CN111325483A - 一种基于电池容量预测的电动公交车辆排班方法 - Google Patents

一种基于电池容量预测的电动公交车辆排班方法 Download PDF

Info

Publication number
CN111325483A
CN111325483A CN202010186988.0A CN202010186988A CN111325483A CN 111325483 A CN111325483 A CN 111325483A CN 202010186988 A CN202010186988 A CN 202010186988A CN 111325483 A CN111325483 A CN 111325483A
Authority
CN
China
Prior art keywords
vehicle
charging
shift
scheduling
time
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.)
Granted
Application number
CN202010186988.0A
Other languages
English (en)
Other versions
CN111325483B (zh
Inventor
郭建国
郭圆圆
阎磊
赵新潮
孙浩
普秀霞
沈洋
白珂
吕厚发
程行威
林中霞
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.)
Zhengzhou Tiamaes Technology Co ltd
Original Assignee
Zhengzhou Tiamaes 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 Zhengzhou Tiamaes Technology Co ltd filed Critical Zhengzhou Tiamaes Technology Co ltd
Priority to CN202010186988.0A priority Critical patent/CN111325483B/zh
Publication of CN111325483A publication Critical patent/CN111325483A/zh
Application granted granted Critical
Publication of CN111325483B publication Critical patent/CN111325483B/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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock 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
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

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

Abstract

本发明公开了一种基于电池容量预测的电动公交车辆排班方法，根据分钟补电量预测计算出当前电量下大概需要几分钟充到指定电量；基于贪婪搜索算法构建充电排班调度基本模型，获得一个满足相同部位班次之间不套点的初始解；基于禁忌搜索算法构建损失函数作为初始解进行迭代生成候选集的依据；构建相关优化策略满足充电时长和充电位置约束使候选集具有相对较高的质量；超过给定时间或者达到给定迭代次数结束优化输出最优解作为充电调度最终方案。本充电排班技术方案实现了自动预测出分钟补电量以及判定何时需要补电。并同时考虑到在保证司机足够的休息时间下的司机劳动效率。

Description

一种基于电池容量预测的电动公交车辆排班方法
技术领域
本发明属于电动公交车辆调度技术领域，具体涉及一种基于电池容量预测的电动公交车辆排班方法。
背景技术
近年来，公交系统中电动公交车已成规模化发展趋势。以河北省为例，规划2019年更换及新增的城市公交车中纯电动公交车占比达到80％。
随着美丽中国建设的逐步深入，人们的环境意识越来越强，无污染、噪音小、更舒适的新能源公交车日益受到人们的青睐。根据交通部《关于全面加强生态环境保护坚决打好污染防治攻坚战的实施意见》，到2020年底前，城市公交、出租车及城市配送等领域新能源车保有量需达万辆并且重点城市公交全部更换为新能源车。
纯电动公交车(Electric Buses)将成为城市公共交通的主体，公交行业在纯电动投入和充电基础设施领域的业务增长，成为一个逐渐清晰的趋势，例如深圳一度提出“纯电动公交车辆将在2025年全面接管”。
公交运营车辆的全面电动化，充电与加油最大的差异在于较加油明显消耗时间。在何时何地给车辆充电，如何优化调度，这些问题敦促目前自动排班技术必须考虑充电相关限制因素，提出新的“充电排班”研究需求。
电动车有电池容量(State of Charge，SOC)限制，其中最小电量(SOC-min)会显著影响运营。现有技术对纯电动公交车辆排班研究，主要涉及充电时长与充电桩电流输出曲线拟合，放电深度与续航里程曲线拟合，为保证车辆充电时间给出计算公式。在运营调度排班过程中增加约束条件，以车辆的续驶里程或者剩余电量判断是否需要充电、安排何时充电和充电时长。当充电时长确定后，转化为排班问题，采用模拟退火算法或者遗传算法方法来构建较优候选解集。
但这类方法仅采用静态的电动公交车性能参数表建模，忽略了电池寿命、温度和车载电子设备影响、甚至司机驾驶习惯等因素。实际上，根据具体历史数据建模分析，才能针对车辆准确预测并动态计算其电池容量和续航里程。温度等因素参与下电池容量预测模型技术急需引入到充电排班系统中。
发明内容
针对现有电动公交车辆运营过程存在的问题和缺陷，本发明提供一种电池电量预测算法是针对不同情况的充电排班目标函数的建立，兼顾节省车辆和劳动效率优化的充电排班启发式算法。
实现上述目的所采用的技术方案：一种基于电池容量预测的电动公交车辆排班方法，包括以下步骤：(1)首先对公交车进行SOC预测进行提升时刻表的准确度；(2)根据百公里能耗预测计算出每公里的耗电量从而得出在当前电量下大概还需几轮进行充电；(3)根据分钟补电量预测计算出当前电量下大概需要几分钟充到指定电量；(4)基于贪婪搜索算法构建充电排班调度基本模型，获得一个满足相同部位班次之间不套点的初始解；(5)基于禁忌搜索算法构建损失函数(以提升劳动效率为目标)作为初始解进行迭代生成候选集的依据；(6)构建相关优化策略，其中策略可以主要包括：
1)迭代算子进行限制非同发同收现象以及空驶现象；
2)局部班次链替换策略以迭代生成符合规则的班次链；
3)全局班次链替换策略以迭代生成符合规则的班次链；
4)全局班次链插入策略以便于筛选出司机的在车时间长的班次链。
满足充电时长和充电位置约束使候选集具有相对较高的质量；(7)超过给定时间或者达到给定迭代次数结束优化输出最优解作为充电调度最终方案。
百公里能耗预测模型考虑到天气、温度、车速等因素的影响，通过该模型可以快速预测出一辆车在当前日期下现有电量可以运行多少公里。
分钟补电量预测模型同时考虑到天气、温度等因素的影响，通过该模型可以快速预测出一辆车在当前日期下现有电量补电到指定电量大概需要多少分钟。
给定调度模式，设置算法迭代次数M，步骤(5)算法基本步骤如下。
1)原始解(指初始解)。以车辆停留等待时长作为目标函数通过贪婪搜索算法进行车辆调度，从而获得车辆初始班次链，要求满足指定休息时间(此处指6-18分钟)；公交车班次链集合B＝{b1,b2,...,bk}。其中每个班次链bi包含一辆车、所在车场、执行班次号、当前电量，表示一辆车从某个车场出发在当前电量下执行一个班次。
2)基于禁忌搜索算法的损失函数。在进行禁忌搜索算法时以车辆停留等待时长同时在约束条件中考虑到在劳动法的约束性司机足够的休息时间。
3)实时监控车辆SOC通过百公里能耗预测模型预测出该车辆运行多少任务时需要进行充电操作，通过分钟补电量模型预测出补电到指定单位需要多少时间。
4)局部迭代策略。主要包含三个策略1)单趟次替换策略，2)多趟次匹配替换策略，3)单趟次随机插入策略。基于该三种策略进行车辆班次链候选集生成。
5)迭代执行步骤3)和4)进行多候选集的生成直到超出给定时长或者给定迭代次数。
6)此时返回损失函数较小的可行解作为最终解。
采用的禁忌搜索算法的基本步骤如下。
a)初始化：利用贪婪算法生成的初始解，清空禁忌表，设置禁忌表长度为8，最大迭代次数为4000。
b)优化策略：在迭代过程中主要采用单趟次随机替换、多趟次匹配替换、单趟次随机插入三种策略进行候选集的构造。
c)判断终止条件：是否达到指定迭代时长、是否达到指定迭代次数。
d)选择最好的候选集：通过终止条件可以最终输出一个最终解此处将其作为最终排班方案。
构建车辆充电模型时，根据贪婪算法的流程步骤可以计算得出一个满足部分约束条件的初始解。其中约束条件一是确保每个班次有且只能被执行一次，约束条件二是确保被执行班次执行完之后只能返回车场或者继续执行下一个班次，约束条件四是确保被执行相邻班次间隔不能超过指定休息时长，约束条件五是确保补电时长不能超出给定补电时长，约束条件六是确保当前车辆剩余电量不能低于给定值，约束条件七是保证某个司机全天最大任务量不能超出给定值即保证司机的工作时长符合劳动法。
构建一个有质量的初始解在一定程度上可以大大提升找到相对最优解的概率并且也会提升缩短运行时长的概率。在充电排班方案中优先考虑的是车辆补电时长是否充裕然后在该条件的基础之上进行车辆节约策略。但是为了防止陷入局部死循环中允许车辆补电时长可以少量违背约束条件，即车辆补电时长是软约束条件而非强约束条件。
贪心算法(英语：greedy algorithm)，又称贪婪算法，是一种在每一步选择中都采取在当前状态下最好或最优(即最有利)的选择，从而希望导致结果是最好或最优的算法。
贪心算法在有最优子结构的问题中尤为有效。最优子结构的意思是局部最优解能决定全局最优解。简单地说，问题能够分解成子问题来解决，子问题的最优解能递推到最终问题的最优解。
贪心算法与动态规划的不同在于它对每个子问题的解决方案都做出选择，不能回退。动态规划则会保存以前的运算结果，并根据以前的结果对当前进行选择，有回退功能。
本充电排班技术方案实现了自动预测出分钟补电量以及判定何时需要补电。并同时考虑到在保证司机足够的休息时间下的司机劳动效率，运用科学可行的算法模型即基于贪婪算法和禁忌搜索相结合的启发式算法在尽可能省车的前提下提升司机劳动效率。并同时采用真实的公交企业发车时刻表进行验证，经验证证明了该模型算法的可行性和实效性。使用本充电排班技术方案能够为公交公司带来以下好处：准确预测车辆电池容量衰减；准确预测车辆百公里能耗，并准确计算出车辆可运行公里和运行趟次；准确预测车辆每分钟补电量，合理安排车辆白天补电时段和补电时长；充电排班相比人工手工排班省车；合理安排车辆充电场区；降低车辆充电成本；智调系统、充电平台，排班系统，三网融合；与社会车辆共享充电资源。
本发明中的电池电量预测算法是针对不同情况的充电排班目标函数的建立，兼顾节省车辆和劳动效率优化的充电排班启发式算法。
本发明构建电动车辆多因素影响下电池容量(SOC)预测，结合运营里程和预计周转时间，建立耗电模型计算耗电时间，根据充电桩属性建立充电模型计算充电时间，合理设置充电和运营联动策略，实现满足纯电动线路充电运营优化的车辆排班。
本发明为实现真正最优充电调度排班，需要耗电参数和所需充电时间的正确数据输入。子优化目标是最大限度地提高同电量运营里程，最大限度地减少电池问题的风险。
本发明方案深入归纳历史车辆电池容量(SOC)状况，使用反映电池行为的历史数据，评价车辆电池性能，以制备精确的排班时间表。同时在长期角度修正电池寿命衰减对排班的影响。
本发明方法中充电事件数和充电时间表，合理融入原有时刻表制备和行车作业计划编制。最小的电池容量限制和充电事件的数量之间存在一个重要的权衡。每次中停空闲时间来进行补充20％左右电量的习惯，显然对电池寿命有害。人为来设定最小电池容量下限(SOC-min)越高，充电事件数量也会较高。
附图说明
图1是本发明公交班次方法流程图。
图2是本发明充电排班算法流程图。
图3是本发明方法应用于系统的显示界面图之一。
图4是纯电动车辆常规排班稀土界面图。
图5是纯电动车辆充电排班界面图。
图6是纯电动车辆人工手工排班界面图。
具体实施方式
本发明构建电动车辆多因素影响下电池容量(SOC)预测，结合运营里程和预计周转时间，建立耗电模型计算耗电时间，根据充电桩属性建立充电模型计算充电时间，合理设置充电和运营联动策略，实现满足纯电动线路充电运营优化的车辆排班。
为实现真正最优充电调度排班，需要耗电参数和所需充电时间的正确数据输入。子优化目标是最大限度地提高同电量运营里程，最大限度地减少电池问题的风险。
本技术方案深入归纳历史车辆电池容量(SOC)状况，使用反映电池行为的历史数据，评价车辆电池性能，以制备精确的排班时间表。同时在长期角度修正电池寿命衰减对排班的影响。
充电事件数和充电时间表，合理融入原有时刻表制备和行车作业计划编制。最小的电池容量限制和充电事件的数量之间存在一个重要的权衡。每次中停空闲时间来进行补充20％左右电量的习惯，显然对电池寿命有害。人为来设定最小电池容量下限(SOC-min)越高，充电事件数量也会较高。
充电排班具体模型数据按照以下六组进行收集：
Figure BDA0002414539360000071
1电动公交车辆充放电问题描述
令集合D＝{d1,d2...,dn}表示n个停车场，令集合E＝{E1,E2...,En}表示n个充电站，令集合V＝{v1,v2,...,vn}表示一条公交线路上的n个班次任务，任务vi具有线路编号、行车方向、起始站点、终点站点、发车时间、结束时间、当前剩余电量等属性。
电动公交车辆充放电问题主要是如何在常规排班的基础上合理的安排何时充电以及充电时间。此处充电时间即为分钟补电量预测，何时充电即为百公里能耗预测。同时在满足公交企业给定车辆的约束条件下进行车辆排班，最终车辆排班结果要满足最小化运营成本即司机劳动效率最高。为保证结果合理性故作一下假设：
1.集合V中的班次有且只能由一个司机和一辆车完成。
2.公交企业的目标应尽是可能的节省资源此处指省车。
3.企业应认同车辆排班的目的是在省车的基础上尽可能的提升劳动效率。
2电动公交车辆调度与排班问题算法
2.1算法原理
本系统产品主要基于SOC预测、分钟补电量预测、百公里能耗预测、贪婪搜索、禁忌搜索算法进行公交车调度与排班。算法基本原理是：(1)首先进行SOC预测进行提升时刻表的准确度；(2)根据百公里能耗预测计算出每公里的耗电量从而得出在当前电量下大概还需几轮进行充电；(3)根据分钟补电量预测计算出当前电量下大概需要几分钟充到指定电量；(4)基于贪婪搜索算法构建充电排班调度基本模型，获得一个满足相同部位班次之间不套点的初始解；(5)基于禁忌搜索算法构建损失函数(以提升劳动效率为目标)作为初始解进行迭代生成候选集的依据；(6)构建相关优化策略满足充电时长和充电位置约束使候选集具有相对较高的质量；(7)超过给定时间或者达到给定迭代次数结束优化输出最优解作为充电调度最终方案。如流程图1所示。
本系统算法主要采用公交车班次链集合B＝{b1,b2,...,bk}作为充电车辆调度方案。其中每个班次链bi包含一辆车、所在车场、执行班次号、当前电量，表示一辆车从某个车场出发在当前电量下执行一个班次。
百公里能耗预测模型考虑到天气、温度、车速等因素的影响，通过该模型可以快速预测出一辆车在当前日期下现有电量可以运行多少公里。
分钟补电量预测模型同时考虑到天气、温度等因素的影响，通过该模型可以快速预测出一辆车在当前日期下现有电量补电到指定电量大概需要多少分钟。
给定调度模式，算法迭代次数M，本充电排班算法基本步骤描述如下所示：
(1)原始解。以车辆停留等待时长作为目标函数通过贪婪搜索算法进行车辆调度，从而获得车辆初始班次链，要求满足指定休息时间(此处指6-18分钟)；
(2)基于禁忌搜索算法的损失函数。在进行禁忌搜索算法时以车辆停留等待时长同时在约束条件中考虑到在劳动法的约束性司机足够的休息时间；
(3)实时监控车辆SOC通过百公里能耗预测模型预测出该车辆运行多少任务时需要进行充电操作，通过分钟补电量模型预测出补电到指定单位需要多少时间；
(4)局部迭代策略。主要包含三个策略(1)单趟次替换策略，(2)多趟次匹配替换策略，(3)单趟次随机插入策略。基于该三种策略进行车辆班次链候选集生成；
(5)迭代执行步骤(3)和(4)进行多候选集的生成直到超出给定时长或者给定迭代次数；
(6)此时返回损失函数较小的可行解作为最终解。算法的基本流程如图2所示。
2.2车辆充电模型
充电排班初始解构造
构建一个有质量的初始解在一定程度上可以大大提升找到相对最优解的概率并且也会提升缩短运行时长的概率。在充电排班方案中优先考虑的是车辆补电时长是否充裕然后在该条件的基础之上进行车辆节约策略。但是为了防止陷入局部死循环中允许车辆补电时长可以少量违背约束条件，即车辆补电时长是软约束条件而非强约束条件。
贪心算法(英语：greedy algorithm)，又称贪婪算法，是一种在每一步选择中都采取在当前状态下最好或最优(即最有利)的选择，从而希望导致结果是最好或最优的算法。
贪心算法在有最优子结构的问题中尤为有效。最优子结构的意思是局部最优解能决定全局最优解。简单地说，问题能够分解成子问题来解决，子问题的最优解能递推到最终问题的最优解。
贪心算法与动态规划的不同在于它对每个子问题的解决方案都做出选择，不能回退。动态规划则会保存以前的运算结果，并根据以前的结果对当前进行选择，有回退功能。
从充电排班的初始解问题出发；
while(能朝给定总目标前进一步)
{
是否超出车辆最大任务量
是否出现套点行为
是否满足调度休息时间的约束
利用可行的决策，求出可行解的一个解元素
}
由所有的解元素组合成问题的一个可行解
故此根据贪婪算法的流程步骤可以计算得出一个满足部分约束条件的初始解。
禁忌搜索算法创建候选集
本产品采用的禁忌搜索算法的基本步骤如下所示：
e)初始化：利用贪婪算法生成的初始解，清空禁忌表，设置禁忌表长度为8，最大迭代次数为4000；
f)优化策略：在迭代过程中主要采用单趟次随机替换、多趟次匹配替换、单趟次随机插入三种策略进行候选集的构造；
g)判断终止条件：是否达到指定迭代时长、是否达到指定迭代次数；
h)选择最好的候选集：通过终止条件可以最终输出一个最终解此处将其作为最终排班方案。
基于贪婪算法构造的初始解，通过禁忌搜索算法改进排班方案，并同时考虑充电问题。令xij表示某辆车在执行完班次i之后是否接着执行班次j，令tij为班次间的停留等待成本，令di，ai为班次i的起始时间以及终止时间，令ct,cm为人工指定补电时长和经由分钟补电模型计算补电时长，令ci，cj为相邻班次之间的补电起始时间以及终止时间，令ei为当前班次剩余电量，令Eo为车辆最低剩余电量。
Figure BDA0002414539360000111
Figure BDA0002414539360000112
其中公式一即为调度模型是用来最小化司机的调度成本，而ST.则表示为约束条件即为根据公交企业的实际需求定义的约束条件。
其中约束条件一是确保每个班次有且只能被执行一次，约束条件二是确保被执行班次执行完之后只能返回车场或者继续执行下一个班次，约束条件四是确保被执行相邻班次间隔不能超过指定休息时长，约束条件五是确保补电时长不能超出给定补电时长，约束条件六是确保当前车辆剩余电量不能低于给定值，约束条件七是保证某个司机全天最大任务量不能超出给定值即保证司机的工作时长符合劳动法。
将通过该充电排班算法生成的最终的排班方案应用到系统中结果如下：
Figure BDA0002414539360000121
Figure BDA0002414539360000131
其中Bus表示车辆号，Updown表示上下行，shift表示上下午班次，Task表示班次任务号。系统显示如图3所示。
本充电排班技术方案实现了自动预测出分钟补电量以及判定何时需要补电。并同时考虑到在保证司机足够的休息时间下的司机劳动效率，运用科学可行的算法模型即基于贪婪算法和禁忌搜索相结合的启发式算法在尽可能省车的前提下提升司机劳动效率。并同时采用真实的公交企业发车时刻表进行验证，经验证证明了该模型算法的可行性和实效性。使用本充电排班技术方案能够为公交公司带来以下好处。
1.准确预测车辆电池容量衰减
纯电动公交车辆电池容量随着时间变化、季节变化及驾驶员驾驶习惯的影响，会有不同程度的衰减。充电排班算法利用大量历史充电数据，考虑外在因素影响，准确预测目前车辆电池容量，并对比以往电池容量数据分析出车辆电池衰减，有利于公交公司及时对公交电池进行维护保养，降低电池问题的风险。
2.准确预测车辆百公里能耗，并准确计算出车辆可运行公里和运行趟次
在现实生产环境中，车辆百公里能耗受温度、天气、车辆是否开空调等因素影响，充电排班算法利用科学的计算方法，结合公交车辆海量历史充电数据、实际运营数据，准确计算车辆在不同时段的百公里能耗。
通过预测出的车辆百公里能耗与车辆电量计算出车辆在明天可运行公里数，再结合车辆的周转时间等参数数据，计算车辆电量能够运行的趟次。
3.准确预测车辆每分钟补电量，合理安排车辆白天补电时段和补电时长
目前公交企业车辆白天运营期间没有结合车辆当前剩余电量与后续运营承担任务量，给车辆安排合理的充电时段和充电时间，造成车辆白天补电频繁，车辆电池生命周期受限于充电次数，最终会缩短车辆电池使用寿命。充电排班算法根据历史充电数据准确预测出车辆每分钟补电量，再结合车辆百公里能耗、车辆电池SOC和车辆周转时间能够准确计算出每辆车白天运营中需补电时段、补电时长和补电次数；如下图所示为纯电动车辆线路常规排班与充电排班生成的效果图，充电排班相比常规排班多了黄色“闪电”形状的色块，黄色“闪电”形状的色块是通过充电排班算法准确计算出的每辆车补电时段和补电时间。
以S103为例对比纯电动车辆常规排班和纯电动车辆充电排班如图4所示。纯电动车辆充电排班如图5所示。
4.充电排班相比人工手工排班省车
线路纯电动车辆通过充电排班算法排出的行车作业计划相比人工手工排班更智能化、更节约车辆司机资源，进而节约成本提高公交企业生产效益。
以S103为例对比纯电车辆手工排班和充电算法排班结论如下：
纯电动车辆人工手工排班如图6所示，纯电动车辆充电算法排班如图5所示。对比表格如下：
Figure BDA0002414539360000141
5.合理安排车辆充电场区
公交公司充电平台有两种类型，一种是动态功率分配，一种是平均功率分配。动态功率分配是先到先充、先到分配功率大的原则，平均功率分配是充电平台总功率平均分配到每个充电枪原则。一个充电平台的总功率是一定的，根据充电排班算法计算车辆充电时段，结合公交公司现有充电平台资源，合理安排车辆充电位置满足车辆实际运营。
6.降低车辆充电成本
公交公司充电平台用的是工业用电，工业用电白天充电成本比夜间高。常规车辆充电是直接充满，利用本充电排班算法能够合理安排白天补电时间以满足当天实际运营即可，尽量安排车辆在夜间非运营时间进行补充，以达到降低充电成本要求。
7.智调系统、充电平台，排班系统，三网融合
充电排班有效融合了智调系统、充电平台、排班系统。充电平台为电动车辆提供供电支撑，排班系统为公交运营提供高效的排班计划，智调系统为公交实际运营保驾护航。三网融合保证整个公交运营体系安全、高效运营。
8.与社会车辆共享充电资源
通过充电排班算法生成的排班，公交纯电动车辆一般安排在白天平峰时期充电，在高峰期间充电资源闲置较多，可以让社会车辆通过预约的形式在指定的时间段利用公交充电平台充电，这样不仅增加了充电资源的利用率，而且提升了公司额外收入。

Claims (6)

1.一种基于电池容量预测的电动公交车辆排班方法，其特征在于，包括以下步骤：
(1)首先对公交车进行SOC预测进行提升时刻表的准确度；
(2)根据百公里能耗预测计算出每公里的耗电量从而得出在当前电量下大概还需几轮进行充电；
(3)根据分钟补电量预测计算出当前电量下大概需要几分钟充到指定电量；
(4)基于贪婪搜索算法构建充电排班调度基本模型，获得一个满足相同部位班次之间不套点的初始解；
(5)基于禁忌搜索算法构建损失函数作为初始解进行迭代生成候选集的依据；
(6)构建相关优化策略满足充电时长和充电位置约束使候选集具有相对较高的质量；
(7)超过给定时间或者达到给定迭代次数结束优化输出最优解作为充电调度最终方案。
2.根据权利要求1所述的电动公交车辆排班方法，其特征在于，步骤(2)中，百公里能耗预测模型考虑到天气、温度、车速等因素的影响，通过该模型可以快速预测出一辆车在当前日期下现有电量可以运行多少公里。
3.根据权利要求1所述的电动公交车辆排班方法，其特征在于，步骤(3)中，分钟补电量预测模型同时考虑到天气、温度等因素的影响，通过该模型可以快速预测出一辆车在当前日期下现有电量补电到指定电量大概需要多少分钟。
4.根据权利要求1所述的电动公交车辆排班方法，其特征在于，根据步骤(4)给定调度模式，设置算法迭代次数M，步骤(5)算法基本步骤如下：
1)原始解：以车辆停留等待时长作为目标函数通过贪婪搜索算法进行车辆调度，从而获得车辆初始班次链，要求满足指定休息时间(此处指6-18分钟)；公交车班次链集合B＝{b1,b2,...,bk}；其中每个班次链bi包含一辆车、所在车场、执行班次号、当前电量，表示一辆车从某个车场出发在当前电量下执行一个班次；
2)基于禁忌搜索算法的损失函数，在进行禁忌搜索算法时以车辆停留等待时长同时在约束条件中考虑到在劳动法的约束性司机足够的休息时间；
3)实时监控车辆SOC通过百公里能耗预测模型预测出该车辆运行多少任务时需要进行充电操作，通过分钟补电量模型预测出补电到指定单位需要多少时间；
4)局部迭代策略，包含三个策略1)单趟次替换策略，2)多趟次匹配替换策略，3)单趟次随机插入策略，基于该三种策略进行车辆班次链候选集生成；
5)迭代执行步骤3)和4)进行多候选集的生成直到超出给定时长或者给定迭代次数；
6)此时返回损失函数较小的可行解作为最终解。
5.根据权利要求4所述的电动公交车辆排班方法，其特征在于，采用的禁忌搜索算法的基本步骤如下：
1)初始化：利用贪婪算法生成的初始解，清空禁忌表，设置禁忌表长度为8，最大迭代次数为4000；
2)优化策略：在迭代过程中主要采用单趟次随机替换、多趟次匹配替换、单趟次随机插入三种策略进行候选集的构造；
3)判断终止条件：是否达到指定迭代时长、是否达到指定迭代次数；
4)选择最好的候选集：通过终止条件可以最终输出一个最终解此处将其作为最终排班方案。
6.根据权利要求4所述的电动公交车辆排班方法，其特征在于，步骤(4)中构建车辆充电模型时，根据贪婪算法的流程步骤可以计算得出一个满足部分约束条件的初始解；其中约束条件一是确保每个班次有且只能被执行一次，约束条件二是确保被执行班次执行完之后只能返回车场或者继续执行下一个班次，约束条件四是确保被执行相邻班次间隔不能超过指定休息时长，约束条件五是确保补电时长不能超出给定补电时长，约束条件六是确保当前车辆剩余电量不能低于给定值，约束条件七是保证某个司机全天最大任务量不能超出给定值即保证司机的工作时长符合劳动法。
CN202010186988.0A 2020-03-17 2020-03-17 一种基于电池容量预测的电动公交车辆排班方法 Active CN111325483B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010186988.0A CN111325483B (zh) 2020-03-17 2020-03-17 一种基于电池容量预测的电动公交车辆排班方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010186988.0A CN111325483B (zh) 2020-03-17 2020-03-17 一种基于电池容量预测的电动公交车辆排班方法

Publications (2)

Publication Number Publication Date
CN111325483A true CN111325483A (zh) 2020-06-23
CN111325483B CN111325483B (zh) 2024-01-26

Family

ID=71171557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010186988.0A Active CN111325483B (zh) 2020-03-17 2020-03-17 一种基于电池容量预测的电动公交车辆排班方法

Country Status (1)

Country Link
CN (1) CN111325483B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111915150A (zh) * 2020-07-10 2020-11-10 同济大学 一种电动公交系统规划方法
CN112101791A (zh) * 2020-09-16 2020-12-18 携程计算机技术（上海）有限公司 呼叫中心多目标排班方法、系统、设备和介质
CN112327168A (zh) * 2020-10-31 2021-02-05 国网河北省电力有限公司雄安新区供电公司 一种基于XGBoost的电动汽车电池消耗预测方法
CN112837532A (zh) * 2020-12-31 2021-05-25 东南大学 一种新能源公交协同调度与节能驾驶系统及其控制方法
CN114037177A (zh) * 2021-11-22 2022-02-11 山东德佑电气股份有限公司 基于车次链的拥挤交通状态下的公交充电负荷优化方法
CN114202131A (zh) * 2022-02-17 2022-03-18 北京公共交通控股（集团）有限公司 一种纯电动公交车充电等候时长的预测方法及装置
CN115545582A (zh) * 2022-12-02 2022-12-30 天津大学 一种电动牵引车循环送货调度问题的解决方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013090359A (ja) * 2011-10-13 2013-05-13 Nissan Motor Co Ltd 充電配車計画システム
US20150329003A1 (en) * 2014-05-15 2015-11-19 Ford Global Technologies, Llc Electric vehicle operation to manage battery capacity
WO2016041157A1 (zh) * 2014-09-17 2016-03-24 东莞市迈科新能源有限公司 电动车管理方法及其管理系统
CN105868942A (zh) * 2016-06-07 2016-08-17 北京交通大学 电动汽车的有序充电调度方法
US20170129359A1 (en) * 2015-11-09 2017-05-11 Ford Global Technologies, Llc Electric vehicle opportunistic charging systems and methods
CN108960634A (zh) * 2018-07-06 2018-12-07 郑州天迈科技股份有限公司 一种基于人车绑定模式的车辆排班算法
US20190080271A1 (en) * 2017-09-11 2019-03-14 Hefei University Of Technology Coordinated Production and Transportation Scheduling Method and System Based on Improved Tabu Search Algorithm
CN109934391A (zh) * 2019-02-26 2019-06-25 北京邮电大学 一种纯电动公交车辆的智能调度方法
CN110059934A (zh) * 2019-03-27 2019-07-26 浙江工商大学 燃油车和新能源车协同配送调度的方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013090359A (ja) * 2011-10-13 2013-05-13 Nissan Motor Co Ltd 充電配車計画システム
US20150329003A1 (en) * 2014-05-15 2015-11-19 Ford Global Technologies, Llc Electric vehicle operation to manage battery capacity
WO2016041157A1 (zh) * 2014-09-17 2016-03-24 东莞市迈科新能源有限公司 电动车管理方法及其管理系统
US20170129359A1 (en) * 2015-11-09 2017-05-11 Ford Global Technologies, Llc Electric vehicle opportunistic charging systems and methods
CN105868942A (zh) * 2016-06-07 2016-08-17 北京交通大学 电动汽车的有序充电调度方法
US20190080271A1 (en) * 2017-09-11 2019-03-14 Hefei University Of Technology Coordinated Production and Transportation Scheduling Method and System Based on Improved Tabu Search Algorithm
CN108960634A (zh) * 2018-07-06 2018-12-07 郑州天迈科技股份有限公司 一种基于人车绑定模式的车辆排班算法
CN109934391A (zh) * 2019-02-26 2019-06-25 北京邮电大学 一种纯电动公交车辆的智能调度方法
CN110059934A (zh) * 2019-03-27 2019-07-26 浙江工商大学 燃油车和新能源车协同配送调度的方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
ENJIAN YAO, TONG LIU, TIANWEI LU, YANG YANG: ""Optimization of electric vehicle scheduling with multiple vehicle types in public transport"", 《SUSTAINABLE CITIES AND SOCIETY》, vol. 52 *
侯彦娥等: "公交司机排班问题的混合元启发算法研究", 《交通运输系统工程与信息》 *
侯彦娥等: "公交司机排班问题的混合元启发算法研究", 《交通运输系统工程与信息》, no. 01, 15 February 2018 (2018-02-15) *
段凤华等: "带碳排放约束的异型车辆路径问题及其禁忌搜索算法", 《铁道科学与工程学报》 *
段凤华等: "带碳排放约束的异型车辆路径问题及其禁忌搜索算法", 《铁道科学与工程学报》, no. 04, 15 August 2015 (2015-08-15) *
陈明明;牛惠民;: "多车场公交乘务排班问题优化", 《交通运输系统工程与信息》, no. 05 *
陈明明;牛惠民;: "带时间窗的多车场公交乘务排班优化", 《兰州交通大学学报》, no. 04 *
魏金丽;郭亚娟;张萌萌;: "基于集合覆盖理论的公交线路驾驶员排班优化方法", 《公路交通科技》, no. 01 *
黄志远;周峰;张在龙: ""基于可预知事件的城市轨道交通乘务轮转计划优化调整"", 《交通运输系统工程与信息》, vol. 17, no. 04 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111915150A (zh) * 2020-07-10 2020-11-10 同济大学 一种电动公交系统规划方法
CN111915150B (zh) * 2020-07-10 2023-09-01 同济大学 一种电动公交系统规划方法
CN112101791A (zh) * 2020-09-16 2020-12-18 携程计算机技术（上海）有限公司 呼叫中心多目标排班方法、系统、设备和介质
CN112101791B (zh) * 2020-09-16 2024-02-09 携程计算机技术（上海）有限公司 呼叫中心多目标排班方法、系统、设备和介质
CN112327168A (zh) * 2020-10-31 2021-02-05 国网河北省电力有限公司雄安新区供电公司 一种基于XGBoost的电动汽车电池消耗预测方法
CN112837532A (zh) * 2020-12-31 2021-05-25 东南大学 一种新能源公交协同调度与节能驾驶系统及其控制方法
CN114037177A (zh) * 2021-11-22 2022-02-11 山东德佑电气股份有限公司 基于车次链的拥挤交通状态下的公交充电负荷优化方法
CN114037177B (zh) * 2021-11-22 2024-05-14 山东德佑电气股份有限公司 基于车次链的拥挤交通状态下的公交充电负荷优化方法
CN114202131A (zh) * 2022-02-17 2022-03-18 北京公共交通控股（集团）有限公司 一种纯电动公交车充电等候时长的预测方法及装置
CN114202131B (zh) * 2022-02-17 2022-05-24 北京公共交通控股（集团）有限公司 一种纯电动公交车充电等候时长的预测方法及装置
CN115545582A (zh) * 2022-12-02 2022-12-30 天津大学 一种电动牵引车循环送货调度问题的解决方法和装置

Also Published As

Publication number Publication date
CN111325483B (zh) 2024-01-26

Similar Documents

Publication Publication Date Title
CN111325483B (zh) 一种基于电池容量预测的电动公交车辆排班方法
CN108520314B (zh) 结合v2g技术的主动配电网调度方法
CN109398133B (zh) 一种电动汽车充电集群及其功率自动分配系统
CN111762051B (zh) 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法
CN109934391B (zh) 一种纯电动公交车辆的智能调度方法
CN108390421B (zh) 计及用户满意度的电动汽车双尺度充电引导方法及系统
Lee et al. Shared solar-powered EV charging stations: Feasibility and benefits
CN107521365B (zh) 一种基于用户经济收益最优化的电动汽车充放电调度方法
CN110232219B (zh) 一种基于数据挖掘的电动汽车可调度容量核定方法
KR101198539B1 (ko) 전기차 충전 시스템 및 그 제공방법
CN112101637A (zh) 基于分时电价和能耗控制的动态充电优化方法及其应用
CN110293872A (zh) 一种电动汽车智能充电导航系统及方法
CN116703077A (zh) 基于贪心算法的公交行车编制方法
CN113799640A (zh) 适用于含电动汽车充电桩微电网的能量管理方法
CN114444965B (zh) 一种单车场多线路电动公交车协同调度方法
CN115117940A (zh) 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法
KR20110090184A (ko) 전기차 충전 시스템 및 그 제공방법
CN113487131B (zh) 一种基于充电需求和储能调节的站网互动方法
CN117391564B (zh) 一种新能源物流车辆补能调度数据模型及调度优化方法
CN113128075A (zh) 一种考虑风光发电消纳和碳排放的混合公交车队调度方法
KR101257548B1 (ko) 전기차 충전 시스템 및 그 제공방법
TWI725606B (zh) 電動車充電站分散式電能管理方法
CN116596252A (zh) 一种电动汽车集群多目标充电调度方法
CN113705914B (zh) 利用区块链的电动车充电站管理方法
CN113486504B (zh) 一种基于调度成本的电池管理控制方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Guo Jianguo

Inventor after: Bai Ke

Inventor after: Lv Houfa

Inventor after: Cheng Xingwei

Inventor after: Lin Zhongxia

Inventor after: Liu Hongyu

Inventor after: Qu Hua

Inventor after: Guo Yuanyuan

Inventor after: Yan Lei

Inventor after: Zhao Xinchao

Inventor after: Sun Hao

Inventor after: Pu Xiuxia

Inventor after: Shen Yang

Inventor before: Guo Jianguo

Inventor before: Cheng Xingwei

Inventor before: Lin Zhongxia

Inventor before: Guo Yuanyuan

Inventor before: Yan Lei

Inventor before: Zhao Xinchao

Inventor before: Sun Hao

Inventor before: Pu Xiuxia

Inventor before: Shen Yang

Inventor before: Bai Ke

Inventor before: Lv Houfa

GR01 Patent grant
GR01 Patent grant