CN110880054B - 一种电动网约车充换电路径的规划方法 - Google Patents
一种电动网约车充换电路径的规划方法 Download PDFInfo
- Publication number
- CN110880054B CN110880054B CN201911182107.1A CN201911182107A CN110880054B CN 110880054 B CN110880054 B CN 110880054B CN 201911182107 A CN201911182107 A CN 201911182107A CN 110880054 B CN110880054 B CN 110880054B
- Authority
- CN
- China
- Prior art keywords
- charging
- cost
- model
- battery
- station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/14—Plug-in electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种电动网约车充换电路径的规划方法,本发明所述规划方法充分考虑订单热力分布和充换电节点成本差异,对网约电动车的充电路径进行优化研究。本文首先对网约车充换电路径的影响因素进行分析;继而建立了“网约电动车‑充换电网络‑交通路网‑配电网”模型;随后提出网约电动车的充换电最优路径优化方法。并充分考虑订单的热力分布对充电路径导航的影响,对网约车综合成本最小进行自动优选,可得到实际网约电动车的最佳充换电路径,以及对应的最小充换电成本。
Description
技术领域
本发明涉及网约车运营成本控制技术领域,具体涉及一种电动网约车充换电路径的规划方法。
背景技术
随着政府机构出台《节能与新能源汽车产业发展规划(2012-2020年)》、《关于加快电动汽车充电基础设施建设的指导意见》等相关政策文件,我国将大力支持电动汽车产业、混合动力乘用车等上下游产业链发展,并适度鼓励电动出租车、电动网约车投入市场,加快新能源汽车产业发展,对促进国家节能与低碳交融交通具有理论意义和实际意义。
借力于国家政策的红利以及电动汽车行业的不断发展,深圳、重庆等多个城市已经推出大量的纯电动出租车(pure electric vehicles,PEV),纯电动和混合动力电动(plug-in hybrid electric vehicles,PHEV)网约车、分时租赁电动车作为公用服务车辆。并且根据统计数据,纯电动出租车、纯电动网约车(EV hailing)、电动公共汽车占所有的电动汽车的50%~60%。随着网约打车软件的普及和国家对新能源汽车的大力补贴,越来越多的电动汽车车主通过Uber、滴滴打车、神马专车、神州专车、曹操专车等打车平台进行运营。按照目前电动汽车的设计标准,充满后续航里程约为200公里,远远小于汽油车的续航能力,所以网约电动汽车每天都要进行充电。电动网约车受限于有限的续航能力,当需要充电或者换电时,有必要对其充电最佳路径进行规划,才能尽可能提升运营效益。
发明内容
本发明的目的在于提供一种电动网约车充换电路径的规划方法,通过本发明所述规划方法能够实现电动网约车充换电的最佳路径,实现对应的最小充换电成本。
本发明通过下述技术方案实现:
一种电动网约车充换电路径的规划方法,包括以下步骤:
S1:通过分析电动网约车的运营情况,获得影响路径规划的主要因素为充换电成本、交通路网、电网运行安全限制和约车订单热力图;
S2:分别构建充换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型,通过充换电成本模型、交通路网模型、电网运行安全限制模型获得充换电总成本,通过约车订单热力图模型获得载客效益;
S3:根据电动网约车的当前地理位置计算到各个充电站、换电站的行驶距离和行驶时间,结合电动网约车的剩余里程筛选出可行的待选充电站、换电站;
S4:对筛选出的每个待选充电站、换电站分别按照时间优先、距离优先的两种方式,根据步骤S2构建的电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型,分别计算电动网约车从当前地理位置达到各个待选充电站、换电站的充换电总成本和载客效益,进而获得电动网约车从当前地理位置达到各个待选充电站、换电站的综合成本,所述综合成本为充换电总成本与载客效益的差值;
S5:对步骤S4获得的电动网约车从当前地理位置达到各个待选充电站、换电站的所有综合成本进行排序,选择综合成本最小的充电站或换电站进行最佳路径规划。
当电动网约车行驶至充电站时,由于其受限于交通路网拥堵的程度,造成其行驶时间成本和行驶距离成本不同,故需要通过对每个待选充电站按照时间优先、距离优先的两种方来进行对比优选。
当网约电动车需要充换电时,按照其剩余里程筛选出可以前往充换电的待选充电站集合;然后对每个待选充电站按照时间优先、距离优先的两种方式,并采用计算最短路径的Dijkstra算法(Dijkstra算法现有技术)规划时间、距离最短的充电导航路径;同时,对每个待选换电站按照时间优先、距离优先的两种方式,采用计算最短路径的Dijkstra算法规划时间、距离最短的换电导航路径;并根据网约电动车综合成本最小进行自动优选,以确定最佳充换电站,保存其充换电路径。
本发明充分考虑了订单的热力分布对充电路径导航的影响,对网约车综合成本最小进行自动优选,可得到实际网约电动车的最佳充换电路径以及对应的最小充换电成本,进而通过本发明所述规划方法能够实现电动网约车充换电的最佳路径,实现对应的最小充换电成本。
本发明通过某实际网约电动车进行充电路径导航的经济成本、时间成本对比测试分析,验证了所提方法的有效性。
进一步地,步骤S2中所述充换电成本模型包括充电成本模型和换电成本模型;所述充电成本模型包括充电经济成本模型和充电时间成本模型。
进一步地,充电经济成本模型的表达式如下:
进一步地,充电时间成本模型的表达式如下:
式中,EVHt表示电动车行驶至充电站需要时间;V表示电动车行驶至充电站的速度;Nc表示到达该充电站进行充电的车辆总数;Nch,new为充电站的允许充电桩运营的个数;ΔT表示在充电站排队充电的电动车平均耗。
进一步地,充电成本模型还包括惩罚项,所述惩罚项的表达式如下:
FEV=costEVH,c+λt·costEVH,t+θ·R
式中,λt表示网约电动车第t个时段的平均接单效益系数,其等于采样时周期内第t个时段的盈利总额除以采样个数;θ为{0,1},当充电效率过低引起车辆报警时,θ=1,否则等于0;R为惩罚常数。
进一步地,换电成本模型的表达式如下:
costEVH,m=Qm
式中,Qm表示换电一次的价格。
进一步地,步骤S2中所述交通路网模型的表达式如下:
RL=(Nc,Ac,Ld,Vm,C)
式中,Nc为道路交叉节点集合、Ac为道路权值集、Ld为路段道路等级、Vm为各道路的零流速度、C为通行能力;
根据电动网约车当前地理位置Ps和待充换电站的地理位置Pd,获得电动网约车的行驶路径集合L为:
L=RL(Net,Ps,Pd)。
进一步地,所述约车订单热力图模型的表达式如下:
式中,Pd(·)表示待选充电站关于载客概率的函数;表示充换电站附近1公里范围内的载客概率,ρi表示第i条道路的约车订单热力图密度,ρmax表示约车订单热力图的最大密度值,NP表示充换电站附近1公里范围内的所有道路。
进一步地,电网运行安全限制模型包括充电站的允许充电桩运营的个数Nch,new为,允许充电桩运营的个数的表达式如下:
进一步地,按照时间优先方式,充电综合成本的计算过程如下:
以每条道路行驶时间为权值,按照时间优先依次计算最短路径、需要充电量,根据换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型获得充电综合成本;
按照时间优先方式,换电综合成本的计算过程如下:
以每条道路行驶时间为权值,按照时间优先计算最短路径,根据换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型获得换电综合成;
按照距离优先方式,充电综合成本的计算过程如下:
以每条道路行驶距离为权值,按照距离优先依次计算最短路径、需要充电量,根据换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型获得充电综合成本;
按照距离优先方式,换电综合成本的计算过程如下:
以每条道路行驶距离为权值,按照距离优先计算最短路径,根据换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型获得换电综合成。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明充分考虑了订单的热力分布对充电路径导航的影响,对网约车综合成本最小进行自动优选,可得到实际网约电动车的最佳充换电路径以及对应的最小充换电成本,进而通过本发明所述规划方法能够实现电动网约车充换电的最佳路径,实现对应的最小充换电成本。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明电动网约车的充换电最优路径规划流程图;
图2为算例中交通路网及约车订单热力图;
图3为算例中该片区09:00的交通路况图;
图4为算例中该片区20:00的交通路况图;
图5为算例中充电站C4的分时电价曲线;
图6为算例中网约电动车的平均接单效益系数曲线;
图7为算例中不同SOC电量的充电成本比较图;
图8为算例中不同时段进行充电的时间成本比较图;
图9为算例中电动网约车在09:00进行充换电最优路径图;
图10为算例中电动网约车在20:00进行充换电最优路径图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:
如图1所示,一种电动网约车充换电路径的规划方法,包括以下步骤:
S1:通过分析电动网约车的运营情况,获得影响路径规划的主要因素为充换电成本、交通路网、电网运行安全限制和约车订单热力图;具体地:
1.1充换电节点:充换电经济、时间成本差异大
在充电网络的收费模式上,现有的充电运营商主要有:青岛特来电新能源有限公司(特来电)、万帮充电设备有限公司(星星充电)、特斯拉(Tesla)、国家电网公司(充电桩)等等。特来电充电桩收费按照分时电价或者统一价、服务费和停车费进行收取;星星充电按照分时电价或者统一价、服务费和停车费进行收取;国家电网公司按照分时电价、服务费进行收取;大多数特斯拉充电桩只能对特斯拉汽车提供充电服务,而其他品牌电动汽车则无法为其充电。现有的电动汽车换电站运营商主要有国家电网公司(换电站)、时空电动汽车的换电站等。
在不同充电站进行充电时,其收费模式是有较大差异的。比如:特来电A充电站按照2.06元/千瓦时进行收费,不收取服务费,但收取4元/小时停车费;但是特来电B充电站按照0.88元~1.88元/千瓦时的分时电价进行收费,并按0.2元/千瓦时收取服务费,不收取停车费。可见,即使是同一个品牌下的不同充电站之间,其收费价格也有不同。对于在不同换电站更换电池时,其收费模式是都按统一价收取。比如时空电动汽车的换电站按照40元一次更换费收取。如果电动汽车选择合理的充电桩或者换电站对其充换电,就可以减少总的充换电经济成本。
在充换电网络的位置布局上,有些充电桩\换电站建设在地下停车场,有些充电桩\换电站则建设在地面停车场侧。由于不同充电站承载容量不同,可能就近的充电站充电需要排队,而较远的充电站不需要排队,但考虑到快充充电也需要1~2小时,如果能通过充电时间的策略比较,选择合理的充电站或者换电站补充电量,就可以大大减少充换电的时间成本。
1.2交通路网:充换电路径时间、距离成本差异大
由于城市经济建设不断发展,城市汽车保有量呈现***式增长。在工作日的上下班高峰期,汽车出行量较大,在城市某些道路将发生较为严重的交通拥堵现象。当电动汽车需要行驶至某一个充电站进行充换电时,有些前往的行驶道路路况可能存在交通拥堵,有些行驶道路路况却是畅通,由此行驶路线的不同将导致不同的行驶时间和行驶距离成本。如果能选择行驶时间最少、行驶距离最近的路径达到充电站进行充换电,就可以大大减少充换电带来的时间和距离成本。
1.3电网:充电负荷受电网运行安全限制
在经济发达地区,其电网负荷增长较快,使得现有城市配电网不断出现区域负荷不平衡问题。为了避免在高峰负荷时期出现110kV主变超载、10kV馈线满载和超载、节点电压幅值越安全下限等问题,电力公司可能会采取需求侧管理手段,即限制充电站的总负荷,将其控制在某一个阈值以下。
当电力公司对充电站采取需求侧管理手段时,充电站运营商就会限制充电桩的投入个数,并且限制对每个电动汽车的充电时间。如果能够提前获知某个充电站的运营信息,就能选择其他更加合理的充电站进行充电。
1.4约车订单热力图:影响盈利概率
随着网约打车越来越普及,用户每次出行的打车记录都会上传至各个打车软件平台进行储存。在海量的打车数据基础上,根据“大数据”分析技术,可以将各个地理位置的约车订单数量以热力图的形式展现出来,以供给网约车车主参考。
在电动网约车前往充换电站的过程中,如果能尽可能靠近约车订单较多的地点,就能相应提高载客的概率,从而提升其运营效益。
综上所述,通过充分考虑充换电网络成本、交通路网车流量、电网运行安全和约车订单热力图这4个主要因素,如何对其充换电最佳路径进行规划是本文研究的主要问题。
S2:分别构建充换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型,通过充换电成本模型、交通路网模型、电网运行安全限制模型获得充换电总成本,通过约车订单热力图模型获得载客效益;具体地:
2.1网约电动车充电需求和充换电节点的成本计算
在当前充电市场中,假设网约电动车都是既可换电也可充电的模式,将充电和换电的时间成本和经济成本进行全方位比较,为网约车主选择最佳的充电策略及充电路径。
1)充电成本计算
网约电动汽车充满电需要的经济成本costEVH,c等于
网约电动汽车充满电需要的时间成本costEVH,t等于
式中,EVHt表示电动车行驶至充电站需要时间;V表示电动车行驶至充电站的速度;Nc表示到达该充电站进行充电的车辆总数;Nch,new为充电站的允许充电桩运营的个数;ΔT表示在充电站排队充电的电动车平均耗时。
但是,纯电动汽车的蓄电池采用直流电源连接动力蓄电池,将电能转化为动力蓄电池的化学能进行充电,但是当电能转化为化学能的充电效率降低时,则必须进行更换电池。为此,本文对充电成本引入惩罚项,网约电动汽车的充电成本FEV可表示为:
FEV=costEVH,c+λt·costEVH,t+θ·R (6)
式中,λt表示网约电动车第t个时段的平均接单效益系数,其等于采样时周期内第t个时段的盈利总额除以采样个数;θ为{0,1},当充电效率过低引起车辆报警时,θ=1,否则等于0;R为惩罚常数,本文取很大的正数。
3)换电成本计算
由于换电一次只需3~5分钟,造成的停车成本几乎可以忽略,故网约电动汽车换电需要的经济成本costEVH,m等于
costEVH,m=Qm (7)
式中,Qm表示换电一次的价格。
2.2交通路网模型及充换节点的载客概率计算
1)交通路网模型
交通路网模型与路网***中的道路交叉节点集合Nc、道路权值集Ac、路段道路等级Ld、各道路的零流速度Vm、通行能力C有关[11],故列写为
RL=(Nc,Ac,Ld,Vm,C) (8)
根据式(9),列写在已知电动车的地理位置Ps和充电站的地理位置Pd后,故列写其行驶路径集合L为
L=RL(Net,Ps,Pd) (9)
2)充换节点的载客概率计算
根据图4,不同地点进行约车订单数量有显著的差异,那么根据约车订单数量这一海量数据可以统计得到载客的概率较大的商圈。如果在电动网约车前往充电站的过程中,能尽可能靠近载客的概率较大的地点,就能相应提高载客的概率。
根据现有打车平台的规则,比如神马专车,网约车车主日接单数量越多,服务星级越高,其收入、补贴、派车次数就会越多。
在不考虑车主服务质量的条件下,打车平台会给距离较近的网约车派单。因此,电动网约车的最佳充电站地理位置Pd,opti与载客概率有关,即
式中,Pd(·)表示待选充电站关于载客概率的函数;表示充换电站附近1公里范围内的载客概率,ρi表示第i条道路的约车订单热力图密度,ρmax表示约车订单热力图的最大密度值,NP表示充换电站附近1公里范围内的所有道路。
综上,网约电动汽车充满电或者更换电池需要的经济成本costEVH,c和时间成本costEVH,t或costEVH,m、载客概率不同都是影响选择合理充电站考虑的因素。为此,采用载客效益Fp表示不同充换电站对应的载客效益
Fp=Pd,opti·λt (11)
考虑网约电动汽车的充电成本、换电成本、载客效益时,对充电站k或者换电站k而言,其综合成本Fopti,k进行表示:
2.3配电网的需求侧管理模型
考虑到网约车一般为轿车,其充电桩功率也仅才2kW左右,且停车场的充电桩个数也不多,其最大有功负荷和无功负荷对电网电压和负荷分布影响较小。故下面仅仅考虑在用电高峰时段电力公司的需求侧管理手段,可能为限制充电总负荷,从而影响网约车总的充电时间。
下面假设本文所有充电站均建设的是快速充电桩。根据《电动汽车充电站通用要求》,假设所有充电站都通过10/0.4kV的变压器直接接入10kV配电网,则当电力公司进行需求侧管理时,采用SP表示配电网模型需求侧管理模型,可采用需求侧管理模型进行计算获取,即:
Pload,max=SP(u) (13)
式中,Pload,max表示充电站允许接入电网的最大负荷;u表示配电网运行的潮流状态变量。
那么,充电站的允许充电桩运营的个数Nch,new为
假设一个充电桩只能为1辆电动汽车充电,则该充电站允许同时充电的车辆个数Ncar,c为
Ncar,c=Nch,new (15)
S3:根据电动网约车的当前地理位置计算到各个充电站、换电站的行驶距离和行驶时间,结合电动网约车的剩余里程筛选出可行的待选充电站、换电站;具体地:
已知网约电动车的地理位置Ps到充电站的地理位置Pd,其经过的行驶路径集合为L,则电动车行驶至充电站需要时间计算公式为:
相应的,当前电动汽车的SOC还需满足剩余电量能够行驶至充电站,即需满足
则电动车需要充电的电量EVHc可以计算为:
S4:对筛选出的每个待选充电站、换电站分别按照时间优先、距离优先的两种方式,根据步骤S2构建的电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型,分别计算电动网约车从当前地理位置达到各个待选充电站、换电站的充换电总成本和载客效益,进而获得电动网约车从当前地理位置达到各个待选充电站、换电站的综合成本,所述综合成本为充换电总成本与载客效益的差值;
S5:对步骤S4获得的电动网约车从当前地理位置达到各个待选充电站、换电站的所有综合成本进行排序,选择综合成本最小的充电站或换电站进行最佳路径规划。
网约电动车的充换电最优路径模型就是要解决电动车的地理位置Ps到充电站的地理位置Pd的路径到底该如何规划的问题。图1给出了网约电动车的充换电最优路径优化方法流程图。
按照时间优先方式,充电综合成本的计算过程如下:
以每条道路行驶时间为权值,按照时间优先依次计算最短路径、需要充电量,根据换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型获得充电综合成本;
按照时间优先方式,换电综合成本的计算过程如下:
以每条道路行驶时间为权值,按照时间优先计算最短路径,根据换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型获得换电综合成;
按照距离优先方式,充电综合成本的计算过程如下:
以每条道路行驶距离为权值,按照距离优先依次计算最短路径、需要充电量,根据换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型获得充电综合成本;
按照距离优先方式,换电综合成本的计算过程如下:
以每条道路行驶距离为权值,按照距离优先计算最短路径,根据换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型获得换电综合成。
本文充分考虑订单热力分布和充换电节点成本差异,对网约电动车的充电路径进行优化研究。本文首先对网约车充换电路径的影响因素进行分析;继而建立了“网约电动车-充换电网络-交通路网-配电网”模型;随后提出网约电动车的充换电最优路径优化方法。并充分考虑订单的热力分布对充电路径导航的影响,对网约车综合成本最小进行自动优选,可得到实际网约电动车的最佳充换电路径,以及对应的最小充换电成本。该充/换电路径导航方法的具有如下特点:
1)本文提出了约车订单热力图与“网约电动车-充换电节点-交通路网-配电网”模型。该模型充分考虑了充换电设施节点对网约电动车运营效益的影响,分别从空间和时间角度,提出了电动车的充换电成本计算公式。并且根据约车订单热力图,可优选尽可能靠近约车订单最多的充电站进行充电或者换电,以提高网约车的载客概率。
2)本文提出了网约电动车的充换电最优路径优化方法。该方法能够充分利用交通路况数据,按照时间优先、距离优先的两种方式进行路径规划,并结合约车订单热力分布图,对网约电动车综合成本最小进行自动优选。通过该充电导航策略,能够尽可能为网约车车主起到节省成本和载客激励作用,对推动绿色出行具有显著的实际意义。
为了验证本发明所述规划方法,本实施例进行了以下算例分析:
算例的基础数据:
在MATLAB R2012a平台上对某地区交通路网进行电动网约车充换电导航路径的仿真计算假设该片区的具体交通路网每小时约车订单热力图分布见图2所示。本文选择的时空电动汽车(型号是东风ER30),其地理位置如图中标注,其蓄电池Bc为24kWh,当前剩余电量SOC为20%,百公里的平均电耗Eave为10kWh。
图2中充电站的3个位置分别为C1~C3,并标定每个充电站的快充充电机4台,每台充电桩充电功率都是15kWh。充电效率ηr为0.98,换电站的位置如图中D1,换电池成本为60元/次。根据电力公司11:30需求侧管理的要求,对充电站C3的充电桩进行需求侧管理,允许接入的充电桩个数为3台。其余时段,各个充电站的所有充电桩均可投入。图3、图4给出了该片区的09:00和20:00的交通路况图。表1给出了各个充电站的收费模式。图5给出了充电站C4的分时电价曲线。图6给出了该网约电动车全天96点的平均接单效益系数图。
表1
算例分析:
1)不同充电站的经济成本比较分析
根据表1中各充电站的收费模式,图7给出了该网约车在不同SOC下进行充电的成本比较。根据图7可知,SOC值越低其充电量越大成本就越大。对于不同时段,比如充电站C1,在15点且SOC值为0时,充电成本约45元;但在20点进行充电时,只需花费约37元。对于不同充电站进行充电时,比如充电站C1和C2,当SOC值为0时,在充电站C1充电需花费37元,但充电站C2则花费46元。可见,不同时段不同充电站进行优选,能够减少电动网约车的经济成本。
2)不同充电站、换电站的成本比较分析
假设电动网约车到达充电站进行排队充电,现充电桩允许使用的仅有1个,排队车辆为1辆,计算出充电时间需要1小时,则该车到达充电站后需要的时间成本costEVH,t等于1·1+1=2。图8给出了假设在不同时段进行充电时,消耗时间成本λt·costEVH,t的曲线。
通过图8可知,若选择在24点进行排队充电,花费2小时充电相当于减少2小时的接单成本,即2小时接单成本约79.2元;若选择在18点进行排队充电,其花费2小时充电的成本约174元。由此可见,不同时段进行充电花费的时间成本差别很大,选择接单效益系数较低的时段进行充电能够减少时间成本。
当然,网约电动车的剩余电量是不受时段限制的,当18点就需要进行充电时,与换电站更换电池的60元成本相比,换电站的时间成本将显著低于114元的成本。但如果在24点选择充电站进行充电,其成本效益更加显著。
由此可知,网约电动车在接单效益系数高峰期,选择换电池其时间成本较低;在盈利低谷期,选择充电,其成本较低。
3)网约电动车的最短路径、最少时间成本比较分析
根据图3、图4的电动网约车交通路况图,假设该电动网约车需要在此时进行充电。首先,通过交通路况图获取每条路径的平均车速,以计算出各条道路的平均通行时间分别以时间和道路长度作为权重,采用最短路径Dijkstra算法对时间优先、距离优先的方式进行计算。
假设该电动车在09:00和20:00进行充电。根据该网约电动车的剩余电量筛选后,其待选充电站\换电站分别是C1~C3和D1。根据图1的计算流程,表2给出了该网约电动车前往不同充电站充电的路径上消耗的经济、时间成本对比分析。
表2网约电动车的充电经济、时间成本比较
对于是否选择路径最短的充电站所耗时间就最少这一问题,由表2可知,在09:00时该网约电动车到充电站C3的路径最短,但到充电站C1的时间成本最短。但是在20:00时该网约电动车到换电站D1的时间最短。由此看出,到达不同充电站的时间成本和距离成本都是不同的。
不同充电站的经济成本,以及不同充电站、换电站的成本还需要进行比较,才能得到最少的充电成本。综合这些因素后,还需要考虑网约电动车的最短路径、最少时间成本带来的附加充电成本。为此,需要综上考虑这3个方面,进行优选才能得到最佳的充电站或者换电站和充电路径。
4)网约电动车的最佳充换电成本分析
根据图2的热力分布图,表3给出了各个充电站、换电站附近的载客概率。并假设各个充电站均没有出现排队充电的情况下,给出了该网约电动车到这个充换电站的综合成本值。
表3各个充换电站的综合成本和载客概率
根据表3可知,在出行早高峰09:00,该电动车选择充电站C3进行充电,充电站C3的载客概率最高,其综合成本最低,仅为32.55元;但是在晚高峰18:00,则该电动车选择换电站D1进行换电,其综合成本为50.89元。其最优充电路径图,见图9和图10所示。图中色虚线表示网约电动车的充电路径。
根据表3可知,在出行早高峰09:00,应选择换电站D1进行换电,该网约电动车其综合成本为61.2元;但是在晚高峰18:00,选择充电站C3进行充电,其最优充电路径图与图9一致。
综上,本文充分考虑订单热力分布和充换电节点成本差异,并计及订单的热力分布对充电路径导航的影响,对完成和未完成订单数量规则的网约车综合成本最小分别进行自动优选,可得到实际网约电动车的最佳充换电路径,以及对应的最小充换电成本。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种电动网约车充换电路径的规划方法,其特征在于,包括以下步骤:
S1:通过分析电动网约车的运营情况,获得影响路径规划的主要因素为充换电成本、交通路网、电网运行安全限制和约车订单热力图;
S2:分别构建充换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型,通过充换电成本模型、交通路网模型、电网运行安全限制模型获得充换电总成本,通过约车订单热力图模型获得载客效益;
S3:根据电动网约车的当前地理位置计算到各个充电站、换电站的行驶距离和行驶时间,结合电动网约车的剩余里程筛选出可行的待选充电站、换电站;
S4:对筛选出的每个待选充电站、换电站分别按照时间优先、距离优先的两种方式,根据步骤S2构建的电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型,分别计算电动网约车从当前地理位置达到各个待选充电站、换电站的充换电总成本和载客效益,进而获得电动网约车从当前地理位置达到各个待选充电站、换电站的综合成本,所述综合成本为充换电总成本与载客效益的差值;
S5:对步骤S4获得的电动网约车从当前地理位置达到各个待选充电站、换电站的所有综合成本进行排序,选择综合成本最小的充电站或换电站进行最佳路径规划;
按照时间优先方式,充电综合成本的计算过程如下:
以每条道路行驶时间为权值,按照时间优先依次计算最短路径、需要充电量,根据换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型获得充电综合成本;
按照时间优先方式,换电综合成本的计算过程如下:
以每条道路行驶时间为权值,按照时间优先计算最短路径,根据换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型获得换电综合成本;
按照距离优先方式,充电综合成本的计算过程如下:
以每条道路行驶距离为权值,按照距离优先依次计算最短路径、需要充电量,根据换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型获得充电综合成本;
按照距离优先方式,换电综合成本的计算过程如下:
以每条道路行驶距离为权值,按照距离优先计算最短路径,根据换电成本模型、交通路网模型、电网运行安全限制模型和约车订单热力图模型获得换电综合成本。
2.根据权利要求1所述的一种电动网约车充换电路径的规划方法,其特征在于,步骤S2中所述充换电成本模型包括充电成本模型和换电成本模型;所述充电成本模型包括充电经济成本模型和充电时间成本模型。
5.根据权利要求2所述的一种电动网约车充换电路径的规划方法,其特征在于,所述充电成本模型还包括惩罚项,所述惩罚项的表达式如下:
FEV=costEVH,c+λt·costEVH,t+θ·R
式中,λt表示网约电动车第t个时段的平均接单效益系数,其等于采样时周期内第t个时段的盈利总额除以采样个数;θ为{0,1},当充电效率过低引起车辆报警时,θ=1,否则等于0;R为惩罚常数。
6.根据权利要求2所述的一种电动网约车充换电路径的规划方法,其特征在于,所述换电成本模型的表达式如下:
costEVH,m=Qm
式中,Qm表示换电一次的价格。
7.根据权利要求1所述的一种电动网约车充换电路径的规划方法,其特征在于,步骤S2中所述交通路网模型的表达式如下:
RL=(Nc,Ac,Ld,Vm,C)
式中,Nc为道路交叉节点集合、Ac为道路权值集、Ld为路段道路等级、Vm为各道路的零流速度、C为通行能力;
根据电动网约车当前地理位置Ps和待充换电站的地理位置Pd,获得电动网约车的行驶路径集合L为:
L=RL(Net,Ps,Pd)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911182107.1A CN110880054B (zh) | 2019-11-27 | 2019-11-27 | 一种电动网约车充换电路径的规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911182107.1A CN110880054B (zh) | 2019-11-27 | 2019-11-27 | 一种电动网约车充换电路径的规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110880054A CN110880054A (zh) | 2020-03-13 |
CN110880054B true CN110880054B (zh) | 2022-05-20 |
Family
ID=69730634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911182107.1A Active CN110880054B (zh) | 2019-11-27 | 2019-11-27 | 一种电动网约车充换电路径的规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110880054B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598646A (zh) * | 2020-04-03 | 2020-08-28 | 广东工业大学 | 一种带预定功能的电动出租车充电导航方法 |
CN111814073A (zh) * | 2020-04-13 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 用于管理周边信息的方法、装置、电子设备和存储介质 |
CN111609867B (zh) * | 2020-06-19 | 2022-02-22 | 北京交通大学 | 一种电动汽车路径规划方法 |
CN112082566B (zh) * | 2020-08-31 | 2022-07-26 | 南方科技大学 | 电动汽车路径规划方法、装置、终端及存储介质 |
CN112330203A (zh) * | 2020-11-24 | 2021-02-05 | 深圳北航新兴产业技术研究院 | 一种纯电动出租车电能补给的管理方法 |
CN112882466B (zh) * | 2021-01-12 | 2023-03-31 | 上海电力大学 | 一种融合分层规划和a*算法的共享电动汽车路径规划方法 |
CN112885141B (zh) * | 2021-02-04 | 2022-02-18 | 昆明理工大学 | 一种适用于停车场电动汽车的引导接入及充电优化方法 |
CN113183810A (zh) * | 2021-05-27 | 2021-07-30 | 宝能(广州)汽车研究院有限公司 | 一种充电方法、装置、设备及存储介质 |
TWI800968B (zh) * | 2021-11-01 | 2023-05-01 | 拓連科技股份有限公司 | 電動車充電之路徑規劃系統及方法 |
CN114485702A (zh) * | 2021-12-30 | 2022-05-13 | 国网江苏省电力有限公司连云港供电分公司 | 一种电动汽车充电路径规划方法及*** |
CN116502872A (zh) * | 2023-06-27 | 2023-07-28 | 深圳市菲尼基科技有限公司 | 基于运营效率管理的换电柜控制方法及其设备 |
CN117273590B (zh) * | 2023-10-19 | 2024-07-09 | 苏州大学 | 一种求解车辆路径优化问题的神经组合优化方法及*** |
CN118129789B (zh) * | 2024-05-10 | 2024-07-05 | 成都大学 | 一种新能源汽车的路径规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108556665A (zh) * | 2018-04-25 | 2018-09-21 | 广州市君望机器人自动化有限公司 | 移动充电桩定位方法、移动充电桩及智能充电*** |
CN108827332A (zh) * | 2018-06-29 | 2018-11-16 | 爱驰汽车有限公司 | 驾车与地铁的路径组合规划方法、***、设备及存储介质 |
CN108981736A (zh) * | 2018-05-28 | 2018-12-11 | 国网江苏省电力有限公司电力科学研究院 | 一种基于用户出行规律的电动汽车充电路径优化方法 |
CN109977527A (zh) * | 2019-03-21 | 2019-07-05 | 华北电力大学 | 一种城市公共充电站网络的充电桩配置方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160428B (zh) * | 2015-08-19 | 2018-04-06 | 天津大学 | 高速公路电动汽车快速充电站的规划方法 |
-
2019
- 2019-11-27 CN CN201911182107.1A patent/CN110880054B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108556665A (zh) * | 2018-04-25 | 2018-09-21 | 广州市君望机器人自动化有限公司 | 移动充电桩定位方法、移动充电桩及智能充电*** |
CN108981736A (zh) * | 2018-05-28 | 2018-12-11 | 国网江苏省电力有限公司电力科学研究院 | 一种基于用户出行规律的电动汽车充电路径优化方法 |
CN108827332A (zh) * | 2018-06-29 | 2018-11-16 | 爱驰汽车有限公司 | 驾车与地铁的路径组合规划方法、***、设备及存储介质 |
CN109977527A (zh) * | 2019-03-21 | 2019-07-05 | 华北电力大学 | 一种城市公共充电站网络的充电桩配置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110880054A (zh) | 2020-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110880054B (zh) | 一种电动网约车充换电路径的规划方法 | |
Yi et al. | Research on the spatial-temporal distribution of electric vehicle charging load demand: A case study in China | |
Ke et al. | Minimizing the costs of constructing an all plug-in electric bus transportation system: A case study in Penghu | |
CN107392336B (zh) | 智能交通中基于预约的分布式电动汽车充电调度方法 | |
De Filippo et al. | Simulation of an electric transportation system at The Ohio State University | |
Tao et al. | Data-driven optimized layout of battery electric vehicle charging infrastructure | |
CN108631344B (zh) | 一种计及输电网运行约束的电动汽车有序充放电控制方法 | |
CN106991492B (zh) | 一种北方气候快充纯电动公交车运营调度优化方法 | |
CN107323300A (zh) | 一种基于路‑站‑车联合模型的电动汽车预约充电方法 | |
CN110027440B (zh) | 一种基于v2g技术负荷高峰期的分层调度方法 | |
CN115100896B (zh) | 一种考虑机会充电策略的电动需求响应公交调度方法 | |
Potdar et al. | Risks and challenges of adopting electric vehicles in smart cities | |
Yang et al. | Mobile charging station service in smart grid networks | |
CN110293872A (zh) | 一种电动汽车智能充电导航***及方法 | |
Papa et al. | Electric-bus routes in hilly urban areas: Overview and challenges | |
González et al. | Public transportation with electric traction: Experiences and challenges in an Andean city | |
CN114039372B (zh) | 参与电网分区削峰填谷的电动汽车车辆调度方法及*** | |
Ma et al. | The location routing problem of the car-sharing system with autonomous electric vehicles | |
Beyazıt et al. | Electric vehicle charging through mobile charging station deployment in coupled distribution and transportation networks | |
CN111244990B (zh) | 一种配电网v2g辅助服务日前调度方法 | |
Guo et al. | Optimal path planning method of electric vehicles considering power supply | |
Beyazıt et al. | Optimal Management of Mobile Charging Stations in Urban Areas in a Distribution Network | |
CN115907227A (zh) | 一种高速公路固定与移动充电设施双层协同优化方法 | |
Zhang et al. | Charging time and location recommendation strategy considering taxi user satisfaction | |
CN115640974A (zh) | 一种公路沿线充电设施布局规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |