一种考虑电池健康状态差异的电动公交线路车辆调度方法

技术领域

本发明属于城市公共交通运营管理领域，具体涉及电动公交线路车辆调度方法。

背景技术

电动公交车辆具有零排放、运营成本低、乘坐舒适等优点。近年来我国各地公交企业均在大力推进公交车辆的电动化进程。然而受资金的制约或者燃油公交车尚未达到报废年限等因素影响，公交企业经常分批购置电动公交车来替换线路上已有的燃油公交车。随着运营里程的增加，电动公交车的电池容量会发生衰退，这就导致当线路上公交车辆全部电动化之后，各辆公交车的电池健康状态(State of health，SOH)存在差异。

电池健康状态的差异会给公交线路的车辆调度带来较大挑战。一方面，不同公交车的电池续驶里程不同，SOH较低的公交车需要在运营时间内多次充电才能满足其运营需求，否则将出现电量不足导致的服务中断。另一方面，各辆公交车SOH、每日运营里程、充电方案存在较大差异，尤其在同步考虑分时电价政策下，电动公交线路的车辆调度问题是一种大规模组合优化问题，即优化变量多、模型约束复杂，求解难度极高。

然而已有研究并未考虑公交线路各辆公交车电池SOH差异对车辆调度产生的影响，均假设各辆公交车电池SOH相等。因此，如何考虑电池健康状态的差异，建立科学的电动公交线路车辆调度方法是当前亟待解决的现实问题。

发明内容

本发明的目的是为了解决已有研究并未考虑公交线路各辆公交车电池SOH差异对车辆调度产生的影响，均假设各辆公交车电池SOH相等的问题，而提出一种考虑电池健康状态差异的电动公交线路车辆调度方法。

一种考虑电池健康状态差异的电动公交线路车辆调度方法具体过程为：

步骤1.数据采集；具体过程为：

步骤1.1.将由始发站行驶至终点站并在途中接送旅客完成运营任务这一过程定义为一个班次，依据发车时刻表确定线路当天所有班次的集合I＝{i|i＝1，2，…,I}，I为上下行班次的总数；

步骤1.2令k表示电动公交车的编号，k＝1,2,…,K，K为该线路配置的电动公交车数量，τ

步骤1.3.根据历史运行数据以及发车时刻表确定该线路当日班次i(i∈I)的发车时刻T

所述行程时间t

步骤1.4.按照城市阶梯电价对线路每日的运营时间进行时段划分，使用符号q(q＝1，2，…，Q)表示划分得到的各时段，时段q对应的电价记为c

其中Q表示划分后的时段总数；

所述电价c

步骤2.生成有向网络并定义优化变量；

步骤3.估计车辆发车时刻电池剩余电量；

步骤4.建立电动公交车辆调度优化模型；

步骤5.求解电动公交车辆调度优化模型。

本发明的有益效果为：

本发明以城市电动公交线路为研究对象，考虑各辆公交车电池SOH的差异，建立一种新的公交车辆调度模型与求解算法。本发明所提出的求解算法能够在短时间内获得高质量的车辆调度方案，具有较高的求解效率；所生成的车辆调度方案综合考虑了车辆电池SOH差异和分时电价的影响，能够保证电动公交车每日运营所需的电量需求，并优先于电价较低的时段进行充电，降低企业的电费支出。

附图说明

图1为本发明流程图。

图2为本发明有向网络模型示意图。

具体实施方式

具体实施方式一：本实施方式一种考虑电池健康状态差异的电动公交线路车辆调度方法具体过程为：

步骤1.数据采集；具体过程为：

步骤1.1.将由始发站行驶至终点站并在途中接送旅客完成运营任务这一过程定义为一个班次，依据发车时刻表确定线路当天所有班次的集合I＝{i|i＝1，2，…,I}，I为上下行班次的总数；

步骤1.2令k表示电动公交车的编号，k＝1,2,…,K，K为该线路配置的电动公交车数量，τ

步骤1.3.根据历史运行数据以及发车时刻表确定该线路当日班次i(i∈I)的发车时刻T

所述行程时间t

步骤1.4.按照城市阶梯电价对线路每日的运营时间进行时段划分，使用符号q(q＝1，2，…，Q)表示划分得到的各时段，时段q对应的电价记为c

其中Q表示划分后的时段总数；

所述电价c

步骤2.生成有向网络并定义优化变量；

步骤3.估计车辆发车时刻电池剩余电量；

步骤4.建立电动公交车辆调度优化模型；

步骤5.求解电动公交车辆调度优化模型。

具体实施方式二：本实施方式与具体实施方式一不同的是，所述步骤2中生成有向网络并定义优化变量；具体过程为：

步骤2.1.定义有向网络G＝{V，A}；

其中V为节点集合，A为有向弧集合；

其中有向网络中节点集合V＝I∪{o,d}；

其中节点o代表车辆从场站发出，节点d代表车辆返回场站；

定义集合I

步骤2.2.有向弧集合A根据连接方法分为两个集合A

如果车辆k连续运营班次i、j且中途不需要充电，则x

如果车辆k连续运营班次i、j且中途需要充电，则y

图2为有向网络模型示意图。

其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是，所述步骤3中估计车辆发车时刻电池剩余电量；具体过程为：

步骤3.1.当x

式中，W

步骤3.2.当y

其中电动公交车k在班次i与班次j间的充电量

式中，

其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是，所述步骤4中建立电动公交车辆调度优化模型；具体过程为：

步骤4.1.构建目标函数；

以线路总运营成本Z(元)最小为优化目标建立车辆调度模型，如式(4)所示；

线路总运营成本由日间充电成本Z

min Z＝Z

式中：c

步骤4.2.设置约束条件；

约束(8)～(11)保证所有班次都被执行且只被执行一次；

约束(12)、(13)保证两种有向弧时间上的可行性；

约束(14)、(15)保证车辆充电前后的电量处于安全范围内；

约束(16)～(18)对车辆的充电时长做出限制；

约束(19)、(20)为优化变量的取值限制；

/>

式中：

其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是，所述步骤5中求解电动公交车辆调度优化模型；具体过程为：

步骤5.1.输入参数：最大迭代次数μ、退火温度t、筛选比例ζ，迭代次数δ＝0；

步骤5.2.生成初始种群；具体过程为：

步骤5.21.将当日所有班次随机分配给车辆，分配时要满足节点服务约束式(8)～式(11)与时间可行性约束式(12)，组成车辆排班方案；

步骤5.22.基于车辆排班方案建立充电计划模型并求解(模型结构详见步骤5.5)，如果存在可行解(采用Gurobi求解器求解)，则将可行解加入到初始种群当中；如果无解，则抛弃该车辆排班方案并重新执行步骤5.21，直至初始种群中的可行解数量达到设定的初始种群规模POP

所述基于车辆排班方案建立充电计划模型过程为步骤5.5；

步骤5.3.判断是否存在δ≤μ，如果存在则进入步骤5.4；否则，进入步骤5.8；

步骤5.4.扰动可行解；具体过程为：

步骤5.4.1.令计数参数θ＝1；

步骤5.4.2.选择种群内第θ个可行解作为扰动目标ω；

步骤5.4.3.计算扰动目标ω中电动公交车k负责的所有班次的总能耗与该车辆剩余最大电池容量τ

步骤5.4.4.随机在[0,1]区间内选取一个数，记为r，判断是否存在r＜γ，如果存在，则从集合M中随机删除一辆公交车；否则，不进行任何操作；

其中γ是一个与迭代次数有关的参数，取值与迭代次数有关如式(21)所示：

γ＝0.95

步骤5.4.5.将集合T中的班次重新随机分配给集合M中的车辆，需要注意重新分配的过程依旧需要满足节点服务约束式(8)～式(11)与时间可行性约束式(12)，将扰动生成的新解记为ω′；

步骤5.4.6.根据ω′中的排班方案建立充电计划模型并求解(具体模型结构见步骤5.5)，判断是否有解，如果有解则转到步骤5.6，否则转到步骤5.4.7；

所述根据ω′中的排班方案建立充电计划模型过程为步骤5.5；

步骤5.4.7.判断θ＝POP

步骤5.5.根据排班方案生成充电计划；具体过程为：

每个排班方案中含有K条车次链(每辆车有其需要负责运营的班次，车辆从首班至末班需要负责的所有班次可以看做一条车次链)，为每条车次链创建一个集合α

步骤5.5.1.车辆发车时刻电池剩余电量估计变为式(22)；

/>

式中：W

步骤5.5.2.建立充电调度模型；

以白天充电费用和夜间充电费用总和最小为优化目标建立模型，如式(23)所示；

约束(24)保证充电前后两个班次的时间可行性；

约束(25)、(26)保证车辆电池剩余电量处于安全范围内；

约束(27)、(28)保证电动公交车充电时长满足限制；

约束(29)、(30)为优化变量的取值限制；

式中：

步骤5.6.根据Metropolos准则筛选可行解；

步骤5.6.1.根据式(7)计算车辆使用成本Z

步骤5.6.2.计算扰动产生的成本变化ΔZ＝Z′-Z，其中Z′为扰动后生成可行解ω′的总成本，Z为扰动前可行解ω的总成本；

步骤5.6.3.判断ΔZ＜0是否成立，如果成立，则在种群中保留ω′剔除ω，进入步骤5.7；否则，转到步骤5.6.4；

步骤5.6.4.根据式(31)计算扰动后的采纳概率κ；随机在[0,1]区间内选取一个数，记为R；判断R＜κ，如果成立，则在种群中保留ω′剔除ω；否则，放弃ω′在种群中继续保留ω；

步骤5.7.令δ＝δ+1，转到步骤5.3；

步骤5.8.输出种群中成本最小解对应的车辆调度方案与充电计划。

其它步骤及参数与具体实施方式一至四之一相同。

本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。