一种智能电表的配送任务排程优化方法技术

本发明专利技术公开了一种智能电表的配送任务排程优化方法，属于电能计量装置配送方法研究领域。本发明专利技术方法结合省级计量中心的实际情况，将电能计量装置的配送任务排程问题转化为一个配送中心利用不同型号配送车辆向多个需求点进行配送的车辆路径规划和车辆调度问题。该问题同时考虑了客户需求和地理位置等自身特性约束、车容和时间限制。本方案综合考虑省级计量中心计量装置配送的需求类型、配送时间、配送空间和车辆能力等多重因素，设计一个计量装置的配送任务排程优化算法，从而减弱传统人工制定计量装置配送计划时的诸多弊端，为及时、经济、高效、准确的计量装置配送提供强有力的支撑。

【技术实现步骤摘要】
一种智能电表的配送任务排程优化方法
本专利技术本专利技术属于电能计量装置配送方法研究领域，尤其是一种智能电表的配送任务排程优化方法。
技术介绍
随着电力建设和电力市场的快速发展，电能计量装置的需求量不断增加，客户的用电需求更加个性化，目前省计量中心主要存在计量装置业扩新装、故障维护和工程三种配送业务。随着客户差异化服务需求的深入以及省级计量中心柔性管理理念的贯彻，国网营销部要求以提供更优质的用电服务为目标，尽量缩短业务周期跨度，更快更好地满足顾客需求，提高应急业务服务水平。因此省计量中心的配送管理工作面临着很大的挑战。目前，传统的配送任务主要依靠人工经验，没有与需求、仓储结合起来，配送路线和配送任务的先后顺序都缺乏一定的管理规划，这势必会导致配送系统响应速度慢，灵活性差、服务水平低和信息化程度低。在此情况下综合考虑配送成本、配送时间、装载率和业务优先级等影响因素，设计配送任务智能排程计划，对于有效地规范现有的配送业务流程，提高配送服务水平具有重要意义。经过检索，在现有的已公开专利文献中未发现与本专利申请相同的技术方案。
技术实现思路
本专利技术的目的在于提供一种节约能源、自动执行、稳定可靠、适于推广的智能电表的配送任务排程优化方法。本专利技术解决其技术问题是采取以下技术方案实现的：一种智能电表的配送任务排程优化方法，其特征在于：包括下述步骤：S1：获取相关数据，包括：需求站点数目、配送中心配送车辆类型、车辆数、额定载重量及与每辆车相关联的司机出行费用和司机每日的额定工作时长、任意两个需求站点之间的距离、需求站点与配送中心之间的距离及单位距离运输成本、各需求站点的需求量及接收配送的时间窗；S2：利用模糊对比法判断计量中心已有的m辆车一周内的总运力能否满足所有需求点一周内的总需求，如果能够满足，则转入S4；如果不能满足则转入S3之后转至S1；S3：未能满足的任务量由下周配送；S4：计算配送完所有需求点的需求量的最短时间来判断配送中心已有的m辆车一天内的总运力能否满足需求点一周内的总需求；如果能够满足，则转至S5；如果不能够满足，则转入S6，之后转至S7，再转至S5；S5：根据该日内不同的适用条件和场景，设置数学模型，之后转入S8；S6：考虑业务优先级、时间、成本因素，建立组合权重，进行排序；S7：在S6的基础上对配送业务划分日程，进行日程安排；S8：利用贪心算法进行对最优解进行搜索；S9：通过不断的搜索求解，得出最优的配送任务排程方案。而且，步骤S2所述模糊对比法包括如下步骤：(1)计算需求站点一周内的总需求MA，i表示站点，i＝{0，1，2，…，n}，i＝0时为配送中心，否则为需求站点，需求站点的总数目为n，qi表示需求站点i的需求量；(2)穷举的所有配送路径共有n！条，每条路径的总长度记为WTWALj(j＝1，2，…，n！)；(3)计算出所有穷举路径的平均长度(4)计算每辆车的平均运输距离k＝{1，2…，m}是配送中心拥有的车辆集合；(5)计算每辆车的在途运输时间其中Vk为每辆车的平均行驶速度；(6)计算每辆车每天跑的车次数其中T为司机每日的额定工作时长；(7)计算车辆一周内的总运力其中，，CVk为车的额定装载量；(8)判断ECTk的大小。而且，所述(8)判断ECTk的大小的具体步骤为：①当ECTk全部大于0或者部分大于0部分等于0时，计算一周内m辆车的总运力其中CVk为车的额定装载量，将F1与所有需求点一周内的总需求MA比较，当F1≥MA时，所有车一周内能送完所有点的需求；当F1＜MA时，所有车一周内不能送完所有点的需求，这时需要社会车辆的帮助；②当ECTk全部等于0时，表示每辆车一天内跑不完一个车次，此时需找出一个正整数M，至每辆车每天跑的车次数全部大于等于1为止，该正整数M代表了需要M天可以保证每个车辆k跑完至少一个车次，计算一周内m辆车的总运力将F2与所有需求点一周内的总需求MA比较，当F2≥MA时，所有车一周内能送完所有点的需求；当F2＜MA时，所有车一周内不能送完所有点的需求，此时这一周剩余的天数由于在这D天内车辆不能完成一趟运输，故在D天内估算的m辆车的总理想运力则这一周内m辆车的理想运力F4＝F2+F3，将F4继续与MA比较，当F4≥MA时，所有车一周内能送完所有点的需求；当F4＜MA时，所有车一周内不能送完所有点的需求，这时需要社会车辆的帮助。而且，步骤S5中所述数学模型包括不同场景下的目标函数和约束条件。而且，所述目标函数(1)Min其主要包括两部分：车辆的固定启用费用和运输费用组成。其中：m为投入使用的配送车辆；xijk为0、1变量，xijk＝1表示车辆k从节点i行驶到节点j，否则xijk＝0；dij表示配送点i到配送点j的运输距离；ck为车辆k的固定启动费用；cijk：表示车辆k由节点i到节点j进行配送的单位距离的运输费用；(2)Min其主要包括行驶时间和货物装卸时间。其中：tij为从节点i到需求节点j的行驶时间；tih为车辆在节点i的装卸货时间；(3)Max或Max其分别表示车辆的载重利用率最大或车辆的容积利用率最大，其中：yki为0,1变量，yki＝1表示需求站点i的任务由车辆k完成，否则yki＝0；Gk为车辆k的额定载重量；qil为需求站点i对计量装置l的需求量；gl为计量装置l的单位重量；Qk为车辆k的额定装载容量；qim为需求站点i需要装载的周转箱m的数量，qi1＝pi1/12，qi2＝pi2/4，qi3＝pi3/12，qi4＝pi3/12，qi5＝pi5；vm为集装箱m的体积。而且，所述约束条件包括：(a1)车辆k在巡回路线的连续性约束，即车辆k到达某一客户节点也会离开，不会停留，(a2)同一车辆只能在一条巡回路线上行驶约束，x0jk≤1；(a3)车辆k的配送半径约束，Wk为配送车辆k允许行驶的最远距离；(a4)aj≤tj≤bj，ti为车辆到达需求点i的时刻，aj：允许车辆到达需求点i的最早时间点，bj为允许车辆到达需求点i的最晚时间点。而且，所述约束条件包括：步骤S6中所述考虑业务优先级、时间、成本因素的组合权重计算方式为：权重其中Prio为各需求点的优先级，surround为各需求点到其他点的距离之和，Distance为各需求点到计量中心的距离，Time为各需求点的服务时间窗，P，S，D，T分别为各参数的权重，并取S，D，T为1，为了方便比较优先级，取P为10(可调整)。将各需求点的权重按从大到小的顺序排列，得到一个需求点序列计算每辆车的权重其中VC为每辆车的平均车速，Volumn为每辆车的额定装载量，Wages为司机的工资，CostPerKm为车辆每公里消耗的费用，V，Vo，W，C分别为各参数的权重，并取V，C为1，Vo，W为0.1；将每辆车的权重按从大到小的顺序排列，得到一个车辆权重序列。而且，步骤S7中所述的贪心算法包括如下步骤：(1)将需求点按照不同的要求进行排序；(2)将车辆按照特定的目标进行排序；(3)将一个需求点分配给一辆车后，判断车辆完成该需求点的配送任务后是否还在这个需求点的配送服务时间窗之内，如果不在，则将该需求点分配给下一辆车；如果在，那么判断这辆车的额定装载量能否装满这个需求点的全部需求量，如果刚好装满，或装入后车辆还有剩余容量，则将下一个需求本文档来自技高网...

【技术保护点】
一种智能电表的配送任务排程优化方法，其特征在于：包括下述步骤：S1：获取相关数据，包括：需求站点数目、配送中心配送车辆类型、车辆数、额定载重量及与每辆车相关联的司机出行费用和司机每日的额定工作时长、任意两个需求站点之间的距离、需求站点与配送中心之间的距离及单位距离运输成本、各需求站点的需求量及接收配送的时间窗；S2：利用模糊对比法判断计量中心已有的m辆车一周内的总运力能否满足所有需求点一周内的总需求，如果能够满足，则转入S4；如果不能满足则转入S3之后转至S1；S3：未能满足的任务量由下周配送；S4：计算配送完所有需求点的需求量的最短时间来判断配送中心已有的m辆车一天内的总运力能否满足需求点一周内的总需求；如果能够满足，则转至S5；如果不能够满足，则转入S6，之后转至S7，再转至S5；S5：根据该日内不同的适用条件和场景，设置数学模型，之后转入S8；S6：考虑业务优先级、时间、成本因素，建立组合权重，进行排序；S7：在S6的基础上对配送业务划分日程，进行日程安排；S8：利用贪心算法进行对最优解进行搜索；S9：通过不断的搜索求解，得出最优的配送任务排程方案。

【技术特征摘要】
1.一种智能电表的配送任务排程优化方法，其特征在于：包括下述步骤：S1：获取相关数据，包括：需求站点数目、配送中心配送车辆类型、车辆数、额定载重量及与每辆车相关联的司机出行费用和司机每日的额定工作时长、任意两个需求站点之间的距离、需求站点与配送中心之间的距离及单位距离运输成本、各需求站点的需求量及接收配送的时间窗；S2：利用模糊对比法判断计量中心已有的m辆车一周内的总运力能否满足所有需求点一周内的总需求，如果能够满足，则转入S4；如果不能满足则转入S3之后转至S1；S3：未能满足的任务量由下周配送；S4：计算配送完所有需求点的需求量的最短时间来判断配送中心已有的m辆车一天内的总运力能否满足需求点一周内的总需求；如果能够满足，则转至S5；如果不能够满足，则转入S6，之后转至S7，再转至S5；S5：根据该日内不同的适用条件和场景，设置数学模型，之后转入S8；S6：考虑业务优先级、时间、成本因素，建立组合权重，进行排序；S7：在S6的基础上对配送业务划分日程，进行日程安排；S8：利用贪心算法进行对最优解进行搜索；S9：通过不断的搜索求解，得出最优的配送任务排程方案。2.根据权利要求1所述智能电表的配送任务排程优化方法，其特征在于：步骤S2所述模糊对比法包括如下步骤：(1)计算需求站点一周内的总需求MA，i表示站点，i＝{0，1，2，…，n}，i＝0时为配送中心，否则为需求站点，需求站点的总数目为n，qi表示需求站点i的需求量；(2)穷举的所有配送路径共有n！条，每条路径的总长度记为WTWALj(j＝1，2，…，n！)；(3)计算出所有穷举路径的平均长度(4)计算每辆车的平均运输距离k＝{1，2…，m}是配送中心拥有的车辆集合；(5)计算每辆车的在途运输时间其中Vk为每辆车的平均行驶速度；(6)计算每辆车每天跑的车次数其中T为司机每日的额定工作时长；(7)计算车辆一周内的总运力其中，，CVk为车的额定装载量；(8)判断ECTk的大小。3.根据权利要求2所述智能电表的配送任务排程优化方法，其特征在于：所述(8)判断ECTk的大小的具体步骤为：①当ECTk全部大于0或者部分大于0部分等于0时，计算一周内m辆车的总运力其中CVk为车的额定装载量，将F1与所有需求点一周内的总需求MA比较，当F1＜MA时，所有车一周内能送完所有点的需求；当F1＜MA时，所有车一周内不能送完所有点的需求，这时需要社会车辆的帮助；②当ECTk全部等于0时，表示每辆车一天内跑不完一个车次，此时需找出一个正整数M，至每辆车每天跑的车次数全部大于等于1为止，该正整数M代表了需要M天可以保证每个车辆k跑完至少一个车次，计算一周内m辆车的总运力将F2与所有需求点一周内的总需求MA比较，当F2≥MA时，所有车一周内能送完所有点的需求；当F2＜MA时，所有车一周内不能送完所有点的需求，此时这一周剩余的天数由于在这D天内车辆不能完成一趟运输，故在D天内估算的m辆车的总理想运力则这一周内m辆车的理想运力F4＝F2+F3，将F4继续与MA比较，当F4≥MA时，所有车一周内能送完所有点的需求；当F4＜MA时，所有车一周内不能送完所有点的需求，这时需要社会车辆的帮助。4.根据权利要求1所述智能电表的配送任务排程优化方法，其特征在于：步骤S5中所述数学模型包括不同场景下的目标...

【专利技术属性】
技术研发人员：赵勇，顾强，陈磊，李刚，李中成，杨霖，刘凯，刘雪，陈鑫，丁静之，卞文良，葛嘉晖，吕伟嘉，许迪，张兆杰，卢静雅，刘浩宇，王国华，郭蕊，陈健，许仕霖，
申请(专利权)人：国网天津市电力公司，国家电网公司，
类型：发明
国别省市：天津,12