CN114861998A - 一种基于混沌猫群算法的移动补电车调度方法及其系统 - Google Patents

一种基于混沌猫群算法的移动补电车调度方法及其系统 Download PDF

Info

Publication number
CN114861998A
CN114861998A CN202210429408.5A CN202210429408A CN114861998A CN 114861998 A CN114861998 A CN 114861998A CN 202210429408 A CN202210429408 A CN 202210429408A CN 114861998 A CN114861998 A CN 114861998A
Authority
CN
China
Prior art keywords
waiting
charged
vehicle
electric
mobile
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
CN202210429408.5A
Other languages
English (en)
Inventor
孙美
季胜蓝
施佺
邱卫东
赵芷蕙
李洪亮
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.)
Nantong University
Original Assignee
Nantong University
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 Nantong University filed Critical Nantong University
Priority to CN202210429408.5A priority Critical patent/CN114861998A/zh
Publication of CN114861998A publication Critical patent/CN114861998A/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
    • G06Q10/04—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Optimization (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Nonlinear Science (AREA)
  • Educational Administration (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于新能源技术领域，具体涉及一种基于混沌猫群算法的移动补电车调度方法及其系统。包括以下步骤：S1、获取目标区域内空闲的充电站的位置信息，所有移动补电车位置信息以及所有等待充电的电动车的位置信息；S2、根据给定的限制条件、所有等待充电的电动车的位置信息、目标区域内空闲的充电站的位置信息、所有移动补电车的位置信息得出所有移动补电车到达等待充电的电动车的多个路径优化方案信息；S3、根据预设的等待充电时间规则计算多个路径优化方案信息的移动补电车的响应时间；S4、对多个路径优化方案信息的移动补电车的响应时间进行升序排序，并按照排序结果显示预设数量的路径优化方案信息。

Description

一种基于混沌猫群算法的移动补电车调度方法及其系统
技术领域
本发明属于新能源技术领域，具体涉及一种基于混沌猫群算法的移动补电车调度方法及其系统。
背景技术
移动补电车相当于一座小型“充电站”，作为分布式储能电源或应急电源其作用是随时随地为电动汽车应急充电。利用快充模式，在无桩地区或充电设施故障等紧急情况下，给电动汽车充电10分钟，可供其续驶40公里左右。但是当新能源汽车发出充电需求时，移动补电车如何快速到达待充点；或者是当新能源汽车发出充电需求时，系统如何响应给出最短时间的路径规划使得两车接驳补电；因此对移动补电车供电路径优化的研究是新能源汽车行业发展的关键环节。
发明内容
本发明提出了一种基于混沌猫群算法的移动补电车调度方法及其系统，目的是提供移动补电车调度路径优化系统与方法，用以解决现有电动车充电难，空闲的充电站少的问题。
本发明所采用的技术方案是：
一种基于混沌猫群算法的移动补电车调度优化的方法，包括以下步骤：
S1、获取目标区域内空闲的充电站的位置信息，所有移动补电车位置信息以及所有等待充电的电动车的位置信息；S2、根据给定的限制条件、所有等待充电的电动车的位置信息、目标区域内空闲的充电站的位置信息、所有移动补电车的位置信息得出所有移动补电车到达等待充电的电动车的多个路径优化方案信息；S3、根据预设的等待充电时间规则计算多个路径优化方案信息的移动补电车的响应时间；S4、对多个路径优化方案信息的移动补电车的响应时间进行升序排序，并按照排序结果显示预设数量的路径优化方案信息。
作为本发明的优选技术方案：所述S2中给定的限制条件包括等待充电的电动车发出补电信息时的可续航路程小于到达空闲的充电站的距离、移动补电车到等待充电的电动车的距离不超过预设距离、等待充电的电动车处在可以边充边行驶的道路上、等待充电的电动车可以在续航允许的范围内找到可停点等待充电。
作为本发明的优选技术方案：所述S2中给定的限制条件还包括移动补电车至少可以为等待充电的电动车补电续航到最近的空闲的充电站或下一辆移动补电车到等待充电的电动车的预设距离范围内。
作为本发明的优选技术方案：所述S4还包括：当按照多个路径优化方案信息的移动补电车到达等待充电的电动车的时间相同时，则对所述至少两个路径优化方案按照等待充电的电动车充电后可续航的路程进行降序排序；当对所述至少两个调度路径优化方案按照等待充电的电动车充电后可续航的路程进行降序排序时存在至少两个路径优化方案的续航总路程相同，则按照补电后移动补电车返航时长的指标进行排序。
作为本发明的优选技术方案：所述S4还包括：当按照多个路径优化方案信息的移动补电车到达等待充电的电动车的时间相同时，则对所述至少两个路径优化方案信息按照移动补电车运行的路程或补电返航总时间进行升序排序；当对所述至少两个路径优化方案信息按照总时长进行升序排序时存在至少两个路径优化方案信息的总路程和总时长相同，则按照每辆移动补电车到达等待充电的电动车位置后，该位置附近可工作的移动补电车数量进行排序。
一种基于混沌猫群算法的移动补电车调度优化的方法的系统，包括：
数据获取模块，用于获取目标区域内所有等待充电的电动车的位置信息和可工作的移动补电车的位置信息，以及所有空闲的充电站的位置信息；
算法优化模块，用于根据给定的限制条件、所有等待充电的电动车的位置信息和等待充电的电动车目前能续航距离信息，以及所有可工作的移动补电车的位置信息得到多个路径优化方案信息；所述算法优化模块还用于根据预设的多个等待充电的电动车所在位置信息计算所述多个路径优化方案信息的移动补电车的响应时间长短，并对所述多个路径优化方案信息的移动补电车的响应时间进行升序排序；
显示输出模块，用于按照排序结果显示预设数量的路径优化方案信息。
与现有技术相比，本发明的有益效果为：
本发明提供的移动补电车调度的路径优化方法和系统，路径优化根据混沌猫群计算出最短响应时长的最优补电路径，可以有效解决有车难充电的缺点，延长可续里程，解决目前缺少空闲的充电站的问题，同时优化路径响应时间短满足车辆的紧急续航需求。
附图说明
图1为本发明的方法流程图；
图2为混沌猫群算法流程图；
图3为本发明实施例的移动补电车的调度系统图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。当然，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，为本发明提出的一种基于混沌猫群算法的移动补电车调度优化的方法，包括以下步骤：S1、获取目标区域内空闲的充电站的位置信息，所有移动补电车位置信息以及所有等待充电的电动车的位置信息；S2、根据给定的限制条件、所有等待充电的电动车的位置信息、目标区域内空闲的充电站的位置信息、所有移动补电车的位置信息得出所有移动补电车到达等待充电的电动车的多个路径优化方案信息；S3、根据预设的等待充电时间规则计算多个路径优化方案信息的移动补电车的响应时间；S4、对多个路径优化方案信息的移动补电车的响应时间进行升序排序，并按照排序结果显示预设数量的路径优化方案信息。
S2中给定的限制条件包括等待充电的电动车发出补电信息时的可续航路程超过到达空闲的充电站的距离、移动补电车到等待充电的电动车的距离不超过预设距离、等待充电的电动车处在可以边充边行驶的道路上、等待充电的电动车可以在续航允许的范围内找到可停点等待充电。所述S2中给定的限制条件还包括移动补电车至少可以为等待充电的电动车补电续航到最近的空闲的充电站或下一辆移动补电车到等待充电的电动车的预设距离范围内。
S4还包括：当按照多个路径优化方案信息的移动补电车到达等待充电的电动车的时间相同时，则对所述至少两个路径优化方案按照等待充电的电动车充电后可续航的路程进行降序排序；当对所述至少两个调度路径优化方案按照等待充电的电动车充电后可续航的路程进行降序排序时存在至少两个路径优化方案的续航总路程相同，则按照补电后移动补电车返航时长的指标进行排序。
S4还包括：当按照多个路径优化方案信息的移动补电车到达等待充电的电动车的时间相同时，则对所述至少两个路径优化方案信息按照移动补电车运行的路程或补电返航总时间进行升序排序；当对所述至少两个路径优化方案信息按照总时长进行升序排序时存在至少两个路径优化方案信息的总路程和总时长相同，则按照每辆移动补电车到达等待充电的电动车位置后，该位置附近可工作的移动补电车数量进行排序。
如图2所示，采用混沌猫群算法进行优化调度求解，混沌猫群算法：
步骤1、随机初始化符合约束条件的猫群体位置，处于[a，b]区间，种群大小设为N，分组率为MR。
步骤2、通过参照猫群的初始位置来计算猫群体适应度值，选取合适位置并记录种群中的最大适应度值。
步骤3、根据分组率MR对猫群进行随机分组。
步骤4、搜寻模式。复制猫的样本，将复制好的样本存入记忆池SMP中。
步骤5、跟踪模式。整个猫群所经历过的最佳位置就是搜索到的最优解。
步骤6、计算适应度值并记录，最后保留种群中适应度最优的猫。
步骤7、判断是否满足约束条件。是，则输出最优解，结束程序；否，则利用混沌控制策略对猫群算法参数进行更新，重复步骤2～步骤7进行寻优迭代处理。
如图3所示，一种基于混沌猫群算法的移动补电车调度优化的方法的系统，包括：
数据获取模块，用于获取目标区域内所有等待充电的电动车的位置信息和可工作的移动补电车的位置信息，以及所有空闲的充电站的位置信息；
算法优化模块，用于根据给定的限制条件、所有等待充电的电动车的位置信息和等待充电的电动车目前能续航距离信息，以及所有可工作的移动补电车的位置信息得到多个路径优化方案信息；所述算法优化模块还用于根据预设的多个等待充电的电动车所在位置信息计算所述多个路径优化方案信息的移动补电车的响应时间长短，并对所述多个路径优化方案信息的移动补电车的响应时间进行升序排序；
显示输出模块，用于按照排序结果显示预设数量的路径优化方案信息。
本发明通过电动汽车用户的充电需求数据，构建模型预测电动车出行时的充电需求，引进混沌猫群算法对模型进行求解，且在传统猫群的基础上引进混沌算法优化了移动补电车调度过程中的路径，缩短了移动补电车在调度时间，使得补电响应迅速。
以上所述的具体实施方案，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，所应理解的是，以上所述仅为本发明的具体实施方案而已，并非用以限定本发明的范围，任何本领域的技术人员，在不脱离本发明的构思和原则的前提下所做出的等同变化与修改，均应属于本发明保护的范围。

Claims (6)

1.一种基于混沌猫群算法的移动补电车调度优化的方法，其特征在于，包括以下步骤：
S1、获取目标区域内空闲的充电站的位置信息，所有移动补电车位置信息以及所有等待充电的电动车的位置信息；
S2、根据给定的限制条件、所有等待充电的电动车的位置信息、目标区域内空闲的充电站的位置信息、所有移动补电车的位置信息得出所有移动补电车到达等待充电的电动车的多个路径优化方案信息；
S3、根据预设的等待充电时间规则计算多个路径优化方案信息的移动补电车的响应时间；
S4、对多个路径优化方案信息的移动补电车的响应时间进行升序排序，并按照排序结果显示预设数量的路径优化方案信息。
2.根据权利要求1所述的一种基于混沌猫群算法的移动补电车调度优化的方法，其特征在于，所述S2中给定的限制条件包括等待充电的电动车发出补电信息时的可续航路程超过到达空闲的充电站的距离、移动补电车到等待充电的电动车的距离不超过预设距离、等待充电的电动车处在可以边充边行驶的道路上、等待充电的电动车可以在续航允许的范围内找到可停点等待充电。
3.根据权利要求1所述的一种基于混沌猫群算法的移动补电车调度优化的方法，其特征在于，所述S2中给定的限制条件还包括移动补电车至少可以为等待充电的电动车补电续航到最近的空闲的充电站或下一辆移动补电车到等待充电的电动车的预设距离范围内。
4.根据权利要求1所述的一种基于混沌猫群算法的移动补电车调度优化的方法，其特征在于，所述S4还包括：
当按照多个路径优化方案信息的移动补电车到达等待充电的电动车的时间相同时，则对所述至少两个路径优化方案按照等待充电的电动车充电后可续航的路程进行降序排序；
当对所述至少两个调度路径优化方案按照等待充电的电动车充电后可续航的路程进行降序排序时存在至少两个路径优化方案的续航总路程相同，则按照补电后移动补电车返航时长的指标进行排序。
5.根据权利要求1所述的一种基于混沌猫群算法的移动补电车调度优化的方法，其特征在于，所述S4还包括：
当按照多个路径优化方案信息的移动补电车到达等待充电的电动车的时间相同时，则对所述至少两个路径优化方案信息按照移动补电车运行的路程或补电返航总时间进行升序排序；当对所述至少两个路径优化方案信息按照总时长进行升序排序时存在至少两个路径优化方案信息的总路程和总时长相同，则按照每辆移动补电车到达等待充电的电动车位置后，该位置附近可工作的移动补电车数量进行排序。
6.基于权利要求1-5任意一项所述的一种基于混沌猫群算法的移动补电车调度优化的方法的系统，其特征在于，包括：
数据获取模块，用于获取目标区域内所有等待充电的电动车的位置信息和可工作的移动补电车的位置信息，以及所有空闲的充电站的位置信息；
算法优化模块，用于根据给定的限制条件、所有等待充电的电动车的位置信息和等待充电的电动车目前能续航距离信息，以及所有可工作的移动补电车的位置信息得到多个路径优化方案信息；所述算法优化模块还用于根据预设的多个等待充电的电动车所在位置信息计算所述多个路径优化方案信息的移动补电车的响应时间长短，并对所述多个路径优化方案信息的移动补电车的响应时间进行升序排序；
显示输出模块，用于按照排序结果显示预设数量的路径优化方案信息。
CN202210429408.5A 2022-04-22 2022-04-22 一种基于混沌猫群算法的移动补电车调度方法及其系统 Pending CN114861998A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210429408.5A CN114861998A (zh) 2022-04-22 2022-04-22 一种基于混沌猫群算法的移动补电车调度方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210429408.5A CN114861998A (zh) 2022-04-22 2022-04-22 一种基于混沌猫群算法的移动补电车调度方法及其系统

Publications (1)

Publication Number Publication Date
CN114861998A true CN114861998A (zh) 2022-08-05

Family

ID=82634425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210429408.5A Pending CN114861998A (zh) 2022-04-22 2022-04-22 一种基于混沌猫群算法的移动补电车调度方法及其系统

Country Status (1)

Country Link
CN (1) CN114861998A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115496277A (zh) * 2022-09-20 2022-12-20 南通国轩新能源科技有限公司 一种基于改进猫群算法的移动补电装置调度方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115496277A (zh) * 2022-09-20 2022-12-20 南通国轩新能源科技有限公司 一种基于改进猫群算法的移动补电装置调度方法及系统
CN115496277B (zh) * 2022-09-20 2024-02-06 南通国轩新能源科技有限公司 一种基于改进猫群算法的移动补电装置调度方法及系统

Similar Documents

Publication Publication Date Title
CN105160428B (zh) 高速公路电动汽车快速充电站的规划方法
Luo et al. Green light optimal speed advisory for hybrid electric vehicles
Yi et al. Energy impact evaluation for eco-routing and charging of autonomous electric vehicle fleet: Ambient temperature consideration
CN108334991B (zh) 一种电动汽车充电站规划方法及系统
CN102884401B (zh) 用于将电池操作的运输装置引导至重整站的方法和引导单元
CN112590598B (zh) 移动充电车优化配置方法和系统
CN103339664B (zh) 充电器配置计划支持装置、充电器配置计划支持方法
CN109447410A (zh) 一种考虑城市路网交通运行状态的充电站选址方法
CN105868942A (zh) 电动汽车的有序充电调度方法
CN111400662B (zh) 一种考虑电动汽车充电需求的空间负荷预测方法
CN110232219B (zh) 一种基于数据挖掘的电动汽车可调度容量核定方法
CN112418610A (zh) 基于soc信息与路网电网信息融合的充电优化方法
CN112016745A (zh) 一种电动汽车充电站规划方法
CN105262167A (zh) 区域内电动汽车有序充电控制方法
CN114444965B (zh) 一种单车场多线路电动公交车协同调度方法
CN114861998A (zh) 一种基于混沌猫群算法的移动补电车调度方法及其系统
CN109919393B (zh) 一种电动出租汽车的充电负荷预测方法
CN115496277B (zh) 一种基于改进猫群算法的移动补电装置调度方法及系统
Morro-Mello et al. Spatial-temporal model to estimate the load curves of charging stations for electric vehicles
CN114118515A (zh) 一种融合交通路网的电动汽车充电站的确定方法及系统
CN115098940B (zh) 一种基于时空特性的电动汽车出行仿真方法
CN117996754B (zh) 一种基于改进dbo算法的电动汽车有序充放电控制方法
Joud et al. Predictive energy management for hybrid vehicles based on driving cycle recognition
CN117114367B (zh) 一种电动汽车的充放电控制方法及装置
CN112434881B (zh) 一种充电站位置筛选方法及系统

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