一种综合的两阶段方法，用于高速公路网上独立电动汽车充电站的选址和规模确定。

本文提出了一种综合的两阶段方法，用于高速公路网上独立电动汽车充电站的选址和规模确定。在第一阶段，从提供有交通需求和电池数据的蒙特卡罗模拟中获得单个车辆需要充电服务的位置；提出了一个整数规划模型来确定潜在候选充电站的最优位置，确保每辆车能够访问至少一个充电站而不会耗尽电池；之后，可以模拟各个选定地点的充电需求的空间和时间分布。在第二阶段，开发了一个数据驱动的分布式鲁棒优化模型，以优化每个充电站中可再生发电和储能单元的容量。不确定的发电和需求由经验分布周围的一族不精确分布描述，它们在kull back-lei bler三度意义上的距离由可调标量控制。基于风险理论，提出了稳健模型的两种重构形式。第一种依赖于风险价值(VaR ),并产生一个混合整数线性规划(MILP ),这是更准确的；第二种方法提供了一个基于条件VaR的保守近似，并归结为一个更易处理的线性规划。对一个测试系统的数值研究验证了所提方法的有效性。

 针对独立可再生能源充电站规划问题，提出了一种两阶段方法。对运输系统进行建模；提出的DRO模型考虑了交通需求和太阳能发电的概率分布的不确定性；MILP和线性规划重构是基于风险理论发展起来的，它们对模型精度和计算易处理性有不同的侧重。案例研究的主要发现有三个方面。首先，在存在分布不确定性的情况下，传统机会约束规划的最优解不能保持期望的供应可靠性水平，而本文提出的分布稳健方法可以以数据驱动的方式解决各种分布不确定性，包括交通需求、每日电动车数量和光伏发电，而不需要不确定因素的精确概率分布。第二，MILP和LP重构各有优缺点；我们推荐后一种方法，因为它更容易处理，而且保守性对于规划问题来说是可以接受的。第三，模糊集中KL-散度的阈值应该被适当地确定，以平衡可靠性和成本。一般来说，我们拥有的数据越多，阈值就越小，因为我们对经验分布的准确性更有信心。我们正在进行的工作是在DRO框架下研究城市交通网络中快速充电站的选址和规模。交通分配模型将用于捕捉城市交通系统中的交通流量分布；配电系统中的功率流将被建模，以捕捉电动汽车充电需求对电网的影响。我们相信，在交通电气化的普遍趋势下，这种相互依赖的交通和配电基础设施将在未来的智能城市中普及。