Scaling Up Electric-Vehicle Battery Swapping Services in Cities: A Joint Location and Repairable-Inventory Model
Notice bibliographique
Résumé
Battery swapping for electric vehicle refueling is reviving and thriving. Despite a captivating sustainable future where swapping batteries will be as convenient as refueling gas today, a tension is mounting in practice (beyond the traditional “range anxiety” issue): On one hand, it is desirable to maximize battery proximity and availability to customers. On the other hand, capacitated urban power grids may curb decentralized charging at a slow speed. To reconcile this tension, some cities are embracing an emerging infrastructure network: Decentralized swapping stations replenish charged batteries from centralized charging stations. It remains unclear how to design such a network or whether pooling charging demands will save costs or batteries. In this paper, we model this new urban infrastructure network. This task is complicated by non-Poisson swaps and by the intertwined stochastic operations of swapping, charging, stocking, and circulating batteries among swapping and charging stations. We tackle these complexities by deriving analytical models, which enrich the classical batched repairable-inventory theory. We next propose a joint location and repairable-inventory model for citywide deployment of hub charging stations, with a nonconvex nonconcave objective function. We solve this problem exactly by exploiting submodularity and combining constraint-generation and parameter-search techniques. Even for solving convexified problems, our algorithm brings a speedup of at least three orders of magnitude relative to the Gurobi solver. The major insight is twofold: The benefit of pooling charging demands alone is not enough to justify the adoption of the “swap-locally, charge-centrally” network; instead, the main justification is that faster charging accessible at centralized charging stations significantly reduces the system-wide battery stock level. In a broader sense, this work deepens our understanding of how mobility and energy are coupled toward enabling smart cities. This paper was accepted by Chung Piaw Teo, optimization. Funding: Y. Zhang acknowledges the support from the National Natural Science Foundation of China [Grants 71871023, 72271029, and 72061127001]. W. Qi acknowledges the support from the National Natural Science Foundation of China [Grants 72272014 and 72188101] and the Natural Sciences and Engineering Research Council of Canada [Grant RGPIN-2019-04769]. N. Zhang acknowledges the support from the China Scholarship Council [202106030140]. Supplemental Material: The data files and online appendices are available at https://doi.org/10.1287/mnsc.2023.4731 .
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».