【摘要】：盡管電動汽車市場增長迅速,但由于電動汽車電池容量有限和充電不便,大眾仍然普遍擔心電動汽車的用戶體驗�，F(xiàn)有的與電動汽車服務(wù)相關(guān)的研究工作大多都假定所需的數(shù)據(jù)是已知的,并忽略了實踐中的數(shù)據(jù)缺失問題。一旦所需數(shù)據(jù)無法及時獲得,依賴于充電樁數(shù)據(jù)的在線智能服務(wù)會遭受顯著的性能損失,而此類問題在多數(shù)據(jù)源、跨運營商應用的情景下十分常見。另一方面,作為化石燃料車輛的綠色替代品,電動車被全世界許多政府大力推廣。構(gòu)建高效的充電樁網(wǎng)絡(luò)已成為各國政府和制造商提高電動汽車普及率的關(guān)鍵任務(wù)。精心策劃的充電站點可以以更低的成本為更多的電動汽車用戶服務(wù),并提高用戶的滿意度。然而,大多數(shù)用于電動汽車充電站的現(xiàn)有規(guī)劃方法主要基于燃油車的交通數(shù)據(jù)(例如交通流量和停車位置),電動車的充電行為模式往往被忽略,導致低效網(wǎng)絡(luò)布局,不能很好的服務(wù)現(xiàn)有電動車用戶。本文關(guān)注充電基礎(chǔ)設(shè)施和充電樁網(wǎng)絡(luò)信息基礎(chǔ)設(shè)施的建設(shè)問題。我們首次系統(tǒng)地研究了充電樁網(wǎng)絡(luò)中的數(shù)據(jù)推斷問題。我們提出了一種新穎的解決方案來推斷實時充電樁使用狀態(tài)。我們的方法不僅利用了充電樁之間的空間和時間關(guān)聯(lián),還考慮了用戶行為。該推斷算法基于蒙特卡羅最大似然估計模型和吉布斯抽樣理論。我們完整實現(xiàn)了該系統(tǒng)并通過真實世界的數(shù)據(jù)集對其進行評估。實驗結(jié)果表明,我們的方法可達到94%的總體推斷準確度,分別比兩種替代方法好14%和11%。我們還進行了案例研究以評估端到端服務(wù)體驗的改進。結(jié)果表明,我們的方法可以進一步降低充電樁推薦應用中的時間成本,并且在最好的情況下使得用戶滿意度比替代方法提高44%。此外,我們提出并實現(xiàn)一種新算法來估算充電需求和規(guī)劃新的充電站建設(shè)方案。我們呈現(xiàn)和分析了北京官方電動車公共服務(wù)平臺開發(fā)的手機應用的使用數(shù)據(jù)和北京充電樁網(wǎng)絡(luò)中的充電事件數(shù)據(jù)。通過分析和建模用戶的充電樁搜索行為、充電站導航行為以及充電樁事件,我們提出了一種基于貝葉斯推斷的算法來融合三個模型以估計充電需求。最后,我們以北京作為目標城市實現(xiàn)了一個參考系統(tǒng),并通過大量實驗來展示我們系統(tǒng)的性能。
【學位授予單位】：中國科學技術(shù)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U491.8
【圖文】：

圖１．２北京充電服務(wù)覆蓋率逡逑京電動汽車的市場份額約為２．４％，但城市的市區(qū)基本上已經(jīng)被充電基礎(chǔ)設(shè)施覆逡逑蓋了。圖１．２給出了不同服務(wù)半徑下充電服務(wù)覆蓋率的累積分布函數(shù)�？梢钥闯觯义袭敿僭O(shè)一個充電站服務(wù)周圍半徑２ｋｍ以內(nèi)的電動車用戶時，充電服務(wù)覆蓋了五逡逑環(huán)內(nèi)９５％的面積。當該半徑擴大到３ｋｍ時，六環(huán)內(nèi)可實現(xiàn)９５％的覆蓋率。在這逡逑種情況下，使用交通數(shù)據(jù)來捕捉電動汽車的移動性是非常困難的，因為它們只占逡逑交通整體流量的一小部分。從某種意義上說，基于燃油車交通數(shù)據(jù)估算的充電需逡逑求反映了未來電動車駕駛員的潛在需求。如何捕捉現(xiàn)有電動汽車的充電需求是逡逑一個有趣且具有挑戰(zhàn)性的問題。逡逑除了部署更多的充電站，我們還需提供配套的信息基礎(chǔ)設(shè)施來支撐各種各逡逑樣的智能服務(wù)，比如負載均衡、充電規(guī)劃、電樁推薦等等。如圖１．１所示，城市逡逑中存在多種數(shù)據(jù)來源。一個城市的公共充電|纈篩鞲鱸擻掏綣鉤傘Ｋ駑義獻湃禾甯兄ǎ悖潁錚鰨溴澹螅錚酰潁悖椋睿玨澹幔睿溴澹螅錚悖椋幔戾澹螅澹睿螅椋睿紓┘際醯姆⒄梗嚼叢蕉嗟撓τ檬瑰義嫌煤鴕覽滌沒Р杉蕁Ｍü餮形頤欠⑾

本文編號：2782622