مکان‌یابی ایستگاههای شارژ خودروهای الکتریکی مبتنی بر موفقیت سفر آنها در شبکۀ حمل‌ونقل شهری

نگرانی‌های زیست‌محیطی استفاده از خودروهای سوخت فسیلی و پیشرفت‌های اخیر در زمینۀ تکنولوژی خودروهای الکتریکی توجه جامعۀ جهانی را به سمت استفاده از خودروهای الکتریکی جلب کرده است. در این مقاله، یک استراتژی طراحی به‌منظور تامین بیشینۀ شاخص آسایش سفر رانندگان در سفرهای شهری با رعایت شرط در نظر گرفتن سایر پارامترها، نظیر توزیع مناسب ایستگاههای شارژ در سطح شهر و کمترین مسافت پیمایش خودروها ارائه شده است. فاکتور آسایش سفر در این مقاله بدین صورت پیشنهاد می‌شود که راننده با صرف کمترین مسافت، در مسیر حرکت خود، ایستگاه شارژ دردسترس داشته باشد و سفر موفقی را به انجام برساند. با توجه به اینکه حرکت خودروهای الکتریکی در طول روز از هیچ الگوی خاصی تبعیت نمی‌کند، در این مقاله، برای بررسی عدم قطعیت پارامترهای خودروهای الکتریکی از تبدیل بی‌بو و دسته‌بندی مکان اولیه خودروهای الکتریکی موجود در منطقۀ شهری، استفاده و درنهایت به‌منظور طراحی بهینه از الگوریتم ژنتیک بهره گرفته شده است. تابع هدف شامل دو بخش است؛ بخش اول، میزان موفقیت سفر خودروهای الکتریکی تا رسیدن به مقصد و بخش دیگر، تعداد ایستگاههای شارژ مکان‌یابی شده‌اند. نتایج شبیه‌سازی روی شبکه حمل‌ونقل، کیفیت روش پیشنهادی را تایید می‌کند.

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

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.