近日，我校管理学院吴嘉彬博士分别以第一作者、通讯作者在能源领域国际知名期刊《Energy》（中国科学院一区Top）和《Applied Energy》（中国科学院一区Top）连续发表3篇学术论文，题名分别为“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”。《Energy》为中国科学院一区Top（工程技术前3.3%）、JCR一区期刊，影响因子9，在热力学领域JIF排名位居全球第3。《Applied Energy》为中国科学院一区Top（工程技术前2.5%）、JCR一区期刊，影响因子11.2，高被引论文ESI全球工程期刊排名第4，谷歌学术全球学术期刊第49。

电动汽车（Electric vehicles, EVs）的快速增长造成了充电站数量不足、分布不均等问题，这些问题日益严重。这不仅意味着EV用户在前往充电点的路途上需要花费更多经济和时间成本，还表明了EVs需要承担额外的行程能耗来解决续航问题，大幅度削弱了EVs使用清洁能源带来的环境效益。为了解决上述问题，本文首先建立了扩展时空状态网络用于描述路网交通环境的时变性与不确定性。其次，考虑EV前往充电站（charging station, CS）产生的行程能耗对CS选址布局的影响，以涵盖用户吸引程度、环境效益、经济成本的社会总成本最小化为目标函数，提出了EVCS选址-路径问题的协同优化模型（co-evolutionary optimization model of
Location-routing problem, CEOLRP），并设计了集自适应聚类框架与协同进化机制于一体的两阶段自适应协同进化聚类算法（Adaptive Co-evolutionary Clustering Algorithm,
ACECA）对模型进行求解。最后，通过搭建确定性和不确定的时变交通网络仿真环境，开展敏感性分析和多种算法性能对比实验验证了ACECA的有效性。结果表明，CS选址方案的建设成本与行程能耗成本存在对立的博弈关系，即短期的经济投入和长期的节能减排效益之间的博弈；此外，ACECA的求解性能和鲁棒性比其他算法更强，求解得到的选址方案在节能减排、减少用户充电成本方面具有卓越的优势。研究结果可为城市地区电动汽车的充电站选址规划问题提供理论支持。

当前电动公交车辆(Electric Buses, EBs)主要依靠电网提供的电能进行充电，而电能的生产仍会产生碳排放(carbon emission)。近年来光伏发电技术逐渐成熟，如果能够采用光伏(photovoltaic, PV)产生的电能为公交车充电，则可以从源头降低电动公交系统碳排放。考虑到光伏出力的波动性，本文提出了“光-储(Energy Storage System, ESS)-网”的混合供电模式(hybrid electricity supply mode)。首先考虑各种供电方式的特征，提出了不同场景下的充电策略，构建了电动公交车辆排班方案与充电方案的协同优化模型。其次，将模型拆解为车辆排班(bus dispatching)与充电调度(charging scheduling)两个子问题，并采用非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm-II，NSGA-II）进行求解，以输出线路车辆排班方案、车辆充电方式以及充电开始时刻、充电时长。最后，以一条实际电动公交线路以及实际的光伏出力(photovoltaic output power)数据对所提出的方法进行验证，并分析了天气类型、能源存储系统容量以及车载电池容量对优化方案的影响。结果表明：与传统单一电网供电模式(unitary grid electricity supply mode)相比，本文所提出的方法可将公交线路的每日充电费用降低25.48%、碳排放降低68.71%。

合理的道路设计不仅能提高通行效率、保障行车安全、减少施工成本，还能够降低道路运输能源消耗。然而，现有的道路设计研究主要关注安全、效率、经济等因素，鲜有研究考虑实际施工难度和交通运输的节能减排。为了填补现有研究空白，本文针对高速公路区间路段，提出了考虑车辆油耗最小化和施工可行性的纵坡设计方法。首先，采集了中国广东省广州市北环高速公路小汽车轨迹数据和油耗数据，利用车辆运行工况、道路坡度等参数提取随机森林算法的最优组合特征，进而建立高速公路小汽车油耗预测模型。其次，将油耗预测模型和动态规划算法相结合，建立高速公路小汽车生态车速规划模型（Ecological Speed Planning，ESP）。最后，面向智能车辆生态驾驶场景，基于嵌套蒙特卡洛树搜索算法提出了节油纵坡设计方法（Fuel-efficient slope design，FSD），并考虑填挖方平衡因素筛选了最佳的节油纵坡方案。结果表明，FSD能够降低小汽车在路段行驶的油耗约4.50%-6.52%；考虑填挖方平衡的节油纵坡设计方案不仅可降低小汽车在路段行驶的油耗约5.21%，还具有工程量较低的优点。研究成果有助于建立适用于智能车辆生态驾驶场景的高速公路节油纵坡设计理论与标准，能在兼顾通行效率的同时，长期降低高速公路车流的行程油耗，对降低碳排放、节省通行费用及保护不可再生资源都有重要意义。

        以上研究得到了国家自然科学基金、教育部人文社会科学基金、广东省基础与应用基础研究基金等项目的支持。

 

通讯员：吴嘉彬

审核：李远辉