大语言模型辅助的电动汽车充电基础设施规划——基于真实案例
系统与控制
2025-11-25 v1 人工智能
系统与控制
最优化与控制
摘要
电动汽车 (EV) 充电基础设施需求的不断增长为规划带来显著挑战，亟需高效策略以实现投资和运营的成本效益。然而，针对充电需求的时空变化模式进行 EV 充电分配的潜在效益在基础设施规划中尚未充分探讨。本文提出一种集成方法，联合优化投资决策和充电分配，同时考虑时空需求动力学及其相互关联。为支持高效模型开发，我们利用大语言模型 (LLM) 在结构化自然语言描述生成和细化数学公式，显著减轻建模负担。 resulting optimization model 实现了投资与运营的最优联合决策。此外，本文提出一种基于交替方向乘子法 (ADMM) 的分布式优化算法，以应对高维情形下的计算复杂度，可在标准计算平台上执行。我们通过使用来自成都 150 万条真实旅行记录的案例验证了方法，显示在无 EV 分配方案下的基准方案下，总成本降低 30%。
引用
@article{arxiv.2511.19055,
title = {Large Language Model-Assisted Planning of Electric Vehicle Charging Infrastructure with Real-World Case Study},
author = {Xinda Zheng and Canchen Jiang and Hao Wang},
journal= {arXiv preprint arXiv:2511.19055},
year = {2025}
}