【技术实现步骤摘要】
本专利技术涉及物流车辆调度，具体地说，是一种新能源物流车辆补能调度数据模型及调度优化方法。
技术介绍
1、随着我国新能源汽车产业的发展，新能源车辆在物流车辆中所占比例越来越高。与燃油车辆相比，新能源车辆通常需要更频繁地进行补能，也需要更长时间地占用补能设施。这样，新能源车辆的补能调度就变得非常重要。新能源车辆的补能调度管理可以通过充电和换电两种方式进行。充电是指将电动汽车连接到充电桩上，通过充电桩为电动汽车充电。换电是指将电动汽车的电池更换为已经充好电的电池。不同补能方式的时间、成本也不同，需要根据实际情况选择最合适的补能方式。在补能设施的容量约束限制下，如何在最合适的时机为车辆进行补能，对提高物流车辆运营效率、降低运营成本非常重要。为了实现这一目标，需要考虑多方面的因素，如物流任务的属性、路线、时间窗等；新能源车辆的状态、位置、类型等；补能设施的位置、容量、价格等。
2、现有针对新能源的车辆补能调度优化技术，大多是从电力供应方角度考虑，通过补能需求统计分析与预测，并结合一些数学优化方法，对充换电设施的选址、设备数量配置、分时电价设置等方面进行调度优化。而物流公司或车队管理角度，结合物流运输任务的车辆补能调度目前大多属于无调度管理或人工调度的状态，或者所有车辆均按照某一既定规则和顺序承担运输任务，并在固定时间段和位置进行补能；或者由车辆驾驶员自行进行充电和换电决策；或者由调度人员进行人工分配相关车辆调度任务并下发到驾驶员。另外，目前已出现一些针对固定场地内运营的车辆(如一些园区内的自动驾驶车辆)自动化补能管理技术，可
3、现有针对新能源车辆补能调度优化技术，如通过分时定价，引导车辆补能时间分配，从而达到消峰填谷，提高电网能源利用效率，或者通过补能设施选址规划提高调设施利用率，在宏观上实现社会资源优化利用，但针对具体的物流公司或车队希望达到降低补能成本和提高车辆利用率的目标则没有太大帮助，这一问题仍需解决。物流公司和车队大多在无调度状态，经常存在信息传递不及时或缺乏提前计划，造成有时大量补能设施闲置无人使用，有时又供不应求导致大量车辆排队等待的情况，造成车辆利用率降低和运营成本提高。而人工调度通常也难以做到完全及时准确，尤其是在车辆、线路和补能设施较多的复杂情况，人工调度很难达到资源利用的最优化，其调度规划所花费的时间也较长，难以根据实时变化的情况进行及时的调整。
4、目前的车辆自动化补能管理技术，有些能够通过监控车辆及充电设施状态，实现车辆自动补能调度，但此种技术目前还都应用于固定区域内按固定路线运营的简单场景，可以按优先顺序安排车辆补能，一定程度上提高车辆和充电设施的利用效率，但还难以解决车辆、路线与充换电设备耦合条件下的复杂补能调度问题。
技术实现思路
1、为了解决上述技术问题，本专利技术披露了一种新能源物流车辆补能调度数据模型及调度优化方法，通过建立数学模型和优化方法，能够在考虑物流运输任务条件下，解决新能源车辆的补能优化调度问题，从而提高新能源物流车辆的利用率，降低运营成本。
2、本专利技术采用的具体技术方案如下：
3、一种新能源物流车辆补能调度优化方法，建立新能源物流车辆补能调度数学模型，具体包括以下步骤：
4、步骤一、设置模型初始参数：设置调度数学模型中各个基本参数及静态数据，包括调度基本时间段长度、调度最大时长、最大任务数量、成本目标与效率目标权重、车辆行驶速度、电池容量、空载/满载续航里程、装/卸货及充/换电所需时间、最小安全电量、最大换电电量，充/换电价格，行驶与等待成本，以及各个地点位置、类型、是否有充/换电设施、到其它地点的距离等数据。
5、步骤二、设置车辆初始数据：根据各车辆当前实时状态，设置车辆状态数据值，包括当前任务类型、预计完成时间，完成时电量、地点、载货状态等数据。
6、步骤三、求解调度数学模型：利用通过分枝定界等算法，利用整数规划求解器，求解上述数学模型，在规定求解时间内得到模型的最优解或可行解。
7、步骤四：下发新的调度任务：将步骤三求解得到的决策变量所表达的车辆任务计划下发到各个车辆。
8、步骤五、监控车辆运行状态：持续监控并更新车辆实时运行状态，如果进入新的调度周期(预先设定的迭代调度周期，如0.5小时)，则转到步骤二，根据新的车辆状态更新调度计划，如此往重进行持续的补能调度。
9、本专利技术中新能源物流基本车辆运营方式设定如下：
10、运输任务：车辆在港口装货区与钢厂等客户卸货区之间进行往返运输，运输车辆事先指派到固定的装货点到卸货点运输路线上不可更改，装载货物均为整车满载，在同一装卸地点一次完成装卸。
11、车辆与司机：车辆均为纯电动车辆，24小时连续执行上述运输任务，每辆车一般配置两名司机并定期进行换班，车辆事先指派到上述路线，不可进入其它装卸货地点。
12、充换电设施：车辆可以在上述运输过程中，根据需要在车辆基地、装卸地点、以及其它专门设有充换电设施的地点进行充电或换电，充换电费用根据电量和对应时段的电价计算。
13、充换电调度：充换电调度任务是根据车辆实时状态，给出车辆在何时何地进行充电或换电、以及充入多少电量的具体补能计划，调度计划的优化目标为效率最大化或成本最小化，或者是同时考虑二者的综合目标，目标权重可以根据实际情况进行设置。调度优化可以滚动进行，定时根据最新情况进行计划更新。
14、本专利技术的进一步改进，在上述调度数学模型中基本数据要素如下：
15、地点：包括运行场景中涉及的车辆基地、港口装货点、客户卸货点、专用充换电站点等，地点总数记为m，地点集合记为：
16、p＝{pi|i＝1，2，…，m}
17、每一地点通过下列属性区分其不同类型：
18、pi＝(li，ui，ci，bi)
19、其中，li、ui、ci、bi均为0-1整数变量，分别表示第i个地点是否为装货点、卸货点、充电站、换电站，li与ui不能同时为1，即同一地点不可能同时为装货点和卸货点。
20、各地点之间的距离形成距离矩阵：
21、d＝{dij|i＝1，2，…，m，j＝1，2，…，m}
22、其中，dij表示从地点i到地点j的最短路线距离，dii定义为0。
23、路线：路线表示运输业务中从装货点到卸货点的运输线路，路线总为记为k，路线集合记为：
24、r＝{ri|i＝1，2，…，k}
25、其中，
26、ri＝(sourcei，targeti)
27、sourcei与targeti分别表示，第i条路线ri的装货点与卸货地点，因此二者满足：
28、
29、车辆：包括所有进行调度的车辆，车辆总数记为n，车辆集合记为：
30、v本文档来自技高网...
【技术保护点】
1.一种新能源物流车辆补能调度数据模型，其特征在于，包括数据要素、决策变量、约束条件、目标函数，所述数据要素作为该调度数据模型的基本设定包括地点、路线、车辆和时间，所述决策变量通过车辆任务安排进行，调度模型中每一车辆在每一地点进行的装货、卸货、充电、换电，以及等待行为，所述约束条件作为该调度数据模型的设定条件用以约束各个数据要素包括指派路线约束、车辆行驶约束、货物装卸约束、充换电约束、任务时间约束、车辆初始状态约束、参数范围约束，所述目标函数作为该调度数据模型的目标设定；
2.根据权利要求1所述的新能源物流车辆补能调度数据模型，其特征在于，所述决策变量中，所有的调度任务指派集合设为：
3.根据权利要求2所述的新能源物流车辆补能调度数据模型，其特征在于，所述约束条件中，指派路线约束表示如下：
4.根据权利要求3所述的新能源物流车辆补能调度数据模型，其特征在于，所述目标函数采用损失最小化做为优化目标，其中，
5.一种新能源物流车辆补能调度优化方法，其特征在于，建立如权利要求4所述的新能源物流车辆补能调度数据模型，包括以下步骤：
【技术特征摘要】
1.一种新能源物流车辆补能调度数据模型，其特征在于，包括数据要素、决策变量、约束条件、目标函数，所述数据要素作为该调度数据模型的基本设定包括地点、路线、车辆和时间，所述决策变量通过车辆任务安排进行，调度模型中每一车辆在每一地点进行的装货、卸货、充电、换电，以及等待行为，所述约束条件作为该调度数据模型的设定条件用以约束各个数据要素包括指派路线约束、车辆行驶约束、货物装卸约束、充换电约束、任务时间约束、车辆初始状态约束、参数范围约束，所述目标函数作为该调度数据模型的目标设定；
2...
【专利技术属性】
技术研发人员：李兵，李满，朱文超，郑国钰，
申请(专利权)人：北京氢远质投新能源汽车有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。