近日,，我校管理學院吳嘉彬博士分別以第一作者,、通訊作者在能源領(lǐng)域國際知名期刊《Energy》（中國科學院一區(qū)Top）和《Applied Energy》（中國科學院一區(qū)Top）連續(xù)發(fā)表3篇學術(shù)論文,，題名分別為“Location-routing optimization problem for electric
vehicle charging stations in an uncertain transportation network: An adaptive
co-evolutionary clustering algorithm”,、“Optimal Electric Bus Scheduling Method under Hybrid
Energy Supply Mode of Photovoltaic-Energy Storage System-Power Grid”和“Method for Designing Fuel-Efficient Highway
Longitudinal Slopes for Intelligent Vehicles in Eco-Driving Scenarios”?！禘nergy》為中國科學院一區(qū)Top（工程技術(shù)前3.3%）、JCR一區(qū)期刊,，影響因子9,，在熱力學領(lǐng)域JIF排名位居全球第3,。《Applied Energy》為中國科學院一區(qū)Top（工程技術(shù)前2.5%）,、JCR一區(qū)期刊,，影響因子11.2，高被引論文ESI全球工程期刊排名第4,，谷歌學術(shù)全球?qū)W術(shù)期刊第49,。

電動汽車（Electric vehicles, EVs）的快速增長造成了充電站數(shù)量不足、分布不均等問題,，這些問題日益嚴重,。這不僅意味著EV用戶在前往充電點的路途上需要花費更多經(jīng)濟和時間成本，還表明了EVs需要承擔額外的行程能耗來解決續(xù)航問題,，大幅度削弱了EVs使用清潔能源帶來的環(huán)境效益,。為了解決上述問題，本文首先建立了擴展時空狀態(tài)網(wǎng)絡用于描述路網(wǎng)交通環(huán)境的時變性與不確定性,。其次,，考慮EV前往充電站（charging station, CS）產(chǎn)生的行程能耗對CS選址布局的影響，以涵蓋用戶吸引程度,、環(huán)境效益,、經(jīng)濟成本的社會總成本最小化為目標函數(shù)，提出了EVCS選址-路徑問題的協(xié)同優(yōu)化模型（co-evolutionary optimization model of
Location-routing problem, CEOLRP）,，并設(shè)計了集自適應聚類框架與協(xié)同進化機制于一體的兩階段自適應協(xié)同進化聚類算法（Adaptive Co-evolutionary Clustering Algorithm,
ACECA）對模型進行求解,。最后，通過搭建確定性和不確定的時變交通網(wǎng)絡仿真環(huán)境,，開展敏感性分析和多種算法性能對比實驗驗證了ACECA的有效性,。結(jié)果表明，CS選址方案的建設(shè)成本與行程能耗成本存在對立的博弈關(guān)系,，即短期的經(jīng)濟投入和長期的節(jié)能減排效益之間的博弈,；此外，ACECA的求解性能和魯棒性比其他算法更強,，求解得到的選址方案在節(jié)能減排,、減少用戶充電成本方面具有卓越的優(yōu)勢。研究結(jié)果可為城市地區(qū)電動汽車的充電站選址規(guī)劃問題提供理論支持,。

當前電動公交車輛(Electric Buses, EBs)主要依靠電網(wǎng)提供的電能進行充電,，而電能的生產(chǎn)仍會產(chǎn)生碳排放(carbon emission)。近年來光伏發(fā)電技術(shù)逐漸成熟,，如果能夠采用光伏(photovoltaic, PV)產(chǎn)生的電能為公交車充電,，則可以從源頭降低電動公交系統(tǒng)碳排放?？紤]到光伏出力的波動性,，本文提出了“光-儲(Energy Storage System, ESS)-網(wǎng)”的混合供電模式(hybrid electricity supply mode),。首先考慮各種供電方式的特征，提出了不同場景下的充電策略,，構(gòu)建了電動公交車輛排班方案與充電方案的協(xié)同優(yōu)化模型,。其次，將模型拆解為車輛排班(bus dispatching)與充電調(diào)度(charging scheduling)兩個子問題,，并采用非支配排序遺傳算法（Non-dominated Sorting Genetic Algorithm-II,，NSGA-II）進行求解，以輸出線路車輛排班方案,、車輛充電方式以及充電開始時刻,、充電時長。最后,，以一條實際電動公交線路以及實際的光伏出力(photovoltaic output power)數(shù)據(jù)對所提出的方法進行驗證,，并分析了天氣類型、能源存儲系統(tǒng)容量以及車載電池容量對優(yōu)化方案的影響,。結(jié)果表明：與傳統(tǒng)單一電網(wǎng)供電模式(unitary grid electricity supply mode)相比,，本文所提出的方法可將公交線路的每日充電費用降低25.48%、碳排放降低68.71%,。

合理的道路設(shè)計不僅能提高通行效率,、保障行車安全、減少施工成本,，還能夠降低道路運輸能源消耗,。然而，現(xiàn)有的道路設(shè)計研究主要關(guān)注安全,、效率,、經(jīng)濟等因素，鮮有研究考慮實際施工難度和交通運輸?shù)墓?jié)能減排,。為了填補現(xiàn)有研究空白,，本文針對高速公路區(qū)間路段，提出了考慮車輛油耗最小化和施工可行性的縱坡設(shè)計方法,。首先,，采集了中國廣東省廣州市北環(huán)高速公路小汽車軌跡數(shù)據(jù)和油耗數(shù)據(jù)，利用車輛運行工況,、道路坡度等參數(shù)提取隨機森林算法的最優(yōu)組合特征,，進而建立高速公路小汽車油耗預測模型。其次,，將油耗預測模型和動態(tài)規(guī)劃算法相結(jié)合,，建立高速公路小汽車生態(tài)車速規(guī)劃模型（Ecological Speed Planning，ESP）,。最后,，面向智能車輛生態(tài)駕駛場景,，基于嵌套蒙特卡洛樹搜索算法提出了節(jié)油縱坡設(shè)計方法（Fuel-efficient slope design,，F(xiàn)SD）,，并考慮填挖方平衡因素篩選了最佳的節(jié)油縱坡方案。結(jié)果表明,，F(xiàn)SD能夠降低小汽車在路段行駛的油耗約4.50%-6.52%,；考慮填挖方平衡的節(jié)油縱坡設(shè)計方案不僅可降低小汽車在路段行駛的油耗約5.21%，還具有工程量較低的優(yōu)點,。研究成果有助于建立適用于智能車輛生態(tài)駕駛場景的高速公路節(jié)油縱坡設(shè)計理論與標準,，能在兼顧通行效率的同時，長期降低高速公路車流的行程油耗,，對降低碳排放,、節(jié)省通行費用及保護不可再生資源都有重要意義。

        以上研究得到了國家自然科學基金,、教育部人文社會科學基金,、廣東省基礎(chǔ)與應用基礎(chǔ)研究基金等項目的支持。

 

通訊員：吳嘉彬

審核：李遠輝