доктор технических наук, профессор, профессор кафедры «Транспортно-технологических процессов и машин»
Doctor of Engineering Sciences, Professor, Professor of the Department of "Transport and Technological Processes and Machines"
аспирант
Postgraduate Student
студент
Student
магистр
Master
Рост числа электромобилей требует эффективного планирования зарядной инфраструктуры, обеспечивающего равномерное распределение станций и предотвращающего перегрузку сети. Традиционные методы размещения зарядных станций часто не учитывают динамические изменения спроса, что приводит к неэффективному использованию ресурсов. В данной статье рассматривается использование алгоритмов машинного обучения для оптимизации размещения зарядных станций с учётом плотности электромобилей, транспортных потоков, доступности энергосетей и сезонных колебаний спроса. Применение алгоритма машинного обучения позволяет не только повышать экономическую эффективность зарядных станций, но и создавать адаптивную систему управления зарядной инфраструктурой, способную реагировать на изменения в режиме реального времени.
The increasing number of electric vehicles necessitates effective planning of charging infrastructure that ensures even distribution of stations and prevents network overload. Traditional methods for placing charging stations often fail to account for dynamic changes in demand, leading to inefficient resource utilization. This paper explores the use of machine learning algorithms to optimize the placement of charging stations by considering electric vehicle density, traffic flows, grid availability, and seasonal demand fluctuations. Implementing machine learning algorithms not only enhances the economic efficiency of charging stations but also enables the creation of an adaptive management system for charging infrastructure capable of responding to real-time changes.
The authors declare that there are no conflicts of interest present.