CN106682759B - 针对电动出租车的电池供应***及网络优化方法 - Google Patents

Abstract

本发明功公开了一种针对电动出租车的电池供应***及网络优化方法，运用大数据技术专为电动出租车设计了电池供应***并采用集中充电这种具有经济性的策略满足一个城市中电动出租车的需求。已经存在的加油站能够满足一个城市中所有车的加油需求也一定能满足出租车的需求。与已经存在的加油站合作的方式(以已经存在的加油站为备选点)不仅可以避免选中的区域不可行(地理、法律等原因)还可以节省一大笔投资费用。出租车选择换电站时将道路拥挤度、换电站服务水平、排队时长、司机驾驶习惯等多种因素通过logit模型考虑在内，更符合实际情况。

Description

针对电动出租车的电池供应***及网络优化方法

技术领域

本发明涉及一种报废汽车回收的规划方法，本规划方法特别基于均衡回收企业定价和回收成本。涉及专利分类号G06计算；推算；计数G06Q专门适用于行政、商业、金融、管理、监督或预测目的的数据处理***或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理***或方法G06Q50/00专门适用于特定经营部门的***或方法，例如公用事业或旅游G06Q50/06电力、天然气或水供应。

背景技术

经济的快速发展，一方面带来的是人们生活水平的提高，另一方面也使能源问题得到了严峻的考验。电动汽车是一种新能源交通工具，它有能耗低、使用成本低、污染物少等特点，可以有效地解决城市交通污染问题，如今已经成为我国重点支持的战略性新兴产业之一，是未来的发展趋势。

然而，没有完善的服务配套设施，电动汽车就不可能被大量推广使用。加强电动汽车充电设施基础建设，以超前的配套服务水平引导电动汽车消费需求是促进低碳经济、建设资源节约型、环境友好型社会的重要举措。

充电设施包括充电桩和换电池站，如下表所示，换电池技术在时间上具有绝对优势。其实早在2007年国外便有人提出换电池站的想法并付诸行动，但因为无法承担巨额基础设施投资以及绝大多数车企并不积极配合的态度而宣告失败。确实，电动汽车电池像现有汽车的发动机一样属于核心技术，各大汽车企业难以实现共享，所以对于私家车而言，换电池站的建立可能存在阻碍。出租车等公共交通工具与私家车有很大不同，出租车公交车容易实现型号统一，不存在上述核心技术共享问题。而且，私家车的行驶里程毕竟相对短，或许可以容忍开车一段时间后充电几个小时，但出租车不行。

表1电力补充类型表

发明内容

本发明针对以上问题的提出，而研制的一种针对电动出租车的电池供应***及网络优化方法，具有如下步骤：

—通过分析记录出租车的GPS历史数据，得到出租车在充电时段的地理位置分布；

—建立基于多项Logit模型的选择方案模型确定出租车对换电站的选择方案；

—根据所述的选择方案，确定出租车到达目标换点站的费用；建立包含该费用的换电站选址模型；通过该选址模型从多个备选换电站选址方案选择出满足各项约束的最优换电站选址方案；

—根据得到的最优换电站选择方案和出租车对换电站的选择方案，建立基于泰森多边形的充电中心位置模型；将备选的充电中心布局方案输入该模型，得到充电中心和其附属换电站组成的聚类；

—遍历每个所述聚类的费用，输出费用最小聚类表示的充电中心位置模型，完成***网络的优化。

作为优选的实施方式，所述的基于多项Logit模型的选择方案模型至少包含出租车对繁华区倾向性和所述的地理位置分布距加油站距离以及换电站服务水平和换电站排队惩罚函数；所述的各影响因素的权重系数分别为θ₁、θ₂、θ₃以及θ₄。

更进一步的，所述的换电站惩罚函数为：

该函数为换电站排队时长与客户满意度的关系函数。

作为优选的实施方式，所述的基于多项Logit模型的选择方案模型如下：

续航能力约束，确定每辆出租车续航能力范围内的换电站，也就是Bg；

效用函数，确定每辆出租车到它续航能力内的每个换电站的效用值；

概率函数，确定每辆出租车到它续航能力内的每个换电站的概率；

其中γ_gbr表示影响出租车g选择第u个换电站的第r个变量；θ_r表示第r个变量的权重系数；V_gb表示电动出租车g选择换电站u的效用函数；P_gb表示电动出租车g选择换电站u的概率；E⁰表示电动出租车初始剩余电量；e表示电动出租车单位时间的平均耗电量；B表示被选中的换电站的集合B＝{u|w_u＝1}；B_g表示出租车g续航能力范围内的换电站的集合G表示出租车的集合。

更进一步的，所述的换电站选址模型为：

Subject to:

资金约束，使得投入***的总资金小于一定的限额；

电池量约束，表示每天到第u个换电站电池需求不超过第u个换电站的电池量；

服务率约束，保证90％以上的出租车换电池行为被满足；

变量取值约束；

其中，a表示电动出租车行驶单位时间的平均成本；h_u表示成立建设换电站的u的固定费用；qb表示换电站u的电池容量；U表示换电站的集合。

作为优选的实施方式，所述通过该选址模型从多个备选换电站选址方案选择出满足各项约束的最优换电站选址方案过程具体如下：

—从候选换电站中产生一系列换电站布局方案集合{M₁,M₂,,,,,,M_n}，其中，M₁是备选换电站1，M₂是备选换电站2，以此类推，M_n是备选换电站n；备选换电站组合总数

—从所述的方案集合中取出一个方案；

—分别检验所述的电池数量约束、资金约束、服务率约束；计算充电中心的成本；

对该方案出租车到达换电站的费用、换电站的建设费用以及关于充电中心的费用进行求和；

—遍历每个方案，得出成本最低的方案，作为最优换电站选址方案。

作为优选的实施方式，所述的充电中心位置模型如下：

Subject to：

BPR函数：

确保充电中心之间没有配送路径：

确保充电中心和换电站之间必然有配送路径：

计算***中使用的配送车数量：

0/1变量取值，W_v表示充电中心v是否被建立，x_ijk表示(i，j)间是否由配送车k配送电池；

其中，A表示电池配送车单位时间的配送成本；m表示电池配送车的数目；M表示配送车的成本；α表示BPR函数待定参数，建议取值为0.15；β表示BPR函数待定参数，建议取值为4；t_ij表示充电中心i到换电站j的实际通行时间；t_ij表示充电中心i到换电站j的自由行驶时间；H_v表示建设充电中心v的固定费用；Q_ij表示充电中心i到换电站j的实际交通量；C_ij表示充电中心i到换电站j的通行能力；K表示电池配送车的集合；V表示充电中心的集合；O表示被选中的充电中心的集合O＝{v|W_v＝1}。

本发明的主要贡献是运用大数据技术专为电动出租车设计了电池供应***并采用集中充电这种具有经济性的策略满足一个城市中电动出租车的需求。已经存在的加油站能够满足一个城市中所有车的加油需求也一定能满足出租车的需求。与已经存在的加油站合作的方式(以已经存在的加油站为备选点) 不仅可以避免选中的区域不可行(地理、法律等原因)还可以节省一大笔投资费用。出租车选择换电站时将道路拥挤度、换电站服务水平、排队时长、司机驾驶习惯等多种因素通过logit模型考虑在内，更符合实际情况。综上，本发明从出租车公司(或者政府)的视角来对整个城市电池供应网络进行总体设计与优化，找到较优的充电中心和换电站选址方案。鉴于以上理由，本发明可以广泛用于电动出租车领域。

附图说明

为了更清楚的说明本发明的实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的***运营图

图2是本发明的流程示意图

图3是本发明计算过程中的聚类图

具体实施方式

为使本发明的实施例的目的、技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

如图1-3所示：

我们首先需要收集充电需求点的数据信息，然后得到出租车的选择方案，其次优化换电站的位置，最后优化充电中心的位置。充电中心的位置优化既是一个需要单独决策的问题又是个影响换电站位置的子问题下面结合附图和具体实施例，进一步阐明本发明：

1)确定充电需求点，也就是出租车的位置。

选址优化的第一步是确定客户点的位置，也就是出租车司机的位置。作为一个不断移动的交通工具，出租车通常被认定为trip需求。我们认为虽然出租车的位置是动态变化的，但却在一定时间段内，一定程度上达到了动态平衡。换句话说，某辆特定的出租车的位置确实在不断地发生变化，但一定区域内的出租车数在一段时间内是不变的。通过大数据技术进行GPS分析，可以得到出租车充电时间段的位置分布情况。

2)得到出租车对换电站的选择方案。

一辆出租车的续航能力范围内有多个换电站，通常认为出租车会选择距离它最近的那一个换电站换电池，但实际生活中换电站服务水平、排队队长、司机驾驶习惯等都会对选择结果产生影响，我们将这种影响用基于多项Logit模型的选择方案模型表示，模型具体如下所示：

表2换电站选择影响因素表

γ_gbr表示影响出租车g选择第u个换电站的第r个变量；θ_r表示第r个变量的权重系数；V_gb表示电动出租车g选择换电站u的效用函数；P_gb表示电动出租车g选择换电站u的概率；E⁰表示电动出租车初始剩余电量；e表示电动出租车单位时间的平均耗电量；B表示被选中的换电站的集合B＝{u|w_u＝1}；B_g表示出租车g续航能力范围内的换电站的集合G表示出租车的集合

采用logit模型对出租车对换电站的选择过程计算步骤如下：

Step 1:对于每辆出租车，找到它续航能力范围内的所有换电站。

Step 2:先通过距离、服务水平、对繁华区的倾向性三个指标计算换电站对出租车的效用值，并通过概率函数确定每个出租车选择换电站的初始方案。

Step 3:再用得到的初始方案衡量第四个指标拥挤度，最终用四个指标同时衡量得到出租车电量补充的计划。

3)换电站选址模型

最终的选址如下所示，模型的目标是物流***总费用最小，包括出租车到达换电站的费用，换电站的建设费用，关于充电中心的费用。服务率通过硬约束来保证，这样低成本和高服务率就可以同时被保证。

Subject to:

a表示电动出租车行驶单位时间的平均成本；h_u表示成立建设换电站的u的固定费用；q_b表示换电站u的电池容量；U表示换电站的集合。

公式(5)是资金约束，使得投入***的总资金小于一定的限额。

公式(6)是电池量约束，表示每天到第u个换电站电池需求不超过第u个换电站的电池量。

公式(7)是服务率约束，保证90％以上的出租车换电池行为被满足。

公式(8)为变量取值约束。

换电站的选址优化过程计算步骤如下：

Step 1:从候选换电站中产生一系列换电站布局方案{M₁,M₂,,,,,,M_n}，其中，M₁是备选换电站1，M₂是备选换电站2，以此类推，M_n是备选换电站n；备选换电站组合总数

Step 2:从step 1的方案集合中取出一个方案。

Step 3:检验电池数量约束(约束(6))，并得到最终的电量补充方案。如果有n辆出租车超过了某个换电站的服务限额，检查距离该换电站最近的n辆出租车是否能再到达其他换电站。如果续航能力允许并且其他换电站还剩有电池，则把这些换电站安排到新换电站，否则的话这些换电站将不被服务，也就是最终的电量补充方案。

Step 4:检验资金约束(约束(5))。如果此方案产生的成本在资金范围内，进行Step5。否则的话，舍弃这个方案并进行Step 8。

Step 5:检验服务率约束(约束(7))。如果此方案的服务率大于90％，进行step8。否则的话，舍弃这个方案并进行Step8。

Step 6:计算关于充电中心的成本(详细介绍在下一部分)。

Step 7:将该方案的各部分成本求和(出租车到达换电站的费用,换电站的建设费用，关于充电中心的费用)。如果总成本小于上一条记录，记录并进行step8。否则的话，不记录直接进行step8。

Step 8:如果所有方案都被测试过了，进行step9。否则，从step 1的集合中选出下一个方案并返回step3。

Step 9:结束并输出最终结果。

4)充电中心位置优化模型

充电中心数目问题需要被权衡，如果只选择一个充电中心，建设费用虽然会节省，但运输费用会增加。如果选择多个充电中心，反过来运输费用会减少，建设成本会增加。所以在哪里建设充电中心，建设几个充电中心需要被确定。

我们利用泰森多边形进行基于距离的聚类(图3)，这样一个多中心的方案就被分解成多个单中心VRP问题。

电池配送问题的模型如下所示，目标函数旨在最小化三个部分的成本，分别是：

车辆配送成本；

充电中心建设成本；

车辆使用成本；

车辆配送成本就是跟行驶距离相关的那部分成本；

车辆使用成本就是跟车辆数量相关的那部分成本。

因为电池配送车载重能力有限，按照现在的电池重量采用点对点的配送方式，如果以后技术变化可以采用闭环运输的方式节省配送成本。车辆每天配送τ次电池，所以电池配送成本乘上了一个τ。τ是自定的值，随着出租车充电行为的增加，τ值增加。

Subject to：

A表示电池配送车单位时间的配送成本；m表示电池配送车的数目；M表示配送车的成本；α表示BPR函数待定参数，建议取值为0.15；β表示BPR函数待定参数，建议取值为4；t_ij表示充电中心i到换电站j的实际通行时间；t_ij表示充电中心i到换电站j的自由行驶时间；H_v表示建设充电中心v的固定费用；Q_ij表示充电中心i到换电站j的实际交通量；C_ij表示充电中心i到换电站j的通行能力；K表示电池配送车的集合；V表示充电中心的集合；O表示被选中的充电中心的集合O＝{v|W_v＝1}。

公式(10)是BPR函数。

公式(11)确保充电中心之间没有配送路径。

公式(12)确保充电中心和换电站之间必然有配送路径。

公式(13)是在计算***中使用的配送车数量

公式(14)是0/1变量取值，W_v表示充电中心v是否被建立，x_ijk表示(i，j)间是否由配送车k配送电池。

换电站的选址优化过程计算步骤如下：

Step 1:从候选充电中心中产生一系列充电中心布局方案。

Step 2:如果所有的方案都被测试过了，转向step 7。否则的话，从step1中的集合拿出一个方案并转向step 3。

Step3:对于每个换电站找到距离它最近的充电中心，那么每个充电中心和“它的换电站”组成了一个类。每个方案由数个聚类组成，也就是基于泰森多边形的聚类。

Step4:计算每个类的总成本。(车辆配送成本、充电中心建设成本、车辆使用成本)。

Step5：将方案中所有类的费用加和。如果总费用小于上一个的记录，记录并转向step 6.否则的话,不记录直接转向step6。

Step6:从step1的集合中拿出下一个充电中心方案并回到Step2。

Step7:结束并输出最终结果。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种针对电动出租车的电池供应***及网络优化方法，适用于包含换电站和充电中心的电池供应***，***中充电中心负责为电池集中充电，电池配送车将满电电池送往各个换电站并将空电池带回，其特征在于具有如下步骤：

—通过分析记录出租车的GPS历史数据，得到出租车在充电时段的地理位置分布；

—建立基于多项Logit模型的选择方案模型，确定出租车对换电站的选择方案；

—根据所述的选择方案，确定出租车到达目标换电站的费用；建立包含该费用的换电站选址模型；通过该选址模型从多个备选换电站选址方案选择出满足各项约束的最优换电站选址方案；

—根据得到的最优换电站选择方案和出租车对换电站的选择方案，建立基于泰森多边形的充电中心位置模型；将备选的充电中心布局方案输入该模型，得到充电中心和其附属换电站组成的聚类；

—遍历每个所述聚类的费用，输出费用最小聚类表示的充电中心位置模型，完成***网络的优化；

所述的充电中心位置模型如下：

BPR函数：

确保充电中心之间没有配送路径：

确保充电中心和换电站之间必然有配送路径：

计算***中使用的配送车数量：

W_v表示充电中心v是否被建立，x_ijk表示(i，j)间是否由配送车k配送电池；

其中，A表示电池配送车单位时间的配送成本；m表示电池配送车的数目；M表示配送车的成本；α表示BPR函数待定参数，取值为0.15；β表示BPR函数待定参数，取值为4；t_ij表示充电中心i到换电站j的实际通行时间；t_ij表示充电中心i到换电站j的自由行驶时间；H_v表示建设充电中心v的固定费用；Q_ij表示充电中心i到换电站j的实际交通量；C_ij表示充电中心i到换电站j的通行能力；K表示电池配送车的集合；V表示充电中心的集合；O表示被选中的充电中心的集合O＝{v|W_v＝1}。

2.根据权利要求1所述的针对电动出租车的电池供应***及网络优化方法，其特征还在于所述的基于多项Logit模型的选择方案模型至少包含出租车对繁华区倾向性和所述的地理位置分布距加油站距离以及换电站服务水平和换电站排队惩罚函数；各影响因素的权重系数分别为θ₁、θ₂、θ₃以及θ₄。

3.根据权利要求2所述的针对电动出租车的电池供应***及网络优化方法，其特征还在于所述的换电站惩罚函数为：

该函数为换电站排队时长与客户满意度的关系函数。

4.根据权利要求2所述的针对电动出租车的电池供应***及网络优化方法，其特征还在于所述的基于多项Logit模型的选择方案模型如下：

续航能力约束，确定每辆出租车续航能力范围内的换电站，也就是Bg；

效用函数，确定每辆出租车到它续航能力内的每个换电站的效用值；

概率函数，确定每辆出租车到它续航能力内的每个换电站的概率；

其中γ_gbr表示影响出租车g选择第u个换电站的第r个变量；θ_r表示第r个变量的权重系数；V_gb表示电动出租车g选择换电站u的效用函数；P_gb表示电动出租车g选择换电站u的概率；E⁰表示电动出租车初始剩余电量；e表示电动出租车单位时间的平均耗电量；B表示被选中的换电站的集合B＝{u|w_u＝1}；B_g表示出租车g续航能力范围内的换电站的集合G表示出租车的集合。

5.根据权利要求4所述的针对电动出租车的电池供应***及网络优化方法，其特征还在于所述的换电站选址模型为：

资金约束，使得投入***的总资金小于一定的限额；

电池量约束，表示每天到第u个换电站电池需求不超过第u个换电站的电池量；

服务率约束，保证90％以上的出租车换电池行为被满足；

变量取值约束；

其中，a表示电动出租车行驶单位时间的平均成本；h_u表示成立建设换电站的u的固定费用；qb表示换电站u的电池容量；U表示换电站的集合。

6.根据权利要求5所述的针对电动出租车的电池供应***及网络优化方法，其特征还在于所述通过该选址模型从多个备选换电站选址方案选择出满足各项约束的最优换电站选址方案过程具体如下：

—从候选换电站中产生一系列换电站布局方案集合{M₁,M₂,,,,,,M_n}，其中，M₁是备选换电站1，M₂是备选换电站2，以此类推，M_n是备选换电站n；备选换电站组合总数

—从所述的方案集合中取出一个方案；

—分别检验电池数量约束、资金约束、服务率约束；计算充电中心的成本；

对该方案出租车到达换电站的费用、换电站的建设费用以及关于充电中心的费用进行求和；

—遍历每个方案，得出成本最低的方案，作为最优换电站选址方案。

Images