【技术实现步骤摘要】
本专利技术涉及互联网大数据及港口调度领域，具体涉及内河港口电动转运车辆充电调度方法。
技术介绍
1、在能源消耗和温室气体排放不断加剧的当下，港口减碳任务愈发紧迫。其中，柴油动力转运车辆占港口排放的近半壁江山。为应对这一挑战，电动转运车辆(evs)成为绿色转型的关键。
2、然而，电动转运车辆的24小时运作需求与港口电力基础设施的脆弱性形成了鲜明的对比。为了平衡港口的绿色转型与经济效率，制定优化的转运车辆调度策略显得尤为关键。这不仅关系到港口的环保形象，更直接关联到其运营效率与成本。因此，我们需要综合考虑多种因素，如转运车辆充电需求、港口作业时间、货物种类等，来制定科学、合理的调度方案，以实现港口运营的绿色、高效和可持续。
3、由于，转运车辆的顺畅及时运行对内河港口整体运行效率的影响很大，转运车辆的到达延迟会对内河港口的运行产生不利影响。同时电池充电是转运车辆在内河港口加注燃料的有效方法，尤其对于配备该功能的转运车辆而言，它节约了大量的充电时间，与插电式转运车辆相比具有优势。然而，转运车辆面临能量和运输相关的约束，为了有效完成货物转运任务，需要定期访问充电站以维持足够的电量状态(soc)。因此，如何设计一种考虑转运车辆和能源领域的双重约束的调度方法是亟需解决的技术问题。
技术实现思路
1、针对上述现有技术的不足，本专利技术所要解决的技术问题是：如何提供一种内河港口电动转运车辆充电调度方法，该方法通过构建精确的转运车辆任务匹配模型来确保转运车辆利用率和转运任务完成
2、为了解决上述技术问题，本专利技术采用了如下的技术方案：
3、内河港口电动转运车辆充电调度方法，包括：
4、s1：获取港口的转运任务和所有转运车辆的初始状态；
5、s2：以最大化转运车辆利用率和完成所有转运任务为目标构建转运车辆任务匹配模型；
6、s3：以最小化延误、最大化转运车辆效率和最小化充电成本为目标构建转运车辆充电调度模型；
7、s4：将转运车辆任务匹配模型作为第一阶段模型，转运车辆充电调度模型作为第二阶段模型，通过第一阶段模型和第二阶段模型构建能量-交通协同调度模型；
8、s5：将转运任务和所有转运车辆的初始状态作为能量-交通协同调度模型的输入，通过深度q网络算法求解输入有转运任务和所有转运车辆的初始状态的能量-交通协同调度模型，生成最优的能量-交通协同调度方案；
9、s6：通过最优的能量-交通协同调度方案调度转运车辆来完成港口的转运任务。
10、优选的，步骤s2中，转运车辆任务匹配模型的目标函数表示为：
11、
12、式中：xi,v表示转运任务i与转运车辆v匹配的指示器，当xi,v＝1时，表示转运任务i被包含在转运车辆v的任务列表中，xi,v＝0时，表示转运任务i未包含在转运车辆v的任务列表中；每个转运任务i由一个元组描述，其中pi为取货节点，di为送达节点，为预期任务完成时间；rs1.veh表示第一阶段模型中转运车辆的奖励函数。
13、优选的，步骤s2中，转运车辆任务匹配模型的约束条件包括任务数量约束；
14、任务数量约束表示为：
15、
16、
17、
18、式中：xmax表示任务数量的上限。
19、优选的，步骤s3中，转运车辆充电调度模型的目标函数表示为：
20、
21、
22、
23、式中：m表示充电站；a表示节点与节点之间的路径；表示充电站的成本函数；表示转运车辆的空载运行成本；表示从电网购电的成本；表示单位电池等级；cidle表示单位时间的空载运行成本。
24、优选的，步骤s3中，转运车辆充电调度模型的约束条件包括转运车辆电量约束；
25、转运车辆电量约束表示为：
26、
27、
28、
29、式中：yi,v,c,t表示转运车辆v在电量状态c下是否在时间t积极完成转运任务i；xi,v表示转运任务i与转运车辆v匹配的指示器，当xi,v＝1时，表示转运任务i被包含在转运车辆v的任务列表中，xi,v＝0时，表示转运任务i未包含在转运车辆v的任务列表中；每个转运任务i由一个元组描述，其中pi为取货节点，di为送达节点，为预期任务完成时间。
30、优选的，步骤s3中，转运车辆充电调度模型的约束条件包括转运车辆状态约束；
31、转运车辆状态约束表示为：
32、
33、式中：和表示处于装载、充电和空闲状态的转运车辆数量；表示在时间t电量状态为c的转运车辆在充电站n等待的数量；batteryn表示充电站n的总电池数量；表示在时间t充电站n中电量状态为c的电池数量；表示处于装载状态的转运车辆数量；表示处于充电状态的转运车辆数量；表示处于空闲状态的转运车辆数量；r表示再调度的节点；c表示电池状态。
34、优选的，步骤s3中，转运车辆充电调度模型的约束条件包括充电功率约束；
35、充电功率约束表示为：
36、
37、式中：ctop表示与单位soc等效的能量。
38、优选的，步骤s5中，深度q网络算法的处理步骤如下：
39、s501：将输入有转运任务和所有转运车辆的初始状态的能量-交通协同调度模型转换成马尔科夫模型；
40、s502：通过二阶段的深度q网络算法结合马尔科夫模型生成最优的能量-交通协同调度方案。
41、优选的，步骤s501中，转换得到的马尔科夫模型包括：
42、1)第一阶段的状态空间、动作空间和奖励函数
43、
44、
45、
46、式中：表示第一阶段的状态空间、第一目标动作和奖励函数；i表示转运任务；d表示日期；表示转运车辆的初始位置和初始电量状态；evv表示第v个转运车辆；表示第二阶段的奖励函数；xi,v表示转运任务i与转运车辆v匹配的指示器，当xi,v＝1时，表示转运任务i被包含在转运车辆v的任务列表中，xi,v＝0时，表示转运任务i未包含在转运车辆v的任务列表中；
47、2)第二阶段的状态空间、动作空间和奖励函数
48、
49、
50、
51、
52、
53、式中：表示第二阶段的第一状态空间和第二状态空间；表示第二阶段的第二目标动作和第三目标动作；t表示时间；nv,t表示t时间转运车辆的位置；cv,t表示t时间转运车辆的电量状态；i表示t时间的转运任务；表示充电价格；表示t时间充电站n中转运车辆的电量状态；s本文档来自技高网...
【技术保护点】
1.内河港口电动转运车辆充电调度方法，其特征在于，包括：
2.如权利要求1所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤S2中，转运车辆任务匹配模型的目标函数表示为：
3.如权利要求2所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤S2中，转运车辆任务匹配模型的约束条件包括任务数量约束；
4.如权利要求1所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤S3中，转运车辆充电调度模型的目标函数表示为：
5.如权利要求4所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤S3中，转运车辆充电调度模型的约束条件包括转运车辆电量约束；
6.如权利要求4所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤S3中，转运车辆充电调度模型的约束条件包括转运车辆状态约束；
7.如权利要求4所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤S3中，转运车辆充电调度模型的约束条件包括充电功率约束；
8.如权利要求1所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤S5中，深度
9.如权利要求8所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤S501中，转换得到的马尔科夫模型包括：
10.如权利要求9所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤S502中，深度Q网络方法的处理步骤如下：
11.内河港口电动转运车辆充电调度系统，其特征在于：基于权利要求1中的内河港口电动转运车辆充电调度方法实施；所述系统包括：
12.如权利要求11所述的内河港口电动转运车辆充电调度系统，其特征在于：第一模型构建模块中，转运车辆任务匹配模型的目标函数表示为：
13.如权利要求12所述的内河港口电动转运车辆充电调度系统，其特征在于：第一模型构建模块中，转运车辆任务匹配模型的约束条件包括任务数量约束；
14.如权利要求11所述的内河港口电动转运车辆充电调度系统，其特征在于：第二模型构建模块中，转运车辆充电调度模型的目标函数表示为：
15.如权利要求14所述的内河港口电动转运车辆充电调度系统，其特征在于：第二模型构建模块中，转运车辆充电调度模型的约束条件包括转运车辆电量约束；
16.如权利要求14所述的内河港口电动转运车辆充电调度系统，其特征在于：第二模型构建模块中，转运车辆充电调度模型的约束条件包括转运车辆状态约束；
17.如权利要求14所述的内河港口电动转运车辆充电调度系统，其特征在于：第二模型构建模块中，转运车辆充电调度模型的约束条件包括转运车辆状态约束；
18.如权利要求14所述的内河港口电动转运车辆充电调度系统，其特征在于：第二模型构建模块中，转运车辆充电调度模型的约束条件包括充电功率约束；
19.如权利要求11所述的内河港口电动转运车辆充电调度系统，其特征在于：计算模块中，深度Q网络算法的处理步骤如下：
20.如权利要求19所述的内河港口电动转运车辆充电调度系统，其特征在于：计算模块的步骤一中，转换得到的马尔科夫模型包括：
21.如权利要求19所述的内河港口电动转运车辆充电调度系统，其特征在于：计算模块的步骤二中，深度Q网络方法的处理步骤如下：
22.一种计算机设备，其特征在于，包括：一个或多个处理器；
23.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至10中任意一项所述的内河港口电动转运车辆充电调度方法。
...【技术特征摘要】
1.内河港口电动转运车辆充电调度方法，其特征在于，包括：
2.如权利要求1所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤s2中，转运车辆任务匹配模型的目标函数表示为：
3.如权利要求2所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤s2中，转运车辆任务匹配模型的约束条件包括任务数量约束；
4.如权利要求1所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤s3中，转运车辆充电调度模型的目标函数表示为：
5.如权利要求4所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤s3中，转运车辆充电调度模型的约束条件包括转运车辆电量约束；
6.如权利要求4所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤s3中，转运车辆充电调度模型的约束条件包括转运车辆状态约束；
7.如权利要求4所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤s3中，转运车辆充电调度模型的约束条件包括充电功率约束；
8.如权利要求1所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤s5中，深度q网络算法的处理步骤如下：
9.如权利要求8所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤s501中，转换得到的马尔科夫模型包括：
10.如权利要求9所述的内河港口电动转运车辆充电调度方法，其特征在于：步骤s502中，深度q网络方法的处理步骤如下：
11.内河港口电动转运车辆充电调度系统，其特征在于：基于权利要求1中的内河港口电动转运车辆充电调度方法实施；所述系统包括：
12.如权利要求11所述的内河港口电动转运车辆充电调度系统，其特征在于：第一模型构建模块中，转运车辆任务匹配模型的目标函数表示为：
【专利技术属性】
技术研发人员：虞坚阳，方斯顿，刘凌燕，吴炜，李敏，史永祥，庄宇峰，李杰，高海力，柴婷逸，
申请(专利权)人：国网江苏省电力有限公司常州供电分公司，
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。