2025年3月12日，由清华大学计算社会科学与国家治理实验室主办的清华交叉学科研究能力提升计划“大数据与因果推断研讨班”第十二期在线上举行。北京理工大学管理学院教授、博士生导师张玉利应邀作为主讲人，做了主旨为“数据驱动的电动汽车充换电服务网络选址库存集成优化”的讲座。讲座全程由清华大学公共管理学院陈思丞副教授主持。
本次课程一共分为四个部分：第一部分进行本研究的动机和问题描述；第二部分介绍选址和库存优化过程；第三部分进行联合库存和路线优化讲解，第四部分进行案例研究和观点概述。
第一部分：研究动机和问题介绍。张玉利教授从新能源汽车运营痛点与模式创新开始指出，新能源汽车作为国家战略性新兴产业，在实现“双碳”目标中扮演关键角色，但当前“分散充电、分散换电”模式面临两大瓶颈：一是电网容量与快充需求失衡，其中北京三环内换电需求集中，但老旧电网难以支持高功率快充，导致换电站电池周转效率低下；二是库存与需求动态匹配难题，传统模式下需储备大量电池以应对波动需求，推高重资产投入成本。基于国家新能源汽车监测与管理平台（累计接入超2500万辆实时数据），张玉利教授及所在团队提出“集中充电、分散换电”新型运营模式，一方面是分散换电，即在城区建设轻量化换电站（DSS），仅保留换电功能；另一方面是集中充电，即在电网容量充足的郊区建设集中充电站（CCS），通过卡车将depleted电池转运至CCS充电后回补。该模式可有效缓解电网压力，并通过规模化充电降低电池损耗率。
第二部分：如何进行联合选址和库存优化。针对选址与库存协同优化问题，张玉利教授团队构建了两阶段随机鲁棒优化模型：一是选址决策，结合电网容量、运输成本、需求热力图等约束，通过混合整数规划确定CCS与DSS的全局最优布局；二是库存策略，采用连续周期检查的 (r, Q) 策略，动态调整电池补给量与频率。张玉利教授强调，传统研究依赖泊松分布假设，但通过分析20.97万条实时换电记录发现，需求呈现显著非泊松到达特征（如高峰时段方差达3.9）。通过创新性拟合一般更新过程，并开发参数搜索算法（Parametric Search），将非凸优化问题分解为分段线性规划，计算效率较Gurobi等商业求解器提升上万倍。以北京90个换电站、60个备选CCS为例，模型求解仅需3.4秒，成本浪费较启发式算法降低10%-19%。
第三部分：怎么进行联合库存与路径优化。一是构建多级库存网络模型，其中换电站采用 (R,S)的周期性检查策略，充电站通过卡车动态回补depleted 电池，约束包括车辆服务区域划分、容量限制及时间窗，以最小化运输成本与电池周转时间。二是算法设计方面，结合库存策略与车辆路径问题（VRP），设计两阶段启发式算法，其中第一阶段基于聚类算法划分服务区域；第二阶段采用改进遗传算法优化路径，减少空载率（实测降低12%-18%）。
第四部分：案例研究和观点概述。在北京试点验证过程中，团队基于NEVSMC数据拟合需求参数（均值14.51/小时，标准差3.90），得到电池成本7062美元/块，运输成本1.13美元/公里。在集中充电模式下，当需求规模6万辆时，成本可较传统模式降低40%。在混合策略下，订单拆分使库存成本下降7.92%（8×8需求矩阵）。
张玉利教授提出，通过北汽、奥动等企业合作试点，数据驱动的电动汽车充换电服务网络选址库存集成优化模型展现出以下显著优 势：一是可扩展性，电网容量决定模式适用性——老旧城区可优先采用“集中充电”，新城保留本地快充；二是通过动态调整Q与充电站部署密度ρc ，可适应80%的需求波动，适配电网升级与需求增长；三是安全性，集中充电降低电池过热风险，使着火事故率下降56.1%，平台数据支撑补贴核算超1700亿元。张玉利指出，该模式在电网薄弱的老城区经济性尤为突出，未来将扩展至量子优化算法与柔性供应链设计。他呼吁政策制定者关注“电网-交通网”协同规划，优先在老旧城区推广新型运营模式。
讲座尾声，张玉利教授与同学们就“预测与优化集成方法”“模型落地挑战”等问题展开互动。陈思丞副教授总结指出，数据驱动的运筹模型为新能源基础设施规划提供了高精度工具，彰显了管理科学与公共政策的深度融合价值。至此，本次讲座圆满结束。
撰稿人
中国矿业大学（北京） 博士生 刘星月
广西大学 博士生 王丹
