【技术实现步骤摘要】
基于三维时空网络的新能源货运充电站选址-路径优化方法
本专利技术涉及新能源汽车
，尤其涉及一种基于三维时空网络的新能源货运充电站选址-路径优化方法。
技术介绍
新能源汽车具有节约燃油能源、减少尾气排放等优势，近年来，新能源汽车产业蓬勃发展，其进一步的普及与运用，是未来的发展趋势。为了减少环境污染、优化能源结构，有关部门对新能源汽车的生产商和消费者都扩大了财政补贴、减税降费的力度，比如近期有部门委发布新能源汽车补贴新政，重点强调了考虑延长补贴期限、加快公共交通及特定领域电动化等内容，其中就包括城市物流配送、邮政快递等城市新能源货运领域。在理想情况下，相关补贴调控一方面扩大了需求，另一方面也促使更多的新能源汽车生产企业加入，从客运拓展到货运领域，车辆性能、充电站布局等也进一步优化。随着未来新能源汽车普及率的提升，在规模效应下车辆购买成本与充电成本将进一步降低，从而最终形成“需求扩大”与“供给增加”的良性循环。新能源汽车按燃料和动力装置，可分为纯电动汽车、混合动力汽车、燃料电池电动汽车等类别，其中纯电动汽车占比最大，占总量约82％，新能源汽车中，车辆新能源动力会随行驶里程逐步消耗，在能源不足时需要去充电站补给的普适情况。当前市场上有两种充电模式，传统插电式充电站的充电时间与所充电量有关，充电时间长，经济性强；电池交换站类似“换电”模式，充电时间短，价格较高，且目前在新能源汽车领域处于探索阶段。然而，当前新能源汽车在交通领域的应用，仍存在许多问题。在供给方面，第一，充电设施的供给数量少、不均衡，存在城市...
【技术保护点】
1.一种基于三维时空网络的新能源货运充电站选址-路径优化方法，其特征在于，包括如下步骤：/nS10，在地理空间网络上增加时间维度，构建用于描述时间和空间的时空二维网络，将时空二维网络增设车辆电量维度，以构建三维时空网络；/nS20，在三维时空网络，将客户货物运输需求和新能源汽车的充电过程表示在交通路段上，以在三维时空网络中形成多个路段需求和充电路段；/nS30，根据三维时空网络的输入参数、客户货物运输需求和各个充电路段将充电过程抽象为数学规划公式，根据数学规划公式构建初始充电站选址-路径优化模型；/nS40，利用拉格朗日松弛算法构建初始充电站选址-路径优化模型的对偶模型，利用拉格朗日分解算法将对偶模型分解为2个子问题，利用预设的动态规划算法1和动态规划算法2分别用于求解2个子问题，利用拉格朗日松弛分解算法求解初始充电站选址-路径优化模型的目标函数值上界和下界的差值，根据目标函数值上界和下界的差值在设定范围内确定最小的目标函数值上界最优值，根据上界最优值确定新能源货运充电站选址-路径优化模型；/nS50，在地理信息系统中使用新能源货运充电站选址-路径优化模型获取新能源货运充电站选址优化方...
【技术特征摘要】
1.一种基于三维时空网络的新能源货运充电站选址-路径优化方法，其特征在于，包括如下步骤：
S10，在地理空间网络上增加时间维度，构建用于描述时间和空间的时空二维网络，将时空二维网络增设车辆电量维度，以构建三维时空网络；
S20，在三维时空网络，将客户货物运输需求和新能源汽车的充电过程表示在交通路段上，以在三维时空网络中形成多个路段需求和充电路段；
S30，根据三维时空网络的输入参数、客户货物运输需求和各个充电路段将充电过程抽象为数学规划公式，根据数学规划公式构建初始充电站选址-路径优化模型；
S40，利用拉格朗日松弛算法构建初始充电站选址-路径优化模型的对偶模型，利用拉格朗日分解算法将对偶模型分解为2个子问题，利用预设的动态规划算法1和动态规划算法2分别用于求解2个子问题，利用拉格朗日松弛分解算法求解初始充电站选址-路径优化模型的目标函数值上界和下界的差值，根据目标函数值上界和下界的差值在设定范围内确定最小的目标函数值上界最优值，根据上界最优值确定新能源货运充电站选址-路径优化模型；
S50，在地理信息系统中使用新能源货运充电站选址-路径优化模型获取新能源货运充电站选址优化方案和车辆路径优化方案。
2.根据权利要求1所述的基于三维时空网络的新能源货运充电站选址-路径优化方法，其特征在于，S10，在地理空间网络上增加时间维度，构建用于描述时间和空间的时空二维网络，将时空二维网络增设车辆电量维度，以构建三维时空网络包括：
S11，将待优化时段从连续型时段处理为离散型时段T＝{T0，T1，T2，…Tn}，将车辆电量从连续型电量值处理为离散型电量值E＝{E0，E1，E2，…En}；其中E0和En分别是最小电量和最大电量；其中T0表示初始时刻，Tn表示结束时刻始时刻，Ti表示第i个时刻，i的取值范围是大于或者等于0，且小于或者等于n的整数；
S12，确定三维时空网络的输入参数；所述输入参数包括地理空间网络的道路节点与路段、离散化后的待优化时间段、备选充电站节点、时变出行时间、车辆行驶中的电量消耗变化函数、车辆总数、每辆车的起始节点、每辆车的起始电量、最大电量、最小电量、客户需求的起点O和终点D、每个需求时间窗、单个充电站能同时容纳充电的车辆数、每个充电站类型、单个充电站建设成本、以及总体建设预算；
S13，构建以时间为X轴、物理位置为Y轴、车辆电量为Z轴的三维时空网络，将步骤S12中的输入参数转变为时空三维数据形式；在三维时空网络中，生成STE节点(i，t，e)，含义为该新能源车辆在物理节点i，时刻t的电量水平为e；在此三维时空网络中，生成STE路径(i，j，t，t′，e，e′)，含义为车辆通过物理路径(i，j)进行行驶或充电活动，时间间隔(t′-t)，车辆电量变化(e′-e)；A是所有STE路径构成的集合。
3.根据权利要求1所述的基于三维时空网络的新能源货运充电站选址-路径优化方法，其特征在于，S20，在三维时空网络，将客户货物运输需求和新能源汽车的充电过程表示在交通路段上，以在三维时空网络中形成多个充电路段包括：
S21，生成客户的路段需求，该步骤具体包括：
根据客户需求的起点O和终点D以及需求时间窗，在三维时空网络中生成出行请求函数出行请求函数为客户在时间窗(t，t′)内，存在从节点i到节点j的运输请求，需一新能源货运车辆，在对应的时间窗内，经过该路段(i，j)，若该客户路段需求被服务，若未被服务，
S22，生成备选充电站的充电路段，该步骤具体包括：
根据备选充电站节点、电量消耗变化函数，构造以实际备选充电站节点为起点、达到最大电量的虚拟充电站节点为终点D的充电路段。
4.根据权利要求1所述的基于三维时空网络的新能源货运充电站选址-路径优化方法，其特征在于，S30，根据三维时空网络的输入参数、客户货物运输需求和各个充电路段将充电过程抽象为数学规划公式包括：
定义车辆路径决策变量xv(i，j，t，t′，e，e′)，定义充电站选址决策变量ys；
确立流平衡约束条件：
其中，是新能源车辆v的出行起始节点，是车辆v的出行起始时刻，是车辆v的起始电量；i′v是新能源车辆v的出行完成节点，t′v是车辆v的出行完成时刻，e′v是车辆v此时实际电量；E0是最低电量水平；
确立充电站容量约束条件：
其中，xv(s，s′，t，t′，e，En)是车辆位于充电站节点s时的决策变量，qs是充电站容量参数；
确立充电站建设成本约束条件：
其中，bs是充电站s的建设成本，B是建设额定总预算；
确立满足货物运输需求的约束条件：
其中，表示客户在时间窗(i，j)内，从节点i到节点j的运输路段需求；
建立使得车辆出行的总运输成本最小化的目标函数：
z＝min∑v∈V∑(i，j，t，t′，e，e′)∈A(c(i，j，t，t′)×xv(i，j，t，t′，e，e′))(5)
其中，c(i，j，t，t′)为出行费用参数，表示在STE路段(i，j，t，t′，e，e′)的出行费用。
5.根据权利要求4所述的基于三维时空网络的新能源货运充电站选址-路径优化方法，其特征在于，S40中利用拉格朗日分解算法将对偶模型分解为2个子问题包括：
将对偶模型分解为2个子问题，分别为时空网络中带充电站的多车路径子问题Z′(x)和新能源货运充电站选址的0-1背包子问题Z′(y)，所述多车路径子问题Z′(x)通过公式(6)表征，所述0-1背包子问题Z′(y)通过公式(7)表征：
xv(i，j，t，t′，e，e′)∈{0，1}
其中，c(i，j，t，t′)-α(i，j，t，t′)+βs是子问题Z′(x)中的车辆出行费用参数，α(i，j，t，t′)是对应需求路段的拉格朗日乘子，c(i，j，t，t′)为原模型中出行费用参数，βs是对应充电站容量的拉格朗日乘子；xv(i，j，t，t′，e，e′)是车辆路径决策变量，是客户在时间窗(i，j)内，从节点i到节点j的运输路段需求；
maxZ′(y)＝∑s∈Sβs×bs×ys(7)
ys∈{0，1}
其中，βs是对应充电站容量的拉格朗日乘子，bs是充电站s的建设成本，ys是充电站选址决策变量。
6.根据权利要求5所述的基于三维时空网络的新能源货运充电站选址-路径优化方法，其特征在于，所述0-1背包子问题Z′(y)的求解过程包括：
设计动态规划算法1，求解充电站选址0-1背包子问题Z′(y)，具体步骤如下：
输入参数：子问题中输入充电站次序s，充电站s的0-1选择变量ys，充电站s的服务效用zs，充电站s的建设成本bs，充电站总建设预算B，可选充电站的充电站总数(为了方便编程说...
【专利技术属性】
技术研发人员：程琳，杨思颖，杜明洋，石书铭，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32
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。