管理學(xué)院吳嘉彬博士在能源管理領(lǐng)域頂級期刊連續(xù)發(fā)表三篇研究論文

發(fā)表時間：2024-10-12

近日,，我校管理學(xué)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(xué)院一區(qū)Top）和《Applied Energy》（中國科學(xué)院一區(qū)Top）連續(xù)發(fā)表3篇學(xué)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(xué)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(xué)領(lǐng)域JIF排名位居全球第3,。《Applied Energy》為中國科學(xué)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(xué)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(yán)重。這不僅意味著EV用戶在前往充電點的路途上需要花費(fèi)更多經(jīng)濟(jì)和時間成本,，還表明了EVs需要承擔(dān)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(kuò)展時空狀態(tài)網(wǎng)絡(luò)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(jì)成本的社會總成本最小化為目標(biāo)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(yīng)聚類框架與協(xié)同進(jìn)化機(jī)制于一體的兩階段自適應(yīng)協(xié)同進(jìn)化聚類算法（Adaptive Co-evolutionary Clustering Algorithm, ACECA）對模型進(jìn)行求解。最后,，通過搭建確定性和不確定的時變交通網(wǎng)絡(luò)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(jì)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(qiáng),，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(dāng)前電動公交車輛(Electric Buses, EBs)主要依靠電網(wǎng)提供的電能進(jìn)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(jìn)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(jìn)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(fèi)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(yùn)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(jì)等因素,，鮮有研究考慮實際施工難度和交通運(yùn)輸?shù)墓?jié)能減排,。為了填補(bǔ)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(yùn)行工況,、道路坡度等參數(shù)提取隨機(jī)森林算法的最優(yōu)組合特征,，進(jìn)而建立高速公路小汽車油耗預(yù)測模型。其次,，將油耗預(yù)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(biāo)準(zhǔn),，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(fèi)用及保護(hù)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(xué)基金,、教育部人文社會科學(xué)基金、廣東省基礎(chǔ)與應(yīng)用基礎(chǔ)研究基金等項目的支持,。                                             

稿件來源：管理學(xué)院

通訊員：李遠(yuǎn)輝