電動汽車充電樁網(wǎng)絡中的數(shù)據(jù)推斷與充電站選址定容問題研究.pdf

1、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。現(xiàn)有的與電動汽車服務相關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。構建高效的充電樁網(wǎng)絡已成為各國政

2、府和制造商提高電動汽車普及率的關鍵任務。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，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)絡布局，不能很好的服務現(xiàn)有電動車用戶。
　　本文關注充電基礎設施和充電樁網(wǎng)絡信息基礎設施的建設問題。我們首次系統(tǒng)地研究了充電樁網(wǎng)絡中的數(shù)據(jù)推斷問題。我們提出了一種新穎的解決方案

3、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體驗的改進。結果表明，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