CN110837943A - 用于确定公共运输系统的部署的配置的方法和装置 - Google Patents

用于确定公共运输系统的部署的配置的方法和装置 Download PDF

Info

Publication number
CN110837943A
CN110837943A CN201910753459.1A CN201910753459A CN110837943A CN 110837943 A CN110837943 A CN 110837943A CN 201910753459 A CN201910753459 A CN 201910753459A CN 110837943 A CN110837943 A CN 110837943A
Authority
CN
China
Prior art keywords
charging
public transportation
determining
parameters
electric
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.)
Pending
Application number
CN201910753459.1A
Other languages
English (en)
Inventor
A.扎纳里尼
J.波兰
H.J.费罗
M.默坎格茨
M.比尔莱雷
R.斯卡林奇
V.卢尔金
M.霍尔斯基
S.S.阿扎德
Y.马克农
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.)
ABB AS Norway
Original Assignee
ABB Schweiz AG
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 ABB Schweiz AG filed Critical ABB Schweiz AG
Publication of CN110837943A publication Critical patent/CN110837943A/zh
Pending legal-status Critical Current

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

公开用于确定包括多个电动公共运输车辆，特别是电动公共汽车的公共运输系统的部署的配置的技术。至少一个处理器（71）可在公共运输系统的部署之前并且基于关于时间表和地理路线曲线的接收信息来确定电动公共运输车辆车队的车队大小、要安装在电动公共运输车辆中的车载电池的车载电池参数以及与要安装用于对电动公共运输车辆的车载电池进行充电的充电基础设施关联的充电基础设施参数。

Description

用于确定公共运输系统的部署的配置的方法和装置
技术领域
本发明的实施例涉及用于确定公共运输系统的部署的配置的方法、计算机可执行指令代码、装置和系统。本发明的实施例尤其涉及在相应公共运输系统操作开始之前的规划阶段期间协助用户确定电动公共运输车辆的车队（fleet）及关联的充电基础设施两者的配置以便满足沿多个地理路线的预期时间表的技术。
背景技术
使用诸如电动公共汽车之类的电动车辆的公共运输系统具有不断增加的重要性。确定这种公共运输系统的部署的适当配置是相当大的难题。电动公共汽车配备有昂贵的车载电池（on-board battery）。充电基础设施是可能需要在电动公共运输车辆之间共享的有限资源。充电基础设施还可包括附加电池以缓冲能量并且避免配电网上的不必要的高峰负荷。因此，坚定不移的是，查找所有自由度之间的良好折衷以便实现使用具有车载电池的电动公共汽车或其他电动公共运输车辆的公共运输系统的部署的良好或者优选地甚至最优解决方案。
A. Tirachini等人的“Multimodal pricing and optimal design of urbanpublic transport: The interplay between traffic congestion and bus crowding.”（Transportation Research Part B：Methodological 61 (2014)：33-54）论述交通堵塞与公共汽车拥挤之间的相互影响，但是没有解决与充电基础设施关联的问题。
P. Chakroborty等人的“Optimal route network design for transit systemsusing genetic algorithms.”（Engineering optimization 34.1 (2002)：83-100）论述路线集和计划表设计，但是没有解决与充电基础设施或车载电池的布局关联的问题。
W.D. Fan等人的“Some computational insights on the optimal bus transitroute network design problem.”（Journal of the Transportation Research Forum.Vol. 47. No. 3. 2012）论述最优公共汽车运送路线网络设计问题，但是没有解决与充电基础设施或车载电池的布局关联的问题。
G. Wang等人的“Traffic-constrained multiobjective planning ofelectric-vehicle charging stations.”（IEEE Transactions on Power Delivery 28.4(2013)：2363-2372）涉及电动车辆充电站的规划。该方法没有考虑公共运输网络中出现的特定要求和需要，在所述公共运输网络中，具有车载电池的电动运输车辆的车队需要满足预期时间表，并且需要沿某个固定地理路线曲线（profile）进行操作。
US 9132842 B2公开用于将充电站定位的技术。这些技术不符合公共运输网络中出现的特定要求和需要，在所述公共运输网络中，具有车载电池的电动运输车辆的车队需要满足预期时间表，并且需要沿某个固定地理路线曲线进行操作。
US 8975866 B2公开一种基于目标端点和估计能量消耗来确定能量存储系统的充电设置点的技术。这些技术不符合公共运输网络中出现的特定要求和需要，在所述公共运输网络中，具有车载电池的电动运输车辆的车队需要满足预期时间表，并且需要沿某个固定地理路线曲线进行操作。此外，它没有提出包括非限制性地诸如车队大小确定、时间表、可选缓冲能量存储的尺寸确定及其存在于充电站内部的老化之类的基本方面的系统观点。
CN 105760949 A公开一种用于确定充电站的充电器的数量的技术。这些技术没有提供关于确定车载电池的适当配置或者它们相应的老化的协助。
WO 2011/035427 A1公开用于模拟车队管理中的车辆能量使用的技术。这些技术没有提供关于确定充电站的适当配置的协助。
WO 2013/055830 A1公开用于固定路线应用下的车载电池寿命的最大化的技术。这些技术没有提供关于确定充电基础设施的适当配置的协助。
A. Babin等人的“TCO Improvement of commercial electric vehicles usingtraction battery sizing and intelligent charge method.”（IEEE. 2016International Conference on Electrical Systems for Aircraft, Railway, ShipPropulsion and Road Vehicles & International Transportation ElectrificationConference (ESARS-ITEC). 2016）公开用于确定适当充电策略的技术。这些技术没有提供关于确定充电基础设施的适当配置的协助。
发明内容
鉴于上文，存在对于在确定公共运输系统的部署的适当配置的复杂任务中协助例如公共运输网络的运营商之类的用户的方法、装置、系统和计算机程序的持续需要。尤其是存在对于在考虑公共运输系统中存在的特定约束的同时允许针对车载电池并且针对充电基础设施（因为它们关键性地相互链接）来确定良好部署配置的这类技术的需要，在所述公共运输系统中，时间表和地理路线曲线一般是预先定义的或者不能以其它方式任意变更。尤其是存在对于允许按照定量标准来确定良好部署配置以便查找部署配置的最优解决方案的这类技术的需要。
按照本发明，提供了如独立权利要求中所述的方法、计算机可执行指令代码和计算装置或计算系统。从属权利要求定义实施例。
按照实施例，提供一种确定公共运输系统的部署的配置的方法。公共运输系统包括多个电动公共运输车辆，特别是电动公共汽车。
该方法可包括在接口接收关于要由多个电动公共运输车辆服务的公共运输线路的时间表和地理路线曲线的信息。该方法还包括由至少一个处理器在公共运输系统的部署之前并且基于关于时间表和地理路线曲线的所接收的信息自动确定至少下列项：
车队大小，其指示要服务公共运输线路的多个电动公共运输车辆的计数，以及
要安装在多个电动公共运输车辆中的车载电池的车载电池参数，以及
与要安装用于对多个电动公共运输车辆进行充电的充电基础设施关联的充电基础设施参数，
对于其而言，取决于车队大小、车载电池参数和充电基础设施参数的目标函数具有约束下的最优值，所述约束取决于关于时间表和地理路线曲线的所接收的信息。
可强制要求时间表作为硬约束（hard constraint）。备选地，可针对时间表提供灵活性。为了说明，该方法可包括经由用户接口接收指示与时间表的可能偏差的信息。指示与时间表的可能偏差的信息可允许用户在终点站（terminal）指定最小和/或最大时间。在提供这种灵活性的情况下，该方法还可包括输出用户所指定的范围内的最优时间，由此在终点站或者在多个终点站也针对等待时间执行优化。最优时间可针对要遵守的全部约束是最优的。当允许用户在终点站指定最小和/或最大时间时，还可允许用户输入等于最小时间的最大时间，由此指示时间对于相应的终点站是硬约束。
该方法还可包括由至少一个处理器通过数据网络来检索包括下列至少一项的补充信息：其中要部署公共运输系统的区域中的历史气象条件；沿地理路线曲线的高程曲线（elevation profile）；该区域中的历史交通数据；沿地理路线曲线的预计乘客计数。
自动确定车队大小、车载电池参数和充电基础设施参数可包括在公共运输系统的部署之前执行的下列步骤：使用补充信息来模拟沿地理路线曲线的电力消耗；以及基于所模拟的电力消耗以及可选地基于充电站内部放置的缓冲电池的电池寿命来计算要安装在多个电动公共运输车辆中的车载电池的车载电池寿命。
目标函数可取决于所模拟的电力消耗和所计算的车载电池寿命两者。
目标函数可取决于充电基础设施要连接到其的电力网。
目标函数或约束可取决于充电站的候选位置与电力网之间的距离。
目标函数可取决于本地能量产生的可用性，诸如可用于在充电站使用光电管（photoelectric cell）的本地能量产生的太阳能的可用性或者风能的可用性。
所模拟的电力消耗可根据历史气象条件以及沿地理路线曲线的预测乘客计数来确定。
至少一个处理器可同时确定车队大小、车载电池参数和充电基础设施参数。
约束可强制要求，一旦已经部署公共运输系统，则按照时间表和地理路线曲线来提供公共运输服务。
确定充电基础设施参数可包括确定相对于地理路线曲线在其要安装充电站的位置。
相对于地理路线曲线在其要安装充电站的位置可根据相应位置与充电站要连接到其的电力网的距离确定。
相对于地理路线曲线在其要安装充电站的位置可根据本地能量产生的可用性来确定，诸如根据可用于在充电站使用光电管的本地能量产生的太阳能的可用性来确定。
确定充电基础设施参数可包括确定相对于地理路线曲线要安装哪些类型的充电站。
充电站的类型可从由具有能量存储系统的充电站以及没有能量存储系统的充电站组成的组中选取。
充电站的类型可从由没有能量存储系统的闪速馈电站（flash feedingstation）、具有能量存储系统的闪速馈电站、终点站馈电站以及补给站（depot）馈电站组成的组中选取。闪速馈电站可配置用于快速无线能量传递。
确定要安装哪些类型的充电站可包括下列至少一个：确定充电站的相应每一个的输入功率；确定充电站的相应每一个的输出功率；确定具有能量存储系统的每个充电站的能量存储系统的容量；确定充电站中的哪些充电站要由具有不同地理路线曲线的至少两个不同公共运输线路共享。
确定车载电池参数可包括确定要安装在电动公共运输车辆中的车载电池的化学类型和/或容量。
化学类型可从由磷酸铁锂（LFP）、硬质碳/镍钴锰氧化物（NCM）、磷酸锰锂、锂离子化学品所组成的组来确定。
该方法还可包括由至少一个处理器确定所确定的车队大小、车载电池参数和充电基础设施参数对系统紊乱（disruption）的健壮性。
目标函数可表示公共运输系统的部署和操作所需的总电力消耗。
目标函数可表示公共运输系统的部署和操作所需的生态成本，诸如生态占用面积（footprint）。
目标函数可表示公共运输系统的所有权的总成本。
目标函数可表示公共运输系统的安装和操作的工作时间。
目标函数可包括与包括车载电池的多个电动车辆的购买、维护和操作关联的成本以及与充电基础设施的安装、维护和操作关联的成本。
目标函数可包括至少与电动车辆和/或充电基础设施所提供的次要服务关联的项。
次要服务可包括电网服务。
次要服务可从由暂时能量存储、频率调节和配电网支持组成的组中选取。
约束可以是硬约束或软约束。
该方法还可包括确定所确定的车队大小、车载电池参数和充电基础设施参数对系统紊乱的健壮性。确定健壮性可包括针对各种交通条件执行交通模拟。
该方法还可包括由至少一个处理器确定多个车队大小、车载电池参数集合和/或充电基础设施参数集合连同它们的关键性能指示符以便经由用户接口输出。多个车队大小、车载电池参数集合和/或充电基础设施参数集合可对应于多目标优化中的不同目标或者目标的组合。人类决策者可进行关于多个车队大小、车载电池参数集合和/或充电基础设施参数集合中的哪一个最适合于公共运输系统的部署的决策。
关键性能指示符可包括不同寿命假设下的成本、性能关键性能指示符和/或对系统紊乱的健壮性。
按照实施例的计算机可执行指令代码包括指令，该指令在由计算装置或分布式计算系统的至少一个处理器执行时使至少一个处理器执行本文公开的实施例中的任一个的方法。
按照实施例的计算装置或分布式计算系统可包括接口，该接口配置成接收关于要由多个电动公共运输车辆服务的公共运输线路的时间表和地理路线曲线的信息。计算装置或分布式计算系统可包括至少一个处理器，所述至少一个处理器配置成基于关于时间表和地理路线曲线的所接收的信息并且在公共运输系统的部署之前自动确定至少下列项：
车队大小，其指示要服务公共运输线路的多个电动公共运输车辆的计数，以及
要安装在多个电动公共运输车辆中的车载电池的车载电池参数，以及
与要安装用于对多个电动公共运输车辆进行充电的充电基础设施关联的充电基础设施参数，
对于其而言，取决于车队大小、车载电池参数和充电基础设施参数的目标函数具有约束下的最优值，所述约束取决于关于时间表和地理路线曲线的所接收的信息。
至少一个处理器可配置成通过数据网络来检索包含下列至少一项的补充信息：其中要部署公共运输系统的区域中的历史气象条件；沿地理路线曲线的高程曲线；该区域中的历史交通数据；沿地理路线曲线的预计乘客计数。
至少一个处理器还可配置成使用补充信息来模拟沿地理路线曲线的电力消耗，并且基于所模拟的电力消耗来计算要安装在多个电动公共运输车辆中的车载电池的车载电池寿命，其中目标函数可取决于所模拟的电力消耗和所计算的车载电池寿命两者。
至少一个处理器可配置成执行本文公开的任何实施例的方法。
按照本发明的方法、装置、系统和计算机程序在考虑公共运输系统中存在的特定约束的同时确定公共运输系统的部署的适当配置的复杂任务中协助人类用户，在所述公共运输系统中，时间表和地理路线曲线一般是预先定义的或者不能够以其他方式容易地变更。
按照本发明的方法、装置、系统和计算机程序允许按照定量标准来确定良好部署配置以便查找部署配置的最优解决方案。定量质量标准可考虑与包括车载电池的多个电动车辆的购买、维护和操作以及与充电基础设施的安装、维护和操作关联的成本（例如经济、生态、与工作有关的成本等等）。
可按照定量方式来考虑外部约束，诸如充电基础设施要连接到其的电力网的配置和/或可用于在配备有光电管的充电站的能量产生的某个区域中的日照时数等。
到数据网络的、特别是到广域网的接口可促进关于其中要部署公共运输系统的区域的气象条件和高度曲线的信息的自动检索。气象条件和高度曲线可显著影响车载电池的充电状态（state of charge）。
附图说明
将参照附图中示出的优选示范实施例更详细地说明本发明的主题，其中：
图1是按照本发明的实施例确定的公共运输系统部署配置的车队（vehicle fleet）的示意图。
图2是按照本发明的实施例确定的公共运输系统部署配置的充电基础设施的示意图。
图3是按照实施例的计算装置的示意图。
图4是按照实施例的计算系统的示意图。
图5是按照实施例的计算系统的示意图。
图6是按照实施例的方法的流程图。
图7是被执行以执行按照实施例的方法的模块的框图表示。
图8、图9和图10是候选充电基础设施的示意图。
图11示出实施例中执行的能量消耗计算的验证结果。
图12示出使用不同车队大小的两种部署情形的充电状态（SoC）。
图13示出实施例中的优化策略。
图14示出可在实施例中考虑的沿公共汽车线路的变化操作频率。
图15是电动公共运输车辆的框图表示。
图16示出在确定充电基础设施的参数时考虑电动公共运输车辆的DC环节电压（link voltage）的技术。
具体实施方式
将参照附图来描述本发明的示范实施例，在附图中，相同或相似参考符号标示相同或相似元件。虽然将在示范充电基础设施概念和/或示范车载电池概念的上下文中描述一些实施例，但是实施例不限于此。除非另有具体指出，否则实施例的特征可相互组合。
本发明的实施例可用于使具有车载电池的电动公共汽车的车队的以及关联充电基础设施的配置优化，但不限于此。
如本文所使用的术语“电动车辆”涵盖全电动（或电池）车辆和混合电动车辆两者。
如本文所使用的术语“电动公共运输车辆”涵盖全电动公共汽车和混合电动公共汽车，但不限于此。“电动公共运输车辆”可以是电动公共汽车。“电动公共运输车辆”可以是在不使用高架电力线的情况下进行操作的电动公共汽车。在一些实施例中，“电动公共运输车辆”可以是利用高架线路或快速公交系统（BRT）的有轨电车或其他车辆，其中车载电池可用作里程扩展器（range extender）。这类电池可允许例如有轨电车行进到不存在高架线路的区域中。
如本文所使用的术语“车载电池”指的是安装在电动公共运输车辆上的电池，该电池可操作以对一个或若干个电动机供电以便驱动电动公共运输车辆。车载电池可以是牵引电池。车载电池可选地可对诸如空调系统之类的辅助设备供电。
如本文所使用的术语“充电基础设施”涵盖用于对电动公共运输车辆的车载电池进行充电的充电站。充电站中的至少一些可包括用于暂时能量存储的能量存储系统。对于公共运输系统的部署，需要安装充电站。充电站中的一些或全部需要连接到电力网。备选地或附加地，充电站的至少部分能够配备有诸如光电管之类的本地电力产生装置。如下面将更详细说明，电力网的布局，特别是其覆盖和/或使用可再生能源（诸如太阳能）的本地产生能量的可能性可由计算装置或计算系统来考虑，这协助用户确定要安装哪些充电站以及要在哪些位置安装充电站。
“充电基础设施”可以是下述充电基础设施：该充电基础设施不将高架电力线用于向电动公共运输车辆馈送能量。在一些实施例中，除了车载电池之外还可使用高架电力线。
如本文所使用的术语“公共运输系统的部署”可涵盖充电基础设施的安装。
如本文所使用的术语“部署配置”可指的是在充电基础设施的安装之前以及在提供具有车载电池的电动公共运输车辆的车队之前确定的公共运输系统的参数集合。部署配置可至少包括与电动公共运输车辆关联的参数以及与充电基础设施关联的参数。与电动公共运输车辆关联的参数可包括车队大小以及定义车载电池的容量和/或化学类型的电池参数。与充电基础设施关联的参数可包括充电基础设施解决方案（诸如夜间补给站充电；仅终点站充电，也称作OppCharge；或者途中充电，诸如TOSA（Trolleybus Optimisation Système Alimentation，无轨电车供电优化系统）-类型充电）、输入和输出功率、充电站中的能量存储设备的存在和配置、充电站的位置、其组合或者其他参数中的一个或多个。
标识公共运输系统的适当配置由于所涉及的技术约束而是艰难任务。这类约束的示例是要满足的时间表和地理路线曲线。这类约束的其他示例涉及：公共运输系统的充电基础设施要连接到其的电力网的布局；在充电站的本地能量产生的可再生能源的可用性；潜在的操作开销，即，某个充电基础设施在连接到公共汽车之前可引起的延迟；某个充电基础设施额定功率与取决于车载电池的大小和化学类型的车载电池之间的兼容性；取决于大小、化学类型和操作（因此取决于为车载电池安装的充电站的数量，以及取决于对于充电站电池的车队大小）的电池（车载电池以及充电站电池两者）的老化；取决于时间表和预期服务等级（例如公共汽车频率）的车队大小；取决于时间表的充电基础设施（例如，允许公共汽车在终点站停留以便再充电的时间越长，则需要更少途中充电）。适当部署配置的标识与电动公共运输系统的可行性、操作、信赖和收益具有显著相关性。
按照本发明的实施例，电动公共运输系统的适当部署配置可考虑预期时间表、地理路线曲线以及其他约束来自动确定，所述其他约束诸如充电基础设施要连接到其的电力网的布局和/或在充电站使用诸如太阳能或风能之类的可再生能源的本地能量产生的可用性。由此极大地促进标识适当部署配置的困难任务。
图1是要服务于沿区域10中的多个地理路线曲线11、12、13延伸的多个公共汽车线路的公共运输系统的示意图。补给站14被提供用于电动公共运输车辆的夜间存储。用户输入可例如经由图形用户接口（GUI）或者经由网络接口同时指定地理路线曲线11、12、13。用户输入可指定沿多个地理路线曲线11、12、13的时间表。如在时间表中定义的沿多个地理路线曲线11、12、13的行进时间和/或服务频率可随着日期时间并且随着星期而变化。
按照实施例的方法和装置可自动确定多少电动公共运输车辆21-26要沿第一公共运输线路的第一地理路线曲线11进行操作。按照实施例的方法和装置可自动确定多少电动公共运输车辆31-33要沿第二公共汽车线路的第二地理路线曲线12进行操作和/或多少电动公共运输车辆41-43要沿第三公共运输线路的第三地理路线曲线13进行操作。
按照实施例的方法和装置可自动确定在电动公共运输车辆21-26、31-33、41-43中要提供哪些车载电池容量和哪些化学类型的车载电池。化学类型可从由磷酸铁锂（LFP）、硬质碳/镍钴锰氧化物（NCM）、磷酸锰锂、锂离子化学品所组成的组中选取，但不限于此。
图2是要为电动公共运输系统的操作提供的区域10中的充电基础设施的示意图。该充电基础设施可包括一个（或多个）充电站51以用于补给站充电。该充电基础设施可包括用于终点站充电和/或用于在公共汽车站的闪速充电的充电站52-55。
充电基础设施还可包括附加电池以缓冲能量，并且避免配电网上的不必要的高峰负荷。能够在电动公共汽车部署中使用的充电基础设施能够概括地分类为：
•夜间补给站充电，其中车载电池持续整天的操作，并且需要在补给站14仅在夜间再充电；
•仅终点站充电，也称作OppCharge，其中车载电池在每次到达配备有充电站的终点站时并且也在夜间被部分补给；
•途中充电，其中车载电池除了在补给站和在终点站充电之外，还在乘客上/下公共汽车的同时在一些选取的公共汽车站也被另外再充电达有限的时长。
充电基础设施的种类和车载电池容量以及特定公共汽车路线特征影响车队中的电动公共运输车辆的数量以及相应驾驶员成本、馈电站所提供的能量/电力的运转成本和（公共汽车上以及作为基础设施的一部分两者的）电池的老化。
按照实施例的方法和装置可自动确定要服务于沿多个地理路线曲线11、12、13的各种公共运输线路的电动公共运输车辆的总车队大小以及电动公共运输系统的车载电池的相应电池参数。按照实施例的方法和装置可自动确定要为电动公共运输系统的操作安装的充电站51-55的位置和/或类型。也可自动确定充电基础设施的附加参数，诸如充电基础设施中提供的能量存储容量的电压和/或化学类型。
按照实施例，可使用整体优化方法，该方法在勘探可能变化条件的同时综合电池老化、车队大小优化、能量/电力成本和时间表优化。技术可执行目标函数（其又可称作成本函数（cost function））上的约束优化。
约束优化可考虑公共运输系统的次要目的，例如电力网服务，其能够由公共运输系统来提供以缓冲能量和/或为充电基础设施连接到其的电力网提供电压或频率稳定化。次要电网服务可由公共汽车中或者充电基础设施中安装的电池在它们调度空闲时间期间来提供。次要电网服务可帮助为公共运输系统的运营商带来收益。优化可折衷电池成本、次要目的的潜在收益、电池老化以及对安装主要目的的影响。
可执行优化以便确定电动公共运输车辆的车队的参数（车队大小和车载电池的电池参数）以及充电基础设施的参数（充电站的位置、输入和输出功率等）使得在约束下使目标函数优化。约束可强制要求，沿多个地理路线曲线满足按照预期时间表的预期服务等级。目标函数可取决于诸如电动公共运输系统的安装和操作的生态占用面积之类的生态成本、安装和操作电动公共运输系统所需的工作小时数和/或所有权的总成本。所有权的总成本可以是：可选地考虑次要服务所带来的收益的情况下，出于电动公共汽车部署的主要目的（即，人员运输）的资本成本和运转成本。
适当部署配置的标识可取决于公共运输系统外部的因素，例如充电基础设施要连接到其的电力网的配置和/或在充电站使用可再生能源的本地能量产生的可能性。为了说明，按照实施例的技术可在确定部署配置时考虑充电站的候选位置与电力网的电力线57的距离58、59。备选地或附加地，按照实施例的技术可考虑在可配备有光电管的充电站的候选位置的平均日照时数。
按照实施例的方法、装置和系统一般可按如下所述进行操作。可接收关于多个公共运输线路的地理路线曲线和时间表的信息。可使用电动公共运输车辆的车队和充电基础设施两者的参数的初始集合，该集合可选地可基于用户输入来定义，或者可以是允许满足预期时间表的参数的极保守的推测。可沿多个地理路线曲线执行交通模拟。可计算多个公共运输车辆的能量消耗。车载电池的电池老化以及充电基础设施的固定电池（如果存在的话）的老化可基于取决于能量消耗的模拟充电周期来计算。可评估目标函数。可改变一个或若干个参数以使目标函数优化。可使用用于查找使约束下的目标函数优化的参数的不同优化策略。
按照实施例的方法、装置和系统可操作以同时为具有不同地理路线曲线的多个不同公共运输线路来确定部署配置。由此能够考虑诸如充电站是否能够在多个不同运输线路之间来共享以及这如何影响充电时长、电池老化以及与预期时间表的顺应性（compliance）之类的考虑因素。电动公共运输车辆的车队和充电基础设施的参数均可针对多个不同公共运输线路一次性确定，即，通过解决单个约束优化问题来确定。
按照实施例的方法、装置和系统可通过例如互联网之类的广域网来检索和使用补充信息以执行约束优化。为了说明，交通数据可通过广域网来检索并且可用于计算能量消耗和电池老化。气象数据可通过广域网来检索并且可用于计算能量消耗和电池老化，这是因为公共运输车辆的发热和冷却可能对能量消耗具有非常显著的影响。高程数据可通过广域网来检索并且可用于计算能量消耗和电池老化，这是因为沿地理路线的高程曲线显著影响能量消耗。
将参照图3至图5来说明执行按照实施例的方法的按照实施例的装置和系统。
图3是计算装置61的框图，计算装置61可操作以确定包括多个电动公共运输车辆的公共运输系统的部署的部署配置。计算装置61包括一个或若干个处理器63和接口62。接口62可操作以接收关于要由多个电动公共运输车辆服务的公共运输线路的时间表和地理路线曲线的信息。接口62可以是用户接口，特别是图形用户接口或者网络接口。
一个或若干个处理器63可以可操作以解决约束优化问题以确定部署配置。一个或若干个处理器63可以可操作以在公共运输系统的部署之前并且基于关于时间表和地理路线曲线的所接收的信息自动确定指示服务于公共运输线路的多个电动公共运输车辆的计数的车队大小。一个或若干个处理器63可以可操作以在公共运输系统的部署之前并且基于关于时间表和地理路线曲线的所接收的信息，自动确定要安装在多个电动公共运输车辆中的车载电池的车载电池参数。一个或若干个处理器63可以可操作以在公共运输系统的部署之前并且基于关于时间表和地理路线曲线的所接收的信息，自动确定与要安装用于对多个电动公共运输车辆进行充电的充电基础设施关联的充电基础设施参数。
可解决约束优化问题使得所确定的部署配置提供目标函数的最优值，这是因为车队大小、车载电池参数和充电基础设施参数的函数具有约束下的最优值。约束可取决于关于时间表和地理路线曲线的所接收的信息。
约束和/或目标函数可取决于公共运输系统外部的信息，诸如充电基础设施连接到其的配电网的配置和覆盖或者可用于在充电站进行本地能量产生的诸如太阳能或风能之类的可再生能源的可用性。
在操作期间，（一个或多个）处理器63可执行指令代码以实现交通模拟器64、能量消耗模拟器65、电池老化计算器66和优化模块67。
交通模拟器64可生成典型的速度曲线集合。可考虑路线高程曲线、道路特性（转弯、环道（roundabout）、交通灯、人行横道、最大限速等）来生成速度曲线。可考虑沿多个地理路线曲线的历史交通条件。速度曲线可根据可在历史交通条件中反映的日期时间和星期而变化。历史交通条件可本地存储在数据存储装置68中，或者可通过诸如互联网之类的广域网从数据库检索。
能量消耗模拟器65可计算不同速度曲线和诸如乘客负荷、外界温度之类的不同环境条件的典型能量消耗曲线。可在接口62接收乘客负荷。外界温度可本地存储在数据存储装置68中，或者可通过诸如互联网之类的广域网从数据库检索。
电池老化计算器66基于典型能量消耗/电力曲线来计算预计电池寿命。预计电池寿命取决于充电基础设施和充电周期，并且在优化期间充电基础设施参数变化时重新计算。
优化模块67基于来自其他模块的输出，诸如基于典型能量消耗曲线和预计电池寿命来确定改进部署参数。优化模块67可改变诸如车队大小、车载电池的电池容量和电池化学类型、充电站的位置和配置之类的部署参数，以查找解决约束优化问题的部署配置。
部署配置可经由用户接口或数据接口来输出。
图4是包括服务器71的分布式计算系统的框图，服务器71可操作以确定包括多个电动公共运输车辆的公共运输系统的部署的部署配置。计算系统包括终点站装置75，终点站装置75可以是便携式或固定用户终点站装置。关于时间表和/或地理路线曲线的信息可经由终点站装置75的用户接口76输入，并且可经由诸如互联网之类的广域网77传送到服务器71。
服务器71具有可以如参照图3所描述的那样可操作的网络接口72、一个或若干个处理器73和数据存储装置74。（一个或多个）处理器73可执行指令代码以实现交通模拟器64、能量消耗模拟器65、电池老化计算器66和优化模块67来确定部署配置，如已经参照图3说明。
图5是包括服务器71的分布式计算系统的框图，服务器71可操作以确定包括多个电动公共运输车辆的公共运输系统的部署的部署配置。计算系统包括终点站装置75，终点站装置75可以是便携式或固定用户终点站装置。关于时间表和/或地理路线曲线的信息可经由终点站装置75的用户接口76输入，并且可经由诸如互联网之类的广域网77来传送到服务器71。
服务器71可从多个数据库服务器78a、78b、78c检索可影响电动公共运输系统的最优部署配置的确定的数据。
由服务器71执行的交通模拟器64可从交通数据数据库服务器78a检索历史交通数据。
由服务器71执行的能量消耗模拟器65可从地图数据数据库服务器78b来检索高程数据以根据沿多个地理路线曲线的高程曲线来确定能量消耗。
由服务器71执行的能量消耗模拟器65可从气象数据数据库服务器78c检索气象数据以根据公共运输系统要在其中进行操作的区域10中的气象条件来确定能量消耗。
服务器71具有基本上可以如参照图3和图4所描述的那样可操作的网络接口72、一个或若干个处理器73和数据存储装置74。
在实施例中，部署配置的确定使用工具来执行，该工具通过能够由具有可能不同角色的多个用户访问的、基于万维网或云的计算机程序来实现，并且它具有用于提供输入和接收输出的集成接口。该工具能够在服务器71上或者在基于云的架构中执行。一些用户能够与该工具进行交互以输入与工程规范相关的参数，以及其他用户用该工具工作以创建公共汽车线路和网络的最优设计。
输入接口76能够是模块化的并且能够包含子模块和其他模块，子模块例如用于利用数字地图应用中的路线和公共汽车信息来创建公共汽车线路，以及其他模块用于直接地或者通过从诸如电子表格工具等的外部应用中读入来输入时间表。
输出能够在计算机屏幕或其它光学输出装置上可视化、能够导出到例如电子表格工具或者能够采取数字或印刷设计报告的形式来接收。
另外的扩展能够包括灵敏度分析模块，以研究获得附加认识的“应如何（whatif）”情形以及了解特定解决方案或设计的极限，或者对照不同故障情形来评估健壮性。
图6是确定电动公共运输系统的部署配置的方法80的流程图。方法80可由参照图3至图5所说明的计算装置61或分布式计算系统的服务器71来执行。
诸如车队大小以及车载电池的容量和化学类型之类的电动公共运输系统的部署的部署参数和/或诸如充电站的位置和配置之类的充电基础设施的参数可随着方法步骤81至85按迭代方式重复进行而变化。在初始迭代中，可使用部署配置的初始推测，初始推测可例如使用车队大小、车载电池容量和充电站的密度的极保守的推测来自动地确定。当方法经过步骤81至85迭代进行时，随后可细化定义部署配置的参数。
在步骤81，执行交通模拟。交通模拟可基于历史交通数据、地理路线曲线和时间表来执行。地理路线曲线和时间表可由一个或若干个用户经由输入接口来指定。历史交通数据可从交通数据数据库检索。交通模拟可提供模拟速度曲线。
在步骤82，计算能量消耗曲线。能量消耗曲线可根据速度曲线例如作为日期时间的函数来计算。能量消耗曲线可进一步基于气象数据和/或预计乘客负荷和/或沿相应公共运输线路的地理路线的高程曲线来计算。
在步骤83，可计算预计电池寿命。预计电池寿命可取决于能量消耗曲线和充电周期。
在步骤84，可评估目标函数。目标函数可以是公共运输系统的车队大小、车载电池参数和充电基础设施参数的函数。目标函数可表示公共运输系统的部署和操作所需的生态成本，例如生态占用面积。目标函数可表示公共运输系统的所有权的总成本。目标函数可包括与包括车载电池的多个电动车辆的购买、维护和操作关联的成本以及与充电基础设施的安装、维护和操作关联的成本。
在步骤85，可改变车队大小、车载电池参数和充电基础设施参数中的一个或若干个，并且该方法可返回到步骤81。可执行目标函数的约束优化。可执行在步骤85的参数的变化，以便确保在后续迭代中满足约束。
虽然在步骤83的预计电池寿命的计算、在步骤84的目标函数的评估以及在步骤85的使目标函数优化的参数的变化和标识在图6中示为分离的步骤，但是这些步骤也可组合和集成在单个模型中。虽然步骤83、84和85可作为连续步骤执行，但是它们也可组合成单个处理操作。
提供目标函数的最优值的车队大小、车载电池参数和充电基础设施参数可经由用户界面、数据接口来输出，或者可本地存储。
图7是按照实施例的方法、装置和系统中的操作和数据流的示意框图表示。
为了制定和解决与确定电动公共运输系统的部署配置关联的约束优化问题，能够执行下列步骤：
a. 可读取所有用户指定的输入参数。输入参数可包括可由能量消耗模拟模块91使用的、例如从公共汽车规格、（一个或多个）地理公共汽车线路曲线、（一个或多个）时间表、电池规格、馈电站规格、辅助设备规格和气象条件中选取的参数101。
输入参数可包括可由计算电池老化的电池老化模块93使用的、例如从（一个或多个）时间表、电池规格、馈电站规格和使用统计中选取的参数103。
输入参数102还可定义哪个成本模型和/或哪些约束要由执行约束优化的优化模块92使用。
b. 可获得诸如电池大小、充电站的位置之类的部署参数的初始推测。初始推测可以是用户定义的，或者可以是随后能够被细化的参数的极保守集合（使用大型车队、充电站的大密度和车载电池的大容量）。
c. 交通模拟模块94可被执行以生成典型速度曲线集合。典型速度曲线可反映不同交通条件。速度曲线110可被提供给能量消耗模拟模块91。
d.能量消耗模拟模块91可被执行以基于不同速度曲线和诸如乘客负荷、外界温度之类的不同环境条件的参数来计算典型能量消耗曲线。在第一迭代中，能够为初始参数101计算典型能量消耗曲线。能量消耗曲线112可被提供给电池老化模块93和优化模块92。
e. 电池老化模块93可被执行以基于能量消耗曲线112来计算预计电池寿命，能量消耗曲线112又取决于典型速度曲线110。
f. 优化模块92可被执行以基于例如能量消耗曲线112和预计电池寿命113来获得优化部署配置参数。优化结果可包括更新后的电池参数和更新后的充电基础设施参数111。更新后的电池参数和更新后的充电基础设施参数111可被提供给能量消耗模拟模块91和电池老化模块93以用于部署配置的后续迭代改进。
g. 可选地，结果可通过使用对优化模块92的相应最近调用期间获得的优化的部署配置参数111来重复进行步骤c）至f）而细化。
h. 可选地，验证模块95可通过i）使用从对优化模块的上一次调用获得的解决方案信息和/或ii）用部署配置参数的优化集合的略微改变的值对能量消耗模拟模块91进行多次调用，计算解决方案对变化输入参数的灵敏度/弹性。可分析得出的能量消耗曲线。
通过执行上述步骤，可生成馈电站位置和电池容量的候选解决方案，候选解决方案然后能够对照用户所提供的、指定问题定义以及所有相关参数的各种问题特定输入来使用。参数的数量能够根据子问题的制定以及预期的细节和精度等级而改变。问题特定输入可包括对系统的约束，诸如时间表信息、可用电池化学类型、电池的老化模型、车辆的能量消耗模型、用于计算速度曲线的交通信息、气象信息以及用于计算辅助设备能量消耗的暖通空调（HVAC）操作策略，但不限于此。
诸如模块92和93之类的各种模块的功能可组合成单个模块。图7不需要由计算机指令代码的分离模块执行的电池老化和优化。备选地或附加地，参照图7所说明的各种其他模块的操作也可相互组合并且集成到单个模块中。
上面说明的方法和装置允许要针对若干公共运输线路的网络所获得的部署配置服务于电动公共运输车辆。这允许沿多个不同运输线路的充电基础设施的共用在评估部署配置的质量时而适应。
目标函数和约束可采取各种形式，这取决于对公共运输网络的运营商具有重要性的特性。在一些实现中，并且为了易于理解，目标函数可被看作是函数：
O( tb ; ci ; ep ) (1)
其中O是目标函数；tb是包括作为向量元素的N个电动公共运输车辆的电池容量和电池化学类型的向量；N是车队大小；ci是包括作为向量元素的、充电基础设施的位置和其他参数的向量；以及ep是包括没有经过优化并且可被看作是固定的参数的向量。为了说明，参数ep可包括电力网的布局和/或分别针对充电站的多个候选位置的、充电站的候选位置与电力网的距离。参数ep可包括地理路线曲线。备选地或附加地，参数ep可包括气象数据，气象数据可影响能量消耗曲线、交通数据、沿地理路线曲线的高程和/或预测乘客数量。参数ep可包括可影响在充电站基于例如太阳能或风能之类的可再生能源来本地产生能量的能力的参数。
约束的至少一部分可实现为硬约束。为了说明，可执行约束优化使得车载电池中的剩余能量保持高于服务中的任何车辆的阈值等级。与时间表相比的不可接受延迟也可实现为硬约束。
备选地或附加地，约束的至少一部分可实现为软约束。在这种情况下，约束优化可查找下列函数的最优值：
O( tb ; ci ; ep) +C(tb ; ci ; ep ; tt) (2)
C是成本罚值（penalty）项。成本罚值项C可包括随着模拟速度曲线与按照时间表tt必须满足的速度曲线的偏差而增加的项。备选地或附加地，成本罚值项C可包括表示（一个或多个）充电站与电力网的距离的项。
由此可提供关于时间表的灵活性。为了说明，用户可输入指示与时间表的可能偏差的信息。指示与时间表的可能偏差的信息可允许用户在终点站指定最小和/或最大时间。在提供这种灵活性的情况下，该方法还可包括输出所指示范围内的最优时间。最优时间可针对将要遵守的所有约束是最优的。当允许用户在终点站指定最小和/或最大时间时，还可允许用户输入等于最小时间的最大时间，由此指示时间对于相应终点站是硬约束。
目标函数O的特定结构取决于要利用电动公共运输网络将得到的目标。为了说明，如果与电池更换关联的维护工作和/或电池更换的生态影响要被最小化，则成本函数O可以是或者可包括充电基础设施的固定电池的和车载电池的逆电池寿命之和。
可执行多目标优化。按照实施例的方法和系统可配置成分别对于多个不同目标函数的每个确定最优部署配置。用户可在不同解决方案之间进行选择。备选地或附加地，方法和系统可配置成确定使下式优化的参数：
(∑k wk Ok( tb ; ci ; ep )) + C(tb ; ci ; ep ; tt) (3)
其中Ok表示不同成本函数（诸如安装的生态占用面积和工作小时或者经济成本），以及wk是加权因子，其中k为大于1的整数。用户可设置加权因子，以便得到诸如资本成本、生态占用面积和/或操作成本之类的各种目标之间的折衷。
成本函数O可具有更复杂形式。为了说明，成本函数O可包括反映与公共运输网络关联的费用的项。这类费用或者所有权的总成本可包括下列项：
●资本支出；这可取决于下列一项或若干项：
○公共汽车的成本
○公共汽车电池的成本（考虑其预计寿命和折旧率）
○充电基础设施的成本（其在补给站、终点站和公共汽车站安装）
○挖掘成本（以便将充电基础设施连接到电网）
●操作费用；这可取决于下列一项或若干项：
○公共汽车和充电基础设施的维护
○年度公用设施连接费
○由充电基础设施所输送的能量的成本
○公共汽车驾驶员成本。
给定公共汽车线路或者公共汽车线路的网络，它们的特征（服务频率、公共汽车容量、时间表、高度曲线等）、潜在不同车载电池技术集合、不同充电基础设施选项（具有或没有中间能量存储，并且具有不同输入和输出功率）以及给定参与与电力网相关的次要服务的选项，按照实施例的方法、装置和系统能够可操作以使所有权的总成本最小化。下列参数能够为此目的而确定：
●所安装的电池的大小和化学类型（在电动公共运输车辆和充电基础设施中）
●充电站的类型（其输入/输出功率，具有/没有中间能量存储）
●充电站的数量和位置
●可能地，对充电站进行扩大以允许与多个线路来共享它（在线路的网络的情况下）
●可能地，调整预期范围之内的停泊时间以有利于更长再充电时间
●满足预期服务等级的公共汽车车队的大小。
当扩展成适应次要电力网服务时，存在于公共汽车中并且可能存在于充电基础设施中的车载电池能够用于从电网服务带来收益。附加潜在收益、电池的潜在扩大（oversizing）和电池老化之间的折衷能够使用按照实施例的方法、装置和系统自动查找。公共汽车和基础设施电池中的投资能够用于提供电网服务（例如次要频率调节或配电网支持）；然而，这个次要目的可影响电池寿命，并且因此需要通过约束优化来评估。
充电基础设施的种类和车载电池大小以及特定公共汽车路线特征其中还影响车队中的公共汽车的数量以及相应驾驶员成本；馈电站所提供的能量/电力的运转成本；以及（公共汽车上以及作为基础设施的一部分两者的）电池的老化。因此，为了实现最优解决方案的所有自由度之间的折衷是高度复杂的任务。按照实施例的方法、装置和系统在这个高度复杂的任务中协助用户。
当所有权的总成本要被最小化时，电动公共汽车车队的所有不同的货币成本和利益方面能够在针对使所有权的总成本最小化的单个统一约束优化问题中考虑。这个优化问题的解决方案得出部署参数的有吸引力的决策。
能够考虑其他目标，同时按照实施例的方法、装置和系统协助用户查找公共运输网络的适当部署配置。如上所述，可执行多目标优化。
作为确定部署配置的过程的一部分，能够进行关于要使用的充电策略的决策。充电策略还可取决于（一个或多个）时间表、车队大小和电力网覆盖的相互影响。
图8至图10示出三个充电策略。字母“D”分别标示能够在其执行夜间充电的补给站。字母“T”分别标示终点站充电的候选的终点站。字母“S”标示公共汽车站。
图8示出夜间补给站充电的充电基础设施120，其中车载电池持续整天的操作，并且需要在补给站由充电站121仅在夜间再充电。
图9示出仅终点站充电基础设施130，又称作OppCharge，其中车载电池在每次到达配备有充电站132的终点站时并且也在补给站由充电站131在夜间被部分补给。
图10示出充电基础设施140，其中车载电池还在乘客上/下公共汽车的同时通过闪速充电站143也在一些选取的公共汽车站被另外地再充电达有限时长。将会理解，在公共汽车站的充电站143的配置与在补给站和终点站的充电站141、142的配置是不同的。为了说明，可实现充电站143，使得它们为了执行充电，不需要充电站143与公共运输车辆之间的有线连接。
图11示出如与按照实施例的方法、装置和系统中使用的模拟牵引能量152相比的测量牵引能量151。为了确保约束优化问题的高质量结果，公共运输车辆的多个不同模型可对照测量牵引能量151来验证。最接近地模仿针对例如至少一个测试路线已经测量的测量牵引能量151的模型之一可用于确定部署配置。
部署配置，特别是车队大小和车载电池参数，可取决于沿不同公共运输线路要提供的服务等级。为了说明，在某些日期时间，可期望电动公共运输车辆以较高的服务频率操作以获得改进服务。这将影响车载电池的充电状态。
图12示出服务等级在一天期间在各种时间窗口161-168中没有变化时的车载电池的充电状态171。图12还示出服务等级在一天期间在各种时间窗口161-168中变化时的车载电池的充电状态172。为了说明，当电动公共运输车辆的服务等级增加以使得因为车辆需要更早地开始新的往返行程，所以在终点站的再充电时间降低时，电池的电力更迅速降低，如充电状态172所示。
按照实施例的方法、装置和系统允许车队大小被确定以便最大化在终点站的充电时间，同时将车队大小保持为预期等级。图13示出作为用于充电的在终点站处的等待时间的函数的所需车队大小181。该方法、装置和系统允许车队大小和车载电池参数相对彼此按照如下方式来设置：该方式使得（一个或多个）电动公共运输车辆以等待时间182、183之一进行操作，其中终点站充电时间被最大化，同时防止对于略微较大的等待时间会引起的车队大小的增加。即，优化可通过将端子处的等待时间设置成不需要车队大小增加一个车辆的值，同时使等待（并且因此充电）时间最大化来选择车队大小、车载电池参数和充电基础设施参数。
按照实施例的方法、装置和系统能够适应变化的服务等级。图14示出电动车辆在其要服务于公共运输线路的操作频率。操作频率可在时间间隔193中比在一天期间的其他时间间隔191、192、194、195中要高。当确定速度曲线、能量消耗、电池寿命、操作公共汽车的数量（以及公共汽车驾驶员的相关成本）时，可考虑工作频率的这类变化。变化服务等级还影响车载电池应当具有的容量，以便确保充电状态甚至在具有较高服务频率的时间间隔193中也保持高于阈值，在时间间隔193中，可存在用于在终点站或公共汽车站的再充电的较少时间。
按照实施例的方法、装置和系统允许电动公共运输车辆的车载电路所施加的约束在确定部署配置时考虑在内，如图15和图16中所示。
图15是诸如电动公共汽车之类的电动公共运输车辆200的示意框图表示。电动公共运输车辆200包括可配置用于有线以及可选无线充电的充电耦合单元201。电动公共运输车辆200可包括转换器203，转换器203被配置成转换车载电池202的输出以用于为一个或若干个电机205供应能量。
在一些实现中，转换器203可选地可配置成转换充电耦合单元201的输出以便经由DC环节204存储在车载电池202中，而并非对于所有电动公共运输车辆都这样要求。按照实施例的方法和系统可允许用户指定车载电池202是否经由转换器203来充电。由此可指定电动公共运输车辆的不同配置。
充电基础设施参数可考虑车载DC环节204的公共汽车电压来确定，如图16中所示。为了说明，充电基础设施中包括的能量存储210的输出电压可基于DC环节204上的（一个或多个）电压极限来选取。
按照实施例的方法、装置和系统在确定电动公共运输网络的部署配置的复杂任务中协助用户。车队大小、车载电池参数和充电基础设施参数可针对多个不同公共运输线路同时确定。这允许考虑由于下述事实的各种参数中的交互：不同公共运输线路能够共享充电基础设施，或者处于不同等级的电网服务能够从基础设施元件和作为车队的公共运输车辆的集合中提供。
按照实施例的方法、装置和系统利用公共运输路线及关联计划表的可预测性。这允许对下列项的分析和评估：
·经过每天操作的整个期间的车载电池的能量含量（考虑高峰/非高峰期及其对公共汽车乘客负荷的影响以及因交通引起的可能延迟），因此使不必要的充电站的量最小化并且精简公共汽车电池，以及
·车载电池的老化，因此选择用于预测占空比的适当大小/化学类型，最终避免车载电池之一的加速老化。
虽然已经参照公共运输车队详细描述了本发明，但是本文所公开方法和装置的某些方面也可应用于私有车队的部署。
虽然已经在附图和以上描述中详细描述了本发明，但是这种描述要被认为是说明性或示范性而不是限制性的。根据对附图、本公开和所附权利要求的研究，对所公开的实施例的改变能够由本领域的技术人员理解和实施，并且实践要求保护的本发明。在权利要求中，词语“包括”并不排除其他元件或步骤，以及不定冠词“一”或“一个”并不排除多个。在截然不同的权利要求中叙述某些元件或步骤的纯粹事实不是指示这些元件或步骤的组合不能有利地使用，特别地，除了实际权利要求相关性，任何另外有意义的权利要求组合应被认为是公开的。

Claims (15)

1.一种确定包括多个电动公共运输车辆，特别是电动公共汽车的公共运输系统的部署的配置的方法，所述方法包括：
在接口接收关于要由所述多个电动公共运输车辆服务的公共运输线路的时间表和地理路线曲线的信息；以及
由至少一个处理器在所述公共运输系统的部署之前并且基于关于时间表和地理路线曲线的所接收的信息自动确定至少下列项：
车队大小，指示要服务所述公共运输线路的所述多个电动公共运输车辆的计数，以及
要安装在所述多个电动公共运输车辆中的车载电池的车载电池参数，以及
与要安装用于对所述多个电动公共运输车辆进行充电的充电基础设施关联的充电基础设施参数，
对于其而言，取决于所述车队大小、所述车载电池参数和所述充电基础设施参数的目标函数具有约束下的最优值，所述约束取决于关于时间表和地理路线曲线的所接收的信息。
2.如权利要求1所述的方法，还包括：
由所述至少一个处理器通过数据网络来检索包括下列至少一项的补充信息：
其中要部署所述公共运输系统的区域中的历史气象条件；
沿所述地理路线曲线的高程曲线；
所述区域中的历史交通数据；
沿所述地理路线曲线的预计乘客计数；
其中自动确定所述车队大小、所述车载电池参数和所述充电基础设施参数包括在所述公共运输系统的部署之前执行的下列步骤：
使用所述补充信息来模拟沿所述地理路线曲线的电力消耗；以及
基于所模拟的电力消耗来计算要安装在所述多个电动公共运输车辆中的所述车载电池的车载电池寿命。
3.如权利要求2所述的方法，
其中所述目标函数取决于所模拟的电力消耗和所计算的车载电池寿命两者。
4.如权利要求2所述的方法，
其中所模拟的电力消耗根据所述历史气象条件以及沿所述地理路线曲线的预测乘客计数来确定。
5.如权利要求1至4中的任一项所述的方法，
其中所述至少一个处理器同时确定所述车队大小、所述车载电池参数和所述充电基础设施参数。
6.如权利要求1至4中的任一项所述的方法，
其中所述约束强制要求，一旦已经部署所述公共运输系统，则按照所述时间表和地理路线曲线来提供公共运输服务。
7.如权利要求1至4中的任一项所述的方法，
其中确定所述充电基础设施参数包括确定相对于所述地理路线曲线在其要安装充电站的位置。
8.如权利要求1至4中的任一项所述的方法，
其中确定所述充电基础设施参数包括确定相对于所述地理路线曲线将要安装哪些类型的充电站，
可选地，其中充电站的所述类型从由具有能量存储系统的充电站以及没有能量存储系统的充电站所组成的组中选取。
9.如权利要求7所述的方法，
其中确定要安装哪些类型的充电站包括下列至少一项：
确定所述充电站的相应每一个的输入功率；
确定所述充电站的相应每一个的输出功率；
确定具有能量存储系统的每个充电站的能量存储系统的容量；
确定所述充电站中的哪些充电站要由具有不同地理路线曲线的至少两个不同公共运输线路共享。
10.如权利要求1至4中的任一项所述的方法，
其中确定所述车载电池参数包括确定要安装在所述电动公共运输车辆中的所述车载电池的化学类型和/或容量。
11.如权利要求1至4中的任一项所述的方法，还包括：
由所述至少一个处理器确定所确定的车队大小、车载电池参数和充电基础设施参数对系统紊乱的健壮性，和/或
由所述至少一个处理器确定多个车队大小、车载电池参数集合和/或充电基础设施参数集合连同它们的关键性能指示符以用于经由用户接口输出，可选地，其中所述关键性能指示符包括不同寿命假设下的成本、性能关键性能指示符和/或对系统紊乱的健壮性。
12.包括指令的计算机可执行指令代码，所述指令在由计算装置的或者分布式计算系统的至少一个处理器执行时，使所述至少一个处理器执行权利要求1至4中的任一项所述的方法。
13.一种计算装置或分布式计算系统，包括：
接口，所述接口配置成接收关于要由多个电动公共运输车辆服务的公共运输线路的时间表和地理路线曲线的信息；以及
至少一个处理器，所述至少一个处理器配置成基于关于时间表和地理路线曲线的所接收的信息并且在所述公共运输系统的部署之前自动确定至少下列项：
车队大小，所述车队大小指示要服务所述公共运输线路的所述多个电动公共运输车辆的计数，以及
要安装在所述多个电动公共运输车辆中的车载电池的车载电池参数，以及
与要安装用于对所述多个电动公共运输车辆进行充电的充电基础设施关联的充电基础设施参数，
对于其而言，取决于所述车队大小、所述车载电池参数和所述充电基础设施参数的目标函数具有约束下的最优值，所述约束取决于关于时间表和地理路线曲线的所接收的信息。
14.如权利要求13所述的计算装置或分布式计算系统，
其中所述至少一个处理器配置成通过数据网络来检索包括下列至少一项的补充信息：
其中要部署所述公共运输系统的区域中的历史气象条件；
沿所述地理路线曲线的高程曲线；
所述区域中的历史交通数据；
沿所述地理路线曲线的预计乘客计数；
其中所述至少一个处理器还配置成：
使用所述补充信息来模拟沿所述地理路线曲线的电力消耗；以及
基于所模拟的电力消耗来计算要安装在所述多个电动公共运输车辆中的所述车载电池的车载电池寿命，
其中所述目标函数取决于所模拟的电力消耗和所计算的车载电池寿命两者。
15.如权利要求13所述的计算装置或分布式计算系统，
其中所述至少一个处理器配置成执行权利要求1至4中的任一项所述的方法。
CN201910753459.1A 2018-08-16 2019-08-15 用于确定公共运输系统的部署的配置的方法和装置 Pending CN110837943A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP18189265.4 2018-08-16
EP18189265.4A EP3611675A1 (en) 2018-08-16 2018-08-16 Method and device for determining a configuration for deployment of a public transportation system

Publications (1)

Publication Number Publication Date
CN110837943A true CN110837943A (zh) 2020-02-25

Family

ID=63490171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910753459.1A Pending CN110837943A (zh) 2018-08-16 2019-08-15 用于确定公共运输系统的部署的配置的方法和装置

Country Status (3)

Country Link
US (1) US11087422B2 (zh)
EP (1) EP3611675A1 (zh)
CN (1) CN110837943A (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7258702B2 (ja) * 2019-09-17 2023-04-17 株式会社東芝 再製品化支援サーバ、電池回収支援サーバ、電池データベース管理サーバ、ベンダコンピュータ、及びユーザコンピュータ
CN111628496B (zh) * 2020-05-19 2022-01-25 南京工程学院 一种电动汽车充电站选址和最大充电负荷确定方法
IT202000011893A1 (it) * 2020-05-21 2021-11-21 E P T – Eco Power Tech Phoenix S R L Sistema di trasporto pubblico con autobus con batterie di alimentazione e metodo di gestione
US20220163336A1 (en) * 2020-11-25 2022-05-26 Uber Technologies, Inc. Rideshare system implementing peak-shaving for fleet vehicle operators
CN113361792B (zh) * 2021-06-21 2022-10-21 吉林大学 一种基于多元非线性回归的城市电动公交车行程能耗估计方法
CN113675867A (zh) * 2021-07-16 2021-11-19 国网上海市电力公司 含电动公交配电网韧性恢复的方法和装置
SE2151127A1 (en) * 2021-09-14 2023-03-15 Scania Cv Ab Control system and method for controlling charging of an energy storage device
US20230160707A1 (en) * 2021-11-24 2023-05-25 Delphi Technologies Ip Limited Systems and methods for eco-approach and departure at a signalized intersection using vehicle dynamics and powertrain control with multiple horizon optimization
CN114996373B (zh) * 2022-03-31 2023-08-08 重庆市凤筑科技有限公司 基于地理信息系统的公交大数据系统、方法及存储介质
CN116168551B (zh) * 2023-01-13 2023-12-29 广州市城市规划勘测设计研究院 基于生态效益的公交信号优先控制方法、装置及存储介质
CN116385209B (zh) * 2023-06-06 2023-08-18 国网安徽省电力有限公司经济技术研究院 中低压直流配电网储能系统接入效益评估方法
CN116629807B (zh) * 2023-06-20 2024-04-02 陕西省君凯电子科技有限公司 一种适用新能源车辆的obd接口数据使用的方法及系统
CN116611673B (zh) * 2023-07-20 2023-10-03 国网湖北省电力有限公司经济技术研究院 一种面向电力交通耦合网的光储充电站规划方法及系统
CN116663869B (zh) * 2023-08-01 2024-01-12 国网安徽省电力有限公司巢湖市供电公司 一种基于虚拟电厂的电动汽车集中充电管理系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120203726A1 (en) * 2011-02-09 2012-08-09 Diego Klabjan Information systems and methods for deployment of charging infrastructure in support of electric vehicles
US20140217976A1 (en) * 2011-10-10 2014-08-07 Proterra Inc. Systems and methods for battery life maximization under fixed-route applications
CN104853947A (zh) * 2012-12-12 2015-08-19 特瓦汽车有限公司 增程器控制
EP3151174A1 (en) * 2015-10-02 2017-04-05 NEC Europe Ltd. Public transportation system and method for establishing and deploying schedules in such system

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7256516B2 (en) * 2000-06-14 2007-08-14 Aerovironment Inc. Battery charging system and method
US20040230680A1 (en) * 2003-05-16 2004-11-18 Kamal Jain Computer-based techniques providing greedy approaches for facility location and other similar problems
US20100228405A1 (en) * 2007-06-13 2010-09-09 Intrago Corporation Shared vehicle management system
US9233622B2 (en) * 2008-03-11 2016-01-12 General Electric Company System and method for managing an amount of stored energy in a powered system
US8014914B2 (en) * 2008-12-05 2011-09-06 International Business Machines Corporation Energy and emission responsive routing for vehicles
US8676636B2 (en) * 2009-04-22 2014-03-18 Parkpod Gmbh System for managing electric energy grid-vehicle exchange devices
EP2480871B1 (en) 2009-09-25 2019-03-27 GEOTAB Inc. System, method and computer program for simulating vehicle energy use
MX2012005958A (es) * 2009-11-24 2012-12-17 Telogis Inc Selección de ruta de vehiculo basado en el uso de energia.
US20120280653A1 (en) * 2011-05-03 2012-11-08 Green Charge Networks Electric Vehicle Fleet Management Charging Station Systems and Methods
US9505318B2 (en) * 2011-05-26 2016-11-29 Sierra Smart Systems, Llc Electric vehicle fleet charging system
US9514428B2 (en) * 2011-10-28 2016-12-06 Viridity Energy, Inc. Managing energy assets associated with transport operations
US9132742B2 (en) * 2012-02-23 2015-09-15 International Business Machines Corporation Electric vehicle (EV) charging infrastructure with charging stations optimumally sited
US20130342165A1 (en) * 2012-06-20 2013-12-26 Bruce Brimacombe Networked Universal Electric Vehicle Charging System
US10475138B2 (en) * 2015-09-23 2019-11-12 Causam Energy, Inc. Systems and methods for advanced energy network
US9132842B2 (en) 2012-12-11 2015-09-15 Caterpillar Inc. Fuel supply arrangement
US20150032516A1 (en) * 2013-07-24 2015-01-29 International Business Machines Corporation Managing electric vehicle (ev) charging station usage
CN105760949A (zh) 2016-02-04 2016-07-13 国网山东省电力公司经济技术研究院 一种电动汽车快充站充电机台数优化配置方法
WO2019165451A1 (en) * 2018-02-26 2019-08-29 Nvidia Corporation Systems and methods for computer-assisted shuttles, buses, robo-taxis, ride-sharing and on-demand vehicles with situational awareness

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120203726A1 (en) * 2011-02-09 2012-08-09 Diego Klabjan Information systems and methods for deployment of charging infrastructure in support of electric vehicles
US20140217976A1 (en) * 2011-10-10 2014-08-07 Proterra Inc. Systems and methods for battery life maximization under fixed-route applications
CN104853947A (zh) * 2012-12-12 2015-08-19 特瓦汽车有限公司 增程器控制
EP3151174A1 (en) * 2015-10-02 2017-04-05 NEC Europe Ltd. Public transportation system and method for establishing and deploying schedules in such system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHU CHAO等: ""Optimizing Battery Electric Bus Transit Vehicle Scheduling with Battery Exchanging: Model and Case Study"", 《PROCEDIA - SOCIAL AND BEHAVIORAL SCIENCES》, vol. 96, pages 2 - 6, XP055524553, DOI: 10.1016/j.sbspro.2013.08.306 *

Also Published As

Publication number Publication date
EP3611675A1 (en) 2020-02-19
US11087422B2 (en) 2021-08-10
US20200058090A1 (en) 2020-02-20

Similar Documents

Publication Publication Date Title
US11087422B2 (en) Method and device for determining a configuration for deployment of a public transportation system
Yang et al. On charging scheduling optimization for a wirelessly charged electric bus system
Zhang et al. Charging infrastructure demands of shared-use autonomous electric vehicles in urban areas
Mak et al. Infrastructure planning for electric vehicles with battery swapping
Galus et al. Integrating power systems, transport systems and vehicle technology for electric mobility impact assessment and efficient control
Yuan et al. p^ 2charging: Proactive partial charging for electric taxi systems
Sheppard et al. Cost-effective siting of electric vehicle charging infrastructure with agent-based modeling
Zhu et al. Charging station planning for plug-in electric vehicles
Lu et al. Optimal scheduling of a taxi fleet with mixed electric and gasoline vehicles to service advance reservations
WO2021069597A1 (en) Method, central scheduler and vehicle to reduce data transfer volume in load optimization of distributed electric vehicle charging
Graber et al. Two-stage stochastic sizing and packetized energy scheduling of BEV charging stations with quality of service constraints
Kunith et al. Planning and optimization of a fast-charging infrastructure for electric urban bus systems
US11498450B2 (en) Forecast of electric vehicle state of charge and energy storage capacity
Tucker et al. Online charge scheduling for electric vehicles in autonomous mobility on demand fleets
Fathollahi et al. Optimal siting and sizing of wireless EV charging infrastructures considering traffic network and power distribution system
Zhang et al. Stochastic modeling and analysis of public electric vehicle fleet charging station operations
Ma Two-stage battery recharge scheduling and vehicle-charger assignment policy for dynamic electric dial-a-ride services
Zhang et al. Deploying public charging stations for battery electric vehicles on the expressway network based on dynamic charging demand
He et al. Joint optimization of electric bus charging infrastructure, vehicle scheduling, and charging management
Guo et al. Techno-economic assessment of wireless charging systems for airport electric shuttle buses
Ruiz et al. An optimal battery charging and schedule control strategy for electric bus rapid transit
Frendo et al. Charging strategies and implications for corporate electric vehicle fleets
Xavier et al. Sizing and placing EV parking lots: challenges ahead in real applications
Liu et al. An MHO approach for electric bus charging scheme optimization based on energy consumption estimation
Ma et al. Survey of charging scheduling, fleet management, and location planning of charging stations for electrified demand-responsive transport systems: methodologies and recent developments

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Delft

Applicant after: ABB Electric Transportation Co.,Ltd.

Address before: Rotterdam

Applicant before: ABB A/S

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221107

Address after: Rotterdam

Applicant after: ABB A/S

Address before: Swiss Baden

Applicant before: ABB Switzerland Co.,Ltd.