論文の概要: Citizen centric optimal electric vehicle charging stations locations in
a full city: case of Malaga
- arxiv url: http://arxiv.org/abs/2109.04975v1
- Date: Fri, 10 Sep 2021 16:19:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-13 13:18:33.163821
- Title: Citizen centric optimal electric vehicle charging stations locations in
a full city: case of Malaga
- Title（参考訳）: 都市部における市民中心の最適な電気自動車充電ステーション:マラガの事例
- Authors: Christian Cintrano, Jamal Toutouh, and Enrique Alba
- Abstract要約: 遺伝的アルゴリズム (GA) と可変近傍探索 (VNS) の2つのメタヒューリスティックスを適用した。
スペインのマラガ市の現実的なシナリオに関する実験的分析は、メタヒューリスティックスがマラガの駅の実際の設置を劇的に改善する競争力のある解決策を見つけることができることを示している。
- 参考スコア（独自算出の注目度）: 8.204924070199864
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This article presents the problem of locating electric vehicle (EV) charging
stations in a city by defining the Electric Vehicle Charging Stations Locations
(EV-CSL) problem. The idea is to minimize the distance the citizens have to
travel to charge their vehicles. EV-CSL takes into account the maximum number
of charging stations to install and the electric power requirements. Two
metaheuristics are applied to address the relying optimization problem: a
genetic algorithm (GA) and a variable neighborhood search (VNS). The
experimental analysis over a realistic scenario of Malaga city, Spain, shows
that the metaheuristics are able to find competitive solutions which
dramatically improve the actual installation of the stations in Malaga. GA
provided statistically the best results.
- Abstract（参考訳）: 本稿では,EV-CSL(EV-CSL)問題を定義し,都市における電気自動車充電ステーションの配置に関する問題点について述べる。
このアイデアは、市民が自動車を充電するために旅行する距離を最小化することにある。
EV-CSLは、設置する充電ステーションの最大数と電力需要を考慮している。
遺伝的アルゴリズム (GA) と可変近傍探索 (VNS) の2つのメタヒューリスティックスを適用した。
スペインのマラガ市における現実的なシナリオに関する実験分析は、メタヒューリスティクスがマラガの駅の設置を劇的に改善する競争的解決策を見つけることができることを示した。
GAは統計学的に最良の結果を与えた。
関連論文リスト
- GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [82.19172267487998]
GARLIC: GPT拡張強化学習のフレームワーク。
本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
論文 参考訳（メタデータ） (2024-08-19T08:23:38Z) - Maximum flow-based formulation for the optimal location of electric
vehicle charging stations [2.340830801548167]
本稿では,EV充電需要を最大フロー問題として駅に割り当てるモデルを提案する。
実世界のシナリオを扱うための我々のアプローチのスケーラビリティを実証し、モントリオール市の方法論を紹介します。
論文 参考訳（メタデータ） (2023-12-10T19:49:09Z) - Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。
我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。
本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
論文 参考訳（メタデータ） (2023-10-18T18:38:59Z) - Federated Reinforcement Learning for Electric Vehicles Charging Control
on Distribution Networks [42.04263644600909]
マルチエージェント深部強化学習(MADRL)はEV充電制御において有効であることが証明されている。
既存のMADRLベースのアプローチでは、配電ネットワークにおけるEV充電/放電の自然な電力フローを考慮できない。
本稿では,マルチEV充電/放電と最適電力流で動作する放射分布ネットワーク(RDN)を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2023-08-17T05:34:46Z) - Federated Reinforcement Learning for Real-Time Electric Vehicle Charging
and Discharging Control [42.17503767317918]
本稿では、動的環境下で異なるEVユーザに対して最適なEV充電/放電制御戦略を開発する。
多様なユーザの行動や動的環境に適合する水平連合強化学習法(HFRL)を提案する。
シミュレーションの結果,提案したリアルタイムEV充電/放電制御戦略は,様々な要因において良好に機能することが示された。
論文 参考訳（メタデータ） (2022-10-04T08:22:46Z) - A Multi-Objective approach to the Electric Vehicle Routing Problem [0.0]
電気自動車ルーティング問題(EVRP)は、燃料ベースの車からより健康的で効率的な電気自動車(EV)に移行するために、研究者や工業者から大きな関心を集めている。
以前の作業では、ロジスティクスや配送関連のソリューションをターゲットにしており、複数の停止を行った後、同質の商用EVが最初のポイントに戻らなければならない。
我々は、旅行時間と充電の累積コストを最小化する多目的最適化を行う。
論文 参考訳（メタデータ） (2022-08-26T05:09:59Z) - A Reinforcement Learning Approach for Electric Vehicle Routing Problem
with Vehicle-to-Grid Supply [2.6066825041242367]
EVルーティングに強化学習(RL)を用いたQuikRouteFinderを提案する。
RLの結果は混合整数線形プログラム(MILP)と遺伝的アルゴリズム(GA)のメタヒューリスティックスに基づく正確な定式化と比較される。
論文 参考訳（メタデータ） (2022-04-12T06:13:06Z) - Web Mining to Inform Locations of Charging Stations for Electric
Vehicles [18.25327009053813]
電気自動車(EV)オーナーは、充電ステーションと関心点(POI)の間を歩く意思に一定の制限がある
我々は, OpenStreetMap の異なる POI が充電ステーションの利用に与える影響を特徴付ける Web マイニングの利用を提案する。
我々は、POIと充電ステーションの両方の空間分布を考慮に入れた、調整された解釈可能なモデルを提案する。
論文 参考訳（メタデータ） (2022-03-10T17:00:18Z) - Optimal Placement of Public Electric Vehicle Charging Stations Using
Deep Reinforcement Learning [0.0]
Reinforcement Learning (RL) の新たな応用により、新しい充電ステーションの最適な場所を見つけることができる。
提案するRLフレームワークを世界中の都市に適用し,充電ステーション配置を最適化する。
論文 参考訳（メタデータ） (2021-08-17T17:25:30Z) - Risk Adversarial Learning System for Connected and Autonomous Vehicle
Charging [43.42105971560163]
我々は、コネクテッドかつ自律的な自動車充電インフラ(CAV-CI)のための合理的意思決定支援システム(RDSS)の設計について検討する。
検討されたCAV-CIでは、配電系統オペレーター(DSO)が電気自動車供給装置(EVSE)を配備し、人間駆動のコネクテッドカー(CV)と自動運転車(AV)のためのEV充電設備を提供する。
人力EVによる充電要求は、実際の需要よりもエネルギーと充電時間を必要とすると不合理になる。
我々は,CAV-CIが解決する新たなリスク対向型マルチエージェント学習システム(ALS)を提案する。
論文 参考訳（メタデータ） (2021-08-02T02:38:15Z) - Intelligent Electric Vehicle Charging Recommendation Based on
Multi-Agent Reinforcement Learning [42.31586065609373]
電気自動車(ev)はその環境とエネルギーの持続可能性のために現代の交通システムで選択されている。
多くの都市では、限られた充電インフラとほとんどバランスの取れない充電需要のために、EVドライバーは充電に適した場所を見つけることができません。
公共充電ステーションをインテリジェントに推奨する,マルチエージェント時空間時空間学習(MasterReinforce)というフレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-15T06:23:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。