CN112149906A - 一种计及充电时间的电动车出行线路综合优化方法 - Google Patents
一种计及充电时间的电动车出行线路综合优化方法 Download PDFInfo
- Publication number
- CN112149906A CN112149906A CN202011033191.3A CN202011033191A CN112149906A CN 112149906 A CN112149906 A CN 112149906A CN 202011033191 A CN202011033191 A CN 202011033191A CN 112149906 A CN112149906 A CN 112149906A
- Authority
- CN
- China
- Prior art keywords
- charging
- electric vehicle
- time
- charging station
- stage
- 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
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
- G06Q10/04—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
-
- 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
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种计及充电时间的电动车出行线路综合优化方法,本发明方法包括根据出行电动车的最大行驶距离MSNV1确定覆盖的充电站得到可达充电站集合,并生成道路网络;初始化循环变量i,在可达充电站集合中遍历选择一个当前充电站i;判断当前充电站i内待充电动车排队车辆数小于阈值是否成立,若成立则生成出行电动车的初始位置、最后一个目的地之间的多种候选出行路线方案;将循环变量i加1,重复迭代直至可达充电站集合遍历完毕,最终选择所需时间最短的候选出行路线方案输出。本发明使得电动车可支持更长距离的出行线路调度,提供为更为精准的时间管理方案,可有效提高电动车的时间利用效率。
Description
技术领域
本发明涉及电动车出行线路调度技术,具体涉及一种计及充电时间的电动车出行线路综合优化方法。
背景技术
电动车(电动汽车)租赁是一种新型的租赁业务模式。在该租赁业务模式下,由于电动车的续航限制,因此电动车出行线路调度中需要考虑目的地,还需要考虑电动车当前的电量是否能够支持到达目的地。目前,针对电动车出行线路调度,仍然普遍停留在不考虑充电状况下的调度,这样就限制了电动车出行线路的距离。因此,如何实现计及充电时间的电动车出行线路调度,已经成为一项亟待解决的关键技术问题。
发明内容
本发明要解决的技术问题:针对现有技术的上述问题,提供一种计及充电时间的电动车出行线路综合优化方法,本发明使得电动车可支持更长距离的出行线路调度,为电动车主提供为更为精准的时间管理方案,可有效提高电动车的时间利用效率。
为了解决上述技术问题,本发明采用的技术方案为:
一种计及充电时间的电动车出行线路综合优化方法,包括:
1)根据出行电动车的电池剩余容量计算最大行驶距离MSNV1;
2)根据最大行驶距离MSNV1确定覆盖的充电站得到可达充电站集合;
3)初始化循环变量i的值为1,从可达充电站集合遍历选择一个当前充电站i;
4)构建从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti;
5)判断当前充电站i内待充电动车排队车辆数DVNi小于当前充电站i内待充电动车允许排队车辆数DVNimax是否成立,若成立则跳转执行下一步;若不成立,则跳转执行步骤7);
6)针对从出行电动车的初始位置经当前充电站i到达最后一个目的地生成多种候选出行路线方案并获取每一种候选出行路线方案的累计用时;
7)判断可达充电站集合是否已经遍历完毕,若尚未遍历完毕,则将循环变量i加1,跳转执行步骤4),否则跳转执行下一步;
8)选择累计用时最短的候选出行路线方案作为最终得到的最优出行路线方案。
可选地,步骤1)中计算最大行驶距离MSNV1的函数表达式为:
MSNVl=SOCNV(0)×CNV/HNV
上式中,SOCNV(0)表示出行电动车的电池初始荷电状态,CNV表示出行电动车的电池容量,HNV为每公里能耗。
可选地,步骤6)的详细步骤包括:
6.1)根据从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti将出行电动车的初始位置经当前充电站i到达各个目的地的出行任务划分为T个阶段,每个T个阶段中包含一条或多条边,且边的一端为该阶段的起点、另一端为该阶段的终点,每一条边包含至少一条起点通往终点的路径,且上一个阶段的终点为下一个阶段的起点,第一个阶段的起点为出行电动车的初始位置、终点包括当前充电站i以及距离小于最大行驶距离MSNV1的各目的节点;初始化阶段变量t为1;
6.2)当前的阶段变量t为1,确定阶段t各条边的起点、终点之间的本阶段最优路径,计算出行电动车通过本阶段最优路径所需的时间作为出行电动车行驶本阶段最优路径的本阶段最少用时;将阶段变量t加1;
6.3)当前的阶段变量t大于1,首先针对每一个起点做判断,若该起点为充电站,则计算出行电动车在该充电站的排队及充电用时,确定阶段t各条边的起点、终点之间的本阶段最优路径,计算出行电动车通过本阶段最优路径所需的时间,并将出行电动车通过本阶段最优路径所需的时间、出行电动车在该充电站的排队及充电用时作为出行电动车行驶本阶段最优路径的本阶段最少用时;否则,直接确定阶段t各条边的起点、终点之间的本阶段最优路径,计算出行电动车通过本阶段最优路径所需的时间作为出行电动车行驶本阶段最优路径的本阶段最少用时;
6.4)判断阶段变量t等于阶段总数T是否成立,若不成立则跳转执行步骤6.3);否则,判定T个阶段已经处理完毕,将各个阶段的本阶段最优路径顺序连接得到多种候选出行路线方案,并将各个本阶段最少用时依次相加得到各种候选出行路线方案对应的累计用时,跳转执行步骤7)。
可选地,步骤6.3)中计算出行电动车在该充电站的排队及充电用时的函数表达式为:
Ti,c=Ti,nc+Ti,zdc
上式中,Ti,c表示出行电动车在该充电站的充电用时,Ti,nc表示出行电动车完成充电所需的时间,Ti,zdc表示出行电动车在该充电站下充电需要排队的时间。
可选地,步骤6.3)之前包括计算出行电动车完成充电所需的时间Ti,nc的步骤:求解下述函数表达式获得电动车k选择充电方式s下到达期望的荷电状态所需要花费的充电时间tk,s,将求解得到的充电时间tk,s作为出行电动车完成充电所需的时间Ti,nc;
上式中,SOCk(tk,s)为电动车k的电池期望经过充电时间tk,s充电后的荷电状态,SOCk(0)为电动车k电池充电前的初始荷电状态,Ck为电动车k的电池容量,Ik,s(t)为电动车k选择充电方式s下的t时刻的充电电流,其中充电电流Ik,s(t)的计算函数表达式为Ik,s(t)=Psηs/Us,其中Ps为选择充电方式s充电桩的输出功率,ηs为转换效率,Us为充电桩输出电压。
可选地,出行电动车在该充电站下充电需要排队的时间Ti,zdc的计算步骤包括:确定该充电站下的可用充电桩数量、在充电动车数量、预充电量、排队的待充电动车数量、预充电量,待充电动车根据充电站内的排队原则,根据充电站i每一轮各桩的充电最小时间的代数和作为出行电动车在充电站i内充电需要排队的时间Ti,zdc。
可选地,步骤6.1)中根据从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti将出行电动车的初始位置经当前充电站i到达各个目的地的出行任务划分为T个阶段时,得到的边满足下述约束:出行电动车在起点的电池剩余容量大于预设阈值SOCNVMIN;边包含的起点通往终点的路径满足通行对应道路当前的通行条件约束。
此外,本发明还提供一种计及充电时间的电动车出行线路综合优化系统,包括计算机设备,该计算机设备包括相互连接的微处理器和存储器,所述微处理器被编程或配置以执行所述计及充电时间的电动车出行线路综合优化方法的步骤,或者所述存储器中存储有被编程或配置以执行所述计及充电时间的电动车出行线路综合优化方法的计算机程序。
此外,本发明还提供一种计算机可读存储介质,该计算机可读存储介质中存储有被编程或配置以执行所述计及充电时间的电动车出行线路综合优化方法的计算机程序。
此外,本发明还提供一种用于应用所述计及充电时间的电动车出行线路综合优化方法的充电站充电综合信息采集系统,该充电站充电综合信息采集系统包括:
充电站信息采集单元,包括相互连接的图像采集装置和通讯及控制模块,所述图像采集装置用于采集充电区域内待充电动车的图片信息,所述通讯及控制模块通过数据接口与充电桩控制系统相连以采集充电桩设备完好、故障、检修的状态信息、处于充电工作状态时充电桩的电流、电压运行信息、以及在充电动车的已充容量、预计完成充电的时间;
信息传输单元,用于将充电站信息采集单元采集的信息传输给系统主站单元;
系统主站,用于将充电站信息采集单元采集的信息进行存储,并针对充电区域内待充电动车的图片信息进行图像识别获得待充电动车的台数和身份信息,以及执行所述计及充电时间的电动车出行线路综合优化方法的步骤;
所述充电站信息采集单元的通讯及控制模块通过信息传输单元与系统主站相连。
和现有技术相比,本发明具有下述优点:
1、本发明包括从可达充电站集合遍历选择一个当前充电站i;构建从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti,针对从出行电动车的初始位置经当前充电站i到达最后一个目的地生成多种候选出行路线方案并获取每一种候选出行路线方案的累计用时,选择累计用时最短的候选出行路线方案作为最终得到的最优出行路线方案,使得电动车可支持更长距离的出行线路调度,提供为更为精准的时间管理方案,可有效提高电动车的时间利用效率。
2、本发明包括判断当前充电站i内待充电动车排队车辆数DVNi小于当前充电站i内待充电动车允许排队车辆数DVNimax是否成立的步骤,通过上述约束条件,使得本实施例方法不仅考虑了电动车的电池特性,还考虑了充电站电动车排队情况,可有效避免在不满足约束条件的充电站上消耗计算资源、有效减少计算量。
附图说明
图1为本发明实施例方法的基本流程示意图。
图2为本发明实施例中出行电动车的任务及道路网络示例。
图3为本发明实施例中生成可达充电站集合的原理示意图。
图4为本发明实施例中第一轮生成的道路网络Neti示例。
图5为本发明实施例中第二轮生成的道路网络Neti示例。
图6为本发明实施例中第一轮划分的三个阶段示意图。
图7为本发明实施例中充电站充电综合信息采集系统的结构示意图。
图8为本发明实施例中充电站充电综合信息采集系统的工作过程示意图。
图9为本发明实施例中充电站中的多个充电桩及在充区、待充区排队示意图。
具体实施方式
如图1所示,本实施例计及充电时间的电动车出行线路综合优化方法包括:
1)根据出行电动车的电池剩余容量计算最大行驶距离MSNV1;
2)根据最大行驶距离MSNV1确定覆盖的充电站得到可达充电站集合;
3)初始化循环变量i的值为1,从可达充电站集合遍历选择一个当前充电站i;
4)构建从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti;
5)判断当前充电站i内待充电动车排队车辆数DVNi小于当前充电站i内待充电动车允许排队车辆数DVNimax是否成立,若成立则跳转执行下一步;若不成立,则跳转执行步骤7);
6)针对从出行电动车的初始位置经当前充电站i到达最后一个目的地生成多种候选出行路线方案并获取每一种候选出行路线方案的累计用时;
7)判断可达充电站集合是否已经遍历完毕,若尚未遍历完毕,则将循环变量i加1,跳转执行步骤4),否则跳转执行下一步;
8)选择累计用时最短的候选出行路线方案作为最终得到的最优出行路线方案。
下文将以图2所示出行电动车的任务及道路网络为例。参见图2,出行电动车的初始位置为@1,图2中虚线圆形区域为已出行电动车的初始位置@1为圆心、最大行驶距离MSNV1为半径的圆形覆盖区域,该覆盖的可达充电站集合包括充电站C1(位置@2)和充电站C2(位置@3),目的地包括目的地D1和目的地D2,目的地D1和目的地D2附件还有充电站C3(位置@8),图中任意节点之间的连线为道路,道路一侧的编号为该道路对应的编号。其中,目的地D2也在出行电动车剩余电池容量支持的范围之外,所以出行电动车必须要完成一次充电才能到达。与以往的电动车到充电站选择的路线规划和传统车辆出行路线规划不同,本发明计及充电时间的电动车出行线路综合优化方法是解决出行过程中,既要考虑充电时间,又要考虑到达出行目的地的时间,需要对两者进行综合优化。更具体地是说,在出行过程中,在什么时间,去哪儿充电会更有利于出行时间的节省,需要结合充电站的地理位置、出行目的地的位置、以及充电站的桩的个数、在充电动车的状态,待充电电动车的排队情况、出行电动车尚存的容量及其充电需求等因素,综合加以考虑。此外,为简化问题,在计算时给出以下假设:
1、本实施例中,出行的电动车为纯电动汽车,电池参数为VNV=400V,CNV=90Ah(36kWh),每公里能耗HNV=0.15kWh/km。
2、所有充电站的充电桩采用同一种型号,充电桩的输出电流Is,转换效率ηs都相同;
3、所有线路可双向行驶,拥堵状况不同;
4、路段7因为某种原因,由充电站C1(节点3)到目的地D1(节点5)不可通行。
5、出行电动车按照道路要求的额定车速前行;路段参数包括:长度,额定车速、拥堵系数。长度向量为S=[50,40,50,30,100,60,30,15,20,60,80,60,50,30,25,90,120,80,20],车速向量为V=[30,40,50,40,50,40,40,40,40,50,50,40,30,40,40,50,60,50,40],拥堵系数向量为λ=[0.9,1,1,0.7,1,0.9,0.6,0.6,0.8,0.9,1,1,0.9,0.7,0.6,1,1,1,1]。电动车的参数包括:在计算中车的类型(P=1,2,3分别代表出行,在充,待充)、初始SOCk(0),期望的SOCk(tk,s),电池的容量Ck等。这些参数假设电动车在申请充电时,已经提交给充电管控系统,为已知。设电动车序列的序号按照先出行电动车、在充电动车、待充电动车进行排序。
在图4中,设充电站C1快充方式下,在充电动车有2辆,待充电动车为3辆,则共有电动车6辆。故电动车的向量参数有:
初始SOC向量为:
SOCk(0)=[40%,30%,50%,40%,50%,40%]
期望的SOC向量为:
SOCk(tk,s)=[90%,90%,90%,90%,90%,90%]
电池容量向量为:
Ck=[90Ah,70Ah,80Ah,75Ah,90Ah,80Ah]
在图5中,设充电站C2快充方式下,在充电动车有2辆,待充电动车为4辆,则共有电动车7辆。故电动车的向量参数有:
初始SOC向量为:
SOCk(0)=[40%,30%,50%,40%,50%,40%,50%]
期望的SOC向量为:
SOCk(tk,s)=[90%,90%,90%,90%,90%,90%,90%]
电池容量向量为:
Ck=[90Ah,70Ah,80Ah,75Ah,90Ah,80Ah,70Ah]
充电站的参数主要包括:充电桩的类型、桩的个数、充电桩的输出功率、充电桩的转换效率、和待充电动车的排队车辆数等。对于充电站C1,2,均有2个充电桩,假设它们的型号都相同,故桩的输出功率,转换效率,输出电压均相同,设:PS=60kW,ηS=90%,US=400V。此外,还有些不等约束的极限参数需要设置,包括:充电站的待充电动车的排队容量DVNmax=[20,20],出行电动车的电池的最低容量SOCNVmin=10%。
下文将以图2所示道路网络为例,对本实施例计及充电时间的电动车出行线路综合优化方法进行详细说明。
本实施例中,步骤1)中计算最大行驶距离MSNV1的函数表达式为:
MSNVl=SOCNV(0)×CNV/HNV
上式中,SOCNV(0)表示出行电动车的电池初始荷电状态,CNV表示出行电动车的电池容量,HNV为每公里能耗。本实施例中,MSNVl=SOCNV(0)×CNV/HNV=(40%×36)/0.15=96km。
本实施例中,步骤2)中根据最大行驶距离MSNV1确定覆盖的充电站得到可达充电站集合,如图3所示,本实施例中初始位置@1到各充电站的最短距离分别是40km,50km,100km,故该出行电动车可到达的充电站为C1、C2,充电站C3不可达。因此,可达充电站集合包括充电站C1和充电站C2,而充电站C3不在最大行驶距离MSNV1的覆盖范围内,因此未列入可达充电站集合。
由于如图3所示可达充电站集合包括充电站C1和充电站C2,因此针对可达充电站集合的遍历包括两轮处理:第一轮当前充电站i为充电站C1,对应地步骤4)构建得到的从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti如图4所示。第二轮当前充电站i为充电站C2,对应地步骤4)构建得到的从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti如图5所示。
本实施例中,步骤6)的详细步骤包括:
6.1)根据从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti将出行电动车的初始位置经当前充电站i到达各个目的地的出行任务划分为T个阶段,每个T个阶段中包含一条或多条边,且边的一端为该阶段的起点、另一端为该阶段的终点,每一条边包含至少一条起点通往终点的路径,且上一个阶段的终点为下一个阶段的起点,第一个阶段的起点为出行电动车的初始位置、终点包括当前充电站i以及距离小于最大行驶距离MSNV1的各目的节点;初始化阶段变量t为1;
6.2)当前的阶段变量t为1,确定阶段t各条边的起点、终点之间的本阶段最优路径,计算出行电动车通过本阶段最优路径所需的时间作为出行电动车行驶本阶段最优路径的本阶段最少用时;将阶段变量t加1;
6.3)当前的阶段变量t大于1,首先针对每一个起点做判断,若该起点为充电站,则计算出行电动车在该充电站的排队及充电用时,确定阶段t各条边的起点、终点之间的本阶段最优路径,计算出行电动车通过本阶段最优路径所需的时间,并将出行电动车通过本阶段最优路径所需的时间、出行电动车在该充电站的排队及充电用时作为出行电动车行驶本阶段最优路径的本阶段最少用时;否则,直接确定阶段t各条边的起点、终点之间的本阶段最优路径,计算出行电动车通过本阶段最优路径所需的时间作为出行电动车行驶本阶段最优路径的本阶段最少用时;
6.4)判断阶段变量t等于阶段总数T是否成立,若不成立则跳转执行步骤6.3);否则,判定T个阶段已经处理完毕,将各个阶段的本阶段最优路径顺序连接得到多种候选出行路线方案,并将各个本阶段最少用时依次相加得到各种候选出行路线方案对应的累计用时,跳转执行步骤7)。
本实施例步骤6.3)中计算出行电动车在该充电站的排队及充电用时的函数表达式为:
Ti,c=Ti,nc+Ti,zdc
上式中,Ti,c表示出行电动车在该充电站的充电用时,Ti,nc表示出行电动车完成充电所需的时间,Ti,zdc表示出行电动车在该充电站下充电需要排队的时间。
本实施例步骤6.3)之前包括计算出行电动车完成充电所需的时间Ti,nc的步骤:求解下述函数表达式获得电动车k选择充电方式s下到达期望的荷电状态所需要花费的充电时间tk,s,将求解得到的充电时间tk,s作为出行电动车完成充电所需的时间Ti,nc;
上式中,SOCk(tk,s)为电动车k的电池期望经过充电时间tk,s充电后的荷电状态,SOCk(0)为电动车k电池充电前的初始荷电状态,Ck为电动车k的电池容量,Ik,s(t)为电动车k选择充电方式s下的t时刻的充电电流,其中充电电流Ik,s(t)的计算函数表达式为Ik,s(t)=Psηs/Us,其中Ps为选择充电方式s充电桩的输出功率,ηs为转换效率,Us为充电桩输出电压。
本实施例中,出行电动车在该充电站下充电需要排队的时间Ti,zdc的计算步骤包括:确定该充电站下的可用充电桩数量、在充电动车数量、预充电量、排队的待充电动车数量、预充电量,待充电动车根据充电站内的排队原则,根据充电站i每一轮各桩的充电最小时间的代数和作为出行电动车在充电站i内充电需要排队的时间Ti,zdc。
本实施例中,步骤6.1)中根据从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti将出行电动车的初始位置经当前充电站i到达各个目的地的出行任务划分为T个阶段时,得到的边满足下述约束:出行电动车在起点的电池剩余容量大于预设阈值SOCNVMIN;边包含的起点通往终点的路径满足通行对应道路当前的通行条件约束。
第一轮当前充电站i为充电站C1时,对应地步骤4)构建得到的从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti如图4所示,其中虚线表示最优路线,路段旁标注的行驶时间,充电站旁标注的出行车排队充电时间。本实施例步骤6.1)中根据从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti将出行电动车的初始位置经当前充电站i到达各个目的地的出行任务划分为T个阶段得到的划分结果如图6所示,参见图6,出行电动车分别完成到达充电站C1、目的地D1、目的地D2的任务,需分成3个阶段,从而可用动态规划进行求解:
阶段1:从起点出发,可选择的该阶段的终点为选择充电站C1和目的地D1,因为目的地D2出行电动车的剩余电池容量不支持,则计算的结果如表1。
表1:阶段1的最少用时计算结果(单位:小时)
表1中,本阶段最优路径“S-2-C1”是指通过起点(简称S)经过道路2到达充电站C1,“S-3-D1”是指通过起点(简称S)经过道路3到达目的地D1。本实施例中路径的命名方式遵循上述规则,下文不再一一解释。
阶段2:起点有充电站C1和目的地D1,则对应地充电站C1的终点有目的地D1和目的地D2。其中,对应于目的1来说,终点只有充电站C1。但对于充电站C1,需要注意其起始时间需要加上充电站内的排队充电时间,计算方法按照公式(6)进行求解。根据所给定的参数,考虑排队需要花费的时间为0.97h,计算过程见表2。尽管出行电动车到冲充电站C1的方案有很多,应取用时最少的方案,故表2的中的排队方案遵循此原则,而阶段3的计算结果见表3。
表2:充电站C1的用时计算(单位:小时)
表3:阶段2的最少用时计算结果(单位:小时)
阶段3,起点可以是目的地D2和充电站C1,终点分别是目的地D2和目的地D1,由此三个阶段的决策过程计算完毕,计算结果见表4。
表4:阶段3的最少用时计算结果(单位:小时)
第二轮当前充电站i为充电站C2,对应地步骤4)构建得到的从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti如图5所示。其中选择充电站C2的排队充电时间为1.23h,计算过程见表5,其计算是在图8含充电站C2的网络拓扑中进行,最优出行路径的计算过程同第二步的计算过程类似,故略去,计算结果填入表6中。
表5充电站C2的用时计算(单位:小时)
最终,比较表6中充电站C1和充电站C2的出行路径选择方案,可知去充电站C1充电的出行方案要比选择去充电站C2充电的方案用时更少,故出行电动车考虑充电站充电时间的出行方案综合最优的是方案号1。
表6阶段2的最少用时计算结果(单位:小时)
方案号 | 可达充电站 | 最优出行路径 | 最小用时 |
1 | 充电站C1 | S-2-C1-8-9-D1-10-D2 | 4.56 |
2 | 充电站C2 | S-3-D1-15-C2-16-D2 | 5.07 |
通过以上求解,可知计算条件下出行电动车应选择在充电站C1充电(即方案1),而且按照线路S-2-C1-8-9-D1-10-D2出行,可以实现用时最小,只有4.56小时,而选择充电站C2(即方案2)的用时需要5.07小时。
综上所述,本实施例计及充电时间的电动车出行线路综合优化方法采用了充电站分解技术,大大简化了复杂网络的计算,从而减少了寻优的方案数,提高了计算效率。本实施例方法提出的待充电的电动车出行线路综合优化方法是可行的,可以得到优化方案,不存在优化求解不收敛的问题。本实施例提出的待充电的电动车出行线路综合优化方法是具有很好的解释性,可以从含出行电动车、充电站、目的地的交通网络中,通过计算得出最优出行路径且能获得每阶段的用时情况。本实施例计及充电时间的电动车出行线路综合优化方法是针对交通工具采用新型的电驱动交通工具运用而提出来的,需要考虑电动车的电池特性、以及充电站电动车排队情况,这与传统的机油驱动型交通工具进行出行线路规划所需要解决问题的边界条件是不同的。与以往的充电方案不同的是,本实施例计及充电时间的电动车出行线路综合优化方法不仅仅考虑车的位置和充电站的位置,还需要在充电站应用物联网技术,加装了待充电动车排队情况的图像采集系统,一方面可以监测充电站内的待充电动车的排队情况,另一方面还可以根据电动车的图像识别技术,由数据库的电动车信息数据库及其电动车的充电统计特性,对排队时间进行估算,从而为电动车主提供更为精准的时间管理方案、提高时间利用效率。与以往的电动车到充电站选择的路线规划和传统车辆出行路线规划不同,本实施例计及充电时间的电动车出行线路综合优化方法是解决出行过程中,既要考虑充电时间,又要考虑到达出行目的地的时间,需要对两者进行综合优化。更具体地是说,在出行过程中,在什么时间,去哪儿充电会更有利于出行时间的节省,需要结合充电站的地理位置、出行目的地的位置、以及充电站的桩的个数、在充电动车的状态,待充电电动车的排队情况、出行电动车尚存的容量及其充电需求等因素,综合加以考虑。
此外,本实施例还提供一种计及充电时间的电动车出行线路综合优化系统,包括计算机设备,该计算机设备包括相互连接的微处理器和存储器,所述微处理器被编程或配置以执行前述计及充电时间的电动车出行线路综合优化方法的步骤,或者所述存储器中存储有被编程或配置以执行前述计及充电时间的电动车出行线路综合优化方法的计算机程序。
此外,本实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有被编程或配置以执行前述计及充电时间的电动车出行线路综合优化方法的计算机程序。
此外,本实施例还提供一种用于应用前述计及充电时间的电动车出行线路综合优化方法的充电站充电综合信息采集系统,如图7所示,该充电站充电综合信息采集系统包括:
充电站信息采集单元,包括相互连接的图像采集装置和通讯及控制模块,所述图像采集装置用于采集充电区域内待充电动车的图片信息,所述通讯及控制模块通过数据接口与充电桩控制系统相连以采集充电桩设备完好、故障、检修的状态信息、处于充电工作状态时充电桩的电流、电压运行信息、以及在充电动车的已充容量、预计完成充电的时间;
信息传输单元,用于将充电站信息采集单元采集的信息传输给系统主站单元,可通过电力载波或者WLAN等网络实现;
系统主站,用于将充电站信息采集单元采集的信息进行存储,并针对充电区域内待充电动车的图片信息进行图像识别获得待充电动车的台数和身份信息,以及执行前述计及充电时间的电动车出行线路综合优化方法的步骤;
充电站信息采集单元的通讯及控制模块通过信息传输单元与系统主站相连。
参见图7可知,该充电站充电综合信息采集系统基于物联网技术而构建的,是为计及充电时间的出行线路规划方案提供充电站内在充、待充这两类电动车、以及充电桩类型、数量、接口,乃至充电状态等信息。该系统按照信息流包含三部分:采集、传输、主站。其中信息采集部分利用摄像头采集充电区域内待充电动车的图片信息、充电桩控制系统提供的反映充电桩设备完好、故障、检修的状态信息、处于充电工作状态时充电桩的电流、电压运行信息、以及在充电动车的已充容量、拟完成充电的时间等,其中图像信息更新采用触发方式,即当有新的待充电车辆进入充电区域,视频采集装置捕捉到的新的图片信息,传回主站进行实时更新。信息传输部分将充电站内采集到的充电桩完好状况、在充电动车的实时工作状况,以及待充电设备的图片信息,通过电力载波或者站内短距离通信方式(如wlan等)传输至主站。系统主站部分包括信息处理和存储部分,由于采集的信息中包括图像信息,因此需要采用非关系型数据库进行存储。另外,需要将采集到电动车的图片信息进行图像识别,识别充电站内的待充电动车的台数、型号等。需要指出的是,根据充电桩管理管理系统的不同,可以是全部由电力公司负责所有充电桩的资产、运行、管理,也可以含代理方式,即代理方拥有充电桩资产,并将充电桩的设备信息、运行信息、价格信息委托电力公司,该代理方可以是拥有不同区域的多个充电桩,也可以单个充电桩。如果是前者,代理方可以有子站,亦可以不设子站。如果设有子站,可以在充电辅助决策系统中在主站和采集级之间增加中间级,其中,中间级的子站承担主站和子站下的视频采集装置的信息上传下达作用,子站与其所辖的视频采集装置间的通信方式可以根据距离、成本选择合适的方式,但是信息传输的内容与要求,与直接与主站通信的视频采集装置相同。
如图8所示,该充电站充电综合信息采集系统的运行过程分为三步,分别为读取数据、构建出行线路综合优化模型、以及应用改进优化方法求解从而给出电动车的出行线路综合优化方案。第一步,读取数据。它首先从数据库提取充电桩、在充电动车、待充电动车的设备信息,其次通过对在充电动车的充电方式(快充、慢充)、容量参数、充电开始时间、充电容量或充电费用的要求、以及充电桩的充电电流、电压参数,同时提取充电站经营者的信息,提取其与充电定价相关的信息。此外,通过对待充电动车图像(可以是车牌号)的识别,根据这些待充电电动车的容量参数、剩余电池容量等信息。第二步,构建模型。待充电动车的出行线路的综合优化模型,需要确定目标函数和约束条件。其中,目标函数可以是单目标,也可以是多目标,后者可以通过加权方式,转化为单目标。常用的单目标对于电动车主来说,主要有时间最少,费用最省,路途最短等;约束则包括充电站因受场地容量的限制对可接受的充电电动车辆数有约束,道路因为事故或维护可能造成的限行约束、以及待充电动车剩余电池容量限制可达充电站的限制等。第三步,提出改进优化方法并求解。与电动车到充电站线路选择不同,它是电动车(起点)-充电站(终点)两点之间的路径优化问题。也与常规车辆到目的地(可以是多个目的地)的路径选择不同,它是车(起点)-目的地(终点,可以是多联程)的路径优化问题。而电动车的出行,则包括电动车-站-目的地三个要素在内的线路优化问题,无法套用以往的求解方法进行求解。为此,在应用优化方法时需进行改进。即:首先要对充电站的筛选,即根据待充电动车的电池剩余容量估算可行驶的距离,从而筛选出可以到达的充电站。然后选择充电站与确定出行线路进行整体优化,即将可达的充电站电站逐一放入出行电动车和该电动车出行拟达目的地构成的拓扑中,并加入约束条件,选择多阶段决策优化方法(如网络法、动态规划法、或智能优化方法)进行求解。最后,在可达的充电站的线路出行方案中求出使得目标函数为最优的出行线路方案。
图2反映了出行电动车、其剩余容量可达的充电站(如充电站C1和充电站C2),不可达的充电站(如充电站C3),以及多个目的地(如目的地D1,目的地D2)之间的地理位置关系图。其中,目的地D2在也在出行电动车剩余电池容量支持的范围之外,所以出行电动车必须要完成一次充电。如前说述,在出行电动车最优出行线路求解时,需要把出行电动车、可达充电站和目的地放在同一拓扑中(如图2)。由上面的计算方法可知,每次只放进一个充电站,如首先放进充电站C1,有多条连接的线路构成当选择充电站C1时的计算拓扑,该计算拓扑包括6个节点(出行电动车,充电站C1,2个目的地,2个连接节点,在图2中用@1,。。。@6表示),共有11条线路。图中双环圆圈表示两条及以上线路有连接点。
以下为计及充电时间的电动车出行路线综合优化模型,为简单起见,仅以用时最少为例加以说明。
1)目标函数:最小化出行电动车出行所花费的时间,它取决于充电站的选择,以及到充电站和目的地的出行路线。用式子表示为:
上式中,TLi,Li为出行电动车出行所花费的总时间,i为某个充电站,Li为所选定的某个充电站后的线路集合。且有:
TLi,Li=Ti,c+Ti,L
上式中,当充电站外出行电动车选择充电站i,s充电方式情况下,Ti,C为考虑充电站内排队因素在内的在充、待充电动车所需要花费的时间、以及充电站外出行电动车充电所需要花费的时间。Ti,L为出行电动车分别到达某个充电站和多个目的地的所需要花费的时间。每一个电动车k充电所需要花费的时间可按照以下公式求得:
上式中,SOCk(tk,s)为电动车k的电池期望经过充电时间tk,s充电后的荷电状态,SOCk(0)为电动车k电池充电前的初始荷电状态,Ck为电动车k的电池容量,Ik,s(t)为电动车k选择充电方式s下的t时刻的充电电流,其中充电电流Ik,s(t)的计算函数表达式为Ik,s(t)=Psηs/Us,其中Ps为选择充电方式s充电桩的输出功率,ηs为转换效率,Us为充电桩输出电压。那么,出行电动车完成充电所需要花费的时间由两部分组成,即在充电站i,s充电方式下在充和待充电动车的充电完成的时间Ti,zdc,以及出行电动车自己完成充电的时间Ti,nc,即:
Ti,c=Ti,nc+Ti,zdc
上式中,Ti,c表示出行电动车在该充电站的充电用时,Ti,nc表示出行电动车完成充电所需的时间,Ti,zdc表示出行电动车在该充电站下充电需要排队的时间。
而Ti,zdc需要充电站i考虑s充电方式下的充电桩可用的个数ZNi,以及s充电方式下排队车辆数DVNi。例如,某充电站i内s充电方式下排队待充电动车和充电桩充电顺序示意图如图9所示,分别包括充电桩1~充电桩ZN一共ZNi个充电桩。按照“先到先充”的原则,s充电方式下,在充和待充电动车完成充电的时间需要经过DVNi轮的轮换,每一轮充电快的车辆所空出的充电桩,将依次被待充电排队电动车所替补,故充电站i充电方式s下在充和待充电动车完成充电的时间,为每一轮中充电最短时间的代数和。
上式中,充电站i中每一轮各桩的充电车辆的的用时ti,zd1,ti,zd2,ti,zdDVNi与在充和待充电动车有一一对应关系。Ti.L参数则是出行电动车由起点,到选定的充电站i以及拟到达目的地路途上所花费的时间决定。它可以以出行时间最少为前提,则此时间可以由行驶时间最少的线路方案中各路段用时之和表示,用公式表示为:
上式中,Si,l,vi,l,λi,l分别为选定充电站i以及线路方案中需经过的各路段l的长度,额定车速(由道路管理要求决定),以及反映拥堵程度的拥堵系数决定,拥堵系数为0-1的数,当为1时表示不拥堵,为0表示严重拥堵。
本实施例中,前述模型的约束条件包括:
约束1:充电站待充电动车排队容量约束:
DVNi<DVNimax
上式中,DVNi为i充电站待充电动车的数量,DVNimax为i充电站可接纳充电的电动车数量,该式说明该站至少还具有1个位置能接纳新的电动车来排队充电。
约束2:出行电动车容量的约束
SOCNV≥SOCNVMIN
上式中,SOCNV为出行电动车的荷电状态,SOCNVMIN出行电动车的荷电状态允许的最小值。
约束3:选择i充电站时电动车行驶道路的约束:
上式中,xi,yi代表选择i充电站交通网络中某条路段的起点与终点,lxi,yi表示某条路段;
约束4:选择i充电站时交通网络需到达的点的约束:
qi∈Ωi (11)
式中,qi代表选择i充电站时交通网络中出行需到达某点,Ω表示出行电动车需到达点的集合,含选定的充电站。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种计及充电时间的电动车出行线路综合优化方法,其特征在于,包括:
1)根据出行电动车的电池剩余容量计算最大行驶距离MSNV1;
2)根据最大行驶距离MSNV1确定覆盖的充电站得到可达充电站集合;
3)初始化循环变量i的值为1,从可达充电站集合遍历选择一个当前充电站i;
4)构建从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti;
5)判断当前充电站i内待充电动车排队车辆数DVNi小于当前充电站i内待充电动车允许排队车辆数DVNimax是否成立,若成立则跳转执行下一步;若不成立,则跳转执行步骤7);
6)针对从出行电动车的初始位置经当前充电站i到达最后一个目的地生成多种候选出行路线方案并获取每一种候选出行路线方案的累计用时;
7)判断可达充电站集合是否已经遍历完毕,若尚未遍历完毕,则将循环变量i加1,跳转执行步骤4),否则跳转执行下一步;
8)选择累计用时最短的候选出行路线方案作为最终得到的最优出行路线方案。
2.根据权利要求1所述的计及充电时间的电动车出行线路综合优化方法,其特征在于,步骤1)中计算最大行驶距离MSNV1的函数表达式为:
MSNVl=SOCNV(0)×CNV/HNV
上式中,SOCNV(0)表示出行电动车的电池初始荷电状态,CNV表示出行电动车的电池容量,HNV为每公里能耗。
3.根据权利要求2所述的计及充电时间的电动车出行线路综合优化方法,其特征在于,步骤6)的详细步骤包括:
6.1)根据从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti将出行电动车的初始位置经当前充电站i到达各个目的地的出行任务划分为T个阶段,每个T个阶段中包含一条或多条边,且边的一端为该阶段的起点、另一端为该阶段的终点,每一条边包含至少一条起点通往终点的路径,且上一个阶段的终点为下一个阶段的起点,第一个阶段的起点为出行电动车的初始位置、终点包括当前充电站i以及距离小于最大行驶距离MSNV1的各目的节点;初始化阶段变量t为1;
6.2)当前的阶段变量t为1,确定阶段t各条边的起点、终点之间的本阶段最优路径,计算出行电动车通过本阶段最优路径所需的时间作为出行电动车行驶本阶段最优路径的本阶段最少用时;将阶段变量t加1;
6.3)当前的阶段变量t大于1,首先针对每一个起点做判断,若该起点为充电站,则计算出行电动车在该充电站的排队及充电用时,确定阶段t各条边的起点、终点之间的本阶段最优路径,计算出行电动车通过本阶段最优路径所需的时间,并将出行电动车通过本阶段最优路径所需的时间、出行电动车在该充电站的排队及充电用时作为出行电动车行驶本阶段最优路径的本阶段最少用时;否则,直接确定阶段t各条边的起点、终点之间的本阶段最优路径,计算出行电动车通过本阶段最优路径所需的时间作为出行电动车行驶本阶段最优路径的本阶段最少用时;
6.4)判断阶段变量t等于阶段总数T是否成立,若不成立则跳转执行步骤6.3);否则,判定T个阶段已经处理完毕,将各个阶段的本阶段最优路径顺序连接得到多种候选出行路线方案,并将各个本阶段最少用时依次相加得到各种候选出行路线方案对应的累计用时,跳转执行步骤7)。
4.根据权利要求3所述的计及充电时间的电动车出行线路综合优化方法,其特征在于,步骤6.3)中计算出行电动车在该充电站的排队及充电用时的函数表达式为:
Ti,c=Ti,nc+Ti,zdc
上式中,Ti,c表示出行电动车在该充电站的充电用时,Ti,nc表示出行电动车完成充电所需的时间,Ti,zdc表示出行电动车在该充电站下充电需要排队的时间。
5.根据权利要求4所述的计及充电时间的电动车出行线路综合优化方法,其特征在于,步骤6.3)之前包括计算出行电动车完成充电所需的时间Ti,nc的步骤:求解下述函数表达式获得电动车k选择充电方式s下到达期望的荷电状态所需要花费的充电时间tk,s,将求解得到的充电时间tk,s作为出行电动车完成充电所需的时间Ti,nc;
上式中,SOCk(tk,s)为电动车k的电池期望经过充电时间tk,s充电后的荷电状态,SOCk(0)为电动车k电池充电前的初始荷电状态,Ck为电动车k的电池容量,Ik,s(t)为电动车k选择充电方式s下的t时刻的充电电流,其中充电电流Ik,s(t)的计算函数表达式为Ik,s(t)=Psηs/Us,其中Ps为选择充电方式s充电桩的输出功率,ηs为转换效率,Us为充电桩输出电压。
6.根据权利要求4所述的计及充电时间的电动车出行线路综合优化方法,其特征在于,出行电动车在该充电站下充电需要排队的时间Ti,zdc的计算步骤包括:确定该充电站下的可用充电桩数量、在充电动车数量、预充电量、排队的待充电动车数量、预充电量,待充电动车根据充电站内的排队原则,根据充电站i每一轮各桩的充电最小时间的代数和作为出行电动车在充电站i内充电需要排队的时间Ti,zdc。
7.根据权利要求3所述的计及充电时间的电动车出行线路综合优化方法,其特征在于,步骤6.1)中根据从出行电动车的初始位置经当前充电站i到达各个目的地的道路网络Neti将出行电动车的初始位置经当前充电站i到达各个目的地的出行任务划分为T个阶段时,得到的边满足下述约束:出行电动车在起点的电池剩余容量大于预设阈值SOCNVMIN;边包含的起点通往终点的路径满足通行对应道路当前的通行条件约束。
8.一种计及充电时间的电动车出行线路综合优化系统,包括计算机设备,该计算机设备包括相互连接的微处理器和存储器,其特征在于,所述微处理器被编程或配置以执行权利要求1~7中任意一项所述计及充电时间的电动车出行线路综合优化方法的步骤,或者所述存储器中存储有被编程或配置以执行权利要求1~7中任意一项所述计及充电时间的电动车出行线路综合优化方法的计算机程序。
9.一种计算机可读存储介质,其特征在于,该计算机可读存储介质中存储有被编程或配置以执行权利要求1~7中任意一项所述计及充电时间的电动车出行线路综合优化方法的计算机程序。
10.一种用于应用权利要求1~7中任意一项所述计及充电时间的电动车出行线路综合优化方法的充电站充电综合信息采集系统,其特征在于,该充电站充电综合信息采集系统包括:
充电站信息采集单元,包括相互连接的图像采集装置和通讯及控制模块,所述图像采集装置用于采集利用图像采集装置采集充电区域内待充电动车的图片信息,所述通讯及控制模块通过数据接口与充电桩控制系统相连以采集充电桩设备完好、故障、检修的状态信息、处于充电工作状态时充电桩的电流、电压运行信息、以及在充电动车的已充容量、预计完成充电的时间;
信息传输单元,用于将充电站信息采集单元采集的信息传输给系统主站单元;
系统主站,用于将充电站信息采集单元采集的信息进行存储,并针对充电区域内待充电动车的图片信息进行图像识别获得待充电动车的台数和身份信息,以及执行权利要求1~7中任意一项所述计及充电时间的电动车出行线路综合优化方法的步骤;
所述充电站信息采集单元的通讯及控制模块通过信息传输单元与系统主站相连。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011033191.3A CN112149906B (zh) | 2020-09-27 | 2020-09-27 | 一种计及充电时间的电动车出行线路综合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011033191.3A CN112149906B (zh) | 2020-09-27 | 2020-09-27 | 一种计及充电时间的电动车出行线路综合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112149906A true CN112149906A (zh) | 2020-12-29 |
CN112149906B CN112149906B (zh) | 2023-07-11 |
Family
ID=73895738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011033191.3A Active CN112149906B (zh) | 2020-09-27 | 2020-09-27 | 一种计及充电时间的电动车出行线路综合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149906B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113989952A (zh) * | 2021-10-22 | 2022-01-28 | 国网山东省电力公司利津县供电公司 | 基于分布式电源网点的电力设备巡视系统 |
CN115440074A (zh) * | 2022-08-24 | 2022-12-06 | 中国人民解放军军事科学院战争研究院 | 一种基于m/m/1/n排队的紧急道路推荐方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512580A (zh) * | 2012-06-21 | 2014-01-15 | 日电(中国)有限公司 | 一种电动汽车路径规划方法及装置 |
WO2014127849A1 (en) * | 2013-02-25 | 2014-08-28 | Nec Europe Ltd. | Method and system for determining routes of vehicles |
CN107464016A (zh) * | 2017-07-27 | 2017-12-12 | 北京交通大学 | 考虑电池剩余电量的电动汽车充电路线诱导方法 |
DE102016217087A1 (de) * | 2016-09-08 | 2018-03-08 | Bayerische Motoren Werke Aktiengesellschaft | Lade-Fahr-Assistent für Elektrofahrzeuge und Elektrofahrzeug |
CN108162771A (zh) * | 2017-11-09 | 2018-06-15 | 贵州电网有限责任公司电力科学研究院 | 一种电动汽车智能充电导航方法 |
CN108981736A (zh) * | 2018-05-28 | 2018-12-11 | 国网江苏省电力有限公司电力科学研究院 | 一种基于用户出行规律的电动汽车充电路径优化方法 |
CN110797866A (zh) * | 2019-11-06 | 2020-02-14 | 国网湖南省电力有限公司 | 电动汽车参与电网调频/调压的动态路径规划方法 |
-
2020
- 2020-09-27 CN CN202011033191.3A patent/CN112149906B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512580A (zh) * | 2012-06-21 | 2014-01-15 | 日电(中国)有限公司 | 一种电动汽车路径规划方法及装置 |
WO2014127849A1 (en) * | 2013-02-25 | 2014-08-28 | Nec Europe Ltd. | Method and system for determining routes of vehicles |
DE102016217087A1 (de) * | 2016-09-08 | 2018-03-08 | Bayerische Motoren Werke Aktiengesellschaft | Lade-Fahr-Assistent für Elektrofahrzeuge und Elektrofahrzeug |
CN107464016A (zh) * | 2017-07-27 | 2017-12-12 | 北京交通大学 | 考虑电池剩余电量的电动汽车充电路线诱导方法 |
CN108162771A (zh) * | 2017-11-09 | 2018-06-15 | 贵州电网有限责任公司电力科学研究院 | 一种电动汽车智能充电导航方法 |
CN108981736A (zh) * | 2018-05-28 | 2018-12-11 | 国网江苏省电力有限公司电力科学研究院 | 一种基于用户出行规律的电动汽车充电路径优化方法 |
CN110797866A (zh) * | 2019-11-06 | 2020-02-14 | 国网湖南省电力有限公司 | 电动汽车参与电网调频/调压的动态路径规划方法 |
Non-Patent Citations (4)
Title |
---|
ZHANG YING 等: "Shortest feasible paths with partial charging for battery-powered electric vehicles in smart cities", PERVASIVE AND MOBILE COMPUTING, vol. 50, pages 82 - 93 * |
冯智泉 等: "蚁群算法求电动汽车最优行驶路径与充电方案", 机电一体化, vol. 19, no. 08, pages 43 - 48 * |
张伯男 等: "多需求场景下的汽车充电路径诱导优化", 交通节能与环保, vol. 16, no. 04, pages 22 - 27 * |
李鹏程 等: "一种电动汽车智能充电最优引导优化模型", 《电器与能效管理技术》, no. 18, pages 63 - 69 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113989952A (zh) * | 2021-10-22 | 2022-01-28 | 国网山东省电力公司利津县供电公司 | 基于分布式电源网点的电力设备巡视系统 |
CN113989952B (zh) * | 2021-10-22 | 2023-10-24 | 国网山东省电力公司利津县供电公司 | 基于分布式电源网点的电力设备巡视系统 |
CN115440074A (zh) * | 2022-08-24 | 2022-12-06 | 中国人民解放军军事科学院战争研究院 | 一种基于m/m/1/n排队的紧急道路推荐方法 |
CN115440074B (zh) * | 2022-08-24 | 2024-04-16 | 中国人民解放军军事科学院战争研究院 | 一种基于m/m/1/n排队的紧急道路推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112149906B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tafreshian et al. | Frontiers in service science: Ride matching for peer-to-peer ride sharing: A review and future directions | |
US9739624B2 (en) | Vehicle power management utilizing operator schedule data | |
CN103236179B (zh) | 一种计及交通信息与电网信息的电动汽车充电导航方法 | |
CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划系统及方法 | |
Alizadeh et al. | Optimized path planning for electric vehicle routing and charging | |
Hamadneh et al. | Impacts of shared autonomous vehicles on the travelers’ mobility | |
CN115100896B (zh) | 一种考虑机会充电策略的电动需求响应公交调度方法 | |
CN113505962B (zh) | 一种考虑完整行程的电动汽车导航与充电预约方法 | |
CN112149906A (zh) | 一种计及充电时间的电动车出行线路综合优化方法 | |
CN110084382B (zh) | 一种配电网检修车辆调度方法及系统 | |
CN106991727A (zh) | 一种高速公路互通计费的方法及系统 | |
CN115222156A (zh) | 基于分时对偶路网考虑用户需求响应的汽车充电调度方法 | |
Sivagnanam et al. | Minimizing energy use of mixed-fleet public transit for fixed-route service | |
Zeng et al. | Exploring the ridesharing efficiency of taxi services | |
CN112750063B (zh) | 基于随机规划的公交车队设施选址-路径规划-调度方法 | |
CN113222248B (zh) | 一种自动驾驶出租车充电桩选择方法 | |
CN115689083A (zh) | 一种预见性能量管理方法、装置、电子设备及存储介质 | |
CN115556599A (zh) | 基于云平台的车对车充电方法、装置及云平台服务器 | |
CN115359646A (zh) | 一种基于车载终端的换电车辆调度方法及系统 | |
Shi et al. | The economic impact of electric vehicle routing and charging strategy on traffic-power integrated networks | |
CN113642796A (zh) | 基于历史数据的动态共享电动自动驾驶车辆路径规划方法 | |
Al-Alwash et al. | Optimal charging scheme for electric vehicles (EVs) in SDN-based vehicular network, scheduling, and routing | |
CN112993980A (zh) | 一种电动汽车充电负荷时空概率分布模型计算方法 | |
Xu et al. | A deployment model of charging pile based on random forest for shared electric vehicle in smart cities | |
CN115358471B (zh) | 一种基于移动充电的电动汽车配送路径规划方法及系统 |
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 |