Human-centric EV charging optimization using stress-aware particle swarm optimization

Masood, Faraz

doi:10.1007/s10791-026-10053-9

Human-centric EV charging optimization using stress-aware particle swarm optimization

2026-03-19

0

PRE

AI

DOI：10.1007/s10791-026-10053-9

原文链接

原文求助

摘要

En 中文

电动汽车（EV）充电优化传统上受成本、电网约束和运营效率等因素影响。然而，以人为本的因素包括感知等待时间和心理不适感在塑造用户充电体验方面起着重要作用。因此，本文提出了一种感知压力的粒子群优化（SAPSO）框架，该框架明确将行为压力因素纳入电动汽车充电优化过程，从而在四个充电站受功率约束的情况下，优化24小时时间跨度的连续值充电曲线。通过1,254次充电会话评估SAPSO的性能，并将其与传统未建模压力的PSO、均匀调度和贪婪启发式算法进行比较。实验表明，所提出的SAPSO将平均归一化压力从0.5156降至0.4433，对应14.03%的改进，优于传统PSO的12.80%的减少；同时，SAPSO还保持了约0.069的可比状态充电（SoC）增益。尽管均匀和贪婪策略产生了约17-18%的更高压力降低，但它们显著减少了能量传输，如低SoC增益所示，因此实用性较低。此外，SAPSO将每千瓦时的平均充电价格保持在原始充电模式附近，并通过最低变异系数产生最一致的定价结果。采用配对检验建立优化后压力差异的统计显著性，结果表明SAPSO相比竞争策略实现了高以人为本性能（p << 0.001）。这些发现证明，将行为压力纳入电动汽车充电优化有助于提升用户体验，且不会影响基本运营效率。

Keyword:

Electric vehicle charging

Particle swarm optimization

Human-centric optimization

Behavioral stress

Perceived stress scale

Smart charging

Schedule smoothness

Fragmentation

Cost stability

Human-centric EV charging optimization using stress-aware particle swarm optimization

摘要

期刊

机构

引用论文