Elektrikli Araç Şarj İstasyonları için Optimal Yer Seçimi

Abstract

Elektrikli araçların (EV) hızla yaygınlaşması, verimli ve erişilebilir bir şarj altyapısının geliştirilmesini zorunlu kılmaktadır. Bu alandaki temel zorluklardan biri, şarj istasyonlarının optimum konumlandırılmasıdır. Bu yerleşim kararı, kullanıcı erişilebilirliği, operasyonel maliyetler ve genel hizmet verimliliği üzerinde doğrudan etkili olmaktadır. Bu çalışmada, elektrikli araç şarj istasyonu yer seçimi problemi, talep ve kapasite kısıtları altında kurulum maliyetleri ile mesafeye dayalı hizmet maliyetlerini bütünleştiren Karışık Tamsayılı Doğrusal Programlama (MILP) modeli olarak ele alınmıştır. Problemin NP-zor doğası nedeniyle, klasik optimizasyon yöntemleri problem boyutu büyüdükçe hesaplama açısından uygulanamaz hale gelmektedir. Bu sınırlamayı aşmak amacıyla, ölçeklenebilir sezgisel yaklaşımlar olarak tek amaçlı Genetik Algoritma (GA) ve çok amaçlı Sıralı Genetik Algoritma II (NSGA-II) önerilmiş ve uygulanmıştır. Geliştirilen algoritmaların hem gerçek dünya verileri hem de sentetik olarak oluşturulmuş veri kümeleri üzerinde test edilerek çözüm kalitesi, hesaplama verimliliği ve algoritmik sağlamlık açısından kapsamlı bir değerlendirmesi yapılmıştır. GAMS çözümleyicisiyle elde edilen kesin çözümlerle yapılan karşılaştırmalar, GA'nın önemli ölçüde daha kısa sürelerde neredeyse optimal sonuçlar üretebildiğini göstermektedir. Ayrıca NSGA-II, kurulum ve hizmet maliyetleri arasındaki değiş tokuş yapısını etkili bir şekilde yansıtarak çeşitli Pareto-optimal çözümler üretmekte ve çok kriterli karar verme bağlamında esneklik sağlamaktadır. Bu çalışma, EV şarj altyapısının planlanması alanına, farklı kentsel ortamlara uygulanabilir sağlam ve uyarlanabilir bir çözüm metodolojisi sunarak katkı sağlamaktadır. Gelecek çalışmalar; dinamik talep profillerinin entegrasyonu, yenilenebilir enerji kaynaklarının dikkate alınması ve etkileşimli karar destek sistemlerinin geliştirilmesi yönünde ilerleyebilir.The rapid adoption of electric vehicles (EVs) necessitates the development of efficient and accessible charging infrastructure. One of the primary challenges in this domain is the optimal placement of charging stations, which directly impacts user accessibility, operational cost, and overall service efficiency. This study formulates the EV charging station location problem as a Mixed Integer Linear Programming (MILP) model, integrating both installation costs and distance-based service costs under demand and capacity constraints. Given the NP-hard nature of the problem, exact optimization methods quickly become computationally impractical as problem complexity increases. To address this limitation, a single-objective Genetic Algorithm (GA) and a multi-objective Non-dominated Sorting Genetic Algorithm II (NSGA-II) are proposed and implemented as scalable heuristic alternatives. The developed algorithms are tested on both real-world and synthetically generated datasets, allowing for a comprehensive evaluation of solution quality, computational efficiency, and algorithmic robustness. Comparative analysis with exact solutions obtained from the CPLEX solver shows that GA provides near-optimal results with significantly reduced computation time. Moreover, NSGA-II effectively captures the trade-off structure between installation and service costs by generating a diverse Pareto front, enhancing decision-making flexibility in multi-criteria planning contexts.This research contributes to the field of EV infrastructure planning by offering a robust and adaptable solution methodology that can be applied across diverse urban environments. Future work may focus on integrating dynamic demand profiles, renewable energy considerations, and interactive decision-support systems to further extend the model's applicability