CN109703389B - 基于新能源公交车的车桩网一体化充电调度装置及方法 - Google Patents

Abstract

本发明公开了一种基于新能源公交车的车桩网一体化充电调度装置及方法，涉及新能源公交车辆调度技术领域。该装置主要包括新能源公交车载终端、充电桩监控终端与公交指挥调度***进行无线通信，云计算平台与公交指挥调度***进行有线通信，公交指挥调度***通过无线传输网络将调度信息下发到移动终端和新能源公交车载终端。通过车辆状态信息、充电桩状态信息、车辆线路运营信息以及云计算平台包含的车辆充电与行驶里程预测模型和调度优化模型实现新能源公交车调度，弥补现有的公交调度***没有根据新能源公交车充电时间长、车桩距离、地图服务等“车桩网”一体化思路进行设计的缺陷，同时还提高了公交车辆利用率。

Description

基于新能源公交车的车桩网一体化充电调度装置及方法

技术领域

本发明涉及新能源公交车辆调度技术领域，具体为一种基于新能源公交车的车桩网一体化充电调度装置及方法。

背景技术

在公交行业中，新能源公交车已经成为一种常见并且必不可少的交通运输工具。它缓解了城市交通压力，降低了交通污染。而新能源公交车在备受人们青睐的同时，也产生了一系列的问题。公交***调度排班是公交***正常运行的基本保证，原有的公交调度***主要采用的是基于燃油车辆的调度最佳方案模型，没有考虑到新能源车辆的充电时长、充电桩位置分布等特性，在现有情况下由于新能源公交车充电不合理导致调度质量不高，新能源公交车利用率偏低。

发明内容

本发明的目的是为了解决现有技术中存在因新能源公交车充电不合理导致调度质量不高，新能源公交车利用率偏低的问题，从而提出一种基于新能源公交车的车桩网一体化充电调度装置及方法。

为实现上述目的，本发明提供了如下方案：

一种基于新能源公交车的车桩网一体化充电调度装置，包括新能源公交车载终端、充电桩监控终端、云计算平台、公交指挥调度***、移动终端；其中，所述云计算平台包含车辆充电与行驶里程预测模型、地图服务、调度优化模型；

所述新能源公交车载终端、所述充电桩监控终端通过无线传输网络与所述公交指挥调度***之间进行数据通信；所述云计算平台与所述公交指挥调度***之间采用有线传输网络进行双向数据通信，所述移动终端内置有与所述公交指挥调度***相匹配的APP软件，所述公交指挥调度***通过无线传输网络将调度信息下发到所述移动终端和所述新能源公交车载终端内，并在所述移动终端的APP软件和所述新能源公交车载终端的司机操作显示屏上显示。

可选的，所述新能源公交车载终端包含导航定位、司机操作显示屏、车载通讯设备以及智能调度终端；所述新能源公交车载终端用于采集车辆状态信息并上报给所述公交指挥调度***汇总；所述车辆状态信息包括车辆基本信息、车辆使用情况、车辆剩余电量、车辆位置信息；所述车辆基本信息包括车辆VIN、车牌号、车辆型号、车辆重量、电池型号、电池类型；所述车辆使用情况包括车辆使用期限、车辆运营里程、总充电次数。

可选的，所述充电桩监控终端用于采集充电桩状态信息并上报给所述公交指挥调度***汇总；所述充电桩状态信息包括可用充电桩位置、可用充电桩数量以及充电桩可用时间。

可选的，所述公交指挥调度***用于将所述新能源公交车载终端采集的车辆状态信息、所述充电桩监控终端采集的充电桩状态信息以及所述公交指挥调度***采集的车辆线路运营信息汇总并传输至所述云计算平台上；所述车辆线路运营信息包含公交线路番号、车辆运营趟次间隔以及下次充电时间。

可选的，所述云计算平台对获取的车辆状态信息、充电桩状态信息、车辆线路运营信息进行汇集，结合所述车辆充电与行驶里程预测模型、所述地图服务、所述调度优化模型进行分析与计算，动态生成调度信息并发送至所述公交指挥调度***以对车辆进行调度操作；所述调度信息包括调度方案以及导航信息。

可选的，所述地图服务用于获取实时路况信息、路径导航信息；所述地图服务为所述车辆充电与行驶里程预测模型、所述调度优化模型提供空间地理基础数据、位置数据地图展示、实时路况数据、路径导航功能；

所述车辆充电与行驶里程预测模型的输入为车辆状态信息、充电桩状态信息以及车辆线路运营信息，输出为多组车辆充电后预计行驶信息数据；

所述调度优化模型的输入为多组优化数据，输出为车辆的充电时间和充电桩位置信息；每组优化数据均包含一组车辆充电后预计行驶信息数据、车辆状态信息、充电桩状态信息、车辆线路运营信息；

所述云计算平台根据所述车辆线路运营信息、地图服务以及所述调度优化模型输出的车辆的充电时间和充电桩位置信息，生成调度信息。

一种应用基于新能源公交车的车桩网一体化充电调度装置的充电调度方法，包括：

获取车辆状态信息、充电桩状态信息以及车辆线路运营信息；

将所述车辆状态信息、所述充电桩状态信息以及所述车辆线路运营信息输入到车辆充电与行驶里程预测模型中，根据每个车辆运营趟次间隔以及充电桩位置分布信息，输出多组车辆充电后预计行驶信息数据，构成车辆充电后预计行驶信息集合；每组车辆充电后预计行驶信息数据均包括预计空载运行里程、预计空载运行时间、预计充电时长、预计充电起始SOC、预计充电结束SOC、预计充电电量、预计运送速度(公里/小时)、预计趟次结束时间、预计趟次结束SOC、预计本次充电后运营里程、预计本次充电后运营圈数、预计下次充电时间、预计下次车辆充电空载运行里程；

将多组所述车辆充电后预计行驶信息数据、所述车辆状态信息、所述充电桩状态信息以及所述车辆线路运营信息融合，生成多组优化数据；

将多组所述优化数据依次输入到调度优化模型中，优化输出车辆的充电时间和充电桩位置信息；

根据所述车辆的充电时间和充电桩位置信息，结合地图服务和车辆线路运营信息，生成调度信息；所述调度信息包括调度方案和导航信息；

将所述调度信息以车辆VIN为标识发送到公交指挥调度***中以实现对车辆的调度操作。

可选的，所述将多组所述优化数据依次输入到调度优化模型中，优化输出车辆的充电时间和充电桩位置信息之前，所述充电调度方法还具体包括：

确定所述调度优化模型中目标优化函数的决策变量；所述决策变量包括预计空载运行里程、预计空载运行时间、预计充电时长、预计充电起始SOC、预计充电结束SOC、预计充电电量、预计运送速度(公里/小时)、预计趟次结束时间、预计趟次结束SOC、预计本次充电后运营里程、预计本次充电后运营圈数、预计下次充电时间、预计下次车辆充电空载运行里程、车辆状态信息、充电桩状态信息以及车辆线路运营信息；

将多组所述车辆充电后预计行驶信息数据、所述车辆状态信息、所述充电桩状态信息以及所述车辆线路运营信息融合，生成决策变量集合；所述决策变量集合包括多组决策变量数据；

根据多组所述决策变量数据，采用因子分子算法，确定每个决策变量的权重；

根据每个所述决策变量以及所述决策变量对应的权重，确定目标优化函数。

可选的，所述目标优化函数为：F_k＝ω₁*X₁+ω₂*X₂......+ω_n*X_n；

其中，X₁、X₂、X₃、……、Xn表示有n个决策变量；ω表示权重；F_k表示第k个车辆的优化分数。

可选的，所述将多组所述优化数据依次输入到调度优化模型中，优化输出车辆的充电时间和充电桩位置信息，具体包括：

将多组所述优化数据依次输入到所述目标优化函数内，得到多个车辆优化分数；

当所述车辆优化分数均小于0时，所述车辆在车辆运营趟次间隔不进行充电；

当所述车辆优化分数大于或者等于0时，在大于或者等于0的车辆优化分数挑选出最高的车辆优化分数，并将最高的所述车辆优化分数对应的优化数据中的车辆运营趟次间隔确定为车辆的充电时间，将最高的所述车辆优化分数对应的优化数据中的可用充电桩位置确定为车辆的充电桩位置信息。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种基于新能源公交车的车桩网一体化充电调度装置及方法。该装置包括新能源公交车载终端、充电桩监控终端、云计算平台、公交指挥调度***、移动终端。云计算平台包含车辆充电与行驶里程预测模型、地图服务、调度优化模型。新能源公交车载终端、充电桩监控终端通过无线传输网络与公交指挥调度***之间进行数据通信，云计算平台与公交指挥调度***之间采用有线通信，移动终端内置有与公交指挥调度***相匹配的APP，公交指挥调度***通过无线传输网络将调度信息下发到移动终端和新能源公交车载终端。本发明通过车辆状态信息、充电桩状态信息、车辆线路运营信息、车辆充电用时与行驶里程预测模型、调度优化模型建立新能源公交车调度装置和方法，弥补现有技术的公交调度***没有根据新能源公交车充电时间长、车桩距离、地图服务等“车桩网”一体化思路进行设计的缺陷，解决现有技术中存在因新能源公交车充电不合理导致调度质量不高，新能源公交车利用率偏低的问题，同时还提高了公交车辆利用率。

附图说明

为了更清楚地说明本发明实施例或现有技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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为本发明实施例基于新能源公交车的车桩网一体化充电调度装置的结构框图；

图2为本发明实施例基于新能源公交车的车桩网一体化充电调度方法的流程示意图；

图3为本发明实施例车辆充电与行驶里程预测模型原理框图；

图4为本发明实施例地图服务框图；

图5为本发明实施例最优化调度模型原理框图。

具体实施方式

下面将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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

国标GB/T 32960《电动汽车远程服务与管理***技术规范》与2016年10月1日正式实施，目前全国范围内已经得到了广泛应用和推广，为新能源汽车监控提供了良好的支撑平台。《推进“互联网+”便捷交通促进智能交通发展的实施方案》的通知(发改基础〔2016〕1681号)的印发，为“车桩网”一体化调度提供了***实施方案参考。

实施例一

图1为本发明实施例基于新能源公交车的车桩网一体化充电调度装置的结构框图，如图1所示，本发明实施例提供的车桩网一体化充电调度装置包括新能源公交车载终端、充电桩监控终端、云计算平台、公交指挥调度***、移动终端。其中，所述云计算平台包含车辆充电与行驶里程预测模型、地图服务、调度优化模型。

所述新能源公交车载终端、所述充电桩监控终端通过无线传输网络与所述公交指挥调度***之间进行数据通信。所述云计算平台与所述公交指挥调度***之间采用有线传输网络进行双向数据通信。所述移动终端内置有与所述公交指挥调度***相匹配的APP软件，所述公交指挥调度***通过无线传输网络将调度信息下发到所述移动终端和所述新能源公交车载终端内，并在所述移动终端的APP软件和所述新能源公交车载终端的司机操作显示屏上显示。所述调度信息包括调度方案和导航信息。

所述新能源公交车载终端包含导航定位、司机操作显示屏、车载通讯设备以及智能调度终端。

所述新能源公交车载终端用于采集车辆状态信息并上报给所述公交指挥调度***汇总。所述车辆状态信息包括车辆基本信息(车辆VIN、车牌号、车辆型号、车辆重量、电池型号、电池类型)、车辆使用情况(车辆使用期限、车辆运营里程、总充电次数)、车辆剩余电量、车辆位置信息。

所述充电桩监控终端用于采集充电桩状态信息并上报给所述公交指挥调度***汇总。所述充电桩状态信息包括可用充电桩位置、可用充电桩数量以及充电桩可用时间。

所述公交指挥调度***负责将汇总的车辆状态信息、充电桩状态信息、车辆线路运营信息传输至所述云计算平台上。其中，所述车辆线路运营信息由所述公交指挥调度***直接采集汇总，所述车辆线路运营信息包含公交线路番号、车辆运营趟次间隔以及下次充电时间。

所述云计算平台对获取的车辆状态信息、充电桩状态信息、车辆线路运营信息进行汇集，结合所述车辆充电与行驶里程预测模型、所述地图服务、所述调度优化模型进行分析与计算，动态生成调度信息并发送至所述公交指挥调度***以对车辆进行调度操作。

所述地图服务用于获取实时路况信息、路径导航信息；所述地图服务为所述车辆充电与行驶里程预测模型、所述调度优化模型提供空间地理基础数据、位置数据地图展示、实时路况数据、路径导航功能。

所述车辆充电与行驶里程预测模型的输入为车辆状态信息、充电桩状态信息以及车辆线路运营信息，输出为多组车辆充电后预计行驶信息数据。

所述调度优化模型的输入为多组优化数据，输出为车辆的充电时间和充电桩位置信息；每组优化数据均包含一组车辆充电后预计行驶信息数据、车辆状态信息、充电桩状态信息、车辆线路运营信息。

所述云计算平台根据所述车辆线路运营信息、地图服务以及所述调度优化模型输出的车辆的充电时间和充电桩位置信息，生成调度信息。

所述移动终端包含平板和手机，平板和手机内的APP软件内置了导航功能，用于接收显示所述公交指挥调度***下发的调度信息。

所述新能源公交车载终端的司机操作显示屏用于显示所述公交指挥调度***下发的充电调度信息和充电导航信息。

实施例二

图2为本发明实施例基于新能源公交车的车桩网一体化充电调度方法的流程示意图，如图2所示，本发明实施例提供的车桩网一体化充电调度方法应用于实施例一所述的装置，该车桩网一体化充电调度方法包括以下步骤。

步骤101：获取车辆状态信息、充电桩状态信息以及车辆线路运营信息；所述车辆状态信息包括车辆基本信息(车辆VIN、车牌号、车辆型号、车辆重量、电池型号、电池类型)、车辆使用情况(车辆使用期限、车辆运营里程、总充电次数)、车辆剩余电量、车辆位置信息；所述充电桩状态信息包括可用充电桩位置、可用充电桩数量以及充电桩可用时间；所述车辆线路运营信息包含公交线路番号、车辆运营趟次间隔以及下次充电时间。

步骤102：将所述车辆状态信息、所述充电桩状态信息以及所述车辆线路运营信息输入到车辆充电与行驶里程预测模型中，根据每个车辆运营趟次间隔以及充电桩位置分布信息，输出多组车辆充电后预计行驶信息数据，构成车辆充电后预计行驶信息集合；每组车辆充电后预计行驶信息数据均包括预计空载运行里程、预计空载运行时间、预计充电时长、预计充电起始SOC、预计充电结束SOC、预计充电电量、预计运送速度(公里/小时)、预计趟次结束时间、预计趟次结束SOC、预计本次充电后运营里程、预计本次充电后运营圈数、预计下次充电时间、预计下次车辆充电空载运行里程。

步骤103：将多组所述车辆充电后预计行驶信息数据、所述车辆状态信息、所述充电桩状态信息以及所述车辆线路运营信息融合，生成多组优化数据。所述车辆充电后预计行驶信息数据的组数与所述优化数据的组数相同。

步骤104：将多组所述优化数据依次输入到调度优化模型中，优化输出车辆的充电时间和充电桩位置信息。

步骤105：根据所述车辆的充电时间和充电桩位置信息，结合地图服务和车辆线路运营信息，生成调度信息；所述调度信息包括调度方案和导航信息。

步骤106：将所述调度信息以车辆VIN为标识发送到公交指挥调度***中以实现对车辆的调度操作。

其中，在执行步骤104之前，该方法还包括：

确定所述调度优化模型中目标优化函数的决策变量；所述决策变量包括预计空载运行里程、预计空载运行时间、预计充电时长、预计充电起始SOC、预计充电结束SOC、预计充电电量、预计运送速度(公里/小时)、预计趟次结束时间、预计趟次结束SOC、预计本次充电后运营里程、预计本次充电后运营圈数、预计下次充电时间、预计下次车辆充电空载运行里程、车辆状态信息、充电桩状态信息以及车辆线路运营信息。

将多组所述车辆充电后预计行驶信息数据、所述车辆状态信息、所述充电桩状态信息以及所述车辆线路运营信息融合，生成决策变量集合；所述决策变量集合包括多组决策变量数据。

根据多组所述决策变量数据，采用因子分子算法，确定每个决策变量的权重。

根据每个所述决策变量以及所述决策变量对应的权重，确定目标优化函数。所述目标优化函数为：F_k＝ω₁*X₁+ω₂*X₂......+ω_n*X_n；其中，X₁、X₂、X₃、……、Xn表示有n个决策变量；ω表示权重；F_k表示第k个车辆的优化分数。

步骤104具体包括：将多组所述优化数据依次输入到所述目标优化函数内，得到多个车辆优化分数。

当所述车辆优化分数均小于0时，所述车辆在车辆运营趟次间隔不进行充电。

当所述车辆优化分数大于或者等于0时，在大于或者等于0的车辆优化分数挑选出最高的车辆优化分数，并将最高的所述车辆优化分数对应的优化数据中的车辆运营趟次间隔确定为车辆的充电时间，将最高的所述车辆优化分数对应的优化数据中的可用充电桩位置确定为车辆的充电桩位置信息。

实施例三

本发明实施例提供的车桩网一体化充电调度装置包括新能源公交车载终端、充电桩监控终端、云计算平台、公交指挥调度***、移动终端。其中，所述云计算平台包含车辆充电与行驶里程预测模型、地图服务、调度优化模型。

所述新能源公交车载终端、所述充电桩监控终端通过无线传输网络与所述公交指挥调度***之间进行数据通信。所述云计算平台与所述公交指挥调度***之间采用有线传输网络进行双向数据通信。所述移动终端内置有与所述公交指挥调度***相匹配的APP软件，所述公交指挥调度***通过无线传输网络将调度信息下发到所述移动终端和所述新能源公交车载终端内，并在所述移动终端的APP软件和所述新能源公交车载终端的司机操作显示屏上显示。所述调度信息包括充电调度信息和充电导航信息。

作为本发明的优选方案，所述公交指挥调度***采集并提供车辆状态信息、充电桩状态信息、车辆线路运营信息。

车辆状态信息包含车辆基本信息(车辆VIN、车牌号、车辆型号、车辆重量、电池型号、电池类型)、车辆使用情况(车辆使用期限、车辆运营里程、总充电次数)、车辆剩余电量、车辆位置信息。

充电桩状态信息包含可用充电桩位置及数量、充电桩可用时间。

车辆线路运营信息包含公交线路番号、车辆趟次间隔、下次充电时间

作为本发明的优选方案，所述车辆充电与行驶里程预测模型，在车辆趟次间隔时间段内，对车辆的充电行为进行预测规划，如图3所示，所述车辆充电与行驶里程预测模型的输入信息包含车辆状态信息、可用充电桩位置、车辆趟次间隔。

地图服务提供基础地图数据服务、公交线路数据服务、天气信息服务、实时路况数据服务、路径导航服务。

所述车辆充电与行驶里程预测模型的输出结果包含预计空载运行里程、预计空载运行时间、预计充电时长、预计充电起始SOC、预计充电结束SOC、预计充电电量、预计运送速度(公里/小时)、预计趟次结束时间、预计趟次结束SOC、预计本次充电后运营里程、预计本次充电后运营圈数、预计下次充电时间、预计下次车辆充电空载运行里程。

每个车辆趟次间隔，根据不同的可用充电桩位置输出多组输出结果。

作为本发明的优选方案，所述地图服务如图4所示，采用百度地图开放平台JavaScriptAPI v2.0，获取基础地图数据服务、公交线路数据服务、天气信息服务、实时路况数据服务、路径导航服务等服务，通过打包封装，形成公交车调度***专用的车辆调度地图服务。

作为本发明的优选方案，所述调度优化模型如图5所示，所述调度优化模型的目标优化函数。用数学语言来描述，该目标优化函数u＝f(x)，x＝(x₁，...，x_n)，x∈Ω，在约束条件h_i(x)＝0，i＝1，2，...，m和g_i(x)≥0(g_i(x)≤0)，i＝1，2，...，p下的最大值或最小值，其中f(x)为目标优化函数，x为决策变量，Ω为可行域。

假设本次调度利大于弊、利弊相等、利小于弊分别对应的目标优化函数取值为大于0、等于0、小于0，通过目标优化函数的值来判断是否需要执行本次充电调度。并根据大于0的分数，选取最大值对应的充电桩确定本次充电调度所用的充电桩。

其中，决策变量包含车辆状态信息、充电桩状态信息、车辆线路运营信息以及车辆充电与行驶里程预测模型所有输出信息。

决策变量包含车辆的状态监控信息中的部分信息为车辆基本信息(车辆型号、车辆重量、电池型号、电池类型)、车辆使用情况(车辆使用期限、车辆运营里程、总充电次数)、车辆剩余电量、车辆位置信息。

决策变量包含充电桩的状态监控信息中的部分信息为可用充电桩位置及数量、充电桩可用时间。

决策变量包含车辆充电与行驶里程预测模型的所有输出信息，为预计空载运行里程、预计空载运行时间、预计充电时长、预计充电起始SOC、预计充电结束SOC、预计充电电量、预计运送速度(公里/小时)、预计趟次结束时间、预计趟次结束SOC、预计本次充电后运营里程、预计本次充电后运营圈数、预计下次充电时间、预计下次车辆充电空载运行里程。

目标优化函数采用SPSS(Statistical Product and Service Solutions，统计产品与服务解决方案软件)的因子分析方法来确定各个决策变量的权重。主要步骤是：

(1)首先将多组决策变量数据标准化，这是考虑到不同数据间的量纲不一致，因而必须要无量纲化。

(2)对标准化后的多组决策变量数据进行因子分析(主成分方法)，使用方差最大化旋转。

(3)写出主因子得分和每个主因子的方程贡献率。

F_j＝β_1j*X₁+β_2j*X₂......+β_nj*X_n；

其中，F_j为主因子(j＝1、2、……、m)，X₁、X₂、X₃、……、Xn为各个决策变量，β_1j、β_2j、β_3j、……、β_nj为各决策变量在主因子F_j中的系数得分，用ej表示Fj的方程贡献率。

(4)求出指标权重。

ω_i就是决策变量X_i的权重。

(5)得到目标优化函数；

目标优化函数为：F_k＝ω₁*X₁+ω₂*X₂......+ω_n*X_n；

其中，X₁、X₂、X₃、……、Xn表示有n个决策变量；ω表示权重；F_k表示第k个车辆的优化分数

通过对本地区相似的历史数据进行采样分析统计，确定参与SPSS的因子分析方法的输入数据；考虑到不同场景的因子权重不同，在输入数据和SPSS的因子分析方法不变的情况下，实际权重支持手动额外调整。

针对每个车辆和车辆运营趟次间隔的车辆充电与行驶里程预测模型输出的多组结果，根据调度优化模型进行得分计算，获取每种组合目标函数得分，从而得到车辆在指定车辆运营间隔的最高得分。

判断最高得分是否大于0，若大于0，则根据最高得分的方案，结合地图服务，生成调度方案和导航信息。

将调度方案和导航信息以车辆VIN为标识，发送到公交指挥调度***中。

公交指挥调度***下发调度指令到移动终端。

作为本发明的优选方案，公交指挥调度***数据采集传输频率为10秒一次，调度指令下发为实时下发。

作为本发明的优选方案，所述移动终端APP采用内置百度地图SDK进行实现，包含Android/iOS两种操作***。地图SDK提供地图、定位、轨迹、导航等开发工具。

与现有技术相比，本发明的有益效果是：

1、针对新能源车辆调度的新特点，结合车辆当前状态、充电桩信息、线路计划排班信息、路况信息等于一体，设计最佳调度方案，通过***来计算分析公交车辆调度最佳方案，结合人工干预结果，可提高调度的及时性和合理性。

2、通过运行情况，总结调度数据，有益于公交行业优化调整车辆选型、车辆停靠场站、充电桩分布，最终提高服务质量，降低运营成本。

3、本***也可以用到对公交***排班计划生成、评价、优化等多个场景，应用亦将可以拓展到新能源物流车、专用车的调度。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种基于新能源公交车的车桩网一体化充电调度装置，其特征在于，所述车桩网一体化充电调度装置包括新能源公交车载终端、充电桩监控终端、云计算平台、公交指挥调度***、移动终端；其中，所述云计算平台包含车辆充电与行驶里程预测模型、地图服务、调度优化模型；

所述新能源公交车载终端、所述充电桩监控终端通过无线传输网络与所述公交指挥调度***之间进行数据通信；所述云计算平台与所述公交指挥调度***之间采用有线传输网络进行双向数据通信，所述移动终端内置有与所述公交指挥调度***相匹配的APP软件，所述公交指挥调度***通过无线传输网络将调度信息下发到所述移动终端和所述新能源公交车载终端内，并在所述移动终端的APP软件和所述新能源公交车载终端的司机操作显示屏上显示；

所述地图服务用于获取实时路况信息、路径导航信息；所述地图服务为所述车辆充电与行驶里程预测模型、所述调度优化模型提供空间地理基础数据、位置数据地图展示、实时路况数据、路径导航功能；

所述车辆充电与行驶里程预测模型的输入为车辆状态信息、充电桩状态信息以及车辆线路运营信息，输出为多组车辆充电后预计行驶信息数据；

所述调度优化模型的输入为多组优化数据，输出为车辆的充电时间和充电桩位置信息；每组优化数据均包含一组车辆充电后预计行驶信息数据、车辆状态信息、充电桩状态信息、车辆线路运营信息；

所述云计算平台用于根据所述车辆线路运营信息、地图服务以及所述调度优化模型输出的车辆的充电时间和充电桩位置信息，生成调度信息。

2.根据权利要求1所述的车桩网一体化充电调度装置，其特征在于，所述新能源公交车载终端包含导航定位、司机操作显示屏、车载通讯设备以及智能调度终端；所述新能源公交车载终端用于采集车辆状态信息并上报给所述公交指挥调度***汇总；所述车辆状态信息包括车辆基本信息、车辆使用情况、车辆剩余电量、车辆位置信息；所述车辆基本信息包括车辆VIN、车牌号、车辆型号、车辆重量、电池型号、电池类型；所述车辆使用情况包括车辆使用期限、车辆运营里程、总充电次数。

3.根据权利要求1所述的车桩网一体化充电调度装置，其特征在于，所述充电桩监控终端用于采集充电桩状态信息并上报给所述公交指挥调度***汇总；所述充电桩状态信息包括可用充电桩位置、可用充电桩数量以及充电桩可用时间。

4.根据权利要求1所述的车桩网一体化充电调度装置，其特征在于，所述公交指挥调度***用于将所述新能源公交车载终端采集的车辆状态信息、所述充电桩监控终端采集的充电桩状态信息以及所述公交指挥调度***采集的车辆线路运营信息汇总并传输至所述云计算平台上；所述车辆线路运营信息包含公交线路番号、车辆运营趟次间隔以及下次充电时间。

5.根据权利要求4所述的车桩网一体化充电调度装置，其特征在于，所述云计算平台对获取的车辆状态信息、充电桩状态信息、车辆线路运营信息进行汇集，结合所述车辆充电与行驶里程预测模型、所述地图服务、所述调度优化模型进行分析与计算，动态生成调度信息并发送至所述公交指挥调度***以对车辆进行调度操作；所述调度信息包括调度方案以及导航信息。

6.一种应用权利要求1-5任意一项所述的基于新能源公交车的车桩网一体化充电调度装置的充电调度方法，其特征在于，所述充电调度方法包括：

获取车辆状态信息、充电桩状态信息以及车辆线路运营信息；

将所述车辆状态信息、所述充电桩状态信息以及所述车辆线路运营信息输入到车辆充电与行驶里程预测模型中，根据每个车辆运营趟次间隔以及充电桩位置分布信息，输出多组车辆充电后预计行驶信息数据，构成车辆充电后预计行驶信息集合；每组车辆充电后预计行驶信息数据均包括预计空载运行里程、预计空载运行时间、预计充电时长、预计充电起始SOC、预计充电结束SOC、预计充电电量、预计运送速度(公里/小时)、预计趟次结束时间、预计趟次结束SOC、预计本次充电后运营里程、预计本次充电后运营圈数、预计下次充电时间、预计下次车辆充电空载运行里程；

将多组所述车辆充电后预计行驶信息数据、所述车辆状态信息、所述充电桩状态信息以及所述车辆线路运营信息融合，生成多组优化数据；

将多组所述优化数据依次输入到调度优化模型中，优化输出车辆的充电时间和充电桩位置信息；

根据所述车辆的充电时间和充电桩位置信息，结合地图服务和车辆线路运营信息，生成调度信息；所述调度信息包括调度方案和导航信息；

将所述调度信息以车辆VIN为标识发送到公交指挥调度***中以实现对车辆的调度操作。

7.根据权利要求6所述的充电调度方法，其特征在于，所述将多组所述优化数据依次输入到调度优化模型中，优化输出车辆的充电时间和充电桩位置信息之前，所述充电调度方法还具体包括：

确定所述调度优化模型中目标优化函数的决策变量；所述决策变量包括预计空载运行里程、预计空载运行时间、预计充电时长、预计充电起始SOC、预计充电结束SOC、预计充电电量、预计运送速度(公里/小时)、预计趟次结束时间、预计趟次结束SOC、预计本次充电后运营里程、预计本次充电后运营圈数、预计下次充电时间、预计下次车辆充电空载运行里程、车辆状态信息、充电桩状态信息以及车辆线路运营信息；

将多组所述车辆充电后预计行驶信息数据、所述车辆状态信息、所述充电桩状态信息以及所述车辆线路运营信息融合，生成决策变量集合；所述决策变量集合包括多组决策变量数据；

根据多组所述决策变量数据，采用因子分子算法，确定每个决策变量的权重；

根据每个所述决策变量以及所述决策变量对应的权重，确定目标优化函数。

8.根据权利要求7所述的充电调度方法，其特征在于，所述目标优化函数为：F_k＝ω₁*X₁+ω₂*X₂......+ω_n*X_n；

其中，X₁、X₂、X₃、……、Xn表示有n个决策变量；ω表示权重；F_k表示第k个车辆的优化分数。

9.根据权利要求8所述的充电调度方法，其特征在于，所述将多组所述优化数据依次输入到调度优化模型中，优化输出车辆的充电时间和充电桩位置信息，具体包括：

将多组所述优化数据依次输入到所述目标优化函数内，得到多个车辆优化分数；

当所述车辆优化分数均小于0时，所述车辆在车辆运营趟次间隔不进行充电；

当所述车辆优化分数大于或者等于0时，在大于或者等于0的车辆优化分数挑选出最高的车辆优化分数，并将最高的所述车辆优化分数对应的优化数据中的车辆运营趟次间隔确定为车辆的充电时间，将最高的所述车辆优化分数对应的优化数据中的可用充电桩位置确定为车辆的充电桩位置信息。

Images