买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本发明属于智能交通技术领域，公开了一种大规模路网中智能网联共享电动车充电站的优化布设求解方法，1：建立一套以系统运行总成本最小化为目标的充电站布设混合整数线性规划模型；2：结合时间窗口滚动的分阶段动态规划方法与遗传算法求解所建模型；本发明上层运用遗传算法，生成包含若干个体的初始种群，其中每个个体代表一种充电站布设方案。根据下层问题提供的个体适应度评价值，对每一代种群进行选择、杂交、变异等遗传进化操作，并经重插入后，形成新一代种群。如此迭代进化，直到种群中个体适应度的最小值达到收敛为止。通过时间阶段不断滚动的方法来将原大规模问题在时间维度进行拆分，高维度降为低维度，从而有效地对原问题进行了求解。

主权项：1.一种大规模路网中智能网联共享电动车充电站的优化布设求解方法，其特征在于，包括如下步骤：C1：建立一套以系统运行总成本最小化为目标的充电站布设混合整数线性规划模型MILP；C2：结合时间窗口滚动的分阶段动态规划方法与遗传算法求解所建模型；上层运用遗传算法，生成包含若干个体的初始种群，其中每个个体代表一种充电站布设方案；根据下层问题提供的个体适应度评价值，对每一代种群进行选择、杂交、变异的遗传进化操作，并经重插入后，形成新一代种群；如此迭代进化，直到种群中个体适应度的最小值达到收敛为止；适应度值最小的个体所代表的充电站布设方案即为最优布局；下层运用时间窗口滚动的分阶段动态规划方法，在个体布设方案给定后求解混合整数线性规划模型MILP，从而获得各个体的适应度；在每个个体方案下，将模型MILP涵盖的时间段分成多个小阶段，同时将大规模的乘客出行数据按照各时间阶段分成若干小份数据；在每一个阶段内，根据路网当前各车辆状态和该阶段内的乘客出行需求信息，求解规模缩小后的混合整数线性规划模型MILP，各阶段求解结束后，相应地更新车辆路径调度和充电决策，以及所有车辆所处的状态信息，作为下一个阶段求解的初始值；以此类推，通过时间阶段不断滚动的方法来将原大规模问题在时间维度进行拆分，高维度降为低维度；计算获得的各阶段目标函数值相加得到每个种群个体的适应度值，该值即为此个体所代表的充电站布局策略的总成本；所述混合整数线性规划模型MILP包括交通网络模块、目标函数模块、电动车接送客路径模块、行程时间模块、电动车排队等待时间模块、电动车电量模块和充电站模块的搭建；C1.1：交通网络模块的搭建：用参数O表示电动车的可选出发点、P表示所有乘客上车点的集合，D表示所有乘客下车点的集合，U表示所有充电站备选点编号的集合，表示n号充电站备选点所能安装的最大充电桩数；Vmax表示最多允许投放在网络中的电动汽车数；Cmax表示允许在路网中建立充电站数量限制；Cn表示n号充电站备选点所有备选充电桩的集合；Qmax表示投放路网中充电桩的数量限制；C表示所有充电站充电桩备选点集合；T表示电动车的返回点，其为虚拟终点，到其它各节点的距离为0；N表示所有节点的集合；V表示所有备选电动车的集合，建立物理交通路网的数字化模型；C1.2：目标函数模块的搭建：通过参数ct、cw、ce、cq、cf、cr、tij、ai、E、rj计算各个阶段的总成本之和的最小化值；即电动车的行驶时间成本、自动驾驶电动车和充电桩的使用成本、电动车在充电站的充电费用、电动车在充电站的等待时间成本、因无法准时到达节点而产生的惩罚成本之和的最小化值，其中，ct表示电动车行驶单位时间的时间成本；cw表示因电动车延误而导致乘客在上车点等待的单位等待时间惩罚成本；ce表示每单位电量的能耗成本；cq表示电动车在充电桩排队的单位排队时间成本；cf表示每辆电动车的购买和使用成本；cr表示每个充电桩的建设和使用成本；tij表示从节点i∈N到节点j∈N的行驶时间；表示电动车v∈V实际到达节点i∈N处的时间；表示电动车v∈V在充电桩i∈C开始充电的时间；表示电动车v∈V从乘客上车点i∈P出发的时间；ai表示乘客到达上车点i∈P的时间；E表示电动车的最大电量；表示电动车v∈V到达节点i∈N处时的电量；表示0-1变量，如果电动车v∈V直接从节点i∈N到达节点j∈N，等于1；否则，等于0；rj表示0-1变量，若在充电桩备选点j∈C安装充电桩，等于1；否则，等于0；C1.3：电动车接送客路径模块的搭建：通过公式计算约束生成共享电动车的接送客路径，使车辆按照规定路径规则来完成各阶段的接送客任务：在每个阶段，电动车v从出发点O出发，前往乘客上车点P接乘客，并将其运送到对应的乘客下车点D；若电动车v电量不足以完成接下来的接送客任务，则前往充电桩C进行充电，然后再前往其他乘客上车点P接客，依次类推；当电动车v完成了该阶段所有接送客需求时，将停留在乘客下车点D，指引电动车v返回虚拟终点T表示电动车v结束此阶段的接送客任务；电动车v在此阶段最后停留的乘客下车点D即为下一阶段的出发点O；C1.4:行程时间模块的搭建：通过参数g、v_start、v0_charged、s0、c0、y0_charged、计算自动驾驶电动汽车在各节点的行程时间；其中g表示充电桩的充电效率，即单位时间的充电量；v_start表示跟踪记录每一阶段前所有电动车离开出发点的出发时间，初始化所有电动车的v_start＝0；v0_charged表示记录每一阶段内每一次充电的电动车编号，初始化其为空集；s0表示记录每一阶段内电动车v0_charged在充电桩开始充电的时间，初始化其为空集；c0表示记录每一阶段内电动车v0_charged充电时对应的充电桩编号，初始化其为空集；y0_charged表示记录每一阶段内电动车v0_charged到达充电桩时的电量，初始化其为空集；C1.5：电动车排队等待时间模块的搭建：通过C1.1-C1.4所述参数以及参数计算电动车在各充电站的排队等待时间；其中为0-1变量；C1.6：电动车电量模块的搭建：通过C1.1-C1.4所述参数以及参数v_energy、dij、h描述共享电动车在运行过程中的电量消耗及充电情况，其中，v_energy表示跟踪记录每一阶段前所有电动车在出发点时的电量，初始化所有电动车的v_energy＝E，dij表示节点i∈N和节点j∈N之间的最短距离，h表示电动车的电量消耗率，即单位时间电动车消耗的电量；C1.7：充电站模块的搭建：通过参数决定共享电动车在充电桩的充电情况；C3：大规模路网求解方法总结；所述步骤C3包括如下具体步骤：C3.1：初始化；C3.2：个体编码；C3.3：定义评价函数，计算每个个体的适应度值；所述C3.3采用建立的以总成本最小化为目标的混合整数线性规划模型作为每个个体适应度的评价函数，包括如下具体步骤：初始种群中每个个体u，循环执行下列步骤：C3.3.1：初始化相关集合；初始化集合v_origin,v_start,v_energy,v_terminal,v0_charged，s0，c0，y0_charged；建立集合cost来记录充电站布局方案u下电动车完成所有乘客接送客需求任务的总成本，并初始化cost＝0；C3.3.2：计算电动车分阶段接送客的目标函数值；拆分后s个阶段中的每个阶段为k，循环执行下列步骤：C3.3.2.1：搭建交通网络；导入第k阶段的乘客出行需求OD对以及更新后的v_origin集合，按照1.1节交通路网搭建规则构建集合O,P,D,C,T,N中各节点集合，并更新所搭建交通路网各节点的最短路径；C3.3.2.2：实施阶段优化；求解该阶段的混合整数线性规划模型MILP，得到该阶段k最优的车辆接送客路径策略、电动车规模、充电策略以及目标函数值k_cost，更新cost＝cost+k_cost；C3.3.2.3：获取阶段k运行车辆的信息；获取阶段k运行的车辆，运行车辆的起点，运行车辆的终点，运行车辆到达终点的电量，运行车辆到达终点的时间，以及运行车辆充过电的充电桩，将相应信息分别导入集合v0,v0_origin,v0_destin,y0_destin,tao0_destin,c0_used中；C3.3.2.4：更新所有电动车的出发点；将阶段k运行车辆的终点作为下一阶段k+1运行车辆的出发点，更新到集合v_origin中；C3.3.2.5：更新所有电动车在出发点的能量；将阶段k运行车辆到达终点的电量作为下一阶段k+1运行车辆的初始电量；C3.3.2.6：更新电动车的出发时间；先将下一阶段k+1所有车辆的出发时间v_start更新为t·k+1，再将运行车辆到达终点的时间tao0_destin与t·k+1作比较；如果tao0_destin＞t·k+1：将阶段k运行车辆v0到达终点的时间tao0_destin更新到下一阶段k+1运行车辆v0的出发时间v_start中；否则，v_start保持不变；C3.3.2.7：将在阶段k内结束充电的电动车记录剔除；将电动车在充电桩c0_used结束充电的时间s0+E-y0g与阶段k+1的开始时间t·k+1作比较：如果s0+E-y0g＜t·k+1：删除电动车在v0_charged，s0，c0，y0_charged中的所有记录；否则保留这些记录；C3.3.3：计算电动车分阶段接送客的目标函数值；C3.3.3.1：更新交通网络；导入更新后的v_origin集合，按照交通路网搭建规则构建集合O,C,T,N中各节点集合，并更新所搭建交通路网各节点的最短路径；C3.3.3.2：进行优化；计算运营电动车前往返回点的最优路径和充电策略以及最优目标函数值t_cost，更新cost＝cost+t_cost，此cost值即为个体u对应的适应度值；其中：v_origin表示跟踪记录所有电动车在每一阶段前所处的出发点编号；v_terminal表示记录所有电动车执行完所有乘客出行需求任务后最终返回的返回点，其等于导入路网中提供的所有电动车的出发点；v0表示记录在每一阶段内运行的所有车辆；v0_origin表示记录在每一阶段内运行的所有车辆的起点；v0_destin表示记录在每一阶段内运行的所有车辆的终点；y0_destin表示记录每一阶段内所有运行车辆到达终点的电量；tao0_destin表示记录每一阶段内所有运行车辆到达终点的时间；c0_used表示记录每一阶段内所有运行车辆充过电的充电桩；C3.4：使用遗传算法进行族群迭代；C3.5：得到最优充电站布设方案。

全文数据：

权利要求：

百度查询： 浙江大学 一种大规模路网中智能网联共享电动车充电站的优化布设求解方法