CN114997478A - 基于混合多目标粒子群算法的新能源公交车充电调度方法 - Google Patents

基于混合多目标粒子群算法的新能源公交车充电调度方法 Download PDF

Info

Publication number
CN114997478A
CN114997478A CN202210557295.7A CN202210557295A CN114997478A CN 114997478 A CN114997478 A CN 114997478A CN 202210557295 A CN202210557295 A CN 202210557295A CN 114997478 A CN114997478 A CN 114997478A
Authority
CN
China
Prior art keywords
charging
bus
new energy
time
scheduling
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
CN202210557295.7A
Other languages
English (en)
Inventor
郭建国
魏建华
肖萌萌
郜际明
张小龙
汪保成
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 CN202210557295.7A priority Critical patent/CN114997478A/zh
Publication of CN114997478A publication Critical patent/CN114997478A/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"
    • 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
    • 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
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于混合多目标粒子群算法的新能源公交车充电调度方法，首先对数据集进行筛选和预处理，删除和过滤数据集中的异常值，然后计算出每台公交车在每个充电枪的充电时间，构建充电时间和充电桩使用偏差两个目标函数，最小化两个适应度函数，使用混合的多目标粒子群算法优化两个目标函数，设置系统参数，优化目标函数，将算法模型部署在服务器中，同gRPC远程调用算法，得到公交车夜间充电调度计划表。本发明利用改机多目标粒子群算法对构建的新能源公交充电时间最小和充电桩利用偏差最小进行优化，实现在保证充电时间最小的同时充电桩利用偏差最小，生成夜间充电排班计划表，方便公交场站充电调度人员调度。

Description

基于混合多目标粒子群算法的新能源公交车充电调度方法
技术领域
本发明涉及新能源交通环保领域，特别是指一种基于混合多目标粒子群算法的新能源公交车调度。
背景技术
随着社会各界对节能环保越来越重视，近年来以风、光为代表的新能源逐渐普及，其在每年发电总量中的占比逐年提升，同时新能源电动汽车的大规模普及。新能源公交占比不断提升，采用纯电动公交车的趋势也越来越强。然而，由于纯电动公交车的续航里程有限，夜间需要充电车辆较多，以往关于夜间充电方式为即到即充，会造成在夜间电价谷底期没有很好利用该时间段电价较低的优势，同时也会造成充电桩没有合理最大效益的使用。夜间充电不充分，造成在日常运营中使用纯电动公交车时，难以在不充电的情况下完成一天的运营任务，常常不能充分发挥纯电动公交车的运力。
公开号为CN 112233452 A的一种公交车的自适应柔性调度方法，对柔性站点需求的调度过程包括：获取乘客需求所处时间、地区并据此判断目标函数权重，目标函数F1为以金钱衡量的公交公司的利益，F2为以时间衡量的乘客的利益，用智能算法求解模型最优解进而规划公交最佳行驶路线，并将更新后的行驶路线反馈到司机端。可见，该调度方法非传统的固定时间发车固定站点停靠，而是分以金钱衡量的公交公司的利益，以时间衡量的乘客的利益两个目标函数，在公交公司不赔本的情况下使乘客利益最大化，以此为目标可变线路地去响应乘客需求。该方法并不是基于多目标粒子群算法对构建的新能源公交充电时间最小和充电桩利用偏差最小进行优化，该方案没有解决新能源公交车夜间排班计划表的问题。
基于此，如何保障待充电新能源公交车夜间最大充满电的同时所需时间最小和充电桩利用偏差最小，同时满足第二天新能源公交运营需求等问题产生。
发明内容
针对上述背景技术中存在的不足，本发明提出了一种基于混合多目标粒子群的新能源公交车充电调度算法，解决了现有新能源公交车充电场站无序充电，效率低，资源分配不均衡等问题。
本发明解决其技术问题的方案是：采用一种基于混合多目标粒子群算法的新能源公交车充电调度方法，首先对公交充电场站基础数据集(其中包括：充电枪输出功率，公交场站的容量，公交车剩余SOC值，当天行驶里程、耗电量等)进行筛选和预处理，删除和过滤数据集中的异常值，然后计算出每台公交车在每个充电枪的充电时间，构建充电时间和充电桩使用偏差两个目标函数，最小化两个目标函数，使用混合的多目标粒子群算法优化两个目标函数，设置系统参数，优化目标函数，将算法模型采用gRPC(google RemoteProcedure Calls,gRPC)远程调用构建算法服务，并部署在服务器中，得到公交车夜间充电调度计划表。
所述的系统参数包括电动公交车的电池容量、充电桩充电效率、电动公交车运营所需总电量、充电桩充电时间、电动公交车首次记录的电池剩余电量百分比。
所述的方法包括步骤如下。
S1、车载机记录各公交车剩余SOC、当天行驶里程、耗电量，依次将进入充电场的公交车作为评估对象，由当前剩余电量、第二天排班计划表、行使里程判断是否需要充电。
S2、筛选出需要充电的公交车，根据每把充电枪每小时输出功率，计算出每辆公交车达到预计SOC所需的时间，构建充电矩阵。
S3、参数初始化:根据控制变量与约束条件随机生成初始种群，设置种群规模与最大迭代次数。构建目标函数(1)最小化最大充电时间和目标函数(2)充电桩的利用率偏差最小，以迭代的方式求出夜间充电的各最优值从而得到两个目标的帕累托边界。
目标函数：
Figure BDA0003652693150000031
Figure BDA0003652693150000032
输出参数为：
CAPi 编号为i的电动公交车的电池容量；
εj 充电桩充电效率；
Figure BDA0003652693150000033
编号为i的电动公交车运营所需总电量；
cj 公交车在编号为j充电桩充电时间；
Figure BDA0003652693150000034
编号为j的电动公交车首次记录的电池剩余电量百分比。
约束条件为：
si,j 编号为j的电动公交车在t时段可充电状态：0为不可充电，1为可充电；
minPj≤P≤maxPmax保证每台公交车充电功率需在充电桩允许范围内。
S4、更新粒子的速度和位置，将外部档案集初始化，并定义为全局最优解集。
S5、计算目标函数1和目标函数2并更新外部档案，判断新产生粒子i与外部档案中粒子是否存在支配关系，若粒子i与其他粒子间非支配，则将粒子i添加到外部档案中，否则继续迭代。
S6、采用轮盘赌注策略，随机选取N个粒子变异为新的群体。
S7、对外部档案的优良个体进行选择，选取新的最优解并继续迭代，产生新种群。
S8、判断程序是否满足终止，当达到最大迭代次数时循环结束并输出最优解集，否则返回步S4。
S9、输出Pareto解集，根据解对应的粒子输出新能源公交车夜间排班计划表。
S10、服务器设定时间收集新能源公交场站每天公交车剩余SOC和第二天运营排班计划，将环境中的车辆剩余SOC、电池容量、充电桩输出功率、第二天排班计划表的4路信息作为输入量，为输出则为夜间充电排班计划表，利用混合多目标粒子群算法对构建的新能源公交充电时间最小和充电桩利用偏差最小进行优化，实现在保证充电时间最小的同时充电桩利用偏差最小。
S11、充电调度几乎表完成，将夜间充电排班计划表返回至服务器。
本发明的有益效果：本发明适用于目前城市新能源公交充电场站夜间充电排班计划，基于新能源公交和车载机采集的剩余电量，行使里程，充电中输出功率和第二天运营排班计划表，利用改机多目标粒子群算法对构建的新能源公交充电时间最小和充电桩利用偏差最小进行优化，实现在保证充电时间最小的同时充电桩利用偏差最小，生成夜间充电排班计划表，方便公交场站充电调度人员调度。
附图说明
图1是本发明新能源公交车充电调度系统框图。
图2是本发明的新能源公交场站结构图。
图3是本发明混合多目标粒子群算法的新能源公交车充电调度流程图。
图4是本发明方法获得夜间充电调度计划表例图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
实施例1：如图1所示，提供了一种基于混合多目标粒子群算法的新能源公交车充电调度系统，综合了新能源公交充电调度平台，包括新能源公交充电调度平台，车载机数据获取模块，充电桩输出功率模块，排班计划模块，学习优化模块和报警模块。
所述多目标粒子群算法是启发式算法的一种，粒子群算法在解决多目标问题上具有自身的优势。首先，粒子群优化算法可以采用高效的群集并行地对非劣解进行搜索，而且在每次的迭代中，粒子群优化算法可以产生多个非劣解；其次，粒子群优化算法的记忆功能使粒子群优化算法具有很高的计算效率和执行速度。更重要的是，粒子群优化算法不依赖问题的函数特征和解的形式，所以其应用就变得十分广泛，能适用于大多数的多目标问题。
但是如果直接利用初始的粒子群优化算法来解决多目标问题，由于粒子本身的特性，会使得粒子跟踪一个非Pareto前沿的解，从而使得算法收敛到非劣解的局部范围而没有达到Pareto前沿。因此，在利用粒子群优算法来解决多目标问题的时候，我们必须要解决全局最优位置和自身最优位置的选择问题。对于全局最优位置的选择，我们要求算法既要有较好的收敛速度，又要能收敛到Pareto前沿；而对于自身最优位置的选择，我们则需要尽可能地在优化算法的同时，简化自身最优位置给算法带来的复杂度。
如图2所示，混合多目标粒子群算法的新能源公交车充电调度，其特征在于，其步骤如下。
S1、车载机记录各公交车剩余SOC、当天行驶里程、耗电量，依次将进入充电场的公交车作为评估对象，由当前剩余电量、第二天排班计划表、行使里程判断是否需要充电；
S2、筛选出需要充电的公交车，根据每把充电枪每小时输出功率，计算出每辆公交车达到预计SOC所需的时间，构建充电矩阵；
S3、参数初始化：根据控制变量与约束条件随机生成初始种群，设置种群规模与最大迭代次数。构建目标函数(1)最小化最大充电时间和目标函数(2)充电桩的利用率偏差最小，以迭代的方式求出夜间充电的各最优值从而得到两个目标的帕累托边界。
目标函数：
Figure BDA0003652693150000061
Figure BDA0003652693150000062
输出参数为：
CAPi 编号为i的电动公交车的电池容量；
εj 充电桩充电效率；
Figure BDA0003652693150000071
编号为i的电动公交车运营所需总电量；
cj 公交车在编号为j充电桩充电时间；
Figure BDA0003652693150000072
编号为j的电动公交车首次记录的电池剩余电量百分比；
约束条件为：
si,j 编号为j的电动公交车在t时段可充电状态：0为不可充电，1为可充电；
minPj≤P≤maxPmax保证每台公交车充电功率需在充电桩允许范围内。
S4、更新粒子采用交叉和编译策略，将外部档案集初始化，并定义为全局最优解集。
S5、计算目标函数1和目标函数2并更新外部档案，判断新产生粒子i与外部档案中粒子是否存在支配关系，若粒子i与其他粒子间非支配，则将粒子i添加到外部档案中，否则继续迭代。
S6、采用轮盘赌注策略，随机选取N个粒子变异为新的群体。
S7、对外部档案的优良个体进行选择，选取新的最优解并继续迭代，产生新种群。
S8、判断程序是否满足终止，当达到最大迭代次数时循环结束并输出最优解集，否则返回步S4。
S9、输出Pareto解集，根据解对应的粒子输出新能源公交车夜间排班计划表。
S10、服务器设定时间收集新能源公交场站每天公交车剩余SOC和第二天运营排班计划，将环境中的车辆剩余SOC、电池容量、充电桩输出功率、第二天排班计划表的4路信息作为输入量，为输出则为夜间充电排班计划表，利用混合多目标粒子群算法对构建的新能源公交充电时间最小和充电桩利用偏差最小进行优化，实现在保证充电时间最小的同时充电桩利用偏差最小；
S11、充电调度计划表完成，将夜间充电排班计划表返回至服务器。
本发明的设计流程：首先对数据集进行筛选和预处理，删除和过滤数据中的异常值，然后计算出每台公交车在每个充电枪的充电时间，构建充电时间和充电桩使用偏差两个目标函数，最小化两个适应度函数。使用混合的多目标粒子群算法优化两个目标函数。设置系统参数，优化目标函数。将算法模型部署在服务器中，使用gRPC远程调用算法，从而可以得到公交车夜间充电调度计划表。
图4所示，该方法执行时，首先输入各车辆SOCstart和各车辆SOCend，根据每把充电枪的每小时充电功率，计算得到每台车在每个充电桩的预计充电时长，得到充电矩阵。
根据系统参数、粒子群参数和外部文件集初始化，构建公交车充电矩阵，初始化最优个体，根据公式(1)和公式(2)计算适应度值，即充电时长和充电桩利用偏差，并将最优个体和解存储于外部档案。
对解空间中的解条采用交叉和交异策路生成新解，根据公式(1)和(2)计算粒子适应度值，即出充电时长和充电桩利用偏差。
更新后根据粒子是否满足最优位置，当粒子满足最优位置是，根据粒子适应度值和支配关系更新个体最优解、全局最优解和外部档案集。当每次迭代次数iter大于最大迭代次数MCY时，即Iter>MCY，系统输出Pareto解集，进而输出新能源公交车夜间排班计划表。
当更新后粒子不满足最优位置是，从第二个粒子开始，判断第i个粒子是否支配外部档案中的粒子。若被支配，则第i个粒子不加入档案中，若支配，则第一个粒子直接存入外部档案中，且添加第i个粒子到外部档案中，若无支配，则第一个粒子直接存入外部档案中，且添加第i个粒子到外部档案中。
基于上述方案，本实施例在新能源公交和车载机采集的剩余电量，行使里程，充电中输出功率，第二天运营排班计划表的基础上，利用改机多目标粒子群算法对构建的新能源公交充电时间最小和充电桩利用偏差最小进行优化，实现在保证充电时间最小的同时充电桩利用偏差最小，生成夜间充电排班计划表，方便公交场站充电调度人员调度。
本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于混合多目标粒子群算法的新能源公交车充电调度方法，其特征在于，首先对公交充电场站基础数据集进行筛选和预处理，删除和过滤数据集中的异常值，然后计算出每台公交车在每个充电枪的充电时间，构建充电时间和充电桩使用偏差两个目标函数，最小化两个目标函数，使用混合的多目标粒子群算法优化两个目标函数，设置系统参数，优化目标函数，将算法模型采用gRPC远程调用构建算法服务，并部署在服务器中，得到公交车夜间充电调度计划表。
2.根据权利要求1所述的的新能源公交车充电调度方法，其特征在于，所述的系统参数包括电动公交车的电池容量、充电桩充电效率、电动公交车运营所需总电量、充电桩充电时间、电动公交车首次记录的电池剩余电量百分比。
3.根据权利要求1所述的的新能源公交车充电调度方法，其特征在于，包括步骤如下：
S1、车载机记录各公交车剩余SOC、当天行驶里程、耗电量，依次将进入充电场的公交车作为评估对象，由当前剩余电量、第二天排班计划表、行使里程判断是否需要充电；
S2、筛选出需要充电的公交车，根据每把充电枪每小时输出功率，计算出每辆公交车达到预计SOC所需的时间，构建充电矩阵；
S3、参数初始化:根据控制变量与约束条件随机生成初始种群，设置种群规模与最大迭代次数；构建目标函数(1)最小化最大充电时间和目标函数(2)充电桩的利用率偏差最小，以迭代的方式求出夜间充电的各最优值从而得到两个目标的帕累托边界；
目标函数：
Figure FDA0003652693140000011
Figure FDA0003652693140000021
输出参数为：
CAPi编号为i的电动公交车的电池容量；
εj充电桩充电效率；
Figure FDA0003652693140000022
编号为i的电动公交车运营所需总电量；
cj公交车在编号为j充电桩充电时间；
Figure FDA0003652693140000023
编号为j的电动公交车首次记录的电池剩余电量百分比；
约束条件为：
si,j编号为j的电动公交车在t时段可充电状态：0为不可充电，1为可充电；
min Pj≤P≤max Pmax保证每台公交车充电功率需在充电桩允许范围内；
S4、更新粒子的速度和位置，将外部档案集初始化，并定义为全局最优解集；
S5、计算目标函数1和目标函数2并更新外部档案，判断新产生粒子i与外部档案中粒子是否存在支配关系，若粒子i与其他粒子间非支配，则将粒子i添加到外部档案中，否则继续迭代；
S6、采用轮盘赌注策略，随机选取N个粒子变异为新的群体；
S7、对外部档案的优良个体进行选择，选取新的最优解并继续迭代，产生新种群；
S8、判断程序是否满足终止，当达到最大迭代次数时循环结束并输出最优解集，否则返回步S4；
S9、输出Pareto解集，根据解对应的粒子输出新能源公交车夜间排班计划表。
4.根据权利要求3所述的的新能源公交车充电调度方法，其特征在于，服务器设定时间收集新能源公交场站每天公交车剩余SOC和第二天运营排班计划，将环境中的车辆剩余SOC、电池容量、充电桩输出功率、第二天排班计划表的4路信息作为输入量，为输出则为夜间充电排班计划表，利用混合多目标粒子群算法对构建的新能源公交充电时间最小和充电桩利用偏差最小进行优化，实现在保证充电时间最小的同时充电桩利用偏差最小。
5.根据权利要求3或4所述的的新能源公交车充电调度方法，其特征在于，充电调度几乎表完成，将夜间充电排班计划表返回至服务器。
CN202210557295.7A 2022-05-19 2022-05-19 基于混合多目标粒子群算法的新能源公交车充电调度方法 Pending CN114997478A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210557295.7A CN114997478A (zh) 2022-05-19 2022-05-19 基于混合多目标粒子群算法的新能源公交车充电调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210557295.7A CN114997478A (zh) 2022-05-19 2022-05-19 基于混合多目标粒子群算法的新能源公交车充电调度方法

Publications (1)

Publication Number Publication Date
CN114997478A true CN114997478A (zh) 2022-09-02

Family

ID=83027112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210557295.7A Pending CN114997478A (zh) 2022-05-19 2022-05-19 基于混合多目标粒子群算法的新能源公交车充电调度方法

Country Status (1)

Country Link
CN (1) CN114997478A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116862205A (zh) * 2023-09-04 2023-10-10 安徽交欣科技股份有限公司 一种电动公交车充电管理方法、系统、装置和存储介质
CN116923164A (zh) * 2023-09-18 2023-10-24 国网江苏省电力有限公司常州供电分公司 考虑泊位分配的船舶充电控制方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116862205A (zh) * 2023-09-04 2023-10-10 安徽交欣科技股份有限公司 一种电动公交车充电管理方法、系统、装置和存储介质
CN116923164A (zh) * 2023-09-18 2023-10-24 国网江苏省电力有限公司常州供电分公司 考虑泊位分配的船舶充电控制方法及装置

Similar Documents

Publication Publication Date Title
Shi et al. Real-time vehicle-to-grid control algorithm under price uncertainty
CN110472785B (zh) 一种基于负荷分类的电动汽车群调度方法
CN114997478A (zh) 基于混合多目标粒子群算法的新能源公交车充电调度方法
CN109936128A (zh) 一种规模化电动汽车接入条件下的动态需求响应方法
CN109888806A (zh) 一种含电动汽车的微电网储能优化配置方法
Škugor et al. A bi-level optimisation framework for electric vehicle fleet charging management
CN108062619B (zh) 一种轨道车辆车地一体化容量配置方法及装置
CN112347615A (zh) 一种计及光储快充一体站的配电网混合优化调度方法
CN103078152B (zh) 集中性充电站智能充电方法
CN113954680B (zh) 基于充电时段优化的电动汽车充电控制方法
CN115130727A (zh) 一种新能源纯电公交车夜间充电调度方法
CN109615260A (zh) 确定充电桩的安装地址的方法
CN113799640A (zh) 适用于含电动汽车充电桩微电网的能量管理方法
CN114722595A (zh) 一种含有换电站的微电网优化运行方法
CN114282821A (zh) 一种共享电动汽车的调度方法、系统及设备
CN110633847B (zh) 一种基于模块分割式电池换电站的充电策略控制方法
CN115860185A (zh) 一种考虑极端高温天气下多类型电动汽车充电方式的电网负荷预测方法
CN115577938A (zh) 一种电气化按需移动调度方法、装置及系统
CN116780595A (zh) 电动汽车微电网能源管理方法、系统、设备及存储介质
Buresh Impacts of electric vehicle charging in South Africa and photovoltaic carports as a mitigation technique
CN115907128A (zh) 一种高速公路年尺度用电负荷预测方法及装置
CN112436536B (zh) 一种高速路新能源汽车充电引导方法及系统
CN115330062A (zh) 一种社区场景下的新能源汽车有序充电服务调度优化方法
Christmann et al. A framework for integrating intelligent mobile energy storage into energy distribution systems
CN113320413A (zh) 一种居民区电动汽车充电功率控制方法

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