Development of an integrated management system for electric vehicles charging stations networks

Abstract

The growing adoption of electric vehicles (EVs) presents critical challenges for the design and management of charging networks, requiring solutions that balance strategic infrastructure planning with operational efficiency. This dissertation addresses these challenges by introducing a unified optimization framework that integrates EV charging station placement with EV routing and charging scheduling—two inherently NP-hard problems traditionally studied in isolation. By bridging these domains, the research advances a holistic approach to EV network design, simultaneously tackling long-term planning and operational complexities. At the core of this framework lies a genetic algorithm-based methodology, which addresses the inherently multi-objective nature of EV charging network optimization. By integrating practical considerations such as traffic dynamics, demand variability, grid constraints, and user-centric metrics, the framework ensures relevance to real-world challenges. Unlike existing studies that often simplify these aspects or address them independently, this research captures the interdependencies between EV operations and charging network design, offering a more realistic and adaptable solution. The framework’s effectiveness is demonstrated through a wide spectrum of case studies that explore diverse scenarios, such as varying network configurations, grid constraints, user demand profiles, and fleet scalability. These studies provide critical insights into optimising travel times, reducing waiting times, balancing energy distribution, and enhancing user satisfaction, even under high-demand or congestion-heavy conditions. In comparative evaluations, the integrated model achieved travel time improvements ranging from 2% to 12 %, while waiting time deviations remained minimal, within ±3%. These results reflect the model’s ability to adapt to traffic dynamics and operational constraints, reinforcing its practicality and robustness. The results highlight the potential of integrated strategies in improving infrastructure utilisation, reducing operational inefficiencies, and supporting sustainable EV adoption on a larger scale. This research contributes to the fields of EV charging station placement and EV routing/charging scheduling by unifying their objectives into a cohesive strategy, showcasing its ability to address the multi-faceted challenges of electric mobility systems.

Η αυξανόμενη υιοθέτηση των ηλεκτρικών οχημάτων δημιουργεί κρίσιμες προκλήσεις για τον σχεδιασμό και τη διαχείριση των δικτύων φόρτισης, απαιτώντας λύσεις που να εξισορροπούν τον στρατηγικό σχεδιασμό υποδομών με την επιχειρησιακή αποδοτικότητα. Η παρούσα διατριβή αντιμετωπίζει αυτές τις προκλήσεις, προτείνοντας ένα ενοποιημένο πλαίσιο βελτιστοποίησης που συνδυάζει την τοποθέτηση σταθμών φόρτισης ηλεκτρικών οχημάτων με τη δρομολόγηση και τον προγραμματισμό φόρτισης των οχημάτων—δύο προβλήματα που είναι εγγενώς NP-hard και συνήθως μελετώνται απομονωμένα. Ενοποιώντας αυτούς τους τομείς, η έρευνα προωθεί μια ολιστική προσέγγιση στον σχεδιασμό των δικτύων φόρτισης ηλεκτρικών οχημάτων, αντιμετωπίζοντας ταυτόχρονα τόσο ζητήματα μακροπρόθεσμου σχεδιασμού όσο και λειτουργικής πολυπλοκότητας. Κεντρικό στοιχείο του προτεινόμενου συστήματος αποτελεί μια μεθοδολογία βασισμένη σε γενετικούς αλγορίθμους, ικανή να διαχειριστεί τον πολυκριτηριακό χαρακτήρα της βελτιστοποίησης των δικτύων φόρτισης. Λαμβάνοντας υπόψη ρεαλιστικές παραμέτρους, όπως η κυκλοφοριακή ροή, η μεταβλητότητα της ζήτησης, οι περιορισμοί του ηλεκτρικού δικτύου και δείκτες προσανατολισμένοι στον χρήστη, το πλαίσιο διασφαλίζει την εφαρμοσιμότητά του σε πραγματικές συνθήκες. Σε αντίθεση με προγενέστερες μελέτες που συχνά απλοποιούν ή μελετούν αποσπασματικά αυτούς τους παράγοντες, η παρούσα εργασία αναδεικνύει τις αλληλεξαρτήσεις μεταξύ της λειτουργίας των ηλεκτρικών οχημάτων και του σχεδιασμού των σταθμών φόρτισης, προσφέροντας μια πιο ρεαλιστική και προσαρμόσιμη λύση. Η αποτελεσματικότητα του πλαισίου αποδεικνύεται μέσα από ένα ευρύ φάσμα μελετών περίπτωσης, οι οποίες εξετάζουν διαφορετικά σενάρια—όπως εναλλακτικές διαμορφώσεις δικτύου, περιορισμούς του ηλεκτρικού δικτύου, προφίλ ζήτησης των χρηστών και δυνατότητες κλιμάκωσης στόλου. Οι μελέτες αυτές παρέχουν σημαντικές γνώσεις για τη βελτιστοποίηση του χρόνου μετακίνησης, τη μείωση των χρόνων αναμονής, την εξισορρόπηση της κατανομής ενέργειας και τη βελτίωση της ικανοποίησης των χρηστών, ακόμη και σε συνθήκες υψηλής ζήτησης ή συμφόρησης. Σε συγκριτικές αξιολογήσεις, το ολοκληρωμένο μοντέλο πέτυχε βελτιώσεις στον χρόνο ταξιδιού μεταξύ 2% και 12%, ενώ οι αποκλίσεις στον χρόνο αναμονής διατηρήθηκαν σε ελάχιστα επίπεδα, εντός ±3%. Τα αποτελέσματα αυτά αποτυπώνουν την ικανότητα του μοντέλου να προσαρμόζεται σε δυναμικές κυκλοφοριακές και λειτουργικές συνθήκες, ενισχύοντας την πρακτικότητά του και την ανθεκτικότητά του. Τελικά, τα ευρήματα αναδεικνύουν τη δυναμική των ολοκληρωμένων στρατηγικών στη βελτίωση της αξιοποίησης των υποδομών, τη μείωση των λειτουργικών αναποτελεσματικοτήτων και την ενίσχυση της βιώσιμης υιοθέτησης ηλεκτρικών οχημάτων σε ευρύτερη κλίμακα. Η παρούσα έρευνα συμβάλλει στους τομείς της χωροθέτησης σταθμών φόρτισης και του προγραμματισμού δρομολόγησης/φόρτισης ηλεκτρικών οχημάτων, ενοποιώντας τους επιμέρους στόχους σε μια συνεκτική στρατηγική και αναδεικνύοντας τη δυνατότητά της να ανταποκριθεί στις πολύπλευρες προκλήσεις των συστημάτων ηλεκτροκίνητης κινητικότητας.