CN116485157A - 一种考虑充电站车辆排队的电动公交充电计划优化方法 - Google Patents

Abstract

本发明提供的一种考虑充电站车辆排队的电动公交充电计划优化方法，属于充电管理领域，基于实际公交充电情况，将充电站分为排队区、充电区和候车区三个区域，并对电动公交排队充电过程建模，使得电动公交按照排队次序依次充电，保证了电动公交充电的公平性和合理性。在电动公交排队基础上，进一步建立电动公交有序充电模型，决策电动公交在充电站停车间歇是否充电，以及对应的开始充电时间和充电时长，以使得电动公交充电费用和系统排队成本最低。最后，将最优的电动公交排队和充电信息整合到电动公交运行图中，并提供电动公交SOC变化，以及充电桩充电负荷变化趋势图，所得结果能直接应用于电动公交充电计划安排，促进电动公交充电效率。

Description

一种考虑充电站车辆排队的电动公交充电计划优化方法

技术领域

本发明涉及充电管理领域，具体涉及一种考虑充电站车辆排队的电动公交充电计划优化方法。

背景技术

车辆充电是电动公交运营的重要环节，其合理安排需要一方面实现车辆充电的削峰填谷、降低充电费用，另一方面需要保证电动公交服务水平，减小因充电而导致的公交发车延误。

现有主流的电动公交充电策略包括：基于电池SOC阈值的充电策略和有序充电策略。前者约定当公交车辆电池SOC低于特定阈值（如30%）时，车辆前往充电站充电，直至满电状态，当车辆充电进程与调度车次任务冲突时，车次任务延后或取消；后者综合考虑分时电价、电网负荷波动等因素，优化每辆公交车的充电时间和充电时长。然而，上述方法均假定电动公交服从中央单元调控，且车辆充电次序可任意交换，忽略了现实中电动公交排队充电的充电次序问题，导致优化结果过于乐观，难以在现场直接实施。

发明内容

针对现有技术中的上述不足，本发明提供了一种考虑充电站车辆排队的电动公交充电计划优化方法。

为了达到上述发明目的，本发明采用的技术方案为：

一种考虑充电站车辆排队的电动公交充电计划优化方法，包括如下步骤：

S1、获取公交数据并进行预处理；

S2、根据预处理后的公交数据建立多线路电动公交充电约束关系，并进一步构建电动公交充电排队模型；

S3、构建基于电动公交充电排队模型的电动公交有序充电优化模型，根据电动公交排队情形下的充电时间和充电时长得到电动公交充电计划；

S4、将电动公交充电计划整合至公交车辆运行图，并对电动公交SOC预期变化、充电桩充电负荷进行可视化。

进一步的，所述S1公交数据包括：公交线路及其轨迹数据，公交首末站数据、公交车GPS数据。

进一步的，所述S1中预处理方式包括：

S11、选择公交线路生成线路分析列表；

S12、获取公交线路轨迹和首末站数据及公交车GPS数据，根据线路分析列表及公交车GPS数据生成电动公交运行图。

进一步的，所述S12中生成公交运行图的具体方式为：

S121、根据公交线路起终点及公交车GPS数据将公交车辆的状态分为在充电站和未在充电站两类；

S122、设置充电站缓冲距离，根据公交车在充电站的到离时间及停留时间判断公交车是否处于充电站内；

S123、以离散时间为横坐标，车辆ID为纵坐标，根据公交车在充电站的停留起始时间为起讫点组成横向线段生成电动公交运行图。

进一步的，所述S2中电动公交充电排队模型具体为：

其中，为决策变量，表示电动公交是否在第/>次访问充电站时充电；为决策变量，表示在时间/>电动公交是否处于充电状态；/>为决策变量，表示在时间/>电动公交是否处于排队状态；/>为电动公交编号，/>为所有公交车集合，/>表示电动公交第几次访问充电站，/>是电动公交访问充电站的次序列表，/>为离散时间，/>为车辆到站时间。

进一步的，所述S2中约束条件包括：

设置决策变量表示车辆开始排队的时间是否为/>，根据充电连续性规则规定电动公交在一次停车间隙仅能进入排队系统一次，表示为：

其中，表示车辆离站时间，/>为车辆到站的总时间；

设置决策变量表示车辆开始充电的时间是否为/>，根据充电连续性规则规定电动公交在一次停车间隙仅能进入充电区一次，表示为：

同时充电的电动公交数量不超过充电站容量，表示为：

；

在运营期间，电动公交的排队时间重置为0，表示为：

其中，为电动公交在时刻/>的排队时间；

在充电站期间，电动公交排队时间依据其排队状态在时间上连续更新，表示为：

其中，M表示一个任意大的正数；

在排队系统中，电动公交根据先进先出的原则依次进入充电区，表示为：

其中，b'表示除b外的其他车辆。

进一步的，所述S3具体包括如下步骤：

S31、基于电动公交充电排队模型，以最小充电费用和排队成本为目标函数建立电动公交有序充电优化模型；

S32、对所建立的电动公交有序充电优化模型设置约束条件；

S33、利用优化软件求解设置约束条件后的电动公交有序充电优化模型的最优决策，得到电动公交充电计划。

进一步的，所述S31中目标函数表示为：

其中，为时刻/>的分时电价，/>为充电费用权重系数，/>为电动公交在时刻/>的充电电量，/>为充电排队成本权重系数，/>为决策变量，表示在时间/>电动公交是否处于排队状态。

进一步的，所述S32中约束条件包括：

电动公交在运营初始为满电状态，且在运营结束后，需补电至满电状态，表示为：

其中，为电动公交在运营初始时刻的满电状态，/>为车辆离站电量，/>为允许的最大电动公交电池电量；

电动公交离站的电量水平可表示为：

其中，为车辆到站电量，/>为电动公交一个运营周期的消耗电量，/>为电动公交在时刻/>的充电电量，/>为车辆离开站台l-1时的电量，/>为车辆到站总时间；

电动公交充电电量表示为：

其中为充电桩功率，/>为充电桩充电效率，/>为决策变量，表示在时间/>电动公交是否处于充电状态；

电动公交在运营过程中电量始终在安全范围内，表示为：

其中，和/>分别为允许的最小和最大电动公交电池电量。

本发明具有以下有益效果：

1、对电动公交排队充电过程建模，并整合到现有电动公交有序充电模型中，使得生成的电动公交充电计划具备现实适用性。

2、通过建立优化模型最小化电动公交排队时长，降低系统排队成本和提高运营效率。本发明主要解决电动公交充电的排队次序问题，对促进电动公交智能充电的落地实践有重要指导意义。

附图说明

图1为本发明考虑充电站车辆排队的电动公交充电计划优化方法流程示意图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

一种考虑充电站车辆排队的电动公交充电计划优化方法，如图1所示，包括如下步骤：

S1、获取公交数据并进行预处理；

具体而言，在本实施例包括如下内容：

（1）选择公交线路：由公交公司提供，或选择共享充电站的公交线路，形成分析线路列表；

（2）获取公交线路轨迹和起终点数据：基于高德api获取线路轨迹和起终点数据；

（3）获取公交GPS数据：由公交公司提供，GPS数据包括线路编号、车辆编号、记录时间、GPS经度、纬度等数据；

（4）生成公交运行图：基于公交线路起终点和公交GPS数据，把车辆状态分为在充电站和其他（包括运营、维修、在其他地点等）两类，分析公交车在充电站的到离站时间及停留时间，其中充电站缓冲距离为500m，当GPS轨迹点落在该缓冲范围时，均认为电动公交车位于充电站。之后，以离散时间为横坐标，以车辆ID为纵坐标，以电动公交车在充电站的停留起始时间为起讫点组成横向线段，构成电动公交运行图。该运行图反映了电动公交在运营间歇的充电机会。

S2、根据预处理后的公交数据建立多线路电动公交充电约束关系，并进一步构建电动公交充电排队模型；

在本实施例里，充电站被划分为等待区、排队区和充电区。当电动公交不充电时，其位于等待区直至下次班次任务发车；当电动公交充电时，车辆依次经过排队区、充电区和等待区，经历三种可能的状态：排队、充电和等待下次运营任务。当电动公交到达充电站时，根据充电决策，电动公交进入排队区或充电区，表示为：

其中为电动公交车编号，/>为所有公交车集合，/>表示电动公交车第几次访问充电站，/>是电动公交车访问充电站的次序列表，/>为离散时间，/>为车辆到站时间；/>为决策变量，表示电动公交车是否在第/>次访问充电站时充电；/>为决策变量，表示在时间/>电动公交是否处于充电状态；/>为决策变量，表示在时间/>电动公交是否处于排队状态。

在充电站后续停留间歇，电动公交处于排队、充电或其他候车状态的一种，表示为：

其中表示车辆离站时间。设置决策变量/>表示车辆开始排队的时间是否为/>，为保证充电连续性，规定电动公交在一次停车间隙仅能进入排队系统一次，上述关系表示为：

设置决策变量表示车辆开始充电的时间是否为/>，为保证充电连续性，规定电动公交在一次停车间隙仅能进入充电区一次，上述关系表示为：

式中，为车辆到站的总时间。

进一步约定同时充电的电动公交数量不超过充电站容量，表示为：

设电动公交在时刻的排队时间为/>。在运营期间，电动公交车的排队时间重置为0，表示为：

在充电站期间，电动公交排队时间依据其排队状态在时间上连续更新，表示为：

在排队系统中，车辆依据先进先出（FIFO）原则依次进入充电区，表示为：

。

S3、构建基于电动公交充电排队模型的电动公交有序充电优化模型，根据电动公交排队情形下的充电时间和充电时长得到电动公交充电计划；

建立以最小化充电费用和排队成本为目标的电动公交有序充电优化模型，目标函数为：

其中，为时刻/>的分时电价，/>，/>为充电费用和排队成本的权重系数。除电动公交排队过程约束外，模型还包括以下约束：首先电动公交在运营初始为满电状态，且在运营结束后，需补电至满电状态，表示为：

其中，为电动公交在运营初始时刻的电量，/>为车辆离站电量，/>为允许的最大电动公交电池电量。此外，电动公交到离站的电量水平可表示为：

其中，为车辆到站电量，/>为电动公交一个运营周期的消耗电量，/>为电动公交在时刻/>的充电电量，/>为车辆离开站台l-1时的电量。

电动公交充电电量表示为：

其中为充电桩功率（kWH/h），/>为充电桩充电效率。此外，约束电动公交在运营过程中电量始终在安全范围内，表示为：

其中和/>分别为允许的最小和最大电动公交电池电量。模型的决策变量为：

所建立的优化模型通过优化软件直接求解，得到最优决策，包括：

：电动公交在充电站停车间隙的充电决策，如是否进入排队系统并充电；

：电动公交在离散时间节点的充电决策，如是否充电；

：电动公交到达充电站的最优电量水平；

：电动公交离开充电站的最优电量水平；

：电动公交在离散时间节点的排队决策，如是否排队；

：电动公交在离散时间节点的排队时间；

：电动公交在离散时间节点的充电电量；

并得到系统成本包括：

电动公交总充电成本；

电动公交总排队时长。

S4、将电动公交充电计划整合至公交车辆运行图，并对电动公交SOC预期变化、充电桩充电负荷进行可视化。

本实施例里，基于最优决策结果，进行如下可视化分析：

电动公交排队+充电+运营运行图：基于最优决策，分析并得到每辆电动公交车的充电时段，在已有电动公交运行图中，增加以离散时间为横坐标、车辆ID为纵坐标、充电时段起始时间为起讫点的线段，表示电动公交的充电过程。同时基于最优决策/>，分析并得到每辆电动公交车的排队时段，在电动公交运行图中，增加以离散时间为横坐标、车辆ID为纵坐标、车辆排队时段起始时间为起讫点的色线段，表示电动公交排队过程。

电动公交车SOC预期变化趋势图：基于最优决策、/>和/>，得到电动公交车在不同离散时间点的SOC水平，并通过趋势线展示其变化；

充电站负荷趋势图：基于最优决策，得到在不同离散时间点充电站的充电负荷，并通过趋势线展示其变化。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备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。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (9)

1.一种考虑充电站车辆排队的电动公交充电计划优化方法，其特征在于，包括如下步骤：

S1、获取公交数据并进行预处理；

S2、根据预处理后的公交数据建立多线路电动公交充电约束关系，并进一步构建电动公交充电排队模型；

S3、构建基于电动公交充电排队模型的电动公交有序充电优化模型，根据电动公交排队情形下的充电时间和充电时长得到电动公交充电计划；

S4、将电动公交充电计划整合至公交车辆运行图，并对电动公交SOC预期变化、充电桩充电负荷进行可视化。

2.根据权利要求1所述的考虑充电站车辆排队的电动公交充电计划优化方法，其特征在于，所述S1公交数据包括：公交线路及其轨迹数据，公交首末站数据、公交车GPS数据。

3.根据权利要求2所述的考虑充电站车辆排队的电动公交充电计划优化方法，其特征在于，所述S1中预处理方式包括：

S11、选择公交线路生成线路分析列表；

S12、获取公交线路轨迹和首末站数据及公交车GPS数据，根据线路分析列表及公交车GPS数据生成电动公交运行图。

4.根据权利要求3所述的考虑充电站车辆排队的电动公交充电计划优化方法，其特征在于，所述S12中生成公交运行图的具体方式为：

S121、根据公交线路起终点及公交车GPS数据将公交车辆的状态分为在充电站和未在充电站两类；

S122、设置充电站缓冲距离，根据公交车在充电站的到离时间及停留时间判断公交车是否处于充电站内；

S123、以离散时间为横坐标，车辆ID为纵坐标，根据公交车在充电站的停留起始时间为起讫点组成横向线段生成电动公交运行图。

5.根据权利要求1所述的考虑充电站车辆排队的电动公交充电计划优化方法，其特征在于，所述S2中电动公交充电排队模型具体为：

其中，为决策变量，表示电动公交是否在第/>次访问充电站时充电；为决策变量，表示在时间/>电动公交是否处于充电状态；/>为决策变量，表示在时间/>电动公交是否处于排队状态；/>为电动公交编号，/>为所有公交车集合，/>表示电动公交第几次访问充电站，/>是电动公交访问充电站的次序列表，/>为离散时间，/>为车辆到站时间。

6.根据权利要求5所述的考虑充电站车辆排队的电动公交充电计划优化方法，其特征在于，所述S2中约束条件包括：

设置决策变量表示车辆开始排队的时间是否为/>，根据充电连续性规则规定电动公交在一次停车间隙仅能进入排队系统一次，表示为：

其中，表示车辆离站时间，/>为车辆到站的总时间；

设置决策变量表示车辆开始充电的时间是否为/>，根据充电连续性规则规定电动公交在一次停车间隙仅能进入充电区一次，表示为：

同时充电的电动公交数量不超过充电站容量，表示为：

；

在运营期间，电动公交的排队时间重置为0，表示为：

其中，为电动公交在时刻/>的排队时间；

在充电站期间，电动公交排队时间依据其排队状态在时间上连续更新，表示为：

其中，M表示一个任意大的正数；

在排队系统中，电动公交根据先进先出的原则依次进入充电区，表示为：

其中，b'表示除b外的其他车辆。

7.根据权利要求1所述的考虑充电站车辆排队的电动公交充电计划优化方法，其特征在于，所述S3具体包括如下步骤：

S31、基于电动公交充电排队模型，以最小充电费用和排队成本为目标函数建立电动公交有序充电优化模型；

S32、对所建立的电动公交有序充电优化模型设置约束条件；

S33、利用优化软件求解设置约束条件后的电动公交有序充电优化模型的最优决策，得到电动公交充电计划。

8.根据权利要求7所述的考虑充电站车辆排队的电动公交充电计划优化方法，其特征在于，所述S31中目标函数表示为：

其中，为时刻/>的分时电价，/>为充电费用权重系数，/>为电动公交在时刻/>的充电电量，/>为充电排队成本权重系数，/>为决策变量，表示在时间/>电动公交是否处于排队状态。

9.根据权利要求7所述的考虑充电站车辆排队的电动公交充电计划优化方法，其特征在于，所述S32中约束条件包括：

电动公交在运营初始为满电状态，且在运营结束后，需补电至满电状态，表示为：

其中，为电动公交在运营初始时刻的满电状态，/>为车辆离站电量，/>为允许的最大电动公交电池电量；

电动公交离站的电量水平可表示为：

其中，为车辆到站电量，/>为电动公交一个运营周期的消耗电量，/>为电动公交在时刻/>的充电电量，/>为车辆离开站台l-1时的电量，/>为车辆到站总时间；

电动公交充电电量表示为：

其中为充电桩功率，/>为充电桩充电效率，/>为决策变量，表示在时间/>电动公交是否处于充电状态；

电动公交在运营过程中电量始终在安全范围内，表示为：

其中，和/>分别为允许的最小和最大电动公交电池电量。