一种车辆少事故点多的电源车救援调度优化方法技术

本发明专利技术公开了一种车辆少事故点多的电源车救援调度优化方法，包括如下步骤：获取可用电源车数量，获取事故点位置坐标，计算电源车燃油剩余储量，计算事故点的缺电功率，以事故点损失最小值为优化目标，设置调度优化问题的约束条件，基于遗传算法进行优化问题的搜索求解，本发明专利技术能够处理救援车辆少而事故点多时，以最少经济损失代价对事故点进行保供电救援。以最少经济损失代价对事故点进行保供电救援。以最少经济损失代价对事故点进行保供电救援。

【技术实现步骤摘要】
一种车辆少事故点多的电源车救援调度优化方法


[0001]本专利技术涉及电源车救援
，尤其涉及一种车辆少事故点多的电源车救援调度优化方法。

技术介绍

[0002]自从进入电气时代，电的使用已经成为我们生活中无法缺失的东西；当今社会，很多的设备都需要靠电来维持运转，然而，近年来，国内外发生的一系列重大停电事故，不仅造成了经济的严重损失还对社会造成了极大的影响甚至造成了人员的伤亡，因此，移动电源车的出现有效的缓解了这一情况，但随之而来的电源车调度优化相应的成为了提高救援效率、减少经济损失的关键问题；虽然已有多种技术方法用于电源车救援调度，但大多是致力于对电源车数量充足条件下的分配调度，而忽略了供电所电源车数量不足的情况。也就是说，当出现突发事故点多，而可用于紧急救援的电源车数量少时，如何能高效率开展救援并尽量减少经济损失则成为了需要解决的问题。

技术实现思路

[0003]为了克服上述现有技术中存在的缺陷，本专利技术的目的是提供一种车辆少事故点多的电源车救援调度优化方法。
[0004]本专利技术采用如下技术方法实现：
[0005]一种车辆少事故点多的电源车救援调度优化方法，该方法包括如下步骤：
[0006]步骤1：获取：获取供电局所剩可用的电源车数量，并根据电源车的油箱容量对电源车进行分类，然后获取各个事故点的相应位置坐标，计算出各个事故点之间的位置距离矩阵和电源车在两两事故点之间所消耗的时间矩阵，最后将各个事故点的缺电功率和该事故点单位时间内满足其正常供电所需要的发电量进行记录分析并以此推测出电源车在该事故点所需要的耗油量；
[0007]步骤2：计算：获取初始数据后，以事故点损失最小值为目标建立电源车调度的模型，因为电源车的调度与物流方面的车辆调度有所不同，对于停电事故是属于紧急事件，因此这里引入了事故地的紧急程度公式(2)，由于一个停电事故会造成很大的影响，因此本设计从其生命安全影响、经济影响、特殊性影响三个角度并结合现实情况制定合理的权重和数值，再根据该事故点的单位时间单位功率的基本停电损失计算出单位时间单位功率的停电损失，又因为事故点的位置不同因此距离也就不同，可能会造成远事故点，其紧急程度高，近事故点，其紧急程度低的情况，因此本设计综合考虑了到达每个事故点的时间和每个事故点的紧急程度；
[0008]步骤3：约束：根据现实情况对该模型进行基本假设和添加相应的约束条件，每辆车从供电所出发，经过事故点后最终都回归车库，两两事故地的来回距离不变，一个事故点仅被救援一次；维持每个事故点供电所需要的油耗小于电源车的油箱容量；所需要的电源车个数小于供电所能正常使用的个数；
[0009]步骤4：分析：进行算例分析，并选取合适的优化算法对该模型进行优化求解，本设计考虑到遗传算法的运用范围广、群体搜素性强、可扩展性好等特点，因此选用遗传算法进行电源车调度规划。
[0010]本专利技术的有益技术效果是：利用遗传算法对车辆少事故点多时基于油箱容量进行应急电源车调度优化，该方法可以根据电源车的油箱容量和维持事故点在停电时间内对缺电功率正常供电所需要油箱容量进行对比，规划出相应的事故点路径和所需要派出的电源车辆数和种类，利用遗传算法求解出最优救援路径和事故点发生停电事故造成的最小损失值。
附图说明
[0011]图1是本专利技术的流程处理图；
[0012]图2是遗传算法处理该模型的流程图。
具体实施方式
[0013]通过下面对实施例的描述，目的是更好的解释本专利技术，而不是也不能把该实施例当作为本专利技术的限制条件，任何对本流程或技术特征的定义进行改变和/或对整体框架作形式的而非实质的变换都将视为本专利技术的技术方法所限定的保护范围。
[0014]如图1所示的一种基于遗传算法的不同油箱存储余量的电源车救援调度方法，该方法包括如下步骤：
[0015]步骤1：获取供电局所剩可用的电源车数量，并根据电源车的油箱容量对电源车进行分类，然后获取各个事故点的相应位置坐标，计算出各个事故点之间的位置距离矩阵和电源车在两两事故点之间所消耗的时间矩阵，最后将各个事故点的缺电功率和该事故点单位时间内满足其正常供电所需要的发电量进行记录分析并以此推测出电源车在该事故点所需要的耗油量；
[0016]步骤2：获取初始数据后，以事故点损失最小值为目标建立电源车调度的模型，因为电源车的调度与物流方面的车辆调度有所不同，对于停电事故是属于紧急事件，因此这里引入了事故地的紧急程度公式(2)，由于一个停电事故会造成很大的影响，因此本设计从其生命安全影响、经济影响、特殊性影响三个角度并结合现实情况制定合理的权重和数值，再根据该事故点的单位时间单位功率的基本停电损失计算出单位时间单位功率的停电损失，又因为事故点的位置不同因此距离也就不同，可能会造成远事故点，紧急程度高，近事故点，紧急程度低的情况，因此本设计综合考虑了到达每个事故点的时间和每个事故点的紧急程度，建立了如下式(1)的目标函数：
[0017][0018]S
j
＝I
j
(w
α
α
j
+w
β
β
j
+w
r
r
j
)，(2)
[0019]w
α
+w
β
+w
r
＝1(3)
[0020]其中：j
‑
表示事故点编号；n表示事故点总个数；
‑
表示从车库出发到达事故点的累积时间；α
j
‑
表示事故点失电后对生命安全的影响程度，β
j
‑
表示事故点失电后对区域经济的影响程度，r
j
‑
表示事故点失电后产生的特殊性影响程度；s
j
‑
表示事故点的单位时间单位
功率的停电损失；
[0021]p
j
‑
事故点j的缺电功率；I
j
‑
事故点j的单位时间单位功率的基本停电损失；w
α
‑
生命安全影响权重；w
β
‑
经济性影响权重；w
r
‑
特殊性影响权重；公式(3)为权重值之和为一；
[0022]步骤3：约束：根据现实情况对该模型进行基本假设和添加相应的约束条件，每辆车从供电所出发，经过事故点后最终都回归车库，两两事故地的来回距离不变，一个事故点仅被救援一次；维持每个事故点供电所需要的油耗小于电源车的油箱容量；所需要的电源车个数小于供电所能正常使用的个数；
[0023]步骤4：进行算例分析，获取所需要的各个参数值，并将这些数值进行初始处理，选取合适的算法对该算例进行优化求解，本设计考虑到遗传算法的运用范围广、群体搜索性强、可扩展性好等特点，因此选用遗传算法对所得到的路径种群进行不断迭代寻优，不断更新最优路径和最小损失值，直到遍历结束或者找到最优解后，显示出电源本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆少事故点多的电源车救援调度优化方法，其特征在于，该方法包括如下步骤：步骤1：获取：获取供电局所剩可用的电源车数量，并根据电源车的油箱容量对电源车进行分类，然后获取各个事故点的相应位置坐标，计算出各个事故点之间的位置距离矩阵和电源车在两两事故点之间所消耗的时间矩阵，最后将各个事故点的缺电功率和该事故点单位时间内满足其正常供电所需要的发电量进行记录分析并以此推测出电源车在该事故点所需要的耗油量；步骤2：计算：获取初始数据后，以事故点损失最小值为目标建立电源车调度的模型，因为电源车的调度与物流方面的车辆调度有所不同，对于停电事故是属于紧急事件，因此这里引入了事故地的紧急程度公式，由于一个停电事故会造成很大的影响，因此本设计从其生命安全影响、经济影响、特殊性影响三个角度并结合现实情况制定合理的权...

【专利技术属性】
技术研发人员：郭润凯，李欢欢，孙登敏，罗家健，郭俊健，李学超，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：