软件X 20（2022）101254原始软件出版物ChargEVal -使用基于代理的建模来模拟和分析充电站部署场景Chintan Pathak，David Beck，Don MacKenzie美国西雅图华盛顿大学ar t i cl e i nf o文章历史记录：收到2021年收到修订版，2022年3月17日接受，2022年保留字：电动汽车快速充电电动车辆供电设备a b st ra ctChargEVal是一个框架，用于使用基于代理的建模（ABM）来模拟充电站部署场景的性能。ABM利用行为模型来模拟旅行的车辆ChargEVal可供多个用户使用，通过图形用户界面或编程方式同时提交多个模拟。ChargEVal还有一个专用的结果查看器，用于查看模拟汇总统计数据和座席状态值，便于详细了解和模拟比较。虽然ChargEVal的当前实现是特定于美国华盛顿州的，但其基本框架足够通用，可以应用于任何规模的任何地理位置©2022由Elsevier B.V.发布这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本1.0.0永久链接到代码/存储库使用的此代码版本https://github.com/ElsevierSoftwareX/SOFTX-D-21-00074法律代码许可证MIT许可证使用git的代码版本控制系统软件代码语言，工具和服务使用R，Shiny，PostgreSQL，NodeJS，Flyway，Docker，GAMA，Redis，Grafana，AWSEC2，AWS SDK，Read The SDK等。编译要求、操作环境依赖性Linux如果可用，链接到开发人员文档/手册https://chargeval.readthedocs.io问题支持电子邮件dwhm@uw.edu1. 动机和意义虽然大多数电动汽车（EV）充电发生在家里或在工作场所，但仍然需要为长途旅行的人提供公共充电站无法在家中或工作场所充电。公共充电基础设施也可以帮助缓解里程焦虑，这是一种担心在没有充电的情况下被困的恐惧。有证据表明，可供公众使用的充电站网络可以提供帮助减轻对长途旅行的焦虑，使更多的长途旅行成为可能。为了在长途旅行中发挥作用，公共充电站应该支持快速充电。从充电站快速充电，*通讯作者。电子邮件地址：cp84@uw.edu（Chintan Pathak）、dacb@uw.edu（David Beck）、dwhm@uw.edu（Don MacKenzie）。https://doi.org/10.1016/j.softx.2022.101254用于为客户提供更短的充电间歇，并为充电站提供在一天中为更多车辆服务的能力。快速充电站虽然是首选，但在资本投资和运营成本方面成本更高。因此，至关重要的是找到快速充电站的位置，使它们具有高的潜在利用率。本文报告了ChargEVal- 它结合了基于经验的出行需求模型和基于代理的模拟框架中的充电行为，以估计快速充电器的利用率。模拟的利用率取决于包括电动汽车车队规模、充电倾向等因素。模拟的充电器利用率和峰值功率汲取可以被馈送到充电站的经济模型，该经济模型考虑安装和操作的固定和可变成本充电站通过使用所提出的决策支持系统，公共机构和私营公司可以通过明确地2352-7110/©2022由Elsevier B. V.出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxChintan Pathak，David Beck和Don MacKenzie软件X 20（2022）1012542···在GUI中或通过API提供充电站的位置和规格，并比较多个选址方案。1.1. ChargEVal中的组件模型ChargEVal的各种组件如下所述1.1.1. 长距离出行需求模型在一条路线上充电的必要性与通过该路线的电动汽车出行次数成正比。在Jabbari等人之前的工作中，使用INRIX数据估计了起点-目的地（OD）对之间的行程计数[1]的文件。OD矩阵由大约300k+行组成，用于指示从华盛顿州内的所有起始邮政编码到所有目的地邮政编码的行程计数。1.1.2. 车辆选择决策模型车辆选择决策模型（VCDM）提供了旅行者使用电动汽车进行长途旅行的概率，取决于各种旅行和车辆特性。通用电气[2]估计了几个离散选择模型产生的声明偏好调查。为了在ChargEVal中实现，使用潜在类别逻辑回归模型，该模型在个人拥有的内燃机车辆（ICEV）、租赁ICEV或个人拥有的电池电动车辆（BEV）之间进行车辆选择。1.1.3. 收费选择决策模型当车辆在其目的地的途中，它可能需要沿途充电。在充电站充电的选择在Ge [2]开发的各种模型中，ChargEVal目前使用静态选择决策模型。该模型取决于路线、充电站和车辆特性以及状态，如现在的充电状态、车内时间、充电时间、充电成本、该位置是否存在便利设施等。1.1.4. 基于智能体的电动汽车基础设施模型（eviabm）EV基础设施基于代理的模型（eviabm）是一种基于代理的模型，用于对华盛顿州的EVSE利用率进行建模。因此，它具有以下属性：1.1.4.1. 剂.华盛顿州的电动汽车：我们认为所有在华盛顿州注册的电动汽车都是我们的电动汽车代理商。虽然一些电动汽车可能在州外行驶，一些州外车辆可能在华盛顿州内行驶，但在目前的研究中，我们忽略了这些车辆。当前实现从数据库中的EV表读取EV信息，该数据库由州许可部门提供的数据填充。数据包括制造商，型号，车型年份和注册的邮政编码。然后将品牌、型号和车型年份信息与EERE fueleconomy.gov提供的数据相关联，以找到车辆的续航里程和能量容量。EV表需要定期更新 考虑目前的EV车队信息。EV表还可以填充不同华盛顿公路网：电动汽车在公路上行驶，旅行仅限于州际公路。目前，我们忽略了道路的高程，但在未来，道路高程可以包括在内，能量模型可以解释高程的变化。电动汽车供电设备/充电站：充电站是电动汽车在电量耗尽时充电的代理。瞬时功率消耗和总能量消耗是我们感兴趣的模拟的EVSE利用率输出。1.1.4.2. 环境目前，二维模拟以华盛顿州为界。1.1.4.3. 时间单个模拟以1分钟的时间步长运行24小时。这意味着我们一次模拟一天内在州内的EV旅行，并每分钟更新我们代理的状态。2. 软件描述2.1.系统架构图1显示了ChargEVal系统图。箭头显示了一个典型的模拟请求流。可总结如下（图像上的相应步骤编号0. Nginx Web服务器提供Web UIGrafana实例用于集中监控和记录系统。1. 在认证后，用户可以通过证据放置和配置新的充电站，并提交模拟请求。2. 将模拟请求写入数据库。3. 数据库生成一个插入通知，该通知由Simulation Manager（simman）拾取。4. simman将传入的模拟请求排队，并按顺序处理它们。5. 启动一个trip generation（tripgen）虚拟机6. 在tripgen完成后，tripgenEC2实例被终止，并且eviabmEC2实例被启动。7. 在完成eviabm时，eviabm实例被终止，并且向用户发送具有到resview的链接的成功电子邮件。部署的分布式特性使得调试和维护。然而，这种设计确保了（几乎）无限数量的模拟可以并行运行，唯一的瓶颈是数据库，数据库可以根据需求的变化进行扩展或缩小。设计的另一个重要考虑因素框架的普及可能需要时间，并且基础设施的编程控制允许仅提供必要的计算，从而最大限度地降低系统成本。2.1.1. 主应用程序主机ChargEVal应用程序托管在Linux机器上，目前托管在AWSEC2实例上。对于此设置，建议使用大小为T3a.large或更高这台机器使用Docker Compose堆栈来托管组件服务。2.1.1.1. Nginx Nginx容器通过将请求反向转发到相应的端口来将所有Web请求路由到各个容器。2.1.1.2. EV基础设施设计师（Evides）。证据（图）2）是使用RShiny创建的用户界面（UI），用于输入详细信息（位置，类型，计数等）。然后提交模拟请求。2.1.1.3. 模 拟 管 理 器 （ simman ） 。 Simman 是 用 NodeJS 编 写 的ChargEval中的控制器。simman的目的是监视数据库中的插入。新的模拟请求被排队并按顺序处理。由于模拟中的下一个步骤-AWS SDKfor JavaScript [3]用于启动和终止tripgen和eviabm进程的AWS EC2实例。 Simman过程如图所示。3.第三章。Chintan Pathak，David Beck和Don MacKenzie软件X 20（2022）1012543图 1.ChargEVal系统图。图二. EV基础设施设计师（evides）2.1.1.4. Redis Redis容器用于在模拟管理器中持久化队列的状态。2.1.1.5. 结果查看器（resview）。当模拟成功求解时，用户会收到一封注册电子邮件ID的电子邮件。该电子邮件包含resview的链接，resview是一个R Shiny网络应用程序。resview允许用户浏览他们提交的所有模拟结果并已解决。通过查看多个模拟的详细输出，用户可以比较充电站部署方案的性能图 中 所 示 的摘要统计选项卡。 4是第一视图，以显示在模拟运行日期-时间选择上。选项卡BEV和EVSE分别显示整个模拟过程中EV和充电站代理的状态。2.1.2. 数据库带有PostGIS和pgRout- ing扩展的云托管PostgreSQL数据库被用作ChargEVal的中央数据存储，因为它具有一流的地理空间支持。使用防火墙限制对受信任IP地址的访问并创建具有最小权限的用户来强制执行数据库安全性数据库触发器用于Chintan Pathak，David Beck和Don MacKenzie软件X 20（2022）1012544图三. Simulation Manager过程流程图。生成通知以向外部客户机发送关于仿真状态更新的信号。数据库迁移使用Flyway [4]。2.1.3. Trip generation（TRIPGEN）基于代理的模型模拟了华盛顿州一天内发生的长途电动汽车旅行 。 1.1.1 中 描述 的长 途 出行 需 求模 型与 车 辆选 择 决策 模型（1.1.2）一起使用，在华盛顿州的一个典型的一天电动汽车旅行。行程生成过程开始于估计任何给定的起点和目的地邮政编码之间的EV行程的数量，然后，对于每次行程，模拟它是在EV中还是传统的车辆。然后，它将生成的行程和相关的车辆信息插入到相关的数据库表中，供eviabm稍后使用。2.1.4. 基于智能体的电动汽车基础设施模型（eviabm）基于EV基础设施代理的模型eviabm 在GAMA中实现[5]。GAMA被认为适合这个项目，因为它支持空间显式的基于代理的模型。GAMAeviabm在专用虚拟机中以无头模式运行。从数据库中读取相应模拟的代理定义，并将模拟输出写回数据库。2.1.5. 集中监控和记录监控和日志记录是确保软件框架以及调试和优化期间的平稳和有效操作所必需的。Dockprom [6]用于捕获所有运行服务随时间推移的CPU、内存和磁盘空间消耗等详细指标使用Loki Docker驱动程序Chintan Pathak，David Beck和Don MacKenzie软件X 20（2022）1012545图四、 结果查看器-摘要统计数据选项卡。图五. 场景1（左）和场景2（右）的新充电站位置。场景2中的道路覆盖有估计的未服务交通指数。较粗的线表示较高水平的未服务流量。将日志从Docker服务发送到Loki实例。在Grafana [7]中，日志和日志显示在仪表板中，每5秒更新一次，以便对应用程序主机资源进行细粒度的监控和日志记录其他仪表板显示数据库的实时更新以及来自临时tripgen和eviabm实例的度量和日志。2.2. 提交新的模拟请求新的模拟请求可以通过UIevides或编程方式生成。evides的特点是一个地图，允许点击放置和配置充电器适合第一次用户，或在地理环境是有帮助的。通过允许用户直接插入到数据库中来实现程序化提交。 这允许人们使用任何编程语言，比如Python，来进行插入。当需要进行多个模拟时，在提交时做些小改动。编程方法的另一个用例是通过ChargEVal之外的某种机制选择候选位置和配置。存储库中提供了一些示例脚本来演示如何实现这一点3. 说明性示例3.1. 问题描述虽然要部署的充电站的确切位置是在仔细考虑多个标准的情况下确定的，但作为示例，考虑部署5个新充电站的情况。 两种部署方案（图。 5）都将考虑充电站沙漠中的充电站，即，附近没有充电站的地方在场景1中，这些充电站将部署在遥远的地方，附近没有充电站，而在场景2中，它们将部署在附近道路上存在高未服务交通的位置。然后将这两个场景与基本场景进行比较，基本场景是目前的情况，即，5个新的充电站。3.2. 结果比较基本情况、方案1和方案2之间的结果比较见图1。六、的车辆数量在模拟中，因此电动车行驶里程Chintan Pathak，David Beck和Don MacKenzie软件X 20（2022）1012546见图6。基本情况、场景1和场景2的EV计数（模拟、完成和搁浅）（左上）、充电会话和等待会话计数（右上）、eVMT（左下）和总EVSE利用率（右下）与基础情况相比，情况1和2的eVMT更高。这是因为随着更多的充电站被添加到系统中，根据车辆选择决策模型（1.1.2），更多的行程是可行的。更多的旅行也意味着更多的充电会话。增加充电站的影响的量化可以帮助比较场景。例如，场景2对车辆数量、充电会话、eVMT等具有更积极的影响然而，这个例子表明了公共和私营机构之间动机的二分法。虽然后者只关注盈利，但前者更可能考虑长期环境影响和公平等因素。虽然在偏远地区部署充电站可能会因当前的车辆数量而显得利润较低，但附近的充电站会影响人们还应该提到的是，由于目前ChargEVal出行需求模型没有考虑州际出行，因此偏远地区的利用率可能4. 影响ChargEVal允许对华盛顿州周围的电动汽车和电动汽车供电设备进行基于代理的模拟ChargEVal结合了基于数据的出行需求预测方法充电利用率预测可用于对发电站的经济性以及对相关系统（例如电网）的影响进行模型是参数化的，参数可通过数据库定制，从而可以轻松地研究参数的变化一些常见参数变化研究包括随机数生成器种子的变化、用于确定不可行行程的临界距离、租车成本、模拟时间步长等。ChargEVal的软件架构允许多个用户并行提交多个模拟请求，而无需担心底层计算基础设施或实施，从而使研究能够为更广泛的受众所用。该软件的开源和良好的文档性质允许世界各地的公共或私人机构的用户根据其地理位置和车辆系统选择部署ChargEVal。例如，虽然目前的实施集中在美国华盛顿州的乘用车上，但在数据库和当地出行需求模型估计中进行了微小的调整，ChargEVal可以用于完全不同的地理和规模（城市，县等）。以及车辆系统，如车队、卡车等。目前正在积极进行该框架的升级、推广和商业应用5. 结论ChargEVal是用于EV基础设施规划的决策支持系统，因此可以与MJB A的EVI定位工具[9]，NREL的 EVI-Pro [10]和LBNL的BEAM [11]等进行比较现有的框架要么过于简单，无法捕捉当地和区域的出行模式和倾向，要么过于复杂和耗时，以至于它们在全州范围内的电动汽车基础设施开发中的应用无法保证成本和努力。所提出的框架是模块化的，因此各种子模型可以随着时间的推移而发展。随着我们对系统的动态有了更好的理解，比如电动汽车的采用或旅行中的能源消耗，系统的底层模型可以被切换或更新，以测试新的假设。Chintan Pathak，David Beck和Don MacKenzie软件X 20（2022）1012547竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作确认我们要感谢我们的赞助商-美国华盛顿州交通部为ChargEVal框架开发和托管提供资金; PacTrans为ChargEVal的推广和技术转让提供资金。ChargEVal的原型开发使用了先进的计算、存储和网络基础设施，这些基础设施由华盛顿大学学生技术基金资助的AWS云计算学分提供。如果没有他们的慷慨支持，这项工作是不可能完成的。我们还要感谢大学的电子科学研究所华盛顿州提供了宝贵的反馈软件设计和开发。引用[1]放大图片作者：J.2019年。[2]葛Y使用规定偏好数据的插电式电动汽车使用和充电行为的离散选择建模。华盛顿大学;2019年。[3]适用于JavaScript的AWS SDK：https://aws.amazon.com/sdk-for-javascript/。[4]Flyway：https://flywaydb.org/.[5]GAMA平台：https://gama-platform.github.io/。[6]Dockprom：https://github.com/stefanprodan/dockprom.[7]Grafana：https://grafana.com/.[8]放大图片创作者：Zou T，Khaloei M，MacKenzie D. Transp Res Rec：J TranspRes Board2020;2674：165-75。[9]EVI定位工具：https://www.sustainability.com/thinking/regional-ev-charging-infrastructure-location-identification/。[10]EVI-Pro：https://maps.nrel.gov/cec/? aL=0 bL=cdark cE=0 lR=0 mC=36.87962060502676%2C-116.34521484375001 zL=6.[11]光束：https://transportation.lbl.gov/beam/#electric-vehicles网站。
我的内容管理
展开
