北京市電動出租車充電設施選址優(yōu)化.pdf

1、隨著近年來環(huán)境和能源短缺問題日益嚴峻，世界各國對于能源結構調整和環(huán)保技術研究的熱情都持續(xù)高漲。由于傳統(tǒng)的燃油燃氣汽車是環(huán)境污染和能源消耗的主要來源，所以清潔的電力能源驅動的電動汽車受到了廣泛的關注和青睞，國內外都有大量電動汽車被投入市場作為傳統(tǒng)交通工具的替代品。然而由于電動汽車技術的局限性，其續(xù)航里程較短、充電時間長，所以電動汽車充電站無法使用傳統(tǒng)加油站的建設模式和同等的建站密度，導致了現(xiàn)有充電站難以滿足大量增長的電動汽車的充電需求，限

2、制了電動汽車的進一步應用和發(fā)展。
　　本文針對北京市電動出租車充電站選址的問題，以乘客出行和電動出租車運行的特征參數(shù)進行蒙特卡洛仿真，模擬了電動出租車充電需求產生的過程，識別了在目前情況下能夠保障乘客正常出行的電動出租車充電需求的時空分布;采用voronoi圖法劃分了充電站的服務范圍和容量，并在已知充電需求分布的基礎上，構成了選址模型的約束條件，而充電站建設和運行的成本函數(shù)則構成了選址模型的目標函數(shù);使用基本粒子群算法求出了低約束

3、選址模型的解，與P中值模型的解對比驗證了低約束選址模型的有效性，并引入禁忌粒子群算法提高了算法求解的精度;對影響選址模型結果的參數(shù)進行了敏感性分析、求出了選址模型的最優(yōu)解。
　　本文使用乘客出行距離和時間參數(shù)與電動出租車電池電量狀態(tài)參數(shù)的概率分布，使模擬過程符合真實的事件發(fā)生概率，從而避免了對復雜電動出租車運行軌跡的研究，減少了數(shù)據(jù)獲取的難度和數(shù)據(jù)冗余，同時提高了充電需求預測的精度;構建了基于粒子群算法求解的低約束選址模型，在保證