The dynamic charging electric vehicle (DC-EV) has the potential to revolutionize the modern transportation system. These vehicles employ electromagnetic induction through power tracks buried beneath the road. In contrast to the conventional electric vehicles, which require a certain charging downtime, the DC-EVs remotely transfer electric power from the buried inductive cables during their operation. The commercial success and installation costs of this innovative transportation system depend on the proper allocation of the power tracks and the battery size. The system has to guarantee operational stability, while requiring the minimum installation costs. This complex DC-EV system is expressed in terms of a highly non-linear, multi-dimensional problem, which is solved using particle swarm optimization (PSO). In this paper, we introduce a DC-EV system with multiple loops, and analyze several optimization issues. The usefulness of PSO for solving complex problems is also discussed. This paper also includes a numerical example of a DC-EV system, which is solved through an adjusting process for the PSO algorithm. Our results demonstrate the effectiveness of PSO for solving complex problems.
주행 중 무선 충전이 가능한 전기 자동차 시스템 인프라의 최적 배치를 Mixed Integer Programming을 통해 모델링 하였다. 해당 연구는 다중 노선에서의 인프라 최적화 연구이며 Power Track의 위치와 길이, 각 노선을 주행하는 OLEV의 배터리 사이즈를 결정 변수로 놓고 설치 비용을 최소화 하는 최적 배치를 탐색하였다. 이때 안정적인 운행이 가능하도록 배터리 레벨이 일정 범위를 벗어나지 않는 것을 조건으로 하였다. MIP 모델의 솔루션을 분석하여 최적 배치의 경향성을 찾아 내었으며 이를 토대로 해 찾기 과정의 효율성을 제고하기 위해 Meta-Heuristics 중 하나인 Particle Swarm Optimization 을 연구하였다. 알고리즘 성능을 향상 시키기 위해 Initialization, Iteration 과정에서 문제의 특성에 맞는 Modification 을 가하였고, 이 결과를 MIP 와 비교하였다. 따라서 문제의 사이즈가 커질 경우 PSO 알고리즘을 활용하여 해를 찾는것이 유리하다는 결론을 도출하였다.
