电动汽车充电调度与无线多跳转发调度策略

# 电动汽车充电调度与无线多跳转发调度策略 ## 1. 电动汽车充电调度分析 ### 1.1 不同场景下的充电情况 在充电基础设施规划中，不同数量的充电站分布会对电动汽车（EV）的能源消耗产生显著影响。我们主要分析了以下几种场景： - **场景 2 和场景 4（约 200 个充电站）**：对于 BMEVC (20 - 50) 和 BMEVC (10 - 30) 情况，场景 4 的能源消耗百分比优于场景 2。这是因为场景 4 中繁忙区域的充电站密度更高，模拟日志显示在这种情况下场景 4 比场景 2 有更多的 EV 充电。具体数据如下表所示： | 场景 | BMEVC (20 - 50) 充电比例 | BMEVC (10 - 30) 充电比例 | | --- | --- | --- | | 场景 2 | 40% | 20% | | 场景 4 | 50% | 45% | - **场景 3 和场景 5（≥300 个充电站）**：对于 BMEVC (20 - 50)，场景 5 的能源不平衡更早达到零，且充电的 EV 数量更多。这是由于场景 5 中 EV 行程中途繁忙区域的充电站数量更多。在这两个场景中，对于较多的充电插座，BMEVC (20 - 50) 的表现优于 BMEVC (10 - 30)。此外，场景 1 在充电站数量较多时表现与场景 5 相似且优于场景 3，这得益于场景 1 中充电站在所有区域的均匀分布以及场景 5 中繁忙区域较高的充电站密度。 | 场景 | BMEVC (20 - 50) 充电比例 | BMEVC (10 - 30) 充电比例 | | --- | --- | --- | | 场景 3 | 40% | - | | 场景 5 | 45% | - | - **场景 3 和场景 5（约 200 个充电站）**：同样对于 BMEVC (20 - 50) 和 BMEVC (10 - 30)，场景 5 的能源消耗百分比更好，模拟日志显示场景 5 充电的 EV 更多。场景 1 在充电站数量较少时表现优于场景 5 和场景 3，原因是区域内充电站的均匀分布增加了 EV 在所有区域充电的机会。 | 场景 | BMEVC (20 - 50) 充电比例 | BMEVC (10 - 30) 充电比例 | | --- | --- | --- | | 场景 3 | 25% | 10% | | 场景 5 | 30% | 15% | ### 1.2 影响因素分析 通过对上述结果的分析，我们可以得出 EV 的能源消耗主要受以下因素影响： - **充电站分布**：充电站在繁忙区域和其他区域的分布情况对 EV 充电机会有重要影响。均匀分布或在繁忙区域增加密度都有助于提高充电效率。 - **充电插座数量**：每个充电站的充电插座数量越多，潜在可充电的 EV 数量就越多，同时也能减少能源不平衡。 ### 1.3 调度算法 为了解决 EV 充电调度问题，提出了一种贪心算法。该算法由聚合器执行，用于将 EV 调度到其前往目的地途中的首选充电站之一。其目标是最大化聚合器为 EV 充电的能源使用，同时最小化能源不平衡。 以下是该算法的简要流程： 1. 收集 EV 的信息，包括当前位置、目的地、剩余电量等。 2. 根据充电站的分布和可用充电插座数量，为每个 EV 计算其首选充电站。 3. 按照贪心策略，依次将 EV 分配到其首选充电站进行充电。 ## 2. 无线多跳转发调度策略 ### 2.1 无线多跳转发的挑战 无线多跳转发是一种提供广泛且低成本网络覆盖的有前景的范式，广泛应用于无线网状、传感器和车载网络等领域。然而，它面临着一些挑战，主要是由于无线网络中存在的路径内和路径间干扰，导致网络性能显著下降，如吞吐量低、可靠性差和公平性不足等问题。 具体来说，多跳路径上的节点之间的带宽竞争会导致混乱，路径内干扰会将节点间的预期协调转变为不必要的竞争，而动态流量模式则进一步增加了问题的复杂性。 ### 2.2 现有方法的局限性 现有的解决多跳转发问题的方法存在一些局限性： - **TDMA 方法**：TDMA 风格的方法旨在通过集中调度实现无冲突传输，但需要复杂的计算、集中控制，并且在网络和流量变化时需要频繁更新。 - **CSMA 方法**：CSMA 是一种分布式方法，允许节点在有数据传输时竞争介质访问。CSMA 类方法计算简单，能适应网络和流量变化，但在减少冲突方面不如 TDMA 有效。 - **TDMA/CSMA 组合方法**：一些尝试将 TDMA 和 CSMA 结合的方法，如 Z - MAC，在流量负载轻时调用 CSMA，在流量重时应用 TDMA 以降低能耗，但这些方法没有区分各种干扰场景，可能导致资源利用效率低下。 ### 2.3 混合 TD