Optimal location of the electric vehicle charging stands using simulation and genetic algorithms

Abstract

La presente tesis está enfocada en optimizar la localización de estaciones de carga para vehículos eléctricos (EVs) dentro de un escenario determinado, en este caso la ciudad de Cuenca. Se ha abordado la problemática de la contaminación ambiental como factor fundamental que lleva a los ciudadanos a optar por opciones más amigables. Sin embargo, la falta de infraestructura constituye uno de los mayores impedimentos para su implementación. Este estudio utiliza algoritmos evolutivos multiobjetivo (MOEAs) para optimizar el tiempo de viaje, la cantidad de estaciones de carga y la calidad de servicio. Se diseñó una interfaz que nos permita la interacción entre un simulador de transporte (MATSim) y un framework evolutivo (DEAP). A través de MATSim, hemos podido configurar el escenario, los planes de movilidad, y el movimiento de los agentes en la red de vial. Mediante DEAP configuramos el algoritmo genético, los individuos, la población, los parámetros y operadores. En este estudio, se identificaron 20 posibles ubicaciones para las estaciones de carga, que se codificaron como variables de decisión. Después de ejecutar el simulador, se obtuvo un conjunto de soluciones óptimas a través del proceso evolutivo NSGA-II. Se graficó el frente de Pareto para elegir las mejores soluciones, enfocándose principalmente en el objetivo del número de estaciones. Las mejores configuraciones se mapearon sobre la red vial de Cuenca y se realizaron análisis de hipervolumen y correlación entre los objetivos. Concluimos que la interfaz permite obtener un conjunto de soluciones óptimas mediante la interacción entre MATSim y DEAP. Los métodos de análisis, como el hipervolumen y la correlación de objetivos, ayudaron a evaluar la calidad de las soluciones y la correlación cuantitativa de los objetivos.