• 2018年美国大学生数学建模竞赛(MCM/ICM) D题解题思路


    首先整个赛题是一道集选址,优化,评价,预测的综合性赛题,对于任务 1,
    包括三个小问题,第一是有望完全电动化,那么就需要评价什么叫完全电动化,
    所以先建立一个基本的标准,比如人车比例达到多少。需要多少充电桩是与充电
    桩与车的比例决定的,所以需要查找这个最佳比例是多少最后就是实现城市、郊
    区和农村地区的充电桩分配,就是如何在这三个不同的区域配置我们前面求出的
    充电桩总数量。这个也是求比例问题,而这个比例我们能想到的也是和各区域车
    的数量有关的,因此需要构建的无非就是各区域特斯拉车的数量有多少,如果不
    想做的简单,可以考虑的因素更多一些,建立车得比例与充电桩比例关系的同时,
    再加上一些地域因素做辅助也行。
    针对问题二,说白了就是将美国的模式复制到别的国家,而这些国家已经做
    了基本的限制,就是南韩,爱尔兰或乌拉圭。说白了本问题就是进行充电站最优
    分布和规模的探讨即考虑不同地点充电者充电成本最小和充电站投资方投入成
    本最小的多目标优化模型。首先电动汽车充电站选址与规模的确定与普通电力基
    础设施规划、建设的最大区别在于:既要考虑因电网改建、土地购置、环境治理
    等所带来的成本,还要考虑充电站建成后的社会效益。因此解决其布局问题就是
    构建综合考虑上述各因素的指标模型。而充电站的规模及其数量则主要与充电汽
    车未来发展的速度、充电汽车的分布密集程度、交通状况以及电力价格等因素有
    关。至于其发展,从纯电动出租车的充电方式、充电站的构成、布局规划的影响
    要素进行分析,确定充电站布局规划的思路,并对 Voronoi 图和粒子群算法的基
    本原理和运行流程进行综合规划与总结。
    任务 3 就是模型的推广了,即我们在别的国家建立了一套系统的充电站规划
    模型,
    再别的国家推广的话,由于经济发展和出行习惯等差异,势必会造成一定的
    差异性,因此在外围推广时,模型的适用性主要是由于模型本身的构成参数影响
    的,我们在建模时应将这些国家各自的特点充分考虑到我们的模型参数中,并在
    此构建一个推广评价模型,这个模型由一系列影响规划的参数构成,例如经济水
    平,交通状况,电力网完善状况等,建立后我们可以将别的国家的数据输入到我

    们的评价模型中即可。至于触发不同增长的因素也是通过分析得到的,看看哪些
    指标对于模型推广评价的影响较为重要,则将其视为关键因素。
    任务 4 与任务 5 就是判断别的一些技术对电动汽车普及的影响,总体来说应
    该是正向影响的,这里可以做一些简要说明,没必要再去建立负复杂的模型,例
    如自动驾驶技术由于内部的软硬件以电力作为供应,因此无人驾驶技术与电动汽
    车相辅相成等。至于国际能源峰会这里就是多阅读文献去总结如何在某地区进行
    电动汽车的发展规划,这里重点就是突出时间发展,层次感和逻辑感更强一些。

  • 相关阅读:
    IO多路复用
    Elasticsearch之打分机制、集群搭建、脑裂问题
    Elasticsearch之-映射管理,ik分词器
    Elasticsearch之高亮查询,聚合查询
    Elasticsearch之索引、文档、组合查询、排序查询、filter过滤操作
    Go 数组、切片、Maps
    Go if-else语句、for循环、switch语句
    Go 函数、包、mode模式
    毕业设计-1.05
    毕业设计-1.04
  • 原文地址:https://www.cnblogs.com/ECJTUACM-873284962/p/8448040.html
Copyright © 2020-2023  润新知