CN106257469B - 考虑维修服务的电动汽车交流充电装置制造方法 - Google Patents
考虑维修服务的电动汽车交流充电装置制造方法 Download PDFInfo
- Publication number
- CN106257469B CN106257469B CN201610672492.8A CN201610672492A CN106257469B CN 106257469 B CN106257469 B CN 106257469B CN 201610672492 A CN201610672492 A CN 201610672492A CN 106257469 B CN106257469 B CN 106257469B
- Authority
- CN
- China
- Prior art keywords
- charging device
- maintenance
- current charging
- scheme
- alternating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种考虑维修服务的电动汽车交流充电装置制造方法,解决了现有技术的不足,技术方案为:步骤一:根据分析电动汽车交流充电装置的零件结构关系,建立交流充电装置的设计结构矩阵模型,利用图论法对交流充电装置进行初次划分,得到相应的模块化初始方案;步骤二:经过步骤一分析得到初始方案后,根据电动汽车交流充电装置的历史维修数据建立以维修成本和维修周期差异度为目标的数学模型,使用约束优化算法对数学模型计算,得到最优解组成兼顾维修性能和模块化性能的组合方案集;步骤三:对得到的最优方案集使用多属性决策算法,得到最优的组合方案;步骤四:根据最优组合方案制造电动汽车交流充电装置。
Description
技术领域
本发明涉及一种电动汽车交流充电装置的设计方法,尤其涉及一种考虑维修服务的电动汽车交流充电装置制造方法。
背景技术
汽车产业是国民经济重要的支柱产业。随着社会各行各业极力寻求可再生新能源为生产原料以达到节能减排的目标,电动汽车具备接入电网进行电能补给的能力,受到各国政府的广泛关注。在美国,能源部牵头实施了EV Projec计划,通过免费为电动汽车的用户建设家用充电桩来推广电动汽车的使用。中国在2009年1月,财政部、科技部发布了《关于开展节能与新能源汽车示范推广试点工作的通知》,提出了“十城千辆”的大规模示范应用计划。2010年4月,《电动汽车传导式充电接口》、《电动汽车充电站通用要求》、《电动汽车电池管理系统与非车载充电机之间的通信协议》和《轻型混合动力电动汽车能耗量试验方法》4项国家标准出台,而国家对包括电动汽车在内的新能源汽车也实施了补贴扶持政策。因此在全球新能源汽车的广泛深入研究下,逐步形成了电动汽车产业的商业化,充电桩的运营是电动汽车产业的重中之重。消费者使用的总体经济性关系到运营模式的的竞争力。在产品设计阶段考虑充电桩后续维修服务的经济性,将大大提高产品在市场中的竞争力。
目前电动汽车的充电设备,制造缺少相应依据,往往在交流充电装置模块化设计过程中只满足模块化设计,缺少对方案进行评价优选,很难得到维修性能最优的交流充电装置模块化设计方案。
发明内容
本发明的目的在于解决上述现有技术制造缺少相应依据,往往在交流充电装置模块化设计过程中只满足模块化设计,缺少对方案进行评价优选,很难得到维修性能最优的交流充电装置模块化设计方案的问题,提供了一种考虑维修服务的电动汽车交流充电装置制造方法。
本发明解决其技术问题所采用的技术方案是:一种考虑维修服务的电动汽车交流充电装置制造方法,包括以下步骤:
步骤一:根据分析电动汽车交流充电装置的零件结构关系,建立交流充电装置的设计结构矩阵模型,利用图论法对交流充电装置进行初次划分,得到相应的模块化初始方案;
步骤二:经过步骤一分析得到初始方案后,根据电动汽车交流充电装置的历史维修数据建立以维修成本和维修周期差异度为目标的数学模型,使用约束优化算法对数学模型计算,得到最优解组成兼顾维修性能和模块化性能的组合方案集;
步骤三:对得到的最优方案集使用多属性决策算法,得到最优的组合方案;
步骤四:根据最优组合方案制造电动汽车交流充电装置。本发明通过分析电动汽车交流充电装置的零件结构关系,将交流充电装置模块化设计过程分为模块化满足与维修性能优化两个阶段,构建了相关的数学模型,同时采用多属性决策算法对优化的方案进行评价优选,得到维修性能最优的交流充电装置模块化设计方案。
作为优选,在所述步骤一中,根据分析电动汽车交流充电装置的功能关系、结构关系和信号关系,建立交流充电装置的设计结构矩阵,矩阵中元素的计算公式:
式中Tn(i,j)表示零件之间的连接强度,wn表示连接属性的权重,对设计结构矩阵进行转置求得邻接矩阵,并得到矩阵的强连通集,得到初始的模块化设计方案。
作为优选,在所述步骤二中,根据电动汽车交流充电装置的历史维修数据建立以维修成本最小和维修周期差异度最小为目标,以初始的模块化设计方案为优化对象,使用约束优化算法对其计算,构建组合模型:
其中,cd表示拆卸模块的单位成本,hi,j表示零件PTi的大修重要度,ri,j表示替换关键零件Pi的重要度,ηi表示零件PTi的回收率,Pi零件PTi的单位回收价格,cIi表示市场维修PTi的单位成本,Ei表示零件PTi的最小回收周期,
以决策向量来表示算法的染色体,染色体基因序列为优化组合方案,通过使用进化算法求解得出面向维修性能的动态多目标优化组合。约束优化方法是寻求具有约束条件的线性或非线性规划问题解的数值算法。假设f(x),gi(x)(i=1,2,…,m)是n维欧几里得空间Rn中的实值函数。所谓约束优化问题,是指在约束条件gi(x)≤0(i=1,2,…,m)之下求一点使点称为最优解。
作为优选,在步骤三中,首先采用SPEA2进化算法对充电装置初始模块进行优化,对生成优化后的充电装置初始模块采用模糊集合进行排序优选,得到在满足模块化性能的基础上具有最优维修性能的设计方案。SPEA2是多目标进化算法的经典程序,对于DTLZ序列测试函数有较好的求解性能。
作为优选,在所述步骤一中,基于B/S架构对充电装置零部件关联关系分析,售后通过Web网页的方式提交维修数据,通过解析器提取包括成本和寿命周期在内的维修特征指标,将维修特征指标存储在数据库中,根据数据库中数据分析电动汽车交流充电装置的功能关系、结构关系和信号关系。B/S结构(Browser/Server,浏览器/服务器模式),是WEB兴起后的一种网络结构模式,WEB浏览器是客户端最主要的应用软件。这种模式统一了客户端,将系统功能实现的核心部分集中到服务器上,简化了系统的开发、维护和使用。客户机上只要安装一个浏览器(Browser英美),如Netscape Navigator或Internet Explorer,服务器安装SQL Server、Oracle、MYSQL等数据库。浏览器通过Web Server同数据库进行数据交互。
作为优选,在所述步骤一中,充电装置初始模块化方案的生成包括以下子步骤:
子步骤一:建立充电装置的零件设计结构矩阵,
子步骤二:将设计结构矩阵转置得到邻接矩阵,
子步骤三:求取邻接矩阵的强连通集,
子步骤四:对强连通集运算得到输出矩阵,
子步骤五:对输出矩阵行列变换得到聚类结果。
作为优选,针对得到的组合方案集,采用模糊集合进行排序优选时,通过构建成员函数:
通过成员函数构建占优函数:
式中,和表示第i个优化目标的最大和最小值.Fi表示第i个优化目标的函数值。
通过成员函数构建占优函数:
对εs进行排序,选用结果值最大的εs作为最优的组合方案。
本发明的实质性效果是:本发明通过分析电动汽车交流充电装置的零件结构关系,将交流充电装置模块化设计过程分为模块化满足与维修性能优化两个阶段,构建了相关的数学模型,同时采用多属性决策算法对优化的方案进行评价优选,得到维修性能最优的交流充电装置模块化设计方案。附图说明:
图1是本发明的实现框架。
图2是本发明的初始模块生成流程图。
图3是本发明的优化模块生成流程图。具体实施方式:
下面通过具体实施例,对本发明的技术方案作进一步的具体说明。
实施例1:
一种考虑维修服务的电动汽车交流充电装置制造方法,其特征在于:包括以下步骤:
步骤一:根据分析电动汽车交流充电装置的零件结构关系,建立交流充电装置的设计结构矩阵模型,利用图论法对交流充电装置进行初次划分,得到相应的模块化初始方案;在所述步骤一中,基于B/S架构对充电装置零部件关联关系分析,售后通过Web网页的方式提交维修数据,通过解析器提取包括成本和寿命周期在内的维修特征指标,将维修特征指标存储在数据库中,根据数据库中数据分析电动汽车交流充电装置的功能关系、结构关系和信号关系。
在所述步骤一中,充电装置初始模块化方案的生成包括以下子步骤:
子步骤一:建立充电装置的零件设计结构矩阵,
子步骤二:将设计结构矩阵转置得到邻接矩阵,
子步骤三:求取邻接矩阵的强连通集,
子步骤四:对强连通集运算得到输出矩阵,
子步骤五:对输出矩阵行列变换得到聚类结果。
在所述步骤一中,根据分析电动汽车交流充电装置的功能关系、结构关系和信号关系,建立交流充电装置的设计结构矩阵,矩阵中元素的计算公式:
式中Tn(i,j)表示零件之间的连接强度,wn表示连接属性的权重,对设计结构矩阵进行转置求得邻接矩阵,并得到矩阵的强连通集,得到初始的模块化设计方案。
步骤二:经过步骤一分析得到初始方案后,根据电动汽车交流充电装置的历史维修数据建立以维修成本和维修周期差异度为目标的数学模型,使用约束优化算法对数学模型计算,得到最优解组成兼顾维修性能和模块化性能的组合方案集;在所述步骤二中,根据电动汽车交流充电装置的历史维修数据建立以维修成本最小和维修周期差异度最小为目标,以初始的模块化设计方案为优化对象,使用约束优化算法对其计算,构建组合模型:
其中,cd表示拆卸模块的单位成本,hi,j表示零件PTi的大修重要度,ri,j表示替换关键零件Pi的重要度,ηi表示零件PTi的回收率,Pi零件PTi的单位回收价格,cIi表示市场维修PTi的单位成本,Ei表示零件PTi的最小回收周期,
以决策向量来表示算法的染色体,染色体基因序列为优化组合方案,通过使用进化算法求解得出面向维修性能的动态多目标优化组合。
步骤三:对得到的最优方案集使用多属性决策算法,得到最优的组合方案;在步骤三中,首先采用SPEA2进化算法对充电装置初始模块进行优化,对生成优化后的充电装置初始模块采用模糊集合进行排序优选,得到在满足模块化性能的基础上具有最优维修性能的设计方案。
针对得到的组合方案集,采用模糊集合进行排序优选时,通过构建成员函数:
通过成员函数构建占优函数:
对εs进行排序,选用结果值最大的εs作为最优的组合方案。
步骤四:根据最优组合方案制造电动汽车交流充电装置。
本实施例通过分析电动汽车交流充电装置的零件结构关系,将交流充电装置模块化设计过程分为模块化满足与维修性能优化两个阶段,构建了相关的数学模型,同时采用多属性决策算法对优化的方案进行评价优选,得到维修性能最优的交流充电装置模块化设计方案。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (5)
1.一种考虑维修服务的电动汽车交流充电装置制造方法,其特征在于:包括以下步骤:步骤一:根据分析电动汽车交流充电装置的零件结构关系,建立交流充电装置的设计结构矩阵模型,利用图论法对交流充电装置进行初次划分,得到相应的模块化初始方案;
步骤二:经过步骤一分析得到初始方案后,根据电动汽车交流充电装置的历史维修数据建立以维修成本和维修周期差异度为目标的数学模型,使用约束优化算法对数学模型计算,得到最优解组成兼顾维修性能和模块化性能的组合方案集;
步骤三:对得到的最优方案集使用多属性决策算法,得到最优的组合方案;
步骤四:根据最优组合方案制造电动汽车交流充电装置;
在所述步骤一中,充电装置初始模块化方案的生成包括以下子步骤:子步骤一:建立充电装置的零件设计结构矩阵,
子步骤二:将设计结构矩阵转置得到邻接矩阵,
子步骤三:求取邻接矩阵的强连通集,
子步骤四:对强连通集运算得到输出矩阵,
子步骤五:对输出矩阵行列变换得到聚类结果。
3.根据权利要求2所述的考虑维修服务的电动汽车交流充电装置制造方法,其特征在于:在所述步骤二中,根据电动汽车交流充电装置的历史维修数据建立以维修成本最小和维修周期差异度最小为目标,以初始的模块化设计方案为优化对象,使用约束优化算法对其计算,构建组合模型:
其中,cd表示拆卸模块的单位成本,hi,j表示零件PTi的大修重要度,ri,j表示替换关键零件Pi的重要度,ηi表示零件PTi的回收率,Pi零件PTi的单位回收价格,cIi表示市场维修PTi的单位成本,Ei表示零件PTi的最小回收周期,以决策向量来表示算法的染色体,染色体基因序列为优化组合方案,通过使用进化算法求解得出面向维修性能的动态多目标优化组合。
4.根据权利要求3所述的考虑维修服务的电动汽车交流充电装置制造方法,其特征在于:在步骤三中,首先采用SPEA2进化算法对充电装置初始模块进行优化,对生成优化后的充电装置初始模块采用模糊集合进行排序优选,得到在满足模块化性能的基础上具有最优维修性能的设计方案。
5.根据权利要求2所述的考虑维修服务的电动汽车交流充电装置制造方法,其特征在于:在所述步骤一中,基于B/S架构对充电装置零部件关联关系分析,售后通过Web网页的方式提交维修数据,通过解析器提取包括成本和寿命周期在内的维修特征指标,将维修特征指标存储在数据库中,根据数据库中数据分析电动汽车交流充电装置的功能关系、结构关系和信号关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610672492.8A CN106257469B (zh) | 2016-08-15 | 2016-08-15 | 考虑维修服务的电动汽车交流充电装置制造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610672492.8A CN106257469B (zh) | 2016-08-15 | 2016-08-15 | 考虑维修服务的电动汽车交流充电装置制造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106257469A CN106257469A (zh) | 2016-12-28 |
CN106257469B true CN106257469B (zh) | 2020-04-17 |
Family
ID=57713597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610672492.8A Active CN106257469B (zh) | 2016-08-15 | 2016-08-15 | 考虑维修服务的电动汽车交流充电装置制造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106257469B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780765A (zh) * | 2012-06-27 | 2012-11-14 | 浙江大学 | 一种基于性能融合的云制造服务资源匹配与组合方法 |
CN105376156A (zh) * | 2015-11-11 | 2016-03-02 | 国家电网公司 | 一种基于多属性决策的电力骨干传输网路由规划方法 |
CN105740635A (zh) * | 2016-02-03 | 2016-07-06 | 王永林 | 一种变压器电磁设计方案的云理想解评价方法 |
-
2016
- 2016-08-15 CN CN201610672492.8A patent/CN106257469B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780765A (zh) * | 2012-06-27 | 2012-11-14 | 浙江大学 | 一种基于性能融合的云制造服务资源匹配与组合方法 |
CN105376156A (zh) * | 2015-11-11 | 2016-03-02 | 国家电网公司 | 一种基于多属性决策的电力骨干传输网路由规划方法 |
CN105740635A (zh) * | 2016-02-03 | 2016-07-06 | 王永林 | 一种变压器电磁设计方案的云理想解评价方法 |
Non-Patent Citations (3)
Title |
---|
USING GENETIC ALGORITHM AND TOPSIS TECHNIQUE FOR MULTIOBJECTIVE REACTIVE POWER COMPENSATION;M. Azzam 等;《Electric Power Systems Research》;20091126;第80卷(第6期);675-681 * |
制造资源混合粒度优化组合方案求解技术;郏维强 等;《计算机辅助设计与图形学学报》;20120315;第24卷(第3期);281-289 * |
智能电网技术经济综合评价研究;陈安伟;《中国博士学位论文全文数据库 经济与管理科学辑》;20130615(第6期);J150-8 * |
Also Published As
Publication number | Publication date |
---|---|
CN106257469A (zh) | 2016-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A survey of digital twin techniques in smart manufacturing and management of energy applications | |
CN109783916B (zh) | 一种基于仿真技术的空气压缩机群组优化调度决策方法 | |
Liang et al. | Analysis of factors affecting economic operation of electric vehicle charging station based on DEMATEL-ISM | |
Wu et al. | Multi-objective optimisation for cell-level disassembly of waste power battery modules in human-machine hybrid mode | |
CN116245033B (zh) | 人工智能驱动的电力系统分析方法及智能软件平台 | |
Ma et al. | Economic operation evaluation of active distribution network based on fuzzy Borda method | |
CN111723483A (zh) | 一种动力电池绿色优化设计集成系统及其集成方法 | |
CN105117801B (zh) | 基于智能算法的轮胎成型-硫化生产能耗实时优化方法 | |
Liu et al. | Study on coupling optimization model of node enterprises for energy storage-involved photovoltaic value chain in China | |
CN104299043A (zh) | 极限学习机超短期负荷预测方法 | |
CN113627032B (zh) | 一种基于数字孪生的设备设计/维修方案智能决策方法 | |
CN110956304A (zh) | 一种基于ga-rbm的分布式光伏发电量短期预测方法 | |
Xiao et al. | Disassembly information interoperability for electric vehicle battery in remanufacturing based on STEP standards | |
CN106257469B (zh) | 考虑维修服务的电动汽车交流充电装置制造方法 | |
CN111461475A (zh) | 一种电动汽车充电设备性能状态评价方法 | |
Ye et al. | MvTS-library: An open library for deep multivariate time series forecasting | |
CN116317937A (zh) | 一种分布式光伏电站运行故障诊断方法 | |
Cai et al. | Short-term forecasting of user power load in China based on XGBoost | |
Zhou et al. | Parameters Identification of Battery Model Using a Novel Differential Evolution Algorithm Variant | |
Gu et al. | A Digital Load Forecasting Method Based on Digital Twin and Improved GRU | |
Wei et al. | Predicting Electricity Usage Based on Deep Neural Network | |
Ma et al. | Grid data asset relationship and intelligent classification integrating knowledge graph and Internet of Things | |
Cadete et al. | Prediction of electric vehicles charging load using long short-term memory model | |
CN109242167B (zh) | 基于平均Lyapunov指数的光伏发电在线预测方法 | |
Sankaranarayanan et al. | Evaluation of Influence of Principles Involved in Industry 4.0 Over Coal Industries Using TISM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |