表明，所提方法能够获得具有竞争力的Pareto最优解，替代了89.38%的昂贵评估，将计算时间从45,706.3秒降至4,689.4秒。该框架在平衡投资、用户服务质量和电压性能的同时，为充电站与换电站的协同选址和容量分配提供了实用支持。