Determination of Optimal Location of Electrical Vehicle Charging Stations in Istanbul with Genetic Algorithm and Geographical Systems

Yıl 2024, , 1 - 9, 31.01.2024

Onur Yenigün , Tülin Boyar , Kazım Yıldız

https://doi.org/10.17671/gazibtd.1329029

Öz

The use of electric vehicles in Turkey is increasing from one day to the next. This study focuses on determining the efficient locations for the positioning of electric vehicle charging stations to be established in Istanbul. Geographic Information System was used in the study; a location map was created for the traffic density map of Istanbul and the existing electric vehicle charging stations The genetic algorithm was used to determine the points of highest charging inqury in the city and to calculate the charging demand satisfaction situation of the existing charging stations. The constraints are that the estimated charging demand is not met to a certain extent at the charging demand points and that the locations are at a maximum distance of 500 metres from the charging demand points. With the solution sets generated according to the genetic algorithm, 10 efficient locations were determined from the 223 Istanbul Parking Lot Operations datasets, representing the locations where the charging station is planned to be installed. The identified locations are the areas with high traffic in Istanbul. In this study, electric vehicle charging network operators can calculate the time to tolerate this cost for the installation of charging stations, which is quite costly; it suggests an approach to location planning so that electric vehicle users can satisfy their charging needs as quickly as possible without creating long queues.

Anahtar Kelimeler

electric vehicle charging station, electric vehicle charging station positioning, determination of electric vehicle charging station locations

Genetik Algoritma ve Coğrafi Sistemlerle İstanbul'daki Elektrikli Araç Şarj İstasyonlarının Optimal Konumunun Belirlenmesi

Öz

Türkiye'de elektrikli araç kullanımı her geçen gün artmaktadır. Bu çalışmada, İstanbul'da kurulacak elektrikli araç şarj istasyonu konumlandırması için en verimli lokasyonların belirlenmesine odaklanılmıştır. Çalışmada Coğrafi Bilgi Sistemi kullanılmış; İstanbul trafik yoğunluk haritası ve mevcut elektrikli araç şarj istasyonları için lokasyon haritası oluşturulmuştur. Genetik algoritma kullanılarak, şehirde şarj talebinin en yüksek olduğu noktalar belirlenerek mevcut şarj istasyonlarının şarj talebini karşılama durumu hesaplanmıştır. Şarj talep noktalarında tahmini şarj ihtiyacının belirli bir oranda karşılanmaması ve lokasyonların şarj talep noktalarına maksimum 500 metre uzaklıkta olması koşulları aranmıştır. Genetik algoritmaya göre oluşturulan çözüm setleri ile şarj istasyonu kurulması planlanan lokasyonları temsil eden 223 İstanbul Otopark İşletmeciliği veri setinden en verimli 10 lokasyon belirlenmiştir. Belirlenen lokasyonlar İstanbul trafiğinin yoğun olduğu bölgelerdir. Bu çalışmada elektrikli araç kullanıcılarının uzun kuyruklar oluşturmadan şarj taleplerini mümkün olan en kısa sürede karşılayabilmeleri için konum planlamasına yönelik bir yaklaşım önerilmektedir.

Anahtar Kelimeler

Elektrikli araç şarj istasyonu, elektrikli araç şarj istasyonu konumlandırma, elektrikli araç şarj istasyonu yerlerinin belirlenmesi, genetik algoritma

Destekleyen Kurum

Üçay Mühendislik.

Kaynakça

• M.Z. Saeed, Akbari, T. "A Mixed-integer Linear Programming Model for the Plug-in Electric Vehicle Charging Problem in Unbalanced Low Voltage Electrical Distribution Systems Considering Neutral Conductor" Electric Power Systems Research, 209, 32-38, 2022.
• K.C. Arayıcı, G. Poyrazoğlu, "Elektrikli Araç Şarj İstasyonu Doğru Konumlandırılması", Güç Sistemleri Konferansı, Ankara, 1-4, Kasım, 2018.
• A. Zubiria, A., Menendez, H-J., Grande, P., Meneses, G., Fernandez, "Multi-Criteria Decision-Making Problem for Energy Storage Technology Selection for Different Grid Applications" Energies, 1(2), 16, 2022.
• M.S.K, Asnaz,. B. Özdemir, "Elektrikli araç şarj istasyonlarının çok kriterli karar verme yöntemleri ile optimal konumlandırması". Akıllı Ulaşım Sistemleri ve Uygulamaları Dergisi, 4(2), 175-187, 2021.
• S.S., Bilgilioğlu, "Coğrafi bilgi sistemleri ve bulanık analitik hiyerarşi süreci ile elektrikli araç şarj istasyonu yer seçimi", Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 22(1), 165-174, 2022.
• D. Güler, T. Yomralioğlu, "Açık Kaynak Kodlu CBS Yazılımı ve Bulanık Analitik Hiyerarşi Yöntemini İçeren Elektrikli Araç Şarj İstasyonu Yer Seçimi Önerisi", Harita Dergisi, 163, 17-28, 2020.
• D Savran, G Tuna, F Macit, R Daş "Coğrafi bilgi sistemleri kullanılarak taşınmaz kültür envanterinin hazılanması: Kırklareli ili örneği" Dicle Üniversitesi, Mühendislik Fakültesi, Mühendislik Dergisi, 8 (1), 147-158
• C., Li, et al., "Robust model of electric vehicle charging station location considering renewable energy and storage equipment". Energy, 238, 121713, 2022.
• G., Zhou, Z. Zhu, S. Luo, "Location optimization of electric vehicle charging stations: Based on cost model and genetic algorithm", Energy, 247, 123437, 2022.
• R., Luo, et al. "Deep Learning Approach for Long-Term Prediction of Electric Vehicle (EV) Charging Station Availability". IEEE International Intelligent Transportation Systems Conference (ITSC), Indianapolis, 8-15, 2021.
• C., Bian, et al., "Finding the optimal location for public charging stations–a GIS-based MILP approach", Energy Procedia, 158, 6582-6588, 2019.
• Q., Zhang, H., Li, L., P.E., Zhu Campana, H., Lu, F., Q., Wallin Sun " Factors influencing the economics of public charging infrastructures for EV–A review", Renewable and Sustainable Energy Reviews, 94, 36-38, 2018.
• S., Erdoğan, et al., "Establishing a statewide electric vehicle charging station network in Maryland: A corridor-based station location problem", Socio-Economic Planning Sciences, 79, 101127, 2022.
• Internet: O. Sims, Where should we be placing ev charging stations using qgis and pulp, https://towardsdatascience.com/where-should-we-be-placing-ev-charging-stations-using-qgis-and-pulp-d2bb7b664a55, 11.05.2022.
• Internet: IBB, Ocak 2020 Trafik Yoğunluk Verisi, https://data.ibb.gov.tr/dataset/hourly-traffic-density-data-set/resource/db9c7fb3-e7f9-435a-92f4-1b917e357821, 16.03.2022.
• Internet: IBB, ISPARK Otopark Bilgileri, https://data.ibb.gov.tr/dataset/ispark-otopark-bilgileri, 16.05.2022.
• Internet: IBB, Trafik Yoğunluk Haritası, https://uym.ibb.gov.tr/yharita6/, 17.03.2022.
• Internet:Wikipedia,İstanbul. https://en.wikipedia.org/wiki/Istanbul, 16.06.2022.
• O. Engin, Akış tipi çizelgeleme problemlerinin genetik algoritma ile çözüm performansının artırılmasında parametre optimizasyonu, Doktora Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2001.
• R Daş, I Türkoğlu, M Poyraz "Genetik algoritma yöntemiyle internet erişim kayıtlarından bilgi çıkarılması ", Sakarya Üniversitesi, Fen Bilimleri Enstitüsü Dergisi 10 (2), 67-72
• J., Islam, et al., "A holistic review on artificial intelligence techniques for well placement optimization problem". Advances in Engineering Software, 141, 102767, 2020. Transportation Research Part C: Emerging Technologies, 132, 103376, 2021.
• M. Karaköse, H. Yetiş, T. Müezzinoğlu "Optimizasyon Tabanlı Adaptif Görüntü Mozaikleme Algoritması". Bilişim Teknolojileri Dergisi, 10(4), 389-400, 2017.
• Y. Pochet, A.W. Laurance, Production Planning by Mixed Integer Programming. NY, Springer New York: 77-113, New York, 2006.
• K. Buyukozdemir, K. Yildiz, A. Bas, B.C. Uslu, "A Review of Heuristic Approaches to Vehicle Routing Problems". IEEE Asia-Pacific Conference on Computer Science and Data Engineering (CSDE), Australia, 2022.
• Internet Wikipedia, Geographic information system. https://en.wikipedia.org/wiki/Geographic_information_system, 16.06.2023.