移动充电车优化配置方法和系统技术方案

本发明专利技术提供一种移动充电车优化配置方法和系统，涉及新能源汽车技术领域。本技术方案首先获取多组移动充电车配置数据、电动汽车充电需求信息数据和移动充电车待访问的节点信息数据；然后基于所述充电需求信息数据和所述节点信息数据获取优化调度模型，并确定所述优化调度模型的约束条件；利用所述配置数据求解所述优化调度模型，并基于求解结果确定最优配置方案。本技术方案有效解决了移动充电车优化配置问题，对灵活多变的电动汽车充电需求适应性强，能提高移动充电车运行的经济性和有效性。

【技术实现步骤摘要】
移动充电车优化配置方法和系统
本专利技术涉及新能源汽车
，具体涉及一种移动充电车优化配置方法和系统。
技术介绍
近年来，电动汽车行业虽然发展迅猛，但是，储能电池技术的局限依旧限制了电动汽车行业的发展速度，续航里程仍然是影响电动汽车普及的重要因素之一。当前，电动汽车主要通过固定式充电站充电，但固定式充电站建设周期长、投资成本高、灵活性较差。相对于固定式充电站，移动充电车采取预先接收充电需求信息再上门服务的形式，能够更灵活的适应充电需求的各种变化。而为了更好的降低成本，实现更大收益，就需要对移动充电车进行优化。目前，对于移动充电车的优化包括了对其调度的优化和配置的优化两个方面。现有研究对移动充电车的优化大都集中在对移动充电车优化调度问题上，并将该问题转化为带时间窗的电动汽车路径规划问题，该类研究是在移动充电车配置确定的基础上对其运行策略进行优化；而对固定式充电站的优化配置研究，大都是从固定式充电站运营商、电动汽车双方的经济性或电网的经济性出发，结合充电需求预测数据、充电历史数据、地理规划信息等，对充电站选址、定容、充电桩数量、匹配可再生能源与储能可行性等进行优化。由此可见，目前的移动充电车优化研究更加侧重于对其运行策略的优化，并未考虑优化配置；固定式充电站由于其自身可移动性差、规模大、充电需求固定，对其优化配置的方法无法充分适应移动充电车移动性强、对储能设备体积与质量要求高、充电需求具备一定随机性等特点。综上，现有技术无法对移动充电车进行配置优化。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种移动充电车优化配置方法和系统，解决了现有技术无法对移动充电车进行配置优化的问题。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：第一方面，本专利技术首先提出一种移动充电车优化配置方法，所述方法包括：获取多组移动充电车配置数据、电动汽车充电需求信息数据和移动充电车待访问的节点信息数据；基于所述充电需求信息数据和所述节点信息数据获取优化调度模型，并确定所述优化调度模型的约束条件；利用所述配置数据求解所述优化调度模型，并基于求解结果确定最优配置方案。优选的，所述配置数据包括：电池容量配置数据和车队配比配置数据；所述充电需求信息数据包括：预定的充电位置、需求电量、时间窗以及充电模式数据；所述节点信息数据包括：电动汽车位置数据、中心站点位置数据和固定式充电站位置数据。优选的，所述优化调度模型的目标函数为：maxprofit＝I-C1-C2-C3-C4其中，I表示移动充电车运营商总收入；C1表示移动充电车派遣成本；C2表示移动充电车来往固定式充电站的行驶成本；C3表示移动充电车为电动汽车充电的服务成本；C4表示移动充电车违反时间窗的惩罚成本。优选的，所述移动充电车运营商总收入I：移动充电车派遣成本C1：移动充电车来往固定式充电站的行驶成本C2：移动充电车为电动汽车充电的服务成本C3：移动充电车违反时间窗的惩罚成本C4：其中，n为移动充电车总数；m为电动汽车节点与中心站点节点总数；xi,j为决策变量，当xi,j取值为1时表示第i辆移动充电车访问节点j；当xi,j取值为0时表示第i辆移动充电车不访问节点j；αi,k为移动充电车i的充电服务费；k表示充电模式；RNj表示节点j的需求电量；pE为移动充电车给电动汽车充电的单位电价；xi为决策变量，当xi取值为1时表示派遣第i辆移动充电车；当xi取值为0时表示不派遣第i辆移动充电车；εi为第i辆移动充电车的派遣成本；q为固定式充电站总数；为决策变量，当取值为1时表示移动充电车i在访问节点j后前往固定式充电站补充电能；当取值为0时表示移动充电车i在访问节点j后不前往固定式充电站补充电能；di,z为移动充电车当前位置与固定式充电站z之间的距离；ωj,z为决策变量，当ωj,z取值为1时表示在固定式充电站z处补充电能；当ωj,z取值为0时表示不在固定式充电站z处补充电能；dz,j+1为固定式充电站z与节点j+1之间的距离；θ为移动充电车的单位里程能耗；pM为固定式充电站给移动充电车充电的单位电价；di,j为移动充电车i与节点j之间的距离；CM为移动充电车电池容量；TM为移动充电车在电池生命周期内总循环次数；γ为移动充电车电池的置换成本；μk为移动充电车在第k种充电服务模式下放电时对自身电池的损耗系数；内层时间窗为软时间窗，表示节点j期望移动充电车i到达的最佳时间区间；外层时间窗为硬时间窗，表示节点j可接受的移动充电车i到达的最大时间区间；为移动充电车i到达节点j时的时刻；均为决策变量，当它们的值取1时，分别表示移动充电车i在中某一时间区间内到达节点j；当决策变量取0时，分别表示移动充电车i未能在对应时间区间内到达；ce、cl、cmin分别为移动充电车在到达节点j时的单位时间惩罚成本。优选的，所述约束条件包括：节点的时间窗约束：移动充电车的到达时刻约束：移动充电车的到达时刻所处区间约束：电动汽车接受服务约束：移动充电车充放电量约束：移动充电车剩余电量范围约束：电动汽车需求电量约束：0≤RNj≤CE其中，分别为节点j外层时间窗的最早、最晚时间点；分别为节点j内层时间窗的最早、最晚时间点；为移动充电车i到达节点j+1时的时刻；为移动充电车i到达节点j时的时刻；rk为移动充电车给电动汽车充电的第k种模式的放电功率；xi,j+1为决策变量，当xi,j+1取值为1时表示第i辆移动充电车访问节点j+1；当xi,j+1取值为0时表示第i辆移动充电车不访问节点j+1；为决策变量，当取值为1时表示移动充电车i在访问节点j后前往固定式充电站补充电能；当取值为0时表示移动充电车i在访问节点j后不前往固定式充电站补充电能；di,j+1为移动充电车i与节点j+1之间的距离；ωj,z为决策变量，当ωj,z取值为1时表示在固定式充电站z处补充电能；当ωj,z取值为0时表示不在固定式充电站z处补充电能；rM为移动充电车在固定式充电站的充电功率；di,z为移动充电车当前位置与固定式充电站z之间的距离；dz,j+1为固定式充电站z与节点j+1之间的距离；v为移动充电车行驶速度；RNj为节点j的需求电量；RMi,j为移动充电车i在访问节点j后，在固定式充电站补充的电量；λi,j、均为决策变量，当λi,j取值为1，分别表示移动充电车i在时间区间内到达节点j；当决策变量取0时，分别表示移动充电车i未能在对应时间区间内到达；n为移动充电车总数；xi,j为决策变量，当xi,j取值为1时表示第i辆移动充电车访问节点j，当xi,j取值为0时表示第i辆移动充电车不访问节点j；m为电动汽车节点与中心站点节点总数；q为固定式充电站总数；xi,j为决策变量，当xi,j取值为1时表示第i辆移动充电车访问节点j，当xi,j取值为0时表示第i辆移本文档来自技高网...

【技术保护点】
1.一种移动充电车优化配置方法，其特征在于，所述方法包括：/n获取多组移动充电车配置数据、电动汽车充电需求信息数据和移动充电车待访问的节点信息数据；/n基于所述充电需求信息数据和所述节点信息数据获取优化调度模型，并确定所述优化调度模型的约束条件；/n利用所述配置数据求解所述优化调度模型，并基于求解结果确定最优配置方案。/n

【技术特征摘要】
1.一种移动充电车优化配置方法，其特征在于，所述方法包括：
获取多组移动充电车配置数据、电动汽车充电需求信息数据和移动充电车待访问的节点信息数据；
基于所述充电需求信息数据和所述节点信息数据获取优化调度模型，并确定所述优化调度模型的约束条件；
利用所述配置数据求解所述优化调度模型，并基于求解结果确定最优配置方案。


2.如权利要求1所述的方法，其特征在于，所述配置数据包括：电池容量配置数据和车队配比配置数据；所述充电需求信息数据包括：预定的充电位置、需求电量、时间窗以及充电模式数据；所述节点信息数据包括：电动汽车位置数据、中心站点位置数据和固定式充电站位置数据。


3.如权利要求1所述的方法，其特征在于，所述优化调度模型的目标函数为：
maxprofit＝I-C1-C2-C3-C4
其中，I表示移动充电车运营商总收入；C1表示移动充电车派遣成本；C2表示移动充电车来往固定式充电站的行驶成本；C3表示移动充电车为电动汽车充电的服务成本；C4表示移动充电车违反时间窗的惩罚成本。


4.如权利要求3所述的方法，其特征在于，所述移动充电车运营商总收入I：



移动充电车派遣成本C1：



移动充电车来往固定式充电站的行驶成本C2：



移动充电车为电动汽车充电的服务成本C3：



移动充电车违反时间窗的惩罚成本C4：



其中，n为移动充电车总数；m为电动汽车节点与中心站点节点总数；xi,j为决策变量，当xi,j取值为1时表示第i辆移动充电车访问节点j；当xi,j取值为0时表示第i辆移动充电车不访问节点j；αi,k为移动充电车i的充电服务费；k表示充电模式；RNj表示节点j的需求电量；pE为移动充电车给电动汽车充电的单位电价；xi为决策变量，当xi取值为1时表示派遣第i辆移动充电车；当xi取值为0时表示不派遣第i辆移动充电车εi；为第i辆移动充电车的派遣成本；q为固定式充电站总数；为决策变量，当取值为1时表示移动充电车i在访问节点j后前往固定式充电站补充电能；当取值为0时表示移动充电车i在访问节点j后不前往固定式充电站补充电能；di,z为移动充电车当前位置与固定式充电站z之间的距离；ωj,z为决策变量，当ωj,z取值为1时表示在固定式充电站z处补充电能；当ωj,z取值为0时表示不在固定式充电站z处补充电能；dz,j+1为固定式充电站z与节点j+1之间的距离；θ为移动充电车的单位里程能耗；pM为固定式充电站给移动充电车充电的单位电价；di,j为移动充电车i与节点j之间的距离；CM为移动充电车电池容量；TM为移动充电车在电池生命周期内总循环次数；γ为移动充电车电池的置换成本；μk为移动充电车在第k种充电服务模式下放电时对自身电池的损耗系数；内层时间窗为软时间窗，表示节点j期望移动充电车i到达的最佳时间区间；外层时间窗为硬时间窗，表示节点j可接受的移动充电车i到达的最大时间区间；为移动充电车i到达节点j时的时刻；均为决策变量，当它们的值取1时，分别表示移动充电车i在中某一时间区间内到达节点j；当决策变量取0时，分别表示移动充电车i未能在对应时间区间内到达；ce、cl、cmin分别为移动充电车在到达节点j时的单位时间惩罚成本。


5.如权利要求4所述的方法，其特征在于，所述约束条件包括：
节点的时间窗约束：



移动充电车的到达时刻约束：



移动充电车的到达时刻所处区间约束：



电动汽车接受服务约束：



移动充电车充放电量约束：



移动充电车剩余电量范围约束：



电动汽车需求电量约束：
0≤RNj≤CE
其中，分别为节点j外层时间窗的最早、最晚时间点；分别为节点j内层时间窗的最早、最晚时间点；为移动充电车i到达节点j+1时的时刻；为移动充电车i到达节点j时的时刻；rk为移动充电车给电动汽车充电的第k种模式的放电功率；xi,j+1为决策变量，当xi,j+1取值为1时表示第i辆移动充电车访问节点j+1；当xi,j+1取值为0时表示第i辆移动充电车不访问节点j+1；为决策变量，当取值为1时表示移动充电车i在访问节点j后前往固定式充电站补充电能；当取值为0时表示移动充电车i在访问节点j后不前往固定式充电站补充电能；di,j+1为移动充电车i与节点j+1之间的距离；ωj,z为决策变量，当ωj,z取值为1时表示在固定式充电站z处补充电能；当ωj,z取值为0时表示不在固定式充电站z处补充电能；rM为移动充电车在固定式充电站的充电功率；di,z为移动充电车当前位置与固定式充电站z之间的距离；dz,j+1为固定式充电站z与节点j+1之间的距离；v为移动充电车行驶速度；RNj为节点j的需求电量；RMi,j为移动充电车i在访问节点j后，在固定式充电站补充的电量；λi,j、均为决策变量，当λi,j取值为1，分别表示移动充电车i在时间区间内到达节点j；当决策变量取0时，分别表示移动充电车i未能在对应时间区间内到达；n为移动充电车总数；xi,j为决策变量，当xi,j取值为1时表示第i辆移动充电车访问节点j，当xi,j取值为0时表示第i辆移动充电车不访问节点j；m为电动汽车节点与中心站点节点总数；q为固定式充电站总数；xi,j为决策变量，当xi,j取值为1时表示第i辆移动充电车访问节点j，当xi,j取值为0时表示第i辆移动充电车不访问节点j；di,j为移动充电车i与节点j之间的距离；θ为移动充电车的单位里程能耗；CM为移动充电车电池容量；CE表示移动充电车的电池容量。


6.一种移动充电车优化配置系统，...

【专利技术属性】
技术研发人员：周开乐，刘璐，陆信辉，丁涛，杨善林，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34