规划高速公路上完全可再生动力充电站：数据驱动的鲁棒优化方法
本文提出了一种全面的两级方法，用于在公路网络上采用和大化独立电动电动机充电站。
在第一阶段，从提供交通需求和电池数据的Monte Carlo仿真获得单个车辆需要充电服务的位置;提出了一种整数编程模型，以确定来自潜在候选者的充电站的最佳站点，确保每个车辆都能够在不耗尽电池的情况下访问至少一个充电站;之后，可以模拟各个选定地点的充电需求的空间和时间分布。
在第二阶段，开发了一种DATADRIVE的分布稳健优化模型，以优化每个充电站中可再生几代的能量和能量存储单元。
在经验分布周围的一个不适的分布家庭描述了不确定的生成和需求，并且它们在克拉尔莱克勒发散感的距离由可调标量控制。
基于风险理论，建议了两种鲁棒模型的重新建议。
第一个依赖于价值 - 风险（VAR），并产生混合整数线性程序（MILP），其更准确;第二个提供基于条件VAR的保守近似，并归结为线性程序，该程序更具易行。
测试系统的数值研究表明了所提出的方法的有效性。
YID:51150644011074428
