The Multi-Objective Optimization of Battery Swapping Stations for Electric Scooters: Using the Artificial Neural Network Model for Demand Prediction

論文翻譯標題: 電動機車電池交換站多目標最佳化之研究-以類神經網路建立需求預測模型
  • 盧 俊杰

學生論文: Doctoral Thesis

摘要

在近半個世紀以來,人類都以化石燃料為交通運輸主要的動力來源,其大量排放的溫室氣體導致全球暖化的問題不斷加劇。因此,為了打造以永續發展為目標的綠色運輸環境,發展對環境更加友善的電動車成為世界各國一致的目標。相較於燃油車,電動車在行駛時並不會有溫室氣體的排放、能源轉換效率較高、電力來源更加多樣化。 根據交通部2019年統計資料顯示,在臺灣每百人中就持有93 1輛機車,換句話說,臺灣民眾最主要的私人運具為機車。因此,本研究以電動機車作為欲探討之研究標的。雖然電動機車能為環境帶來極大的效益,但是臺灣邁向電動機車普及化還有非常大的距離,主要受制於其續航力尚無法負擔長途行駛,因此,電力補充設施的選址更顯得重要。目前主流的電力補充設施分為電池交換站與充電站,然而,電池交換站將會是臺灣未來發展的主要方向。因此,本研究將探討,同時滿足業者與消費者需求的電池交換站位置與設施規劃之最佳化。 本研究建構一多目標最佳化模型,以最大化電池交換站之設施使用量、消費者需求覆?率,在多種預算的限制下,同時以兩個不同的目標優化電池交換站的選址與設施規劃。本研究利用影響設施使用率之不同因素(如人口、區域類型、交通狀況等)作為預測之變數,並且利用類神經網路建立預測模型。在後續章節中,進一步探討不同現實條件下的兩種延伸模型之結果與分析。研究成果顯示: (1)類神經網路模型在設施使用率預測上具有90%準確性;(2)在較寬鬆的預算限制下,模型容易納入過多設施使用率較低之站點,以滿足更高的需求覆?率;以及(3)設施設立在三角窗、經銷商與交通狀況較壅塞的地段對設施使用率有較顯著的正向影響,而設立在巷弄內或路側路段則會有較顯著的負向影響。本研究之研究成果可以提供政府或業者進行設施使用率預測與設點位置最佳化的決策依據。
獎項日期2020
原文English
監督員Chien-Hung Wei (Supervisor)

引用此

'