(ID) Jurnal Infrastruk EV Charging Stations-Main

Machine Translated by Google
Ulasan Energi Terbarukan dan Berkelanjutan 153 (2022) 111719
Daftar konten tersedia di ScienceDirect
Tinjauan Energi Terbarukan dan Berkelanjutan
beranda jurnal: www.elsevier.com/locate/rser
Terlalu banyak atau tidak cukup? Perencanaan infrastruktur pengisian

kendaraan listrik: Tinjauan opsi pemodelan MO Metais a,b,ÿ
, O.Jouini a , Y.Perez sebuah ,
J. Berrada b, E. Suomalainen b
a Université Paris-Saclay, CentraleSupélec, Laboratoire de Génie Industriel, 91190 Gif-sur-Yvette, Prancis
b
Institut VEDECOM, 23bis Allée des Marronniers, 78000 Versailles, Prancis
INFO ARTIKEL ABSTRAK
Kata kunci: Sementara sektor transportasi bertanggung jawab atas peningkatan emisi gas rumah kaca, kendaraan listrik (EV) menawarkan
Kendaraan listrik solusi untuk mobilitas yang lebih ramah lingkungan. Proporsi kendaraan listrik dalam armada transportasi semakin meningkat,
Stasiun pengisian tetapi adopsi yang lebih luas tidak akan mungkin terjadi tanpa infrastruktur pengisian daya yang sesuai. Penempatan infrastruktur
Pengisian perencanaan infrastruktur tersebut harus mengikuti strategi yang mempertimbangkan baik lingkungan di mana infrastruktur tersebut diterapkan maupun
Masalah lokasi
pola perilaku pengguna kendaraan listrik. Jika aspek-aspek ini tidak dipertimbangkan, ada risiko gagal memenuhi kebutuhan
Mobilitas berkelanjutan
pengguna dan menimbulkan biaya tambahan. Di sini kami meninjau literatur tentang masalah lokasi untuk stasiun pengisian
kendaraan listrik. Kami bertujuan untuk menyusun gambaran komparatif tentang pendekatan yang telah digunakan hingga tahun
2020 untuk mengoptimalkan lokasi infrastruktur pengisian daya. Kami pertama-tama meninjau secara singkat masalah yang
diangkat oleh penerapan infrastruktur pengisian daya, yaitu masalah teknis, ekonomi, dan penerimaan pengguna. Kami kemudian
melihat tujuan model lokasi infrastruktur dalam literatur.
Secara skematis, sasaran tersebut terbagi dalam dua kategori: meminimalkan biaya pengisian infrastruktur untuk tingkat layanan
tertentu, atau memaksimalkan layanan yang disediakan dengan biaya tertentu. Akhirnya, kami fokus pada pendekatan yang
digunakan untuk mencapai tujuan ini. Tiga kategori pendekatan diidentifikasi: pendekatan berbasis simpul, jalur, dan tur atau
aktivitas. Kami kemudian membahas pendekatan ini dalam kaitannya dengan faktor teknis, ekonomi, dan penerimaan pengguna
untuk memberikan analisis komprehensif bagi pemangku kepentingan yang terlibat dalam perencanaan infrastruktur pengisian daya EV.
Arahan diberikan untuk penelitian masa depan untuk mengembangkan model yang lebih mencerminkan gambaran dunia nyata.
1. Perkenalan polusi dan paparan oksida nitrogen, senyawa organik yang mudah menguap,
dan karbon monoksida di daerah perkotaan, dan mengurangi emisi partikel –
Darurat iklim membutuhkan pengurangan drastis dan cepat emisi gas dan jauh lebih sedikit kebisingan daripada kendaraan ICE.
rumah kaca (GRK) antropogenik, yang merupakan penyebab pemanasan global Terlepas dari semua manfaat ini, penggunaan EV dalam skala besar
tercepat yang pernah diamati [1]. Sektor transportasi bertanggung jawab atas terhambat oleh sejumlah hambatan yang berbeda [4]. Hambatan utama pertama
sekitar 15% emisi GRK global (27% di Uni Eropa), dan angka ini diperkirakan adalah tingginya harga pembelian EV dibandingkan dengan kendaraan ICE,
akan meningkat di tahun-tahun mendatang [2]. Transisi dari kendaraan mesin meskipun dampak harga pembelian diperkirakan akan segera berkurang. Saat
pembakaran internal (ICE) ke transportasi yang lebih hijau bisa menjadi mempertimbangkan total biaya kepemilikan selama seluruh siklus hidup, EV
pengungkit utama untuk mengurangi global sudah lebih murah daripada kendaraan ICE di negara-negara seperti Norwegia atau Prancis
Emisi GRK.
Selain itu, harga pembelian kendaraan listrik diproyeksikan akan turun di bawah harga
Untuk transportasi jalan raya dan mobilitas individu, yang merupakan
kendaraan ICE pada tahun 2025 [6]. Penghalang utama kedua bagi pengguna terkait dengan
bagian terbesar dari emisi sektor transportasi, kendaraan listrik (EV) muncul
kecemasan jangkauan. Sebagian besar EV memiliki jarak mengemudi yang lebih rendah daripada kendara
sebagai alternatif utama kendaraan ICE. Mengingat masa pakai kendaraan
Meskipun kisaran yang ditawarkan oleh baterai full-charge cukup untuk
secara keseluruhan, EV memiliki potensi pemanasan global yang lebih rendah
penggunaan sehari-hari bagi sebagian besar pengguna, mereka khawatir akan
daripada kendaraan ICE, terutama jika digabungkan dengan sistem produksi
kehabisan baterai sebelum dapat menyelesaikan perjalanan atau menemukan titik pengisian
listrik rendah karbon [3]. Selain itu, EV memiliki banyak manfaat lain, seperti
Kecemasan pengguna dengan demikian merupakan masalah utama yang harus diatasi untuk mengaktifkan skala besar
tidak adanya emisi knalpot – yang dapat membantu menghindari udara
Singkatan: AC, Arus Alternatif; DC, Arus Searah; EV, Kendaraan Listrik; EVSE, Peralatan Pasokan Kendaraan Listrik; FCLM, Lokasi Penangkapan Aliran
Model; FRLM, Model Lokasi Pengisian Bahan Bakar Aliran; GRK, Gas Rumah Kaca; ICCT, Dewan Internasional Transportasi Bersih; ICE, Mesin Pembakaran Internal;
MCLM, Model Lokasi Cakupan Maksimum; PHEV, Kendaraan Listrik Hibrida Plug-in; SCLM, Atur Model Lokasi Penutupan
ÿ
Penulis koresponden di: Université Paris-Saclay, CentraleSupélec, Laboratoire de Génie Industriel, 91190 Gif-sur-Yvette, Prancis.
Alamat email: marc-olivier.metais@centralesupelec.fr (MO Metais).
https://doi.org/10.1016/j.rser.2021.111719
Diterima 25 November 2020; Diterima dalam bentuk revisi 9 September 2021; Diterima 27 September 2021
Tersedia online 23 Oktober 2021 1364-0321/© 2021 Elsevier Ltd. Semua hak dilindungi undang-undang.
MO Metais dkk. Ulasan Energi Terbarukan dan Berkelanjutan 153 (2022) 111719
Gambar 1. Tinjauan tentang kerangka kerja infrastruktur pengisian daya.
adopsi mobil listrik. Jalan ke depan dapat meningkatkan kapasitas baterai untuk literatur yang mengusulkan strategi dan model simulasi untuk penerapan infrastruktur
meningkatkan jangkauan EV atau menyediakan infrastruktur pengisian daya yang pengisian daya listrik, dengan mempertimbangkan aspek teknis, ekonomi, dan sisi
efisien untuk memenuhi kebutuhan pengisian daya dengan lebih baik. Namun, meski pengguna EV.
dengan jangkauan yang lebih besar, ketakutan tidak dapat mengisi daya EV saat Untuk mengidentifikasi artikel pertama yang relevan, basis data Google Cendekia
baterai kosong tetap sama [7], sehingga penyebaran EV skala besar tidak dapat dicari dengan kombinasi kata kunci: {EV, kendaraan listrik, infrastruktur pengisian
dicapai tanpa infrastruktur pengisian daya yang sesuai sebelumnya [8]. Selain itu, daya, stasiun pengisian daya} dan {perencanaan, lokasi, model, pengoptimalan}.
penelitian menunjukkan bahwa berinvestasi dalam infrastruktur pengisian daya lebih Kami menyimpan sampel 287 artikel yang berisi tinjauan literatur dan makalah
efisien daripada mensubsidi baterai yang lebih besar selama investasi dalam tentang optimalisasi infrastruktur dan model penerapan yang dikutip sebagai referensi
infrastruktur pengisian daya tidak cukup untuk menutupi seluruh wilayah [9–11]. di bidang ini. Artikel yang dikutip dalam makalah ini dan artikel yang juga mengutipnya
Namun, menerapkan infrastruktur pengisian daya sangat mahal dan memiliki kemudian disaring, dan kami menambahkan 63 artikel yang relevan untuk ulasan
beberapa kendala teknis dan ekonomi. Tindakan Transisi Energi untuk Pertumbuhan kami.
Hijau di Prancis menetapkan target 7 juta stasiun pengisian EV (publik dan swasta) Makalah ini disusun sebagai berikut. Bagian 2 menjelaskan berbagai teknologi
pada tahun 2030, yang sesuai dengan biaya minimum sekitar 2 miliar euro [12] pengisian daya dan masalah yang terlibat dalam penggelaran infrastruktur pengisian
sementara laporan ICCT memproyeksikan sekitar 1 miliar dolar dalam investasi daya. Bagian 3 memaparkan tujuan dan sasaran pembangunan infrastruktur. Bagian
selama periode 2019–2025 bagi AS untuk mengisi kesenjangan infrastruktur pengisian 4 kemudian mencakup metode untuk menempatkan dan menentukan ukuran
publiknya [13]. Biaya besar ini memerlukan strategi penyebaran yang tepat untuk infrastruktur di suatu wilayah, dan Bagian 5 menyoroti kesenjangan dalam literatur
secara efisien menemukan dan menskalakan stasiun pengisian baru untuk mendukung dan jalan untuk penelitian di masa mendatang.
adopsi EV skala besar sambil menghindari pemborosan sumber daya atau kurangnya
investasi untuk investor infrastruktur. Penerapan ini, dengan biaya yang diperlukan, 2. Latar belakang pengisian infrastruktur dan isu-isu terkait
juga menghadapi masalah ayam-dan-telur: pengemudi akan enggan membeli EV
tanpa infrastruktur yang memadai, sementara operator akan menolak untuk Masalah penggelaran infrastruktur pengisian daya untuk EV diatur dalam
berinvestasi dalam infrastruktur sampai ada cukup permintaan untuk kerangka kerja berikut: Pengguna EV dengan otonomi terbatas melakukan perjalanan
di jaringan jalan raya. Melakukan perjalanan ini menghabiskan energi, yang pada
membuatnya menguntungkan. Untuk mengatasi kemacetan ini, langkah pertama gilirannya menurunkan status pengisian daya baterai EV dan menimbulkan kebutuhan
harus diambil oleh operator [14]. untuk mengisi daya, yang dapat dipenuhi dengan dua cara: baik melalui pengisian
Begitu langkah pertama diambil, masalah penyebaran optimal infrastruktur daya rumah/kantor, atau melalui pengisian daya publik (atau semi-publik). infrastruktur.
pengisian bahan bakar kendaraan bukanlah tantangan baru. Model cakupan dan Infrastruktur ini harus tetap dengan biaya yang masuk akal bagi operator, yang
lokasi, seperti Toregas [15] atau Hodgson [16], telah ada sejak lama dan dapat memiliki kapasitas investasi terbatas, sekaligus memberi pengguna EV jangkauan
diterapkan dengan sempurna pada stasiun pengisian bahan bakar gas. Namun, EV jaringan transportasi yang mereka butuhkan. Tujuannya adalah untuk memungkinkan
memiliki tuntutan yang berbeda dengan kendaraan ICE (pengisian membutuhkan pengemudi menggunakan EV mereka dengan kecemasan jangkauan yang lebih
waktu lebih lama daripada pengisian bahan bakar), yang membuat model cakupan ini sedikit, mengetahui bahwa mereka dapat mengandalkan infrastruktur pengisian daya
tidak kompatibel dengan penggunaan rutin EV. Model yang mempertimbangkan publik saat mereka membutuhkannya. Karena infrastruktur pengisian publik memasok
kekhususan ini telah dikembangkan sejak akhir tahun 2000-an. energi dari jaringan, penyebaran infrastruktur perlu mempertimbangkan kendala
yang terkait dengan pengoperasian jaringan listrik (lihat Gambar 1).
Meski demikian, hanya sedikit dari mereka yang memanfaatkan keunggulan yang Dalam kerangka kerja ini, ada tiga jenis masalah utama yang harus
ditawarkan oleh pengisian daya kendaraan listrik, yang tidak mengharuskan pengguna dipertimbangkan saat menggunakan infrastruktur pengisian daya: teknis, ekonomi, dan
masalah yang berpusat pada pengguna.
untuk hadir selama waktu pengisian daya. Selain itu, penyebaran infrastruktur
semacam itu tidak terjadi sekaligus, sebagian karena masalah biaya pengembangan
yang akan dihasilkannya tanpa jaminan pengembalian investasi dari permintaan yang 2.1. Ikhtisar teknis perangkat pengisian daya
akan memakan waktu lama, yang membawa kita kembali untuk masalah ayam-dan-
telur sebelumnya. Penyebaran bertahap dan lembur harus dipertimbangkan, Perangkat pengisi daya menyediakan hubungan antara jaringan listrik dan EV
mengingat tahap awal infrastruktur sudah ada di wilayah tersebut. dengan mengubah daya AC menjadi daya DC, yang dapat mengisi daya baterai.
Mereka bisa on-board atau off-board, tergantung pada jenis pengisian daya.
Tinjauan literatur ini bertujuan untuk memberikan gambaran tentang masalah International Electrotechnical Commission (IEC) mendefinisikan empat mode
perencanaan infrastruktur pengisian daya EV yang tepat waktu dalam hal model pengisian daya [17]. Dalam tiga mode pertama, EV terhubung langsung ke jaringan
optimalisasi yang digunakan untuk menentukan lokasi titik pengisian daya yang distribusi AC, dan konversi ke DC dilakukan melalui charger onboard kendaraan.
Perbedaan utama
optimal, dan ukuran. Ini mengeksplorasi dan membandingkan ilmiah yang berkembang pesat
2
Gambar 2. Arsitektur pengisian daya EV yang disederhanakan.
antara ketiga level tersebut terletak pada level safety dan charging control, memiliki rumah keluarga tunggal dengan tempat parkir pribadi di mana mereka
yang memungkinkan aki kendaraan untuk diisi daya lebih banyak atau lebih dapat memasang titik pengisian daya [22]. Ini menggambarkan bahwa hanya
sedikit. Misalnya, mode 1, yang digunakan untuk pengisian daya rendah, setara mengandalkan pengisian daya di rumah untuk transisi dari kendaraan ICE ke
dengan mencolokkan kendaraan ke stopkontak listrik, sedangkan mode 3 EV akan meninggalkan hambatan penting untuk penerapan mobilitas listrik,
memungkinkan kontrol pengisian lanjutan dan daya pengisian lebih tinggi. membenarkan kebutuhan akan infrastruktur pengisian daya publik yang sesuai.
Mode 4 banyak digunakan untuk aplikasi pengisian cepat. Berbeda dengan Batasan jangkauan dan pengisian daya EV membuatnya ilusi untuk
tiga mode pertama, di sini koneksi EV ke jaringan AC tidak langsung: daya AC membayangkan difusi luas EV tanpa pengisian daya yang memadai dalam
diubah menjadi daya DC dalam pengisi daya terpasang, dan kemudian infrastruktur. Pada saat yang sama, jika tidak ada cukup EV di jalan, tidak akan
digunakan untuk mengisi baterai EV. Gambar 2 memberikan ilustrasi sederhana ada cukup minat untuk menyiapkan infrastruktur pengisian daya yang mahal
tentang pengisian daya EV. dan tidak menguntungkan. Tetapi tanpa infrastruktur ini, membayangkan
demokratisasi kendaraan listrik adalah ilusi... Masalah ayam dan telur di pasar
2.2. Pengisian infrastruktur dan penerimaan EV dua sisi ini telah dipelajari oleh Delacretaz et al. [23] yang menunjukkan bahwa
infrastruktur awal memiliki sedikit efek positif langsung pada adopsi EV tetapi
Pengisian EV umumnya membutuhkan lebih banyak waktu daripada efek positif tersebut meningkat seiring waktu. Mereka juga menunjukkan efek
mengisi tangki bensin kendaraan ICE. Waktu pengisian daya berlangsung dari bola salju: elastisitas permintaan untuk EV relatif terhadap pengisian
beberapa puluh menit untuk pengisi daya tercepat hingga lebih dari 20 jam penyediaan infrastruktur meningkat dengan pembangunan infrastruktur.
untuk pengisi daya lambat [18]. Stasiun pengisian daya dengan demikian Dengan kata lain, semakin banyak stasiun pengisian daya, semakin besar
memiliki desain dan manajemen yang berbeda dengan stasiun pengisian bahan peningkatan permintaan EV dengan investasi lebih lanjut dalam infrastruktur
bakar konvensional. EV memiliki perilaku pengisian bahan bakar yang berbeda pengisian daya.
karena waktu pengisian dan lokasi pengisian yang berbeda, terutama dengan Hal ini menimbulkan pertanyaan tentang pembangunan infrastruktur
mempertimbangkan salah satu kemudahan utama yang ditawarkan oleh EV, marjinal – atau inkremental. Infrastruktur dikerahkan dalam konteks spasial,
yaitu baterai EV dapat mengisi daya saat kendaraan tidak digunakan untuk tetapi juga dalam konteks temporal, dan tidak realistis untuk mempertimbangkan
tujuan mobilitas (saat diparkir di rumah, tempat kerja, di parkir mall, dll). penyebaran instan dari satu set lengkap [24]. Oleh karena itu penting untuk
Pengisian EV rumah tidak memerlukan upaya apa pun dari pengemudi selain menentukan urutan penyebaran temporal bersama dengan satu set lokasi
mencolokkan EV. Itu juga tidak memerlukan instalasi khusus – setidaknya spasial untuk menentukan investasi yang paling hemat biaya [25]. Jika tidak,
tidak untuk pengisian daya yang lambat [17] – bahkan jika mayoritas pengemudi risikonya adalah berakhir dengan infrastruktur yang tidak sesuai dengan
EV memasang peralatan khusus untuk meningkatkan kecepatan pengisian kebutuhan pengemudi di awal, yang tidak akan memungkinkan difusi EV
daya dan untuk aspek keselamatan. Selain itu, dalam 90% kasus, perjalanan dimulai dan dengan demikian menghambat investasi tambahan dalam
tidak melebihi 80 km, sedangkan kisaran umum untuk EV adalah sekitar 200 infrastruktur, dan seterusnya (sekali lagi, paradigma ayam-dan-telur ). Selain
km1 [20,21]. Dengan demikian, pengisian daya di rumah seharusnya cukup itu, meskipun stasiun pengisian daya sering digunakan tanpa visi global,
untuk sebagian besar pengguna: dengan baterai yang terisi penuh saat stasiun tersebut sudah ada di wilayah tersebut, dan merupakan kesalahan jika
meninggalkan rumah, mereka dapat menyelesaikan perjalanan harian dan mengisi daya EVmempertimbangkan
tidak setelah kembali ke sumber
rumah, siap
dayauntuk
yang keesokan harinya.
ada ini. Oleh karena itu, kita harus
Namun, pengisian daya di rumah memiliki beberapa batasan. Pertama, jika memikirkan masalah penempatan 'satu stasiun pengisian lagi' dan nilai stasiun
perjalanan – atau rangkaian perjalanan – melebihi kisaran EV, maka pengemudi ini ketika sudah ada satu set stasiun operasional, sementara hampir semua
harus dapat mengisi daya EV mereka di tempat lain selain di rumah. Jika ini model berfokus pada optimalisasi infrastruktur pengisian akhir tanpa
tidak memungkinkan, maka EV akan tetap menjadi mobil kedua bagi persentil mempertimbangkan proses untuk sampai ke sana. .
populasi terkaya, karena pengguna tidak akan dapat menggunakannya untuk
melakukan perjalanan jauh sesekali dan oleh karena itu akan lebih memilih kendaraan ICE
2.3. [8].
Masalah ekonomi
Apalagi, di banyak negara, sebagian besar penduduknya tidak
Pendekatan yang naif adalah dengan mempertimbangkan opsi terbaik untuk menempatkan
1 pengisi daya cepat di mana-mana, karena orang menghargai opsi untuk mengisi daya dengan cepat [26].
Catatan : Hal ini berlaku untuk pasar Eropa yang kepadatan
penduduknya cukup tinggi dan jarak yang harus ditempuh relatif kecil. Namun, stasiun pengisian cepat DC harganya jauh lebih mahal daripada yang
Dalam kasus pasar AS atau serupa, jarak yang terlibat mungkin lebih tinggi. lebih lambat. Biaya rata-rata untuk stasiun pengisian publik level 2 adalah
Namun, jaraknya tetap jauh di bawah 200 km, yang sudah merupakan $3000, sedangkan biaya rata-rata stasiun pengisian cepat DC sembilan kali
perkiraan pesimis dari jangkauan kendaraan listrik standar [19]. lebih banyak (Tabel 1).
3
Tabel 1 2.5. Ringkasan

Biaya pembelian dan pemasangan peralatan pasokan kendaraan listrik (EVSE) di AS [13].
Singkatnya, infrastruktur pengisian daya untuk EV perlu mengatasi masalah teknis

tipe EVSE Biaya instalasi Biaya pemasangan
publik rata-rata rumah rata-rata terkait dengan teknologi yang digunakan dan kendala yang ditimbulkannya pada
infrastruktur jaringan yang ada. Hal ini juga menghadapi tantangan keuangan: biaya
Tingkat 1 $4000 $400–$900
Level 2 $6000 $680–$4100 yang berkaitan dengan pengisian infrastruktur relatif tinggi, sehingga penting bagi
Pengisian cepat DC (50 kW) $73,000 Tidak tersedia operator untuk menghindari investasi yang tidak perlu dan memastikan pengembalian
Pengisian cepat DC (150 kW) $120,000 Tidak tersedia
investasi mereka. Terakhir, infrastruktur pengisian daya perlu merespons permintaan
Pengisian cepat DC (350 kW) $205,000 Tidak tersedia
pengguna untuk mendapatkan penerimaan pengguna terhadap EV.
Taruhan finansial dan penerimaan publik terhadap EV terkait erat: cakupan wilayah
Karena infrastruktur yang lebih mahal akan menyebabkan layanan pengisian daya yang tidak memadai, yaitu investasi yang kurang atau investasi yang tidak bijaksana,
yang lebih mahal bagi pengguna, pilihan peralatan pasokan kendaraan listrik (EVSE) akan membuat pengguna enggan membeli dan menggunakan EV. Hal ini pada
yang buruk tidak hanya merugikan konsumen tetapi juga operator yang stasiun gilirannya akan memiliki konsekuensi pada pengembalian investasi, serta biaya
pengisian dayanya disesuaikan dengan kebutuhan lokal menjamin pengembalian pemanfaatan infrastruktur yang sangat tinggi. Kendala teknis yang terkait dengan
investasi yang lebih baik. Mari kita jelaskan ini dengan contoh sederhana. pasokan energi stasiun pengisian dapat menyebabkan biaya tambahan yang signifikan
Misalkan pengisi daya yang dapat mengisi penuh EV dalam tiga jam ditempatkan di terkait dengan jaringan listrik. Terakhir, adopsi EV membutuhkan teknologi infrastruktur
tempat di mana waktu parkir biasanya delapan jam. Seseorang yang meninggalkan EV pengisian daya yang memenuhi harapan pengguna. Pengguna berharap memiliki
mereka diparkir dan dicolokkan akan mengisi daya selama maksimal tiga jam tetapi infrastruktur yang sesuai dengan kebutuhan mereka dengan cara yang nyaman, dan
kemudian tidak perlu menempati terminal untuk waktu yang tersisa. Namun, dengan yang dapat mereka andalkan.
anggaran yang sama, beberapa stasiun pengisian daya yang lebih lambat dapat
dipasang yang akan memaksimalkan keuntungan bagi operator dan tingkat layanan
bagi pengguna.
3. Tinjauan dan ruang lingkup model simulasi perencanaan
Akhirnya, penting dalam kasus beberapa operator bahwa mereka berkoordinasi
satu sama lain untuk memastikan interoperabilitas dan jangkauan global yang baik.
Infrastruktur pengisian EV yang tepat harus memenuhi kendala teknis, ekonomi,
Namun penting juga untuk menerapkan peraturan untuk mencegah terciptanya
dan penerimaan. Infrastruktur harus mengatasi tiga masalah: lokasinya, yaitu
monopoli swasta lokal di area parkir umum, yang akan merugikan pengguna [27].
distribusinya pada jaringan transportasi, kapasitasnya, yaitu permintaan yang dapat
dilayaninya, dan penggunanya. Selain itu, penyebaran infrastruktur dapat melayani
tujuan yang berbeda tergantung pada kepentingan mereka yang menerapkannya di
2.4. Masalah jaringan listrik
jaringan transportasi.
Masalah lain di lokasi stasiun pengisian menyangkut jaringan listrik. Untuk mendeskripsikan jaringan transportasi dalam masalah lokasi, kami
Infrastruktur Level 1 hanya membutuhkan sekitar 3 kW dari jaringan listrik, yang tidak menguraikannya menjadi node dan jalur (atau tautan). Strategi paling sederhana
lebih dari peralatan rumah tangga biasa. Ini seharusnya tidak berdampak besar pada adalah mendefinisikan satu dalam hubungannya dengan yang lain: sebuah jalur atau
jaringan yang lebih luas, bahkan ketika beberapa EV secara bersamaan mengisi daya, rute adalah penghubung antara dua node, dan sebuah node adalah titik persimpangan
atau setidaknya tidak ada yang tidak dapat diselesaikan dengan insentif tarif kecil. dari dua jalur, atau bisa juga menjadi akhir dari sebuah jalur.
Namun, pengisi daya cepat saat ini dapat memerlukan hingga 150 kW dari jaringan, Pengguna melakukan perjalanan dalam jaringan transportasi, yaitu mereka
yang belum tentu diskalakan untuk itu, terutama jika terdapat beberapa pengisi daya melakukan perjalanan antara dua node. Mereka juga melakukan tur, yaitu rangkaian
cepat di tempat yang sama, seperti halnya dengan hub pengisi daya. Menempatkan perjalanan. Selama perjalanan tersebut, pengguna EV menggunakan energi dari baterai
pengisi daya yang membutuhkan terlalu banyak daya di lokasi yang tidak diadaptasi mereka, dan terkadang perlu mengisi ulang EV mereka dengan infrastruktur pengisian daya di ruang
dapat menekan infrastruktur yang ada dan menyebabkan perlunya penguatan jaringan,
yang bisa sangat mahal [28]. 3.1. Pengguna dan pemanfaatan infrastruktur pengisian daya
Pemilihan jenis dan penempatan stasiun pengisian dapat menjadi sumber
inefisiensi biaya. Untuk mengendalikan total biaya infrastruktur, pilihan ini harus
Lokasi dan ukuran infrastruktur pengisian daya harus memenuhi permintaan
dipertimbangkan dalam kaitannya dengan kebutuhan nyata pengguna, serta kapasitas
pengguna. Literatur terutama berfokus pada tiga jenis pengguna infrastruktur pengisian
jaringan listrik.
daya: bus, taksi, atau kendaraan pribadi. Sebuah klasifikasi telah dibuat dalam tabel di
Pengisian EV bukan hanya sumber tekanan jaringan tetapi juga sumber potensial
Lampiran.
stabilitas jaringan jika dikombinasikan dengan manajemen jaringan cerdas untuk
Infrastruktur pengisian daya lebih mudah dirancang untuk bus, karena bus
mengeksploitasi sinergi positif dengan produksi energi terbarukan. Energi terbarukan
memiliki tur tetap dengan (kurang lebih) jadwal waktu yang tepat, sehingga
merupakan sumber tekanan bagi jaringan listrik, karena tidak atau hanya dapat
ketidakpastian tentang status biaya, ketersediaan, atau rencana perjalanannya cukup
dikendalikan sebagian. Oleh karena itu, mereka terkadang menghasilkan terlalu banyak
rendah. Untuk masalah ini, ada dua opsi. Jika bus memiliki otonomi yang cukup untuk
energi dibandingkan dengan kebutuhan, dan kelebihan energi ini harus digunakan.
beroperasi sepanjang hari tanpa dikenakan biaya, mereka dapat dengan mudah
Baterai kendaraan listrik kemudian dapat menyimpan kelebihan energi yang dihasilkan
mengisi daya pada akhir shift mereka di stasiun pengisian yang dipasang di depot.
oleh energi terbarukan untuk memuluskan keluaran daya berlebih. Penjadwalan
Opsi kedua adalah menempatkan stasiun pengisian cepat di halte bus untuk
pengisian kendaraan sesuai dengan kendala jaringan listrik sering disebut ''smart
charging''. memungkinkan semua bus menyelesaikan tur mereka, seperti yang dijelaskan oleh
EV juga dapat memberikan daya tambahan ke jaringan selama episode stres Wang et al. [32]. Pemberhentian di titik pengisian bahkan tidak harus lebih lama dari
jaringan dengan menyuntikkan daya listrik dari baterainya ke jaringan, seperti halte bus lainnya, karena teknologi pengisian daya flash saat ini mampu mengisi dua
generator [29]. Mekanisme dua arah ini biasa disebut Vehicle-to-Grid (V2G). Melalui atau tiga kWh ke dalam baterai bus dalam beberapa detik. Dalam hal ini, pilihan bahkan
mekanisme ini, EV dapat meratakan puncak konsumsi dan berperan dalam mengatur dapat dibuat untuk menempatkan titik pengisian cepat di setiap halte bus, yang
insiden jaringan dengan menyediakan layanan tambahan ke jaringan, seperti memungkinkan bus dilengkapi dengan baterai berkapasitas rendah.
pengaturan frekuensi, kecukupan sumber daya, penangguhan jaringan, arbitrasi Kedua opsi ini tidak saling eksklusif, dan dimungkinkan untuk mengisi daya bus di
energi, cadangan pemintalan, dll. [30] Mereka juga dapat langsung mengisi daya malam hari dan menambahkan stasiun pengisian daya untuk bus yang tidak dapat
kendaraan lain dengan cepat, menghindari puncak permintaan daya dari pengisian menyelesaikan turnya.
cepat di jaringan distribusi [31]. Untuk taksi, karena bahan bakar merupakan bagian besar dari biaya mereka dan
terutama melakukan perjalanan singkat, EV bisa menjadi pilihan yang sangat baik, dan taksi bisa
4
menjadi pameran yang bagus untuk kegunaan EV,2 tetapi infrastruktur pengisian daya jarak global yang dapat mereka tempuh (Wang et al. [49]), yang hampir sama. Ini
harus memenuhi persyaratan tertentu. Pertama, taksi listrik tidak dapat mengisi daya mencegah banyak kendaraan tercakup oleh satu stasiun, seperti yang dapat terjadi
selama perjalanan dengan pelanggan: mereka harus mengisi daya selama waktu idle. pada tujuan sebelumnya. Namun, dalam hal ini pengisian daya 10 kWh dalam satu EV
Namun, downtime ini harus sesingkat mungkin. Inilah mengapa sangat penting di sini sama dengan pengisian daya 1 kWh dalam sepuluh kendaraan, terlepas dari apakah
untuk mempertimbangkan waktu yang dihabiskan di stasiun pengisian (waktu tunggu perjalanan yang dimaksud layak untuk kendaraan tersebut. Inilah sebabnya mengapa
dan waktu pengisian), karena ini adalah waktu idle bagi pengemudi. Taksi sudah beberapa makalah bertujuan untuk membangun infrastruktur pengisian daya yang
memiliki banyak situasi waktu menganggur, biasanya saat menunggu pelanggan. meminimalkan kegagalan – atau memaksimalkan perjalanan yang layak (Asamer et al.
Waktu pengisian daya seharusnya tidak menjadi kendala berat tambahan. Idealnya, itu [50], Micari et al. [51]).
harus tersedia di mana dan kapan taksi memiliki waktu menganggur. Kemudian, karena Tujuan pengoptimalan ini diimplementasikan menggunakan berbagai metode
pengemudi taksi biasa berbagi kendaraan, home charging tidak selalu menjadi pilihan: lokasi, sebagaimana dirinci dalam Bagian 4.
infrastruktur pengisian taksi harus memungkinkan mereka beroperasi terus menerus.
Oleh karena itu, opsi pengisian cepat sering kali lebih disukai untuk taksi. 3.3. Mengukur infrastruktur pengisian daya
Sebagian besar literatur berfokus pada kendaraan pribadi, yang merupakan bagian Dengan masalah lokasi muncul masalah ukuran stasiun pengisian di lokasi yang
terbesar dari armada kendaraan, atau setidaknya menganggap bahwa infrastruktur dipilih. Ini terutama masalah menjawab dua pertanyaan: berapa banyak titik pengisian
dapat dikembangkan untuk semua kendaraan ringan. Pemilik kendaraan pribadi yang harus ditempatkan di suatu lokasi, dan kecepatan pengisian mana yang harus
memiliki berbagai kegunaan untuk kendaraan mereka tergantung pada lingkungan dipilih. Lokasi juga bergantung pada kapasitas stasiun, yaitu jumlah kendaraan yang
mereka (pedesaan, perkotaan), kebiasaan perjalanan (jarak dari tempat tujuan utama dapat dilayani dalam periode tertentu. Misalnya, jika sebuah stasiun dengan kapasitas
mereka, frekuensi perjalanan), dan banyak faktor lainnya. Berbagai cara untuk melihat layanan yang besar dipasang di satu lokasi, minat untuk menempatkan stasiun lain di
kasus kendaraan pribadi dirinci dalam sisa makalah ini. dekatnya terbatas.
Beberapa studi hanya berfokus pada masalah penempatan stasiun pengisian,

3.2. Tujuan pengoptimalan kadang-kadang mempertimbangkan kapasitas tak terhingga [43,52] yang tidak mewakili
situasi nyata di mana titik pengisian hanya dapat menampung jumlah kendaraan yang
terbatas. Tapi begitu lokasi telah ditemukan
Literatur telah mempertimbangkan beberapa tujuan pengoptimalan untuk diterapkan
secara aktif memenuhi permintaan pengisian daya pengguna. tanpa mempertimbangkan kapasitas yang terbatas ini, ukuran stasiun pengisian dapat
Banyak penelitian bertujuan untuk meminimalkan biaya infrastruktur untuk disesuaikan dengan permintaan di setiap stasiun, seperti pada Micari et al. [51].
memenuhi permintaan tertentu, sehingga mengambil permintaan sebagai kendala. Pengukuran dapat dilakukan hanya dengan jumlah EV yang mungkin dibutuhkan
Seperti biaya infrastruktur, beberapa makalah hanya memperhitungkan biaya setiap stasiun, atau dengan model yang lebih canggih seperti model antrean yang
pemasangan. Ini bisa menjadi biaya tetap yang sederhana untuk setiap stasiun dapat mempertimbangkan keacakan permintaan pengisian, seperti dalam Zhu et al. [53].
pengisian daya, yang dapat diaktualisasikan dengan mempertimbangkan siklus Namun, tidak mempertimbangkan kapasitas stasiun pengisian pada langkah pertama
hidupnya seperti di Dong et al. [33]. Dalam hal ini, tujuannya dipersempit untuk perencanaan lokasi stasiun pengisian dapat menyebabkan hasil yang kurang optimal,
menemukan konfigurasi yang memungkinkan untuk memiliki stasiun sesedikit karena ukuran stasiun mempengaruhi distribusinya di suatu wilayah.
mungkin. Biaya pengisian infrastruktur juga dapat dibuat lebih kompleks jika kita
mempertimbangkan perbedaan biaya pengisi daya dan biaya konstruksi, biaya tanah Beberapa model langsung memperhitungkan keterbatasan kapasitas stasiun
seperti pada Mehar et al. [34], atau biaya penguatan jaringan seperti di Rajabi-Ghahnavieh et pengisian
al. [35]. mereka sebagai kendala, seperti model yang diusulkan oleh Upchurch et al.
Lainnya memperhitungkan biaya investasi dan operasi, seperti biaya pemeliharaan [54] atau Gavranovic et al. [55]. Dengan demikian, disparitas permintaan dapat
atau biaya listrik (Jia et al. [36]). dipertimbangkan dan dihindari, misalnya, area dengan konsentrasi permintaan yang
Dengan maksud untuk mencapai profitabilitas, beberapa makalah juga bertujuan tinggi hanya dicakup oleh satu stasiun yang tidak akan dapat memenuhi semua
untuk memaksimalkan pemanfaatan pengisi daya (Cai et al. [37], Pevec et al. [38]). permintaan di area tersebut. Selain itu, memperbanyak jumlah stasiun di daerah
Studi lain memilih untuk tidak berurusan dengan biaya infrastruktur tetapi dengan dengan permintaan tinggi mengurangi dampak kegagalan salah satunya, yang penting
meminimalkan biaya pengguna. Biaya pengguna terutama terkait dengan waktu yang untuk keandalan infrastruktur. Berbeda dengan metode sebelumnya, bagaimanapun,
dihabiskan untuk menunggu di stasiun pengisian daya (Hanabusa et al. [39], Tu et al. pendekatan ini menyisakan sedikit fleksibilitas dalam hal ukuran setiap stasiun, karena
[40]), dan perjalanan – atau penyimpangan dari jalur aslinya – yang harus mereka parameter ini harus ditetapkan terlebih dahulu.
lakukan untuk mengisi daya kendaraan mereka (Ge et al. [41], Xu et al. [42]).
Beberapa surat kabar memilih untuk fokus memaksimalkan jumlah EV yang dapat Ukuran infrastruktur pengisian daya bukan hanya soal menentukan jumlah
kendaraan yang bisa ditampung, tapi juga waktu yang dihabiskan di stasiun. Proses
diisi di stasiun. Dengan kata lain, tujuannya adalah untuk memaksimalkan aliran EV di
pengisian daya yang memakan waktu beberapa jam memang tidak selalu merepotkan,
stasiun pengisian, berdasarkan pemikiran bahwa semakin banyak orang yang memiliki
akses ke infrastruktur, semakin bermanfaat infrastruktur tersebut. namun hal ini tidak selalu dapat diterima, seperti dalam perjalanan jauh yang
membutuhkan pengisian cepat untuk mencapai tujuan. Itulah mengapa penting juga
Beberapa model hanya mempertimbangkan masalah lokasi dan menyediakan cakupan
untuk memilih tingkat daya stasiun pengisian daya dengan bijak berdasarkan kasus
geografis dari permintaan (Wang dan Wang [43], Motoaki [44]).
penggunaan, dan banyak model menyertakan ukuran daya (You et al. [56], Wang et al.
Dalam hal ini, tujuannya adalah untuk memiliki jumlah EV maksimum dengan akses ke
[57]). Ukuran ini juga dapat dilakukan dengan setiap jenis stasiun yang dipilih sesuai
stasiun yang berpotensi tersedia, dan lokasi stasiun pengisian daya tidak berkorelasi
dengan jenis rute yang ditargetkan, yang memungkinkan stasiun pengisian cepat
dengan ukuran stasiun pengisian daya. Pekerjaan lain mempertimbangkan ketersediaan
ditempatkan di tempat yang paling berguna untuk pengisian cepat. Bahkan jika
stasiun, dengan memperkenalkan waktu pengisian selama stasiun tidak tersedia (Sun
meningkatkan kecepatan pengisian stasiun juga meningkatkan kapasitasnya karena
et al. [45]), atau model antrian (Yang et al. [46]). Hal ini memungkinkan untuk menjawab
melayani EV lebih cepat, stasiun pengisian lambat adalah opsi yang lebih hemat biaya
pertanyaan tentang ukuran infrastruktur.
untuk memenuhi kebutuhan seluruh wilayah (Sun et al. [45]).
Alternatif untuk memaksimalkan aliran EV adalah dengan memaksimalkan jumlah

Terakhir, stasiun pengisian harus berukuran dengan mempertimbangkan kapasitas
energi yang diisi oleh EV (Chen et al. [47], Csizar et al. [48]) atau
jaringan di lokasi titik pengisian. Seperti yang telah dijelaskan sebelumnya, sejumlah
besar titik pengisian daya di tempat yang sama atau titik pengisian daya tinggi tidak
2 Catatan: Di Bandara Schiphol Amsterdam, di mana terdapat armada taksi Tesla dapat dipasang di mana jaringan listrik terlalu lemah, dengan risiko menyebabkan
terbesar, taksi secara besar-besaran menggunakan infrastruktur gratis yang ketidakstabilan karena permintaan daya yang berlebihan [58].
disediakan oleh perusahaan mobil, menjadikannya infrastruktur pengisian daya yang Beberapa studi memilih untuk mengambil karakteristik jaringan listrik sebagai kendala
paling intensif digunakan di dunia. (Zhu et al. [53], Zhang et al. [59]), dan beberapa mempertimbangkan
5
Gambar 3. Prinsip sederhana dari pendekatan berbasis simpul.
kemungkinan memperkuat jaringan listrik (Sadeghi-Barzani et al. [60], Guo & metode berdasarkan logika perutean kendaraan dengan tujuan membuat semua
Zhao [61]). Masalah terkait jaringan lainnya, seperti puncak permintaan atau node jaringan transportasi dapat diakses satu sama lain. Kemudian, Wang dan
kualitas daya, juga dapat muncul karena pengisian infrastruktur yang tidak Wang [43] menggunakan SCLM untuk menutupi permintaan maksimum untuk
memperhitungkan jaringan listrik [62] atau karena jaringan listrik yang tidak perjalanan intra dan antar kota sambil meminimalkan biaya, dengan asumsi
memperhitungkan infrastruktur pengisian daya, tergantung sudut pandang. bahwa kapasitas setiap stasiun tidak terbatas.
Pendekatan berbasis node lainnya adalah Maximum Covering Location Model
(MCLM) [66]. Tujuannya adalah untuk menemukan sejumlah fasilitas untuk
4. Metode lokasi memaksimalkan cakupan permintaan, dengan mempertimbangkan jarak kritis
seperti yang dilakukan SCLM: fasilitas mencakup node permintaan jika jarak dari
Beberapa metode untuk menemukan infrastruktur pengisian daya telah fasilitas ke node berada di bawah jarak kritis ini. Berbeda dengan SCLM, MCLM
dikembangkan, dan sebagian besar dapat dikelompokkan menjadi tiga kategori memungkinkan beberapa node permintaan untuk tidak tercakup, sehingga dapat
utama: pendekatan berbasis simpul, jalur, atau tur [63]. digunakan ketika sumber daya tidak mencukupi untuk mencakup semua node
Pendekatan berbasis node adalah metode yang paling populer untuk permintaan, seperti yang sering terjadi pada kenyataannya. Namun, SCLM dan
menemukan stasiun pengisian. Ini berkaitan dengan masalah lokasi sebagai MCLM mempertimbangkan jarak untuk menentukan apakah node permintaan
masalah lokasi fasilitas, yang telah dipelajari secara ekstensif untuk banyak secara geografis dicakup oleh fasilitas, tanpa memperhitungkan dampak jarak
aplikasi [64]. Masalah yang akan dipecahkan dirumuskan sebagai berikut. tersebut: menempatkan pabrik pada node permintaan atau pada jarak kritis node
Mengingat calon lokasi yang merupakan simpul, tujuannya adalah untuk adalah hal yang sama. Frade et al. [67] menggunakan MCLM dalam studi kasus di
Lisbon, Portugal untuk menentukan lokasi stasiun pengisian dan kemudian
menempatkan fasilitas, yaitu stasiun pengisian daya, untuk memenuhi permintaan di simpul.
Meskipun tampaknya rumusan sederhana, masalah ini termasuk dalam kelas NP- menentukan ukuran stasiun sesuai permintaan di setiap zona yang dicakup.
hard, yang berarti bahwa kami tidak dapat menemukan solusi yang tepat dalam Matahari dkk. [45] menggunakan model cakupan maksimum berbasis simpul
waktu yang wajar karena algoritme resolusi yang sesuai memiliki waktu eksekusi untuk menemukan stasiun pengisian lambat dalam persaingan dengan stasiun
yang meningkat secara eksponensial dalam dimensi masalah. Metode heuristik pengisian cepat yang ditempatkan dengan model penangkap aliran (lihat nanti).
sering digunakan untuk memberikan solusi perkiraan dalam waktu komputasi Wagner dkk. [68] menggunakan pengoptimalan cakupan maksimum dan
yang masuk akal. Prinsip metode ini diilustrasikan pada Gambar. 3. menghitung nilai penempatan stasiun pengisian daya di tempat menarik seperti sekolah atau t
Model -median pertama kali diperkenalkan oleh S. Hakimi [69] sekarang
Pendekatan kedua yang telah dipertimbangkan adalah pendekatan berbasis menjadi salah satu model yang paling banyak digunakan dalam masalah lokasi
jalur, diperkenalkan oleh Hodgson [16] dan diilustrasikan pada Gambar. 4. fasilitas. Tujuan dari masalah -median adalah untuk menentukan di mana
Pendekatan ini bergantung pada model penangkapan aliran: tujuannya adalah menempatkan fasilitas di antara calon lokasi untuk meminimalkan biaya
untuk menempatkan stasiun pengisian daya di sepanjang jalur dengan aliran transportasi (atau jarak tertimbang) antara pelanggan dan fasilitas, dengan
tertinggi. kendaraan, dengan mempertimbangkan perjalanan asal-tujuan, untuk masing-masing pelanggan ditugaskan ke fasilitas. Masalahnya dapat dikapitalisasi,
melayani pengguna sebanyak mungkin. Ini mempertimbangkan efek yang hanya artinya fasilitas memiliki batasan kapasitas pada jumlah permintaan yang dapat
muncul dari permintaan yang berasal dari arus kendaraan, sedangkan pendekatan mereka layani, sehingga permintaan dari pelanggan yang ditugaskan ke fasilitas
berbasis simpul menawarkan pandangan permintaan yang relatif statis. ini tidak dapat melebihi kapasitas ini. Dalam hal stasiun pengisian, ini berarti
Terakhir, pendekatan berbasis tur, diilustrasikan pada Gambar. 5, tidak hanya jumlah mobil yang dapat dilayani dalam periode tertentu hanya terbatas, dan oleh
mempertimbangkan perjalanan asal-tujuan individu tetapi seluruh aktivitas agen karena itu ketersediaan stasiun tergantung langsung pada kapasitasnya.
dan kendaraannya selama suatu periode. Ini mempertimbangkan asal, tujuan, Gavranovic dkk. [55] menggunakan model ini pada subset lokasi potensial di
jarak tempuh, jalur kendaraan dan waktu tinggal, untuk memilih tempat terbaik Turki, dengan mempertimbangkan permintaan dan preferensi pemangku
untuk menempatkan infrastruktur pengisian daya sesuai dengan perilaku pengguna. kepentingan lokal. Jia et al. [70] memisahkan kebutuhan pengisian cepat dan
lambat, dan menggunakan model -median untuk menemukan stasiun pengisian
4.1. Pendekatan berbasis node cepat. Jung dkk. [71] juga menggunakan -median dalam masalah bi level untuk
menemukan stasiun pengisian untuk taksi, sambil meminimalkan jarak tempuh
Set Covering Location Model (SCLM) adalah model lokasi fasilitas yang ke stasiun dan antrian di stasiun. Dia dkk. [72] memperkirakan pengisian
bertujuan untuk meminimalkan jumlah fasilitas sekaligus mencakup semua permintaan melalui data sosio-demografis di Beijing dan menggunakan estimasi
permintaan dari pelanggan [15]. Dalam model ini, fasilitas ditempatkan sedemikian ini sebagai masukan untuk ketiga model berbasis simpul (SCLM, MCLM dan
rupa sehingga semua titik permintaan tidak lebih jauh dari pabrik dari jarak -median). Mereka menemukan bahwa model -median mengungguli SCLM dan
tertentu yang telah ditentukan. Ini meyakinkan semua konsumen bahwa MCLM, dan memberikan solusi yang lebih stabil.
mereka dapat menemukan fasilitas di bawah jarak ini, tetapi tidak Sebuah et al. [73] mengembangkan kerangka optimisasi dua tahap yang
mempertimbangkan permintaan: semua titik permintaan memiliki bobot yang mempertimbangkan gangguan yang dapat menyebabkan perubahan permintaan pengisian day
sama, mereka hanya perlu dicakup. Wang dan Lin [65] mengadaptasi metode ini Tabel 2 memberikan ikhtisar tentang metode berbasis simpul yang diterapkan
dan mengusulkan model lokasi stasiun pengisian bahan bakar menggunakan pemrograman
pada bilangan bulat campuran
lokasi stasiun pengisian EV.
6
Gambar 4. Prinsip sederhana dari pendekatan berbasis jalur.
Gambar 5. Prinsip sederhana dari pendekatan berbasis wisata.
4.2. Pendekatan berbasis jalur 4.3. Pendekatan berbasis tur
Metode ketiga adalah pendekatan berbasis wisata, kadang disebut juga

Alih-alih berurusan dengan permintaan di node, Hodgson [16] memperkenalkan
berbasis aktivitas. Jia et al. [36] mengusulkan model dengan estimasi permintaan
versi MCLM berbasis jalur yang disebut Flow-Capturing Location Model (FCLM) pengisian kendaraan berdasarkan permintaan parkir, diukur dalam jam kendaraan.
dengan hipotesis bahwa lalu lintas dalam jaringan dapat dilayani oleh beberapa Mereka berasumsi bahwa semakin banyak slot parkir yang terisi, semakin banyak
fasilitas yang terletak di jalur umum. FCLM mempertimbangkan pasangan asal- permintaan pengisian daya, terlepas dari pergantian.
tujuan dan bertujuan untuk memaksimalkan aliran yang ditangkap pada jalur Chen dkk. [47] mengembangkan model berbasis parkir yang mempertimbangkan
terpendek antara asal dan tujuan. Dalam model ini, jalur dianggap tertutup jika durasi waktu parkir tetapi tidak termasuk parkir rumah. Cavadas dkk. [92] juga
melewati setidaknya satu node dengan stasiun pengisian daya. mempertimbangkan kemungkinan transfer permintaan antara situs pengisian
untuk pengguna, yang berarti bahwa permintaan pengisian di tempat yang
berbeda dapat ditransfer antara situs tersebut sesuai dengan aktivitas pengguna.
FCLM kemudian diperpanjang. Kuby dan Lim [82] mengembangkan Flow-
Anda dkk. [56] mengadopsi strategi berdasarkan perjalanan yang terlewatkan
Refueling Location Problem (FRLM) terutama untuk kendaraan berbahan bakar
dalam tur. Model pengoptimalan mereka mencoba meminimalkan jumlah tur yang
alternatif yang mempertimbangkan jarak tempuh kendaraan yang terbatas, karena
tidak dapat dilakukan karena kurangnya stasiun pengisian daya. Andrews et al.
sebuah kendaraan mungkin harus berhenti di lebih dari satu stasiun pengisian
[93] mengadopsi pendekatan serupa pada perjalanan yang terlewat tetapi
bahan bakar untuk menyelesaikan sebuah jalur. Mereka menemukan bahwa
mempertimbangkan infrastruktur pengisian daya yang tersedia. Mereka
menempatkan stasiun pengisian hanya pada node tidak akan cukup untuk mengembangkan 'model pengisian daya pengguna' yang menentukan di mana
memberikan cakupan total, dan kemudian mengembangkan metode untuk dan bagaimana pengguna EV perlu mengisi daya dengan mempertimbangkan
menempatkan stasiun pada link [83]. Kemudian, bersama Upchurch [54], mereka metode pengisian daya yang tersedia. Jika kendaraan gagal dalam perjalanan
mengembangkan CFRLM, yaitu FRLM dengan keterbatasan kapasitas stasiun karena kurangnya infrastruktur, hal itu menjadi masukan dalam program
pengisian bahan bakar. Wang dkk. [57] menggunakan model ini untuk optimalisasi untuk menempatkan stasiun pengisian baru. Cai dkk. [37]
menempatkan berbagai jenis stasiun, karena model sebelumnya hanya mengusulkan metode berbasis data berdasarkan data taksi untuk menempatkan
memperhitungkan satu jenis stasiun pengisian. Kim dan Kuby [84] kemudian stasiun pengisian di pompa bensin yang ada. Mereka mengekstrak peristiwa
menyusun model optimisasi yang mempertimbangkan penyimpangan dari jalur berhenti untuk menemukan peluang pengisian daya di berbagai stasiun dan
memperkirakan potensi permintaan pengisian daya untuk titik berhenti di pompa
terpendek yang harus dilakukan pengemudi untuk mengisi bahan bakar kendaraan
bensin dengan mengevaluasi status pengisian daya menurut tur sebelumnya.
mereka, dan Huang et al. [85] mengusulkan model dengan kemungkinan beberapa
Shahraki dkk. [94] menggunakan metode serupa tetapi berfokus pada kendaraan
jalur penyimpangan. Li dkk. [25] mengusulkan FRLM 'multi-period multi-path'
listrik hibrida plug-in (PHEV). Mereka melihat waktu tinggal di antara perjalanan
dengan tujuan untuk meminimalkan total biaya instalasi sambil membuat setiap
dan memperkirakan kondisi pengisian baterai setelah setiap perjalanan, kemudian
perjalanan layak melalui setidaknya satu jalur antara asal dan tujuan dalam
menempatkan stasiun pengisian daya untuk meminimalkan jarak yang ditempuh
toleransi yang wajar dibandingkan dengan jalur terpendek, dan mempertimbangkan PHEV dalam mode mesin pembakaran. Gonzales dkk. [95] mengadopsi pendekatan
dinamika jaringan dari waktu ke waktu. Selanjutnya, Wu dan Sioshansi [86] serupa dari data simulasi, dengan pengoptimalan terkait kendaraan yang tidak
mengembangkan model FCLM stokastik yang memperhitungkan ketidakpastian dapat menyelesaikan perjalanan hariannya tanpa mengubah perilaku awal untuk
permintaan pengisian EV segera setelah infrastruktur dibangun untuk mengisi daya EV sambil mempertimbangkan fluktuasi harga listrik untuk
mengantisipasi adopsi EV di masa mendatang. Tabel 3 memberikan gambaran tentang metode
meminimalkan
berbasisbiaya
jalur.pengisian. Dia dkk. [52] menentukan model berbasis tur dua tingkat deng
7
Tabel 2
Ringkasan artikel menggunakan pendekatan berbasis simpul.
metode Masalah Tujuan pengoptimalan utama Kertas
MCLM Lokasi Maksimalkan jumlah EV yang dibebankan Frade et al. (2011) [67]
MCLM Lokasi Maksimalkan jumlah EV yang dibebankan Guo & Zhao (2015) [61]
MCLM Lokasi dan ukuran (kapasitas ) Maksimalkan jumlah EV yang dibebankan Wang dkk. (2013) [57]
MCLM Lokasi dan ukuran (kapasitas) Maksimalkan jumlah EV yang dibebankan Gopalakrishnan et al. (2016) [74]
MCLM Lokasi dan ukuran (kekuatan dan Minimalkan biaya infrastruktur untuk permintaan Yang dkk. (2017) [46]
kapasitas) tertentu
MCLM Lokasi dan ukuran (daya) Maksimalkan jumlah energi yang dibebankan Wagner dkk. (2013) [68]
MCLM Lokasi dan ukuran (daya) Maksimalkan jumlah EV yang dibebankan Liu, J. (2012) [75]
MCLM Lokasi dan ukuran (daya) Minimalkan biaya infrastruktur untuk permintaan Deb dkk. (2019) [76]
tertentu
p-median Lokasi Minimalkan jarak (atau penyimpangan) ke stasiun pengisian Xu dkk. (2013) [42]
daya
p-median Lokasi Minimalkan jarak (atau penyimpangan) ke stasiun pengisian Gavranovic dkk. (2014) [55]
daya
p-median Lokasi Minimalkan biaya infrastruktur untuk permintaan Jia et al. (2014) [70]
tertentu
p-median Lokasi dan ukuran (kapasitas) Minimalkan jarak (atau penyimpangan) ke stasiun pengisian Ge dkk. (2011) [41]
daya
p-median Lokasi dan ukuran (kapasitas) Minimalkan biaya infrastruktur untuk permintaan Mehar dkk. (2013) [34]
tertentu
p-median Lokasi dan ukuran (kapasitas) Minimalkan biaya infrastruktur untuk permintaan Sadeghi-Barzani et al. (2014) [60]
tertentu
p-median Lokasi dan ukuran (kapasitas) Minimalkan biaya infrastruktur untuk permintaan Zhu dkk. (2017) [53]
tertentu
SCLM Lokasi Maksimalkan jumlah EV yang dibebankan Wang & Lin (2009) [65]
SCLM Lokasi Maksimalkan jumlah EV yang dibebankan Wang & Wang (2010) [43]
SCLM Lokasi dan ukuran (kapasitas) Maksimalkan jumlah energi yang dibebankan Csiszár et al. (2019) [48]
SCLM Lokasi dan ukuran (kapasitas) Minimalkan biaya infrastruktur untuk permintaan Andrenacci et al. (2016) [77]
tertentu
SCLM Lokasi dan ukuran (kapasitas) Minimalkan biaya infrastruktur untuk permintaan Ghamami et al. (2016) [78]
tertentu
SCLM Lokasi dan ukuran (kapasitas) Minimalkan biaya infrastruktur untuk permintaan Davidov & Pantos (2017) [79]
tertentu
SCLM Lokasi dan ukuran (kapasitas) Minimalkan biaya infrastruktur untuk permintaan Vazifeh et al. (2019) [80]
tertentu
SCLM Lokasi dan ukuran (daya) Minimalkan biaya infrastruktur untuk permintaan Li dkk (2011) [81]
tertentu
Tidak Lokasi Maksimalkan penggunaan pengisi daya Pevec dkk. (2018) [38]
terklasifikasi (berbasis node)
Tidak Lokasi Minimalkan biaya infrastruktur untuk permintaan Rajabi-Ghahnavie &
terklasifikasi (berbasis node) tertentu Sadeghi-Barzani (2017) [35]
Tidak Lokasi dan ukuran (kapasitas) Maksimalkan jumlah EV yang dibebankan Dia dkk. (2016) [72]
terklasifikasi (berbasis node)
Tidak terklasifikasi Lokasi dan ukuran (daya) Maksimalkan jarak tempuh Wang dkk. (2019) [49]
(berbasis node)
aUkuran kapasitas mengacu pada jumlah EV yang dapat dilayani per satuan waktu. bUkuran daya
mengacu pada kecepatan pengisian (daya pengisian yang lebih tinggi berarti kecepatan pengisian yang lebih tinggi.
di tingkat yang lebih rendah dan bertujuan untuk memaksimalkan kesejahteraan prinsip. Ini bisa berharga dalam kasus model berbasis tur yang rakus data. Model
sosial di tingkat atas. Xi dkk. [96] mengadopsi model dengan resolusi lebih rendah, multi-agen memungkinkan untuk melacak setiap agen dalam populasi yang
membagi suatu wilayah menjadi sub-wilayah di mana data perjalanan antar sub- dipelajari secara individual, dan karenanya melakukan analisis dalam kaitannya
wilayah tersedia. Tujuan mereka adalah memaksimalkan jumlah EV yang diisi daya, dengan aktivitas populasi tersebut, dan memberikan representasi eksplisit dari tur
atau jumlah baterai yang diisi, dengan trade-off antara infrastruktur level 1 dan 2 di [102]. Selain itu, alat pemodelan seperti proyek MATSim [103] telah dikembangkan
bawah batasan anggaran. Mereka menemukan bahwa efisiensi infrastruktur tingkat untuk mensimulasikan perilaku populasi sehubungan dengan sistem transportasi,
1 atau 2 yang diistimewakan bergantung pada tujuan yang dipilih, tetapi pengisi dan dapat digunakan untuk memodelkan permintaan energi [104].
daya tingkat 1 lebih hemat biaya jika dana yang cukup tidak tersedia.
Tinjauan literatur berbasis tur diberikan pada Tabel 4. Metode berbasis tur tidak 4.4. Diskusi
benar-benar dikategorikan, sehingga kolom "Metode" tidak tampak bertentangan
dengan dua tabel sebelumnya. Singkatnya, Gambar. 6 memberikan gambaran umum tentang metode yang
Model berbasis tur seringkali membutuhkan banyak data, yang seringkali sulit dibahas sebelumnya.
diakses karena alasan privasi. Model berbasis agen – atau model multi agen – Keuntungan utama dari pendekatan berbasis node adalah membutuhkan sedikit
dapat secara informatif mensimulasikan data dan menganalisis dinamika lalu lintas data, hanya membutuhkan kepadatan populasi, yang relatif dapat diakses. Hal ini
[49]. Chen dkk. [101] menggunakan model berbasis agen dengan kendaraan listrik membuat pendekatan berbasis simpul menjadi perkiraan awal lokasi stasiun
otonom untuk menempatkan stasiun pengisian daya. Model semacam ini dapat pengisian yang mudah. Namun, ada batasan untuk jenis pertanggungan ini.
dibuat dari data perjalanan nyata (survei perjalanan, dll.) dan digunakan untuk Misalnya, model yang tidak berkapasitas hanya menangani cakupan tanpa
membandingkan perilaku pengguna di antara berbagai strategi penyebaran mempertimbangkan jumlah permintaan. Kedua, jalur resolusi ini menawarkan visi
infrastruktur pengisian daya. Model berbasis agen juga dapat dibangun untuk statis tentang permintaan pengisian daya, yang sebenarnya tidak demikian: seperti
skenario studi, yang dapat berguna jika tidak ada cukup data untuk memvalidasi model yang dinyatakan sebelumnya, salah satu yang utama
8
Tabel 3
Ringkasan artikel menggunakan pendekatan berbasis jalur.
metode Masalah Tujuan pengoptimalan utama Kertas
FCLM Lokasi Maksimalkan jumlah EV yang dibebankan Dia dkk. (2018) [87]
FCLM Lokasi Maksimalkan jumlah EV yang dibebankan Motoaki, Y (2019) [44]
FCLM Lokasi Maksimalkan jumlah EV yang dibebankan Rieman dkk. (2015) [88]
FCLM Lokasi Maksimalkan jumlah EV yang dibebankan Wu & Sioshansi (2017) [86]
FCLM Lokasi Minimalkan biaya infrastruktur untuk permintaan Li dkk (2016) [25]
tertentu
FCLM Lokasi Minimalkan waktu tunggu di stasiun Hanabusa & Horiguchi (2011) [39]
FCLM Lokasi dan ukuran Minimalkan perjalanan yang gagal (atau maksimalkan jumlah Micari et al. (2017) [51]
(kapasitas) kemungkinan perjalanan)
FCLM Lokasi dan ukuran Minimalkan biaya infrastruktur untuk permintaan Dong dkk. (2016) [33]
(kapasitas) tertentu
FCLM Lokasi dan ukuran Minimalkan biaya infrastruktur untuk permintaan Xiang dkk. (2016) [89]
(kapasitas) tertentu
FRLM Lokasi Maksimalkan jumlah EV yang dibebankan Kuby dkk. (2005) [82]
FRLM Lokasi Maksimalkan jumlah EV yang dibebankan Kuby dkk. (2007) [83]
FRLM Lokasi Minimalkan biaya infrastruktur untuk permintaan Huang dkk. (2015) [85]
tertentu
FRLM Lokasi Minimalkan biaya infrastruktur untuk permintaan Li & Huang (2014) [11]
tertentu
FRLM Lokasi dan ukuran Maksimalkan jumlah EV yang dibebankan Upchurch dkk. (2009) [54]
(kapasitas)
FRLM Lokasi dan ukuran Maksimalkan jumlah EV yang dibebankan Zhang dkk. (2018) [59]
(kapasitas)
Pendekatan hybrid: berbasis node dan jalur Lokasi Minimalkan perjalanan yang gagal (atau maksimalkan jumlah Upchurch & Kuby (2010) [90]
kemungkinan perjalanan)
Pendekatan hybrid: berbasis jalur (pengisian cepat) Lokasi Minimalkan biaya infrastruktur untuk permintaan Huang dkk. (2016) [91]
dan berbasis node (pengisian lambat) tertentu
Pendekatan hybrid: berbasis jalur (pengisian cepat) Lokasi dan ukuran Maksimalkan jumlah EV yang dibebankan Matahari dkk. (2018) [45]
dan berbasis node (pengisian lambat) (daya)
Tabel 4
Ringkasan artikel menggunakan pendekatan berbasis wisata.
Masalah Tujuan pengoptimalan utama Kertas
Lokasi Maksimalkan jarak tempuh Shahraki dkk. (2015) [94]

Lokasi Maksimalkan jumlah EV yang dibebankan Dia dkk. (2015) [52]
Lokasi Minimalkan jarak (atau penyimpangan) ke stasiun pengisian daya Andrew et al. (2013) [93]
Lokasi Minimalkan perjalanan yang gagal (atau maksimalkan jumlah kemungkinan perjalanan) Asamer et al. (2016) [50]
Lokasi Minimalkan biaya infrastruktur untuk permintaan tertentu Wang dkk. (2017) [32]
Lokasi Minimalkan waktu tunggu di stasiun Jung dkk. (2014) [71]
Lokasi Minimalkan waktu tunggu di stasiun Tu dkk. (2016) [40]
Lokasi dan ukuran (kapasitas) Maksimalkan penggunaan pengisi daya Cai dkk. (2014) [37]
Lokasi dan ukuran (kapasitas) Maksimalkan jumlah EV yang dibebankan Cavadas dkk. (2015) [92]
Lokasi dan ukuran (kapasitas) Minimalkan perjalanan yang gagal (atau maksimalkan jumlah kemungkinan perjalanan) Dong dkk. (2012) [97]
Lokasi dan ukuran (kapasitas) Minimalkan biaya infrastruktur untuk permintaan tertentu Han dkk. (2016) [98]
Lokasi dan ukuran (kapasitas) Minimalkan biaya infrastruktur untuk permintaan tertentu Jia et al. (2012) [36]
Lokasi dan ukuran (daya dan kapasitas) Maksimalkan jumlah energi yang dibebankan Chen dkk. (2013) [47]
Lokasi dan ukuran (daya dan kapasitas) Maksimalkan jumlah EV yang dibebankan atau maksimalkan jumlah energi yang dibebankan Xi dkk. (2013) [99]
Lokasi dan ukuran (daya) Minimalkan perjalanan yang gagal (atau maksimalkan jumlah kemungkinan perjalanan) Kamu & Hsieh (2014) [56]
Lokasi dan ukuran (daya) Minimalkan waktu tunggu di stasiun Kameda & Mukai (2011) [100]
keuntungan dari model berbasis aliran dibandingkan pendekatan nodal adalah untuk stasiun pengisian lambat di mana baterai EV memerlukan waktu beberapa
dapat memperhitungkan masalah yang hanya muncul dari deskripsi arus jam untuk diisi. Dengan demikian, pendekatan berbasis aliran bukanlah pengganti
kendaraan. Masalah lainnya adalah cakupan berbasis node dapat menyebabkan pendekatan berbasis simpul, tetapi saling melengkapi, tergantung pada tujuan,
representasi kebutuhan pengisian daya yang buruk. Menurut Hodgson [16], wilayah, jenis stasiun pengisian, dll. Namun, banyak penelitian hanya menggunakan
permintaan dalam suatu jaringan tidak selalu dinyatakan pada node, karena orang satu atau kategori lainnya. Matahari dkk. [45] menggunakan pendekatan metode
umumnya tidak akan melakukan perjalanan dari rumah ke stasiun pengisian daya campuran, dengan lokasi stasiun pengisian cepat untuk intersepsi kendaraan dan
hanya untuk mengisi daya kendaraannya. Selain itu, pendekatan berbasis node pendekatan berbasis simpul untuk menempatkan stasiun pengisian lambat di
gagal menangani masalah yang muncul dari arus lalu lintas seperti kanibalisasi, tempat di mana waktu pengisian yang lama dapat diterima. Namun, model
yang berarti bahwa stasiun pengisian daya memotong area jangkauan satu sama lain. penangkap aliran seringkali gagal menangkap ketidakpastian permintaan pengisian
Selain itu, Upchurch et al. [90] menemukan bahwa metode berbasis aliran lebih daya EV, yang dapat menyebabkan lokasi yang kurang kokoh [86].
stabil karena jumlah stasiun pengisian yang harus ditempatkan meningkat, yang Mengingat masalah dengan pendekatan berbasis aliran, pendekatan berbasis
sangat penting saat merencanakan dari waktu ke waktu. Itulah sebabnya banyak tur tidak hanya didasarkan pada pola mengemudi pengguna tetapi lebih umum
penelitian yang secara eksplisit mengintegrasikan pengaruh arus ke dalam lokasi pada perilaku pengguna. Jenis pendekatan ini terkadang juga disebut sebagai
stasiun pengisian [25]. 'berbasis aktivitas'. Dengan mempertimbangkan peristiwa di sekitar detail urutan
Namun, pendekatan berbasis aliran ini tidak cocok untuk semua kasus. perjalanan, hal ini memungkinkan representasi kebutuhan pengisian daya
Metode berbasis aliran mempertimbangkan bahwa pengisian EV akan dilakukan pengemudi yang lebih baik daripada dua pendekatan sebelumnya. Dengan
dengan cepat sebelum melanjutkan perjalanan ke tujuan utama, seperti yang menggunakan data nyata dan individual, pendekatan berbasis tur menangkap
dilakukan pengguna kendaraan ICE. Meskipun solusi ini dimungkinkan dengan keacakan dalam perilaku pengguna, dan memungkinkan untuk melayani semua
stasiun pengisian cepat, yang dapat mengisi bahan bakar EV dalam belasan menit, hal itu tidak mungkin
pengguna, dilakukan
yang tidak dapat dilakukan dengan data agregat, seperti yang diilustrasikan pada G
9
Gambar 6. Tinjauan metode lokasi.
kriteria yang dipilih adalah yang tepat. Tingginya biaya infrastruktur membuat pengujian
skala besar tidak dapat dilakukan. Untuk mengatasi masalah ini, model multi agen
dapat membantu seperti yang telah dijelaskan di atas. Namun, model ini dapat
mengalami bias simulasi, dan karena itu dapat memberikan pandangan yang salah
tentang perilaku pengguna.
5. Kesimpulan
Makalah ini menganalisis model untuk menerapkan infrastruktur pengisian daya

dan membahas masalah terkait teknis, ekonomi, dan perilaku pengguna yang terkait.
Difusi luas EV merupakan langkah menuju mobilitas yang lebih ramah lingkungan,
yang merupakan salah satu tantangan besar saat ini. Transisi dari kendaraan ICE ke
Gambar 7. Contoh tiga jalur.
EV ini tidak dapat terjadi tanpa infrastruktur yang sangat mengurangi kecemasan
jangkauan pengguna awal dan meyakinkan calon pengguna di masa mendatang bahwa
Tabel 5
EV mampu memberikan layanan yang sama seperti kendaraan ICE. Untuk saat ini,
Poin utama perbandingan antara metode lokasi.
infrastruktur telah dikembangkan dengan strategi menyeluruh yang koheren dan
Kriteria metode
terbatas. Namun, biaya dasar infrastruktur yang diperlukan untuk memenuhi kebutuhan
Berbasis node Berbasis jalur Berbasis tur
sejumlah besar pengguna EV, serta keterbatasan fisik jaringan listrik, membuat
Wilayah perkotaan + ÿÿ
++ koordinasi dan pengoptimalan penyebaran skala besar infrastruktur pengisian daya

Jalan raya ÿ
++ + menjadi penting, gagal. di mana terdapat risiko pemborosan sumber daya yang
Representasi kebutuhan pengisian daya -/+ + ++ berharga dan berakhir dengan infrastruktur yang tidak disesuaikan dengan kebutuhan
++
pengguna.
Perilaku pengguna ÿ
-/+
Persyaratan data Sangat rendah Rendah Sangat tinggi

Beasiswa telah menggunakan beberapa pendekatan untuk mengoptimalkan
penyebaran infrastruktur pengisian daya. Pendekatan ini dapat dipecah menjadi tiga
kategori: berbasis simpul, berbasis jalur, dan berbasis tur. Meskipun tidak spesifik
jalur kuning melewati simpul 1 dan 2, dan jalur merah melewati simpul 3. Jika dua untuk perencanaan infrastruktur pengisian daya EV, pendekatan ini dapat dengan
stasiun ditempatkan berdasarkan data agregat, mereka akan berada di simpul 1 dan 2 mudah diadaptasi untuk mempertimbangkan kekhususan EV alih-alih meniru model
yang memiliki lalu lintas terbanyak, tetapi kendaraan hijau dan kuning akan dilayani SPBU, dan memfasilitasi transisi dari kendaraan ICE ke EV lebih mudah dengan
dua kali dan yang merah tidak akan dilayani sama sekali, yang bisa dihindari jika meminimalkan kendala penggunaan EV.
menggunakan data individual. Pendekatan berbasis node mudah diimplementasikan dan cocok untuk area
tertentu seperti lingkungan perumahan, tetapi gagal menangkap masalah yang timbul
Namun, seperti dicatat di sebagian besar karya berbasis tur, metode ini sering kali dari arus kendaraan. Pendekatan berbasis jalur dapat mengatasi kesenjangan ini, tetapi
digerakkan oleh data, dengan data nyata atau setidaknya data simulasi. Ini lebih cocok untuk kasus penggunaan jalan raya dan memiliki kelemahan karena
membutuhkan sejumlah besar data yang sangat terperinci, menelusuri setidaknya mengarah ke infrastruktur yang memakan waktu, yang dapat menjadi penghalang bagi
detail perjalanan individu dan berhenti untuk ukuran sampel yang cukup besar untuk pengguna untuk melakukan transisi dari kendaraan ICE ke EV. Pendekatan berbasis
membuat model realistis. Data ini mungkin sulit diperoleh. Poin utama perbandingan tur membutuhkan banyak data dan oleh karena itu lebih sulit untuk diimplementasikan,
antara pendekatan dirangkum dalam Tabel 5 tetapi dapat mempertimbangkan aktivitas pengguna untuk mendapatkan infrastruktur
Sebagai penutup bagian ini, perhatikan bahwa banyak penelitian telah dilakukan yang paling mudah diadaptasi dan paling tidak membatasi pengguna. Dengan data
untuk tujuan perencanaan infrastruktur pengisian daya yang sebaik mungkin. Mereka aktivitas pengguna, tempat menarik dapat dimanfaatkan untuk memberikan solusi
telah dilakukan dengan kriteria yang berbeda untuk dioptimalkan sesuai dengan tujuan pengisian daya di lokasi yang ada permintaan, tanpa pengguna harus mengubah
yang diinginkan. Namun, meskipun mudah untuk memeriksa apakah kriteria yang perilakunya [105].
dipilih telah dioptimalkan, lebih sulit untuk mengukur dampak model ini terhadap Metode mengadopsi strategi respon yang berbeda, terlepas dari pendekatan yang
populasi, dengan kata lain apakah digunakan. Beberapa fokus pada memaksimalkan permintaan yang dilayani untuk waktu yang tetap
10
MO Metais dkk.
Tabel A.1
Kertas Mendekati Masalah Terbatas Jenis Utama Kasus penggunaan Rumah Aspek jaringan Sebelumnya
sumber daya pengisian daya tujuan Lingkungan sasaran pengisian listrik
pengoptimalan daya tersedia infrastruktur yang ada
Wang & Lin Campuran Lokasi dan Ya Campuran Perkecil gagal Pribadi Campuran Tidak ditentukan Tidak
(2013) [57] mendekati ukuran (daya (paksaan) perjalanan kendaraan lingkungan
dan kapasitas) (atau maksimalkan

jumlah
Gereja & Berbasis Lokasi Ya Unik Minimalkan Jalan raya Tidak ditentukan Tidak
Kubi (2010) [90] node dan jalur (kendala) perjalanan yang Kendaraan pribadi
gagal (atau
maksimalkan jumlah
Dia dkk. (2016) [72] Lokasi berbasis node dan Ya Campuran Maksimalkan Perkotaan Ya, tidak untuk Tidak Tidak
ukuran (kapasitas) (kendala) jumlah EV yang Kendaraan pribadi lingkungan semua
dibebankan
Rajabi Lokasi berbasis Node Tidak (anggaran Pengisian cepat Minimalkan Pribadi Perkotaan Ya, untuk semua Ya, sebagai Tidak
Ghahnavieh & untuk dioptimalkan) infrastruktur kendaraan lingkungan parameter

Sadeghi-Barzani biaya untuk
(2017) [35] permintaan tertentu
Pevec dkk. Lokasi berbasis Node Ya Unik Maksimalkan Pribadi Campuran Ya, tidak untuk Tidak Ya
(2018) [38] (paksaan) penggunaan kendaraan lingkungan semua
pengisi daya
Wang dkk. Lokasi berbasis node dan Ya Campuran Maksimalkan Taksi dan Perkotaan Ya, tidak untuk Tidak Tidak
(2019) [49] ukuran (daya) (paksaan) jarak tempuh kendaraan pribadi lingkungan semua
Frade et al. Berbasis node Lokasi Ya Lambat Maksimalkan Pribadi Perkotaan Ya, tidak untuk Tidak Tidak
(2011) [67] (MCLM) (paksaan) pengisian daya jumlah EV yang kendaraan lingkungan semua
dibebankan
Liu, J. (2012) [75] Berbasis node Lokasi dan Ya Campuran Maksimalkan Pribadi Perkotaan Ya, tidak untuk Ya, sebagai Tidak
(MCLM) ukuran (daya) (paksaan) jumlah EV yang kendaraan lingkungan semua kendala
dibebankan
Wagner dkk. Berbasis node Lokasi dan Ya Campuran Maksimalkan Pribadi Semi-perkotaan Tidak ditentukan Tidak
(2013) [68] (MCLM) ukuran (daya) (paksaan) jumlah kendaraan lingkungan
energi yang dibebankan
Wang dkk. Berbasis node Lokasi dan Ya Campuran Maksimalkan Pribadi Tidak ditentukan Unspecified Ya, sebagai Tidak
(2013) [57] (MCLM) ukuran (kapasitas) (paksaan) jumlah EV yang kendaraan kendala
dibebankan
Guo & Zhao Berbasis node Lokasi Ya Unik Maksimalkan Pribadi Perkotaan Tidak ditentukan Ya, sebagai Tidak
(2015) [61] (MCLM) (paksaan) jumlah EV yang kendaraan lingkungan parameter

dibebankan
Gopalakrishnan et Berbasis node Lokasi dan Ya Unik Maksimalkan Pribadi Tidak ditentukan Tidak ditentukan Tidak
al. (2016) [74] (MCLM) ukuran (kapasitas) (paksaan) jumlah EV yang kendaraan
dibebankan
Yang dkk. Berbasis node Lokasi dan Ya Unik Minimalkan Armada taksi Semi-perkotaan Tidak ditentukan Ya
(2017) [46] (MCLM) ukuran (daya (paksaan) biaya infrastruktur lingkungan
dan kapasitas) untuk permintaan

tertentu
Deb dkk. Berbasis node Lokasi dan Tidak (anggaran Campuran Minimalkan Tidak ditentukan Ya, sebagai a Tidak
(2019) [76] (MCLM) ukuran (daya) untuk dioptimalkan) biaya infrastruktur Kendaraan pribadi Lingkungan urban parameter
untuk permintaan
tertentu
Ge dkk. (2011) [41] Berbasis Lokasi dan Ya Unik Minimalkan Campuran Tidak ditentukan Tidak
simpul (p-median) ukuran (kapasitas) (kendala) jarak (atau Kendaraan pribadi lingkungan
penyimpangan) ke
stasiun pengisian
Xu dkk. (2013) [42] Berbasis Lokasi Ya Unik Minimalkan Pribadi Tidak ditentukan Tidak
simpul (p-median) (paksaan) jarak (atau kendaraan Lingkungan urban

penyimpangan) ke
stasiun pengisian
Mehar dkk. Berbasis Lokasi dan Tidak (anggaran Unik Minimalkan Pribadi Tidak ditentukan Unspecified Ya, sebagai Ya
(2013) [34] simpul (p-median) ukuran (kapasitas) untuk dioptimalkan) infrastruktur kendaraan kendala
biaya untuk
permintaan tertentu
Gavranovic dkk. Berbasis node Lokasi Ya Unik Minimalkan Pribadi Campuran Tidak ditentukan Tidak
(2014) [55] (p-median) (paksaan) jarak (atau kendaraan lingkungan

penyimpangan) ke
stasiun pengisian
(bersambung ke halaman berikutnya)
11
MO Metais dkk.
Tabel A.1 (lanjutan).
Kertas Mendekati Masalah Terbatas Jenis Tujuan Kasus penggunaan Rumah Aspek jaringan Infrastruktur
sumber daya pengisian daya pengoptimalan Lingkungan sasaran pengisian listrik yang sudah
utama daya tersedia ada sebelumnya
Jia et al. (2014) [70] Berbasis Lokasi Tidak (anggaran Pengisian cepat Minimalkan Pribadi Semi-perkotaan Ya, untuk semua Tidak Tidak
simpul (p-median) untuk dioptimalkan) infrastruktur kendaraan dengan lingkungan
biaya untuk rumah

permintaan tertentu pengisian daya
Sadeghi-barzani et Berbasis node Lokasi dan Tidak (anggaran Pengisian cepat Minimalkan biaya Pribadi Tidak ditentukan Tidak ditentukan Ya, sebagai Tidak
al. (2014) [60] (p-median) ukuran (kapasitas) untuk dioptimalkan) infrastruktur kendaraan parameter
untuk permintaan
tertentu
Zhu dkk. Berbasis Lokasi dan Tidak (anggaran Unik Minimalkan biaya Tidak ditentukan Tidak ditentukan Ya, sebagai a Tidak
(2017) [53] simpul (p-median) ukuran (kapasitas) untuk dioptimalkan) infrastruktur Kendaraan pribadi parameter
untuk permintaan
tertentu
Wang & Lin Berbasis node Lokasi Ya Unik Maksimalkan Tidak ditentukan Tidak ditentukan Tidak
(2009) [65] (SCLM) (kendala) jumlah EV yang Kendaraan pribadi
dibebankan
Wang & Wang Berbasis node Lokasi Ya Unik Maksimalkan Tidak ditentukan Tidak ditentukan Tidak
(2010) [43] (SCLM) (kendala) jumlah EV yang Kendaraan pribadi
dibebankan
Li dkk. (2011) [81] Berbasis node Lokasi dan Tidak (anggaran Campuran Minimalkan biaya Tidak ditentukan Tidak ditentukan Tidak
(SCLM) ukuran (daya) untuk dioptimalkan) infrastruktur Kendaraan pribadi
untuk permintaan
tertentu
Andrenacci et al. Berbasis node Lokasi dan Tidak (anggaran Unik Minimalkan Pribadi Semi-perkotaan Ya, untuk semua Tidak Tidak
(2016) [77] (SCLM) ukuran (kapasitas) untuk dioptimalkan) biaya infrastruktur kendaraan lingkungan
untuk permintaan
tertentu
Ghamami et al. Berbasis node Lokasi dan Tidak (anggaran Unik Minimalkan Pribadi Perkotaan Tidak Tidak Tidak
(2016) [78] (SCLM) ukuran (kapasitas) untuk dioptimalkan) infrastruktur kendaraan lingkungan
biaya untuk
permintaan tertentu
Davidov & Berbasis node Lokasi dan Tidak (anggaran Unik Minimalkan Pribadi Tidak ditentukan Tidak ditentukan Tidak
Pantos (2017) [79] (SCLM) ukuran (kapasitas) untuk dioptimalkan) biaya infrastruktur kendaraan
untuk permintaan
tertentu
Csiszár et al. Berbasis node Lokasi dan Ya Unik Maksimalkan Tidak ditentukan Ya, tidak untuk Tidak Tidak
(2019) [48] (SCLM) ukuran (kapasitas) (paksaan) jumlah energi Kendaraan pribadi semua
yang dibebankan
Vazifeh et al. Berbasis node Lokasi dan Tidak (anggaran Unik Minimalkan biaya Lingkungan Ya, untuk semua Tidak Tidak
(2019) [80] (SCLM) ukuran (kapasitas) untuk dioptimalkan) infrastruktur Kendaraan pribadi semi perkotaan
untuk permintaan
tertentu
Huang dkk. Berbasis jalur Lokasi Tidak (anggaran Campuran Minimalkan biaya Semi-perkotaan Tidak ditentukan Tidak
(2016) [91] (pengisian untuk dioptimalkan) infrastruktur Kendaraan pribadi lingkungan
cepat) dan untuk permintaan

berbasis node tertentu
(pengisian lambat)
Matahari dkk. (2018) Berbasis jalur Lokasi dan Ya Campuran Maksimalkan Pribadi Campuran Ya, untuk semua Tidak Tidak
[45] ukuran (daya) (paksaan) jumlah EV yang kendaraan lingkungan
(pengisian cepat) dibebankan

dan berbasis
node (pengisian
lambat)
Hanabusa & Berbasis jalur Lokasi Ya Unik Meminimalkan Tidak ditentukan Unspecified Ya, sebagai Tidak
Horiguchi (FCLM) (paksaan) waktu tunggu di Kendaraan pribadi kendala

(2011) [39] stasiun
Rieman dkk. (2015) Berbasis jalur Lokasi Ya Unik Maksimalkan Pribadi Ya, untuk semua Tidak Tidak
[88] (FCLM) (paksaan) jumlah EV yang kendaraan Lingkungan campuran
dibebankan
Dong dkk. Berbasis jalur Lokasi dan Tidak (anggaran Pengisian cepat Minimalkan biaya Pribadi Jalan raya Tidak ditentukan Tidak
(2016) [33] (FCLM) ukuran (kapasitas) untuk dioptimalkan) infrastruktur kendaraan
untuk permintaan
tertentu
Li dkk. (2016) [25] Berbasis jalur Lokasi Tidak (anggaran Unik Minimalkan Pribadi Campuran Ya, untuk semua Tidak Ya
(FCLM) untuk dioptimalkan) infrastruktur kendaraan lingkungan
biaya untuk
permintaan tertentu
12
Xiang dkk. Berbasis jalur Lokasi dan Tidak (anggaran Unik Minimalkan Pribadi Tidak ditentukan Unspecified Ya, sebagai Tidak
(2016) [89] (FCLM) ukuran (kapasitas) untuk dioptimalkan) infrastruktur kendaraan kendala
biaya untuk
permintaan tertentu
Wu & Sioshansi Berbasis jalur Lokasi Ya Pengisian cepat Maksimalkan Pribadi Campuran Ya, untuk semua Tidak Tidak
(2017) [86] (FCLM) (paksaan) jumlah EV yang kendaraan lingkungan
terisi daya
Micari et al. Berbasis jalur Lokasi dan Ya Unik Perkecil gagal Pribadi Jalan raya Tidak ditentukan Tidak
(2017) [51] (FCLM) ukuran (kapasitas) (paksaan) perjalanan kendaraan

(atau maksimalkan
jumlah
Dia dkk. (2018) [87] Berbasis jalur Lokasi Ya Pengisian cepat Maksimalkan Tidak ditentukan Ya, untuk semua Tidak Tidak
(FCLM) (kendala) jumlah EV yang Kendaraan pribadi
terisi daya
Motoaki, Y. Berbasis jalur Lokasi Ya Pengisian cepat Maksimalkan Tidak ditentukan Ya, untuk semua Ya, sebagai Ya
(2019) [44] (FCLM) (kendala) jumlah EV yang Kendaraan pribadi kendala
terisi daya
Kuby dkk. Berbasis jalur Lokasi Ya Unik Maksimalkan Tidak ditentukan Tidak ditentukan Tidak
(2005) [82] (FRLM) (kendala) jumlah EV yang Kendaraan pribadi
dibebankan
Kuby dkk. Berbasis jalur Lokasi Ya Unik Maksimalkan Pribadi Tidak ditentukan Tidak ditentukan Tidak
(2007) [83] (FRLM) (kendala) jumlah EV kendaraan
dibebankan
Upchurch dkk. Berbasis jalur Lokasi dan Ya Unik Maksimalkan Pribadi Tidak ditentukan Tidak ditentukan Tidak
(2009) [54] (FRLM) ukuran (kapasitas) (kendala) jumlah EV kendaraan
dibebankan
Li & Huang Berbasis jalur Lokasi Tidak (anggaran Unik Minimalkan Pribadi Tidak ditentukan Ya, untuk semua Tidak Tidak
(2014) [11] (FRLM) untuk dioptimalkan) infrastruktur kendaraan
biaya untuk
permintaan tertentu
Huang dkk. Berbasis jalur Lokasi Tidak (anggaran Unik Minimalkan Pribadi Tidak ditentukan Tidak ditentukan Tidak
(2015) [85] (FRLM) untuk dioptimalkan) biaya infrastruktur kendaraan
untuk permintaan
tertentu
Zhang dkk. Berbasis jalur Lokasi dan Ya Pengisian cepat Maksimalkan Pribadi Campuran Ya, untuk semua Ya, sebagai Tidak
(2018) [59] (FRLM) ukuran (kapasitas) (paksaan) jumlah EV yang kendaraan lingkungan kendala
terisi daya
Kameda & Mukai Lokasi Berbasis Tur dan (2011) Ya Pengisian cepat Minimalkan waktu Bus atau umum Tidak Tidak Tidak
[100] ukuran (daya) (paksaan) tunggu di stasiun mengangkut Lingkungan urban
Dong dkk. Lokasi berbasis tur dan Ya Campuran Minimalkan Lingkungan Ya, untuk semua Tidak Tidak
(2012) [97] ukuran (kapasitas) (paksaan) perjalanan yang Kendaraan pribadi semi perkotaan
gagal (atau
maksimalkan jumlah
Jia et al. (2012) [36] Lokasi berbasis tur dan Tidak (anggaran Pengisian cepat Minimalkan biaya Pribadi Tidak ditentukan Tidak
ukuran (kapasitas) untuk dioptimalkan) infrastruktur kendaraan Lingkungan urban
untuk permintaan
tertentu
Chen dkk. Lokasi berbasis tur dan Ya Campuran Maksimalkan Tidak ditentukan Ya, tidak untuk Tidak Tidak
(2013) [47] ukuran (daya (kendala) jumlah energi Kendaraan pribadi semua
dan kapasitas) yang dibebankan
Xi dkk. (2013) [99] Lokasi berbasis tur dan Ya Maksimalkan Pribadi Campuran Ya, untuk semua Tidak Tidak
ukuran (daya (kendala) Campuran jumlah EV kendaraan lingkungan
dan kapasitas) (pengisian dibebankan

atau memaksimalkan
sedang dan lambat)
jumlah energi
yang dibebankan
Andrew et al. Lokasi berbasis tur Ya Medium Minimalkan Pribadi Semi-perkotaan Ya, untuk semua Tidak Tidak
(2013) [93] (paksaan) pengisian daya jarak (atau kendaraan lingkungan

penyimpangan) ke
stasiun pengisian
Cai dkk. (2014) [37] Lokasi berbasis tur dan Ya Pengisian cepat Maksimalkan Armada taksi Lingkungan Ya, untuk semua Tidak Tidak
ukuran (kapasitas) (paksaan) pemanfaatan semi perkotaan

pengisi daya
13
MO Metais dkk.
Kamu & Hsieh Lokasi berbasis tur dan Ya Campuran Minimalkan Pribadi Tidak ditentukan Tidak ditentukan Tidak
(2014) [56] ukuran (daya) (paksaan) perjalanan yang kendaraan

gagal (atau
maksimalkan jumlah
Jung dkk. Lokasi berbasis tur Ya Pengisian cepat Minimalkan waktu Armada taksi Tidak ditentukan Tidak
(2014) [71] (paksaan) tunggu di stasiun Lingkungan urban
Shahraki dkk. Lokasi berbasis tur Ya Unik Maksimalkan Armada taksi Lingkungan Ya, untuk semua Tidak Tidak
(2015) [94] (paksaan) jarak tempuh semi perkotaan
Cavadas dkk. Lokasi dan ukuran berbasis tur Ya Maksimalkan Ya, tidak untuk Tidak Tidak
(2015) [92] (kapasitas) (kendala) Pengisian lambat jumlah EV yang Kendaraan pribadi Lingkungan urban semua
dibebankan
Dia dkk. (2015) [52] Lokasi berbasis tur Ya Pengisian Maksimalkan Tidak ditentukan Ya, untuk semua Tidak Tidak
(kendala) sedang jumlah EV yang Kendaraan pribadi
dibebankan
Asamer et al. Lokasi berbasis tur Ya Campuran Minimalkan gagal Armada taksi Perkotaan Tidak Tidak Tidak
(2016) [50] (kendala) (sedang dan perjalanan (atau

cepat) pengisian
maksimalkan lingkungan
jumlah kemungkinan perjalanan)
Han dkk. Lokasi berbasis tur dan Tidak (anggaran Pengisian cepat Minimalkan Armada taksi Semi-perkotaan Ya, untuk semua Tidak Tidak
(2016) [98] ukuran (kapasitas) untuk dioptimalkan) infrastruktur lingkungan
biaya untuk
permintaan tertentu
Tu dkk. (2016) [40] Lokasi berbasis tur Ya Pengisian cepat Minimalkan waktu Armada taksi Semi-perkotaan Tidak ditentukan Tidak
(paksaan) tunggu di stasiun lingkungan
Wang dkk. Lokasi berbasis tur Tidak (anggaran Pengisian cepat Minimalkan biaya Bus atau Perkotaan Tidak ditentukan Tidak
(2017) [32] untuk dioptimalkan) infrastruktur angkutan umum lingkungan
untuk permintaan
tertentu
anggaran, yang dapat dinyatakan dalam jumlah kendaraan yang akan Deklarasi kepentingan bersaing
dibebankan, volume energi yang akan dibebankan, waktu yang dihemat atau
jumlah perjalanan yang layak. Yang lain menganggap membebankan Para penulis menyatakan bahwa mereka tidak memiliki kepentingan
permintaan sebagai kondisi utama dan mencoba meminimalkan anggaran keuangan yang bersaing atau hubungan pribadi yang dapat memengaruhi
yang dibutuhkan untuk memenuhinya. Sementara pekerjaan awal berfokus pekerjaan yang dilaporkan dalam makalah ini.
pada penempatan geografis stasiun pengisian untuk memenuhi permintaan
pengisian, model yang lebih baru sekarang juga mengintegrasikan kapasitas layanan stasiun,
Terima memperkenalkan ukuran stasiun ke dalam hasil.
kasih
Kecepatan pengisian daya yang digunakan jarang dipertimbangkan: banyak model hanya
mempertimbangkan satu jenis stasiun pengisian daya, sehingga hanya menentukan Pekerjaan ini didukung secara finansial oleh Institut VEDECOM, sebuah
jumlah (dan bukan kualitas) titik pengisian daya yang diperlukan. lembaga penelitian Publik–Swasta Prancis dan salah satu Institut untuk
Beberapa model selain model berbasis node dan parkir terlihat Transisi Energi. Para penulis mengklaim tidak ada konflik kepentingan. Para penulis berte
memanfaatkan keuntungan yang ditawarkan oleh pengisian daya EV, yang Pemimpin Redaksi Dr Foley dan tiga pengulas anonim untuk beberapa saran
tidak mengharuskan pengguna hadir selama waktu pengisian daya. berguna yang membantu memperbaiki makalah ini. Para penulis juga berterima
Keuntungan utama ini harus dipertimbangkan untuk merencanakan kasih kepada Olivier Massol, Bassem Haidar, Icaro Freitas-Gomes dan Felipe
infrastruktur pengisian daya yang sesuai dengan peluang pengisian daya, Gonzales atas diskusi mereka yang bermanfaat.
untuk membuat penggunaan EV sebebas mungkin dan dengan demikian mendorong difusi EV.
Kesimpulannya, model pengoptimalan yang ditinjau tidak Lampiran. Meja Sastra
mempertimbangkan temporalitas dalam penerapan: untuk anggaran tertentu,

Lihat Tabel A.1.
infrastruktur dioptimalkan seolah-olah semua stasiun ditempatkan secara
bersamaan. Namun, infrastruktur semacam ini tidak dapat dikerahkan
sekaligus, sebagian karena biaya pengembangan yang akan dihasilkannya
Referensi
tanpa jaminan pengembalian investasi dari permintaan yang akan memakan
waktu lama. Penyebaran infrastruktur pengisian daya akan berlangsung
[1] Cook John, Nuccitelli Dana, Green Sarah A, Richardson Mark, Winkler Bärbel, Lukisan Rob, Way Robert,
selama periode yang mungkin berlangsung beberapa tahun, dan faktor ini
Jacobs Peter, Skuce Andrew. Mengukur konsensus tentang pemanasan global antropogenik dalam
sekarang harus dieksplorasi untuk memiliki infrastruktur yang memberikan literatur ilmiah. Lett Res Lingkungan 2013;8(2):024024.
cakupan yang dapat diterima sejak awal penerapannya, dan tidak hanya
setelah titik pengisian terakhir telah dilakukan. diinstal. Oleh karena itu, [2] Badan Lingkungan Eropa. Emisi gas rumah kaca dari transportasi di
Eropa. 2019.
penyebaran 'dari waktu ke waktu' tambahan harus dipertimbangkan,
[3] Hawkins Troy R, Singh Bhawna, Majeau-Bettez Guillaume, Strømman An ders Hammer. Penilaian siklus
memperhitungkan infrastruktur tahap awal yang sudah ada di wilayah tersebut, hidup lingkungan komparatif kendaraan konvensional dan listrik. J Ind Ecol 2013;17(1):53–64.
yang dilakukan oleh sangat sedikit model (lihat Lampiran), dan tindakan 'menambahkan satu stasiun lagi'.
14
[4] Berkeley Nigel, Jarvis David, Jones Andrew. Menganalisis penggunaan kendaraan listrik [36] Jia Long, Hu Zechun, Song Yonghua, Luo Zhuowei. Penempatan dan ukuran stasiun
baterai : Investigasi hambatan di antara pengemudi di Inggris. Transp Res D 2018;63:466– pengisian kendaraan listrik yang optimal . Di: 2012 Ieee international electric vehicle
81. conference, Vol. 36(3). 2012, hal. 54–9.
[5] Yan Shiyu. Dampak ekonomi dan lingkungan dari insentif pajak untuk kendaraan listrik [37] Cai Hua, Jia Xiaoping, Chiu Anthony SF, Hu Xiaojun, Xu Ming. Menempatkan stasiun
baterai di Eropa. Kebijakan Energi 2018;123(Agustus 2017):53–63. pengisian kendaraan listrik umum di Beijing menggunakan data besar yang diinformasikan
pola perjalanan armada taksi. Transp Res D 2014;33:39–46.
[6] Soulopoulos Nikolas. Kapan kendaraan listrik akan lebih murah daripada konvensional [38] Pevec Dario, Babic Jurica, Kayser Martin A, Carvalho Arthur, Ghiassi Farrokhfal Yashar,
kendaraan? Bloom New Energy Financ 2017. Podobnik Vedran. Pendekatan statistik berbasis data untuk memperluas infrastruktur
[7] Badan Energi Internasional. Prospek EV global 2019. 2019, hal. 1–40. pengisian kendaraan listrik. Int J Energy Res 2018;42(9):3102–20.
[8] Strategi Prancis. Panorama des politiques publiques en faveur des véhicules à
très faibles émissions - Note de synthèse. 2018, hal. 140. [39] Hanabusa Hisatomo, Horiguchi Ryota. Kajian metode analitik untuk perencanaan lokasi
[9] Springel Katalin. Eksternalitas jaringan dan struktur subsidi di pasar dua sisi : Bukti dari stasiun pengisian kendaraan listrik. Dalam: Catatan kuliah dalam ilmu komputer
sumber daya insentif kendaraan listrik. 2017, hal. 1–63. (termasuk catatan kuliah subseri dalam kecerdasan buatan dan catatan kuliah dalam
[10] Zhou Yiyi, Li Shanjun. Adopsi teknologi dan massa kritis: Kasus pasar kendaraan listrik bioinformatika). Lnai(Bagian 3), vol. 6883, 2011, hal. 596–605.
AS. J Ind Econ 2018;66(2):423–80. [40] Tu Wei, Li Qingquan, Fang Zhixiang, Shaw Shih-lung, Zhou Baoding. Mengoptimalkan
[11] Li Shanjun, Tong Lang, Xing Jianwei, Zhou Yiyi. Pasar kendaraan listrik: Efek jaringan lokasi stasiun pengisian taksi listrik : Pendekatan cakupan permintaan spasial – temporal.
tidak langsung dan dampak kebijakan. Elektron SSRN J 2014;4(1). Transp Res C 2016;65(3688):172–89.
[41] Ge Shaoyun, Feng Liang, Liu Hong. Perencanaan stasiun pengisian kendaraan listrik
[12] Menteri lingkungan l'energie et de la mer. La loi de transition énergétique pour la croissance berdasarkan metode partisi jaringan. Di: konferensi internasional 2011 tentang teknik
verte. 2016, hal. 4. kelistrikan dan kontrol, icece 2011 - prosiding. IEEE; 2011, hal. 2726–30.
[13] Nicholas Michael. Memperkirakan biaya infrastruktur pengisian kendaraan listrik di seluruh
wilayah metropolitan utama AS. ICT 2019. [42] Xu Hao, Miao Shihong, Zhang Chunyong, Shi Dongyuan. Penempatan infrastruktur
[14] Melaina Marc, Bremson Joel. Ketersediaan pengisian bahan bakar untuk pasar kendaraan pengisian daya yang optimal untuk integrasi skala besar kendaraan listrik murni ke dalam
berbahan bakar alternatif: Cakupan stasiun perkotaan yang memadai. Kebijakan Energi 2008;36(8):3233–41. jaringan listrik. Int J Electr Power Energy System 2013;53(1):159–65.
[15] Toregas Constantine, Swain Ralph, ReVelle Charles, Bergman Lawrence. Lokasi fasilitas [43] Wang Ying Wei, Wang Chuan Ren. Lokasi stasiun pengisian bahan bakar kendaraan penumpang.
layanan darurat. Oper Res 1971;19(6):1363–73. Transp Res E 2010;46(5):791–801.
[16] Hodgson M John. Model alokasi lokasi yang menangkap arus. Gegr Anal [44] Motoaki Yutaka. Lokasi-alokasi penelitian pengisi daya cepat kendaraan listrik
1990;22(3):270–9. dan praktek. World Electr Veh J 2019;10(1):10–6.
[17] Komisi Elektroteknik Internasional. Norma eropa IEC 61851-1, 33, [45] Sun Zhuo, Gao Wei, Li Bin, Wang Longlong. Menemukan stasiun pengisian untuk kendaraan
(0), 2014. listrik. Kebijakan Transp 2018;(Mei):1–7.
[18] Kantor Efisiensi Energi dan Energi Terbarukan. Pengisian kendaraan. 2020. [46] Yang Jie, Dong Jing, Hu Liang. Pendekatan berbasis pengoptimalan berbasis data untuk
[19] Pearre Nathaniel S, Kempton Willett, Guensler Randall L, Elango Vetri V. penempatan dan ukuran stasiun pengisian taksi listrik. Transp Res C 2017;77(2):462–77.
Kendaraan listrik: Berapa jarak yang dibutuhkan untuk berkendara sehari? Transp Res
C 2011;19(6):1171–84. [47] Chen T Donna, Kockelman Kara M, Khan Moby. Masalah lokasi stasiun pengisian kendaraan
[20] Armoogum Jimmy, Hubert Jean-paul, Roux Sophie, Le Jeannic Thomas. Enquête nationale listrik: Metode penugasan berbasis parkir untuk seattle. Dalam Prosiding Pertemuan
transports et déplacement 2008 - pengantar. Rev - Commis Gén Dév Durable – Serv Obs Tahunan ke-92 Badan Riset Transportasi di Washington DC, Januari 2013, dan akan
Statist 2010;(Decembre):5–24. datang dalam Catatan Riset Transportasi, 2013, hal. 22.
[21] Pasaoglu Guzay, Zubaryeva Alyona, Fiorello Davide, Thiel Christian. Analisis survei
mobilitas Eropa dan potensinya untuk mendukung studi tentang dampak kendaraan [48] Csiszár Csaba, Csonka Bálint, Földes Dávid, Wirth Ervin, Lovas Tamás. Metode penentuan
listrik terhadap kebutuhan energi dan infrastruktur di Eropa. Technol Forecast Soc lokasi SPBU perkotaan untuk kendaraan listrik berdasarkan pendekatan penggunaan lahan.
Change 2014;87:41–50. J Transp Geogr 2019;74(November 2018):173–80.
[22] Eurostat. Statistik perumahan. 2020. [49] Wang Hua, Zhao De, Meng Qiang, Ong Ghim Ping, Lee Der Horng. Metode empat langkah
[23] Delacrétaz Nathan, Lanz Bruno, Van Dijk Jeremy. Ayam atau telur: adopsi teknologi dan untuk penyebaran fasilitas pengisian kendaraan listrik di kota padat: Studi empiris di
infrastruktur jaringan di pasar kendaraan listrik. Kertas kerja Irene, 20 (08), 2020. Singapura. Transp Res A 2019;119(Juli 2018):224–37.
[50] Asamer Johannes, Reinthaler Martin, Ruthmair Mario, Straub Markus, Puchinger Jakob.
[24] Wesolowsky George O. Lokasi fasilitas dinamis. Kelola Sci Mengoptimalkan lokasi stasiun pengisian untuk penyedia taksi perkotaan.
1973;19(11):1241–548. Transp Res A 2016;85:233–46.
[25] Li Shengyin, Huang Yongxi, Mason Scott J. Model pengoptimalan multi-periode untuk [51] Micari Salvatore, Polimeni Antonio, Napoli Giuseppe, Andaloro Laura, An tonucci Vincenzo.
penyebaran stasiun pengisian kendaraan listrik publik di jaringan. Perencanaan infrastruktur pengisian kendaraan listrik pada suatu jaringan jalan. Renew
Transp Res C 2016;65:128–43. Sustain Energy Rev 2017;80(Mei 2016):98–108.
[26] Nicholas Michael, Tal Gil, Davies Jamie, Woodjack Justin. DC cepat sebagai satu-satunya [52] He Fang, Yin Yafeng, Zhou Jing. Menyebarkan stasiun pengisian publik untuk listrik
opsi pengisian publik? Pengujian skenario dari kendaraan yang dilacak GPS. Transp Res kendaraan pada jaringan jalan perkotaan. Transp Res C 2015.
Board Conf 2012;1–20. [53] Zhu Jie, Li Yixin, Yang Jun, Li Xianglong, Zeng Shuang, Chen Yanxie.
[27] San Román Tomás Gómez, Momber Ilan, Abbad Michel Rivier, Sánchez Mi ralles Álvaro. Perencanaan stasiun pengisian kendaraan listrik berdasarkan teori antrian. J Eng
Kerangka peraturan dan model bisnis untuk pengisian kendaraan listrik plug-in: 2017;2017(13):1867–71.
Infrastruktur, agen, dan hubungan komersial. Kebijakan Energi 2011;39(10):6360–75. [54] Gereja Atas Christopher, Kuby Michael, Lim Seow. Sebuah model untuk lokasi
stasiun bahan bakar alternatif berkapasitas Geogr Anal 2009;41(1):127–48.
ÿ
[28] Robert Hijau C, Wang Lingfeng, Alam Mansoor. Dampak kendaraan listrik hibrida plug-in [55] Gavranoviÿ Haris, Barut Alper, Ertek Gürdal, Yüzbaÿioglu Orkun Berk, Pekpostalci Osman,
pada jaringan distribusi: Tinjauan dan prospek. Dalam: Ieee Pes General Meeting, Pes Tombuÿ Önder. Mengoptimalkan jaringan stasiun muatan listrik EÿARJ. Procedia Comput
2010. 2010, hal. 1–8. Sci 2014;31:15–21.
[29] Freitas Gomes Icaro Silvestre, Perez Yannick, Suomalainen Emilia. Menggabungkan baterai [56] You Peng Sheng, Hsieh Yi Chih. Pendekatan heuristik hybrid untuk masalah lokasi stasiun
kecil dan pembangkit PV: Tinjauan. Perbarui Sustain Energy Rev 2020;126(Maret):109835. pengisian kendaraan. Comput Ind Eng 2014.
[57] Wang Ying Wei, Lin Chuah Chih. Menemukan berbagai jenis stasiun pengisian ulang untuk
[30] Thompson Andrew W, Perez Yannick. Arus nilai energi kendaraan-ke-segalanya (V2X) dan transportasi kendaraan listrik bertenaga baterai. Transp Res E 2013;58:76–87.
jasa , implikasi kebijakan, regulasi. Kebijakan Energi [58] Dharmakeerthi CH, Mithulananthan N, Saha TK. Dampak fast charging kendaraan listrik
2020;137(Juli 2019):111136. terhadap kestabilan tegangan sistem tenaga listrik. Int J Electr Power Energy Syst
[31] Sehimi Yacine, Suomalainen Emilia, Almaksour K, Robyns B. Mengurangi dampak 2014;57:241–9.
pengisian cepat pada jaringan distribusi menggunakan transfer daya kendaraan- [59] Zhang Hongcai, Moura Scott J, Hu Zechun, Lagu Yonghua. Lokasi dan ukuran stasiun
ke-kendaraan: studi kasus Paris. Dalam: simposium integrasi kekuatan e- pengisian cepat PEV pada jaringan transportasi dan daya yang digabungkan. IEEE Trans
mobilitas ke-4. 2020. Smart Grid 2018;9(4):2595–605.
[32] Wang Xiumin, Yuen Chau, Hassan Naveed Ul, An Ning, Wu Weiwei. Penempatan [60] Sadeghi-barzani Payam, Rajabi-ghahnavieh Abbas, Kazemi-karegar Hosein.
stasiun pengisian kendaraan listrik untuk sistem bus umum perkotaan. IEEE Trans Penempatan dan ukuran stasiun pengisian cepat yang optimal. Appl Energy 2014;125:289–99.
Intell Transp System 2017;18(1):128–39. [61] Guo Sen, Zhao Huiru. Pemilihan lokasi stasiun pengisian kendaraan listrik yang
[33] Dong Xiaohong, Mu Yunfei, Jia Hongjie, Wu Jianzhong, Yu Xiaodan. Perencanaan optimal dengan menggunakan fuzzy TOPSIS berdasarkan perspektif keberlanjutan.
stasiun pengisian EV cepat di jalan bebas hambatan. IEEE Trans Sustain Energy Appl Energy 2015;158:390–402.
2016;7(4):1452–61. [62] Shareef Hussain, Islam Md Mainul, Mohamed Azah. Tinjauan teknologi pengisian
[34] Mehar Sara, Mehar Sara, Senouci Sidi Mohammed. Lokasi pengoptimalan tahap-of-the-art, metodologi penempatan, dan dampak kendaraan listrik. Perbarui
skema untuk stasiun pengisian listrik. 2013, (Mei). Sustain Energy Rev 2016;64:403–20.
[35] Rajabi-Ghahnavieh Abbas, Sadeghi-Barzani Payam. Penempatan stasiun pengisian cepat [63] Deb Sanchari, Tammi Kari, Kalita Karuna, Mahanta Pinakeswar. Tinjau tren terkini
zona yang optimal dengan mempertimbangkan sirkulasi lalu lintas perkotaan. IEEE dalam perencanaan infrastruktur pengisian daya untuk kendaraan listrik. Wiley
Trans Veh Technol 2017;66(1):45–56. Interdiscip Rev Energy Environ 2018;7(6):1–26.
15
[64] Owen Susan Hesse, Daskin Mark S. Lokasi fasilitas strategis: Tinjauan. [85] Huang Yongxi, Li Shengyin, Qian Zhen Sean. Penggelaran stasiun pengisian bahan
Eropa J Oper Res 1998;111(3):423–47. bakar alternatif yang optimal pada jaringan transportasi dengan mempertimbangkan
[65] Wang Ying Wei, Lin Chuah Chih. Menemukan stasiun pengisian bahan bakar kendaraan darat. jalur deviasi. Netw Spat Econ 2015;15(1):183–204.
Transp Res E 2009;45(5):821–9. [86] Wu Fei, Sioshansi Ramteen. Model penangkapan aliran stokastik untuk mengoptimalkan
[66] Gereja Richard L, Revelle Charles. Masalah lokasi penutup maksimal. lokasi stasiun pengisian cepat dengan aliran kendaraan listrik yang tidak pasti. Transp
Pap Reg Sci Assoc 1974;32:101–18. Res D 2017;53:354–76.
[67] Frade Inês, Ribeiro Anabela, Gonçalves Gonçalo, Antunes António. Lokasi stasiun [87] He Jia, Yang Hai, Tang Tie Qiao, Huang Hai Jun. Model lokasi stasiun pengisian yang
pengisian daya yang optimal untuk kendaraan listrik di lingkungan di Lisbon, Portugal. optimal dengan pertimbangan driving range kendaraan listrik. Transp Res C
Transp Res Rec 2011;(2252):91–8. 2018;86(Desember 2016):641–54.
[68] Wagner Sebastian, Götzinger Markus, Neumann Dirk. Lokasi stasiun pengisian daya [88] Riemann Raffaela, Wang David ZW, Busch Fritz. Lokasi optimal fasilitas pengisian daya
yang optimal di kota pintar: Pendekatan berbasis tempat menarik. Dalam: International nirkabel untuk kendaraan listrik: Model lokasi penangkapan aliran dengan
conference on information systems (icis 2013): reshaping society through information keseimbangan pengguna stokastik. Transp Res C 2015;58(Bagian A):1–12.
systems design, Vol. 3. 2013, hal. 2838–55. [89] Xiang Yue, Liu Junyong, Li Ran, Li Furong, Gu Chenghong, Tang Shuoya.
[69] Hakimi SL. Lokasi optimal pusat switching dan pusat absolut Perencanaan ekonomi stasiun pengisian kendaraan listrik dengan mempertimbangkan
dan median grafik. Oper Res 1964;12(3):450–9. kendala lalu lintas dan templat profil beban. Appl Energy 2016;178:647–59.
[70] Jia Long, Hu Zechun, Liang Wenju, Lang Wenzuo, Song Yonghua. Pendekatan baru [90] Gereja Atas Christopher, Kuby Michael. Membandingkan model pengisian bahan bakar
untuk perencanaan fasilitas pengisian kendaraan listrik perkotaan dengan p-median dan aliran untuk menemukan stasiun bahan bakar alternatif. J Transp Geogr
mempertimbangkan kombinasi pengisian lambat dan cepat. Dalam: POWERCON 2014 2010;18(6):750–8.
- konferensi internasional 2014 tentang teknologi sistem tenaga: menuju sistem tenaga [91] Huang Kai, Kanaroglou Pavlos, Zhang Xiaozhou. Desain jaringan pengisian kendaraan
yang ramah lingkungan, efisien dan cerdas , prosiding, (powercon). 2014, hal. 3354–60. listrik . Transp Res D 2016;49:1–17.
[71] Jung Jaeyoung, Chow Joseph YJ, Jayakrishnan R, Young Ji. Masalah lokasi pengisian [92] Cavadas Joana, de Almeida Correia Gonçalo Homem, Gouveia João. Model MIP untuk
bahan bakar intersepsi rencana perjalanan dinamis stokastik dengan penundaan antrian menemukan stasiun pengisian lambat untuk kendaraan listrik di daerah perkotaan
untuk stasiun pengisian taksi listrik. Transp Res C 2014;40:123–42. yang memperhitungkan tur pengemudi. Transp Res E 2015.
[72] Dia Sylvia Y, Kuo Yong Hong, Wu Dan. Menggabungkan faktor kelembagaan dan spasial [93] Andrew Matthew, Dogru Mustafa K, Hobby John D, Jin Yue, Tucci Gabriel H.
dalam pemilihan lokasi optimal fasilitas pengisian kendaraan listrik publik: Studi Pemodelan dan optimalisasi infrastruktur pengisian kendaraan listrik. 2013.
kasus di Beijing, Cina. Transp Res C 2016. [94] Shahraki Narges, Cai Hua, Turkay Metin, Xu Ming. Lokasi optimal stasiun pengisian
[73] An Yu, Zeng Bo, Zhang Yu, Zhao Long. Masalah lokasi fasilitas p-median yang andal : listrik umum menggunakan pola perjalanan kendaraan dunia nyata. Transp Res D
Model dan algoritme tangguh dua tahap. Transp Res B 2014;64:54–72. 2015;41(2015):165–76.
[74] Gopalakrishnan Ragavendran, Biswas Arpita, Lightwala Alefiya, Vasude van Skanda, [95] González Jairo, Alvaro Roberto, Gamallo Carlos, Fuentes Manuel, Fraile Ardanuy Jesús,
Dutta Partha, Tripathi Abhishek. Prediksi permintaan dan optimalisasi penempatan Knapen Luk, Janssens Davy. Penentuan lokasi titik pengisian kendaraan listrik
stasiun pengisian kendaraan listrik. Dalam: Konferensi Bersama Internasional Ijcai mempertimbangkan aktivitas sehari-hari pengemudi. Procedia Comput Sci 2014;32:647–
tentang Kecerdasan Buatan, Vol. 2016-Januari. 2016, hal. 3117–23. 54.
[75] Liu Jian. Penetapan infrastruktur pengisian kendaraan listrik dan penilaian dampak [96] Xi Xiaomin, Sioshansi Ramteen, Marano Vincenzo. Model optimasi-simulasi untuk lokasi
jaringan listrik di Beijing. Kebijakan Energi 2012;51:544–57. infrastruktur pengisian kendaraan listrik publik. Transp Res D 2013;22:60–9.
[76] Deb Sanchari, Tammi Kari, Kalita Karuna, Mahanta Pinakeswar. Penempatan stasiun
pengisian untuk kendaraan listrik: Studi kasus Kota Guwahati, India. [97] Dong Jing, Liu Changzheng, Lin Zhenhong. Perencanaan infrastruktur pengisian daya
Akses IEEE 2019;7:100270–82. untuk mempromosikan pasar kendaraan serba listrik: Penilaian berbasis aktivitas
[77] Andrenacci N, Ragona R, Valenti G. Pendekatan sisi permintaan untuk penerapan menggunakan data perjalanan multiday jing dong (penulis terkait). Telepon 2012;
stasiun pengisian kendaraan listrik yang optimal di wilayah metropolitan. Appl (865):946–1308.
Energy 2016;182:39–46. [98] Han Daehee, Ahn Yongjun, Park Sunkyu, Yeo Hwasoo. Metode Trajectory-interception
[78] Ghamami Mehrnaz, Nie Yu (Marco), Zockaie Ali. Merencanakan infrastruktur pengisian based untuk masalah stasiun pengisian taksi kendaraan listrik dengan data taksi
daya untuk kendaraan listrik plug-in di pusat kota. Int J Sustain Transp 2016;10(4):343– sebenarnya. Int J Mempertahankan Transp 2016;10(8):671–82.
53. [99] Xi Xiaomin, Sioshansi Ramteen, Marano Vincenzo. Simulasi – model optimalisasi untuk
[79] Davidov Sreten, Pantoš Milos. Perencanaan infrastruktur kendaraan listrik berdasarkan lokasi infrastruktur pengisian kendaraan listrik publik. Transp Res D 2013;22:60–9.
keandalan pengisian daya dan kualitas pelayanan. Energi 2017;118:1156–67.
[80] Vazifeh Mohammad M, Zhang Hongmou, Santi Paolo, Ratti Carlo. Mengoptimalkan [100] Kameda Hisashi, Mukai Naoto. Optimalisasi penempatan charging station dengan
penyebaran stasiun pengisian kendaraan listrik menggunakan data mobilitas pervasif. menggunakan taxi probe data untuk on-demand. 2011, hal. 606–15.
Transp Res A 2019. [101] Chen T Donna, Kockelman Kara M, Hanna Josiah P. Pengoperasian armada kendaraan
[81] Li Yanqing, Li Ling, Yong Jing, Yao Yuhai, Li Zhiwei. Perencanaan tata letak dari listrik bersama, otonom: Implikasi keputusan infrastruktur kendaraan & pengisian
stasiun pengisian kendaraan listrik. 2011. daya. Transp Res A 2016;94:243–54.
[82] Kuby Michael, Lim Seow. Masalah lokasi pengisian bahan bakar aliran untuk [102] Perburuan JD, Stefan KJ. Mikrosimulasi berbasis tur dari pergerakan komersial
kendaraan bahan bakar alternatif. Soc-Econ Plan Sci 2005;39(2):125–45. http:// perkotaan. Transp Res B 2007;41(9):981–1013.
dx.doi.org/10.1016/ j.seps.2004.03.001. [103] Axhausen Kay W, Horni Andreas, Nagel Kai. Transportasi multi-agen
[83] Kuby Michael, Lim Seow. Penempatan stasiun bahan bakar alternatif menggunakan simulasi MATSim. 2016.
model lokasi pengisian bahan bakar aliran dan penyebaran calon lokasi pada [104] Novosel T, Perkoviÿ L, Ban M, Keko H, Pukšec T, Krajaÿiÿ G, Duiÿ N. Pemodelan
busur. Netw Spat Econ 2007;7(2):129–52. berbasis agen dan perencanaan energi - pemanfaatan MATSim untuk pemodelan
[84] Kim Jong Geun, Kuby Michael. Model lokasi pengisian bahan bakar aliran deviasi permintaan energi transportasi. Energi 2015;92:466–75.
untuk mengoptimalkan jaringan stasiun pengisian bahan bakar. Energi Hidrogen [105] Wolbertus Rick, Van den Hoed Robert. Kendaraan listrik membutuhkan pengisian
Int J 2012;37(6):5406–20. cepat di kota-kota dan sepanjang koridor. World Electr Veh J 2019;10(2):45.
16

(ID) Jurnal Infrastruk EV Charging Stations-Main

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

(ID) Jurnal Infrastruk EV Charging Stations-Main

Diunggah oleh

Hak Cipta:

Format Tersedia

Machine Translated by Google

Ulasan Energi Terbarukan dan Berkelanjutan 153 (2022) 111719

Daftar konten tersedia di ScienceDirect

Tinjauan Energi Terbarukan dan Berkelanjutan

beranda jurnal: www.elsevier.com/locate/rser

Terlalu banyak atau tidak cukup? Perencanaan infrastruktur pengisian

INFO ARTIKEL ABSTRAK

Gambar 1. Tinjauan tentang kerangka kerja infrastruktur pengisian daya.

Gambar 2. Arsitektur pengisian daya EV yang disederhanakan.

Tabel 1 2.5. Ringkasan

Singkatnya, infrastruktur pengisian daya untuk EV perlu mengatasi masalah teknis

Beberapa studi hanya berfokus pada masalah penempatan stasiun pengisian,

Alternatif untuk memaksimalkan aliran EV adalah dengan memaksimalkan jumlah

Gambar 3. Prinsip sederhana dari pendekatan berbasis simpul.

Gambar 4. Prinsip sederhana dari pendekatan berbasis jalur.

Gambar 5. Prinsip sederhana dari pendekatan berbasis wisata.

4.2. Pendekatan berbasis jalur 4.3. Pendekatan berbasis tur

Metode ketiga adalah pendekatan berbasis wisata, kadang disebut juga

Lokasi Maksimalkan jarak tempuh Shahraki dkk. (2015) [94]

Gambar 6. Tinjauan metode lokasi.

Makalah ini menganalisis model untuk menerapkan infrastruktur pengisian daya

++ koordinasi dan pengoptimalan penyebaran skala besar infrastruktur pengisian daya

Persyaratan data Sangat rendah Rendah Sangat tinggi

(2013) [57] mendekati ukuran (daya (paksaan) perjalanan kendaraan lingkungan

dan kapasitas) (atau maksimalkan

ukuran (kapasitas) (kendala) jumlah EV yang Kendaraan pribadi lingkungan semua

Ghahnavieh & untuk dioptimalkan) infrastruktur kendaraan lingkungan parameter

(2013) [68] (MCLM) ukuran (daya) (paksaan) jumlah kendaraan lingkungan

energi yang dibebankan

(2015) [61] (MCLM) (paksaan) jumlah EV yang kendaraan lingkungan parameter

dan kapasitas) untuk permintaan

simpul (p-median) (paksaan) jarak (atau kendaraan Lingkungan urban

(2014) [55] (p-median) (paksaan) jarak (atau kendaraan lingkungan

(bersambung ke halaman berikutnya)

Tabel A.1 (lanjutan).

simpul (p-median) untuk dioptimalkan) infrastruktur kendaraan dengan lingkungan

biaya untuk rumah

(2009) [65] (SCLM) (kendala) jumlah EV yang Kendaraan pribadi

(2010) [43] (SCLM) (kendala) jumlah EV yang Kendaraan pribadi

(SCLM) ukuran (daya) untuk dioptimalkan) infrastruktur Kendaraan pribadi

(2016) [91] (pengisian untuk dioptimalkan) infrastruktur Kendaraan pribadi lingkungan

cepat) dan untuk permintaan

[45] ukuran (daya) (paksaan) jumlah EV yang kendaraan lingkungan

(pengisian cepat) dibebankan

Horiguchi (FCLM) (paksaan) waktu tunggu di Kendaraan pribadi kendala

[88] (FCLM) (paksaan) jumlah EV yang kendaraan Lingkungan campuran

(2016) [33] (FCLM) ukuran (kapasitas) untuk dioptimalkan) infrastruktur kendaraan

(bersambung ke halaman berikutnya)

Tabel A.1 (lanjutan).

(2017) [86] (FCLM) (paksaan) jumlah EV yang kendaraan lingkungan

(2017) [51] (FCLM) ukuran (kapasitas) (paksaan) perjalanan kendaraan

(FCLM) (kendala) jumlah EV yang Kendaraan pribadi

(2005) [82] (FRLM) (kendala) jumlah EV yang Kendaraan pribadi

(2007) [83] (FRLM) (kendala) jumlah EV kendaraan

(2009) [54] (FRLM) ukuran (kapasitas) (kendala) jumlah EV kendaraan

(2014) [11] (FRLM) untuk dioptimalkan) infrastruktur kendaraan

(2015) [85] (FRLM) untuk dioptimalkan) biaya infrastruktur kendaraan

[100] ukuran (daya) (paksaan) tunggu di stasiun mengangkut Lingkungan urban

ukuran (kapasitas) untuk dioptimalkan) infrastruktur kendaraan Lingkungan urban

dan kapasitas) yang dibebankan

ukuran (daya (kendala) Campuran jumlah EV kendaraan lingkungan

dan kapasitas) (pengisian dibebankan

(2013) [93] (paksaan) pengisian daya jarak (atau kendaraan lingkungan