CN109615274B - 一种能源调度管理方法、装置、可读介质及电子设备 - Google Patents

一种能源调度管理方法、装置、可读介质及电子设备 Download PDF

Info

Publication number
CN109615274B
CN109615274B CN201910042636.5A CN201910042636A CN109615274B CN 109615274 B CN109615274 B CN 109615274B CN 201910042636 A CN201910042636 A CN 201910042636A CN 109615274 B CN109615274 B CN 109615274B
Authority
CN
China
Prior art keywords
gas
energy
transportation
characterizing
station
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
Application number
CN201910042636.5A
Other languages
English (en)
Other versions
CN109615274A (zh
Inventor
李合敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinao Shuneng Technology Co Ltd
Original Assignee
Xinao Shuneng Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xinao Shuneng Technology Co Ltd filed Critical Xinao Shuneng Technology Co Ltd
Priority to CN201910042636.5A priority Critical patent/CN109615274B/zh
Publication of CN109615274A publication Critical patent/CN109615274A/zh
Application granted granted Critical
Publication of CN109615274B publication Critical patent/CN109615274B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种能源调度管理方法及装置，方法包括：获取运输网络中每个气源的可调度气量、每个气源与每一个气站之间的最小供气量及最大供气量、每个气站的需求气量；获取承运方的每辆能源运输车的运输单价、最大载气量、执行每个气站与每个气源之间的运输任务时所需行驶的行驶距离及延误时间；根据获取的各个数据构建对应于运输网络的能效模型；优化能效模型以确定每一辆能源运输车被分配的至少一个运输任务及其执行分配的每一个运输任务分别对应的能源运输量。通过本发明的技术方案，当承运方的运力不足以将各个气源的天然气全部运输至各个气站时，可实现对承运方的运力进行最大化利用并确保向各个气站运输的天然气能够满足用户需求。

Description

一种能源调度管理方法、装置、可读介质及电子设备
技术领域
本发明涉及能源技术领域，尤其涉及一种能源调度管理方法、装置、可读介质及电子设备。
背景技术
天然气作为一种清洁能源，是生活与生产中常用的燃料。在天然气产业中，用户需从气源购买液化的天然气，气源根据用户的购气需求，通过承运方的能源运输车将气源的天然气输送至相应用户所对应的气站，以实现天然气的调度。
由此可以看出，对天然气的调度情况进行管理的依据仅为用户的购气需求，没有考虑实际运营情况，可能发生气源提供的天然气较多、承运方的运力不足以支持将各个气源提供的天然气全部运输至各个气站的现象，此时，如何实现对承运方的运力进行最大化利用并确保向各个气站运输的天然气能够满足用户需求则成为亟待解决的问题。
发明内容
本发明提供一种能源调度管理方法、装置、可读介质及电子设备，当承运方的运力不足以将各个气源的天然气全部运输至各个气站时，可实现对承运方的运力进行最大化利用并确保向各个气站运输的天然气能够满足用户需求。
第一方面，本发明提供了一种能源调度管理方法，包括：
获取运输网络中每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量；
获取承运方的每一辆能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离以及延误时间；
根据每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量、每一辆所述能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离以及延误时间，构建对应于所述运输网络的能效模型；
优化所述能效模型以确定每一辆所述能源运输车被分配的至少一个运输任务及其执行分配的每一个所述运输任务分别对应的能源运输量。
优选地，
所述构建对应于所述运输网络的能效模型，包括：形成由目标函数及约束条件构成的对应于所述运输网络的能效模型；其中，
所述目标函数包括：
Figure BDA0001948082250000021
所述约束条件包括：
Figure BDA0001948082250000022
其中，Z表征能效值、N表征运输网络中气站的总量、M表征运输网络中气源的总量、F表征承运方能源运输车的总量；
cij(xij)表征第i个气源和第j个气站之间推荐销售量为xij时，第i个气源和第j个气站之间的单位利润；
xij表征第i个气源和第j个气站之间的推荐销售量；
Tfij取值为0或1，Tfij取值为1时表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务，Tfij取值为0时表征第f辆能源运输车未被分配至执行第i个气源和第j个气站之间的运输任务；
Pf表征第f辆能源运输车的运输单价；
Dfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时所需行驶的行驶距离；
yfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时对应的能源运输量；
Cf表征第f辆能源运输车的最大载气量；
Kfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时所需的延误时间；
ai表征第i个气源的可调度气量，bj表征第j个气站的需求气量；
Vaij表征第i个气源与第j个气站之间的最小供气量、Vbij表征第i个气源与第j个气站之间的最大供气量；
w为预设常数。
优选地，
所述约束条件进一步包括：
Figure BDA0001948082250000031
其中，P1、P2、P3、d1、d2均为常数。
优选地，
所述优化所述能效模型以确定每一辆所述能源运输车被分配的至少一个运输任务及其执行分配的每一个所述运输任务分别对应的能源运输量，包括：
A1、根据所述约束条件形成由若干个体组成的解空间，其中，所述个体包括第一区域、第二区域以及第三区域，所述第一区域指示了每一辆所述能源运输车分别分配的至少一个初始运输任务，所述第二区域指示了每一辆所述能源运输车分配的每一个所述初始运输任务分别对应的初始能源运输量，所述第三区域指示了每一辆所述能源运输车根据每一个所述初始运输任务分别对应的所述初始能源运输量执行各个所述初始运输任务时、每一个所述气源与每一个所述气站之间的推荐销售量；
A2、计算所述解空间中各个所述个体的适应度值，并根据所述解空间中各个所述个体分别对应的所述适应度值记录或更新全局最优个体；
A3、判断是否达到预先设置的终止条件，若是，则执行A10，否则执行A4：
A4、从所述解空间中随机选择三个所述个体；
A5、根据选择的三个所述个体分别对应的适应度值，通过如下公式计算系数因子：
Figure BDA0001948082250000041
其中，hr表征系数因子、hu及hl均为常数、Y1表征随机选择的三个个体中第一个个体对应的适应度值、Y2表征随机选择的三个个体中第二个个体对应的适应度值、Y3表征随机选择的三个个体中第三个个体对应的适应度值；
A6、根据选择的三个所述个体以及所述系数因子，通过如下公式形成变异向量：
Hr(g)＝Q1(g)+hr[Q2(g)-Q3(g)]
其中，Hr(g)表征变异向量、Q1(g)表征随机选择的三个个体中第一个个体、Q2(g)表征随机选择的三个个体中第二个个体、Q3(g)表征随机选择的三个个体中第三个个体；
A7、检测形成的所述变异向量的第一总量与所述解空间中所述个体的第二总量是否相同，若是，则执行A8，否则执行A4；
A8、将形成的各个所述变异向量与所述解空间中的各个个体进行交叉操作以形成交叉个体集合；
A9、根据预设的个体选择策略从所述交叉个体集合及所述解空间中选择若干个体组成所述解空间，执行A2；
A10、从所述全局最优个体中提取第一区域及第二区域，并根据所述第一区域及第二区域确定每一辆所述能源运输车的运输任务分配及其分配的每一个所述运输任务分别对应的能源运输量。
第二方面，本发明提供了一种能源调度管理装置，包括：
运营数据获取模块，用于获取运输网络中每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量；
调度数据获取模块，用于获取承运方的每一辆能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离以及延误时间；
模型构建模块，用于根据每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量、每一辆所述能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离以及延误时间，构建对应于所述运输网络的能效模型；
优化处理模块，用于优化所述能效模型以确定每一辆所述能源运输车被分配的至少一个运输任务及其执行分配的每一个所述运输任务分别对应的能源运输量。
优选地，
所述模型构建模块，用于形成由目标函数及约束条件构成的对应于所述运输网络的能效模型；其中，
所述目标函数包括：
Figure BDA0001948082250000061
所述约束条件包括：
Figure BDA0001948082250000062
其中，Z表征能效值、N表征运输网络中气站的总量、M表征运输网络中气源的总量、F表征承运方能源运输车的总量；
cij(xij)表征第i个气源和第j个气站之间推荐销售量为xij时，第i个气源和第j个气站之间的单位利润；
xij表征第i个气源和第j个气站之间的推荐销售量；
Tfij取值为0或1，Tfij取值为1时表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务，Tfij取值为0时表征第f辆能源运输车未被分配至执行第i个气源和第j个气站之间的运输任务；
Pf表征第f辆能源运输车的运输单价；
Dfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时所需行驶的行驶距离；
yfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时对应的能源运输量；
Cf表征第f辆能源运输车的最大载气量；
Kfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时所需的延误时间；
ai表征第i个气源的可调度气量，bj表征第j个气站的需求气量；
Vaij表征第i个气源与第j个气站之间的最小供气量、Vbij表征第i个气源与第j个气站之间的最大供气量；
w为预设常数。
优选地，
所述约束条件进一步包括：
Figure BDA0001948082250000071
其中，P1、P2、P3、d1、d2均为常数。
优选地，
所述优化处理模块，用于执行如下A1～A10：
A1、根据所述约束条件形成由若干个体组成的解空间，其中，所述个体包括第一区域、第二区域以及第三区域，所述第一区域指示了每一辆所述能源运输车分别分配的至少一个初始运输任务，所述第二区域指示了每一辆所述能源运输车分配的每一个所述初始运输任务分别对应的初始能源运输量，所述第三区域指示了每一辆所述能源运输车根据每一个所述初始运输任务分别对应的所述初始能源运输量执行各个所述初始运输任务时、每一个所述气源与每一个所述气站之间的推荐销售量；
A2、计算所述解空间中各个所述个体的适应度值，并根据所述解空间中各个所述个体分别对应的所述适应度值记录或更新全局最优个体；
A3、判断是否达到预先设置的终止条件，若是，则执行A10，否则执行A4：
A4、从所述解空间中随机选择三个所述个体；
A5、根据选择的三个所述个体分别对应的适应度值，通过如下公式计算系数因子：
Figure BDA0001948082250000081
其中，hr表征系数因子、hu及hl均为常数、Y1表征随机选择的三个个体中第一个个体对应的适应度值、Y2表征随机选择的三个个体中第二个个体对应的适应度值、Y3表征随机选择的三个个体中第三个个体对应的适应度值；
A6、根据选择的三个所述个体以及所述系数因子，通过如下公式形成变异向量：
Hr(g)＝Q1(g)+hr[Q2(g)-Q3(g)]
其中，Hr(g)表征变异向量、Q1(g)表征随机选择的三个个体中第一个个体、Q2(g)表征随机选择的三个个体中第二个个体、Q3(g)表征随机选择的三个个体中第三个个体；
A7、检测形成的所述变异向量的第一总量与所述解空间中所述个体的第二总量是否相同，若是，则执行A8，否则执行A4；
A8、将形成的各个所述变异向量与所述解空间中的各个个体进行交叉操作以形成交叉个体集合；
A9、根据预设的个体选择策略从所述交叉个体集合及所述解空间中选择若干个体组成所述解空间，执行A2；
A10、从所述全局最优个体中提取第一区域及第二区域，并根据所述第一区域及第二区域确定每一辆所述能源运输车的运输任务分配及其分配的每一个所述运输任务分别对应的能源运输量。
第三方面，本发明提供了一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如第一方面中任一所述的方法。
第四方面，本发明提供了一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如第一方面中任一所述的方法。
本发明提供了一种能源调度管理方法、装置、可读介质及电子设备，该方法通过在承运方的运力不足以将各个气源的天然气全部运输至各个气站时，综合考虑运输网络中每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量，以及承运方的每一辆能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离、延误时间，以形成对应该运输网络的能效模型，通过对能效模型进行优化即可确定出每一辆能源运输车被分配的至少一个运输任务及其执行分配的每一个运输任务分别对应的能源运输量；后续仅需要根据每一辆能源运输车被分配的至少一个运输任务及其执行分配的每一个运输任务分别对应的能源运输量对运输网络的天然气调度情况进行管理，即可实现对承运方的运力进行最大化利用并确保向各个气站运输的天然气能够满足用户需求。
附图说明
为了更清楚地说明本发明实施例或现有的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种能源调度管理方法的流程示意图；
图2为本发明一实施例提供的一种能源调度管理装置的结构示意图；
图3为本发明一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，术语“第一”、“第二”仅用于便于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明技术特征的数量。
如图1所示，本发明实施例提供了一种能源调度管理方法，包括：
步骤101，获取运输网络中每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量；
步骤102，获取承运方的每一辆能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离以及延误时间；
步骤103，根据每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量、每一辆所述能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离以及延误时间，构建对应于所述运输网络的能效模型；
步骤104，优化所述能效模型以确定每一辆所述能源运输车被分配的至少一个运输任务及其执行分配的每一个所述运输任务分别对应的能源运输量。
如图1所示的实施例，该方法通过在承运方的运力不足以将各个气源的天然气全部运输至各个气站时，综合考虑运输网络中每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量，以及承运方的每一辆能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离、延误时间，以形成对应该运输网络的能效模型，通过对能效模型进行优化即可确定出每一辆能源运输车被分配的至少一个运输任务及其执行分配的每一个运输任务分别对应的能源运输量；后续仅需要根据每一辆能源运输车被分配的至少一个运输任务及其执行分配的每一个运输任务分别对应的能源运输量对运输网络的天然气调度情况进行管理，即可实现对承运方的运力进行最大化利用并确保向各个气站运输的天然气能够满足用户需求。
本领域技术人员应当理解的，一个运输网络可以由多个气源以及多个气站构成，气源属于天然气供应商，气站属于天然气使用方(即用户)，承运方通过其能源运输车将气源提供的天然气运输至相应的气站。承运方可以是天然气供应商自身和/或第三方运输业务承包商。
需要说明的是，各个气站所属的用户可能包含贸易商、工业用户、电厂以及其他类型客户，不同用户分别对应的业务紧要性、天然气需求量各不不同。因此，这里可以按照用户的业务紧要性以及天然气需求量将大量用户划分为不同类别，比如将大量用户划分为保供客户、专供客户、稳定客户、协议客户等多个类别，相应的，在已知满足每个用户分别对应的最大生产需求所需的需求气量的情况下，即可根据各个气站分别所属用户的类别，设置每一个气源与每一个气站之间分别对应的最小供气量及最大供气量。
具体地，本发明一个实施例中，所述构建对应于所述运输网络的能效模型，包括：形成由目标函数及约束条件构成的对应于所述运输网络的能效模型；其中，
所述目标函数包括：
Figure BDA0001948082250000121
所述约束条件包括：
Figure BDA0001948082250000122
其中，Z表征能效值、N表征运输网络中气站的总量、M表征运输网络中气源的总量、F表征承运方能源运输车的总量；
cij(xij)表征第i个气源和第j个气站之间推荐销售量为xij时，第i个气源和第j个气站之间的单位利润；
xij表征第i个气源和第j个气站之间的推荐销售量；
Tfij取值为0或1，Tfij取值为1时表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务，Tfij取值为0时表征第f辆能源运输车未被分配至执行第i个气源和第j个气站之间的运输任务；
Pf表征第f辆能源运输车的运输单价；
Dfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时所需行驶的行驶距离；
yfii表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时对应的能源运输量；
Cf表征第f辆能源运输车的最大载气量；
Kfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时所需的延误时间；
ai表征第i个气源的可调度气量，bj表征第j个气站的需求气量；
Vaij表征第i个气源与第j个气站之间的最小供气量、Vbij表征第i个气源与第j个气站之间的最大供气量；
w为预设常数。
该实施例中，约束条件具体指的是：
(1)、对于执行第i个气源和第j个气站之间的运输任务的第f辆能源运输车，应当保证第i个气源向第j个气站销售1个单位的天然气时，第i个气源销售1个单位的天然气其的销售单价与采购1个单位的天然气的采购单价之间的差值(即单位利润)，该单位利润减去第f辆能源运输车将1个单位的天然气从第i个气源运输至第j个气站所消耗的运输成本、再减去因未能按时将1个单位的天然气从第i个气源运输至第j个气站所造成的额外成本应当不小于0，从而避免过多的浪费运力资源，进而避免对供应商造成损失。
(2)、第i个气源可以向多个气站销售(运输)天然气，但第i个气源向各个气站实际销售(运输)的天然气的总量应当不大于第i个气源的可调度气量。
(3)多个气源可同时向第j个气站提供天然气，但各个气源向第j个气站提供的天然气的总量应当不大于第j个气站所对应的需求气量，该需求气量具体指的是设定时间段内满足第j个气站所对应的最高生产需求所需要消耗的天然气的总量。
(4)第f辆能源运输车可以被分配至执行第i个气源和第j个气站之间的运输任务，但仅能同时执行一个气源和一个气站之间的直接运输任务，无法同时执行一个气源与多个气站之间或多个气源与一个气站之间的多个运输任务。
(5)、对于被分配执行第i个气源与第j个气站之间的运输任务的若干辆能源运输车，其执行分配的第i个气源与第j个气站之间的运输任务分别对应的能源运输量的总和，应当与第i个气源向第j个气站推荐销售或推荐运输的天然气的总量xij相等。
(6)、第i个气源和第j个气站之间的推荐销售量(推荐运输量)应当不小于第i个气源和第j个气站之间的最小供气量，确保后续根据能源调度数据对能源调度情况进行管理时，实际向各气站运输的天然气能够满足气站所对应的用户的最低生产需求，同时，推荐销售量(推荐运输量)应当不小于第i个气源和第j个气站之间的最大供气量，避免气站无法在较短的时间内无法使用向其运输的天然气而造成天然气积压。
(7)、第f辆能源运输车可以被分配至执行第i个气源和第j个气站之间的运输任务，但其执行第i个气源和第j个气站之间的运输任务时对应的能源运输量应当不大于其最大载气量。
举例来说，预设常数w作为惩罚系数，可以是根据历史调度管理情况，逐步调整以得到的经验值。
举例来说，延误时间Kfij具体指的是第f辆能源运输车执行第i个气源的位置与第j个气站的之间的运输任务时，分别在第i个气源和第j个气站早到或者晚到的预测时间间隔之和。在一种可能实现的方式中，可以通过行驶距离Dfij，预估第f辆能源运输车执行第i个气源的位置与第j个气站的之间的运输任务时到达第i个气源的第一预估时间、以及预估到达第j个气站的第二预估时间，然后将到达第i个气源的第一预估时间与预先设置的达到第i个气源的限定时间进行比较得到第一预测时间间隔，以及将到达第j个气站的第二预估时间与预先设置的到达第j个气站的限定时间进行比较得到第二预测时间间隔，第一预测时间间隔与第二预测时间间隔的和即为延误时间Kfij；举例来说，第i个气源限定的到达时间为时刻Tia和Tib之间，第j个气站限定的到达时间为时刻Tja和Tjb之间，假设第f辆能源运输车早于时刻Tia或者晚于时刻Tib一共t1个时间间隔到达第i个气源，同时早于时刻Tja或者晚于时刻Tjb一共t2个时间间隔到达，则Kfij＝t1+t2。
需要说明的是，Dfij具体指的是第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时，从第f辆能源运输车的位置行驶至第i个气源的第一行驶距离与从第i个气源行驶至第j个气站的第二行驶距离的和。
显而易见的，在该能效模型中，xij与yfij存在直接关联关系，即该能效模型中所存在的变量则仅包括Tfij及yfij，在针对该能效模型进行优化时，仅需要得到Tfij及yfij即可得到xij，即得到每一辆能源运输车被分配的至少一个运输任务及其执行分配的每一个运输任务分别对应的能源运输量时，可同时得到每一个气源与每一个气站之间的推荐销售量(推荐运输量)。
目标函数中第i个气源与第j个气站之间的单位利润，至少可以通过如下两种实现方式中的一种实现。
实现方式1，直接获取第i个气源的购气单价以及供气单价，将供气单价与购气单价的差值作为单位利润。
实现方式2、将其与第i个气源与第j个气站之间的推荐运输量相关联，形成以第i个气源与第j个气站之间的推荐运输量作为自变量的分段函数，并将该分段函数作为约束条件。
对于实现方式2，该分段函数具体为：
Figure BDA0001948082250000151
其中，P1、P2、P3、d1、d2均为常数。
在得到由目标函数以及约束条件组成的对应于运输网络的能效模型之后，具体可以通过如下步骤A1～A10实现对该能效模型进行优化，以得到每一辆能源运输车被分配的至少一个运输任务及其执行分配的每一个运输任务分别对应的能源运输量。
A1、根据所述约束条件形成由若干个体组成的解空间，其中，所述个体包括第一区域、第二区域以及第三区域，所述第一区域指示了每一辆所述能源运输车分别分配的至少一个初始运输任务，所述第二区域指示了每一辆所述能源运输车分配的每一个所述初始运输任务分别对应的初始能源运输量，所述第三区域指示了每一辆所述能源运输车根据每一个所述初始运输任务分别对应的所述初始能源运输量执行各个所述初始运输任务时、每一个所述气源与每一个所述气站之间的推荐销售量；
A2、计算所述解空间中各个所述个体的适应度值，并根据所述解空间中各个所述个体分别对应的所述适应度值记录或更新全局最优个体；
A3、判断是否达到预先设置的终止条件，若是，则执行A10，否则执行A4；
A4、从所述解空间中随机选择三个所述个体；
A5、根据选择的三个所述个体分别对应的适应度值，通过如下公式计算系数因子：
Figure BDA0001948082250000161
其中，hr表征系数因子、hu及hl均为常数、Y1表征随机选择的三个个体中第一个个体对应的适应度值、Y2表征随机选择的三个个体中第二个个体对应的适应度值、Y3表征随机选择的三个个体中第三个个体对应的适应度值；
A6、根据选择的三个所述个体以及所述系数因子，通过如下公式形成变异向量：
Hr(g)＝Q1(g)+hr[Q2(g)-Q3(g)]
其中，Hr(g)表征变异向量、Q1(g)表征随机选择的三个个体中第一个个体、Q2(g)表征随机选择的三个个体中第二个个体、Q3(g)表征随机选择的三个个体中第三个个体；
A7、检测形成的所述变异向量的第一总量与所述解空间中所述个体的第二总量是否相同，若是，则执行A8，否则执行A4；
A8、将形成的各个所述变异向量与所述解空间中的各个个体进行交叉操作以形成交叉个体集合；
A9、根据预设的个体选择策略从所述交叉个体集合及所述解空间中选择若干个体组成所述解空间，执行A2；
A10、从所述全局最优个体中提取第一区域及第二区域，并根据所述第一区域及第二区域确定每一辆所述能源运输车的运输任务分配及其分配的每一个所述运输任务分别对应的能源运输量。
本领域技术人员应当理解的，终止条件可以种群的迭代次数达到最大迭代次数，即通过判断循环执行A4～A9的次数(即迭代次数)是否达到最大迭代次数，如果是，则执行A10，否则执行A4。终止条件也可以是连续两次更新的最优个体之间的变化满足预设条件，比如连续两次更新的全局最优个体分别对应的适应度值之间的绝对差值小于预设阈值。
本领域技术人员应当理解的，全局最优个体具体指示了经过若干次迭代更新的解空间中，适应度值最大的个体。
需要说明的是，首次形成解空间时，可根据约束条件，通过枚举的方式确定出用于组成该解空间的、符合约束条件的若干个个体，每一个个体中的第二区域即对应为目标函数的一组满足约束条件的解。
本领域技术人员应当理解的，个体的适应度值，具体指的是将个体中相应区域下的各个元素分别代入目标函数后计算出的能效值Z。
常数hu及hl为经验值，一般的，常数hu的取值具体可以是0.8，常数hl的取值具体可以是0.2。
对于步骤A8，解空间可以记为集合Q(g)，得到的各个变异向量可以形成集合H(g)，对各个变异向量与解空间中的各个个体进行交叉操作时，具体可以通过如下公式实现：
Figure BDA0001948082250000181
对于er表征解空间内第r个个体的交叉概率，Hr(g+1)表征对集合H(g)中的第r个变异向量(也可以成为个体)与集合Q(g)中的第r个个体进行变异时形成的对应于集合Q(g)中的第r个个体的对照个体，进而形成由若干个与解空间中的各个个体一一对应的对照个体组成的交叉个体集合。
对于第r个个体的交叉概率，可通过如下公式进行动态调整：
Figure BDA0001948082250000182
其中，el及ell均为常数、fmax表征解空间内各个个体所分别对应的适应度值中的最大值、fmin表征解空间内各个个体所分别对应的适应度值中的最小值、fr表征解空间内第r个个体所对应的适应度值、
Figure BDA0001948082250000184
表征解空间内各个个体所分别对应的适应度值的平均值。
常数el及ell为经验值，一般的，常数el的取值具体可以是0.2，常数ell的取值具体可以是0.7。
对于步骤A9，具体可以通过如下公式实现：
Figure BDA0001948082250000183
其中，Qr(g+1)表征从交叉个体集合及所述解空间中选择的第r个个体、Hr(g+1)表征对照集合中的第r个对照个体、f[Qr(g)]表征解空间中第r个个体Qr(g)的适应度值、f[Hr(g+1)]表征对照集合中第r个个体Hr(g+1)的适应度值、Qr(g)表征解空间中的第r个个体。
基于与本发明方法实施例相同的构思，请参考图2，本发明实施例还提供了一种能源调度管理装置，包括：
运营数据获取模块201，用于获取运输网络中每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量；
调度数据获取模块202，用于获取承运方的每一辆能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离以及延误时间；
模型构建模块203，用于根据每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量、每一辆所述能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离以及延误时间，构建对应于所述运输网络的能效模型；
优化处理模块204，用于优化所述能效模型以确定每一辆所述能源运输车被分配的至少一个运输任务及其执行分配的每一个所述运输任务分别对应的能源运输量。
本发明一个实施例中，所述模型构建模块203，用于形成由目标函数及约束条件构成的对应于所述运输网络的能效模型；其中，
所述目标函数包括：
Figure BDA0001948082250000191
所述约束条件包括：
Figure BDA0001948082250000201
其中，Z表征能效值、N表征运输网络中气站的总量、M表征运输网络中气源的总量、F表征承运方能源运输车的总量；
cij(xij)表征第i个气源和第j个气站之间推荐销售量为xij时，第i个气源和第j个气站之间的单位利润；
xij表征第i个气源和第j个气站之间的推荐销售量；
Tfij取值为0或1，Tfij取值为1时表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务，Tfij取值为0时表征第f辆能源运输车未被分配至执行第i个气源和第j个气站之间的运输任务；
Pf表征第f辆能源运输车的运输单价；
Dfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时所需行驶的行驶距离；
yfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时对应的能源运输量；
Cf表征第f辆能源运输车的最大载气量；
Kfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时所需的延误时间；
ai表征第i个气源的可调度气量，bj表征第j个气站的需求气量；
Vaij表征第i个气源与第j个气站之间的最小供气量、Vbij表征第i个气源与第j个气站之间的最大供气量；
w为预设常数。
本发明一个实施例中，所述约束条件进一步包括：
Figure BDA0001948082250000211
其中，P1、P2、P3、d1、d2均为常数。
本发明一个实施例中，所述优化处理模块204，用于执行如下A1～A10：
A1、根据所述约束条件形成由若干个体组成的解空间，其中，所述个体包括第一区域、第二区域以及第三区域，所述第一区域指示了每一辆所述能源运输车分别分配的至少一个初始运输任务，所述第二区域指示了每一辆所述能源运输车分配的每一个所述初始运输任务分别对应的初始能源运输量，所述第三区域指示了每一辆所述能源运输车根据每一个所述初始运输任务分别对应的所述初始能源运输量执行各个所述初始运输任务时、每一个所述气源与每一个所述气站之间的推荐销售量；
A2、计算所述解空间中各个所述个体的适应度值，并根据所述解空间中各个所述个体分别对应的所述适应度值记录或更新全局最优个体；
A3、判断是否达到预先设置的终止条件，若是，则执行A10，否则执行A4；
A4、从所述解空间中随机选择三个所述个体；
A5、根据选择的三个所述个体分别对应的适应度值，通过如下公式计算系数因子：
Figure BDA0001948082250000212
其中，hr表征系数因子、hu及hl均为常数、Y1表征随机选择的三个个体中第一个个体对应的适应度值、Y2表征随机选择的三个个体中第二个个体对应的适应度值、Y3表征随机选择的三个个体中第三个个体对应的适应度值；
A6、根据选择的三个所述个体以及所述系数因子，通过如下公式形成变异向量：
Hr(g)＝Q1(g)+hr[Q2(g)-Q3(g)]
其中，Hr(g)表征变异向量、Q1(g)表征随机选择的三个个体中第一个个体、Q2(g)表征随机选择的三个个体中第二个个体、Q3(g)表征随机选择的三个个体中第三个个体；
A7、检测形成的所述变异向量的第一总量与所述解空间中所述个体的第二总量是否相同，若是，则执行A8，否则执行A4；
A8、将形成的各个所述变异向量与所述解空间中的各个个体进行交叉操作以形成交叉个体集合；
A9、根据预设的个体选择策略从所述交叉个体集合及所述解空间中选择若干个体组成所述解空间，执行A2；
A10、从所述全局最优个体中提取第一区域及第二区域，并根据所述第一区域及第二区域确定每一辆所述能源运输车的运输任务分配及其分配的每一个所述运输任务分别对应的能源运输量。
为了描述的方便，描述以上装置实施例时以功能分为各种单元或模块分别描述，在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
图3是本发明实施例提供的一种电子设备的结构示意图。在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放执行指令。具体地，执行指令即可被执行的计算机程序。存储器可以包括内存和非易失性存储器，并向处理器提供执行指令和数据。
在一种可能实现的方式中，处理器从非易失性存储器中读取对应的执行指令到内存中然后运行，也可从其它设备上获取相应的执行指令，以在逻辑层面上形成能源调度管理装置。处理器执行存储器所存放的执行指令，以通过执行的执行指令实现本发明任一实施例中提供的能源调度管理方法。
上述如本发明图2所示实施例提供的能源调度管理装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
本发明实施例还提出了一种可读介质，该可读存储介质存储有执行指令，存储的执行指令被电子设备的处理器执行时，能够使该电子设备执行本发明任一实施例中提供的能源调度管理方法，并具体用于执行如图1所示的方法。
前述各个实施例中所述的电子设备可以为计算机。
本领域内的技术人员应明白，本发明的实施例可提供为方法或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (8)

1.一种能源调度管理方法，其特征在于，包括：
获取运输网络中每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量；
获取承运方的每一辆能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离以及延误时间；
根据每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量、每一辆所述能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离以及延误时间，构建对应于所述运输网络的能效模型，包括：形成由目标函数及约束条件构成的对应于所述运输网络的能效模型；其中，
所述目标函数包括：
Figure FDA0002702714500000011
所述约束条件包括：
Figure FDA0002702714500000021
其中，Z表征能效值、N表征运输网络中气站的总量、M表征运输网络中气源的总量、F表征承运方能源运输车的总量；
cij(xij)表征第i个气源和第j个气站之间推荐销售量为xij时，第i个气源和第j个气站之间的单位利润；
xij表征第i个气源和第j个气站之间的推荐销售量；
Tfij取值为0或1，Tfij取值为1时表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务，Tfij取值为0时表征第f辆能源运输车未被分配至执行第i个气源和第j个气站之间的运输任务；
Pf表征第f辆能源运输车的运输单价；
Dfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时所需行驶的行驶距离；
yfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时对应的能源运输量；
Cf表征第f辆能源运输车的最大载气量；
Kfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时所需的延误时间；
ai表征第i个气源的可调度气量，bj表征第j个气站的需求气量；
Vaij表征第i个气源与第j个气站之间的最小供气量、Vbij表征第i个气源与第j个气站之间的最大供气量；
w为预设常数；
优化所述能效模型以确定每一辆所述能源运输车被分配的至少一个运输任务及其执行分配的每一个所述运输任务分别对应的能源运输量。
2.根据权利要求1所述的方法，其特征在于，
所述约束条件进一步包括：
Figure FDA0002702714500000031
其中，P1、P2、P3、d1、d2均为常数。
3.根据权利要求2所述的方法，其特征在于，
所述优化所述能效模型以确定每一辆所述能源运输车被分配的至少一个运输任务及其执行分配的每一个所述运输任务分别对应的能源运输量，包括：
A1、根据所述约束条件形成由若干个体组成的解空间，其中，所述个体包括第一区域、第二区域以及第三区域，所述第一区域指示了每一辆所述能源运输车分别分配的至少一个初始运输任务，所述第二区域指示了每一辆所述能源运输车分配的每一个所述初始运输任务分别对应的初始能源运输量，所述第三区域指示了每一辆所述能源运输车根据每一个所述初始运输任务分别对应的所述初始能源运输量执行各个所述初始运输任务时、每一个所述气源与每一个所述气站之间的推荐销售量；
A2、计算所述解空间中各个所述个体的适应度值，并根据所述解空间中各个所述个体分别对应的所述适应度值记录或更新全局最优个体；
A3、判断是否达到预先设置的终止条件，若是，则执行A10，否则执行A4；
A4、从所述解空间中随机选择三个所述个体；
A5、根据选择的三个所述个体分别对应的适应度值，通过如下公式计算系数因子：
Figure FDA0002702714500000041
其中，hr表征系数因子、hu及hl均为常数、Y1表征随机选择的三个个体中第一个个体对应的适应度值、Y2表征随机选择的三个个体中第二个个体对应的适应度值、Y3表征随机选择的三个个体中第三个个体对应的适应度值；
A6、根据选择的三个所述个体以及所述系数因子，通过如下公式形成变异向量：
Hr(g)＝Q1(g)+hr[Q2(g)-Q3(g)]
其中，Hr(g)表征变异向量、Q1(g)表征随机选择的三个个体中第一个个体、Q2(g)表征随机选择的三个个体中第二个个体、Q3(g)表征随机选择的三个个体中第三个个体；
A7、检测形成的所述变异向量的第一总量与所述解空间中所述个体的第二总量是否相同，若是，则执行A8，否则执行A4；
A8、将形成的各个所述变异向量与所述解空间中的各个个体进行交叉操作以形成交叉个体集合；
A9、根据预设的个体选择策略从所述交叉个体集合及所述解空间中选择若干个体组成所述解空间，执行A2；
A10、从所述全局最优个体中提取第一区域及第二区域，并根据所述第一区域及第二区域确定每一辆所述能源运输车的运输任务分配及其分配的每一个所述运输任务分别对应的能源运输量。
4.一种能源调度管理装置，其特征在于，包括：
运营数据获取模块，用于获取运输网络中每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量；
调度数据获取模块，用于获取承运方的每一辆能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离以及延误时间；
模型构建模块，用于根据每一个气源的可调度气量、每一个所述气源与每一个气站之间的最小供气量及最大供气量、每一个所述气站的需求气量、每一辆所述能源运输车的运输单价、每一辆所述能源运输车的最大载气量、每一辆所述能源运输车执行每一个所述气站与每一个所述气源之间的运输任务时所需行驶的行驶距离以及延误时间，构建对应于所述运输网络的能效模型，包括：形成由目标函数及约束条件构成的对应于所述运输网络的能效模型；其中，
所述目标函数包括：
Figure FDA0002702714500000051
所述约束条件包括：
Figure FDA0002702714500000061
其中，Z表征能效值、N表征运输网络中气站的总量、M表征运输网络中气源的总量、F表征承运方能源运输车的总量；
cij(xij)表征第i个气源和第j个气站之间推荐销售量为xij时，第i个气源和第j个气站之间的单位利润；
xij表征第i个气源和第j个气站之间的推荐销售量；
Tfij取值为0或1，Tfij取值为1时表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务，Tfij取值为0时表征第f辆能源运输车未被分配至执行第i个气源和第j个气站之间的运输任务；
Pf表征第f辆能源运输车的运输单价；
Dfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时所需行驶的行驶距离；
yfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时对应的能源运输量；
Cf表征第f辆能源运输车的最大载气量；
Kfij表征第f辆能源运输车被分配至执行第i个气源和第j个气站之间的运输任务时所需的延误时间；
ai表征第i个气源的可调度气量，bj表征第j个气站的需求气量；
Vaij表征第i个气源与第j个气站之间的最小供气量、Vbij表征第i个气源与第j个气站之间的最大供气量；
w为预设常数；
优化处理模块，用于优化所述能效模型以确定每一辆所述能源运输车被分配的至少一个运输任务及其执行分配的每一个所述运输任务分别对应的能源运输量。
5.根据权利要求4所述的装置，其特征在于，
所述约束条件进一步包括：
Figure FDA0002702714500000071
其中，P1、P2、P3、d1、d2均为常数。
6.根据权利要求5所述的装置，其特征在于，
所述优化处理模块，用于执行如下A1～A10：
A1、根据所述约束条件形成由若干个体组成的解空间，其中，所述个体包括第一区域、第二区域以及第三区域，所述第一区域指示了每一辆所述能源运输车分别分配的至少一个初始运输任务，所述第二区域指示了每一辆所述能源运输车分配的每一个所述初始运输任务分别对应的初始能源运输量，所述第三区域指示了每一辆所述能源运输车根据每一个所述初始运输任务分别对应的所述初始能源运输量执行各个所述初始运输任务时、每一个所述气源与每一个所述气站之间的推荐销售量；
A2、计算所述解空间中各个所述个体的适应度值，并根据所述解空间中各个所述个体分别对应的所述适应度值记录或更新全局最优个体；
A3、判断是否达到预先设置的终止条件，若是，则执行A10，否则执行A4；
A4、从所述解空间中随机选择三个所述个体；
A5、根据选择的三个所述个体分别对应的适应度值，通过如下公式计算系数因子：
Figure FDA0002702714500000081
其中，hr表征系数因子、hu及hl均为常数、Y1表征随机选择的三个个体中第一个个体对应的适应度值、Y2表征随机选择的三个个体中第二个个体对应的适应度值、Y3表征随机选择的三个个体中第三个个体对应的适应度值；
A6、根据选择的三个所述个体以及所述系数因子，通过如下公式形成变异向量：
Hr(g)＝Q1(g)+hr[Q2(g)-Q3(g)]
其中，Hr(g)表征变异向量、Q1(g)表征随机选择的三个个体中第一个个体、Q2(g)表征随机选择的三个个体中第二个个体、Q3(g)表征随机选择的三个个体中第三个个体；
A7、检测形成的所述变异向量的第一总量与所述解空间中所述个体的第二总量是否相同，若是，则执行A8，否则执行A4；
A8、将形成的各个所述变异向量与所述解空间中的各个个体进行交叉操作以形成交叉个体集合；
A9、根据预设的个体选择策略从所述交叉个体集合及所述解空间中选择若干个体组成所述解空间，执行A2；
A10、从所述全局最优个体中提取第一区域及第二区域，并根据所述第一区域及第二区域确定每一辆所述能源运输车的运输任务分配及其分配的每一个所述运输任务分别对应的能源运输量。
7.一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如权利要求1至3中任一所述的方法。
8.一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1至3中任一所述的方法。
CN201910042636.5A 2019-01-17 2019-01-17 一种能源调度管理方法、装置、可读介质及电子设备 Active CN109615274B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910042636.5A CN109615274B (zh) 2019-01-17 2019-01-17 一种能源调度管理方法、装置、可读介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910042636.5A CN109615274B (zh) 2019-01-17 2019-01-17 一种能源调度管理方法、装置、可读介质及电子设备

Publications (2)

Publication Number Publication Date
CN109615274A CN109615274A (zh) 2019-04-12
CN109615274B true CN109615274B (zh) 2021-03-02

Family

ID=66019884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910042636.5A Active CN109615274B (zh) 2019-01-17 2019-01-17 一种能源调度管理方法、装置、可读介质及电子设备

Country Status (1)

Country Link
CN (1) CN109615274B (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080071590A1 (en) * 2006-09-15 2008-03-20 Bin Zhang Solving a model to select members of a portfolio
CN109063899A (zh) * 2018-07-06 2018-12-21 上海大学 车辆运输规划方法及装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN109615274A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
CN109034481B (zh) 一种基于约束规划的带时间窗车辆路径问题建模及优化方法
CN109829633B (zh) 一种能源调度管理方法、装置、可读介质及电子设备
CN109829667B (zh) 物流节点包裹量的预测方法和装置
Hu et al. Integrated inventory routing and freight consolidation for perishable goods
Sigurd et al. Scheduling transportation of live animals to avoid the spread of diseases
US9466043B1 (en) System and method for generating shipment forecasts for materials handling facilities
Lee et al. Minimizing due date related measures for a single machine scheduling problem with outsourcing allowed
CN111401619A (zh) 采购订单处理方法、装置、电子设备及存储介质
CN103578022A (zh) 自动化网购装置及方法
Van der Heide et al. Dynamic shipments of inventories in shared warehouse and transportation networks
CN112529460B (zh) 一种物资调度方法、调度系统、电子设备和存储介质
Hadj Youssef et al. Efficient scheduling rules in a combined make-to-stock and make-to-order manufacturing system
Rojas-Cuevas et al. Capacitated vehicle routing problem model for carriers
Elhafsi et al. Managing an assemble-to-order system with after sales market for components
CN109447428B (zh) 整车生产线序排产的确定方法、装置及智能终端
CN109858787B (zh) 一种能源调度管理方法、装置、可读介质及电子设备
CN109615274B (zh) 一种能源调度管理方法、装置、可读介质及电子设备
Hicks et al. Dynamic scheduling for complex engineer-to-order products
CN111144659B (zh) 物流调度方法、装置、计算机设备及存储介质
Rabbani et al. A new AATP model with considering supply chain lead-times and resources and scheduling of the orders in flowshop production systems: A graph-theoretic view
Shen et al. Capacity allocation with multiple suppliers and multiple demand classes
CN110516872A (zh) 一种信息处理方法、装置、存储介质和电子设备
Burnetas et al. Inventory policies for two products under Poisson demand: Interaction between demand substitution, limited storage capacity and replenishment time uncertainty
Li et al. Integrated production and distribution scheduling problems related to fixed delivery departure dates and weights of late orders
CN113887772A (zh) 订货周期优化方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant