CN113029182A - 一种考虑无线充电和动态能耗的电动汽车路径规划方法 - Google Patents
一种考虑无线充电和动态能耗的电动汽车路径规划方法 Download PDFInfo
- Publication number
- CN113029182A CN113029182A CN202110441165.2A CN202110441165A CN113029182A CN 113029182 A CN113029182 A CN 113029182A CN 202110441165 A CN202110441165 A CN 202110441165A CN 113029182 A CN113029182 A CN 113029182A
- Authority
- CN
- China
- Prior art keywords
- charging
- wireless charging
- road
- energy consumption
- path
- 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
- 238000005265 energy consumption Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 55
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000005611 electricity Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 2
- 101150091111 ACAN gene Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Navigation (AREA)
Abstract
本发明的目的是提供一种考虑无线充电和动态能耗的电动汽车路径规划方法,首先利用蒙特卡洛法确定电动汽车的起点和终点,加载交通路网信息、无线充电道路信息、各路段的平均通行速度、不同交通状况下的能耗信息;系统自动检测电动汽车的荷电状态。然后根据起点和终点使用Dijkstra算法规划出最小能耗路径并计算出考虑无线充电下的最小能耗;接着根据电动汽车的荷电状态判断是否需要前往充电站充电,如需充电,根据用户的不同需求,建立不同的优化目标,本发明有效结合无线充电网、道路交通网和充电站,在行驶过程中考虑到电动汽车的动态能耗,根据用户需求完成充电路径规划,提供较好的路径规划解决方案。
Description
技术领域
本发明属于路径规划技术领域,具体涉及一种考虑无线充电和动态能耗的电动汽车路径规划方法。
背景技术
现有随着汽车产业的高速发展,在5G普及、交通新基建的加持下,传统燃油汽车带来的环境污染和能源短缺问题日益突出,而电动汽车以其电动化、智能化、污染小等特点越来越受到人们的青睐,成为未来汽车产业发展的核心方向。但受限于电动汽车充电时间较长,充电桩分布不均等问题,在城市交通道路上进行电动汽车的充电路径规划研究显得尤为重要,电动汽车无线充电技术近年来也越来越受到人们关注,路径规划是也要考虑到无线充电带来的影响。
目前电动汽车充电路径规划领域已经取得了一定的研究成果,但有的方案尽从配电网、充电站角度研究电动汽车充电路径规划问题,更多的关注电动汽车对电网和充电站运营的影响,未更多的研究交通路况在充电路径规划中的参与。有的方案从交通网角度对充电路径规划进行研究,更多的从交通路网信息和充电站布局对充电路径进行规划。但对电力系统影响考虑不足,这样往往不符合实际的路径规划需求。电动汽车具备交通工具特性,同时也具有移动负荷特性,所以和电网、交通网均具有耦合关系,在进行电动汽车充电路径规划时,应考虑到电力系统和交通产生的交互影响。
综上所述,对电动汽车充电路径规划有进一步完善和研究的空间,在判断电动汽车是否需要充电,应考虑电动汽车的实时动态能耗,当进行最优充电路径规划时,对路段权值进行综合考虑,考虑道路无线充电带来的影响。
发明内容
本发明的目的是提供一种考虑无线充电和动态能耗的电动汽车路径规划方法,能够根据不同的优化目标,为用户提供对应的考虑无线充电和动态能耗路径规划方案。
本发明解决其技术问题的技术方案为:一种考虑无线充电和动态能耗的电动汽车路径规划方法,包括以下步骤:
S1:建立考虑无线充电的道路交通网,确定电动汽车的起点和终点,加载交通路网信息、无线充电网信息、各路段的平均通行速度、不同交通状况下的能耗信息,检测电动汽车的荷电状态;
S2:基于无线充电的道路交通网中的路网信息和无线充电网中的充电信息,根据起点和终点使用Dijkstra算法规划出最小能耗路径并计算出考虑无线充电下的最小能耗;
S3:根据电动汽车当前的荷电状态判断是否需要前往插入式充电站充电,如不需要充电,则以最小能耗路径进行导航;如需充电,建立对应需求的优化目标,如距离最优、时间最优、费用最优和综合优化目标;
S4:选择其中的一种优化目标对无线充电路网下的充电路径进行规划并导航;
所述步骤S1具体为:首先建立考虑无线充电的道路交通网G,交通网G包道路节点信息N和路段信息V,节点信息N包括所建城市路网模型的道路交叉口信息和充电站位置信息,路段信息V包括路网模型中各路段长度、路段平均通行速度、不同交通状况下的电动汽车能耗信息,无线充电网W包括无线充电道路的充电功率信息。
所述步骤S1中系统自动检测电动汽车的荷电状态的方法具体为:利用蒙特卡洛方法随机分配电动汽车的初始电量E0,系统根据电动汽车的初始电量和电池容量E计算出汽车的荷电状态Soc,电动汽车的荷电状态由下式计算:
所述步骤S2具体为:
S2.1:由于充电路径优化问题寻找的是两个路网节点之间最优路径P,所以路径P由一组最优有向分支所组成;设有向分支为xij,如果最优路径P包含道路(i,j),则xij=1,否则为0;
S2.2:设R={Ri|i∈N}为路网中节点的出发向量集合,则:
对于任意节点i,元素Zi表示离开节点i的流量减去到达节点i的流量,Zi可以表示为:
对于一个路径,Zi=1代表为起止节点,Zi=-1代表为终点,Zi=0代表为其它节点;
S2.3:当一辆电动汽车从节点i行驶到节点j时,电动汽车电池电量的变化表示为:
S2.4:每条道路上电动汽车电池状态的变化为:
当电动汽车行驶在无线充电路径上时,其无线充电电量变化表示为:
yij表示道路(i,j)上是否使用无线充电的二进制参数,如果可以无线充电,其值为1,否则为0;dij为无线充电道路距离,py为单位距离的无线充电量,ηy为无线充电功率。
当电动汽车在道路上行驶时,其消耗的电量表示为:
式中dij表示行驶道路的长度,K表示单位距离的耗电量。
S2.5:根据电池电量的变化Ej得到无线充电路网下的能耗权值矩阵A,能耗权值矩阵A可以表示为
式中E表示能量消耗的权值,∞表示节点间不存在连接关系,然后将能耗权值矩阵输入Dijkstra算法,输出最小能耗的节点路径和最小能耗值。
所述步骤S3中以距离最优作为优化目标时,用户出行总距离为从起点经过充电站到达目的地的总距离,计算公式为:
式中dij为最优路径行驶的分支距离。
所述步骤S3中以时间最优作为优化目标时,总时间由两部分组成,在无线充电道路上消耗的时间和在插入式充电站上充电的时间,总时间计算为:
所述步骤S3中以费用最优作为优化目标时,总费用包括两部分,无线道路充电的费用和插入式电站充电的费用,总费用表示为:
Cost=Costw+Costp
无线充电的费用CostW和插入式充电的费用Costz用以下式计算:
式中,E2为无线充电的电量,uy为无线充电电价;E3为插入式充电站充的电量,uz为插入式充电电价。
所述步骤S3中以综合优化作为优化目标时,综合优化目标依据总时间和总费用建立,综合优化目标表示为:
Compre=(1-ω)δTime+ωCost
式中,δ为时间价值,ω是调整两个子目标时间和成本的权重;ω小于1,大于0。
还包括步骤S4,所述步骤S4具体为:
S4.1:根据城市出行规律,进行大规模电动汽车的仿真,利用蒙特卡洛法模拟不同用户出行的出发时间,不同的出发时间对应一个实时的交通路况;
S4.2:对任意一个实时的交通路况利用步骤S1-S3的步骤进行充电路径规划;
S4.3:对所有实时的交通路况进行统计,得到大规模电动汽车一天内不同优化目标下的总距离、总时间、总费用和总的充电车辆数。
本发明的有益效果为:本发明首先利用蒙特卡洛法确定电动汽车的起点和终点,加载交通路网信息、无线充电道路信息、各路段的平均通行速度、不同交通状况下的能耗信息;系统自动检测电动汽车的荷电状态。然后根据起点和终点使用Dijkstra算法规划出最小能耗路径并计算出考虑无线充电下的最小能耗;接着根据电动汽车的荷电状态判断是否需要前往充电站充电,如需充电,可根据用户的不同需求,建立不同的优化目标,如时间最优、费用最优、距离最优和综合最优进行充电路径规划。本发明有效结合无线充电网、道路交通网和充电站,在行驶过程中考虑到电动汽车的动态能耗,根据用户需求完成充电路径规划,提供较好的路径规划解决方案。
附图说明
图1是本发明的流程图。
图2是本发明的两种情形下出行路径规划结果图。
图3是本发明不同优化目标下的结果对比图。
图4是本发明不同优化目标下的路径规划结果图。
图5是本发明不同优化目标下100辆电动汽车的仿真结果对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。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。
如图1所示,本发明包括以下步骤:
S1:建立考虑无线充电的道路交通网,确定电动汽车的起点和终点,加载交通路网信息、无线充电网信息、各路段的平均通行速度、不同交通状况下的能耗信息,检测电动汽车的荷电状态;
所述步骤S1具体为:首先建立考虑无线充电的道路交通网G,交通网G包道路节点信息N和路段信息V,节点信息N包括所建城市路网模型的道路交叉口信息和充电站位置信息,路段信息V包括路网模型中各路段长度、路段平均通行速度、不同交通状况下的电动汽车能耗信息,无线充电网W包括无线充电道路的充电功率信息。
所述步骤S1中系统自动检测电动汽车的荷电状态的方法具体为:利用蒙特卡洛方法随机分配电动汽车的初始电量E0,系统根据电动汽车的初始电量和电池容量E计算出汽车的荷电状态Soc,电动汽车的荷电状态由下式计算:
S2:基于无线充电的道路交通网中的路网信息和无线充电网中的充电信息,根据起点和终点使用Dijkstra算法规划出最小能耗路径并计算出考虑无线充电下的最小能耗;
所述步骤S2具体为:
S2.1:由于充电路径优化问题寻找的是两个路网节点之间最优路径P,所以路径P由一组最优有向分支所组成;设有向分支为xij,如果最优路径P包含道路(i,j),则xij=1,否则为0;
S2.2:设R={Ri|i∈N}为路网中节点的出发向量集合,则:
对于任意节点i,元素Zi表示离开节点i的流量减去到达节点i的流量,Zi可以表示为:
对于一个路径,Zi=1代表为起止节点,Zi=-1代表为终点,Zi=0代表为其它节点;
S2.3:当一辆电动汽车从节点i行驶到节点j时,电动汽车电池电量的变化表示为:
S2.4:每条道路上电动汽车电池状态的变化为:
当电动汽车行驶在无线充电路径上时,其无线充电电量变化表示为:
yij表示道路(i,j)上是否使用无线充电的二进制参数,如果可以无线充电,其值为1,否则为0;dij为无线充电道路距离,py为单位距离的无线充电量,ηy为无线充电功率。
当电动汽车在道路上行驶时,其消耗的电量表示为:
式中dij表示行驶道路的长度,K表示单位距离的耗电量。
S2.5:根据电池电量的变化Ej得到无线充电路网下的能耗权值矩阵A,能耗权值矩阵A可以表示为
式中E表示能量消耗的权值,∞表示节点间不存在连接关系,然后将能耗权值矩阵输入Dijkstra算法,输出最小能耗的节点路径和最小能耗值。
S3:根据电动汽车当前的荷电状态判断是否需要前往插入式充电站充电,如不需要充电,则以最小能耗路径进行导航;如需充电,建立对应需求的优化目标,如距离最优、时间最优、费用最优和综合优化目标;
所述步骤S3中以时间最优作为优化目标时,总时间由两部分组成,在无线充电道路上消耗的时间和在插入式充电站上充电的时间,总时间计算为:
所述步骤S3中以费用最优作为优化目标时,总费用包括两部分,无线道路充电的费用和插入式电站充电的费用,总费用表示为:
Cost=Costw+Costp
无线充电的费用CostW和插入式充电的费用Costz用以下式计算:
式中,E2为无线充电的电量,uy为无线充电电价;E3为插入式充电站充的电量,uz为插入式充电电价。
所述步骤S3中以综合优化作为优化目标时,综合优化目标依据总时间和总费用建立,综合优化目标表示为:
Compre=(1-ω)δTime+ωCost
式中,δ为时间价值,ω是调整两个子目标时间和成本的权重;ω小于1,大于0。
S4:选择其中的一种优化目标对无线充电路网下的充电路径进行规划并导航;
所述步骤S3中以距离最优作为优化目标时,用户出行总距离为从起点经过充电站到达目的地的总距离,计算公式为:
式中dij为最优路径行驶的分支距离。
还包括步骤S4,所述步骤S4具体为:
S4.1:根据城市出行规律,进行大规模电动汽车的仿真,利用蒙特卡洛法模拟不同用户出行的出发时间,不同的出发时间对应一个实时的交通路况;
S4.2:对任意一个实时的交通路况利用步骤S1-S3的步骤进行充电路径规划;
S4.3:对所有实时的交通路况进行统计,得到大规模电动汽车一天内不同优化目标下的总距离、总时间、总费用和总的充电车辆数。
无线充电对充电路径的影响分析:
本实施例选用某种可插入式电动汽车为例,情形1为考虑无线充电规划充电路径,情形2为未考虑无线充电规划充电路径。电动汽车的出发时间为7:00,在上述两种情形下电动汽车的出发节点为4,目的地节点为77,电动汽车的电池容量为25KW·h,出发荷电状态为0.2,在优化目标为能量消耗最小的相同条件下规划充电路径。出行路径如图2所示,优化结果如表1所示。仿真结果显示:考虑道路上的无线充电,电动汽车能同时兼顾行驶和充电,表观上电量消耗更少,车辆能直接开往目的地。而情形2下,汽车消耗电量大于初始电量,必须规划路径前往充电站充电才能出行,图2为两种情形下规划路径的可视化,其中,在图中最细的路径为两圈环线,为可充电道路,中等粗细的路径为考虑无线充电的规划路径,最粗的路径为不考虑无线充电的规划路径。
表1是否考虑无线充电的电动汽车充电路径规划结果
情形 | 电量消耗/kw·h | 行程距离/km | 行驶时间/h |
考虑无线充电 | 6.0370 | 86.5000 | 2.5222 |
未考虑无线充电 | 13.3950 | 0 | 0 |
无线充电环境中不同优化目标下的充电结果分析:
以单辆电动汽车为例,设置4种不同的优化目标规划充电路径,在无线充电路网下,不同优化目标下的仿真条件相同,电动汽车的起始节点为71,目的地节点为10,出发SOC为0.2,出发时间为7:00,权重ω设为0.5,单位时间费用为10。目标1为最少行程距离,目标2为最小行程时间,目标3为最小充电费用,目标4为最少综合费用。路径优化结果如表2所示,对表2的规划结果对比如图3所示,不同目标下的出行路径如图4所示,其中,最细的两圈路径为可无线充电道路,第二细的路段优化目标为最少行程距离,第三细的路段优化目标为最小行程时间,第三细的路段优化目标为最小充电费用,最粗的路段优化目标为最少综合费用,其中,重合的部分以最粗的线路显示。
表2不同优化目标下的电动汽车充电路径规划结果
目标 | 行程距离/km | 行驶时间/h | 充电时间/h | 充电成本/元 |
最小行程距离 | 89.0000 | 2.4870 | 1.4407 | 64.6281 |
最少行程时间 | 92.0000 | 2.2935 | 1.4045 | 65.9283 |
最小充电费用 | 90.8000 | 2.6426 | 1.4972 | 64.0044 |
最少综合费用 | 89.4000 | 2.3509 | 1.4656 | 64.7919 |
多电动汽车充电路径规划结果分析:
假设仿真区域内有100辆电动汽车有出行需求,利用蒙特卡洛方法模拟用户出行的出发时间,并且随机分配100×2个节点作为用户出行的起始节点和目的地节点。
通过Matlab仿真,在可以进行无线充电的路网条件下,得到100辆电动汽车在四种不同的优化目标下的行程总距离、出行时间总成本、充电费用总成本和去充电站充电车辆数仿真数据,如表3所示,图5是表3中的仿真结果对比。在4种不同的优化目标下,电动汽车的充电数量不相同,在目标1下,前往充电站充电汽车数量最多,因为以最短距离为优化目标,没有考虑不同交通路况带来的能耗影响,也未考虑无线充电路段,导致电量消耗过大,需要前往充电站充电。目标4下,兼顾了时间成本和充电费用,充电车辆数最少,综合表现最优。
表3不同优化目标下100辆电动汽车的仿真结果
本发明首先利用蒙特卡洛法确定电动汽车的起点和终点,加载交通路网信息、无线充电道路信息、各路段的平均通行速度、不同交通状况下的能耗信息;系统自动检测电动汽车的荷电状态。然后根据起点和终点使用Dijkstra算法规划出最小能耗路径并计算出考虑无线充电下的最小能耗;接着根据电动汽车的荷电状态判断是否需要前往充电站充电,如需充电,可根据用户的不同需求,建立不同的优化目标,如时间最优、费用最优、距离最优和综合最优进行充电路径规划。本发明有效结合无线充电网、道路交通网和充电站,在行驶过程中考虑到电动汽车的动态能耗,根据用户需求完成充电路径规划,提供较好的路径规划解决方案。
Claims (9)
1.一种考虑无线充电和动态能耗的电动汽车路径规划方法,其特征在于:包括以下步骤:
S1:建立考虑无线充电的道路交通网,确定电动汽车的起点和终点,加载交通路网信息、无线充电网信息、各路段的平均通行速度、不同交通状况下的能耗信息,检测电动汽车的荷电状态;
S2:基于无线充电的道路交通网中的路网信息和无线充电网中的充电信息,根据起点和终点使用Dijkstra算法规划出最小能耗路径并计算出考虑无线充电下的最小能耗;
S3:根据电动汽车当前的荷电状态判断是否需要前往插入式充电站充电,如不需要充电,则以最小能耗路径进行导航;如需充电,建立对应需求的优化目标,如距离最优、时间最优、费用最优和综合优化目标;
S4:选择其中的一种优化目标对无线充电路网下的充电路径进行规划并导航。
2.根据权利要求1所述的一种考虑无线充电和动态能耗的电动汽车路径规划方法,其特征在于:所述步骤S1具体为:首先建立考虑无线充电的道路交通网G,交通网G包道路节点信息N和路段信息V,节点信息N包括所建城市路网模型的道路交叉口信息和充电站位置信息,路段信息V包括路网模型中各路段长度、路段平均通行速度、不同交通状况下的电动汽车能耗信息,无线充电网W包括无线充电道路的充电功率信息。
4.根据权利要求1所述的一种考虑无线充电和动态能耗的电动汽车路径规划方法,其特征在于:所述步骤S2具体为:
S2.1:由于充电路径优化问题寻找的是两个路网节点之间最优路径P,所以路径P由一组最优有向分支所组成;设有向分支为xij,如果最优路径P包含道路(i,j),则xij=1,否则为0;
S2.2:设R={Ri|i∈N}为路网中节点的出发向量集合,则:
对于任意节点i,元素Zi表示离开节点i的流量减去到达节点i的流量,Zi可以表示为:
对于一个路径,Zi=1代表为起止节点,Zi=-1代表为终点,Zi=0代表为其它节点;
S2.3:当一辆电动汽车从节点i行驶到节点j时,电动汽车电池电量的变化表示为:
当电动汽车行驶在无线充电路径上时,其无线充电电量变化表示为:
yij表示道路(i,j)上是否使用无线充电的二进制参数,如果可以无线充电,其值为1,否则为0;dij为无线充电道路距离,py为单位距离的无线充电量,ηy为无线充电功率。
当电动汽车在道路上行驶时,其消耗的电量表示为:
式中dij表示行驶道路的长度,K表示单位距离的耗电量。
S2.5:根据电池电量的变化Ej得到无线充电路网下的能耗权值矩阵A,能耗权值矩阵A可以表示为
式中E表示能量消耗的权值,∞表示节点间不存在连接关系,然后将能耗权值矩阵输入Dijkstra算法,输出最小能耗的节点路径和最小能耗值。
8.根据权利要求1所述的一种考虑无线充电和动态能耗的电动汽车路径规划方法,其特征在于:所述步骤S3中以综合优化作为优化目标时,综合优化目标依据总时间和总费用建立,综合优化目标表示为:
Compre=(1-ω)δTime+ωCost
式中,δ为时间价值,ω是调整两个子目标时间和成本的权重;ω小于1,大于0。
9.根据权利要求1所述的一种考虑无线充电和动态能耗的电动汽车路径规划方法,其特征在于:还包括步骤S4,所述步骤S4具体为:
S4.1:根据城市出行规律,进行大规模电动汽车的仿真,利用蒙特卡洛法模拟不同用户出行的出发时间,不同的出发时间对应一个实时的交通路况;
S4.2:对任意一个实时的交通路况利用步骤S1-S3的步骤进行充电路径规划;
S4.3:对所有实时的交通路况进行统计,得到大规模电动汽车一天内不同优化目标下的总距离、总时间、总费用和总的充电车辆数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110441165.2A CN113029182B (zh) | 2021-04-23 | 2021-04-23 | 一种考虑无线充电和动态能耗的电动汽车路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110441165.2A CN113029182B (zh) | 2021-04-23 | 2021-04-23 | 一种考虑无线充电和动态能耗的电动汽车路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113029182A true CN113029182A (zh) | 2021-06-25 |
CN113029182B CN113029182B (zh) | 2024-02-13 |
Family
ID=76457480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110441165.2A Active CN113029182B (zh) | 2021-04-23 | 2021-04-23 | 一种考虑无线充电和动态能耗的电动汽车路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113029182B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113361817A (zh) * | 2021-07-05 | 2021-09-07 | 广东工业大学 | 电池成本和充电成本优化方法及应用 |
CN113984079A (zh) * | 2021-10-26 | 2022-01-28 | 沈阳美行科技有限公司 | 电动车的路线规划方法、装置、电子设备和存储介质 |
CN114254811A (zh) * | 2021-12-01 | 2022-03-29 | 东南大学 | 插电式混合动力汽车路由方法、装置、车辆及存储介质 |
CN114485702A (zh) * | 2021-12-30 | 2022-05-13 | 国网江苏省电力有限公司连云港供电分公司 | 一种电动汽车充电路径规划方法及系统 |
CN114572054A (zh) * | 2022-02-25 | 2022-06-03 | 智己汽车科技有限公司 | 车辆补电方法及设备 |
CN115204513A (zh) * | 2022-07-29 | 2022-10-18 | 国网江苏电动汽车服务有限公司 | 一种考虑双边利益的电动汽车充电多目标引导方法 |
CN117553816A (zh) * | 2023-11-02 | 2024-02-13 | 浙江大学 | 考虑车主偏好与需求的电动汽车路径规划与充放电策略联合优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046356A (zh) * | 2015-07-13 | 2015-11-11 | 武汉大学 | 一种电动汽车续航里程优化装置及方法 |
CN107323300A (zh) * | 2017-07-26 | 2017-11-07 | 河海大学 | 一种基于路‑站‑车联合模型的电动汽车预约充电方法 |
EP3608633A1 (en) * | 2018-08-07 | 2020-02-12 | General Electric Company | System and method for guiding a vehicle along a travel path |
CN111220168A (zh) * | 2019-11-29 | 2020-06-02 | 安徽江淮汽车集团股份有限公司 | 一种电动汽车充电路径规划方法、装置和存储介质 |
CN112330013A (zh) * | 2020-11-03 | 2021-02-05 | 河海大学 | 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法 |
-
2021
- 2021-04-23 CN CN202110441165.2A patent/CN113029182B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046356A (zh) * | 2015-07-13 | 2015-11-11 | 武汉大学 | 一种电动汽车续航里程优化装置及方法 |
CN107323300A (zh) * | 2017-07-26 | 2017-11-07 | 河海大学 | 一种基于路‑站‑车联合模型的电动汽车预约充电方法 |
EP3608633A1 (en) * | 2018-08-07 | 2020-02-12 | General Electric Company | System and method for guiding a vehicle along a travel path |
CN110825103A (zh) * | 2018-08-07 | 2020-02-21 | 通用电气公司 | 用于沿着行进路径引导运载工具的系统和方法 |
CN111220168A (zh) * | 2019-11-29 | 2020-06-02 | 安徽江淮汽车集团股份有限公司 | 一种电动汽车充电路径规划方法、装置和存储介质 |
CN112330013A (zh) * | 2020-11-03 | 2021-02-05 | 河海大学 | 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法 |
Non-Patent Citations (2)
Title |
---|
李鹏程;丛中笑;杨婧;: "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 * |
祝镱雯;程宗毛;: "基于充电车能量利用率的充电优化策略", 杭州电子科技大学学报(自然科学版), no. 01 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113361817A (zh) * | 2021-07-05 | 2021-09-07 | 广东工业大学 | 电池成本和充电成本优化方法及应用 |
CN113984079A (zh) * | 2021-10-26 | 2022-01-28 | 沈阳美行科技有限公司 | 电动车的路线规划方法、装置、电子设备和存储介质 |
CN113984079B (zh) * | 2021-10-26 | 2024-04-19 | 沈阳美行科技股份有限公司 | 电动车的路线规划方法、装置、电子设备和存储介质 |
CN114254811A (zh) * | 2021-12-01 | 2022-03-29 | 东南大学 | 插电式混合动力汽车路由方法、装置、车辆及存储介质 |
CN114254811B (zh) * | 2021-12-01 | 2024-05-07 | 东南大学 | 插电式混合动力汽车路由方法、装置、车辆及存储介质 |
CN114485702A (zh) * | 2021-12-30 | 2022-05-13 | 国网江苏省电力有限公司连云港供电分公司 | 一种电动汽车充电路径规划方法及系统 |
CN114572054A (zh) * | 2022-02-25 | 2022-06-03 | 智己汽车科技有限公司 | 车辆补电方法及设备 |
CN115204513A (zh) * | 2022-07-29 | 2022-10-18 | 国网江苏电动汽车服务有限公司 | 一种考虑双边利益的电动汽车充电多目标引导方法 |
CN117553816A (zh) * | 2023-11-02 | 2024-02-13 | 浙江大学 | 考虑车主偏好与需求的电动汽车路径规划与充放电策略联合优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113029182B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113029182A (zh) | 一种考虑无线充电和动态能耗的电动汽车路径规划方法 | |
Shao et al. | Electric vehicle‐routing problem with charging demands and energy consumption | |
CN107067110B (zh) | 车-路-网模式下电动汽车充电负荷时空预测方法 | |
CN109034465B (zh) | 考虑充电站选址与出行路径耦合的充电站两层规划方法 | |
James | Two-stage request scheduling for autonomous vehicle logistic system | |
Shi et al. | A distributed EV navigation strategy considering the interaction between power system and traffic network | |
Cerna et al. | Optimal delivery scheduling and charging of EVs in the navigation of a city map | |
Sayarshad et al. | Non-myopic dynamic routing of electric taxis with battery swapping stations | |
CN102788584B (zh) | 道路坡度数据生成装置及生成方法、车辆用控制装置及车辆的能量消耗量预测装置 | |
CN110189025B (zh) | 考虑不同负荷增长的电动汽车充电站规划方案获取方法 | |
CN106965688A (zh) | 一种电网和交通网协同环境下的电动汽车充电方法 | |
CN108944500B (zh) | 一种分布式站点联合控制的电动汽车充电调度方法 | |
CN103339664A (zh) | 充电器配置计划支持装置、充电器配置计划支持方法和程序 | |
CN112686441B (zh) | 基于交通均衡的电动汽车充电导航及路径选择方法 | |
Guo et al. | Research on architecture of ITS based smart charging guide system | |
Su et al. | Forecast of electric vehicle charging demand based on traffic flow model and optimal path planning | |
Qiao et al. | Vehicle powertrain connected route optimization for conventional, hybrid and plug-in electric vehicles | |
CN111126712A (zh) | 一种面向通勤廊道的停车充电换乘系统规划方法 | |
Ben Abbes et al. | Route planning for electric vehicles | |
CN110084520A (zh) | 基于公交线路与网格化ap算法的充电站选址方法及装置 | |
Liao et al. | Load modeling for electric taxi battery charging and swapping stations: Comparison studies | |
Zhang et al. | A second order cone programming model for pev fast-charging station planning | |
Shrestha et al. | Spatial-temporal stochasticity of electric vehicles in an integrated traffic and power system | |
Li et al. | Development of electric vehicle charging corridor for South Carolina | |
Morro-Mello et al. | Spatial-temporal model to estimate the load curves of charging stations for electric vehicles |
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 |