香港大学

工业与制造系统工程系

工业工程与物流管理理学硕士（工程）

IMSE7099 论文

提议

电动汽车充电站运营效率评价及运营优化策略研究

张欣然( 3036315932)

导师：

郑宇教授

提交日期： 202 年9 月10 日4

抽象的

摘要旨在突出所研究的问题、主要研究问题、目标、方法和预期结果。

• 请注意“摘要”不是“引言”。所包含的背景/一般信息量应尽可能少且必不可少！相关且简洁！

• 对研究领域的贡献。 （对于理学硕士，通常是适度的。） • 大约 300 字（用于提案）

介绍

学习背景

电动汽车市场的快速增长对充电基础设施提出了新的需求。本研究主要针对特定​​电动汽车充电服务企业的充电站运营效率及优化策略进行研究。面对市场竞争和多样化的用户需求，该企业面临着提高服务质量、降低成本的挑战。

研究的核心问题是如何提高企业充电站的运营效率，满足不同电动汽车用户的充电需求。优化运营策略对于增强企业竞争力、改善用户体验、促进电动汽车普及具有重要意义。本研究旨在为该企业提供定制化的运营改进解决方案，以适应市场发展并实现长期增长。

研究/研究问题的描述

1. 研究问题的确定

本次研究问题识别主要针对特定​​企业运营的电动汽车充电站，旨在解决如何提高这些充电站的运营效率和盈利能力。随着电动汽车市场的扩大，企业充电站面临着激烈的市场竞争和多样化的用户需求。主要问题包括充电站利用率不均、运营成本高、用户满意度参差不齐。本研究旨在找出这些问题并提出优化企业充电站运营管理的解决方案。

2 .目标

为了提高电动汽车充电站的运营效率，必须评估其当前的绩效并找出需要改进的领域，特别是在经济效益方面。这涉及制定和实施优化策略，不仅要提高企业充电站非高峰时段的利用率，还要全面评估和完善运营策略，以最大限度地提高这些充电站的经济效益。通过专注于这些战略改进，我们可以优化资源使用、降低成本，并最终推动电动汽车充电基础设施的可持续性和盈利能力。

3.研究问题

-影响充电站运营效率的因素有哪些？

-充电站服务如何调整以满足不同用户群体的需求？

-如何更有效地利用非高峰时段充电站的冗余容量？

-哪些运营优化策略可以有效提高充电站的市场竞争力、用户满意度和经济效益？

四、研究任务

为了提高电动汽车充电站的运营效率，需要采取综合方法来收集和分析运营数据，包括充电需求、用户行为和设施利用率。这种数据驱动的基础可以精确评估当前的运营效率，识别瓶颈和需要改进的领域。通过了解这些因素，可以设计和实施运营优化策略，例如调整收费价格以反映市场动态，提高服务质量以满足不同用户群体的需求。这些策略还可以侧重于更有效地利用非高峰时段的冗余容量，可能通过储能系统或电力市场的动态竞价策略。最后，必须评估这些优化策略的实施效果，并根据性能指标和客户反馈进行调整和改进。这种不断评估和改进的循环确保充电站保持竞争力、满足用户需求并产生经济效益。

五、研究范围及预期结果

本研究将在考虑可行性和资源限制的情况下，重点评估企业充电站的运营效率，分析不同用户群体的充电需求，制定非高峰时段冗余容量利用策略，设计和实施运营优化策略。预期成果包括企业充电站运营效率评估方法、针对充电站量身定制的运营优化策略、策略实施后的经济效益和用户满意度分析以及改进充电站运营和管理的建议做法。

研究方法概要

本研究的目的是提出并评估特定电动汽车充电站的运营优化策略，以提高其运营效率并实现净利润目标。以下是有助于实现研究目标的研究方法的详细概述。

1 理论框架

-描述支持本研究分析和建模的运营管理、效率评估、供需匹配和排队论理论。

-确定这些理论如何适应研究目标以及它们将如何指导数据收集和分析。

2. 数据收集方法

-详细描述将使用的数据收集方法，包括定量数据（例如充电站利用率、用户等待时间）和定性数据（例如用户满意度调查）的收集。

-描述数据来源，例如实地观察、调查问卷、业务记录和行业报告。

3. 数据分析技术

-描述将用于处理和分析数据的技术，例如统计分析、数据包络分析 (DEA) 和排队论模型。

-讨论如何使用这些技术来识别充电站运营的效率瓶颈以及影响用户满意度的因素。

4. 模型构建

-描述将要构建的模型，包括运营效率评估模型、供需匹配模型和排队论模型。

-讨论模型如何帮助了解充电站的运营动态并为改进策略提供基础。

五、实施方案

-概述如何实施和测试拟议的运营优化策略，包括试点项目、干预措施和有效性评估。

-讨论实施过程中可能遇到的挑战以及如何克服这些挑战。

6. 研究设计

-描述研究的总体设计，包括研究的顺序、时间安排和关键里程碑。

-讨论如何确保研究方法的可行性和有效性以及如何评估研究结果的可靠性和有效性。

文献综述

在新能源汽车推广初期，学者们开始关注用户充电行为以及用户与电池的交互模式。早期的研究主要集中在心理因素上，例如Franke和Krems通过现场实验评估了电动汽车用户的充电数据，发现用户倾向于在电池剩余电量较多时充电。基于Rahmati和Zhong的研究，他们提出了用户-电池交互模式（UBIS）的概念，并制定了评估UBIS的指标，发现UBIS在不同用户之间表现出一定的一致性。随后的研究扩展到充电地点选择、充电时间或频率、充电模式以及公共充电基础设施的使用。戴娜等人。提出了一种随机效用模型，集成到基于活动的需求建模系统中，以分析综合运输和能源系统。研究还发现，电池容量、初始充电量和过去快充次数是影响用户选择充电方式和充电地点的主要影响因素。

在充电系统运行效率方面，学者们重点关注充电堵塞、负荷偏差、充电设施利用率等指标。孙等人。构建多目标优化模型，缩小电网负荷峰谷差，最大限度降低用户充电成本和等待时间。 Jing Wei基于Stackelberg模型构建了博弈模型，构建了充放电实时资费定价策略。Limmer和Rodemann构建了旨在增加充电设施运营商长期收入的多目标动态定价框架。沃尔伯特斯R 等人。通过偏好调查研究了分时电价对充电站效率提高的影响，并通过二项式Logit模型证明了分时电价对充电站效率的影响，以证明分时电价对充电站效率的影响有效提高充电站运营效率。陶等人。构建了同时满足电网侧和用户侧充电策略的数学模型，减少了峰谷时的负荷差异和等效负荷波动。周等人。构建了协调充电调度优化模型，达到削峰填谷的目的。周方等人。提出充电站固定容量规划模型，降低充电设施闲置率。 这些研究为评估和提高充电站运营效率提供了参考依据。

在电动汽车充电站规划策略研究领域，国内外学者进行了广泛的探索。在国际上，刘等人。 (2020)通过收集德国高速公路路径和交通流量数据，建立了混合整数非线性优化模型，旨在综合考虑建设成本和驾驶员满意度，并通过遗传算法验证模型的有效性。 Luo和Qiu(2020)则基于城市公共充电站，建立了考虑预约服务、闲置率和等待时间的充电站选址模型，并证明了充电站选址模型的有效性。通过对成都市的案例研究。黄等人。 (2019)利用地理信息系统协助新充电站的选址和容量确定，以最大限度地降低充电站的生命周期成本和最大限度地提高用户便利性为目标，并以香港为中心验证了该方法的有效性。例子。 Hosseini和Sarder（2019）建立了贝叶斯网络模型，从可持续性的角度考虑定量和定性因素来处理快速充电站的选址。

国内研究虽然起步较晚，但发展很快。杨伟和王岩（2019）从纯电动汽车用户的角度建立了最小化充电距离总和的充电站选址模型。尹茂林（2019）以菏泽市为例提出了分散式充电桩与集中式充电站相结合的充电设施发展规划。谢元德等. (2020)以最小化社会总成本为目标，基于Voronoi图确定充电站位置，并利用排队论原理计算充电设备数量。何春辉等人。 (2020)对区域内的公交线路进行网格化，利用聚类算法输出充电站选址结果，并考虑公交可扩展性来确定充电站容量设置方案。

在充电站运营策略方面，胡玉良、张曼英（ 2020）比较了纯电动公交车不同的充电策略，通过数学建模和实例证明“白天快补、夜间慢充”的充电策略是最优的。分析。奚嘉文等. （2012）通过排队论建立了基于用户便利性和配电网络容量的充电站服务模型，以确定充电站服务规模。金宁等.等（2019）建立了基于混合交通网络的用户充电路径模型和充电排队仿真模型，准确刻画了混合交通网络下行驶中纯电动汽车的充电行为。蒋兰清和张勇（2019）建立了以纯电动公交车充电等待时间和容量为约束的社会福利最大化模型，并利用算法求解该模型。

此外，奚培峰和鞠晨（2019）提出在公交车充电站增设储能系统，并建立了储充系统容量优化配置模型，验证了公交充电中储充系统的经济性。站以及对配电网的影响。刘文和赵燕（2019）采用基于规模可变收益的实验模型分析了北京公共充电设施的运营效率，并提出了提高运营效率的建议。这些研究为充电站的规划、建设和运营提供了理论依据和实践指导。

拟议的研究方法

数据包络分析（DEA ）

本研究预计采用经典的CCR-DEA模型和​​超高效DEA模型来评估充电站的运营效率并对结果进行分析。该方法适合处理多维数据，可以对决策单元的效率进行相对评价。

采用数据包络分析方法对充电桩运营企业运营数据进行分析，确定评价投入指标和产出指标，构建运营效率评价体系。通过经典的CCR-DEA模型并整理指标，针对模型评价结果不准确的问题，引入超效率DEA模型进行评价优化。通过评估，得出不同充电站的运营效率并进行排名，提出充电站效率提升的整体和局部运营优化策略，为充电桩运营企业了解自身运营状况和优化他们的运营。

2 .需求预测方法

需求预测方法是根据充电站因果模型来预测充电站的充电需求。以净利润为目标建立因果关系模型，并基于上述因果模型构建以净利润为目标的规划函数，通过定性和定量分析来预测社会车辆的充电需求。该方法有助于预测未来充电需求的变化，从而为充电站的规划和运营提供依据。

3.排队论​

排队规则一般有FCFS（先到先服务）规则、优先级规则、SPT（FCFS，即先到先服务，是静态规则，不随服务顾客和队列的特点而改变，优先级规则，根据顾客的特点设置，对顾客进行分类，然后在同一优先级内采用FCFS规则SPT，即让服务时间最短的顾客得到有限的服务，使服务等待平均化可以最大限度地缩短所有客户的时间：EDD，即允许处理更紧急事务的客户获得有限服务，以及EDD，即允许处理更紧急事务的客户获得有限服务；是针对服务时间最短的客户的有限服务，可以最大限度地减少所有客户的平均服务等待时间；EDD是针对需要处理的事情比较紧急的客户的有限服务。

排队轮模型可以用三个字母符号A/B/m表示，其中A表示顾客到达之间的时间。 B表示服务系统服务时间的概率分布，m表示服务站数量， m=1,2,3。 ..如果顾客到达间隔时间和服务系统的服务时间服从指数分布（即泊松分布），A和B用M标记。如果顾客到达间隔时间和系统的服务时间是常数（服从Erlang分布）A和B标记为E。如果顾客到达间隔时间和系统的服务时间服从正态均匀分布，则A和B标记为G。

常见的排队模型有M/M/1模型和M/M/c模型，在M//1模型中，顾客数量无限，每个顾客到达间隔和服务时间相互独立，不受排队系统。排队系统中只有一个等候队列，队长不限，采用FCFS规则排队，系统中服务站数量只有1个，顾客到达时间和服务的服务时间系统服从泊松分布。 M/M/c模型与M/M/1模型的条件相同，只是系统中服务站的数量从1增加到c（c表示系统中服务站的数量，服务站之间是相互独立的。

本研究中纯电动汽车的充电行为根据用户的行驶里程、出行习惯、个人对SOC的感知不同敏感度等，选择相互独立的到达站充电时间，服从泊松分布。充电站充电桩服务时间根据充电车辆和车辆BMS系统的充电需求也是相互独立的，并且服从指数分布。从排队规则来看，当到达车辆数量小于充电站提供的充电桩数量时，到达车辆可以随机选择站内充电桩进行充电，不存在排队现象；当充电站系统中的充电车辆数量多于充电桩数量时，充电桩数量无法满足所有充电车辆的充电服务，等待充电的充电车辆在单台排队排队，收费按照先到先得的原则进行。 （FCFS规则）整个充电站服务系统符合M/M/c模型的条件。