مكان يابي ايستگاه هاي شارژ خودروهاي الكتريكي مبتني بر موفقيت سفر آنها در شبكه حمل ونقل شهري

Locating Electric Vehicle Charging Stations Based on Trip Success in Urban Transportation System

نگراني هاي زيست محيطي استفاده از خودروهاي سوخت فسيلي و پيشرفت هاي اخير در زمينه تكنولوژي خودروهاي الكتريكي توجه جامعه جهاني را به سمت استفاده از خودروهاي الكتريكي جلب كرده است. در اين مقاله، يك استراتژي طراحي به منظور تامين بيشينه شاخص آسايش سفر رانندگان در سفرهاي شهري با رعايت شرط در نظر گرفتن ساير پارامترها، نظير توزيع مناسب ايستگاه هاي شارژ در سطح شهر و كمترين مسافت پيمايش خودروها ارايه شده است. فاكتور آسايش سفر در اين مقاله بدين صورت پيشنهاد مي شود كه راننده با صرف كمترين مسافت، در مسير حركت خود، ايستگاه شارژ دردسترس داشته باشد و سفر موفقي را به انجام برساند. با توجه به اينكه حركت خودروهاي الكتريكي در طول روز از هيچ الگوي خاصي تبعيت نمي كند، در اين مقاله، براي بررسي عدم قطعيت پارامترهاي خودروهاي الكتريكي از تبديل بي بو و دسته بندي مكان اوليه خودروهاي الكتريكي موجود در منطقه شهري، استفاده و درنهايت به منظور طراحي بهينه از الگوريتم ژنتيك بهره گرفته شده است. تابع هدف شامل دو بخش است؛ بخش اول، ميزان موفقيت سفر خودروهاي الكتريكي تا رسيدن به مقصد و بخش ديگر، تعداد ايستگاه هاي شارژ مكان يابي شده اند. نتايج شبيه سازي روي شبكه حمل ونقل، كيفيت روش پيشنهادي را تاييد مي كند.

Environmental concerns and recent developments in electric vehicle (EV) technology have attracted the attention of the international community to use EVs. In this paper, by considering an urban transportation network, a design strategy is presented to maximize drivers' travel comfort in urban trips. Further, the presented strategy meets various constraints, such as properly locating charging stations in the city, considering traffic volume, taking the shortest route per trip, reducing charging waiting time, etc. The travel comfort index in this paper corresponds to a situation in which the driver does not experience a depleted battery during a trip and successfully finish the trip. Therefore, charging stations should be located throughout the city so that the drivers can access them. Since the movement of vehicles over the course of a day does not follow any particular pattern, in this paper, we use unscented transformation (UT) to investigate the uncertainty in different probabilistic parameters of EVs. Moreover, by clustering the locations of EVs within the urban area, the optimal locations of EV charging stations are determined over the course of the day using an objective function based on a genetic algorithm. The simulation results of the urban transportation confirm the efficacy of the proposed method.