以混合整數規劃優化移動式充電樁存放位置

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：100

、訪客IP：18.189.185.63

姓名

黃柏翰(Po-Han Huang) 查詢紙本館藏

畢業系所

工業管理研究所

論文名稱

以混合整數規劃優化移動式充電樁存放位置
(Using Mixed-integer Programming to Optimize the Selection of Parking Location for Mobile EV Chargers)

相關論文

★ 以模擬退火演算法進行化鍍製程無關聯平行機台之排程	★ 以混合整數規劃安插電鍍銅平行機台之緊急訂單
★ 以混合整數規劃進行非相關平行機台之批次製造排程	★ 考量最大利潤之再生能源發電業最佳能源分配
★ 工業用電考量時間電價之太陽能發電系統最佳配置規劃	★ 應用深度學習優化塗佈機之預測性維護
★ 應用資料探勘提升伺服器CPU熱流驗證效能	★ 半導體設備商因應歐盟碳邊境調整機制之供應商遴選模式
★ 以螞蟻演算法最佳化具備時間窗考量之貨櫃電池運輸路徑	★ 快遞轉運中心以風光互補發電提升電動車隊用電之綠能佔比
★ 製藥業連續製程可行性之外部環境評估	★ 以基因演算法優化無人機送餐路徑

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 (2029-7-20以後開放)

摘要(中)

近年來，氣候變遷問題日益嚴重，各國積極推動減碳行動。台灣也提出了2040年小客車全面電動化的政策目標。本研究旨在探討電動車對環境的影響及其減少碳排的重要性，並以優化移動式電動車充電樁的設置來解決充電基礎設施不足的問題。考慮到現有固定式充電站在土地資源有限的城市地區設置面臨的挑戰，本研究以台北市為案例，提出了一個兩階段的混合整數規劃（MIP）模型。第一階段的MIP模型選擇最大化覆蓋分數候選站點組合。第二階段的MIP模型則以成本最小化為目標，選擇最優的存放站設置位置。
　　研究結果顯示，本研究篩選出104個站點，並在第一階段選擇了20個候選站點。在這20個站點中，無任何兩站點距離小於500公尺，並且有30筆資料已選站點與未選站間間距離小於500公尺，達到了最大化覆蓋分數的目標。第二階段最終選定汎美皮膚科診所作為存放站設置位置，總成本為105,305,512元，其中派遣成本為10,366,584元，電費成本為42,110,654元。優化移動式充電樁的設置能顯著提高充電基礎設施的覆蓋範圍，特別在城市土地資源有限的情況下，提供了一種可行且有效的替代方案。考慮到不同地區的特殊情況和需求，本研究模型具有適應性和擴展性，並通過引入綠能發電來減少碳排放和降低運營成本。未來的研究可進一步擴展模型應用，結合最新的技術發展如5G通信和物聯網技術，提升系統的智能化和自動化水平，實現更加可持續和綠色的交通系統，為全球減碳目標做出貢獻。

摘要(英)

In recent years, the issue of climate change has become increasingly severe, prompting countries worldwide to actively promote carbon reduction initiatives. Taiwan has also set a policy goal of fully electrifying passenger cars by 2040. This study aims to explore the environmental impact of electric vehicles (EVs) and their significance in reducing carbon emissions. To address the issue of insufficient charging infrastructure, we propose optimizing the deployment of mobile EV charging stations. Considering the challenges faced by fixed charging stations in urban areas with limited land resources, this study uses Taipei City as a case study and proposes a two-stage Mixed Integer Programming (MIP) model.

　　In the first stage, the MIP model selects the combination of candidate sites that maximizes the coverage score. In the second stage, the MIP model aims to minimize costs by selecting the optimal locations for storage stations. The research results indicate that out of the 104 screened sites, 20 candidate sites were selected in the first stage. None of these 20 sites are within 500 meters of each other, and there are 30 data points where the selected sites and unselected sites are within 500 meters, achieving the goal of maximizing the coverage score. In the second stage, the Pan America Dermatology Clinic was ultimately chosen as the storage station location, with a total cost of NT$105,305,512, including dispatch costs of NT$10,366,584 and electricity costs of NT$42,110,654.

　　Optimizing the deployment of mobile charging stations can significantly improve the coverage of charging infrastructure, providing a feasible and effective alternative, especially in urban areas with limited land resources. Considering the unique circumstances and needs of different regions, the proposed model is adaptable and scalable. By incorporating green energy generation, the model can also reduce carbon emissions and operational costs. Future research can further expand the application of the model by integrating the latest technological developments, such as 5G communication and the Internet of Things (IoT), to enhance the intelligence and automation of the system. This would contribute to a more sustainable and green transportation system, aiding global carbon reduction goals.

關鍵字(中)

★ 永續發展
★ 淨零碳排
★ 再生能源
★ 電動車
★ 充電選址
★ 混合整數規劃

關鍵字(英)

★ Sustainable Development
★ Net-Zero Carbon Emissions
★ Renewable Energy
★ Electric Vehicles
★ Charging Station Site Selection
★ Mixed Integer Programming

論文目次

摘要 i
Abstract ii
目錄 iv
表目錄 vi
圖目錄 vii
第一章研究問題 1
1.1 全球暖化(global warming) 1
1.2 研究動機 5
1.3 問題描述 11
第二章文獻探討 14
2.1 電動車 14
2.2 選址問題(site selection problem) 16
2.3 選址問題應用方法 18
第三章研究方法 23
3.1 問題分析 23
3.2 MIP模型與參數 26
3.3 研究流程 36
第四章電腦實驗 38
4.1 資料蒐集 38
4.1.1 選址站點需求 38
4.1.2 電動車及移動式充電樁需求 39
4.1.3 太陽能日射量 42
4.1.4 成本設定(電價成本、碳稅、能源均化成本、土地成本) 43
4.2 實驗結果分析 46
4.2.1 參數設定 46
4.2.2 結果分析 48
4.2.3 敏感度分析 51
4.2.4 研究貢獻 53
第五章結論 54
5.1 研究總結 54
5.2 未來發展與後續研究 55
參考文獻 57

參考文獻

中文文獻
[1]人車事新聞（2020）。固定式充電樁將成歷史？福斯集團發表移動式充電機器人概念。檢自https://www.carstuff.com.tw/car-news/item/33192-2020-12-30-04-28-26.html（上網日期：2024年1月2日）。
[2]內政部地政司（2024）。地籍圖資網路便民服務系統。檢自https://easymap.land.moi.gov.tw/W10Web/Normal（上網日期：2024年5月21日）。
[3]台灣就業通（2023）。電動車市場概況及未來趨勢。檢自https://job.taiwanjobs.gov.tw/internet/index/DocDetail.aspx?uk=2740&docid=40079（上網日期：2024年1月29日）。
[4]台灣電力公司（2024）。各類電價表及計算範例。
[5]全國法規資料庫（2010）。都市計畫法臺灣省施行細則。檢自https://law.moj.gov.tw/LawClass/LawOldVer.aspx?pcode=D0070012&lnndate=20100201&lser=001（上網日期：2024年5月21日）。
[6]交通部（2023）。臺灣2050淨零轉型「運具電動化及無碳化」關鍵戰略行動計畫（草案）。
[7]交通部公路局（2024）。交通部公路局統計查詢網。檢自https://stat.thb.gov.tw/hb01/webMain.aspx?sys=100&funid=11100 (上網日期：2024年5月8日)
[8]交通部中央氣象局(2023)。農業氣象觀測網監測系統。檢自https://agr.cwa.gov.tw/NAGR/history/station_hour (上網日期：2024年5月12日)
[9]行政院（2023）。臺灣2050淨零排放。
[10]全達國際（2024）。E-HERO移動式充電機器人。檢自https://www.chander.com.tw/e-hero5.html（上網日期：2024年5月8日）。
[11]陳福來（2019）。電動車大未來：世紀初電動車簡史。ca汽車頻道。檢自https://channel-auto.com/2019/11/05/original-of-ev-cars/（上網日期：2024年1月15日）。
[12]郭家宏（2021）。電動車秘史：190 年前就已經上路，市占率還一度超過三成。今新聞。檢自https://esg.businesstoday.com.tw/article/category/180696/post/202109140047/（上網日期：2024年1月15日）。
[13]經濟部能源署（2023）。加油站經營實體統計。檢自https://www2.moeaea.gov.tw/oil111/Dealer/BusinessEntity（上網日期：2024年1月29日）。
[14]經濟部能源署（2024）。各縣市汽車加油站汽柴油銷售統計月資料。檢自https://www.moeaea.gov.tw/ECW/populace/content/wfrmStatistics.aspx?type=2&menu_id=1300 (上網日期：2024年5月8日)
[15]臺北市交通管制工程處（2023）。交通流量調查資料。檢自https://www.bote.gov.taipei/cp.aspx?n=E0C93DC334AE8028 (上網日期：2024年3月15日)。
[16]環境部氣候變遷署（2023）。氣候變遷因應法。
[17]環境部氣候變遷署（2024）。碳費收費辦法草案。
英文文獻
[18]Andrade, T., Kelman, R., Cunha, T. M., Albuquerque, L. R., & Calili, R. F. (2022). An integer programming model for the selection of pumped‐hydro storage projects. Water Resources Research, 58(1), e2020WR028625.
[19]Chen, C. F. (2006). Applying the analytical hierarchy process (AHP) approach to convention site selection. Journal of Travel Research, 45(2), 167-174.
[20]Chang, N. B., & Makkeasorn, A. (2010). Optimal site selection of watershed hydrological monitoring stations using remote sensing and grey integer programming. Environmental Modeling & Assessment, 15, 469-486.
[21]European Economic Area (2016). Electric Vehicles in Europe.
[22]Guo, S., & Zhao, H. (2015). Optimal site selection of electric vehicle charging station by using fuzzy TOPSIS based on sustainability perspective. Applied Energy, 158, 390-402.
[23]Hale, T. S., & Moberg, C. R. (2003). Location science research: A review. Annals of Operations Research, 123, 21-35.
[24]Hosseini, S., & Sarder, M. D. (2019). Development of a Bayesian network model for optimal site selection of electric vehicle charging station. International Journal of Electrical Power & Energy Systems, 105, 110-122.
[25]Intergovernmental Panel on Climate Change (2018). Global Warming of 1.5 ℃.
[26]Intergovernmental Panel on Climate Change (2023). AR6 Synthesis Report : Climate Change 2023.
[27]International Energy Agency (2023). Net Zero Roadmap: A Global Pathway to Keep the 1.5 °C Goal in Reach.
[28]Li, Z., Sahinoglu, Z., Tao, Z., & Teo, K. H. (2010). Electric vehicles network with nomadic portable charging stations. In 2010 IEEE 72nd Vehicular Technology Conference-Fall, 1-5.
[29]Li, J., Tang, Y., & Zhou, L. (2015). Electric Vehicle Charging Station Location Problem Research. Information and Communication Technology in Education, 2630-2637.
[30]Our World in Data (2023). Emissions by Sector: Where Do Greenhouse Gases Come From.
[31]Şahin, T., Ocak, S., & Top, M. (2019). Analytic hierarchy process for hospital site selection. Health Policy and Technology, 8(1), 42-50.
[32]Shariff, S. M., Alam, M. S., Ahmad, F., Rafat, Y., Asghar, M. S. J., & Khan, S. (2019). System design and realization of a solar-powered electric vehicle charging station. IEEE Systems Journal, 14(2), 2748-2758.
[33]United Nations (1992). United Nations Framework Convention on Climate Change.
[34]United Nations (1997). Kyoto Protocol.
[35]United Nations (2015). Paris Agreement.
[36]United National Environment Programme (2021). National Greenhouse Gases Inventory Report of the Islamic Republic of Afghanistan.
[37]United National Environment Programme (2023). Emissions Gap Report 2023.
[38]Weber, A., (1929). The Theory of the Location of Industries. Chicago：University of Chicago Press.
[39]Wang, B., Liang, Y., Zheng, T., Yuan, M., & Zhang, H. (2018). Multi-objective site selection optimization of the gas-gathering station using NSGA-II. Process Safety and Environmental Protection, 119, 350-359.
[40]Wu, Y., Yang, M., Zhang, H., Chen, K., & Wang, Y. (2016). Optimal site selection of electric vehicle charging stations based on a cloud model and the PROMETHEE method. Energies, 9(3), 157.
[41]The World Bank(2024). Launch of the 2024 State and Trends of Carbon Pricing Report.
[42]Ye, B., Jiang, J., Miao, L., Yang, P., Li, J., & Shen, B. (2015). Feasibility study of a solar-powered electric vehicle charging station model. Energies, 8(11), 13265-13283.
[43]Zhou, G., Zhu, Z., & Luo, S. (2022). Location optimization of electric vehicle charging stations: Based on cost model and genetic algorithm. Energy, 247, 123437.

指導教授

王啓泰(Chi-Tai Wang)

審核日期

2024-7-23

推文